در ماه می 2017 محققان (Google Brain) اعلام کردند موفق به ساخت هوش مصنوعی(AutoML) شده اند که قادر به تولید هوش مصنوعی دیگر از نوع خودش است.
اخیرا محققان تصمیم گرفتند AutoML را بعنوان بزرگترین چالش تاریخ معرفی کنند.به گزارش گروه رادیب هوش مصنوعی که میتواند یک هوش مصنوعی از جنس خودش ایجاد کند و از لحاظ عملکرد بهتر از تمام همتایان انسانی خود سبقت بگیرد.
محققان گوگل، طراحی مدل های یادگیری ماشین را با استفاده از روشی به نام"یادگیری تقویتی" که به صورت خودکار انجام میشود را طراحی کردند.AutoML به عنوان یک شبکه عصبی کنترل کننده عمل می کند که یک شبکه هوش مصنوعی نوپا(child AI) را برای یک کار خاص توسعه می دهد.
این هوش مصنوعی نوپا و خاص را NASNet نامیده اند، NASNet وظیفه شناسایی اشیاء - افراد، اتومبیل، چراغ راهنمایی، کیف های دستی، کوله پشتی، و غیره - در یک ویدیو به صورت زنده را دارد.
AutoML عملکرد NASNet را ارزیابی می کند و از این اطلاعات برای بهبود هوش مصنوعی نوپا خود استفاده می کند و هزاران بار این روند را تکرار می کند.
زمانی که عملکرد نازنت روی طبقه‌بندی تصویر وب‌سایت ایمیج‌نت و مجموعه داده‌های تشخیص اشیاء وب‌سایت کوکو که محققان گوگل آنها را به‌عنوان «دو مورد از مهم‌ترین مجموعه داده‌های دانشگاهی در بینایی کامپیوتری» می‌دانند، بررسی شد این هوش مصنوعی توانست از تمام دیگر سیستم‌های بینایی کامپیوتری، نتایج بهتری به دست آورد.
براساس نتیجه آزمایش و به گفته محققان، NASnet دقت در پیش بینی تصاویر در مجموعه اعتبار سنجی ImageNet،حدود 82.7 درصد بود که این میزان دقت 1.2 درصد بهتر از هرگونه نتایج قبلی است .همچنین کارآمدی این سیستم با میانگین دقت متوسط ۴۳.۱ درصد، ۴ درصد بهتر از نمونه‌های پیشین بود.
علاوه بر این، یک نسخه دیگر ازNASNE که نیازمند پردازش کمتری است توانست از بهترین مدل های مشابه خود برای سیستم عامل های تلفن همراه ( 3.1 درصد) عملکرد بهتری را نشان دهد.
دیدگاه هایی از آینده
یادگیری ماشین همان چیزی است که بسیاری از سیستم های هوش مصنوعی را قادر به انجام وظایف خاص خود می کند. اگرچه مفهوم آن نسبتا ساده است ( یک الگوریتم با تغذیه بسیاری از اطلاعات آنها را یاد می گیرد) این فرایند نیاز به مقدار زیادی وقت و تلاش دارد.
با خودکار سازی فرایند ایجاد دقیق و کارآمدی سیستم های هوش مصنوعی ، یک هوش مصنوعی می تواند هوش مصنوعی دیگری را را تولید کند ، به این معنی که AutoML می تواند زمینه یادگیری ماشین و هوش مصنوعی را برای غیر متخصص ها نیز فراهم آورد.
به‌ویژه در مورد NASnet، تقاضا برای الگوریتم‌های دقیق و کارآمد بینایی کامپیوتری به علت میزان کاربردهای بالقوه‌ی آنها به‌شدت بالا است. این الگوریتم‌ها می‌توانند در ساخت ربات‌های پیچیده‌ی مجهز به هوش مصنوعی یا کمک به بازیابی بینایی افراد کم‌بینا یا نابینا به‌کار برده شوند.
آنها همچنین می توانند به طراحان برای فناوری های خودروهای خودران کمک کند و ویژگی های آنها را بهبود ببخشند. سریعتر از یک وسیله نقلیه مستقل می تواند اشیا را در مسیر خود تشخیص دهد، سریع تر می تواند به آنها واکنش نشان دهد، در نتیجه ایمنی این وسایل را افزایش می دهد.
محققان گوگل اذعان می کنند که NASnet می تواند برای طیف وسیعی از برنامه ها مفید باشد و همچنین آنها با به کارگیری هوش مصنوعی برای طبقه بندی تصویر و تشخیص شی به صورت متن باز ارائه کرده اند.
محققان گوگل در وبلاگ خود نوشته‌اند:
"ما امیدواریم که جامعه‌ی بزرگ یادگیری ماشینی قادر به توسعه‌ی این مدل‌ها باشد و با مشکلات انبوه بینایی کامپیوتری که هنوز با آنها مواجه نشده‌ایم، بتواند مقابله کند"
اگر چه برنامه های کاربردی NASNet و AutoML فراوان هستند، ایجاد یک هوش مصنوعی که می تواند یک هوش مصنوعی دیگر را ایجاد کند، موجب نگرانی می شود. برای مثال، برای جلوگیری از انتقال تعصبات ناخواسته پدر و مادر به کودک خود چه باید کرد؟
اگر AutoML سیستم ها را سریع ایجاد کند، جامعه نمی تواند آن را حفظ کند و در اینصورت چه اتفاقی خواهد افتاد؟ تصور اینکه نازنت در آینده‌ای نزدیک در سیستم‌های نظارت خودکار به کار گرفته شود، چندان دشوار نیست و حتی شاید به‌کارگیری آن پیش از تدوین مقررات لازم برای کنترل چنین سیستم‌هایی به وقوع بپیوندد.
خوشبختانه، رهبران جهان به سرعت کار می کنند تا اطمینان حاصل کنند که چنین سیستم هایی به هیچ وجه آینده ای ناخوشایند را برای بشر رقم نخواهند زد!
آمازون، فیسبوک، اپل و دیگر شرکت‌ها همگی در سازمانی به نام مشارکت در هوش مصنوعی به نفع مردم و جامعه عضو هستند.
موسسه مهندسان برق و الکترونیک (IEE) استانداردهای اخلاقی برای هوش مصنوعی را پیشنهاد کرده است و DeepMind، یک شرکت تحقیقاتی متعلق به آلفابت شرکت مادر گوگل، اخیرا اعلام کرده است گروهی با تمرکز بر کاربردهای اخلاقی و قاعده‌مند هوش مصنوعی، ایجاد شده است.
دولت های مختلف نیز در حوزه تعیین مقررات برای جلوگیری استفاده از هوش مصنوعی برای اهداف خطرناک مانند سلاح های خودمختار فعالیت می کنند تا زمانی که انسان‌ها کنترل جهت کلی توسعه‌ی هوش مصنوعی را حفظ می‌کنند، مزایای در اختیار داشتن هوشی مصنوعی که میتواند هوش مصنوعی دیگری بسازد، بسیار پررنگ‌تر از آسیب‌های احتمالی آن است.
