پژوهشگران با تقلید از حافظه انسان و با هوش مصنوعی ماشین‌ها را هوشمندتر می‌کنند

شفقنا – محققان با الهام از نحوه عملکرد حافظه انسان، یک چارچوب هوش مصنوعی جدید ارائه کرده‌اند که می‌تواند ماشین‌ها را کارآمدتر، سازگارتر و قادر به استدلال کند.

به گزارش سرویس ترجمه شفقنا، این رویکرد نوآورانه، با هدف غلبه بر محدودیت‌های کلیدی مدل‌های بزرگ فعلی مانند ChatGPT، زمینه را برای ایجاد سیستم‌های هوش مصنوعی با هوش شناختی بالاتر و مصرف منابع کمتر فراهم می‌کند.

تحقیقات اخیر رویکردی نوین به هوش مصنوعی را با الگوبرداری از نحوه عملکرد حافظه انسان ارائه می‌دهد. هدف این تحقیق، غلبه بر محدودیت‌های اساسی مدل‌های بزرگ مقیاس فعلی مانند ChatGPT است و زمینه را برای سیستم‌های هوش مصنوعی کارآمدتر و با هوش شناختی بالاتر فراهم می‌کند.

در حالی که مدل‌های بزرگ عملکرد چشمگیری را در طیف وسیعی از کاربردها نشان داده‌اند، اما دارای کاستی‌های قابل توجهی نیز هستند. این موارد شامل تقاضای بالا برای داده و محاسبات، حساسیت به فراموشی و قابلیت‌های استدلال منطقی محدود است. بر اساس این مطالعه، این مشکلات ناشی از طراحی اساسی شبکه‌های عصبی مصنوعی، فرآیندهای آموزش آن‌ها و تکیه آن‌ها بر استدلال صرفاً مبتنی بر داده است.

معرفی حافظه ماشینی و چارچوب M2I
برای غلبه بر این چالش‌ها، محققان مفهوم «حافظه ماشینی» را پیشنهاد می‌کنند؛ یک ساختار ذخیره‌سازی شبکه‌ای چند لایه و توزیع‌شده که اطلاعات خارجی را به یک فرمت قابل خواندن و محاسباتی برای ماشین رمزگذاری می‌کند. بر اساس حافظه ماشینی، آن‌ها چارچوب M2I را معرفی می‌کنند که شامل یادگیری و استدلال است و دو حلقه تعاملی را تشکیل می‌دهد.

چارچوب M2I بر چهار حوزه کلیدی تمرکز دارد:

مکانیسم‌های عصبی حافظه ماشینی: این تحقیق به بررسی چگونگی پیش‌تنظیم سیستم‌های عصبی در مغز و نقش رشد و انعطاف‌پذیری مغز در هوش می‌پردازد.

بازنمایی مشارکتی: این چارچوب با هدف رمزگذاری و بازیابی اطلاعات از طریق ارتباطاتی مانند پیوندهای انتزاعی-عینی و ارتباطات فضازمانی، مشابه روشی که حافظه انسان دانش را سازماندهی و بازیابی می‌کند، طراحی شده است.

یادگیری مداوم: برای مقابله با مشکل فراموشی، محققان روش‌هایی را پیشنهاد می‌کنند که از یادگیری مداوم، حتی در شرایط کم‌مصرف، پشتیبانی می‌کند. این امر سیستم‌های هوش مصنوعی را قادر می‌سازد تا دانش جدید را بدون از دست دادن اطلاعات قبلی ادغام کنند.

استدلال مشارکتی: این مدل در نظر دارد سیستم‌های استدلال شهودی و منطقی را با هم ترکیب کند و هم قابلیت تفسیر و هم کارایی در فرآیندهای استدلال هوش مصنوعی را افزایش دهد.

به سوی نسل بعدی ماشین‌های هوشمند
این تحقیق پتانسیل ایجاد تحول در حوزه هوش مصنوعی را دارد. با تقلید از مکانیسم‌های حافظه مغز انسان، چارچوب M2I می‌تواند منجر به توسعه ماشین‌های هوشمندتر و کارآمدتری شود که می‌توانند بهتر از عهده وظایف پیچیده برآیند و با محیط‌های متغیر سازگار شوند. با این حال، برای تحقق کامل پتانسیل این رویکرد، تحقیقات بیشتری مورد نیاز است.

مطالعه هوش حافظه ماشینی با الهام از مکانیسم‌های حافظه انسان، یک جهت جدید و امیدوارکننده برای توسعه هوش مصنوعی ارائه می‌دهد. این مطالعه دیدگاه تازه‌ای در مورد رفع محدودیت‌های مدل‌های بزرگ فعلی ارائه می‌دهد و پتانسیل هدایت نسل بعدی ماشین‌های هوشمند را دارد. با پیشرفت این تحقیقات، جالب خواهد بود که ببینیم چگونه این ایده‌ها به کاربردهای عملی تبدیل می‌شوند و چگونه صنایع مختلف را تحت تأثیر قرار می‌دهند.

این خبر را اینجا ببینید.