سازگاری هوش مصنوعی با محیط های پویا توسط دارپا

به گزارش کارگروه فناوری اطلاعات سایبربان؛ هوش‌های مصنوعی امروزی در وظایفی که برای آن‌ها از پیش تعریف شده باشند بسیاری خوب عمل کرده و حتی در مواردی از انسان‌ها پیشی می‌گیرند. برای نمونه می‌توان به پیروزی آن‌ها در بازی‌های تخته‌ای مانند شطرنج یا گو (GO) اشاره کرد که قهرمان‌های جهان در آن از هوش مصنوعی شکست خورده‌اند.

با وجود این، چنین سامانه‌هایی نمی‌توانند خود را با شرایطی که پیوسته در حال تغییر و تحول هستند سازگار کنند. برای نمونه می‌توان به مواجهه با سربازان در جهان واقعی، اقدامات غافلگیرانه‌ی دشمن، تغییرات آب‌وهوا یا حضور در شرایط محلی ناآشنا اشاره کرد.

سامانه‌های هوش مصنوعی که در طیف وسیعی از برنامه‌های نظامی و اقدامات با انسان‌ها همکاری می‌کنند، باید بتوانند بدون در نظر گرفتن چالش پیرامون خود، به صورت کامل با آن سازگار بوده، توانایی حل مسئله‌های تازه‌ای را که با آن‌ها رو به رو می‌شوند، داشته باشند.

سازمان دارپا، به منظور دستیابی به هدف بالا، پروژه‌ای را به نام «سیل-آن» (SAIL-ON¹) راه‌اندازی کرده است. هدف سیل-آن تحقیق و توسعه اصول عملی بنیادی، روش‌های مهندسی جامع و الگوریتم‌هایی است که به هوش مصنوعی امکان می‌دهند، در رویدادهای جهان واقعی و رویارویی با هرگونه شرایط تازه‌ای به شکلی مناسب و تأثیرگذار عکس‌العمل نشان بدهد.

اهداف پروژه سیل-آن عبارت‌اند از:

• توسعه اصول علمی به منظور اندازه‌گیری و توصیف مسائل نوظهور دامنه‌های جهان باز
• ایجاد سامانه‌های هوش مصنوعی که می‌توانند به مواد جدید واکنش مناسب نشان دهند
• نمایش و ارزیابی سامانه‌های یاد شده در حوزه انتخابی وزارت دفاع آمریکا

تد سناتور (Ted Senator)، مدیر برنامه دفتر علوم دفاعی دارپا گفت:

تصور کنید در میانه‌ی انجام دادن بازی شطرنج، قوانین آن تغییر کند. یک هوش مصنوعی چگونه متوجه خواهد شد که آیا صفحه‌ی بازی بزرگ‌تر شده است؟ یا این که هدف از کیش‌ومات دشمن، به زدن همه‌ی مهره‌های سرباز تغییر یافته است؟ چه می‌شود اگر مهره قلعه بتواند از این پس مانند فیل حرکت کند؟ آیا هوش مصنوعی می‌تواند تغییرات رخ داده را متوجه شده و خود را با آن سازگار کند.

هوش‌های مصنوعی امروزی، زمانی که یک اتفاق خاص یا غیرمنتظره رخ می‌دهد، ناکارآمد شده و توانایی سازگاری خود را با شرایط جدید ندارند. برخلاف انسان‌ها که تجربه به دست آورده و خود را با شرایط تطبیق می‌دهند، ماشین‌ها تا زمانی که مجدداً آموزش دیده یا از کار بیفتند، به رفتار گذشته‌ی خود ادامه خواهند داد.

سناتور توضیح داد که تغذیه یک هوش مصنوعی با حجم مناسبی از داده‌ها به آن‌ها امکان می‌دهد تا در مسائل آماری مانند طبقه‌بندی تصاویر برای تشخیص چهره به خوبی عمل کنند. به عنوان مثالی دیگر نیز می‌توان به تلاش خودمختارسازی خودروها توسط دارپا در اوایل دهه‌ی 2000 اشاره کرد. به لطف حجم عظیمی از داده‌های جمع‌آوری شده از میلیون‌ها کیلومتر حرکت بدون راننده و در نظر گرفتن حتی نادرترین رویدادها، این فناوری به پیشرفت امروزی خود دست‌یافته است. با وجود این، همه‌ی اطلاعات یاد شده با توجه به جاده‌ها و قوانین شناخته شده رانندگی گردآوری شده‌اند.

وی افزود:

اجرای اقدامی مشابه برای خودروهای نظامی خودمختار که خارج از جاده حرکت کرده، در محیط‌های خصمانه قرار دارند و پیوسته در شرایط تازه‌ای با سطح خطر بالا مواجه می‌شوند، امکان‌پذیر نیست. چنین عملی را تنها می‌توان برای سامانه‌های نظامی دریایی، یا هوایی خودمختار انجام داد.

در صورت موفقیت پروژه‌ی سیل-آن، سامانه هوش مصنوعی نحوه‌ی یادگیری و واکنش نشان دادن به شرایط را بدون نیاز به حجم عظیمی از اَبَر داده‌ها، فرا می‌گیرد. این برنامه به دنبال ایجاد بنیانی است که روبات‌ها اجازه می‌دهد بدون در نظر گرفتن دامنه‌ای که در آن قرار دارند، بر اساس حلقه‌ی «مشاهده، انطباق، تصمیم‌گیری و عمل» (OODA) اقدام کرده، با مشاهده شرایط، خود را با چیزی که می‌بینند منطق کنند، بهترین تصمیم را گرفته و در نهایت اقدام لازم را انجام دهند.

مقام یاد شده ادامه داد:

اولین کاری که هوش مصنوعی باید بتواند انجام دهد، تشخیص دادن تغییر جهان است. در مرحله‌ی دوم باید بتواند شیوه‌ی دگرگونی آن را تشریح کند. در فاز سوم باید واکنش خود را با شرایط جدید سازگار سازد. در نهایت نیز زمانی که یاد گرفت منطبق شود، باید مدل‌های جهانی را به‌روزرسانی کند.