به گزارش کارگروه فناوری اطلاعات سایبربان , مطالعه جدیدی در دانشگاه جانز هاپکینز نشان می‌دهد که هوش مصنوعی امروزی در درک و پیش بینی تعاملات اجتماعی در موقعیت‌های مختلف کاملا ناتوان است. این ضعف برای تکنولوژی‌هایی مانند ماشین‌های خودران یا ربات‌هایی که با انسان‌ها تعامل دارند، مشکل بزرگی محسوب می‌شود. به نظر می‌رسد مدل‌های فعلی یک نقطه کور اساسی دارند. جزئیات بیشتر را در شهر سخت افزار دنبال کنید.
ماجرا از کجا شروع شد؟
به گزارش scitechdaily، محققان دانشگاه جانز هاپکینز در یک پژوهش متوجه شدند که انسان‌ها بسیار بهتر از مدل‌های هوش مصنوعی می‌توانند تعامل‌های اجتماعی در صحنه‌های پویا (مانند ویدیو) را متوجه شوند و توضیح بدهند. این توانایی برای تکنولوژی‌هایی مانند ماشین‌های خودران یا ربات‌ها بسیار حیاتی است، به عنوان مثال یک ماشین خودران باید تشخیص بدهد که یک عابر پیاده به چه سمتی حرکت می‌کند یا اینکه دو نفری که تصویرشان را می‌بیند در حال صحبت کردن هستند یا قصد دارند از خیابان عبور کنند.
پژوهشگران می‌گویند مدل‌های هوش مصنوعی باید بتوانند کارهای انسانی را تشخیص دهند تا بتوانند پاسخدهی مناسبی هم داشته باشند، اما به نظر می‌رسد که این سیستم‌ها هنوز آنقدرها هم قدرتمند نیستند.
آزمایشی که روی هوش مصنوعی و انسان انجام شد
در همین راستا، محققان یک آزمایش ترتیب دادند، آن‌ها چند ویدیوی 3 ثانیه‌ای به افراد نشان دادند که در آن مردم در حال گپ زدن یا ورزش کردن بودند. سپس از شرکت کنندگان خواسته شد تا به چند سوال مشخص پاسخ بدهند، به عنوان مثال، آیا این دو نفر در حال صحبت هستند؟ چقدر احتمال دارد که شخص در تصویر از خیابان عبور کند؟ و سوالاتی از این قبیل. همانطور که انتظار می‌رود انسان‌ها توانستند ویدیوها را به خوبی تحلیل کنند و پاسخ شرکت کنندگان دیگر را هم پیش بینی کنند.
سپس از بیش از 350 مدل هوش مصنوعی زبانی، ویدیویی و تصویری همین آزمون گرفته شد تا رفتار انسان‌ها را پیش بینی و تحلیل کنند. نتیجه بسیار عجیب بود، هیچکدام از مدل‌های هوش مصنوعی موفق نشدند رفتار انسان‌ها را حدس بزنند. اما چرا این مدل‌ها انقدر ضعیف هستند؟
پژوهشگران می‌گویند هوش مصنوعی‌های امروزی در خواندن تصاویر ثابت ( مانند تشخیص اشیا یا چهره‌ها) بسیار دقیق هستند، اما مشکل اینجاست که زندگی واقعی ثابت نیست و پر از حرکت و تعامل است. از طرفی شبکه‌های عصبی هوش مصنوعی با الهام از بخشی از مغز ساخته شده‌اند که تصاویر ثابت را پردازش می‌کند و نه بخشی که صحنه‌های اجتماعی پویا را درک می‌کند.
از طرف دیگر مدل‌های فعلی قادر به تشخیص نشانه‌های ظریف اجتماعی مانند زبان بدن یا نیت انسان‌ها نیستند و نمی‌توانند در این زمینه خوب عمل کنند. یکی از نویسندگان اصلی این پژوهش می‌گوید دیدن تصویر و شناختن اشیا برای مدل‌ها کافی نیست و باید هوش مصنوعی بتواند داستان یک صحنه را کاملا توضیح دهد که در حال حاضر اینطور نیست و در توسعه هوش مصنوعی یک نقطه کور بسیار بزرگ پنهان شده است. اما چاره چیست؟
محققان می‌گویند برای بهتر شدن هوش مصنوعی در این زمینه، باید معماری مدل‌ها از پایه تغییر کند، آن‌ها معتقدند مدل‌های جدید باید با الهام از بخش‌های دیگری از مغز ساخته شوند تا تعاملات اجتماعی را بهتر متوجه شوند. این ضعف برای تکنولوژی‌های امروزی یک زنگ خطر بزرگ محسوب می‌شود، ممکن است مدل‌های فعلی نتوانند رفتار انسان‌ها را درست پیش بینی کنند و خطرساز باشند.
