هوش مصنوعی عصبی نمادین: ماشینی که در نهایت می تواند منطق و یادگیری را مدیریت کند

• نویسنده:
• نام نویسنده

  آینده نگاری کوانتوم ران
• آوریل 13، 2023

یادگیری ماشینی (ML) همیشه یک فناوری امیدوارکننده با چالش های منحصر به فرد خود بوده است، اما محققان به دنبال ایجاد یک سیستم مبتنی بر منطق هستند که فراتر از داده های بزرگ است. سیستم‌های مبتنی بر منطق برای کار با بازنمایی‌های نمادین و استدلال طراحی شده‌اند که می‌تواند روش شفاف‌تر و قابل تفسیرتری برای درک فرآیند تصمیم‌گیری سیستم ارائه دهد. 

زمینه هوش مصنوعی عصبی نمادین

هوش مصنوعی عصبی نمادین (که به آن هوش مصنوعی مرکب نیز گفته می شود) دو شاخه از هوش مصنوعی (AI) را ترکیب می کند. اول هوش مصنوعی نمادین است که از نمادها برای درک روابط و قوانین (یعنی رنگ و شکل یک شی) استفاده می کند. برای اینکه هوش مصنوعی نمادین کار کند، پایگاه دانش باید دقیق، دقیق و جامع باشد. این نیاز به این معنی است که نمی تواند به تنهایی یاد بگیرد و برای به روز رسانی پایگاه دانش به تخصص انسانی بستگی دارد. 

مؤلفه دیگر هوش مصنوعی عصبی نمادین شبکه های عصبی عمیق (شبکه های عمیق) یا یادگیری عمیق (DL) است. این فناوری از لایه‌های متعددی از گره‌ها استفاده می‌کند که نورون‌های مغز انسان را تقلید می‌کنند تا خودآموزی کنند تا مجموعه‌های داده بزرگ را پردازش کنند. برای مثال، شبکه‌های عمیق می‌توانند تصاویر مختلف گربه‌ها و سگ‌ها را بگذرانند تا دقیقاً تشخیص دهند کدام کدام است، و با گذشت زمان بهبود می‌یابند. با این حال، کاری که شبکه های عمیق نمی توانند انجام دهند، پردازش روابط پیچیده است. با ترکیب هوش مصنوعی نمادین و شبکه‌های عمیق، محققان از DL برای تبدیل مقادیر زیادی از داده‌ها به پایگاه دانش استفاده می‌کنند و پس از آن هوش مصنوعی نمادین می‌تواند قوانین و روابط را استنتاج یا شناسایی کند. این ترکیب امکان کشف دانش و تصمیم گیری کارآمدتر و دقیق تر را فراهم می کند.

حوزه دیگری که هوش مصنوعی عصبی-سمبلیک به آن می پردازد، فرآیند آموزش پرهزینه شبکه عمیق است. علاوه بر این، شبکه‌های عمیق می‌توانند به تغییرات کوچک داده ورودی حساس باشند که منجر به خطاهای طبقه‌بندی می‌شود. آنها همچنین با استدلال انتزاعی و پاسخ به سؤالات بدون داده های آموزشی زیادی مبارزه می کنند. علاوه بر این، عملکرد داخلی این شبکه‌ها برای انسان‌ها پیچیده و درک آن دشوار است، و تفسیر استدلال پشت پیش‌بینی‌های آن‌ها را به چالشی تبدیل می‌کند.

تاثیر مخرب

محققان دانشگاه استنفورد با استفاده از 100,000 تصویر از اشکال اصلی سه بعدی (مربع، کره، استوانه، و غیره) مطالعات اولیه را در مورد هوش مصنوعی مرکب انجام دادند و سپس از سؤالات مختلفی برای آموزش هیبرید برای پردازش داده ها و استنتاج روابط استفاده کردند (مثلاً آیا مکعب ها قرمز هستند؟ ). آنها دریافتند که هوش مصنوعی عصبی نمادین در 3 درصد مواقع می تواند به این سؤالات پاسخ صحیح دهد. علاوه بر این، ترکیبی تنها به 98.9 درصد از داده های آموزشی برای توسعه راه حل ها نیاز داشت. 

از آنجایی که نمادها یا قوانین شبکه های عمیق را کنترل می کنند، محققان به راحتی می توانند نحوه "یادگیری" آنها و محل وقوع خرابی را ببینند. پیش از این، این یکی از نقاط ضعف شبکه های عمیق، عدم امکان ردیابی به دلیل لایه ها و لایه های کدها و الگوریتم های پیچیده بوده است. هوش مصنوعی عصبی نمادین در وسایل نقلیه خودران برای تشخیص اشیاء در جاده و هرگونه تغییر در محیط آزمایش می شود. سپس آموزش داده می شود تا به این عوامل خارجی واکنش مناسب نشان دهد. 

با این حال، نظرات متفاوتی در مورد اینکه آیا ترکیب هوش مصنوعی نمادین و شبکه های عمیق بهترین راه برای رسیدن به هوش مصنوعی پیشرفته تر است، وجود دارد. برخی از محققان، مانند محققان دانشگاه براون، بر این باورند که این رویکرد ترکیبی ممکن است با سطح استدلال انتزاعی بدست آمده توسط ذهن انسان مطابقت نداشته باشد. ذهن انسان می تواند بازنمایی نمادین از اشیاء ایجاد کند و انواع مختلفی از استدلال را با استفاده از این نمادها، با استفاده از شبکه های عصبی بیولوژیکی، بدون نیاز به یک جزء نمادین اختصاصی انجام دهد. برخی از کارشناسان استدلال می کنند که روش های جایگزین، مانند افزودن ویژگی هایی به شبکه های عمیق که توانایی های انسان را تقلید می کنند، ممکن است در افزایش قابلیت های هوش مصنوعی موثرتر باشد.

برنامه های کاربردی برای هوش مصنوعی عصبی نمادین

برخی از کاربردهای هوش مصنوعی عصبی نمادین ممکن است شامل موارد زیر باشد:

• ربات‌ها، مانند چت‌بات‌ها، که می‌توانند دستورات و انگیزه‌های انسانی را بهتر درک کنند و پاسخ‌ها و خدمات دقیق‌تری تولید کنند.
• کاربرد آن در سناریوهای حل مسئله پیچیده تر و حساس تر مانند تشخیص پزشکی، برنامه ریزی درمان و توسعه دارو. این فناوری همچنین می تواند برای تسریع تحقیقات علمی و فناوری در زمینه هایی مانند حمل و نقل، انرژی و تولید به کار رود. 
• اتوماسیون فرآیندهای تصمیم گیری که در حال حاضر نیاز به قضاوت انسانی دارد. در نتیجه، چنین برنامه هایی ممکن است منجر به از دست دادن همدلی و مسئولیت پذیری در زمینه های خاصی مانند خدمات مشتری شود.
• لوازم هوشمند و دستیارهای مجازی بصری تر که می توانند سناریوهای مختلف را پردازش کنند، مانند صرفه جویی فعالانه برق و اجرای اقدامات امنیتی.
• سوالات اخلاقی و حقوقی جدید، مانند مسائل مربوط به حریم خصوصی، مالکیت و مسئولیت.
• بهبود تصمیم گیری در دولت و سایر زمینه های سیاسی. این فناوری همچنین می تواند برای تأثیرگذاری بر افکار عمومی از طریق تبلیغات هدفمندتر و تولید تبلیغات و رسانه های بیش از حد شخصی استفاده شود.

سوالاتی که باید در نظر گرفته شود

• فکر می کنید هوش مصنوعی عصبی نمادین چگونه بر زندگی روزمره ما تأثیر می گذارد؟
• چگونه می توان از این فناوری در صنایع دیگر استفاده کرد؟