آزمایشی برای اندازه‌گیری توانایی ِ استدلال هوش‌مصنوعی

بیگ بنگ: هوش مصنوعی در تکمیل تکالیف خاص نسبتأ خوب عمل کرده اما هنوز فاصله‌ی طولانی تا هوش عمومی دارد، نوعی هوش که به هوش مصنوعی اجازه می‌دهد دنیا را شبیه انسان‌ها و یا حتی حیوانات، هدایت کند.

ai deepmind xبه گزارش بیگ بنگ، یکی از عناصر کلیدی هوش مصنوعی استدلال انتزاعی است – توانایی تفکر در ماوراء «اینجا و حالا» برای مشاهده‌ی الگوها و روابط متنوع‌تر و مشارکت در تفکرِ پیچیده. محققان ِ دپ مایند(DeepMind) – تشکیلات تابعۀ گوگل که بر هوش مصنوعی تمرکز دارد – مقاله‌ای با جزئیات را درباره‌ی اندازه‌گیری قابلیت‌های گوناگون استدلال هوش مصنوعی منتشر کردند و همان آزمایشاتی که برای اندازه‌گیری هوش خودمان بکار می‌بریم را بررسی کردند.

هوش (آی کیو) انسان

در انسان‌ها، استدلال انتزاعی را با استفاده از آزمایشات IQ بصری نسبتأ ساده‌ای اندازه‌گیری می‌کنیم. یک آزمایش معروف که متریک پیش‌رونده‌ی ریون نامیده می‌شود چند ردیف از تصاویر را نمایش می‌دهد که ردیف آخر آنها فاقد عکس آخر است. آزمایش‌دهنده می‌تواند تصویر بعدی را براساس الگوی ردیف‌های کامل شده انتخاب کند.

این آزمایش کاملأ به آزمایش‌دهنده نمی‌گوید که در تصاویر به دنبال چه چیزی بگردد – شاید این پیشروی به تعداد اشیاء درون هر تصویر، رنگ آنها یا موقعیتشان مربوط شود. آنها می‌توانند با استفاده از توانایی استدلال انتزاعی‌شان این امر را کشف کنند. محققان ِ “دپ مایند” به جهت اعمال این آزمون برای هوش مصنوعی برنامه‌ای را طراحی کردند که توانست مسائل ماتریس منحصربفردی را تولید کند. سپس، سیستم‌های هوش مصنوعی ِ گوناگون را تعلیم دادند تا این مسائل ماتریس را حل کنند.

AIدر آخر، آنها سیستم‌ها را آزمایش کردند. در برخی موارد، آنها از مسائل آزمایشی با همان فاکتورهای انتزاعیِ مجموعه‌ی تمرینی استفاده کردند – همانند تمرین و آزمایش هوش مصنوعی در مسائلی که باید تعداد اشکال را در هر تصویر مد نظر قرار دهند. در مواقع دیگر، آنها از مسائل آزمایشی شامل فاکتورهای انتزاعی متفاوت با مجموعۀ تمرینی، استفاده کردند. مثلأ ممکن است هوش مصنوعی را در مسائلی تعلیم دهند که باید تعداد اشکال را در هر تصویر در نظر بگیرند، اما سپس آن را در مسائلی آزمایش می‌کنند که باید موقعیت‌های اشکال را در نظر بگیرند تا پاسخ درست را کشف کنند.

دفعه‌ی بعد شانس بهتر

نتایج آزمون خوب نبود. وقتی مسائل تمرینی و مسائل آزمایشی بر فاکتورهای انتزاعی یکسانی تمرکز کردند، سیستم‌ها خوب بودند و ۷۵ درصد از مسائل را درست پاسخ دادند. هرچند، اگر مجموعه‌ آزمایشی با مجموعۀ تمرینی تفاوت داشت، هوش‌های مصنوعی عملکرد خیلی ضعیفی داشتند، حتی وقتی واریانس خفیف بود (مثلأ تمرین در ماتریس‌هایی که اشیاء تیره رنگ را نشان می‌دادند و آزمایش در ماتریس‌هایی که اشیاء روشن را نشان می‌دادند).

در نهایت، تست آی کیو هوش مصنوعی تیم نشان می‌دهد که حتی برخی از پیشرفته‌ترین هوش‌های مصنوعی امروز نیز نمی‌توانند مسائلی که در آنها آموزش ندیده‌اند را حل کنند. یعنی هنوز راه طولانی را تا رسیدن به هوش عمومی در پیش داریم. اما حداقل اکنون یک روش ساده برای نظارت بر پیشروی‌مان در اختیار داریم.

ترجمه: سحر الله وردی/ سایت علمی بیگ بنگ

منبع: futurism.com

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *