به گزارش سیتنا، در یک بررسی درباره مدلهای زبانی بزرگ (اِلاِلاِم) شواهدی یافت شد که نشان میدهد ابزارهای پرکاربرد هوش مصنوعی که اوپناِیآی و گوگل ساختهاند، اطلاعات را خودبهخود و خودجوش دستهبندی میکنند، به رغم آنکه برای این کار آموزش ندیدهاند.
یافتههایی که یک تیم از آکادمی علوم چین و دانشگاه فناوری جنوب چین (SCUT) ارائه کرده است، نشان میدهند که مدلهای زبانی بزرگ «شباهتهای بنیادینی دارند که جنبههای کلیدی دانش مفهومی انسان را بازتاب میدهند» ــ این امر، این فرض را به چالش میکشد که سیستمهای هوش مصنوعی صرفا با شناسایی الگوها پاسخها را تقلید میکنند.
پژوهشگران انجام «وظیفه یافتن مورد متفاوت» (odd-one-out) را به «چتجیپیتی-۳.۵» شرکت اوپناِیآی و «جمنای پرو ویژن» شرکت گوگل محول کردند؛ وظیفهای که در جریان آن، هوش مصنوعی ۶۶ بُعد مفهومی ایجاد کرد تا اشیا را طبقهبندی کند.
پژوهشگران گفتند: «قابل توجه است که ابعاد زیربنایی این تعبیهسازیها قابل تفسیر بودند، که این نشان میدهد مدلهای زبانی بزرگ و مدلهای زبانی چندوجهی، بازنماییهای مفهومی شبیه به انسان از اشیا ایجاد میکنند.»
«این امر شواهد قانعکنندهای مبنی بر این ارائه میدهد که با اینکه بازنمایی اشیا در مدلهای زبانی بزرگ با بازنماییهای انسانی یکسان نیست، شباهتهای بنیادینی با آن دارد که بازتابدهنده جنبههای کلیدی دانش مفهومی انسان است.»
مطالعهای که جزئیات این پژوهش را شرح میدهد و با عنوان «بازنماییهای مفهومی از اشیا، مشابه [ادراک] انسان، بهطور طبیعی در مدلهای زبانی بزرگ چندوجهی پدیدار میشوند» منتشر شده، در مجله علمی «هوش ماشینی نیچر» (Nature Machine Intelligence) به چاپ رسیده است.
دانشمندان امیدوارند که یافتههایشان به توسعه «سامانههای شناختی مصنوعی شبیهتر به انسان» کمک کند؛ سامانههایی که بتوانند همکاری بهتری با انسانها داشته باشند.
تیمهای پژوهشی دیگر هماکنون در حال توسعه سامانههای هوش مصنوعی شبیهتر به انساناند و یکی از استارتاپهای استرالیایی اخیرا نخستین رایانه زیستی تجاری جهان را معرفی کرده است که با سلولهای زنده مغز انسان کار میکند.
رایانه «بدن درون یک جعبه» (body in a box) شرکت کورتیکال لبز، از نورونهای پرورشیافته در آزمایشگاه روی یک تراشه سیلیکونی استفاده میکند تا سیگنالهای الکتریکی را ارسال و دریافت کند.
این استارتاپ مدعی است که سامانه مبتنی بر زیستشناسی میتواند در قیاس با سامانههای رایانشی رایج با بهرهوری بیشتری یاد بگیرد و خود را تطبیق دهد. یک نسخه اولیه از این سامانه نشان داد که چگونه ۸۰۰ هزار نورون انسان و موش توانستند خودشان یاد بگیرند بازی ویدیویی پونگ را چه طور اجرا کنند.
براساس مقالهای که در مجله «سل» (Cell) منتشر شده، نورونها هنگام قرار گرفتن در دنیای بازی، نوعی هشیاری از خود نشان دادند.
در وبسایت این شرکت آمده است: «فناوری ما زیستشناسی را با رایانش رایج ترکیب میکند تا برترین یادگیری ماشینی را بسازد.»
«نورون بهطور خودکار برنامهنویسی میشود، انعطافپذیری نامحدودی دارد، و حاصل چهار میلیارد سال فرگشت است.»
انتهای پیام
