بزرگنمايي:

سیاست و بازاریابی - ایرنا /پژوهشگران مؤسسه فناوری اوکیناوا با الهام از مغز انسان، روش جدیدی ابداع کرده‌اند که در آن سامانه‌های هوش مصنوعی با گفت‌وگوی درونی می‌توانند با داده‌های بسیار کمتری آموزش ببینند و انعطاف‌پذیری بیشتری در حل مسائل پیچیده داشته باشند.
پژوهشگران ژاپنی با الهام از شیوه یادگیری انسان، راهکار جدیدی را ابداع کرده‌اند: هوش مصنوعی با گفت‌وگوی درونی می‌تواند مهارت‌هایش را با داده‌های بسیار کمتری توسعه دهد و انعطاف‌پذیری بیشتری در حل مسائل ناآشنا پیدا کند.
بازار
این پژوهش که نتایج آن می‌تواند تحولی در صنعت هوش مصنوعی ایجاد کند، نشان می‌دهد ترکیب صحبت‌کردن با خود و حافظه کوتاه‌مدت، عملکرد هوش مصنوعی را تا ۴۰ درصد بهبود می‌بخشد.
الهام از مغز انسان
این پژوهش که توسط دانشمندان مؤسسه فناوری اُکیناوا انجام شده، نشان می‌دهد ترکیب گفت‌وگوی درونی (همانند صحبت‌کردن انسان با خود) با حافظه کوتاه‌مدت، به هوش مصنوعی کمک می‌کند تا همانند انسان بتواند ایده‌ها را پردازش کند و تصمیم‌گیری بهتری انجام دهد.
آموزش هوش مصنوعی برای صحبت با خود
پژوهشگران با افزودن قابلیت زمزمه درونی به هوش مصنوعی و تجهیز آن به حافظه کاری ویژه، بهبود چشمگیری در توانایی یادگیری، انطباق با موقعیت‌های جدید و انجام چندین کار هم‌زمان مشاهده کردند.
جفری کایسر (Jeffrey Queißer)، نویسنده اول این مطالعه، توضیح می‌دهد: یادگیری تنها به معماری سامانه هوش مصنوعی بستگی ندارد، بلکه به تعاملات درونی در فرآیند آموزش نیز وابسته است.
هوش مصنوعی با قابلیت تعمیم
این سامانه جدید به جای حفظ‌کردن طوطی‌وار الگوهای خاص، بر قوانین کلی تکیه می‌کند که به آن امکان می‌دهد دانش خود را به موقعیت‌های جدید تعمیم دهد. دکتر کایسر می‌گوید: انسان‌ها هر روز به‌راحتی بین کارهای مختلف جابه‌جا می‌شوند و مسائل ناآشنا را حل می‌کنند؛ اما برای هوش مصنوعی این کار بسیار چالش‌برانگیز است.
نتایج امیدوارکننده
هوش مصنوعی مجهز به این قابلیت حتی با داده‌های محدود نیز عملکرد بهتری نشان داد، به‌ویژه در کارهای پیچیده‌ای که نیاز به نگهداری و پردازش چندین مؤلفه به طور هم‌زمان داشتند. این سامانه می‌تواند جایگزین سبک‌تر و کارآمدتری برای مدل‌های سنتی باشد.
گام بعدی: جهان واقعی
پژوهشگران قصد دارند این سامانه را در محیط‌های پیچیده و پُر سروصدای واقعی بیازمایند. این گامی مهم به سوی توسعه ربات‌های خانگی و کشاورزی است که بتوانند در جهان پویا و پیچیده ما عملکرد بهتری داشته باشند.
این پژوهش در مجله نورال کامپیوتِیشِن/ Neural Computation منتشر شده است.