محققان کاری می‌کنند که انسان‌ها همچون رایانه‌ها فکر کنند!
1398/01/21 16:14 , میلاد صاحب نظر

محققان کاری می‌کنند که انسان‌ها همچون رایانه‌ها فکر کنند!

می‌توان رایانه‌ها، مثل آن‌هایی که خودروهای خودران را هدایت می‌کنند، را فریب داد تا در تشخیص برخی اشیاء مانند قطارها، فنس‌ها و حتی اتوبوس‌های مدرسه اشتباه کنند. قاعدتاً انسان‌ها نباید بتوانند بفهمند و تشخیص دهند که تصاویر، چگونه در رایانه‌ها پردازش می‌شوند.

اما یک تحقیق جدید که توسط محققان دانشگاه جانز هاپکینز انجام شده است، نشان داده است که اکثر مردم در واقع می‌توانند تشخیص دهند.

یافته‌های این مطالعه بیان می‌کنند که رایانه‌های مدرن، آن‌قدرها که فکر می‌کنیم متفاوت از انسان‌ها نیستند و نشان داد که چگونه پیشرفت‌های هوش مصنوعی، به از بین بردن فاصله بین قابلیت‌های بصری افراد و ماشین‌ها ادامه‌ می‌دهند.

چز فایراستون، ناشر ارشد و استادیار در دپارتمان روانشناسی و علوم مغز دانشگاه جانز هاپکینز می‌گوید: "اکثر مواقع، تحقیقات رشته ما مربوط به این می‌شود که چگونه می‌توانیم کاری کنیم رایانه‌ها مثل انسان‌ها فکر کنند. ولی پروژه ما برعکس عمل کرد – ما می‌پرسیم که آیا انسان‌ها می‌توانند همچون رایانه‌ها فکر کنند؟"

چیزی که برای انسان‌ها آسان است، گاهی برای رایانه‌ها سخت است. سیستم‌های هوش مصنوعی در انجام محاسبات ریاضی یا حفظ مقادیر بزرگ اطلاعات خیلی بهتر از انسان‌ها عمل می‌کنند. اما دهه‌ها است که انسان‌ها در تشخیص و شناسایی اشیایی که در طول روز می‌بینیم، مانند سگ‌ها، گربه‌ها، میزها یا صندلی‌ها بهتر از رایانه‌ها عمل می‌کنند.

اما اخیراً، "شبکه‌های عصبی" که عملاً فرآیندهای مغز را تقلید می‌کنند، توانسته‌اند وارد قلمرو قابلیت انسان‌ها در شناسایی اشیاء شوند و همین امر باعث پیشرفت‌های تکنولوژیکی برای پشتیبانی از خودروهای خودران، برنامه‌های تشخیص چهره و کمک به پزشکان برای تشخیص ناهنجاری‌ها در اسکن‌های رادیولوژیکی شده است.

اما حتی با این پیشرفت‌های تکنولوژیکی، باز هم یک نقطه کور اساسی در این زمینه وجود دارد: می‌توان از عمد تصاویری درست کرد که شبکه‌های عصبی نتوانند به درستی آن‌ها را ببینند و تشخیص دهند.

و این تصاویر، که به آن‌ها تصاویر "تهاجمی" یا "گول زننده" می‌گویند، مشکل بزرگی هستند: این تصاویر نه تنها ممکن است توسط هکرها دست‌کاری و باعث بروز خطرهای امنیتی شوند، بلکه آن‌ها بیانگر این موضوع هستند که انسان‌ها و ماشین‌ها در واقع تصاویر را خیلی متفاوت می‌بینند.

در برخی موارد، تنها کاری که لازم است انجام داد تا رایانه، یک سیب را به شکل یک خودرو ببیند، این است که یک یا دو پیکسل را تنظیم مجدد کنیم. در موارد دیگر، ماشین‌ها چیزی که از نظر ما یک پارازیت تلویزیونی بدون معنا است را به شکل حیوان یا غذا می‌بینند.

فایراستون می‌گوید: "به نظر می‌آید که این ماشین‌ها، اشیاء را به گونه‌ای اشتباه تشخیص می‌دهند که انسان‌ها نمی‌توانند. اما جالب اینجا است که، هیچ‌کس قبلاً این را تست نکرده بود. از کجا بدانیم که انسان‌ها  نمی‌توانند چیزی که رایانه‌ها دیده‌اند را ببینند؟"

برای تست این موضوع، فایراستون و ناشر ارشد ژنگلانگ ژو (یک استاد ارشد علوم ادراکی در دانشگاه جانز هاپکینز) از افراد خواستند تا "مثل یک ماشین فکر کنند". ماشین‌ها فقط یک فرهنگ لغت بسیار کوچک برای نام‌گذاری تصاویر دارند.

بنابراین، فایراستون و ژو به افراد تعداد زیادی تصاویر گول زننده (که قبلاً رایانه‌ها را گول زده بودند) نشان دادند و همان نوع آپشن‌های نام‌گذاری که رایانه‌ها داشتند را در اختیار آن افراد قرار دادند.

آن‌ها این سؤال را از افراد پرسیدند: رایانه کدام یک از این دو گزینه را به عنوان شیء تشخیص داد؟ - یکی از آن تصاویر همان تصویر و نتیجه واقعی رایانه بد و دیگری یک تصویر تصادفی. (آیا حباب لامپ توسط رایانه به شکل یک حیوان شناسایی شد یا یک سنجاق سر؟) مشخص شد که افراد هم به همان نتیجه رایانه‌ها دست یافتند.

در ۷۵ درصد مواقع، افراد به همان پاسخ و نتیجه رایانه رسیدند. شاید حتی بهتر، ۹۸ درصد از افراد پاسخ مشابه پاسخ رایانه دادند.

سپس، محققان شرایط را سخت‌تر کردند و از افراد خواستند تا محتمل‌ترین پاسخ و پاسخ محتمل دوم رایانه را شناسایی کنند. (آیا حباب لامپ برای رایانه به شکل یک حیوان مصور شد یا یک چوب شور؟) افراد دوباره انتخاب‌های رایانه را سنجیدند و ۹۱ درصد افراد مورد آزمایش توانستند به درستی محتمل‌ترین پاسخ رایانه را تشخیص دهند.

حتی وقتی محققان از افراد خواستند بین ۴۸ گزینه از بین آن‌هایی که رایانه ممکن است تشخیص دهد انتخاب کنند، و حتی وقتی تصاویر در پارازیت تلویزیون ادغام شده بودند، باز هم نسبت خیلی زیادی از اشیایی که توسط افراد انتخاب شدند همان‌هایی بودند که رایانه شناسایی کرده بود و درصد درستی به قدری خوب و بالا بود که بتوان از فاکتور شانس صرف نظر کرد. در کل ۱۸۰۰ شیء در آزمایشات متنوع تست شدند.

فایراستون می‌گوید: "ما فهمیدیم که اگر شخصی را در شرایط مشابه با یک رایانه قرار دهیم، ناگهان انسان‌ها هم همانند رایانه‌ها عمل خواهند کرد. این امر هنوز یک مشکل برای هوش مصنوعی است، اما حداقل مشخص شد که در شرایط یکسان، رایانه‌ها و انسان‌ها زیاد با هم تفاوت ندارند."

منبع: Sciencedaily

 مطالب مرتبط

 ۴ برنامه‌نویس معروف که کدهای موفقیت زندگیشان را نوشتند
چه مهارت‌هایی برای تبدیل شدن به متخصص داده نیاز است؟
 طبقه بندی زبان های برنامه نویسی
قرار دادن کنترل داده‌ها در دستان کاربران
 LINQ(زبان جستجوی یکپارچه)
برنامه نویسی شیءگرا چیست؟

از آخرین دوره های آموزشی و تخفیف ها مطلع شوید

با تکمیل فرم زیر ، از اخبار و اطلاعات به روز برنامه نویسی و تکنولوژی عقب نمانید

آخرین مطالب

آموزش جامع SQL Server (جلسه ۱۲)
آموزش جامع SQL Server (جلسه ۱۲)

دستور UPDATE در SQL Server برای تغییر داده‌های موجود در یک جدول، از دستور UPDATE به شکل زیر استفاده ...

آموزش جامع SQL Server (جلسه ۱۵)
آموزش جامع SQL Server (جلسه ۱۵)

دستور DROP TABLE در SQL Server گاهی، لازم است یک جدول که دیگر استفاده‌ای ندارد را حذف کنید. برای ...

آموزش جامع SQL Server (جلسه ۳۵: Window Functionها – بخش ۲)
آموزش جامع SQL Server (جلسه ۳۵: Window Functionها – بخش ۲)

بخش اول از آخرین مبحث دوره جامع آموزش SQL Server در جلسه قبلی بررسی شد. این مبحث که ...

آخرین دیدگاه ها

دیدگاه خود را درباره این پست بنویسید

فرم ارسال نظرات