فهرست مطالب
پژوهشگران دانشگاه لیورپول با الگوبرداری از مغز حشرات، مدل هوش مصنوعی طراحی کرده‌اند که قادر است مانند مغز انسان میان صدا و تصویر، پیوندی طبیعی (همبستگی چندحسی) برقرار کند.
به گزارش تکناک، این سامانه می‌تواند مسیر نسل تازه‌ای از هوش مصنوعی را هموار کند، که توانایی درک جهان را نه از دید ماشین، بلکه با نگاهی نزدیک به انسان خواهد داشت.
ایده این مدل الهام‌گرفته از سازوکاری در مغز حشرات است؛ فرایندی که به آنها امکان تشخیص حرکت را می‌دهد. دکتر چزاره پاریزه، استاد ارشد روان‌شناسی در دانشگاه لیورپول، این مکانیسم را بازآفرینی کرده است تا به‌جای داده‌های انتزاعی مدل‌های قدیمی، بتواند سیگنال‌های واقعی زندگی (مانند ویدیوها و صداها) را پردازش کند.
مغز انسان، هنگام دیدن فردی که صحبت می‌کند، به‌طور ناخودآگاه آنچه می‌بیند و آنچه می‌شنود را هماهنگ می‌سازد؛ سازوکاری که پدیده‌هایی مثل «اثر مک‌گارک» را توضیح می‌دهد (جایی که صدای ناهماهنگ با حرکت لب‌ها، ادراکی تازه ایجاد می‌کند) یا «توهم عروسک‌گردان» که در آن صدا از منبعی نادرست به نظر می‌رسد.
پاریزه در پژوهش خود به یکی از بنیادی‌ترین پرسش‌های علوم اعصاب پرداخته است: مغز چگونه تشخیص می‌دهد که صدا و تصویر متعلق به یکدیگر هستند؟ مدل‌های پیشین در پاسخ به این پرسش ناکام بودند. او بیان کرد: «با وجود دهه‌ها تحقیق در حوزه ادراک شنیداری-دیداری، هنوز مدلی نداشتیم که بتواند به‌طور مستقیم از یک ویدیو تشخیص دهد که صدا و تصویر از نظر ادراکی هم‌زمان هستند یا خیر.»
پاریزه تصریح کرد که این محدودیت تنها یک نقص فنی نیست، بلکه نشانه شکافی عمیق‌تر است: تا زمانی که مدل‌های ادراکی نتوانند با داده‌های واقعی کار کنند، در نظریه موفق خواهند بود، اما در واقعیت از درک ساده‌ترین پدیده‌ها ناتوان می‌مانند.
01
از 02بازسازی الگوهای رفتاری گونه‌های مختلف
مدل هوش مصنوعی تازه طراحی‌شده بر پایه تحقیقات پیشین دکتر چزاره پاریزه و مارک ارنست از دانشگاه بیلفلد آلمان شکل گرفته است. این دو پژوهشگر در مطالعات خود، اصل «تشخیص همبستگی» را به عنوان سازوکار احتمالی مغز برای ترکیب ورودی‌های حسی معرفی کردند. نتیجه آن پژوهش، توسعه مدلی به نام آشکارساز همبستگی چندحسی (MCD) بود، که می‌توانست واکنش انسان را نسبت به الگوهای ساده سمعی-بصری مانند چشمک‌های نوری یا صداهای کلیک‌مانند بازآفرینی کند. پاریزه در تازه‌ترین گام، شبکه‌ای از این آشکارسازها را در فضای دیداری و شنیداری شبیه‌سازی کرد تا مدل بتواند با سیگنال‌های واقعی و پیچیده جهان پیرامون سازگار شود.
به گفته پژوهشگران، این مدل موفق شد نتایج ۶۹ آزمایش معتبر روی انسان‌ها، میمون‌ها و موش‌ها را با دقتی چشمگیر بازسازی کند. پاریزه عنوان کرد: «این پروژه، بزرگ‌ترین شبیه‌سازی انجام‌شده تاکنون در حوزه ادراک و همبستگی چندحسی است. هرچند مدل‌های دیگری نیز در گذشته مورد آزمایش قرار گرفته‌اند، اما هیچ‌یک در چنین ابعادی و بر پایه این حجم از داده‌ها ارزیابی نشده بودند.»
این مدل توانست الگوهای رفتاری گونه‌های مختلف را بازسازی کند و در عین حال، با وجود استفاده از همان تعداد پارامترهای قابل تنظیم، از مدل پیشروی استنباط بیزی (Bayesian Causal Inference) نیز عملکرد بهتری نشان دهد. علاوه بر این، مدل توانست محل تمرکز نگاه انسان‌ها را هنگام تماشای صحنه‌های صوتی و تصویری پیش‌بینی کند و در نقش نوعی مدل سبک‌وزن برجستگی (saliency model) عمل نماید، که نقاط جلب توجه را با دقت شگفت‌انگیزی شناسایی می‌کند.
02
از 02به سوی درک بهتر در هوش مصنوعی
پاریزه بر این باور است که سادگی این مدل، آن را به ابزاری ارزشمند فراتر از مرزهای علوم اعصاب تبدیل کرده است. وی گفت: «طبیعت از رهگذر تکامل، مدت‌ها پیش مسئله هماهنگی میان صدا و تصویر را با فرمول‌هایی ساده و همه‌منظوره حل کرده است؛ محاسباتی که در میان گونه‌های گوناگون و در شرایط متفاوت به‌خوبی عمل می‌کنند.» به گفته او، از آنجا که این مدل به‌طور مستقیم با داده‌های خام دیداری و شنیداری کار می‌کند، می‌توان آن را برای هر نوع داده واقعی به کار گرفت.
پاریزه تصریح کرد: «سامانه‌های هوش مصنوعی امروزی هنوز در هم‌سازی پایدار اطلاعات همبستگی چندحسی با چالش روبه‌رو هستند.» او توضیح داد که مدل‌های کنونی ادراک صوتی و تصویری وابسته به شبکه‌هایی عظیم و پرپارامتر هستند، که برای عملکرد درست به آموزش با حجم انبوهی از داده‌های برچسب‌خورده نیاز دارند؛ در حالی که شبکه MCD به صورت ذاتی کارآمد است و به هیچ‌گونه آموزشی از پیش نیاز ندارد.
پاریزه در جمع‌بندی عنوان کرد: «مدلی که در آغاز برای توضیح بینایی-حرکتی حشرات طراحی شده بود، اکنون نشان می‌دهد که مغزها (چه انسانی و چه جانوری) چگونه می‌توانند صدا و تصویر را در گستره‌ای بی‌نظیر از موقعیت‌ها با هم ادغام کنند.» وی بیان کرد: «از پیش‌بینی توهم‌های ادراکی مانند اثر مک‌گارک و عروسک‌گردان گرفته تا تحلیل رابطه علّی و ساخت نقشه‌های پویای همبستگی چندحسی، این مدل مسیر تازه‌ای را پیش پای پژوهشگران علوم اعصاب و هوش مصنوعی می‌گشاید.»
نتایج این پژوهش در نشریه علمی eLife منتشر شده است.
