18 سپتامبر 2024 -توسط Cell Press-اعتبار: Teona Swift از Pexels
برخی از بزرگترین اکتشافات صرفاً از مشاهدات نیست، بلکه از تفکر حاصل می شود. اینشتین از طریق آزمایش‌های فکری نظریه‌های نسبیت را توسعه داد و گالیله از طریق شبیه‌سازی‌های ذهنی، بینش‌هایی درباره گرانش به دست آورد.
مروری که در 18 سپتامبر در ژورنال Trends in Cognitive Sciences منتشر شد، نشان می‌دهد که این فرآیند تفکر منحصر به انسان نیست. هوش مصنوعی نیز قادر به اصلاح خود و رسیدن به نتایج جدید از طریق «یادگیری از طریق تفکر» است.
نویسنده تانیا لومبروزو، استاد روانشناسی و یکی از مدیران ابتکار ذهن های طبیعی و مصنوعی در دانشگاه پرینستون، می گوید: اخیراً چند نمونه از آنچه به نظر می رسد یادگیری با تفکر در هوش مصنوعی است، به ویژه در مدل های زبان بزرگ وجود دارد. “گاهی اوقات ChatGPT بدون اینکه به صراحت به او گفته شود، خود را اصلاح می کند. این شبیه چیزی است که وقتی افراد درگیر یادگیری از طریق تفکر هستند، اتفاق می افتد.”
لومبروزو چهار مثال از یادگیری با تفکر در انسان و هوش مصنوعی را شناسایی کرد: یادگیرندگان می توانند اطلاعات جدیدی را بدون ورودی خارجی از طریق توضیح، شبیه سازی، قیاس و استدلال به دست آورند. در انسان، توضیح نحوه عملکرد مایکروویو برای کودک ممکن است شکاف‌های درک ما را آشکار کند.
چیدمان مجدد مبلمان در اتاق نشیمن اغلب شامل ایجاد یک تصویر ذهنی برای شبیه سازی چیدمان های مختلف قبل از ایجاد هرگونه تغییر فیزیکی است. دانلود نرم افزار دزدی دریایی ممکن است در ابتدا از نظر اخلاقی قابل قبول به نظر برسد تا زمانی که به سرقت کالاهای فیزیکی قیاس کنیم. اگر می دانید که تولد یک دوست در روز کبیسه و فردا یک روز کبیسه است، می توانید استدلال کنید که تولد دوست شما فردا است.
هوش مصنوعی فرآیندهای یادگیری مشابهی را نشان می دهد. هنگامی که از هوش مصنوعی خواسته می شود تا در مورد یک موضوع پیچیده توضیح دهد، ممکن است پاسخ اولیه خود را بر اساس توضیحی که ارائه می دهد اصلاح یا اصلاح کند.
صنعت بازی از موتورهای شبیه سازی برای تقریب نتایج دنیای واقعی استفاده می کند و مدل ها می توانند از خروجی های شبیه سازی به عنوان ورودی برای یادگیری استفاده کنند. درخواست از یک مدل زبان برای ترسیم قیاس‌ها می‌تواند منجر به پاسخ دقیق‌تر به سؤالات نسبت به سؤالات ساده شود. ترغیب هوش مصنوعی برای درگیر شدن در استدلال گام به گام می تواند آن را به پاسخ هایی سوق دهد که با یک پرس و جو مستقیم نمی تواند به آنها برسد.
“این سوال را مطرح می کند که چرا هر دو ذهن طبیعی و مصنوعی این ویژگی ها را دارند. یادگیری با تفکر چه کارکردی دارد؟ چرا ارزش دارد؟” لومبروزو می گوید. “من استدلال می کنم که یادگیری از طریق تفکر نوعی “یادگیری بر اساس تقاضا” است.”
وقتی چیز جدیدی یاد می‌گیرید، نمی‌دانید که اطلاعات در آینده چگونه ممکن است به شما کمک کند. لومبروزو می‌گوید که مردم می‌توانند این دانش را برای بعداً از بین ببرند – تا زمانی که زمینه، صرف تلاش‌های شناختی برای فکر کردن و یادگیری را مرتبط و ارزشمند کند.
لومبروزو چالش‌های موجود در تعیین مرزهای بین استدلال، یادگیری و سایر عملکردهای شناختی سطح بالا را که یک حوزه بحث در حوزه علوم شناختی است، تصدیق می‌کند. این بررسی همچنین سوالات بیشتری را مطرح می‌کند که لومبروزو قصد دارد برخی از آنها را بیشتر بررسی کند، مانند اینکه آیا سیستم‌های هوش مصنوعی واقعاً «فکر می‌کنند» یا صرفاً خروجی‌های چنین فرآیندهایی را تقلید می‌کنند.
لومبروزو می‌گوید: «هوش مصنوعی به حدی رسیده است که از برخی جهات بسیار پیچیده، اما در برخی دیگر محدود است، که ما این فرصت را داریم تا شباهت‌ها و تفاوت‌های بین هوش مصنوعی و انسان را مطالعه کنیم.
ما می‌توانیم چیزهای مهمی در مورد شناخت انسان از طریق هوش مصنوعی بیاموزیم و هوش مصنوعی را با مقایسه آن با ذهن‌های طبیعی بهبود ببخشیم. این یک لحظه مهم است که در این موقعیت جدید برای پرسیدن این سوالات جالب و مقایسه‌ای قرار داریم.
