محققان دانشگاه آکسفورد به تازگی سعی کرده اند با استفاده از شبکه تخیل با هدایت زبان (LGI) الگوهای تفکر انسان را در دستگاه ها بازآفرینی کنند. روش آنها ، که در مقاله ای که از قبل در مورد arXiv منتشر شده است ، می تواند از پیشرفت هوش مصنوعی که قادر به تفکر شبیه انسان است ، آگاه باشد و این شامل یک جریان هدفمند از ایده های ذهنی است که توسط زبان هدایت می شوند.
تفکر انسان به طور کلی مغز را ملزم می کند تا یک عبارت زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. به عنوان مثال ، اگر فردی که از خانه خود بیرون می رود ، متوجه می شود که باران می بارد ، می تواند در داخل کشور بگوید: "اگر چتری بخورم ، ممکن است از خیس شدن خودداری کنم" و سپس تصمیم گرفت چتر را در راه بیرون برود. از آنجا که این فکر در ذهن او می گذرد ، با این حال ، او به طور خودکار می داند که ورودی بصری (یعنی قطرات باران) را مشاهده می کند و چگونگی نگه داشتن چتر می تواند مانع از خیس شدن شود ، شاید حتی تصور کند که احساس چتر نگه داشتن یا خیس شدن زیر آن را ندارد. باران.
اگرچه برخی از ماشین ها اکنون می توانند تصاویر ، زبان پردازش یا حتی باران باران را حس کنند ، اما هنوز این توانایی تفکر منحصر به فرد و تخیلی را به دست نیاورده اند. انسانها می توانند به چنین "تفکر مداوم" دست یابند زیرا آنها قادر به تولید تصاویر ذهنی با راهنمایی زبان هستند و بازنمایی های زبان را از موقعیت های واقعی یا تخیل استخراج می کنند.
در سالهای اخیر ، محققان ابزارهای پردازش زبان طبیعی (NLP) را تولید کرده اند که می توانند به روشی شبیه به انسان به سؤالات پاسخ دهند. اما اینها صرفاً مدلهای احتمال هستند و بنابراین قادر به درک زبان به همان روش و با همان عمق انسانها نیستند. این امر به این دلیل است که انسان ها دارای ظرفیت یادگیری تجمعی ذاتی هستند که با رشد مغز آنها را همراهی می کند. مشخص شده است که این "سیستم تفکر انسان" با بسترهای عصبی خاصی در مغز همراه است ، که مهمترین آن قشر جلوی مغز (PFC) است.
PFC ناحیه ای از مغز است که وظیفه حافظه کار را دارد (به عنوان مثال ، فرآیندهای حافظه که هنگام انجام یک کار معین انجام می شود) ، از جمله نگهداری و دستکاری اطلاعات در ذهن است. در تلاش برای تولید مثل الگوهای تفکر مانند انسان در ماشین آلات ، فنگ چی و ونچوان وو ، دو محقق که تحقیق اخیر را انجام داده اند ، یک شبکه عصبی مصنوعی با الهام از PFC انسان ایجاد کردند.
محققان در مقاله خود توضیح دادند: "ما یک شبکه تخیل با هدایت زبانی (LGI) پیشنهاد کردیم تا به تدریج معنای و استفاده از کلمات و نحوهای متعدد را بیاموزد ، با هدف ایجاد یک فرآیند تفکر ماشین مانند انسان."
بیشتر بخوانید: پمپ وکیوم کوچک
شبکه LGI که توسط Qi و Wu ساخته شده است دارای سه مؤلفه اصلی است: یک سیستم بینایی ، یک سیستم زبان و یک PFC مصنوعی. سیستم بینایی از رمزگذار تشکیل شده است که ورودی دریافت شده توسط شبکه یا سناریوهای تخیل شده را به نمایشگرهای انتزاعی جمعیت و همچنین یک رمزگذار تخیل که سناریوهای تخیلی را از بازنمایی سطح بالاتر بازسازی می کند ، غیرفعال می شود.
سیستم زیر سیستم دوم ، سیستم زبان ، شامل یک binarizer است که متون سمبل را به ناقلهای باینری منتقل می کند ، سیستمی که با استخراج اطلاعات کمّی از متون ورودی و یک متنی سازنده که بردارهای باینری را تبدیل می کند عملکردی از سولکوس درون جمعی انسان (IPS) را تقلید می کند. نمادهای متن مؤلفه نهایی شبکه LGI آنها از PFC انسان تقلید می کند و ورودی های نمایش زبان و دید را برای پیش بینی نمادهای متنی و تصاویر دستکاری شده ترکیب می کند.
چی و وو شبکه LGI خود را در یک سری آزمایشات ارزیابی کردند و دریافتند که با موفقیت هشت نحو یا کار مختلف را به صورت تجمعی به دست آورد. تکنیک آنها اولین حلقه تفکر ماشینی را تشکیل می دهد ، "تعامل بین تصاویر تخیل شده و متون زبان. در آینده ، شبکه LGI ایجاد شده توسط محققان می تواند به پیشرفت هوش مصنوعی پیشرفته تر ، که قادر به تفکر شبیه انسان است ، کمک کند. استراتژی هایی مانند تجسم و تخیل.
محققان نوشتند: "LGI به طور تدریجی هشت نحو مختلف (یا وظایف) مختلف آموخته است که با استفاده از آن یک حلقه تفکر ماشینی با تعامل مناسب بین زبان و سیستم بینایی شکل گرفته و اعتبار دارد ." "مقاله ما معماری جدیدی را ارائه می دهد تا دستگاه بتواند زبان را به شیوه ای مانند انسان یاد بگیرد ، درک کند و از آن استفاده کند که در نهایت می تواند یک ماشین را قادر به ساخت سناریوهای ذهنی ساختگی و داشتن هوش کند."
محققان دانشگاه آکسفورد به تازگی سعی کرده اند با استفاده از شبکه تخیل با هدایت زبان (LGI) الگوهای تفکر انسان را در دستگاه ها بازآفرینی کنند. روش آنها ، که در مقاله ای که از قبل در مورد arXiv منتشر شده است ، می تواند از پیشرفت هوش مصنوعی که قادر به تفکر شبیه انسان است ، آگاه باشد و این شامل یک جریان هدفمند از ایده های ذهنی است که توسط زبان هدایت می شوند.
تفکر انسان به طور کلی مغز را ملزم می کند تا یک عبارت زبانی خاص را درک کند و از آن برای سازماندهی جریان ایده ها در ذهن استفاده کند. به عنوان مثال ، اگر فردی که از خانه خود بیرون می رود ، متوجه می شود که باران می بارد ، می تواند در داخل کشور بگوید: "اگر چتری بخورم ، ممکن است از خیس شدن خودداری کنم" و سپس تصمیم گرفت چتر را در راه بیرون برود. از آنجا که این فکر در ذهن او می گذرد ، با این حال ، او به طور خودکار می داند که ورودی بصری (یعنی قطرات باران) را مشاهده می کند و چگونگی نگه داشتن چتر می تواند مانع از خیس شدن شود ، شاید حتی تصور کند که احساس چتر نگه داشتن یا خیس شدن زیر آن را ندارد. باران.
اگرچه برخی از ماشین ها اکنون می توانند تصاویر ، زبان پردازش یا حتی باران باران را حس کنند ، اما هنوز این توانایی تفکر منحصر به فرد و تخیلی را به دست نیاورده اند. انسانها می توانند به چنین "تفکر مداوم" دست یابند زیرا آنها قادر به تولید تصاویر ذهنی با راهنمایی زبان هستند و بازنمایی های زبان را از موقعیت های واقعی یا تخیل استخراج می کنند.
در سالهای اخیر ، محققان ابزارهای پردازش زبان طبیعی (NLP) را تولید کرده اند که می توانند به روشی شبیه به انسان به سؤالات پاسخ دهند. اما اینها صرفاً مدلهای احتمال هستند و بنابراین قادر به درک زبان به همان روش و با همان عمق انسانها نیستند. این امر به این دلیل است که انسان ها دارای ظرفیت یادگیری تجمعی ذاتی هستند که با رشد مغز آنها را همراهی می کند. مشخص شده است که این "سیستم تفکر انسان" با بسترهای عصبی خاصی در مغز همراه است ، که مهمترین آن قشر جلوی مغز (PFC) است.
PFC ناحیه ای از مغز است که وظیفه حافظه کار را دارد (به عنوان مثال ، فرآیندهای حافظه که هنگام انجام یک کار معین انجام می شود) ، از جمله نگهداری و دستکاری اطلاعات در ذهن است. در تلاش برای تولید مثل الگوهای تفکر مانند انسان در ماشین آلات ، فنگ چی و ونچوان وو ، دو محقق که تحقیق اخیر را انجام داده اند ، یک شبکه عصبی مصنوعی با الهام از PFC انسان ایجاد کردند.
محققان در مقاله خود توضیح دادند: "ما یک شبکه تخیل با هدایت زبانی (LGI) پیشنهاد کردیم تا به تدریج معنای و استفاده از کلمات و نحوهای متعدد را بیاموزد ، با هدف ایجاد یک فرآیند تفکر ماشین مانند انسان."
بیشتر بخوانید: پمپ وکیوم کوچک
شبکه LGI که توسط Qi و Wu ساخته شده است دارای سه مؤلفه اصلی است: یک سیستم بینایی ، یک سیستم زبان و یک PFC مصنوعی. سیستم بینایی از رمزگذار تشکیل شده است که ورودی دریافت شده توسط شبکه یا سناریوهای تخیل شده را به نمایشگرهای انتزاعی جمعیت و همچنین یک رمزگذار تخیل که سناریوهای تخیلی را از بازنمایی سطح بالاتر بازسازی می کند ، غیرفعال می شود.
سیستم زیر سیستم دوم ، سیستم زبان ، شامل یک binarizer است که متون سمبل را به ناقلهای باینری منتقل می کند ، سیستمی که با استخراج اطلاعات کمّی از متون ورودی و یک متنی سازنده که بردارهای باینری را تبدیل می کند عملکردی از سولکوس درون جمعی انسان (IPS) را تقلید می کند. نمادهای متن مؤلفه نهایی شبکه LGI آنها از PFC انسان تقلید می کند و ورودی های نمایش زبان و دید را برای پیش بینی نمادهای متنی و تصاویر دستکاری شده ترکیب می کند.
چی و وو شبکه LGI خود را در یک سری آزمایشات ارزیابی کردند و دریافتند که با موفقیت هشت نحو یا کار مختلف را به صورت تجمعی به دست آورد. تکنیک آنها اولین حلقه تفکر ماشینی را تشکیل می دهد ، "تعامل بین تصاویر تخیل شده و متون زبان. در آینده ، شبکه LGI ایجاد شده توسط محققان می تواند به پیشرفت هوش مصنوعی پیشرفته تر ، که قادر به تفکر شبیه انسان است ، کمک کند. استراتژی هایی مانند تجسم و تخیل.
محققان نوشتند: "LGI به طور تدریجی هشت نحو مختلف (یا وظایف) مختلف آموخته است که با استفاده از آن یک حلقه تفکر ماشینی با تعامل مناسب بین زبان و سیستم بینایی شکل گرفته و اعتبار دارد ." "مقاله ما معماری جدیدی را ارائه می دهد تا دستگاه بتواند زبان را به شیوه ای مانند انسان یاد بگیرد ، درک کند و از آن استفاده کند که در نهایت می تواند یک ماشین را قادر به ساخت سناریوهای ذهنی ساختگی و داشتن هوش کند."
مدل جدیدی برای تولید سؤال گفتگوی بصری