کنترل داده‌ها محور اصلی رقابت در حوزه هوش مصنوعی و فضای سایبری است

به گزارش خبرگزاری حوزه، دکتر بهروز مینایی در ادامه همایش سایبرنتیک، فضای سایبر و هوش مصنوعی به تشریح مبانی نظری هوش مصنوعی پرداخت.

وی با معرفی دو مکتب اصلی در این حوزه بیان کرد: هوش مصنوعی را می‌توان گفت دو مکتب تقریباً مکمل یا مستقل وجود دارد که قرار است این‌ها با همدیگر پیوند برقرار کنند. یکی مکتب قاعده‌محور یا Rule-Based یا اصطلاحاً Symbolic AI است که بر اساس یک سری نمادها و قواعدی که بین این نمادها وجود دارد، عامل هوشمند می‌سازند.

این پژوهشگر هوش مصنوعی با تشریح مولفه‌های عامل هوشمند افزود: این عامل چهار مولفه دارد: از فضای بیرون خودش دریافت می‌کند که در محیط چه می‌گذرد. دوم اینکه یک محیطی وجود دارد که در آن قرار دارد. این محیط ممکن است کاملاً گسسته باشد، ممکن است پیوسته باشد، ممکن است قطعی باشد یا غیرقطعی باشد، تصادفی باشد یا غیرتصادفی باشد.

مینایی به پیچیدگی محیط‌های واقعی اشاره کرد و گفت: محیط‌هایی که ما در دنیای واقعی با آن سر و کار داریم معمولاً پویا، متغیر و غیرقطعی هستند. مثلاً محیطی که ما با آن سر و کار داریم قابل پیش‌بینی کمتر است.

وی به تشریح مولفه‌ها پرداخت: در این محیط مولفه اول همان درک محیط (Perception) است. مولفه دوم خود محیط است. مولفه سوم یک عملگر (Actuator) است که اصطلاحاً فعال‌کننده آن عامل در محیط است و یک منبع دانش که آن منبع دانش را به آن می‌گوییم.

این استاد دانشگاه با اشاره به سابقه تاریخی هوش مصنوعی قاعده‌محور اظهار داشت: سال‌های سال دنیای هوش مصنوعی همین مجموعه‌های سیستم‌های متخصص بود. اکوسیستم‌هایی که مجموعه قواعدی را خبره به آن می‌داد و با این خبرگی که به ماشین تزریق می‌شد، جای انسان تصمیم می‌گرفت.

مینایی به نمونه‌های عملی اشاره کرد و گفت: می‌توانست کار یک معدن یا کار یک پزشک را در تشخیص عفونت خون انجام دهد. سیستم MYCIN یا سیستم پرسپترون برای کشف معدن استفاده می‌شود. انواع سیستم‌های مختلفی که این قواعد به مرور ممکن بود عوض شوند یا خبره جدیدتری بیاید.

وی با اشاره به تحولات تاریخی، افزود: این قواعد استثنا پیدا می‌کنند و نحوه استدلال‌ورزی در این و کشف قواعد جدید همان منطق ارسطویی بود.

این پژوهشگر هوش مصنوعی به تحول اساسی در حوزه هوش مصنوعی اشاره کرد: از سال ۱۹۸۰ به بعد که شبکه‌های عصبی پیاده‌سازی شد در دنیای کامپیوتر، در کنفرانس NIPS که در آمریکا برگزار می‌شد، نزدیک ۲۵۰۰ مقاله می‌آمد و دائماً از شبکه‌های عصبی شیوه جدیدی برای استنتاج و سلطه بر طبیعت و ایجاد یک سری ماشین‌های جدید اختراع می‌کردند.

مینایی به تشریح مبانی مکتب دوم پرداخت: این‌ها مکتب دوم که مکتب ارتباط‌گرا (Connectionist) به وجود آمد. ارتباط‌گراها گفتند ما این‌طور نیستیم که سیستم از پیش تعریف‌شده‌ای از قواعد وجود داشته باشد. ما قاعده را نداریم، قاعده را باید برویم خودمان یاد بگیریم. ما فقط ابزار دریافت داریم.

وی با تشبیه به سیستم عصبی انسان توضیح داد: مثل همه شبکه عصبی ما نورون‌هایی است که این نورون‌ها یک سری دریافت کننده وجود دارد. این دریافت کننده حاصل کار خودش را می‌دهد از طریق سیناپس به یک نورون دیگر. نورون دیگر دوباره چند تا ترکیب می‌شوند.

این استاد دانشگاه به فرآیند پیچیده ادراک اشاره کرد: دریافت، دیدن، شنیدن، همه چیزهایی که ما از آن به فرآیند درک داریم تعبیر می‌کنیم، در مغز ما اتفاق می‌افتد. میلیون‌ها عصب در این وسط هست. این عصب‌ها اتصالات زیادی به صورت شبکه‌ای دارند.

مینایی با اشاره به ابعاد شبکه‌های عصبی گفت: این دنیای شبکه‌های عصبی مرتبط، میلیاردها در بدن ما هست. از گرمای محیط، سرما، نور، حرارت، این‌ها را درک می‌کنند و بعد در مغز ما یک پدیده ادراک انجام می‌شود.

وی به پیاده‌سازی این اصول در ماشین اشاره کرد: اینکه چگونگی انجام می‌شود را نمی‌دانیم اما می‌دانیم تبدیل می‌شود به یک سری مدارهای حاوی جریان الکتریسیته. این جریان الکتریسیته توانست در ماشین به عنوان همان جریان شبیه‌سازی شود.

پژوهشگر هوش مصنوعی: پیشرفت‌های چشمگیر در پردازش تصویر و متن با توسعه شبکه‌های عصبی عمیق

وی با اشاره به قابلیت‌های اولیه تشخیص کاراکتر بیان کرد: پژوهشگران توانستند با تکنیک‌هایی مانند OCR (بازشناسی نوری کاراکتر) کاراکترها را شناسایی کنند. این صفر، این یک، این الف، ب و انواع شناسایی‌ها با تعداد زیادی سنتر انجام می‌شد.

این پژوهشگر هوش مصنوعی در توضیح فرآیند یادگیری ماشین افزود: ویژگی مربوط به تفاوت بین کلمه "جی" با کلمه "آی" را خود ماشین درک می‌کند. ما کاری به محتوا نداریم، فقط شکل را به آن می‌دهیم.

مینایی به نقطه عطف سال ۲۰۱۲ اشاره کرد و گفت: در ابتدا تعداد نمونه‌ها و عمق پردازش با توجه به محدودیت‌های CPU بسیار محدود بود. در سال ۲۰۱۲ توانستند GPU را در کنار CPU قرار دهند. بعداً گوگل TPU (واحد پردازش تنسور) را ارائه داد.

وی با تأکید بر اهمیت پردازش موازی اظهار داشت: GPU و TPU قدرت زیادی برای پردازش‌های بسیار کوچک اما موازی ایجاد کردند. میلیاردها پردازش موازی به کمک شبکه‌های عصبی آمد که انتقال از یک لایه به لایه دیگر و فرآیند جمع‌بندی را ممکن کرد.

این متخصص هوش مصنوعی به تاریخچه شبکه‌های عصبی اشاره کرد: ایده شبکه‌های عصبی که با یک "زمستان" روبرو شده بود، در سال ۲۰۱۲ برای تشخیص تصویر توانست قدرت ماشین را از انسان بالاتر ببرد.

مینایی با مقایسه مکاتب مختلف هوش مصنوعی گفت: مکتب پیوندگرایی قدرت خود را با اصطلاحاً "یادگیری عمیق" اثبات کرد. این روش قدرت تشخیص بسیار بیشتری نسبت به هوش مصنوعی نمادگرا و شبکه‌های عصبی قدیمی داشت.

وی به ویژگی‌های منحصر به فرد شبکه‌های عصبی عمیق پرداخت: شبکه تعداد نورون‌های لازم را خودش اضافه می‌کند تا در نهایت پدیده درک و تمیز و تفکیک بین کلاس‌ها اتفاق بیفتد. خودش تصمیم می‌گیرد چقدر ادامه دهد.

این پژوهشگر به دستاوردهای عملی اشاره کرد: با آمدن مدل‌های پیشرفته‌تر مانند CNN (شبکه‌های عصبی پیچشی) و ترنسفورمرها، توانستند جای رادیولوژیست‌ها را بگیرند. در دوران کرونا توانستند به شکل دقیق در تشخیص سرطان کبد، سلول‌های سرطانی را بهتر از متخصصان انکولوژی تشخیص دهند.

مینایی به توسعه پردازش زبان طبیعی اشاره کرد: این تحول با آمدن مکانیزم توجه (Attention) و ترنسفورمرها در سال ۲۰۱۸ به حوزه متن هم وارد شد. حوزه متن قاعده‌محور نیست، بلکه کاملاً آماری است.

وی با اشاره به موفقیت‌های ترجمه ماشینی گفت: پدیده زبان‌شناسی برای ماشین حل شد. ترجمه ماشینی از ۲۰۱۸ به بعد خیلی خوب جواب داد. مکانیزم توجه که یک مکانیزم شناختی است، توانست در ماشین پیاده‌سازی شود.

این متخصص فضای سایبر به توسعه‌های اخیر نیز اشاره کرد و گفت: پدیده‌ای که از پایان ۲۰۲۲ و ۲۰۲۳ شکل گرفت، هوش مصنوعی مولد بود. هوش مصنوعی آمد که با یادگیری عمیق تمام فضای آنچه را که در زبان می‌گذرد، درک کند.

کارشناس فناوری اطلاعات: کنترل داده‌ها محور اصلی رقابت در حوزه هوش مصنوعی و فضای سایبری است

وی با اشاره به پیشرفت‌های اخیر در حوزه هوش مصنوعی بیان کرد: وقتی توان محاسباتی بسیار زیاد در ابرهای محاسباتی سنگین توانست تمام وب دنیا را جمع‌آوری کرده و در اختیار ماشین قرار دهد برای پیش‌بینی کلمه بعدی پس از هر کاراکتر، توانستند متن روان تولید کنند. متنی که از بعد روانی بسیار شبیه متن انسانی است.

این کارشناس فناوری اطلاعات با اشاره به قابلیت‌های سیستم‌های نوین افزود: در ترجمه، کیفیت بالاتر از ترجمه انسانی قرار گرفت و در تولید مقالات علمی توانست مقاله علمی تولید کند. این را نمی‌گویم که حالا هر چه تولید می‌کند درست است. خطا یا خیال‌پردازی هم اتفاق می‌افتد و چیزی که واقعیت ندارد را به عنوان واقعیت عرضه می‌کند.

مینایی به قابلیت‌های گسترده هوش مصنوعی اشاره کرد و گفت: این توان می‌تواند به جای تفکر انسانی و کار علمی یک فرد، قدرت تولید یک شعر زیبا یا یک داستان جالب برای یک سن خاص را داشته باشد. با در دست داشتن همه اطلاعاتی که در دنیا وجود دارد، جی‌پی‌تی-۴ در سال ۲۰۲۳ در اختیار بود و جی‌پی‌تی-۵ دیگر کل دنیا را دارد.

وی با اشاره به مسیر توسعه هوش مصنوعی اظهار داشت: این سیستم‌ها می‌توانند کار خود را به سمت ای‌جی‌آی یا اصطلاحاً هوش مصنوعی عمومی پیش ببرند. این فضا تنها از اینجا شروع نشده، بلکه از وقتی که اینترنت روی موبایل توسعه یافت، بسیاری از اپلیکیشن‌ها فقط سرویس خود را از طریق اینترنت ارائه می‌دهند.

این کارشناس به مولفه‌های اصلی تحول دیجیتال اشاره کرد و گفت: اینترنت روی موبایل، بحث ابری بودن ذخیره اطلاعات، بحث شبکه‌های اجتماعی و اثرات سیاسی-اجتماعی و جمع‌آوری داده که منبع ثروت برای صاحبان آن است، پلتفرم‌های سنگینی را به وجود آورد که داده‌های کلان را فراهم کردند.

مینایی با تأکید بر ارزش داده‌ها افزود: این داده‌های کلان می‌توانند چقدر ارزشمند باشند؟ می‌توان از آن درآمد کسب کرد، می‌توان تحلیل‌های بسیار خوب پیدا کرد. تا زمانی که این انبوه‌سازی داده صورت نگیرد، آن ابهام لازم اتفاق نمی‌افتد.

وی به مقایسه مدل‌های مختلف پرداخت و گفت: فرق جی‌پی‌تی با مدل‌های قبلی در این است که هر چه کامل‌تر باشد، کیفیت خروجی بیشتر می‌شود. امروز ما بین ورژن جی‌پی‌تی و مدل گوگل که صد و بیست میلیارد پارامتر دارد مقایسه می‌کردیم که عملکرد بسیار متفاوت است.

این کارشناس فناوری اطلاعات به موضوع مالکیت داده‌ها اشاره کرد و گفت: کسانی که صاحبان این شبکه‌های اجتماعی هستند، کسانی که صاحبان این داده‌های انبوه شده هستند، که این ابرها را دارند، شاید مدت‌ها بود که مایکروسافت سعی در جمع‌آوری داده و تسلط خود که در ویندوز داشت با اندروید از دست داد.

مینایی به رقابت شرکت‌های بزرگ پرداخت و افزود: گوگل بیشتر این را فراهم کرد اما با آوردن اجره، مایکروسافت سعی کرد این عقب‌افتادگی خود را جبران کند. رفتن به سمت جمع‌آوری داده خودش بسیار مهم است.
وی به تاریخچه توسعه پایگاه‌های داده اشاره کرد و گفت: صاحب چیزی که اوراکل را به وجود آورده که از سال ۱۹۷۷ پایگاه داده اوراکل به وجود آمد، پس از اینکه آقای ایلان ماسک مقداری سقوط کرد، آقای لری الیسون ثروتمندترین فرد جهان است.

این کارشناس به موضوع کنترل شبکه‌های اجتماعی پرداخت و بیان کرد: ایشون کسی است که آمد به کمک نتانیاهو و در حقیقت تیک‌تاک را خریدند. چرا تیک‌تاک برای آمریکا اینقدر مهم می‌شود؟ به خاطر اینکه این قدرت کنترلی که قرار است در اختیار این مافیای یهود قرار بگیرد.

مینایی به جزئیات انتقال مالکیت تیک‌تاک اشاره کرد و گفت: این انتشار فیلم کشتار غزه در پلتفرم‌ها که اتفاق افتاد، دنبال این بودند که چطور آن را مهار کنند. این شبکه چینی‌محور را باید به شکل‌های مختلف با دادگاه‌های زیاد درآوردند و هشتاد درصد مالکیت آن را به آمریکا منتقل کردند.

وی در پایان به مالکان جدید تیک‌تاک اشاره کرد و گفت: آقای لری الیسون و سه نفر دیگر که آقای رابرت مردوخ که در سال ۲۰۱۴ به عنوان پدر صنعت گیم جهان جایزه گرفت و پسرش که رئیس فاکس نیوز است، این چهار نفر آمدند شصت و پنج درصد سهام را خریداری کردند که همگی به ارتش اسرائیل کمک می‌کنند.

انتهای پیام/