اکوایران: محققان مایکروسافت، دانشگاه استنفورد، دانشگاه ساوتهمپتون و موسسه ماکس پلانک در حال ادغام روانشناسی در الگوریتم‌ها برای دستیابی به پیش‌بینی‌های بهتر رفتار انسان، از تکرار جرم تا خرید مصرف‌کننده هستند.
به گزارش اکوایران، زمان آن فرا رسیده است که به هوش مصنوعی یاد بدهیم فراموشکار باشد!
مجله تکنولوژی وایرد با این عبارت، می‌نویسد که مغز ما برای پیش‌بینی و توضیح در موقعیت‌های ناپایدار و نامشخص تکامل یافته است. از سوی دیگر، یادگیری ماشینی معمولاً مسیر متفاوتی را طی می‌کند؛ یعنی استدلال را به عنوان طبقه‌بندی مجموعه‌ای ثابت از برچسب‌های از پیش تعیین‌شده می‌بیند، جهان را فضای ثابتی از احتمالات می‌بیند و همه آنها را برمی‌شمارد و می‌سنجد.
این رویکرد، البته، زمانی که در موقعیت‌های باثبات و کاملاً تعریف‌شده مانند شطرنج یا بازی‌های رایانه‌ای اعمال شود، به موفقیت‌های قابل توجهی دست یافته است. با این حال، وقتی چنین شرایطی وجود نداشته باشد، ماشین‌ها با مشکل مواجه می‌شوند.
یکی از این نمونه‌ها همه‌گیری ویروس است. در سال ۲۰۰۸ گوگل سرویس Flu Trends را راه‌اندازی کرد؛ یک سرویس وب که هدفش پیش‌بینی مسائل مربوط به آنفلوآنزا با استفاده از داده‌های پزشکی بود. با این حال، این پروژه نتوانست همه‌گیری آنفلوآنزای خوکی سال ۲۰۰۹ را پیش‌بینی کند. پس از چندین تغییر ناموفق در الگوریتم، گوگل سرانجام پروژه را در سال ۲۰۱۵ تعطیل کرد.
در چنین شرایط ناپایداری، مغز انسان رفتار متفاوتی دارد: گاهی اوقات به سادگی فراموش می‌کند. گاهی به‌جای گرفتار شدن در داده‌های نامربوط، تنها بر آخرین اطلاعات متکی است. این ویژگی را «فراموشی هوشمند» می‌نامیم. اتخاذ این رویکرد، الگوریتمی که بر یک نقطه داده تکیه دارد – پیش‌بینی اینکه برای مثال، ویزیت‌های پزشک مربوط به آنفلوآنزا در هفته آینده مانند هفته اخیر است – خطای پیش‌بینی Google Flu Trends را به نصف کاهش می‌دهد.
فراموشی هوشمند تنها یکی از ابعاد هوش مصنوعی روانشناختی است؛ رویکردی برای هوش ماشینی که سایر ویژگی‌های هوش انسانی مانند استدلال علّی، روانشناسی شهودی و فیزیک را نیز در بر می‌گیرد. در سال ۲۰۲۳، این رویکرد در نهایت به عنوان راهی برای حل مشکلات نامشخص معرفی خواهد شد. بررسی این ویژگی‌های شگفت‌انگیزِ مغزِ تکامل‌یافته انسان، در نهایت به ما امکان می‌دهد تا یادگیری ماشینی را هوشمند کنیم. در واقع، محققان موسسه ماکس پلانک، مایکروسافت، دانشگاه استنفورد و دانشگاه ساوتهمپتون در حال ادغام روانشناسی در الگوریتم‌ها برای دستیابی به پیش‌بینی‌های بهتر از رفتار انسان، از تکرار جرم تا خرید مصرف‌کننده هستند.
یکی از ویژگی‌های هوش مصنوعیِ روانشناختی این است که قابل توضیح است. تا همین اواخر، محققان تصور می‌کردند هرچه یک سیستم هوش مصنوعی شفاف‌تر باشد، پیش‌بینی‌های آن دقیق‌تر است. این، منعکس‌کننده این باورِ رایج اما نادرست بود که مشکلات پیچیده همیشه به راه‌حل‌های پیچیده نیاز دارند. در سال ۲۰۲۳، این ایده به پایان خواهد رسید. همانطور که مورد پیش‌بینی آنفلوآنزا نشان می‌دهد، الگوریتم‌های روانشناختی قوی و ساده اغلب می‌توانند پیش‌بینی‌های دقیق‌تری نسبت به الگوریتم‌های پیچیده ارائه دهند.
هوش مصنوعی روانشناختی چشم‌انداز جدیدی را برای هوش مصنوعی قابل توضیح باز می‌کند: به جای تلاش برای توضیح سیستم‌های پیچیده غیرشفاف، می‌توانیم ابتدا بررسی کنیم که آیا هوش مصنوعی روانشناختی راه‌حلی شفاف و به همان اندازه دقیق ارائه می‌دهد یا خیر.
ما در نهایت متوجه خواهیم شد که قدرت محاسباتی بیشتر، ماشین‌ها را «سریع‌تر» می‌کند، نه «هوشمندتر». یکی از این نمونه‌های برجسته، خودروهای خودران هستند. چشم‌انداز ساخت خودروهای به اصطلاح سطح ۵ – وسایل نقلیه کاملاً خودکار که قادر به رانندگی ایمن تحت هر شرایطی بدون پشتیبان انسانی هستند – قبلاً به چنین محدودیتی رسیده است. در واقع، پیش‌بینی می‌شود که در سال ۲۰۲۳ ایلان ماسک ادعای خود مبنی بر اینکه این دسته از خودروهای خودران پشت در ایستاده‌اند را پس خواهد گرفت. در عوض، او کسب‌وکار خود را بر روی ایجاد خودروهای بسیار بادوام‌تر (و جالب‌تر) سطح ۴ متمرکز می‌کند؛ خودروهایی که قادر به رانندگی کاملاً مستقل و بدون کمک انسان هستند، اما فقط در مناطق محدود مانند بزرگراه‌ها یا شهرهایی که به طور خاص برای وسایل نقلیه خودران طراحی شده‌اند.
استفاده گسترده از خودروهای سطح ۴ در عوض ما را به طراحی مجدد شهرهایمان ترغیب می کند، آنها را پایدارتر و قابل پیش‌بینی‌تر می‌کند و مانع از حواس‌پرتی احتمالی برای رانندگان، دوچرخه‌سواران و عابران پیاده می‌شود. اگر پیشبرد یک کار برای یک ماشین خیلی سخت باشد، این ما هستیم که باید با توانایی‌های محدود آن سازگار شویم.
