علوم اعصاب نقشی اساسی در تاریخ هوش مصنوعی داشته و از دو طریق به انسان‌ها برای توسعه هوش مصنوعی کمک کرده است. یکی از آنها تقلید از هوش انسانی و دومی شبکه‌ها و ارتباطات عصبی است که الهام بخش دانشمندان در طراحی هوش مصنوعی بوده است.
پیشرفت‌های اخیر هوش مصنوعی با انجام عملکردهای چشمگیر باعث طوفان‌های رسانه ای زیادی شده است مانند تبدیل شدن به استاد شطرنج در چند ساعت، تشخیص بهتر و سریعتر سرطان نسبت به پزشکان و شناسایی دقیق و بررسی بهتر اشیا مانند آنچه در خودروهای خودران تسلا شاهد هستیم.
این ماشین‌ها می‌توانند وظایف و یا کار‌هایی انجام دهند که انسان توانایی انجام آن را ندارد. هرچند به نظر می‌رسد این موارد مهم هستند اما آنها فقط برای برتری در عملکردهای مورد نظر ما طراحی شده اند. ما هنوز ده‌ها سال از ساختن هوش مصنوعی انسانی فاصله داریم.
این سیستم‌های هوش مصنوعی علی رغم الهامات بیولوژیکی و دستاوردهای عملکردی اساساً با هوش انسانی متفاوت هستند. در واقع برای اینکه ماشین مانند یک شخص یاد بگیرد یا فکر کند باید بتواند:
ما به عنوان انسان می‌توانیم هنگام تصمیم گیری با پیچیدگی شرایط و عدم اطمینان سازگار شویم و هدف محققان ساخت مدل‌هایی است که بتوانند مانند ما تصمیم بگیرند و مشکلات را به همان روش بشر حل کنند.برای مثال محققان «KAIST» مکانیزمی محاسباتی و عصبی برای تقویت یادگیری انسان ایجاد کرده‌اند و تحقیقات آنها این احتمال را مطرح کرده که پیشرفت در فناوری ممکن است منجر به ساخت ماشین‌هایی شود که بیشتر شبیه انسان باشند.
پیشرفت هوش مصنوعی می‌تواند اسرار مغز را آشکار کند
هوش مصنوعی تلاشی مداوم برای ساخت ماشین‌هایی است که توانایی یادگیری و شناخت کاملا شبه انسانی دارند و می‌توانند مانند ما یاد بگیرند و فکر کنند.
به عنوان مثال حتی با چشمان پوشیده ممکن است هنوز گیتار را خوب بنوازیم. اما برای یک سیستم هوش مصنوعی که در شرایطی جدید (به عنوان مثال با چشم پوشیده شده) گیتار بنوازد، ممکن است چنین چیزی صادق نباشد.
ساخت شبکه‌های مصنوعی که مانند انسان فکر می‌کنند
ما برای طراحی شبکه‌های عصبی که امروز می‌شناسیم از ساختار مغز انسان الهام گرفته‌ایم. ایده نورون‌ها در شبکه‌های عصبی مصنوعی ویژگی‌هایی مشابه نورون‌های مغز ما دارد.
مغز انسان حدود 86 میلیارد نورون دارد که هر کدام به طور جداگانه با سلولهای عصبی دیگر مرتبط هستند. نورون‌ها سلول هستند و به محض فعال شدن سیگنالی ایجاد کرده و آن را به سلولهای عصبی دیگر می‌فرستند. همه ی نورون‌ها همزمان فعالیت لازم را در شرایط مختلف انجام می‌دهند.
شبکه‌های عصبی یادگیری ماشین نیز مانند مغز انسان از نورون‌های بهم پیوسته تشکیل شده اند. وقتی یک نورون سیگنالی را دریافت می‌کند، فعال می‌شود و اطلاعات را به سلولهای عصبی دیگر می‌فرستد.
انعطاف پذیری مغز ما به ما امکان می‌دهد مهارت‌های خود را یاد بگیریم و بهبود ببخشیم. هر وقت چیزهای جدیدی یاد می‌گیریم، در حال ایجاد و تقویت اتصالات بین نورون‌ها هستیم. به همین دلیل است که وقتی کاری را تمرین میکنیم، در انجام آن بهتر می‌شویم و همین قضیه اصول یادگیری را در مغز انسان تعریف می‌کند.
به این ترتیب، یک شبکه عصبی وقتی می‌آموزد که ما داده‌های زیادی به آن می‌دهیم. هر اتصال در شبکه عصبی باعث ایجاد داده‌های جدید می‌شود و تئوری سیناپس در اینجا اهمیت می‌یابد. هر فرایند یادگیری باعث ایجاد سیناپس‌های جدید و ارتباطات بیشتر سلولهای عصبی می‌شود..در طی فرایند آموزش سیناپس‌ها تنظیم می‌شوند، کم و زیاد می‌شوند تا ارتباط بین نورون‌ها را تقویت یا ضعیف کنند.
شبکه‌های عصبی به عنوان «مغزهای مجازی» عمل می‌کنند
به عنوان مثال وقتی به عکس گربه نگاه میکنیم می‌دانیم که گربه است زیرا در زندگی خود به اندازه کافی گربه دیده‌ایم. پس اگر به شبکه‌های عصبی خود تصاویر گربه به اندازه ی کافی ارائه دهیم، مغز گربه‌ها را شناسایی می‌کند و اینجاست که یادگیری شروع می‌شود.
پس از درک این موضوع که چگونه علوم اعصاب بر هوش مصنوعی اثر گذاشته است و باعث پیشرفت آن شده است اکنون بیاید به صورت برعکس به قضیه نگاه کنیم؛ اینکه چگونه هوش مصنوعی بر علوم اعصاب تاثیر می‌گذارد و باعث پیشرفت آن می‌شود.
چگونه هوش مصنوعی باعث پیشرفت علوم اعصاب می‌شود؟
هوش مصنوعی به سرعت در حال تبدیل شدن به ابزاری ارزشمند در علوم اعصاب است. این موضوع به ما کمک می‌کند تا مغز انسان را بفهمیم و رشد علوم اعصاب را تسریع کنیم.
دانشمندان علوم اعصاب در حال تحقیق در مورد چگونگی پردازش افکار مغز انسان و چگونگی حرکت بدن ما هستند. با دانستن اطلاعات بیشتر در مورد مغز ما قادر به تشخیص بهتر بیماری‌های روانی هستیم و افراد معلول را قادر می‌سازیم توانایی‌های حرکتی را بهبود بخشند.
مغز انسان حدود 86 میلیارد نورون دارد
پیشرفت سیستم‌های هوش مصنوعی می‌تواند علوم اعصاب را به پیش سوق داده و اسرار مغز را باز کند. این موضوع به دانشمندان علوم اعصاب و محققان اجازه می‌دهد مدل‌های بهتری برای شبیه سازی مغز انسان بسازند.
شبکه‌های عصبی به عنوان «مغزهای مجازی» عمل می‌کنند که نمایی از مغز ما را به تصویر می‌کشد. این مغزهای مجازی می‌توانند الگوهایی از فعالیتهای عصبی را تولید کنند که شبیه الگوهای ضبط شده مغز است. این الگوها به دانشمندان علوم مغز و اعصاب اجازه می‌دهد قبل از سرمایه گذاری منابع بیشتر برای آزمایش واقعی روی حیوانات و انسان، فرضیه‌ها را آزمایش کرده و نتایج حاصل از شبیه سازی‌ها را مشاهده کنند.
با این حال نحوه عملکرد سیستم‌های هوش مصنوعی با مغز ما بسیار متفاوت است. شبکه‌های عصبی فقط یک تشابه تقریبی از نحوه کار مغز را به ما نشان می‌دهند، هوش مصنوعی سلولهای عصبی را به عنوان اعدادی در یک ماتریس بزرگ جای می‌دهد. اما در حقیقت مغز ما قطعه ای از ماشین آلات پیچیده بیولوژیکی است که از فعالیتهای شیمیایی و الکتریکی استفاده می‌کند. این امر باعث می‌شود ما با ماشین‌ها تفاوت داشته باشیم.
قدرت اصلی یادگیری ماشین در توانایی تشخیص الگوها در داده‌های پیچیده نهفته است. پیچیدگی به ویژه در مورد تجزیه و تحلیل ذهن انسان ما بیشتر صدق می‌کند چرا که سیگنال‌های دریافت شده از مغز واقعاً پیچیده هستند. با این حال با پیشرفت یادگیری ماشینی دانشمندان علوم مغز و اعصاب رمز و راز چگونگی کارکرد میلیاردها سلول مغز و اعصاب مغز را یاد می‌گیرند.
هوش مصنوعی به سرعت در حال بدل شدن به ابزاری ارزشمند در علوم اعصاب است
به عنوان مثال MRI عملکردی مغز با شناسایی تغییرات در جریان خون، فعالیت‌ها در مغز ما را اندازه گیری کرده و در هر یک ثانیه تصویری از فعالیت مغز ثبت می‌کند. استفاده از یادگیری ماشینی برای تجزیه و تحلیل این داده‌ها به کشف الگوهای فعالیت مغزی ما کمک می‌کند و انجام تحقیقات در این زمینه را تسریع می‌کند.
یادگیری ماشینی به ما کمک می‌کند تا برنامه‌هایی را توسعه دهیم که قبلاً ممکن نبود. برای مثال یک دانشگاه کر‌ه‌ای محیطی آزمایشی را برای کنترل از را ه دور اندام تحتانی طراحی کرده به گونه‌ای که کاربران می‌توانند با تمرکز و خیره شدن به چراغ‌های چشمک زن، حرکات اندام‌های تحتانی خود را کنترل کنند.
علوم اعصاب و هوش مصنوعی
مغز انسان مهمترین الهام برای ساختن هوش مصنوعی شبه انسانی است و محققان هوش مصنوعی از ایده‌های علوم اعصاب برای ساخت الگوریتم‌های جدید استفاده می‌کنند. از سوی دیگر هوش مصنوعی تحقیقات در علوم اعصاب را تسریع می‌کند. دانشمندان علوم اعصاب از رفتار هوش مصنوعی برای تفسیر رفتار‌های مغز ما یاد می‌گیرند. به طور طبیعی، این دو رشته در کنار هم قرار می‌گیرند و ایده‌های خود را به کمک همدیگر گسترش می‌دهند.
و در آخر سخن گروه دیپ مایند گوگل را یادآوری میکنیم: «ما از محققان علوم اعصاب و هوش مصنوعی می‌خواهیم که یک زبان مشترک پیدا کنند، زبانی که این امکان را برای شما فراهم می‌کند تا یک جریان آزاد دانش داشته باشید که امکان پیشرفت مداوم در هر دو رشته را فراهم می‌کند.»
در آیدت،
فایل‌های
خود را به فروش بگذارید و یا
مقالات‌تان
را منتشر کنید👋
پاسخ ها