هوش مصنوعی بدون دخالت انسان زبان اختصاصی خودش را برای ارتباط با سایر سیستم‌ها ساخت

پژوهشگران آزمایشگاه هوش مصنوعی دانشگاه آزاد بروکسل (VUB) و دانشگاه نامور (UNamur) در مطالعه‌ای گسترده نشان داده‌اند که سامانه‌های مستقل هوش مصنوعی می‌توانند بدون دخالت انسان، به‌طور خودجوش زبانی مشترک و کاربردی برای برقراری ارتباط میان خود ایجاد کنند. برخلاف مدل‌های زبانی بزرگ مانند چت‌جی‌پی‌تی که زبان‌های موجود انسانی را یاد می‌گیرند، این عامل‌های هوش

پژوهشگران آزمایشگاه هوش مصنوعی دانشگاه آزاد بروکسل (VUB) و دانشگاه نامور (UNamur) در مطالعه‌ای گسترده نشان داده‌اند که سامانه‌های مستقل هوش مصنوعی می‌توانند بدون دخالت انسان، به‌طور خودجوش زبانی مشترک و کاربردی برای برقراری ارتباط میان خود ایجاد کنند.

برخلاف مدل‌های زبانی بزرگ مانند چت‌جی‌پی‌تی که زبان‌های موجود انسانی را یاد می‌گیرند، این عامل‌های هوش مصنوعی سامانه ارتباطی مخصوص خود را می‌سازند؛ زبانی که مستقیماً از حسگرهای اختصاصی و محیط فعالیت آن‌ها سرچشمه می‌گیرد.

این کشف می‌تواند پیشرفتی مهم در ارتباط میان سامانه‌های خودمختار، از جمله خودروهای خودران، ربات‌ها و حسگرهای صنعتی، به شمار برود. نتایج این پژوهش در نشریه علمی Transactions of the Association for Computational Linguistics منتشر شده است.

ژروم بوتوکو اکیلا، دانشجوی دکتری آزمایشگاه هوش مصنوعی دانشگاه آزاد بروکسل، در این‌باره گفت:

به‌جای آنکه سامانه‌های هوش مصنوعی را مجبور کنیم با زبانی انسانی ارتباط برقرار کنند که با اطلاعات دریافتی از حسگرهای آن‌ها مطابقت ندارد، به آن‌ها اجازه می‌دهیم زبان طبیعی مصنوعی خودشان را توسعه دهند. این سامانه‌ها مفاهیم کاربردی و مؤثری می‌سازند که دقیقاً با داده‌های دریافت‌شده از حسگرهایشان مطابقت دارند، حتی اگر درک این داده‌ها برای انسان دشوار یا غیرممکن باشد.

پژوهشگران معتقدند این زبان راهکاری مناسب برای رفع یکی از مشکلات اساسی ارتباط میان ماشین‌ها محسوب می‌شود؛ زیرا حسگرهای نصب‌شده روی خودروها یا ربات‌های مختلف، در عمل هرگز با دقتی کاملاً یکسان تنظیم و کالیبره نمی‌شوند.

پل فان‌ایکه، استاد هوش مصنوعی دانشگاه آزاد بروکسل، در توضیح این مسئله گفت:

انسان‌ها این مشکل را با کمک زبان حل می‌کنند. اگر بگویم نزدیک خودروی قرمز ایستاده‌ام، می‌توانیم منظور یکدیگر را بفهمیم، حتی اگر چشم‌های ما دقیقاً مقادیر رنگی یکسانی را ثبت نکنند. زبان لایه‌ای انتزاعی فراتر از داده‌های خام حسگرها فراهم می‌کند و اکنون ما به عامل‌های هوش مصنوعی اجازه می‌دهیم همین لایه را به‌صورت مستقل بسازند.

خودسازمان‌دهی و تکامل زبان هوش مصنوعی

پژوهشگران به‌جای استفاده از واژه‌هایی که از پیش برنامه‌ریزی شده‌اند یا کدهای ثابتی که برای ارتباط در نظر گرفته می‌شوند، سازوکارهای بنیادی شکل‌گیری و تکامل زبان انسانی را در اختیار عامل‌های هوش مصنوعی قرار دادند. این سازوکارها شامل ابداع محلی واژه‌ها، تطبیق نمونه‌های اولیه مفاهیم و استفاده از بازخورد حاصل از ارتباط‌های موفق یا ناموفق بودند.

کاترین بولس، استاد دانشگاه نامور، درباره این فرایند گفت:

نکته شگفت‌انگیز این است که هیچ رایانه مرکزی وجود ندارد که قوانین را به همه تحمیل کند. هر بار به دو عامل اجازه می‌دهیم در سطح محلی با یکدیگر ارتباط برقرار کنند. تنها از طریق همین تعامل‌های جداگانه و به‌روزرسانی‌های حاصل از آن‌هاست که یک قرارداد ارتباطی مشترک، به‌صورت خودجوش در کل جمعیت شکل می‌گیرد.

این اصل خودسازمان‌دهی به زبان شکل‌گرفته اجازه می‌دهد به‌طور خودکار بهینه شود. عامل‌ها دقیقاً به همان تعداد دسته‌بندی مفهومی نیاز دارند که برای انجام کارهایشان به شکلی کارآمد ضروری است؛ در نتیجه، از ایجاد جزئیات اضافی و غیرضروری جلوگیری می‌شود.

آزمایش روی ۳۷ مجموعه داده

کاربردپذیری گسترده این روش با آزمایش روی ۳۷ مجموعه داده متنوع و پیچیده بررسی شد. عامل‌های هوش مصنوعی توانستند واژگان اختصاصی خود را برای انتقال اطلاعات ایجاد کنند. این آزمایش‌ها حوزه‌هایی مانند تحلیل‌های فیزیکوشیمیایی شراب، داده‌های ناسا درباره سیاره‌های فراخورشیدی، مجموعه‌های داده بصری و تصاویر پرندگان یا چهره‌ها را در بر می‌گرفتند.

در تمام این موارد، عامل‌ها موفق شدند اطلاعات موجود را ترکیب کنند و به مفاهیم مشترک و جدیدی برسند که امکان انتقال آن‌ها میان سامانه‌ها وجود داشت.

شفافیت و سازگاری با شرایط جدید

یکی از مزیت‌های مهم این سامانه‌ها، شفافیت آن‌هاست. برخلاف بسیاری از مدل‌های هوش مصنوعی موسوم به جعبه سیاه که درک دقیق فرایند تصمیم‌گیری آن‌ها دشوار است، پژوهشگران می‌توانند معنای واژه‌های ایجادشده در این سامانه‌ها را به‌طور مشخص تعیین کنند؛ زیرا نمونه اولیه هر مفهوم مستقیماً با مقادیر ثبت‌شده توسط حسگرهای مربوط به آن ارتباط دارد.

علاوه بر این، زبان‌های در حال تکامل عامل‌های هوش مصنوعی از انعطاف‌پذیری بالایی برخوردارند. اگر محیط فعالیت تغییر کند، حسگرها داده‌های نویزی تولید کنند یا ساختار عامل‌های مختلف با یکدیگر متفاوت باشد، زبان مشترک آن‌ها از طریق تعامل مستمر به‌طور خودکار با شرایط جدید سازگار خواهد شد.