–
14 جولای 2022توسط متیو تیرنی، دانشگاه تورنتو -اعتبار: دامنه عمومی Pixabay/CC0
یک الگوریتم کامپیوتری جدید که توسط پرهام اعرابی دانشیار گروه مهندسی برق و کامپیوتر دانشگاه تورنتو ساخته شده است، می تواند اطلاعات را به صورت استراتژیک ذخیره و به یاد بیاورد – درست مانند مغز ما.
اعرابی که چارچوب آن در مقاله ای که این هفته در کنفرانس مهندسی پزشکی و زیست شناسی IEEE در گلاسکو ارائه شده است، می گوید: در گذشته، رایانه‌ها به کاربران خود متکی بودند تا دقیقاً چه اطلاعاتی را ذخیره کنند. اما با ظهور تکنیک‌های هوش مصنوعی (AI) مانند یادگیری عمیق و شبکه‌های عصبی، حرکتی به سمت رویکردهای «فازی‌تر» صورت گرفته است.
اعرابی می گوید: «ده سال پیش، محاسبات تماماً در مورد مطلق ها بود. CPU ها داده های حافظه را به روشی دقیق برای تصمیم گیری باینری پردازش و ذخیره می کردند. هیچ ابهامی وجود نداشت.
اکنون ما می‌خواهیم رایانه‌های ما نتیجه‌گیری تقریبی داشته باشند و درصدها را حدس بزنند. ما می‌خواهیم یک پردازشگر تصویر به ما بگوید که به‌عنوان مثال، ۱۰ درصد احتمال دارد که یک عکس حاوی یک ماشین باشد و ۴۰ درصد احتمال دارد که شامل یک عابر پیاده باشد.»
وی همین رویکرد فازی را برای ذخیره و بازیابی اطلاعات با کپی کردن چندین ویژگی که به انسان کمک می کند تعیین کند چه چیزی را به خاطر بسپارد – و به همان اندازه انتقادی، چه چیزی را فراموش کند، گسترش داده است.
مطالعات نشان داده است که ما تمایل داریم رویدادهای اخیر را بر رویدادهای کمتر اخیر اولویت دهیم. ما همچنین بر خاطراتی که برای ما اهمیت بیشتری دارند تأکید می‌کنیم و روایت‌های طولانی را به موارد ضروری آنها وابسته می‌کنیم.
اعرابی می‌گوید: «مثلاً امروز یادم می‌آید که دخترم را به مدرسه بردم، قول دادم پول را به کسی پس بدهم و قول دادم یک مقاله پژوهشی بخوانم. اما من تک تک ثانیه‌های تجربه‌ام را به خاطر نمی‌آورم.»
ظرفیت نادیده گرفتن اطلاعات خاص می تواند مدل های موجود یادگیری ماشینی را افزایش دهد.
امروزه، الگوریتم‌های یادگیری ماشینی میلیون‌ها ورودی پایگاه داده را جستجو می‌کنند و به دنبال الگوهایی می‌گردند که به آنها کمک می‌کند یک ورودی داده‌شده را به‌درستی با یک خروجی مشخص مرتبط کنند. تنها پس از تکرارهای بی‌شمار، الگوریتم در نهایت به اندازه کافی دقیق می‌شود تا بتواند با مشکلات جدیدی که قبلاً ندیده است، مقابله کند.
اگر حافظه مصنوعی الهام گرفته زیستی این الگوریتم‌ها را قادر می‌سازد تا به مرتبط‌ترین داده‌ها برجستگی بدهند، به‌طور بالقوه می‌توانند خیلی سریع‌تر به نتایج معنی‌داری برسند.این رویکرد همچنین می‌تواند از ابزارهایی پشتیبانی کند که زبان طبیعی را پردازش می‌کنند تا به افراد مبتلا به از دست دادن حافظه کمک کند اطلاعات کلیدی را پیگیری کنند.
اعرابی و تیمش چنین ابزاری را با استفاده از یک رابط کاربری ساده مبتنی بر ایمیل راه اندازی کرده اند. این اطلاعات مهم بر اساس اولویت الگوریتمی و شاخص مربوط به کلمات کلیدی را به شرکت کنندگان یادآوری می کند.
اعرابی می‌گوید: «در نهایت برای افرادی که از دست دادن حافظه دارند استفاده می‌شود. این به آنها کمک می کند تا چیزها را به روشی بسیار انسانی، بسیار نرم و بدون تحت تاثیر قرار دادن آنها به خاطر بسپارند. بیشتر کمک های مدیریت کار بسیار پیچیده هستند و در این شرایط مفید نیستند.”
اعرابی می گوید: «من خودم از آن استفاده می کردم. هدف این است که نسخه ی نمایشی را در دست افراد قرار دهیم – چه آنها با کاهش قابل توجه حافظه یا فقط فشارهای روزمره – و ببینیم چه بازخوردی دریافت می کنیم. گام های بعدی ایجاد مشارکت در مراقبت های بهداشتی برای آزمایش در یک آزمایش جامع تر است.”
پروفسور دیپا کوندور، رئیس بخش مهندسی برق و کامپیوتر می گوید: «این روزها، کاربردهای هوش مصنوعی به طور فزاینده ای در بسیاری از زمینه های انسان محور یافت می شود. پروفسور اعرابی، با تحقیق در مورد راه‌هایی برای ادغام بهتر هوش مصنوعی با این حوزه‌های «نرم‌تر»، به دنبال این است که اطمینان حاصل شود که پتانسیل هوش مصنوعی در جامعه ما به طور کامل تحقق می‌یابد.
اعرابی می گوید که این الگوریتم تازه شروع است.
“حافظه الهام گرفته شده از بیولوژی ممکن است هوش مصنوعی را یک قدم به قابلیت های سطح انسان نزدیک تر کند.”
