هوش مصنوعی حریف نوزادان نشد! - وبلاگ علیکایی

نتایج یک مطالعه تازه به وسیله تیمی از محققان روانشناسی و علوم داده نشان می دهد که نوزادان در تشخیص آنچه که انگیزه اعمال دیگران را برمی انگیزد، از هوش مصنوعی بهتر عمل می نمایند. تفاوت های اساسی بین شناخت و محاسبات وجود دارد، نتایج به دست آمده به کاستی هایی در فناوری های امروزی اشاره می نماید.

مویرا دیلون، استادیار دپارتمان روانشناسی دانشگاه نیویورک و نویسنده ارشد این مقاله که در مجله Cognition منتشر شده است، شرح می دهد: بزرگسالان و حتی نوزادان به راحتی می توانند استنباط های قابل اعتمادی در خصوص عواملی که باعث اعمال دیگران می گردد، انجام دهند. هوش مصنوعی فعلی این استنباط ها را چالش برانگیز می داند.

او اضافه نمود: ایده تازه قرار دادن نوزادان و هوش مصنوعی در وظایف یکسان به محققان این امکان را می دهد تا دانش بصری نوزادان را در خصوص سایر افراد بهتر توصیف و راه هایی برای ادغام آن دانش در هوش مصنوعی پیشنهاد نمایند.

برندن لیک، استادیار مرکز علوم داده و دپارتمان روان شناسی دانشگاه نیویورک و از دیگر محققان این مطالعه گفت: اگر هدف هوش مصنوعی ایجاد متفکران منعطف و منطقی مانند انسان های بالغ است، ماشین ها باید از همان توانایی های اصلی نوزادان در تشخیص اهداف و اولویت ها استفاده نمایند.

به خوبی ثابت شده است که نوزادان مجذوب افراد دیگر می شوند و این نشان می دهد چقدر به دیگران نگاه می نمایند تا اعمالشان را مشاهده و با آن ها ارتباط اجتماعی برقرار نمایند. علاوه بر این، مطالعات قبلی روی روان شناسی عقل سلیم نوزادان درک آن ها از نیات، اهداف، ترجیحات و عقلانیت زیربنای اعمال دیگران نشان داده اند که نوزادان می توانند اهدافی را به دیگران نسبت دهند و از دیگران انتظار داشته باشند که اهداف را عقلانی دنبال نمایند. به طور موثر توانایی انجام این پیش بینی ها برای هوش اجتماعی انسان اساسی است.

برعکس، هوش مصنوعی مشترک که به وسیله الگوریتم های یادگیری ماشینی راهنمایی می گردد، مستقیما اقدامات را پیش بینی می نماید، با این حال چیزی که هوش مصنوعی فاقد آن است، انعطاف پذیری در شناخت زمینه ها و موقعیت های مختلف است که رفتار انسان را راهنمایی می نماید.

برای ایجاد درک اساسی از تفاوت های بین توانایی های انسان و هوش مصنوعی، محققان مجموعه ای از آزمایش ها را با نوزادان 11 ماهه انجام دادند و پاسخ های آن ها را با پاسخ هایی که به وسیله شبکه های عصبی مبتنی بر یادگیری پیشرفته به دست می آمد، مقایسه کردند.

برای انجام این کار، آن ها معیار شهود کودک (BIB) را که قبلا تاسیس شده بود، به کار بردند؛ شش وظیفه که روانشناسی عقل سلیم را آنالیز می نماید. BIB به گونه ای طراحی شده است که امکان آزمایش هوش نوزاد و ماشین و مقایسه عملکرد بین نوزادان و ماشین ها را فراهم می نماید و به طور قابل توجهی پایه ای تجربی برای ساخت هوش مصنوعی شبیه انسان ارائه می دهد.

به طور خاص، نوزادان در زوم مجموعه ای از ویدئو ها از شکل های متحرک ساده که در اطراف صفحه حرکت می کردند، مشابه یک بازی ویدیویی دیدن کردند. شکل ها، رفتار و تصمیم گیری انسان را به وسیله بازیابی اشیاء روی صفحه و سایر حرکات شبیه سازی می کرد. به طور مشابه محققان مدل های شبکه عصبی مبتنی بر یادگیری را ساختند و آموزش دادند؛ ابزار های هوش مصنوعی که به رایانه ها یاری می نماید الگو ها را تشخیص دهند و هوش انسانی را شبیه سازی نمایند.

نتایج آن ها نشان داد که نوزادان انگیزه های انسان مانند را حتی در اعمال ساده شده شکل های متحرک تشخیص می دهند. نوزادان پیش بینی می نمایند این اقدامات به وسیله اهداف پنهان، اما ثابت راهنمایی می شوند، به عنوان مثال، بازیابی روی صفحه همان شی بدون توجه به مکانی که در آن واقع شده است و حرکت آن شکل به طور مؤثر حتی زمانی که محیط اطراف تغییر می نماید. نوزادان چنین پیش بینی هایی را به وسیله نگاه طولانی تر خود به چنین رویداد هایی نشان می دهند که پیش بینی های آن ها را نقض می نماید، میزان گیری متداول و چند دهه ای برای سنجش ماهیت دانش نوزادان.

اتخاذ این پارادایم غافلگیرنماینده برای مطالعه هوش ماشینی امکان مقایسه مستقیم بین معیار کمی غافلگیری الگوریتم و معیار روانشناختی انسان از تعجب، (زمان نگاه کردن به نوزادان) را فراهم می نماید. مدل ها شواهدی از درک انگیزه های زیربنایی چنین اعمالی نشان ندادند که حاکی از آن بود که آن ها اصول کلیدی اساسی روان شناسی عقل سلیم را که نوزادان دارند، از دست داده اند.

دیلون گفت: دانش بنیادی یک نوزاد انسان محدود، انتزاعی است و میراث تکاملی ما را منعکس می نماید، با این حال می تواند هر زمینه یا فرهنگی را که ممکن است آن نوزاد در آن زندگی کند و یاد بگیرد، در خود جای دهد.