دیپ مایند یک هوش مصنوعی ساخته که به‌صورت خودمختار، معادل ماشینی مسیریابی بر اساس غریزه شبیه به پستانداران را توسعه داده است.
شرکت انگلیسی دیپ‌مایند، یکی از زیرمجموعه‌های هولدینگ آلفابت و به‌نوعی خواهرخوانده‌ی گوگل محسوب می‌شود. این شرکت بر توسعه‌ی هوش مصنوعی تمرکز دارد و اخیرا توجه خود را روی تولید هوشی برای درک علوم عصب‌شناسی متمرکز کرده است.
این شرکت مقاله‌ای در مورد شبکه‌ی عصبی خود منتشر کرده است. در این مقاله آمده که این شبکه در خلال تلاش برای حل یک مشکل مسیریابی، روشی در زمینه‌ی آگاهی فضایی پیدا کرده که شبیه به تولید «سلول‌های شبکه‌ای» در پستانداران است. سلول‌های شبکه‌ای یا Grid Cells نوعی نورون در مغز اکثر موجودات هستند که توانایی تشخیص موقعیت در فضا را به آن‌ها می‌دهند.
کشف سلول‌های شبکه‌ای به سال ۲۰۰۵ برمی‌گردد. دانشمندان در آن زمان این پدیده را دلیل و ابزار اصلی موقعیت‌یابی موجودات بیان کردند. سلول‌های شبکه‌ای بر اساس مسافت طی‌شده و مسیر مسافت، موقعیت ما را مشخص می‌کنند. به بیان دیگر این سلول‌ها توانایی درک موقعیت کنونی را به ما می‌دهند. این سلول‌ها ساختاری شش‌ضلعی تشکیل می‌دهند که در لایه‌های مختلف، مسیریابی را ممکن می‌سازد. این شبکه در تمامی پستانداران مشترک است و مانند قابلیتی پیش‌فرض در مغز آن‌ها فعالیت می‌کند.
نکته‌ی مهم این که دانشمندان روش کار سلول‌های شبکه‌ای را درک نمی‌کنند. در تعریف ساده‌ی آن‌ها از این پدیده، مغز شبکه‌های شش‌ضلعی را تشکیل می‌دهد و نورون‌ها آن‌ها را به کار می‌گیرند. اما در مورد چگونگی کارکرد این پدیده در کمک به موقعیت‌یابی، نظریه‌های متعددی وجود دارد.
هوش مصنوعی دیپ‌مایند در حال بررسی یکی از همین تئوری‌ها بوده که ایده‌ی آن، تخمین حدودی موقعیت بر مبنای محاسبات برداری است. در حین تحقیقات، دانشمندان متوجه شده‌اند که هوش مصنوعی، به‌صورت خودکار سیستمی توسعه داده است که از سلول‌های شبکه‌ای انسان‌ها تقلید می‌کند. هوش مصنوعی با استفاده از این تقلید، مسئله‌ی مسیریابی موش‌های آزمایشگاهی (و اکثر پستانداران) را حل کرده است.
این اتفاق در وبلاگ شرکت دیپ‌مایند به این صورت بیان شده است:
در قدم اول، ما شبکه‌ای برای تشخیص موقعیت در یک محیط مجازی آموزش دادیم. این آموزش با استفاده از سیگنال‌های سرعت‌سنج حرکتی انجام شد. این امکان شبیه به رفتار پستانداران در زمانی است که در محیط‌های ناآشنا حرکت می‌کنند.
پس از مدتی متوجه شدیم که ساختارهای شبکه‌ای شکل به‌صورت خودکار در شبکه پدیدار شدند. این شبکه‌ها شباهت زیادی به ساختارهای عصبی مشاهده شده در پستانداران داشت. این یافته کاملا با ایده‌ی تأثیر سلول‌های شبکه‌ای روی مسیریابی هم‌خوانی داشت.
هوش مصنوعی به‌طور خودمختار مسیریابی انسانی را آموخته است
دانشمندان به‌منظور آزمایش بیشتر نظریه‌ی خود، از آموزش حرفه‌ای‌تر استفاده کردند و در صورت موفقیت هوش مصنوعی به مسیریابی با استفاده از اطلاعات برداری در محیط‌های مجازی بازی، به آن جایزه می‌دادند. در طول این آزمایش آن‌ها از ایجاد سلول‌های شبکه‌ای توسط هوش مصنوعی جلوگیری کردند. در نتیجه‌ی این محدودیت، عملکرد هوش مصنوعی در مسیریابی ضعیف‌تر شد. اما زمانی که اجازه‌ی ایجاد سلول‌های شبکه‌ای به این هوش مصنوعی داده شد، توانایی‌های مسیریابی آن بسیار پیشرفت کردند.
دیپ‌مایند نتوانسته با استفاده از هوش مصنوعی، معمای سلول‌های شبکه‌ای را حل کند؛ اما یافته‌های آن‌ها با هوشی که برای مسیریابی این سلول‌ها را تشکیل می‌دهد، مهر تأییدی بر نظریه‌ی این پدیده است. کارشناسان امیدوارند که نتایج این تحقیق، به ساخت ربات‌هایی با قابلیت مسیریابی مانند موش‌ها یا انسان‌ها منجر شود. در حال حاضر در محیط‌های مجازی هوش مصنوعی انسان را شکست می‌دهد اما نتیجه‌ی نهایی باید در محیط‌های واقعی بررسی شود.
مهمترین نکته‌ی این گزارش، پیشرفت هوش مصنوعی است. هر بار که خبری از یادگیری رفتاری انسانی توسط هوش مصنوعی (به‌صورت خودکار) منتشر می‌شود، به این نکته پی می‌بریم که هوش مدرن، چیزی بیشتر از یک دانش‌آموز کنجکاو است.
مهدی زارع سریزدی
- 12
- 2
