آموزش و تعلیم دادن شبکه های عصبی برای انجام بعضی از امور اصلا کار آسانی نیست. این کار ممکن است به ساعت ها زمان برای محاسبه و آموزش نیاز داشته باشد تا سرانجام منجر به انجام یک حرکت ساده شود. محققان موسسه OpenAI برای رفع این مشکل، به یک راه حل جدید دست پیدا کرده اند. قوانینی که تاکنون بیان شده اند را فراموش کنید. این روش که از آن به عنوان « تکنیک جعبه سیاه » یاد می شود، قادر است قدرت هوش مصنوعی را به میزان قابل توجهی افزایش دهد.
این محققان اعلام کرده اند که به جای استفاده از روش آموزشی استاندارد، جعبه سیاه از طریق فراموش کردن بسیاری از قوانین و مسائل غیر ضروری و پرداختن به مسائل مهم و در صورت لزوم، به اشتراک گذاشتن آنها می تواند منجر به کارایی بهتر و قوی تر شبکه عصبی شود.
در تکنیک جعبه سیاه ، سیستم عصبی برای رسیدن به پاسخ مناسب، ابتدا شروع به حدس زدن های بی شمار می کند. با یافتن یک حدس درست، مسیر را دنبال کرده تا به پاسخ صحیح برسد. در واقع شیوه عملکرد جعبه سیاه را می توانیم رسیدن از کل به جز تلقی کنیم.
ممکن است در ابتدا این مساله کمی عجیب به نظر آمده و این سئوال پیش بیاید که چگونه با این روش میتوان شبکه عصبی را مدیریت کرد؟ پاسخ آن ساده است. در تکنیک جعبه سیاه ، بسیاری از روش های سنتی حذف میشوند و تنها با استفاده از تعداد کمی روش قادریم به درستی شبکه عصبی را آموزش داده و به حرکت وا داریم. برای مثال با استفاده از این روش میتوانیم شبکه عصبی یک انسان مصنوعی را طوری مدیریت کنیم که به جای پیمودن یک مسیر کوتاه در 10 ساعت، آن مسیر را در 10 دقیقه بپیماید.
البته باید اشاره کنیم مشاهده تاثیرات روش جعبه سیاه در هوش مصنوعی در دنیای واقعی نیاز به زمان دارد. با این حال، نتایج این روش از هم اکنون قابل رویت می باشند از جمله: به جای صرف زمان زیاد برای آموزش شبکه های عصبی، می توان کاری کرد که این شبکه ها به میزان بیشتری از توانایی های خود استفاده کنند. همچنین ابرکامپیوترها می توانند بسیاری از اعمالی که شاید برای محاسبه و انجام آنها به ساعت ها و روزها زمان نیاز باشد، در بازه زمانی بسیار کوتاهتری انجام دهند. در نهایت میتوانیم منتظر آمدن ربات هایی باشیم که با سرعت زیاد و کاهش میزان خطا به انجام کارها و وظایف خود میپردازند و در نتیجه در بخش تولید و صنایع، با افزایش چشمگیر بهره وری و کارایی روبرو خواهیم شد.