پژوهشگران یک سیستم هوش مصنوعی جدید به نام «جستجوگر دنیای مولد» (Generative World Explorer یا GenEx) توسعه داده‌اند که می‌تواند محیط پیرامون تنها یک عکس دلخواه را تخیل کند. این دستاورد، هوش مصنوعی را به سطحی نزدیک‌تر به استدلال و تفکر انسانی می‌رساند و این امکان را فراهم می‌آورد که ماشین‌ها قادر به درک و تحلیل محیط خود بدون نیاز به جستجوی فیزیکی باشند.

چطور GenEx مانند انسان‌ها محیط اطراف خود را تصور می‌کند؟

آلن یوئیل (Alan Yuille)، استاد علوم شناختی محاسباتی در دانشگاه جان هاپکینز (Johns Hopkins University) و نویسنده ارشد این پژوهش، در این‌باره می‌گوید: «فرض کنید شما در مکانی جدید قرار دارید که قبلاً هرگز در آن نبوده‌اید. به عنوان یک انسان، شما از نشانه‌های محیطی، تجربیات گذشته و دانشی که از جهان دارید برای تصور نادیده‌ها استفاده می‌کنید.» GenEx نیز دقیقاً به همین روش عمل می‌کند. این سیستم از اطلاعات خود در مورد محیط استفاده کرده و محیطی را که نمی‌بیند، اما می‌تواند تصور کند، تحلیل می‌کند. سپس بر اساس آن اطلاعات، تصمیمات منطقی می‌گیرد و مسیر بعدی خود را مشخص می‌کند، بدون اینکه مجبور باشد ابتدا به‌طور فیزیکی محیط را بررسی کند.

تفاوت GenEx با سیستم‌های قبلی هوش مصنوعی

سیستم‌های قبلی هوش مصنوعی برای فهم و تحلیل محیط، نیاز داشتند که یک ربات یا عامل به‌طور فیزیکی وارد آن محیط شود و آن را بررسی کند. این فرآیند می‌تواند خطرناک باشد، مخصوصاً در شرایطی که محیط خطرات بالقوه‌ای داشته باشد، یا اینکه نیاز به زمان زیادی داشته باشد تا اطلاعات کافی جمع‌آوری شود. اما GenEx به شکلی متفاوت عمل می‌کند. این سیستم فقط به یک تصویر ثابت از محیط نیاز دارد تا بتواند یک دنیای کامل و منسجم را تخیل کند. به عبارت دیگر، این سیستم قادر است از یک تصویر ثابت، اطلاعات گسترده‌ای را درباره محیط اطراف خود استخراج کرده و حتی احتمال‌های مختلف را برای آنچه که ممکن است پشت تصویر وجود داشته باشد، در نظر بگیرد.

این ویژگی، به GenEx این توانایی را می‌دهد که به‌طور غیرمستقیم و بدون نیاز به جستجوی فیزیکی، به تحلیل و پیش‌بینی شرایط محیطی بپردازد. این قابلیت برای بسیاری از کاربردهای دنیای واقعی می‌تواند بسیار مفید باشد، به ویژه در شرایط اضطراری یا زمانی که نیاز به واکنش سریع در برابر خطرات احتمالی وجود دارد. به عنوان مثال، تیم‌های امداد و نجات می‌توانند از یک تصویر نظارتی برای بررسی و ارزیابی وضعیت مکان‌های خطرناک استفاده کنند، بدون اینکه لازم باشد وارد آن محیط خطرناک شوند.

GenEx و کاربردهای آن در دنیای واقعی

این سیستم قابلیت‌های بسیاری دارد که می‌تواند در بسیاری از حوزه‌ها و صنایع کاربرد داشته باشد. برای مثال، از آن می‌توان برای بهبود اپلیکیشن‌های مسیریابی استفاده کرد. این سیستم می‌تواند به ربات‌های خودران کمک کند تا بدون نیاز به مشاهده فیزیکی محیط، محیط را تحلیل کرده و تصمیمات بهتری اتخاذ کنند. همچنین این فناوری می‌تواند به توسعه بازی‌های ویدئویی، واقعیت مجازی (VR) و حتی شبیه‌سازی‌های آموزشی کمک کند.

یکی از مزایای ویژه GenEx این است که برخلاف بسیاری از مدل‌های هوش مصنوعی دیگر، محیط‌های ساخته شده توسط این سیستم کاملاً سازگار و منسجم هستند. این سازگاری به‌دلیل استفاده از تکنیک پیشرفته‌ای به نام «یادگیری سازگاری کروی» (Spherical Consistency Learning) است. این تکنیک باعث می‌شود پیش‌بینی‌های GenEx برای محیط‌های جدید با یکدیگر هماهنگ و سازگار باشند و دنیای مجازی ساخته شده کاملاً منطقی و قابل پیش‌بینی باشد. به این ترتیب، زمانی که GenEx یک محیط جدید را تخیل می‌کند، آن محیط نه تنها از نظر ظاهری واقع‌گرایانه است، بلکه ویژگی‌های آن با ویژگی‌های محیط‌های قبلی که توسط سیستم تصور شده‌اند، هماهنگ است.

تحقیقات و آزمایش‌ها: تصمیم‌گیری مبتنی بر تخیل

پژوهشگران همچنین آزمایش‌هایی انجام دادند تا بررسی کنند که چطور GenEx می‌تواند به تقویت استدلال و تصمیم‌گیری کاربران انسانی کمک کند. نتایج نشان داد که کاربران در هنگام دسترسی به قابلیت‌های جستجو و تصور این سیستم، توانستند تصمیمات دقیق‌تر و منطقی‌تری بگیرند. به‌طور خاص، هنگامی که کاربران از GenEx برای تخیل محیط‌های مختلف استفاده کردند، توانستند در موقعیت‌های پیچیده‌تر، تصمیماتی بهتر و آگاهانه‌تر بگیرند.

گام جدیدی به سوی هوش مصنوعی شبیه انسان

این پژوهش نشان می‌دهد که GenEx می‌تواند به طور مؤثری مشاهدات دقیقی از محیط‌های پیچیده و بزرگ تولید کند و از آن برای بهبود فرآیندهای تصمیم‌گیری استفاده کند. این فناوری می‌تواند به ربات‌ها و سیستم‌های هوش مصنوعی این توانایی را بدهد که بدون نیاز به اطلاعات چندگانه یا شواهد فیزیکی، محیط را تجزیه و تحلیل کنند و بر اساس آن تصمیمات منطقی بگیرند. به‌علاوه، این سیستم می‌تواند به انسان‌ها نیز در فرآیند تصمیم‌گیری در موقعیت‌های پیچیده کمک کند.

پژوهشگران این پروژه در حال کار بر روی توسعه نسخه‌های بهبود یافته‌ای از این سیستم هستند که قادر به ادغام داده‌های واقعی از سنسورها و محیط‌های پویا باشند تا برنامه‌ریزی‌های واقع‌گرایانه‌تر و همه‌جانبه‌تری را فراهم کنند. این پروژه یک گام بزرگ به سوی دستیابی به هوش مصنوعی شبیه انسان در سیستم‌های هوش مصنوعی درون کالبد رباتی است.

  این نوشته‌ها را هم بخوانید ​