یادگیری ماشینی بهگونهای است که مانند ذهن انسان کار میکند یعنی با آزمون و خطا سعی در درک جهان دارد اما به نظر میرسد به خاطر یک ویژگی خاص در کودکان، باید باز هم بشریت را برتر از ماشینها و رباتها بدانیم.
به گزارش
سافت گذر، محققان دانشگاه نیویورک به نام کانیشک گانذی و برندن لیک روشی پیدا کردهاند که تعصب منحصربفرد متقابل نام دارد. این توانایی در کودکان به چشم میخورد و میتواند در انجام کارهایی مانند یادگیری زبان بسیار کارآمد باشد.
گانذی، فارغالتحصیل دانشگاه نیویورک در رشته انسان و یادگیری ماشینی میگوید:«« وقتی کودکان میخواهند کلمهای یاد بگیرند، آنها به تعصبات القایی روی میآورند تا معانی مختلف یک واژه را تا میتوانند، محدود کنند. در واقع تعصب منحصربفرد متقابل باوری است که کودکان همواره با آن روبهرو هستند و میدانند که اگر شیئ با یک اسم شناخته میشد، نام دیگری ندارد. این توانایی باعث میشود ما معنی یک واژه را در شرایط سخت و پیچیده متوجه شویم. برای مثال، اگر به کودکان بگوییم شماین را به ما نشان بده، با توجه به اینکه فقط معنی کلمه شماین را نمیدانند، مستقیماً سراغ شیء میروند که برایشان آشنایی ندارد»».
محققان میخواستند بررسی کنند که آیا الگوریتمهای یادگیری ماشینی که برای آموزش مفاهیم مبتدی به کار میروند، در تعصب مقابل تأثیر دارند یا خیر. به علاوه، آنها قصد داشتند ببینند آیا استدلال به وسیله تعصبات متقابل در زمینه یادگیری الگوریتمهای یادگیری ماشینی مؤثر هستند یا خیر.
برای دستیابی به پاسخ این سؤالات، محققان 400 شبکه نورونی را راهاندازی کردند و معنای کلمات را هم به آنها نشان دادند. سپس 10 کلمه که تا کنون به آنها شناخته نشده بود، ارائه شد. شبکههای نورونی پیشبینی کردند که واژههای تازه میتوانند از جهاتی به معانی شناختهشده مربوط باشند و نه اشیا ناشناخته. این یعنی هوش مصنوعی از قابلیت تعصبات منحصربفرد متقابل بهره نمیبرد. سپس محققان دادههایی را بررسی کردند که به هوش مصنوعی اجازه میداد زبان یاد بگیرد. این روش کمک میکرد تا نشان دهد تعصب منحصربفرد برای
هوش مصنوعی هم کارایی دارد.
گانذی ادامه میدهد:«« نتایج تحقیقات ما نشان میدهد ویژگیهای گفته شده در سازههای یادگیری ماشینی جایی ندارند. تعصب منحصربفرد متقابل در زمینه عمومیتبخشی و دستهبندی برنامهها به خصوص در سنین اولیه یادگیری، کارآمد است. ما بر این باوریم که نشان دادن این توانایی میتواند به آموزش سریعتر به الگوریتمهای یادگیری ماشینی کمک کند»».
گانذی و لیک، در مقاله تحقیق خود نوشتند:«« تعصبات استدلالی قدرتمند به کودکان کمک میکند تا سریعتر آموزش ببینند. این روش میتواند در طراحی بهتر شبکههای نورونی هم کارآمد باشد هرچند این موضوع هنوز یک چالش جدی برای ما به شمار میرود»».
منبع: digitaltrends.com