میان عصب شناسان، شناخت شناسان و فیلسوفان بحث هایی در مورد اینکه آیا مغز انسان می تواند ساخته یا بازسازی شود وجود دارد. پیشرفت ها و اکتشافات کنونی در علم مغز به طور پیوسته راه را برای زمانی هموار می کند که مغزهای مصنوعی را می توان از ابتدا بازسازی کرد. برخی افراد تصور می کنند که فراتر از حد ممکن است، دومی مشغول راه هایی برای ایجاد آن هستند، سومی مدت طولانی است که به طور مثمر ثمر روی این کار کار می کنند. در این مقاله سوالاتی در مورد توسعه هوش مصنوعی، چشم‌اندازهای آن و همچنین شرکت‌ها و پروژه‌های بزرگ در این زمینه را بررسی خواهیم کرد.
اصول
مغز مصنوعی مربوط به یک ماشین روباتیک است که به اندازه انسان هوشمند، خلاق و آگاه است. در کل تاریخ بشریت، این کار به طور کامل حل نشده است، اما آینده پژوهان می گویند که این موضوع زمان است. با در نظر گرفتن مدرنروندهای علوم اعصاب، محاسبات و فناوری نانو پیش بینی می کنند که هوش مصنوعی و مغز در قرن بیست و یکم، احتمالاً تا سال 2050 ظهور خواهند کرد.
دانشمندان در حال بررسی چندین راه برای ایجاد هوش مصنوعی هستند. در مورد اول، شبیه سازی های بیولوژیکی واقع گرایانه در مقیاس بزرگ از مغز انسان بر روی ابر رایانه ها انجام می شود. در مورد دوم، دانشمندان در تلاشند تا دستگاه‌های محاسباتی نورومورفیک موازی عظیمی بسازند که به راحتی بر روی بافت عصبی مدلسازی شوند.
آگاهی انسان از نظر جالب ترین اسرار علم و متافیزیک پیچیده ترین و دست یافتنی ترین است. نتایج مشابهی با مهندسی معکوس مغز انسان به دست می آید.
یادگیری ماشین
یادگیری ماشینی در قلب استراتژی توسعه "هوش مصنوعی" است، برای این، سلول های مغز انسان به طور جامع مورد مطالعه قرار می گیرند. این نوع یادگیری پتانسیل بالایی دارد: پلتفرم آن شامل الگوریتم‌ها، ابزارهای توسعه، APIها و استقرار مدل است. رایانه ها توانایی یادگیری بدون برنامه ریزی صریح را دارند. شرکت‌های نوآور آمازون، گوگل و مایکروسافت فعالانه از یادگیری ماشینی استفاده می‌کنند.
سکوهای یادگیری عمیق
یادگیری عمیق بخشی از یادگیری ماشینی است. این بر اساس نحوه عملکرد مغز انسان و متکی بر الگوریتم های شبکه عصبی مصنوعی (ANN) است که اطلاعات از طریق آن جریان می یابد. ربات ها می توانند از ورودی ها و نتایج "یاد بگیرند". یادگیری عمیق - امیدوار کنندهروند در هوش مصنوعی، همراه با حجم زیادی از اطلاعات. خود را در تشخیص و طبقه بندی الگو ثابت کرده است. Deep Instinct، Fluid AI، MathWorks، Ersatz Labs، Sentient Technologies، Peltarion و Saffron Technology نمونه هایی از شرکت هایی هستند که در این زمینه مطالعات هوشی پیشگام هستند.
پردازش زبان طبیعی
برنامه‌نویسی عصبی-زبانی (NLP) در مرز بین کامپیوتر و زبان انسان قرار دارد و یک فناوری هوش مصنوعی است. برنامه های کامپیوتری می توانند گفتار یا نوشتار انسان را درک کنند. در نرم افزار آمازون الکسا، سیری اپل، مایکروسافت کورتانا و دستیار گوگل، از NLP برای درک سوالات کاربران و ارائه پاسخ به آنها استفاده می شود. این نوع برنامه نویسی به طور گسترده در معاملات اقتصادی و خدمات مشتری استفاده می شود.
نسل زبان طبیعی
نرم افزار NLG برای تبدیل انواع داده ها به متن قابل خواندن توسط انسان استفاده می شود، این امر از طریق مطالعه مغز به دست می آید. این یک فناوری کم ارزش با کاربردهایی مانند اتوماسیون گزارش هوش تجاری، توضیحات محصول، گزارش های مالی است. فناوری ایجاد محتوای تولید شده توسط کاربر را با هزینه اضافی قابل پیش بینی امکان پذیر می کند. داده های ساختاریافته با سرعت بالا تا چندین صفحه در ثانیه به متن تبدیل می شوند. بازیگران جالب در این بازار Insights خودکار هستند،Lucidworks، Attivio، SAS، Narrative Science، Reasoning دیجیتال، Yseop و Cambridge Semantics.
نمایندگان مجازی
در چارچوب فناوری‌های هوش مصنوعی، اصطلاحات «عامل مجازی» و «دستیار مجازی» قابل تعویض نیستند. برخی از افراد سعی می کنند بین مفاهیم تمایز قائل شوند و موفق می شوند.
دستیار مجازی نوعی دستیار آنلاین شخصی است. عوامل مجازی اغلب به عنوان شخصیت‌های هوش مصنوعی رایانه نشان داده می‌شوند که مکالمه‌ای هوشمندانه با کاربران دارند. آنها می توانند به سوالات پاسخ دهند و مزیت اصلی آنها این است که مشتریان می توانند 24 ساعت شبانه روز کمک دریافت کنند.
تشخیص گفتار
شناسایی گفتار توانایی یک برنامه برای درک و تجزیه و تحلیل کلمات و عبارات در زبان گفتاری و تبدیل آنها به داده با استفاده از الگوریتم مغز مصنوعی داخلی است. تشخیص گفتار در این شرکت برای مسیریابی تماس، شماره گیری صوتی، جستجوی صوتی و پردازش گفتار به متن استفاده می شود. یکی از معایب این است که برنامه می تواند کلمات را به دلیل تفاوت در تلفظ و نویز پس زمینه اشتباه بگیرد. نرم افزار تشخیص گفتار به طور فزاینده ای بر روی دستگاه های تلفن همراه نصب می شود. Nuance Communications، OpenText، Verint Systems و NICE در این زمینه در حال توسعه هستند.
سخت افزار تعبیه شده با هوش مصنوعی
دستگاه‌های دارای هوش مصنوعی تعبیه‌شده، تراشه‌ها و واحدهای پردازش گرافیکی (GPU) گسترده شده‌اند. گوگل در آن تعبیه کرده استهوش مصنوعی سخت افزاری، به عنوان پایه ای از توسعه موسسه مغز انسان. تأثیر ادغام هوش مصنوعی با نرم افزار بسیار فراتر از برنامه های کاربردی مصرف کننده مانند سرگرمی و بازی است. این نوع جدیدی از فناوری است که برای پیشبرد یادگیری عمیق استفاده خواهد شد. چنین پیشرفت هایی توسط Google، IBM، Intel، Nvidia، Alluviate و Cray انجام شده است.
مدیریت تصمیم گیری
مدیریت تصمیم گیری تجاری در محصولات نوآورانه (به عنوان مثال ربات با هوش مصنوعی) تمام جنبه های طراحی و تنظیم سیستم های خودکار را پوشش می دهد. مدیریت تعاملات بین کارکنان، مشتریان و تامین کنندگان برای سازمان ها ضروری است.
مدیریت تصمیم گیری فرآیند انتخاب جایگزین را بهبود می بخشد، در اینجا از تمام اطلاعات ممکن برای بهترین اولویت استفاده می شود، در حالی که تاکید بر مانورپذیری، ثبات، دقت تصمیم گیری است. مدیریت تصمیم گیری محدودیت های زمانی و ریسک های شناخته شده را در نظر می گیرد.
سازمان های بانکی، بیمه و خدمات مالی در حال ادغام نرم افزار تصمیم گیری روزانه در فرآیندهای خدمات مشتریان خود هستند.
تجهیزات نورومورفیک
SyNAPSE یک برنامهبا بودجه دارپا برای توسعه سیستم های ریزپردازنده نورومورفیک است که به هوش و فیزیک مغز نگاشت می شود. این پلتفرم به دنبال پاسخی برای سوال اصلی است: آیا می توان مغز مصنوعی ایجاد کرد؟ در ابتداشبکه های عصبی در شبیه سازی ها بر روی یک ابر رایانه آزمایش می شوند، سپس شبکه ها مستقیماً در سخت افزار ساخته می شوند. در اکتبر 2011، نمونه اولیه تراشه نورومورفیک حاوی 256 نورون نشان داده شد. کار برای ایجاد یک سیستم چند تراشه ای در حال انجام است که قادر به شبیه سازی 1 میلیون نورون پیک و 1 میلیارد سیناپس باشد.
مدلسازی شبکه عصبی
پروژه مغز آبی تلاشی برای بازسازی مغز و نخاع انسان با استفاده از شبیه سازی کامپیوتری در سطح مولکولی است. این پروژه در می 2005 توسط هنری مارکرام در مدرسه دولتی پلی تکنیک لوزان (EPFL) در سوئیس تأسیس شد. این شبیه سازی بر روی ابررایانه IBM Blue Gene اجرا می شود، از این رو به نام Blue Brain نامگذاری شده است. از نوامبر 2018، شبیه‌سازی‌هایی روی مزوسیت‌هایی انجام می‌شود که حاوی حدود 10 میلیون نورون و 10 میلیارد سیناپس هستند. شبیه‌سازی کامل مغز انسان با 186 میلیارد نورون برای سال 2023 برنامه‌ریزی شده است.
Spaun، یک شبکه یکپارچه با معماری اشاره گر معنایی، توسط کریس الیاسمیت و همکارانش در مرکز علوم اعصاب نظری (CTN) در دانشگاه واترلو در کانادا ایجاد شد. از دسامبر 2018، Spaun بزرگترین شبیه سازی مغز در جهان است. این مدل شامل 2.5 میلیون نورون است که برای تشخیص لیست اعداد و انجام محاسبات ساده کافی است.
SpiNNaker یک ابرکامپیوتر نورومورفیک کم توان عظیم است کهدر حال حاضر در دانشگاه منچستر در انگلستان در حال ساخت است. با بیش از یک میلیون هسته و هزار نورون شبیه سازی شده، این دستگاه می تواند یک میلیارد نورون را شبیه سازی کند. به جای اجرای یک الگوریتم خاص، SpiNNaker به پلتفرمی تبدیل می شود که می توانید الگوریتم های مختلف را آزمایش کنید. انواع مختلفی از شبکه های عصبی را می توان بر روی یک ماشین طراحی و اجرا کرد، بنابراین انواع مختلف نورون ها و الگوهای ارتباطی را شبیه سازی کرد. SpiNNaker مخفف مشتق شده از Spi King Nural است.
Brain Corporation یک شرکت تحقیقاتی کوچک است که الگوریتم‌ها و ریزپردازنده‌های جدیدی را توسعه می‌دهد که زیربنای سیستم عصبی بیولوژیکی است. این شرکت در سال 2009 توسط اوگنی ایژیکویچ، عصب شناس محاسباتی و آلن گروبر، عصب شناس/کارآفرین تأسیس شد. تحقیقات آنها بر حوزه های زیر متمرکز است: ادراک بصری، کنترل حرکتی و ناوبری مستقل. هدف این شرکت تجهیز دستگاه های مصرف کننده مانند تلفن های همراه و ربات های خانگی به سیستم عصبی مصنوعی است. بودجه این مطالعه تا حدی توسط کوالکام، که در پردیس کوالکام در سن دیگو، کالیفرنیا قرار دارد، تامین می شود. هنوز هیچ محصول خاصی منتشر یا اعلام نشده است، اما این شرکت به رشد خود ادامه می دهد و از فوریه 2018 به طور فعال کارمندان جدید استخدام می کند.
تحقیق مرتبط
Google X Lab یک آزمایشگاه مخفی است که Google در آن فناوری‌های آینده را آزمایش می‌کند. پروژه هایی که در آن شرکتآثار عمومی نیستند، اما اعتقاد بر این است که مبتنی بر رباتیک و هوش مصنوعی هستند. جزئیات مربوط به آزمایشگاه اولین بار در مقاله ای در نیویورک تایمز در نوامبر 2011 ظاهر شد. این نشریه بیان می کند که این آزمایشگاه در منطقه خلیج، کالیفرنیا واقع شده است. معروف است که بنیانگذاران گوگل به مطالعه هوش مصنوعی علاقه مند هستند و در این راستا سرمایه گذاری می کنند. در سال 2006، یادداشتی از شرکت گفت که گوگل می خواهد بهترین آزمایشگاه تحقیقاتی هوش مصنوعی جهان را بسازد.
Russia 2045 که به عنوان ابتکار 2045 یا پروژه آواتار شناخته می شود، یک پروژه بلندمدت بلندپروازانه است که هدف آن ساخت آواتارهای رباتیک تا سال 2020، پیوند مغز تا سال 2025 و مغزهای مصنوعی تا سال 2035 است. این برنامه در سال 2011 توسط سرمایه دار رسانه ای روسی دیمیتری ایتسکوف راه اندازی شد. هدف آن ایجاد یک نهاد مغز انسان از طریق یک شبکه جهانی از دانشمندان است که با هم به نفع بشریت و توسعه سیستماتیک فناوری کار می کنند. تعدادی از دانشمندان روسی قبلاً برای تحقیقات خود از Itskov سرمایه گذاری کرده اند. علاوه بر این، Itskov به دنبال بودجه اضافی از افراد دارای ارزش خالص بالا، موسسات خیریه، و دولت های ملی و بین المللی است.
پروژه جالب بعدی یک برنامه دانشگاه بوستون و هیولت پاکارد (HP) به نام Moneta است. یک تیم HP به رهبری گرگ اسنایدر در حال ساخت یک پلت فرم شبکه عصبی به نام Cog Ex Machina هستند که می تواندکار در پردازنده‌های گرافیکی و رایانه‌های آینده مبتنی بر ممریستورها. آزمایشگاه نورومورفولوژی در دانشگاه بوستون، به رهبری ماسیمیلیانو ورساچه، یک مغز مصنوعی مدولار به نام مونتا ایجاد کرده است که روی Cog Ex Machina کار می کند. مخفف عبارت Modular Neural Exploring Travel Agent است.
Time Frame
به ناچار این سوال مطرح می شود که چه زمانی می توان یک نسخه دیجیتالی از مغز و نخاع را سنتز کرد.
متاسفانه این به این زودی نخواهد آمد. پیش‌بینی کورزویل از شبیه‌سازی مغز تا سال 2030 بسیار کوتاه به نظر می‌رسد، تنها 12 سال دیگر. علاوه بر این، تشابه او با پروژه ژنوم انسانی رضایت بخش نبود. علاوه بر این، بسیاری از دانشمندان احتمالاً در برخی جهات بن‌بست حرکت می‌کنند.
به طور مشابه، پیش‌بینی‌های گورتزل درباره موفقیت رویکرد مبتنی بر قانون در دهه‌های آینده بیش از حد خوش‌بینانه به نظر می‌رسد. اگرچه احتمالاً با توجه به رویکرد آموزش هوش مصنوعی او غیرممکن نیست.
طبق سناریوی احتمالی، ایجاد یک رمز یا شباهت مغز انسان در ۵۰ تا ۷۵ سال ممکن است. با این وجود، با توجه به حاشیه خطا در علوم اعصاب، از یک سو، و سرعت تغییر، از سوی دیگر، پیش بینی تاریخ نسبتاً دشوار است. وقتی صحبت از پیش‌بینی‌ها می‌شود، سال 2050 نوعی سیاه‌چاله است.
