گوگل شما را با هوش مصنوعی آشنا می‌کند
به گزارش کارگروه فناوری اطلاعات سایبربان؛ ممکن است برای خیلی‌ها این سوال پیش‌آمده باشد که فرآیند «یادگیری ماشینی» (Machine Learning) چگونه اتفاق می‌افتد؟
گوگل در راستای همین موضوع به تازگی از ویژگی جدیدی به نام ماشین تعلیم‌پذیر رونمایی کرده است.
ماشین تعلیم‌پذیر به شما امکان می‌دهد که با استفاده از وب‌کم، با یک برنامه هوش مصنوعی کار کنید. کافی است بر روی گزینه‌های «Train Green» یا «Train Purple» یا «Train Orange» کلیک کنید و شیء خاصی را در جلوی وب‌کم بگذارید تا این ماشین آن را ببیند. وقتی که ماشین تعلیم‌پذیر به اندازه کافی اطلاعات در مورد آن شیء کسب کرد، هر آن‌چه در موردش می‌داند را رو می‌کند (ممکن است خروجی به شکل یک فایل گیف، یک صدا یا حتی بیان برخی جملات باشد). من گیاهان آپارتمانی‌ام را روبه‌روی وب‌کم گذاشتم و به این ماشین «یاد دادم» که آنها را شناسایی کرده و پاسخ قابل‌قبولی ارائه دهد.
به کمک ماشین تعلیم‌پذیر می‌توان برای دقایقی کوتاه سرگرم شد؛ اما نکته‌ای که باید بدانید این است که چنین ابزاری می‌تواند در قالبی سرگرم‌کننده، برخی از ویژگی‌های اساسی مربوط به هوش مصنوعی را به ما نشان دهد؛ اول، چنین ماشین‌هایی می‌توانند «یاد بگیرند» و حتی رفتارها را به خاطر بسپارند؛ این ماشین‌ها می‌توانند اشیا را ببینند، الگوها را پیدا کنند و آنها را به خاطر بسپارند. دوم، این ماشین‌ها برای یادگیری نیاز به نمونه‌های زیادی دارند و مهم‌تر از همه این‌که درک آنها از دنیا، بسیار سطحی است و می‌توان به سادگی آن را دست‌خوش تغییر کرد.
درقسمت بالا عنوان شد که به ماشین تعلیم‌پذیر «یاد دادیم» کاری انجام دهد؛ اما حقیقت چیز دیگری است. واقعیت این است که تنها چیزی که به آن یاد داده شده، شناسایی یک دسته پیکسل سبزرنگ و نامفهوم است. این ابزار نمی‌تواند یک سرخس اسپاراگوس را دیده و با خود بگوید «چنین گیاهی را باید دور از نور مستقیم خورشید نگه‌داری کرد». در حقیقت تمامی ماشین‌های این چنینی، تنها پیکسل‌ها را می‌بینند و برای داشتن هر گونه اطلاعات اضافی، باید انسان آنها را برنامه‌نویسی کند.
طی چند سال اخیر، گام‌های بزرگی در زمینه هوش مصنوعی برداشته شده است؛ اما هنوز یک موضوع اساسی و تامل‌برانگیز مطرح است. این‌که الگوریتم‌هایی که ایجاد می‌شوند، اصلا به آن هوشمندی نیستند که ما می‌خواهیم باشند. به عبارت دیگر، تلاش‌های زیادی در این زمینه صورت گرفته است؛ اما این ماشین‌ها هنوز فاصله زیادی تا هوشمند شدن دارند. آنها باید همچنان به یادگیری ادامه دهند.
