حرف زدن با خود، تجربهای آشنا برای همه انسانهاست؛ از مرور کارهای روزانه گرفته تا تصمیمگیریهای مهم یا حتی آرام کردن ذهن در موقعیتهای استرسزا. حالا پژوهشگران نشان دادهاند که همین ویژگی انسانی میتواند یک مزیت کلیدی برای هوش مصنوعی هم باشد.
دانشمندان مؤسسه علوم و فناوری اوکیناوا (OIST) در ژاپن، در پژوهشی تازه به این نتیجه رسیدهاند که اگر مدلهای هوش مصنوعی به نوعی «گفتوگوی درونی» مجهز شوند، میتوانند سریعتر یاد بگیرند، انعطافپذیرتر عمل کنند و همزمان چند وظیفه را بهتر انجام دهند.
یادگیری با مونولوگ درونی، نه فقط دادههای عظیم
در این تحقیق، محققان به جای تکیه کامل بر حجم عظیم دادههای آموزشی، ساختاری طراحی کردند که هوش مصنوعی را تشویق میکند در حین یادگیری با خودش گفتوگو کند؛ مشابه همان مونولوگ ذهنی که انسانها هنگام فکر کردن دارند.
به گفته پژوهشگران، این رویکرد باعث میشود سیستم بتواند آموختههایش را به موقعیتهای جدید تعمیم دهد و فقط به حفظ الگوها محدود نشود؛ مشکلی که بسیاری از مدلهای فعلی هوش مصنوعی با آن روبهرو هستند.
دکتر جفری کوایسر، پژوهشگر اصلی این پروژه، توضیح میدهد:
«یادگیری فقط به معماری مدل وابسته نیست؛ نحوه تعامل یک سیستم با خودش در زمان آموزش، نقش تعیینکنندهای دارد.»
به بیان سادهتر، اینکه هوش مصنوعی چگونه فکر میکند، به اندازه اینکه چگونه ساخته شده مهم است.
ترکیب گفتوگوی درونی با حافظه کوتاهمدت
در گام بعد، تیم تحقیقاتی از نوعی حافظه کاری کوتاهمدت الهامگرفته از مغز انسان استفاده کرد؛ حافظهای که به سیستم اجازه میدهد چند قطعه اطلاعات را بهصورت موقت نگه دارد و همزمان با آنها کار کند.
ترکیب این حافظه با گفتوگوی درونی باعث شد هوش مصنوعی:
وظایف پیچیده را بهتر انجام دهد
مسائل چندمرحلهای را دقیقتر حل کند
و حتی در انجام همزمان چند کار عملکرد قابلتوجهی داشته باشد
نکته مهم اینجاست که این روش، برخلاف بسیاری از مدلهای رایج، نیازمند دادههای عظیم و پرهزینه نیست و با اطلاعات محدود هم میتواند نتایج مؤثری ارائه دهد.
گامی بهسوی هوش مصنوعی شبیه انسان
هدف نهایی این پژوهش، نزدیکتر کردن فرآیند یادگیری ماشینها به یادگیری انسانی در دنیای واقعی است؛ دنیایی شلوغ، پر از نویز و غیرقابل پیشبینی.
پژوهشگران معتقدند با درک بهتر پدیدههایی مانند گفتوگوی درونی، نهتنها میتوان هوش مصنوعی کارآمدتری ساخت، بلکه شناخت عمیقتری از مغز و رفتار انسان نیز به دست میآید.
در آینده، این یافتهها میتوانند در توسعه رباتهای خانگی، کشاورزی و صنعتی به کار گرفته شوند؛ رباتهایی که قادرند در شرایط واقعی، مستقلتر فکر کنند، تصمیم بگیرند و خود را با محیط وفق دهند.
