31 آگوست 2024 -نوشته ایوان ماکسیموف، گفتگو-(الف) طرحی از ساختار QT-DNN. W(n) با n = 1 … 4 ماتریس های وزن اتصالات شبکه هستند. (ب) مدل QT-DNN از اثر فیزیکی QT به عنوان تابع فعال سازی گره های خود استفاده می کند. (b.i) مانع پتانسیل مستطیلی یک بعدی با ضخامت a و ارتفاع V0. (b.ii) برخلاف مکانیک کلاسیک، در مکانیک کوانتومی، احتمال غیرصفری وجود دارد که الکترونی با انرژی E < V0 از طریق مانع منتقل شود.
توهمات نوری، مکانیک کوانتومی و شبکه های عصبی ممکن است در نگاه اول موضوعاتی کاملا نامرتبط به نظر برسند. با این حال، در تحقیقات جدید منتشر شده در APL Machine Learning، من از پدیده ای به نام “تونل زنی کوانتومی” برای طراحی یک شبکه عصبی استفاده کرده ام که می تواند توهمات نوری را به همان روشی که انسان ها می بیند، “دید”.
شبکه عصبی من در شبیه سازی درک انسان از مکعب نکر معروف و توهمات گلدان روبین به خوبی عمل کرد – و در واقع بهتر از برخی از شبکه های عصبی معمولی بسیار بزرگتر که در بینایی کامپیوتر استفاده می شوند، عمل کرد.این کار همچنین ممکن است این سوال را روشن کند که آیا سیستمهای هوش مصنوعی (AI) میتوانند واقعاً به چیزی مانند شناخت انسان دست یابند.
توهمات نوری مغز ما را فریب می دهند تا چیزهایی را ببیند که ممکن است واقعی باشند یا نباشند. ما به طور کامل نمیدانیم که توهمات نوری چگونه کار میکنند، اما مطالعه آنها میتواند به ما در مورد نحوه عملکرد مغز و چگونگی شکست آنها در مواردی مانند زوال عقل و در پروازهای فضایی طولانی آموزش دهد.
محققانی که از هوش مصنوعی برای تقلید و مطالعه بینایی انسان استفاده می کنند دریافته اند که توهمات نوری مشکل ساز هستند. در حالی که سیستم های بینایی کامپیوتری می توانند اشیاء پیچیده مانند نقاشی های هنری را تشخیص دهند، اغلب نمی توانند توهمات نوری را درک کنند. (به نظر می رسد آخرین مدل ها حداقل برخی از توهمات را تشخیص می دهند، اما این نتایج نیاز به بررسی بیشتر دارد.)تحقیقات من با استفاده از فیزیک کوانتومی به این مشکل می پردازد.
شبکه عصبی من چگونه کار می کند؟
وقتی مغز انسان اطلاعات را پردازش می کند، تصمیم می گیرد که کدام داده ها مفید هستند و کدام نه. یک شبکه عصبی عملکرد مغز را با استفاده از لایههای بسیاری از نورونهای مصنوعی تقلید میکند که آن را قادر میسازد دادهها را به عنوان مفید یا غیر مفید ذخیره و طبقهبندی کند.
نورون ها با سیگنال های همسایه خود فعال می شوند. تصور کنید هر نورون برای روشن شدن باید از دیوار آجری بالا برود و سیگنالهای همسایهها آن را بالاتر و بالاتر میبرند تا در نهایت از بالای آن عبور کند و به نقطه فعالسازی در طرف دیگر برسد.
در مکانیک کوانتومی، اجسام ریز مانند الکترونها گاهی میتوانند از طریق اثری به نام «تونلزنی کوانتومی» از موانع به ظاهر غیرقابل نفوذ عبور کنند. در شبکه عصبی من، تونلسازی کوانتومی به نورونها اجازه میدهد گاهی مستقیماً از دیوار آجری به نقطه فعالسازی بپرند و حتی زمانی که «نباید» روشن شوند.
کشف تونل زنی کوانتومی در دهه های اولیه قرن بیستم به دانشمندان اجازه داد تا پدیده های طبیعی مانند فروپاشی رادیواکتیو را توضیح دهند که طبق فیزیک کلاسیک غیرممکن به نظر می رسید.در قرن بیست و یکم، دانشمندان با مشکل مشابهی روبرو هستند. نظریه های موجود در توضیح ادراک، رفتار و تصمیم گیری انسان کوتاهی می کنند.تحقیقات نشان داده است که ابزار مکانیک کوانتومی ممکن است به توضیح رفتار و تصمیم گیری انسان کمک کند.
در حالی که برخی پیشنهاد کردهاند که اثرات کوانتومی نقش مهمی در مغز ما بازی میکنند، حتی اگر اینطور نباشند، ممکن است قوانین مکانیک کوانتومی برای مدلسازی تفکر انسان مفید باشد. به عنوان مثال، الگوریتم های محاسباتی کوانتومی برای بسیاری از کارها کارآمدتر از الگوریتم های کلاسیک هستند.
با در نظر گرفتن این موضوع، میخواستم بفهمم اگر اثرات کوانتومی را به عملکرد یک شبکه عصبی تزریق کنم چه اتفاقی میافتد.
هنگامی که ما یک توهم نوری را با دو تفسیر ممکن (مانند مکعب مبهم یا گلدان و چهره) میبینیم، محققان بر این باورند که ما به طور موقت هر دو تفسیر را همزمان نگه میداریم، تا زمانی که مغز ما تصمیم بگیرد کدام تصویر را باید ببیند.
این وضعیت شبیه آزمایش فکری مکانیک کوانتومی گربه شرودینگر است. این سناریوی معروف گربه ای را در جعبه ای توصیف می کند که زندگی آن به تجزیه یک ذره کوانتومی بستگی دارد. طبق مکانیک کوانتومی، این ذره می تواند همزمان در دو حالت مختلف باشد تا زمانی که ما آن را مشاهده کنیم – و بنابراین گربه می تواند به طور همزمان زنده و مرده باشد.
من شبکه عصبی تونل کوانتومی خود را برای تشخیص مکعب نکر و توهمات گلدان روبین آموزش دادم. وقتی با توهم به عنوان ورودی مواجه شد، خروجی یکی از این دو تفسیر را تولید کرد.
با گذشت زمان، تفسیری که برگزید، به عقب و جلو نوسان کرد. شبکههای عصبی سنتی نیز این رفتار را ایجاد میکنند، اما علاوه بر این، شبکه من نتایج مبهمای را در بین دو خروجی معین ایجاد کرد – بسیار شبیه به مغز ما می تواند هر دو تفسیر را قبل از تصمیم گیری در مورد یکی نگه دارد.
در عصر اخبار جعلی و دروغین، درک اینکه چگونه مغز ما توهمات را پردازش می کند و مدل هایی از واقعیت می سازد، هرگز مهم نبوده است.
در تحقیقات دیگر، من بررسی میکنم که چگونه اثرات کوانتومی ممکن است به ما در درک رفتار اجتماعی و رادیکالسازی نظرات در شبکههای اجتماعی کمک کند.
در دراز مدت، هوش مصنوعی کوانتومی ممکن است در نهایت به توسعه رباتهای آگاه کمک کند. اما در حال حاضر، کار تحقیقاتی من ادامه دارد.