پژوهشگران شرکت دیپ‌مایند با همکاری علی اسلامی، دانشمند ایرانی موفق شدند هوش مصنوعی را با آزمایش‌های IQ مربوط به مهارت‌های استدلالی، آموزش دهند.

به گزارش پایگاه خبری تحلیلی فناوری و نوآوری، هوش مصنوعی، گامی دیگر برای دستیابی به افکار شبه‌انسانی برداشته است.

شرکت هوش مصنوعی "دیپ‌مایند" (DeepMind) که از شرکت‌های تابع گوگل است، سیستم‌های یادگیری ماشینی را از راه آزمایش‌های IQ که برای مهارت‌های استدلالی طراحی شده‌اند، انجام می‌دهد.

معماهای این آزمایش، شامل مجموعه‌ای از شکل‌های مشابه هستند که به صورت تصادفی ارائه می‌شوند و داوطلبان باید قوانین حاکم بر الگوی آنها را بررسی کنند. داوطلبان باید هنگام بررسی قوانین، بتوانند شکل بعد را به دقت در این توالی قرار دهند.

پژوهشگران دیپ‌مایند امیدوارند که گسترش هوش مصنوعی با این روش، موجب شود ربات‌ها بتوانند برای مشکلاتی که انسان‌ها از عهده آنها برنمی‌آیند، راه حل‌هایی پیدا کنند. برای این کار، یک سیستم نرم‌افزاری خاص طراحی شده که می‌تواند به معماهای مربوط به آزمایش IQ، تا 63 درصد پاسخ درست بدهد.

پژوهشگران دیپ‌مایند برای این پروژه، از آزمایشی موسوم به "ماتریس‌های پیش‌رونده ریون"(RPM) استفاده کردند. آزمون ماتریس‌های پیشرونده ریون، مجموعه تست‌های غیر زبانی است که معمولا در زمینه‌های آموزشی مورد استفاده قرار می‌گیرد. این آزمون 60 سوالی، برای سنجش استدلال انتزاعی افراد به عنوان بخشی از هوش عمومی به کار گرفته می‌شود. آزمون بهره هوشی ریون، متداول‌ترین و مشهورترین آزمونی است که برای بازه سنی پنج سال به بالا طراحی شده است. ساختار این آزمون از 60 سوال تشکیل شده که به صورت پاسخ چند گزینه ای(شش تا هشت گزینه) ارائه می‌شود و ترتیب چیدمان دشواری سوالات، از آسان به سخت است. این آزمون، هوش استدلالی و هوش عمومی داوطلب را اندازه گیری می کند.

"دیوید برت" (David Barrett)، از پژوهشگران دیپ‌مایند گفت: استدلال انتزاعی، در حوزه‌هایی که برای حل مشکلات، به فرضیه‌های استدلالی نیاز دارند، مهم است. توجه به این نکته مهم است که هدف این آزمایش، رشد شبکه عصبی نیست بلکه پذیرفته شدن در آزمایش IQ است.

هوش مصنوعی معمولا از شبکه‌های عصبی با داده‌های گسترده برای یادگیری استفاده می‌کند و می‌تواند به سادگی و بدون نیاز به تفکر انتزاعی، این الگوها را انتخاب کند.

پژوهشگران، مجموعه‌ای از شبکه‌های عصبی استاندارد را روی ویژگی خاص ماتریس آزمایش کردند و عملکرد آن را ضعیف و در حد 22 درصد یافتند اما شبکه عصبی که به طور خاص طراحی شده بود و توانست میان بخش‌های گوناگون معما رابطه برقرار کند، موفق شد بالاترین امتیاز یعنی 63 درصد را به دست آورد.

به خاطر طراحی خاص این آزمایش‌ها، مقایسه امتیاز هوش مصنوعی و انسان ممکن نبود زیرا هوش مصنوعی، از پیش، آزمایش‌هایی در مورد چگونگی دستیابی به این امتیاز می‌بیند.

برای ایجاد منظره کامل در این سیستم، از دو بخش استفاده شد. نخستین بخش، یک منظره سه‌بعدی را به صورت یک تصویر ثابت و در یک شکل ریاضی پیچیده موسوم به "فضای برداری"، ارائه و کدگذاری می‌کند. بخش دوم که بخش تولیدی است، از فضای برداری برای تصور یک چشم‌انداز متفاوت در منظره استفاده می‌کند که در تصویر ابتدایی وجود ندارد.

"علی اسلامی" (Ali Eslamil)، دانشمند بخش پژوهش دیپ‌مایند گفت: تصور کنید که مقابل کوه اورست قرار دارید. اگر محل ایستادن خود را تغییر دهید، چشم‌انداز شما تغییر کرده است اما تغییری در اندازه کوه ایجاد نشده است. سیستم ما هم به همین صورت عمل می‌کند.

با استفاده از داده‌های گردآوری شده از تصاویر ابتدایی، دیپ‌مایند می‌تواند روابط معینی در منظره ایجاد کند. این فناوری غیرمنتظره، با به کارگیری درک خود از روابط حاکم بر فضا، می‌تواند اشیا را از فضای انتزاعی تصور شده کنترل کند.