راز حل معمای هوش: ژنتیکِ لاک‌پشت دریایی، کلید پیشرفت هوش مصنوعی!

تقابل ژنتیک و هوش مصنوعی: یه نگاه تازه

ظرفیت ژنوم واسه ذخیره اطلاعاتی که لازمه رفتارهای پیچیده رو کنترل کنه، محدوده. حالا سؤالی که پیش میاد اینه: یه لاک‌پشت دریایی کوچولو چطور به‌طور ذاتی می‌دونه باید دنبال نورِ ماه بره؟ دانشمندای عصب‌شناسی توی آزمایشگاه کلد اسپرینگ هاربر یه توضیح احتمالی برای این تناقض قدیمی دارن. ایده‌های اونا می‌تونه به پیشرفت سریع‌تر و بهتر هوش مصنوعی کمک کنه.

به یه معنا، همه‌ی ما زندگی رو آماده شروع می‌کنیم. خیلی از حیوونا بلافاصله بعد از تولد کارای خارق‌العاده‌ای انجام می‌دن. عنکبوتا تار می‌تنن و نهنگا شنا می‌کنن. اما این توانایی‌های ذاتی از کجا میان؟ معلومه که مغز یه نقش اساسی داره، چون شامل تریلیون‌ها اتصالات عصبی هست که برای کنترل رفتارهای پیچیده لازمه. ولی ژنوم جای کمی برای این اطلاعات داره. این تضاد سال‌هاست که دانشمندا رو گیج کرده.

حالا، پروفسورای آنتونی زادور و الکسی کولاکوف از آزمایشگاه کلد اسپرینگ هاربر (CSHL) با استفاده از هوش مصنوعی یه راه‌حل محتمل ارائه دادن. زادور وقتی اولین بار با این مسئله روبرو شد، یه دیدگاه جدید بهش داد. اون پرسید: «اگه ظرفیت محدود ژنوم همون چیزی باشه که ما رو این‌قدر باهوش کرده چی؟» و ادامه داد: «اگه این یه نقطه قوت باشه، نه یه نقص؟»

به عبارت دیگه، شاید ما بتونیم باهوشانه عمل کنیم و سریع یاد بگیریم چون محدودیتای ژنوم، ما رو مجبور به سازگاری می‌کنه. این یه ایده‌ی بزرگ و جسورانه‌ست که اثباتش سخته. به هر حال، نمی‌شه آزمایشای آزمایشگاهی رو توی میلیاردها سال تکامل گسترش داد. اینجاست که ایده الگوریتم تنگنای ژنومی مطرح می‌شه.

یه انقلاب تو هوش مصنوعی: الگوریتمی که داده‌ها رو فشرده می‌کنه

تو دنیای هوش مصنوعی، یه نسل به اندازه‌ی ده‌ها سال طول نمی‌کشه. مدلای جدید فقط با زدن یه دکمه به وجود میان. زادور، کولاکوف و پژوهشگرای پسا‌دکترا دیویانشا لاچی و سرگئی شواو، سعی داشتن یه الگوریتم کامپیوتری بسازن که حجم عظیمی از داده‌ها رو به یه بسته‌ی منظم تبدیل کنه؛ مثل این که چطور ژنومِ ما اطلاعات لازم برای ساخت مدارهای مغزیِ کارآمد رو فشرده می‌کنه.

بعد، اونا این الگوریتم رو در برابر شبکه‌های هوش مصنوعی که چند دور آموزش دیدن، آزمایش کردن. جالب اینه که این الگوریتم جدید، بدون آموزش، کارایی مثل تشخیص تصویر رو تقریباً به‌خوبی هوش مصنوعی پیشرفته انجام می‌ده. این الگوریتم حتی توی بازیای ویدیویی مثل Space Invaders هم خوب عمل می‌کنه، انگار به‌طور غریزی می‌دونه چطوری بازی کنه.

یعنی این به این معنیه که هوش مصنوعی به‌زودی می‌تونه تواناییای طبیعی ما رو تقلید کنه؟ کولاکوف می‌گه: «ما هنوز به اون سطح نرسیده‌ایم.» و توضیح می‌ده: «ساختار لایه‌لایه مغز می‌تونه حدود ۲۸۰ ترابایت اطلاعات رو تو خودش جا بده که معادل ۳۲ سال ویدیو با کیفیت بالا می‌شه، در حالی که ژنومای ما فقط حدود یه ساعت اطلاعات رو شامل می‌شه. این نشون می‌ده که فناوری فشرده‌سازی ۴۰۰,۰۰۰ برابری هنوز نمی‌تونه باهاش رقابت کنه.»

با این حال، این الگوریتم این امکان رو فراهم می‌کنه که فشرده‌سازی‌هایی انجام بشه که تا حالا توی هوش مصنوعی دیده نشده. این ویژگی می‌تونه تو فناوری کاربردهای جالبی داشته باشه. شواو، نویسنده‌ی اصلی این تحقیق، توضیح می‌ده: «مثلاً، اگه بخواین یه مدل زبان بزرگ رو روی یه گوشی موبایل اجرا کنین، یکی از راه‌هایی که می‌شه از این الگوریتم استفاده کرد اینه که مدل‌تون رو لایه به لایه روی سخت‌افزار باز کنین.» این جور کاربردا می‌تونن به معنی هوش مصنوعی پیشرفته‌تر با زمان اجرای سریع‌تر باشن. و فراموش نکنین که فقط ۳.۵ میلیارد سال طول کشید تا به این‌جا برسیم!