محققان با الهام از ساختار حافظه انسان، چارچوب جدیدی برای هوش مصنوعی طراحی کرده‌اند که می‌تواند ماشین‌ها را به سامانه‌هایی کارآمدتر، سازگارتر و توانمندتر در استدلال تبدیل کند.
به گزارش تکناک و به نقل از نشریه Engineering، پژوهشی تازه با هدف غلبه بر محدودیت‌های مدل‌های بزرگ مقیاسی مانند ChatGPT، رویکرد نوینی را ارائه داده است، که ساختار حافظه انسان را مبنای توسعه سیستم‌های هوشمند قرار می‌دهد. این مدل جدید می‌تواند مسیر تولید نسل تازه‌ای از هوش مصنوعی را هموار کند، که هم بهره‌وری بالاتری دارد و هم از نظر شناختی پیشرفته‌تر است.
با وجود عملکرد چشمگیر مدل‌های زبانی در حوزه‌های گوناگون، این سامانه‌ها با چالش‌هایی مانند: نیاز شدید به داده و توان پردازشی، فراموشی فاجعه‌بار اطلاعات پیشین و ضعف در استدلال منطقی مواجه هستند. به باور نویسندگان این مقاله، ریشه این مشکلات در طراحی ابتدایی شبکه‌های عصبی مصنوعی، شیوه آموزش آنها و اتکای صرف به داده‌محوری است.
فهرست مطالب
معرفی حافظه ماشینی و چارچوب M2I
پژوهشگران برای غلبه بر این چالش‌ها، مفهوم «حافظه ماشینی» را پیشنهاد داده‌اند؛ ساختاری لایه‌ای و توزیع‌شده که اطلاعات خارجی را به صورت قابل خواندن و پردازشی برای ماشین‌ها، رمزگذاری می‌کند. این ساختار از قابلیت‌هایی مانند: به‌روزرسانی پویا، ارتباطات زمانی-مکانی و دسترسی فازی به داده‌ها پشتیبانی می‌کند. بر پایه این حافظه، چارچوبی با نام M2I معرفی شده، که شامل سه ماژول نمایش، یادگیری و استدلال است و در قالب دو چرخه تعاملی عمل می‌کند.
چهار محور اصلی در چارچوب M2I
چارچوب M2I بر چهار حوزه کلیدی تمرکز دارد:
- سازوکارهای عصبی حافظه ماشینی: این بخش به بررسی نحوه پیش‌تنظیم سیستم‌های عصبی در مغز و نقش رشد و انعطاف‌پذیری مغزی در شکل‌گیری هوش می‌پردازد.
- بازنمایی ارتباطی: هدف این بخش رمزگذاری و بازیابی اطلاعات از طریق پیوندهای مفهومی-ملموس و ارتباطات زمانی-مکانی، مشابه ساختار حافظه انسان است.
- یادگیری پیوسته: پژوهشگران برای حل مشکل فراموشی، روش‌هایی برای یادگیری مداوم حتی در شرایط مصرف پایین انرژی ارائه داده‌اند، که به حفظ و تلفیق دانش پیشین و جدید کمک می‌کند.
- استدلال تعاملی: در این بخش تلاش شده است سیستم‌های استدلال شهودی و منطقی با یکدیگر ترکیب شوند تا هم کارایی بالا رود و هم قابلیت تفسیر نتایج ارتقا یابد.
پژوهشگران در هر یک از این حوزه‌ها، ضمن بررسی چالش‌های اصلی، پیشرفت‌های اخیر را نیز مرور کرده‌اند. برای نمونه، در بخش سازوکارهای عصبی به تأثیر توسعه مغز بر توانمندی‌های شناختی اشاره شده؛ در بازنمایی ارتباطی، روش‌هایی برای بازیابی بهینه دانش بررسی شده؛ در یادگیری پیوسته، راهکارهای انطباق با داده‌های جدید بدون حذف اطلاعات گذشته مطرح شده و در استدلال تعاملی، تلفیق هوشمندانه منطق و شهود دنبال شده است.
گامی به سوی نسل بعدی هوش مصنوعی
این رویکرد می‌تواند انقلابی در عرصه هوش مصنوعی ایجاد کند. با الگوبرداری از ساختار حافظه انسان، چارچوب M2I زمینه توسعه سامانه‌هایی را فراهم می‌کند که توانایی انجام وظایف پیچیده، سازگاری با شرایط متغیر و تفسیر بهتر اطلاعات را دارند. با وجود این، تحقق کامل ظرفیت‌های این ایده نیازمند تحقیقات بیشتر است.
در مجموع، این پژوهش درباره هوش حافظه‌محور با الهام از مغز انسان، دیدگاهی نوین برای پیشرفت هوش مصنوعی ارائه می‌دهد، که می‌تواند جایگزینی برای مدل‌های صرفاً داده‌محور امروز باشد و مسیر را برای ماشین‌هایی با درک و استدلال نزدیک‌تر به انسان هموار سازد.
