🙂 🍽️ 🔆 يعلم باحثو معهد ماساتشوستس للتكنولوجيا الشبكات العصبية بالعقل 💏 🌱 🔝

في الآونة الأخيرة ، أظهرت الشبكات العصبية نفسها بشكل ممتاز في العديد من التطبيقات. بحثوا عن أنماط في البيانات التي تم استخدامها للتصنيف والتنبؤ. الشبكات العصبية مع سهولة واضحة في التعرف على الأشياء في الصور الرقمية أو ، بعد "قراءة" مقطع من النص ، لخص موضوعه. ومع ذلك ، لم يتمكن أحد من معرفة التحولات التي مرت بها بيانات الإدخال للحصول على حل أو آخر. حتى مؤلفو الشبكات يمتلكون بيانات الإدخال ومعلومات الإخراج. وإذا أخذنا في الاعتبار البيانات المرئية ، فقد يكون من الممكن في بعض الأحيان أتمتة التجارب لمعرفة مكونات الصور التي تستجيب لها الشبكة العصبية. ومع أنظمة معالجة الكلمات ، تكون العملية أكثر تعقيدًا. ما هي صعوبة فهم لغة بشرية باستخدام آلة ، يمكنك القراءة أدناه.

في مختبر CSAIL لمعهد ماساتشوستس للتكنولوجيا للمعلوماتية والذكاء الاصطناعي ، جعل باحثو الشبكات العصبية "العقل الافتراضي" يقدم الآن الأساس المنطقي بالإضافة إلى الحل. دربوا وحدتين لشبكة عصبية واحدة في نفس الوقت. كانت بيانات التدريب مقتطفات نصية. وكانت النتائج مسرورة: فكر الكمبيوتر مثل الإنسان في 95٪ من الحالات. ومع ذلك ، قبل البدء في طريقة جديدة للشبكات العصبية في الاستخدام النشط ، ستكون هناك حاجة إلى تكوين إضافي وصقل.

لماذا تكون معالجة الصور أسهل من النص؟ هل سيكون من الممكن قيادة المركبات غير المأهولة بحرية ، هل من الممكن استبدال الطبيب الحي بذكاء مبرمج ، يوجد فيه عدد لا يحصى من الخلايا العصبية؟ هل هذا يقربنا من الآلات الواعية في الحياة الحقيقية؟ تتصرف النماذج الحاسوبية للشبكات العصبية بنفس الطريقة التي يتصرف بها دماغ الإنسان ، ولكن حتى الآن لم يُسمح لها باتخاذ قرارات تؤثر على حياة الناس. لتغيير هذا ، احتاج المتخصصون إلى الوقت ، والآن يمكننا معرفة كيف تأتي الشبكة العصبية إلى القيم النهائية.

في بعض الأحيان في عالم التطبيقات الحقيقية ، يريد الناس أن يعرفوا لماذا قامت الآلة بعمل مثل هذا التنبؤ ، وليس أي شيء آخر. السبب الرئيسي لعدم ثقة الأطباء في قرارات الذكاء الاصطناعي هو نقص المعلومات حول عملية صنع القرار. هذا ينطبق على مناطق أخرى أيضًا - أي مكان تكون فيه تكلفة التنبؤ غير الصحيح مرتفعة. لذلك ، يحتاج الجميع إلى أدلة وضمانات. على الأرجح ، كل شيء أوسع في الواقع: لا يمكنك فقط تأكيد صحة نموذج التنبؤ ، ولكن أيضًا معرفة كيف يمكنك التأثير على ما يحدث من خلال التحليل. كيف يمكن للشخص العادي أن يفهم نموذجًا معقدًا تم تدريبه على خوارزميات غير معروفة. يمكن لهذه الخوارزميات التحدث عن عقلانية حل معين. على Giktayms بالفعل طرح سؤال حول هذا الموضوع. والآن يمكننا الرد بشكل إيجابي.

الشبكات العصبية - ماذا؟

يشير اسم "الشبكات العصبية الاصطناعية" إلى أن هذه الهياكل تتصرف تقريبًا مثل هياكل الدماغ البشري. الوحدة المكونة لمثل هذه الشبكة هي عقدة معالجة ، والتي ، مثل الخلايا العصبية ، يمكن أن تؤدي عمليات بسيطة. تأتي الطاقة عندما يتم دمج العديد من العقد في شبكة واحدة ضخمة. تتم معظم الأعمال غير المعروفة في الخلايا العصبية. هذا هو - صندوق أسود. يمكن العثور على بيانات الإدخال والإخراج. أثناء التدريب ، تتغير العمليات التي تقوم بها العقد الفردية باستمرار من أجل الحصول على نتائج جيدة عبر مجموعة كاملة من أمثلة التدريب. بحلول نهاية العملية ، لا يعرف مبرمج الشبكة العقد التي تم تكوينها حاليًا. حتى لو كانت هذه البيانات موجودة ، سيكون من الصعب فهم هذه المعلومات منخفضة المستوى حتى تتمكن من ترجمتها إلى لغة يفهمها الناس.

في عملية التعلم العميق ، تدخل البيانات إلى عقد إدخال الشبكة ، التي تحولها وترسلها إلى العقد التالية. يتم تكرار الإجراء الأخير عدة مرات. تتوقف العملية عندما تصل القيم إلى عقد الإخراج للشبكة. ترتبط المعلومات بمجال البيانات الذي يتم فيه التدريب. يمكن أن تكون كائنات في الصورة أو موضوع المقالة.

كيف أصبحت العملية شفافة

لفهم كيفية اتخاذ الشبكة العصبية للقرارات ، قرر الباحثون تدريبها على البيانات النصية. في مختبر المعهد ، قسم فريق من المتخصصين الشبكة التي تم إنشاؤها إلى جزأين. كان الهدف الأول هو استخراج أجزاء من النص من بيانات التدريب وتقييمها حسب الطول والتسلسل. كلما كان المقطع أقصر والجزء الأكبر منه يتكون من أسطر من الكلمات المتتالية ، كلما كانت النتيجة أعلى.

وجاءت مقاطع أخرى في الجزء الثاني. تنبأ الجزء الثاني من الشبكة العصبية بموضوع المقطع أو حاول تصنيف النص. للاختبار ، استخدمنا مراجعات عبر الإنترنت من موقع تصنيف البيرة. حاولت شبكة من العلماء تقييم البيرة على مقياس خمس نجوم بناءً على عوامل مثل الرائحة والطعم والمظهر والمراجعات المكتوبة. بعد تدريب النظام ، وجد الباحثون أن شبكتهم العصبية تقيم الرائحة والمظهر وكذلك الأشخاص الحقيقيين: 95٪ و 96٪ على التوالي. وفقًا لخاصية الذوق الشخصية ، فإن الشبكة العصبية "اتفقت" مع الأشخاص في 80٪ من الحالات.

تم تدريب الوحدات معًا ، وكان الهدف من التدريب هو زيادة تقييم الأجزاء المحددة ودقة التنبؤ أو التصنيف.

يُظهر الرسم التوضيحي مثالاً لمراجعة بيرة مع تصنيف في فئتين. إذا اختارت الشبكة الفرعية الأولى هذه العبارات الثلاثة وربطتها الشبكة الفرعية الثانية بالتصنيفات الصحيحة ، فقد استخدم النظام الشيء نفسه للحكم على الشخص. اختبر الباحثون أيضًا شبكة عصبية تستند إلى قاعدة بيانات للأسئلة والأجوبة المجانية للمواضيع الفنية. كان السؤال هو ما إذا كانت إجابة محددة قد تم تقديمها من قبل.

طبّق العلماء هذه الطريقة على آلاف نتائج الخزعة مع أمراض سرطان الثدي. تم تحليل النص والصور.

ما هي صعوبة الجهاز في فهم اللغة البشرية؟

"من الصعب الإجابة إذا لم تفهم السؤال." طارق ، والد سبوك في Star Trek 4: Homecoming.

معالجة اللغة الطبيعية هي واحدة من مجالات الذكاء الاصطناعي. تؤثر وجهة نظرنا ومجموعة واسعة من المعرفة حول العالم وفهم السياق على الطريقة التي ندرك بها حتى أكثر الهياكل الأساسية للقواعد ، وربط الكلمات بعبارات وجمل ذات معنى.

سأشرح ذلك بالمثال الوارد في كتاب إريك سيغل "حساب المستقبل". على سبيل المثال ، عبارات مثل الهند ، حليبك. يمكن لكل جزء مشابه من الجملة أن يلعب أدوارًا مختلفة اعتمادًا على الكلمات التي تظهر قبل العبارة وبعدها. سيعتمد تعريف محدد على فهم ما تعنيه الكلمات وما هي الأشياء الحقيقية التي يسمونها.

1. "الوقت يطير مثل السهم".
2. "ذباب الفاكهة مثل الموز."

إذا كان شخص ما لا يعرف هذه الألغاز اللغوية الإنجليزية ، فحاول ترجمة الجمل بنفسك بعدة طرق.

الوقت يطير مثل السهم.
ذباب الوقت يحب نوعًا من الأسهم.
قم بقياس سرعة الذباب أثناء قياس سرعة السهم.

ذباب الفاكهة مثل الموز.
ذبابة الفاكهة تحب الموز.

نفس العذر يمكن أن يعني أشياء مختلفة. خصوصا حرف الجر مع.

"أكلت عصيدة الفاكهة." أكلت عصيدة الفاكهة التي كانت جزءا من الطبق.
"تناولت الفطور بالملعقة." تناولت الفطور بملعقة كانت أداة.
"لقد تناولت الإفطار مع أمي." تناولت الفطور مع والدتي التي شاركت في الحدث.

استخدام الشبكات العصبية

مهام التصنيف. هذا مجرد بحث عن الأنماط والتعرف على الوجوه.

مهام التنبؤ. كيف يتصرف المستخدمون في بعض المواقف. على سبيل المثال ، تحسب البنوك احتمالية سداد القروض عند اتخاذ قرار بشأن المنحة. كما يقومون بفحص تكلفة القروض لإعادة بيعها للبنوك الأخرى في أفضل وقت. مجالات تطبيق التعلم الآلي: السلامة ، سلوك المستهلك في المتاجر ، مكافحة الجريمة ، التسويق ، بالطبع ، السياسة (الانتخابات) ، التعليم ، علم النفس وإدارة الموارد البشرية.

في كل مجال موضوعي ، عند الفحص الدقيق ، يمكن للمرء أن يجد بيانات مشكلة للشبكات العصبية. فيما يلي قائمة بالمجالات الفردية التي يكتسي فيها حل هذه المشكلات أهمية عملية الآن. لقد أحضرت بعضهم.

في المجال المالي ، تتنبأ الشبكات العصبية بأسعار الصرف ، وتكلفة المواد الخام (السلاسل الزمنية) ، وتساعد على إجراء التداول الآلي في البورصات ، وتوقع احتمالية الإفلاس ، وتحديد أمان المعاملات باستخدام البطاقات البلاستيكية. في المجال الطبي ، يقومون بالتشخيص ومعالجة الصور ومراقبة حالة المرضى وتحليل فعالية العلاج الموصوف. تتعرف الشبكات العصبية على إشارات الرادار ، وتتكيف مع قيادة الطائرات التالفة ، وتضغط معلومات الفيديو ، وتحسن الشبكات الخلوية ، وتتحدث إلينا في شكل مساعدين إلكترونيين (Cortana ، Siri) ، وتصفية وحظر الرسائل غير المرغوب فيها ، والمساعدة في تكوين الإعلانات المستهدفة. في عمليات الإنتاج ، فهي قادرة على منع حالات الطوارئ ومراقبة جودة المنتج. في الروبوتات - يضعون الطرق لحركة الروبوتات ،السيطرة على المتلاعبين.

تسهيل الحياة بشكل كبير لخبراء الأمن وأنظمة الأمان - هنا تشارك الشبكات العصبية في تحديد الأفراد من خلال بصمات الأصابع والأصوات والتوقيعات والوجوه. بالنسبة للجيولوجيين ، تحلل الشبكات البيانات الزلزالية وتبحث عن المعادن باستخدام التقنيات النقابية.

كيف يمكن للطب أن يعتمد على قرارات الشبكة العصبية التي لا أساس لها من الصحة؟ ولكن ، هل من الممكن أن القرارات التي يتخذها الإنسان ، عقله ، ممزوجة بالعواطف ، يمكن اعتبارها دائمًا صحيحة تمامًا في حالة معينة؟ هناك بالطبع لجان من الأطباء ، ولكن لا يمكن جمعها دائمًا. لذلك في طبنا الذي لا يعتمد دائمًا على الأدلة ، لا يزال الأشخاص الذين حصلوا على تدريب محدد يتخذون القرارات. العامل البشري ، الخطأ الطبي ضد الإيجابية الكاذبة المحتملة للذكاء الاصطناعي. ربما الحقيقة هي أنه في حالة الآلة ليس هناك شخص مذنب محدد؟ .. في طبيعة الإنسان - للبحث عن إجابات وتبرير وتبرير القرارات أمام دماغه. من الأسهل دائمًا على الشخص عندما يعرف من هو المسؤول.

نفس الشيء على الطريق. لا يُغتفر أن تسقط الآلة شخصًا ، تمامًا كما لا يُغتفر لشخص آخر يخالف القواعد لإلحاق الأذى. هل يتلقى المذنب دائما عقوبة موضوعية؟ ستظل مسائل الأخلاق أبدية. ربما لا توجد إجابة عامة واحدة. عندما تصبح سيارات BMW أو Google ذاتية القيادة روتينية في شوارع المدينة ، فإن الناس يخاطرون بالآلة. وعلى الرغم من أن الوفاة تحدث في بعض الحالات بواسطة كمبيوتر سائق ، فإن العدد الإجمالي للحوادث والضحايا سينخفض بشكل كبير بفضل الروبوتات.

الأهم من ذلك كله على الأخلاق.الشبكات العصبية تقاتل الشركات التي تنتج السيارات بالحكم الذاتي. السؤال: ماذا يفعل الطيار الآلي عندما يلعب طفلان كرة أمامه عند التقاطع. من يجب أن يتعرض للخطر: أطفال أو ركاب السيارة يخرقون القواعد عن علم (!).
يشبه هذا المثال مهمة أخلاقية كلاسيكية تقوم فيها بتشغيل سهم لحركة المرور على مسار واحد ومجموعة من الأشخاص وعلى الشخص الآخر بمفردك. سيكون القرار دائمًا غير عادل للضحية وأقاربه وإنقاذ الباقي. على الرغم من أن الأشخاص الذين يعيشون على هذا السعر قد لا يكونون سعداء أيضًا.

تشابه الدماغ التطوري

هناك مفهوم العصبية العصبية. يتضمن آلية التحميل الذاتي التي تعمل على التغذية المرتدة بين البيئة والدماغ. حتى أبسط نماذج الكمبيوتر للشبكات العصبية ، إذا تمت برمجتها لإزالة التكوينات غير المواتية للوجود وإعادة إنتاج التكوينات المفيدة ، تحقق مستويات مذهلة من التعقيد في وقت قصير. ما الذي أتحدث عنه؟ لم يتم إنشاء أي هياكل في العالم الحقيقي بهدف تدمير الذات. أي مخلوق مبرمج مدى الحياة. والشبكات العصبية أيضًا. حتى هذا ، في رأينا ، مخلوق بسيط مثل ذبابة ذبابة الفاكهة لديه نظام معقد من الاتصالات في الدماغ . هذا هو دماغها الذي رأيته في الصورة في البداية.

كيف يعمل دماغ الإنسان مع الصور

وفقا لريتا كارتر ، في كتاب "كيف يعمل الدماغ" ، يتم تخزين ذكريات المعلومات حول وجوه الأشخاص الذين نعرفهم في الدماغ كشبكات عصبية خاصة (وحدات التعرف على الوجه). عندما نرى صورة جديدة ، تتم مقارنتها بتجربتنا عن طريق مسح ERL. إذا كان هناك شيء متصل ، فعندئذٍ تصبح ERL نشطة وتتصل بآخر صورة تمت رؤيتها. يتصرف الدماغ بنفس الطريقة ، سواء تمت رؤية صورة جديدة في الشارع أو تم إنشاؤها بشكل مستقل بواسطة العقل البشري. كلما زاد الوعي عن الصور المخزنة ، زادت نشاط الشبكات العصبية المقابلة. تتفكك الشبكات غير الضرورية بمرور الوقت. هذا ما نسميه "منسية تمامًا".

الوعي

لماذا أرسم القياس مع دماغ الإنسان؟ ربما لا يتعلق الأمر فقط بالثقة في الشبكات العصبية للكمبيوتر؟ ربما هذه مسألة فهم وقبول. نعم ، شخص آخر ، كمخلوق مقبول تمامًا من جانبنا على أنه "ملكنا" ، على عكس الكمبيوتر الميكانيكي ، سوف يشرح ويبرر أي قرار بطريقة نفهمها. وإذا كان يكذب؟ وإذا كان مريضا عقليا؟ الفروق تبقى في كل مكان. الآلات ليس لديها وعي ، مما يعني عدم وجود مشاكل أخلاقية - فهي دائمًا أكثر موضوعية ونزاهة. لكن لا يمكن للباحثين تركها فقط لمناطق معينة ، مثل إنشاء أفضل مزيج من الشطرنج ، وتصميم أنظمة معقدة ، وبالتالي ، نحن بحاجة إلى التكيف أيضًا. على الرغم من أنه صعب. وكذلك الشعور بأي خط بين ميكانيكي وعاطفي. لكن هذا هو المستقبلوصفت في روايات الخيال العلمي من الماضي ، والتي بدأت منذ فترة طويلة لتصبح حياتنا اليومية.

وبالتالي ، تم اتخاذ خطوة أخرى نحو الفهم في زوج الإنسان والآلة. أريد أن أقتبس من روجر بنروز ، أستاذ الرياضيات في جامعة أكسفورد.

يتطلب الفهم الوعي. يأتي وهم الفهم من المعالجة الشاملة لكميات كبيرة من البيانات. الحساب والفهم أمور مكملة.

"أعتقد أنه لشرح الفهم ، ننتقل إلى مفاهيم فيزيائية جديدة بعالم كمي ، وبنيته الرياضية غير معروفة في معظم الأحيان."

يقول بنروز أن الفهم يولد مكونًا معينًا من أنسجة المخ.

"هناك أنابيب دقيقة في جسم الإنسان ، وخاصة في الخلايا العصبية".

يقترح العالم التحقيق في ما إذا كان من الممكن أن تخلق الأنابيب الدقيقة حالات كمومية مستقرة تربط النشاط الخلوي في جميع أنحاء الدماغ ، وتولد الوعي. محاكاة الكمبيوتر لهذه الحالة أمر مستحيل.

يعلم باحثو معهد ماساتشوستس للتكنولوجيا الشبكات العصبية بالعقل