موارد مهم
- محققان تکنیک هایی ایجاد کرده اند که به کاربران امکان می دهد نتایج رفتار یک مدل یادگیری ماشینی را رتبه بندی کنند.
- کارشناسان می گویند این روش نشان می دهد که ماشین ها به توانایی های فکری انسان می رسند.
- پیشرفت در هوش مصنوعی می تواند توسعه توانایی رایانه ها برای درک زبان را سرعت بخشد و شیوه تعامل هوش مصنوعی و انسان را متحول کند.
به گفته کارشناسان، تکنیک جدیدی که قدرت استدلال هوش مصنوعی (AI) را اندازه گیری می کند، نشان می دهد که ماشین ها از نظر توانایی تفکر انسان ها را فرا می گیرند.
محققان MIT و IBM Research روشی ایجاد کرده اند که کاربر را قادر می سازد نتایج رفتار یک مدل یادگیری ماشینی را رتبه بندی کند. تکنیک آنها، به نام علاقه مشترک، معیارهایی را در بر می گیرد که میزان تطابق تفکر یک مدل با افراد را مقایسه می کند.
پیتر بوتنیرز، مدیر مهندسی در یادگیری ماشینی و هوش مصنوعی در ارتباطات، "امروزه، هوش مصنوعی قادر است در کارهای خاص، از جمله تشخیص تصویر و درک زبان، به عملکرد انسان دست یابد (و در برخی موارد از آن فراتر رود." شرکت Sinch در مصاحبه ای ایمیلی به Lifewire گفت. با پردازش زبان طبیعی (NLP)، سیستم‌های هوش مصنوعی می‌توانند مانند انسان‌ها، زبان‌ها را تفسیر، بنویسند و صحبت کنند، و هوش مصنوعی حتی می‌تواند گویش و لحن خود را برای همسویی با همتایان انسانی خود تنظیم کند.»
هوش مصنوعی
هوش مصنوعی اغلب بدون توضیح اینکه چرا این تصمیمات درست هستند، نتایجی را تولید می کند. و ابزارهایی که به متخصصان کمک می‌کنند تا استدلال مدل را درک کنند، اغلب فقط بینش‌هایی را ارائه می‌دهند، فقط یک مثال در هر زمان.هوش مصنوعی معمولاً با استفاده از میلیون‌ها ورودی داده آموزش داده می‌شود که ارزیابی تصمیمات کافی برای شناسایی الگوها را برای انسان دشوار می‌کند.
در یک مقاله اخیر، محققان گفتند که علاقه مشترک می تواند به کاربر کمک کند تا روندهای تصمیم گیری یک مدل را کشف کند. و این بینش‌ها به کاربر اجازه می‌دهد تصمیم بگیرد که آیا یک مدل آماده استقرار است یا خیر.
"در توسعه علایق مشترک، هدف ما این است که بتوانیم این فرآیند تجزیه و تحلیل را به گونه ای افزایش دهیم که بتوانید در سطح جهانی تر رفتار مدل خود را درک کنید." انجی بوگوست، یکی از نویسندگان مقاله در خبرنامه آمده است.
علاقه مشترک از تکنیکی استفاده می کند که نشان می دهد چگونه یک مدل یادگیری ماشینی تصمیم خاصی گرفته است که به روش های برجسته معروف است. اگر مدل در حال طبقه‌بندی تصاویر است، روش‌های برجسته بخش‌هایی از تصویر را برجسته می‌کنند که هنگام تصمیم‌گیری مدل برای آن مهم هستند. اشتراک‌گذاری با مقایسه روش‌های برجسته با حاشیه‌نویسی‌های تولید شده توسط انسان کار می‌کند.
محققان از Shared Interest برای کمک به متخصص پوست استفاده کردند تا تشخیص دهد که آیا باید به یک مدل یادگیری ماشینی که برای کمک به تشخیص سرطان از روی عکس ضایعات پوستی طراحی شده است اعتماد کند یا خیر. اشتراک‌گذاری به متخصص پوست این امکان را داد تا به سرعت نمونه‌هایی از پیش‌بینی‌های صحیح و نادرست مدل را ببیند. متخصص پوست تصمیم گرفت که نمی تواند به این مدل اعتماد کند زیرا پیش بینی های زیادی بر اساس مصنوعات تصویری به جای ضایعات واقعی انجام می داد.
«ارزش در اینجا این است که با استفاده از علاقه مشترک، می‌توانیم این الگوها را در رفتار مدل خود مشاهده کنیم. بوگوست گفت: در حدود نیم ساعت، متخصص پوست توانست تصمیم بگیرد که آیا به مدل اعتماد کند یا نه و آیا آن را به کار ببندد یا نه.
استدلال پشت تصمیم یک مدل هم برای محقق یادگیری ماشین و هم برای تصمیم گیرنده مهم است.
اندازه گیری پیشرفت
بن هاگ، سرپرست تحقیقات شرکت Darrow، شرکتی که از الگوریتم‌های یادگیری ماشینی استفاده می‌کند، در مصاحبه‌ای با Lifewire گفت: کار محققان MIT می‌تواند گام مهمی به جلو برای پیشرفت هوش مصنوعی به سمت هوش انسانی باشد..
هاگ گفت: «استدلال پشت تصمیم یک مدل هم برای محقق یادگیری ماشین و هم برای تصمیم گیرنده مهم است. اولی می‌خواهد بفهمد که چقدر مدل خوب است و چگونه می‌توان آن را بهبود بخشید، در حالی که دومی می‌خواهد حس اعتماد به مدل ایجاد کند، بنابراین آنها باید بفهمند که چرا این خروجی پیش‌بینی شده است.»
اما هاگ هشدار داد که تحقیقات MIT بر این فرض استوار است که ما درک انسان یا استدلال انسانی را می فهمیم یا می توانیم حاشیه نویسی کنیم.
"با این حال، این احتمال وجود دارد که این ممکن است دقیق نباشد، بنابراین کار بیشتری برای درک تصمیم گیری انسانی ضروری است."
Buteneers گفت:پیشرفت در هوش مصنوعی می تواند توسعه توانایی رایانه ها برای درک زبان را سرعت بخشد و شیوه تعامل هوش مصنوعی و انسان را متحول کند. چت بات ها می توانند صدها زبان را در یک زمان درک کنند و دستیاران هوش مصنوعی می توانند متن ها را برای پاسخ به سوالات یا بی نظمی ها اسکن کنند.
«بعضی الگوریتم‌ها حتی می‌توانند تشخیص دهند که پیام‌ها تقلبی هستند، که می‌تواند به کسب‌وکارها و مصرف‌کنندگان به طور یکسان در حذف پیام‌های هرزنامه کمک کند.» Buteneers افزود.
اما، به گفته Buteneers، هوش مصنوعی همچنان اشتباهاتی را مرتکب می شود که انسان ها هرگز مرتکب آن نمی شوند. او افزود: «در حالی که برخی نگران هستند که هوش مصنوعی جایگزین مشاغل انسانی شود، واقعیت این است که ما همیشه به افرادی نیاز خواهیم داشت که در کنار ربات‌های هوش مصنوعی کار کنند تا به کنترل آنها کمک کنند و از این اشتباهات جلوگیری کنند و در عین حال ارتباط انسانی را در تجارت حفظ کنند.»
