چگونه یک بازی ساده از 20 سوال می تواند به ایجاد هوش مصنوعی برای آینده کمک کند

ویرایش شده توسط لیزا لاک، بررسی توسط رابرت ایگان

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

بر اساس تحقیقات جدیدی که توسط تیمی از دانشگاه بریستول در سرور پیش‌چاپ arXiv ارسال شده است، برنامه‌های هوش مصنوعی که برای طبقه‌بندی تصاویر استفاده می‌شوند، می‌توانند بسیار ارزان‌تر با استفاده از روشی ساده و شگفت‌انگیز الهام‌گرفته از بازی 20 سؤالی دوران کودکی آموزش داده شوند.

این تحقیق که چهارشنبه 16 سپتامبر در کنفرانس آلرتون در زمینه ارتباطات، کنترل و محاسبات در ایلینوی ایالات متحده ارائه شد، نشان می‌دهد که چگونه طبقه‌بندی‌کننده‌های باینری ساده، که هر کدام در عرض چند دقیقه روی یک لپ‌تاپ استاندارد آموزش داده می‌شوند، می‌توانند با استفاده از یک رشته سوالات بله یا خیر برای انجام وظایف طبقه‌بندی پیچیده ترکیب شوند. این وظایف معمولا به ده ها هزار واحد پردازش گرافیکی برای آموزش نیاز دارند که میلیون ها دلار هزینه دارد.

سیدهارت جاگی، استاد ریاضیات در دانشکده ریاضیات دانشگاه بریستول، توضیح داد: «اگر در حال پیاده‌روی بودید و می‌خواستید گونه‌ای از گیاه غیرعادی را که با استفاده از یک برنامه هوش مصنوعی مشاهده کرده‌اید شناسایی کنید، احتمالا یک برنامه طبقه‌بندی‌کننده کنونی طراحی می‌شود تا میلیون‌ها، اگر نه میلیاردها، انواع مختلف جسم را از یکدیگر جدا کند.

در این کار جدید، ما می‌توانیم به‌طور ریاضی ثابت کنیم - و با تأیید تجربی - پشتیبان‌گیری کنیم که حتی اگر «سوالات تصادفی ساده» بپرسیم، پاسخ‌ها می‌توانند برای انجام کارهای پیچیده ترکیب شوند.

"مشاهده کلیدی این است که هیچ هماهنگی پیچیده ای از طبقه بندی کننده های باینری ساده مورد نیاز نیست. فقط باید تعداد کافی از آنها وجود داشته باشد، و این تعداد به طرز شگفت آوری اندک است. مفهوم این است که الگوریتم های ما هزینه محاسباتی بسیار کمتری دارند، قوی تر هستند و در مقیاس آسان تر به کار می روند - همه ویژگی هایی که برای استفاده در دنیای واقعی حیاتی هستند."

این رویکرد به ویژه برای سیستم‌های هوش مصنوعی که در چندین دستگاه یا مستقیما در دستگاه‌های هوشمند کار می‌کنند، مانند حسگرها، روبات‌ها و دستگاه‌های لبه‌ای که داده‌ها را نزدیک به محل تولید پردازش می‌کنند، خوب عمل می‌کند. از آنجایی که به هر سوال به طور مستقل پاسخ داده می شود، سیستم کلی همچنان می تواند نتایج قابل اعتمادی تولید کند حتی اگر برخی از پاسخ های فردی نادرست باشند.

نویسنده اصلی، دکتر ایوانیس پاپاژورگیو، که در حین کار به عنوان همکار ارشد تحقیقاتی در دانشگاه بریستول، این تحقیق را انجام داد، گفت: «آنچه در این رویکرد هیجان‌انگیز است این است که یک مشکل طبقه‌بندی بسیار بزرگ و دشوار را می‌توان به بسیاری از تصمیم‌های بله یا نه بسیار ساده‌تر تقسیم کرد که به‌صورت تصادفی انتخاب می‌شوند.

"از آنجایی که هوش مصنوعی به طور فزاینده ای در زندگی ما، از مراقبت های بهداشتی و حمل و نقل گرفته تا تولید و زیرساخت های ملی، جابجا می شود، چالش در حال تغییر است. سوال اصلی دیگر فقط این نیست که چگونه سیستم های هوش مصنوعی را قدرتمندتر کنیم، بلکه این است که چگونه آنها را در شرایط دنیای واقعی کارآمد، قابل اعتماد و انعطاف پذیر کنیم."

کار این تیم بخشی از مرکز تحقیقات هوش مصنوعی آگاه در دانشگاه بریستول است که به طیف وسیعی از مشکلات اساسی در ریاضیات، نظریه اطلاعات و ایمنی هوش مصنوعی می پردازد.

با ارائه این مبانی نظری برای کارایی، استحکام و قابلیت اطمینان، هدف تحقیقات هوش مصنوعی آگاه این است که سیستم‌های هوش مصنوعی آینده بریتانیا نه تنها نوآورانه، بلکه ایمن، قابل اعتماد و قابل استقرار اجتماعی باشند. همانطور که هوش مصنوعی به حرکت در محیط های روزمره ادامه می دهد، این اصول برای حفظ اعتماد عمومی و ارائه ارزش بلندمدت برای اقتصاد و جامعه به طور کلی ضروری خواهد بود.

Ioannis Papageorgiou و همکاران، محدودیت های اساسی طبقه بندی چند طبقه ای توزیع شده از تصمیمات دودویی ساده، arXiv (2026). DOI: 10.48550/arxiv.2607.19334

لیسانس تاریخ هنر، کارشناسی ارشد فرهنگ مادی. سردبیر سابق موزه، پیراپزشک و هماهنگ کننده پیوند. ویرایش برای Science X از سال 2021. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →