ኒውሮ-ተምሳሌታዊ AI፡ በመጨረሻ ሁለቱንም ሎጂክ እና ትምህርት ማስተናገድ የሚችል ማሽን

• ደራሲ:
• የደራሲ ስም

  ኳንተምሩን አርቆ እይታ
• ሚያዝያ 13, 2023

የማሽን መማሪያ (ኤም.ኤል.ኤል.) ሁልጊዜም ልዩ ተግዳሮቶች ያሉት ተስፋ ሰጪ ቴክኖሎጂ ነው፣ ነገር ግን ተመራማሪዎች ከትልቅ መረጃ በላይ የሆነ አመክንዮ-ተኮር ስርዓት ለመፍጠር እየፈለጉ ነው። አመክንዮ-ተኮር ሥርዓቶች ተምሳሌታዊ ውክልናዎችን እና አመክንዮዎችን ለመሥራት የተነደፉ ናቸው፣ ይህም የስርዓቱን የውሳኔ አሰጣጥ ሂደት የበለጠ ግልጽ እና ሊተረጎም የሚችል መንገድ ማቅረብ ይችላል። 

ኒውሮ-ተምሳሌታዊ AI አውድ

Neuro-symbolic AI (የተቀናጀ AI ተብሎም ይጠራል) ሁለት የአርቴፊሻል ኢንተለጀንስ (AI) ቅርንጫፎችን ያጣምራል። በመጀመሪያ ደረጃ ግንኙነቶችን እና ደንቦችን ለመረዳት ምልክቶችን የሚጠቀመው ተምሳሌታዊው AI ነው (ማለትም የአንድ ነገር ቀለም እና ቅርፅ)። ምሳሌያዊ AI እንዲሰራ፣ የእውቀት መሰረቱ ትክክለኛ፣ ዝርዝር እና የተሟላ መሆን አለበት። ይህ መስፈርት በራሱ መማር አይችልም እና የእውቀት መሰረቱን ለማዘመን በሰዎች እውቀት ላይ የተመሰረተ ነው. 

ሌላው የኒውሮ-ምሳሌያዊ AI አካል ጥልቅ የነርቭ መረቦች (ጥልቅ መረቦች) ወይም ጥልቅ ትምህርት (ዲኤል) ነው. ይህ ቴክኖሎጅ የሰው አንጎል የነርቭ ሴሎችን በመኮረጅ ትላልቅ የመረጃ ቋቶችን ለማስኬድ እራስን ለመማር በርካታ አንጓዎችን ይጠቀማል። ለምሳሌ, ጥልቅ መረቦች የትኛው እንደሆነ በትክክል ለመለየት የተለያዩ የድመቶችን እና የውሻ ምስሎችን ማለፍ ይችላሉ, እና ከጊዜ በኋላ ይሻሻላሉ. ነገር ግን፣ ጥልቅ መረቦች ማድረግ የማይችሉት ውስብስብ ግንኙነቶችን ማካሄድ ነው። ተምሳሌታዊ AI እና ጥልቅ መረቦችን በማጣመር ተመራማሪዎች ከፍተኛ መጠን ያለው መረጃን ወደ የእውቀት መሰረት ለማፍሰስ ዲኤልኤልን ይጠቀማሉ፣ ከዚያ በኋላ ምሳሌያዊ AI ህጎችን እና ግንኙነቶችን መለየት ወይም መለየት ይችላል። ይህ ጥምረት የበለጠ ቀልጣፋ እና ትክክለኛ የእውቀት ግኝት እና ውሳኔ አሰጣጥን ይፈቅዳል።

ሌላው የኒውሮ-ምሳሌያዊ AI አድራሻዎች ጥልቅ ኔት ውድ የሆነ የሥልጠና ሂደት ናቸው። በተጨማሪም፣ ጥልቅ መረቦች ለአነስተኛ የግቤት ውሂብ ለውጦች ስሜታዊ ሊሆኑ ይችላሉ፣ ይህም ወደ ምደባ ስህተቶች ይመራል። እንዲሁም ብዙ የሥልጠና መረጃ ሳያገኙ በረቂቅ ምክንያት እና ጥያቄዎችን በመመለስ ይታገላሉ። በተጨማሪም የእነዚህ ኔትወርኮች ውስጣዊ አሠራር ውስብስብ እና ለሰው ልጅ ለመረዳት አስቸጋሪ ስለሆነ ከትንበያዎቻቸው በስተጀርባ ያለውን ምክንያት ለመተርጎም አስቸጋሪ ያደርገዋል.

የሚረብሽ ተጽእኖ

የስታንፎርድ ዩኒቨርሲቲ ተመራማሪዎች 100,000 የመሠረታዊ 3D ቅርጾች ምስሎችን (ካሬዎች፣ ሉልሎች፣ ሲሊንደሮች፣ ወዘተ) በመጠቀም የተቀናበረ AI የመጀመሪያ ደረጃ ጥናቶችን አካሂደዋል (ካሬዎች፣ ሉልሎች፣ ሲሊንደሮች፣ ወዘተ.) በመቀጠል ዲቃላውን መረጃ እንዲያጠናቅቅ እና ግንኙነቶችን እንዲመረምር ለማሰልጠን የተለያዩ ጥያቄዎችን ተጠቅመዋል (ለምሳሌ ኪዩቦች ቀይ ናቸው? ). ኒውሮ-ምልክት AI እነዚህን ጥያቄዎች 98.9 በመቶ ጊዜ በትክክል ሊመልስ እንደሚችል ደርሰውበታል። በተጨማሪም፣ ዲቃላው መፍትሄዎችን ለማዘጋጀት 10 በመቶ የስልጠና መረጃ ብቻ ይፈልጋል። 

ምልክቶች ወይም ደንቦች ጥልቅ መረቦችን ስለሚቆጣጠሩ ተመራማሪዎች እንዴት "እንዴት እንደሚማሩ" እና ብልሽቶች የት እንደሚገኙ በቀላሉ ማየት ይችላሉ። ከዚህ ቀደም ይህ የጥልቅ መረቦች ድክመቶች አንዱ ነው, ምክንያቱም በንብርብሮች እና ውስብስብ ኮዶች እና ስልተ ቀመሮች ምክንያት መከታተል አለመቻል. ኒውሮ-ምልክት AI በራሱ በሚነዱ ተሽከርካሪዎች ውስጥ እየሞከረ ነው በመንገድ ላይ ያሉትን ነገሮች እና በአካባቢው ላይ የሚደረጉ ለውጦችን ለመለየት። ከዚያም ለእነዚህ ውጫዊ ሁኔታዎች ተገቢውን ምላሽ ለመስጠት ስልጠና ይሰጣል. 

ሆኖም፣ የምሳሌያዊ AI እና ጥልቅ መረቦች ጥምረት ወደ የላቀ AI ምርጡ መንገድ ስለመሆኑ ላይ የተለያዩ አስተያየቶች አሉ። እንደ ብራውን ዩኒቨርሲቲ ያሉ አንዳንድ ተመራማሪዎች ይህ ድብልቅ አካሄድ በሰው አእምሮ ከተገኘው ረቂቅ የማመዛዘን ደረጃ ጋር ላይስማማ ይችላል ብለው ያምናሉ። የሰው አእምሮ የነገሮችን ምሳሌያዊ ውክልና መፍጠር እና እነዚህን ምልክቶች በመጠቀም ባዮሎጂያዊ የነርቭ ኔትወርኮችን በመጠቀም የተለያዩ የማመዛዘን ዓይነቶችን ማከናወን ይችላል ፣ የተለየ ተምሳሌታዊ አካል ሳያስፈልገው። አንዳንድ ባለሙያዎች የሰውን ችሎታዎች በሚመስሉ ጥልቅ መረቦች ላይ ባህሪያትን መጨመር እንደ አማራጭ ዘዴዎች የኤአይአይ አቅምን ለማሳደግ የበለጠ ውጤታማ ሊሆኑ እንደሚችሉ ይከራከራሉ.

ለ neuro-symbolic AI መተግበሪያዎች

ለ neuro-symbolic AI አንዳንድ መተግበሪያዎች የሚከተሉትን ሊያካትቱ ይችላሉ-

• እንደ ቻትቦቶች ያሉ ቦቶች የሰውን ትእዛዛት እና መነሳሳትን በተሻለ ሁኔታ መረዳት የሚችሉ፣ የበለጠ ትክክለኛ ምላሾችን እና አገልግሎቶችን ይሰጣሉ።
• እንደ የሕክምና ምርመራ፣ የሕክምና ዕቅድ እና የመድኃኒት ልማት ባሉ ይበልጥ ውስብስብ እና ሚስጥራዊነት ያለው ችግር ፈቺ ሁኔታዎች ውስጥ ተግባራዊ ይሆናል። ቴክኖሎጂው እንደ መጓጓዣ፣ ኢነርጂ እና ማኑፋክቸሪንግ ላሉ ዘርፎች ሳይንሳዊ እና ቴክኖሎጂያዊ ምርምሮችን ለማፋጠንም ሊተገበር ይችላል። 
• በአሁኑ ጊዜ የሰውን ፍርድ የሚጠይቁ የውሳኔ አሰጣጥ ሂደቶችን በራስ-ሰር ማድረግ። በውጤቱም፣ እንደዚህ አይነት አፕሊኬሽኖች እንደ የደንበኞች አገልግሎት ባሉ አንዳንድ መስኮች ላይ ርህራሄ እና ተጠያቂነትን ሊያጡ ይችላሉ።
• እንደ ኤሌክትሪክን በንቃት መቆጠብ እና የደህንነት እርምጃዎችን መተግበር ያሉ የተለያዩ ሁኔታዎችን ማካሄድ የሚችሉ የበለጠ ሊታወቁ የሚችሉ ብልጥ ዕቃዎች እና ምናባዊ ረዳቶች።
• እንደ ከግላዊነት፣ ከባለቤትነት እና ከኃላፊነት ጋር የተያያዙ ጉዳዮችን የመሳሰሉ አዲስ የሥነ-ምግባር እና የህግ ጥያቄዎች።
• በመንግስት እና በሌሎች የፖለቲካ ሁኔታዎች ውስጥ የተሻሻለ ውሳኔ አሰጣጥ። ይህ ቴክኖሎጂ በተጨማሪ ዒላማ የተደረገ ማስታወቂያ እና ልዕለ ግላዊነት የተላበሱ ማስታወቂያዎችን እና ሚዲያዎችን በማፍለቅ የህዝብ አስተያየት ላይ ተጽእኖ ለመፍጠር ጥቅም ላይ ሊውል ይችላል።

ሊታሰብባቸው የሚገቡ ጥያቄዎች

• ሌላ እንዴት neuro-symbolic AI በዕለት ተዕለት ህይወታችን ላይ ተጽእኖ ይኖረዋል ብለው ያስባሉ?
• ይህ ቴክኖሎጂ በሌሎች ኢንዱስትሪዎች ውስጥ እንዴት ጥቅም ላይ ሊውል ይችላል?