انقلاب مدرن هوش مصنوعي چگونه آغاز شد؟

انقلاب مدرن هوش مصنوعي در طي يك مسابقه تحقيقات مبهم آغاز شد. سال 2012، سومين سال مسابقه سالانه ImageNet ، بود، تيم ها را براي ساخت سيستم هاي بينايي رايانه اي به چالش كشيدند كه مي بايست  1000 شي از حيوانات گرفته تا مناظر و مردم را تشخيص بدهد. در دو سال اول ، بهترين تيم ها نتوانسته اند حتي به 75٪ دقت برسند. اما در سال سوم ، گروهي متشكل از سه محقق ( يك استاد و دانشجويانش ) ناگهان از اين حدعبور كردند. آنها با درصد خيره كننده 10.8 در مسابقه برنده شدند. آن استاد جفري هينتون بود و روشي كه آنها به كار برده بودند، يادگيري عميق ناميده شد.

يادگيري عميق انقلاب مدرن هوش مصنوعي

هينتون از دهه 1980 در واقع با يادگيري عميق كار مي كرد ، اما اثربخشي آن به دليل كمبود داده و قدرت محاسباتي محدود شده بود. اعتقاد راسخ وي به اين تكنيك در نهايت سودهاي كلاني را پي داشت. چهارمين سال مسابقات ImageNet ، تقريباً همه تيم ها از يادگيري عميق استفاده مي كردند و به موفقيت هاي معجزه آسايي دست يافتند. به زودي يادگيري عميق در مورد وظايفي فراتر از شناسايي تصوير و همچنين در طيف وسيعي از صنايع نيز اعمال شد. سال گذشته ، به دليل كمك هاي بنيادي خود در اين زمينه ، هينتون در كنار ساير پيشگامان هوش مصنوعي يان لكون و يوشوا بنگيو جايزه تورينگ را دريافت كرد.

متن زير مصاحبه كارن هاو با هينتون در تاريخ بيست اكتبر و در كنفرانس سالانه EmTech MIT MIT Technology Review مي باشد كه البته تدوين شده است.

شما فكر مي كنيد يادگيري عميق براي باز سازي تمام جنبه هاي هوش انسان كافي خواهد بود. چه چيزي باعث مي شود كه انقدر مطمئن باشيد ؟

من معتقدم يادگيري عميق قادر به انجام همه كارها خواهد بود ، اما فكر مي كنم كه بايد چندين پيشرفت مفهومي داشته باشد. به عنوان مثال ، در سال 2017 Ashish Vaswani و همكاران. ترانسفورماتورهايي را معرفي كرد كه بردارهاي بسيار خوبي را براي معني كلمات نشان مي دهند. اين يك موفقيت مفهومي بود. اكنون تقريباً  اين ترانسفورماتور در بهترين پردازش هاي زبان طبيعي مورد استفاده قرار مي گيرد. ما به تعداد  بيشتري از اين موقفيت ها نياز داريم.

و اگر اين پيشرفت ها را داشته باشيم ، آيا مي توانيم با يادگيري عميق ،هوشي نزديك به هوش انسان بسازيم؟

آره. به ويژه پيشرفت هايي كه در زمينه دستيابي به ناقلين بزرگ فعاليت عصبي براي پياده سازي مواردي مانند منطق ايجاد مي شود. اما ما همچنين به افزايش گسترده مقياس نيز نياز داريم. مغز انسان حدود 100 تريليون پارامتر يا همان سيناپس دارد. آنچه اكنون ما آن را يك مدل واقعاً بزرگ مي ناميم ، مانند GPT-3 ، 175 ميليارد پارامتردارد. هزار برابر كوچكتر از مغز . GPT-3 اكنون مي تواند متني كاملاً قابل قبول توليد كند ولي همچنان در مقايسه با مغز هنوز كوچك است.

وقتي مي گوييد مقياس ، منظور شما شبكه هاي عصبي بزرگتر است يا داده هاي بيشتر يا هر دو؟

هر دو. نوعي اختلاف بين آنچه در علوم كامپيوتر اتفاق مي افتد و آنچه در مورد انسان اتفاق مي افتد وجود دارد. انسان در مقايسه با مقدار داده اي كه دريافت مي كنند ، مقدار زيادي پارامتر دارد. شبكه هاي عصبي به طرز حيرت انگيزي در پردازش به مقدار كمي داده با تعداد زيادي پارامتر مهارت دارند ، اما انسان ها در اين مورد حتي بهتر  ماشين ها هستند.

بسياري از افراد در اين زمينه معتقدند كه عقل سليم توانايي بزرگ بعدي براي ورود به آن است. قبول داريد؟

موافقم كه اين يكي از موارد بسيار مهم است. من همچنين فكر مي كنم كنترل موتور بسيار مهم است و شبكه هاي عصبي عميق اكنون در اين زمينه مهارت پيدا مي كنند. به ويژه ، برخي از كارهاي اخير در Google نشان داده است كه شما مي توانيد كنترل حركتي خوبي داشته باشيد و آن را با زبان تركيب كنيد ، بنابراين مي توانيد يك كشو را باز كنيد و يك بلوك را بيرون بياوريد ، و سيستم مي تواند به زبان طبيعي به شما بگويد كه چه كاري انجام مي دهد. براي مواردي مانند GPT-3 ، كه اين متن شگفت انگيز را ايجاد مي كند ، واضح است كه براي توليد آن متن بايد چيزهاي زيادي درك كند ، اما كاملاً مشخص نيست كه چقدر آن را درك مي كند. اما اگر چيزي كشو را باز كند و يك بلوك را بيرون بياورد و بگويد ، “من فقط يك كشو را باز كردم و يك بلوك را بيرون آوردم” ، سخت است بگويم كه نمي فهمد چه كاري انجام مي دهد.