محققان و دانشمندان ایرانی موفق شدند پوست مصنوعی بسازند که در بهبود زخم ها و عمل های سنگین سوختگی بسیار تاثیر گذار خواهد بود. محققان دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر موفق شدند تا با استفاده از پنج ماده زیستی، پوست مصنوعی تولید کنند که پس از 7 روز میتواند زخم را بهبود دهد، بدون اینکه جای زخم باقی بماند.
حمید کشوری، عضو هیات علمی دانشگاه صنعتی امیرکبیر با تاکید بر اینکه محصول ساخته شده جایگزین پوست برای ترمیم بافت به کار برده میشود، گفت: «این محصول با همت دکتر شیوا اسبری از محققان دانشکده مهندسی پزشکی این دانشگاه و با استفاده از مواد طبیعی چون کلاژن،
اسید هیالورونیک و کیتوسان تولید شده است. این ماده موجب بهم پیوستن و پشتیبان بافت است؛ ضمن آنکه در کل بدن نیز وجود دارد.»وی با تاکید بر اینکه در این مطالعات موفق به طراحی سامانهای با الهام از الگوهای زیستی شدیم، خاطر نشان کرد: «برای ساخت این پوست مصنوعی در ابندا فیلم دو بعدی با استفاده از فرآیند لایهنشانی چرخشی عسل و کیتوسان و ارزن تهیه شد
و خواص مکانیکی، تخریبپذیری، نرخ نورم، نفوذ آب و ضد میکروبی آن آنالیز شد.»کشوری، تهیه فیلم 3 بعدی را گام دیگر این پروژه تحقیقات ذکر کرد و ادامه داد: فیلمهای 2 بعدی و 3 بعدی تهیه شده در فاز حیوانی بر روی موش و خرگوش مورد آزمایش قرار گرفت که نتایج به دست آمده حاکی از اثربخشی پوست تولید شده برای ترمیم بافت بوده است.
دکتراسبری، از محققان این طرح نیز با اشاره به نتایج به دست آمده از این تحقیقات، خاطرنشان کرد: «ترمیم زخم با پانسمانهای معمول 21 روز طول میکشد و بعد از ترمیم، اسکار روی بافت باقی میماند؛ ولی نتایج به دست آمده از این تحقیقات نشان داد که با استفاده از فیلمهای دو بعدی، پس از دو هفته و با استفاده از فیلم 3 بعدی پس از 12 روز زخم بهبود مییابد.
در مواردی که در ابتدا فیلم 2 بعدی بر روی زخم قرار داده و جذب بدن شد و بعد از آن فیلم 3 بعدی قرار داده شد، زخم پس از یک هفته بهبود یافت؛ بدون آنکه جای زخم بر روی بدن باقی بماند.»به گفته وی از آنجایی که ساختار بدن موش با انسان مشابهت دارد، نتایج این تحقیقات بر روی موش مطلوب تر بود.
منبع: دانشگاه صنعتی امیرکبیر
به گزارش انگجت، فناوری هوش مصنوعی فقط برای حل و فصل چالشهای بزر گ نیست، بلکه گاهی میتواند برای مقابله با مشکلات روزانه مانند ارتقای محصول یک مزرعه خیار به کار گرفته شود.
ماکاتو کویکه از فناوری یادگیری ماشین گوگل موسوم به "TensorFlow" برای ساخت یک دستگاه طبقهبندی خیار استفاده کرده تا زحمت والدین کشاورزش را کم کند.
این سیستم از یک رایانه تکبرد "رزبری پای 3" که به یک دوربین مجهز است، برای ثبت تصویر از گیاهان و ارسال آنها به یک شبکه کوچک عصبی TensorFlow استفاده میکند. پس از آن، این سیستم به ارسال تصاویر به یک شبکه بزرگتر روی سرور لینکوس پرداخته تا خیارها را بر اساس ویژگیهایی مانند رنگ، شکل و اندازه طبقهبندی کنند.
این سیستم در حال حاضر هنوز کامل و عالی محسوب نمیشود. کویکه برآورد کرده که آموزش این طبقهبندی به هوش مصنوعی حتی با وجود تصاویر دارای کیفیت بسیار کم، حدود دو تا سه روز طول بکشد. همچنین به نظر میرسد 7000 تصویری که کویکه برای آموزش این ربات استفاده کرده بود، کافی نبودند.
این سیستم در آزمایشات، دقتی در حدود 95 درصد را نشان دادند، اما دقت آن در جهان واقعی بیشتر از 75 درصد نخواهد بود. البته این فناوری میتواند در آینده اصلاح شده و به تجهیزات رباتیکی در مزرعه منجر شود که بسیاری از کارها را بدون نیاز به دخالت انسان انجام خواهند داد.
شرکت گوگل با راه اندازی یک مرکز تحقیقات تخصصی جدید در اروپا فعالیت خود را در حوزه هوش مصنوعی توسعه می دهد.
امانوئل موگنت که قرار است این گروه تحقیقاتی را هدایت کند گفت: بخش عمده این تلاش ها صرف آموزش عقلانیت به ماشین ها می شود. ما برای افزایش اعضای گروه، هیچ محدودیتی نداریم و فقط عامل محدود کننده ما، استعداد همکاران است.
به گفته وی آموزش ماشین ها اکنون به یکی از عملیات محرمانه گوگل در بسیاری از محصولات آن از جمله فیلترهای هرزنامه، ترجمه متن و محصولات جدیدی همچون دستیار مجازی گوگل و خودروهای بدون راننده، بدل شده است.
یک کودک چهار ساله با استفاده از قوه عقلانیت خود درباره دنیای پیرامون اطلاعات کسب می کند و بدین ترتیب بدون این که بزرگترها به او گفته باشند، می داند که برای مثال گاوها پرواز نمی کنند. هدف گوگل ایجاد یک بانک اطلاعاتی است که رایانه ها با استفاده از آن بدیهیات دنیای ما را درک کنند.
با توجه به این که کاربران موضوع موردنظر خود را به زبان طبیعی جستجو می کنند، گوگل همواره برای فهماندن زبان طبیعی به ماشین ها در تلاش بوده است اما در واقع موتور جستجوی گوگل فقط واژه های کلیدی را با متون مختلف تطبیق داده و نتایج را در اختیار کاربر گذاشته است.
به همین علت دومین هدف گوگل در این مرکز تحقیقاتی این است که امکان درک منظور کاربران را به طور واقعی برای ماشین ها فراهم کند.
در نهایت محققان این مرکز تلاش می کنند روش های یادگیری ماشین ها را به درستی درک کنند تا بتوانند هوش مصنوعی را در زمینه های مختلف به کار بگیرند.
بدین ترتیب قرار است مرکز تحقیقاتی زوریخ به بزرگترین مرکز تحقیقاتی گوگل در خارج از آمریکا بدل شود.
محققان کانادایی موفق به طراحی مفصل ران مصنوعی شده اند که نه تنها با مدل های گذشته تفاوت دارد بلکه استخوان های زنده را به سازگاری بیشتر و همینطور فعال بودن طولانی مدت وادار می کند.
، مهندسان مکانیک دانشگاه مک گیل کانادا موفق به طراحی مفصل ران مصنوعی شده اند که به خوبی می تواند جایگزین مفصل آسیب دیده شود. بنا به گزارشات منتشر شده، دامیانو پاسینی Damiano Pasini موفق به طراحی استخوان بنیادی شده که بسیار شبیه به ساختار استخوان های بدنی انسان است. این پیشرفت پزشکی در حالی است که مفصل هایی که در گذشته ساخته شده بودند، هیچ شباهتی به ساختار متخلخلی استخوان های انسانی نداشتند.
بزرگترین موفقیت این پروژه را باید در جایگزینی مناسب مفصل مصنوعی با مفصل اصلی شخص دانست زیرا مفصل های گذشته تا حدی سخت و انعطاف ناپذیر بودند که فرد با دریافت مفصل های مصنوعی فشاری را نیز بر استخوان های خود وارد می کرد که مفصل مصنوعی به سرعت ضعیف و ناتوان شده و از بین می رفت. در نتیجه، شخص دوباره به جراحی مفصل نیاز پیدا می کرد. اما در روش جدید و با استفاده از چاپ سه بعدی برای استخوان می توان امیدوار بود که نه تنها فشاری به استخوان ها وارد نمی شود بلکه مفصل مصنوعی استخوان ها را به فعالیت طولانی تری وادار می کند.
سرپرست این پروژه می گوید : « این ایمپلنت به دلیل شباهت هایی که به ساختار سلولی متخلخل دارد، استخوان های زنده را فریب می دهد تا شخص با تضعیف یا از بین رفتن مفصل مصنوعی در مرور زمان مواجه نشود.»
ساخت این مفصل مصنوعی در مدت ۳ تا ۵ سال آینده وارد دنیای جراحی های پزشکی خواهد شد تا بتواند جایگزین مناسبی برای جراحی های مفصل امروزی باشد.
خبرگزاری ایرنا: پزشکان چینی موفق به رشد گوش مصنوعی بر روی دست یک بیمار چینی برای پیوند شدند.
به گزارش دیلی میل، آقای جی، که مدتی پیش بر اثر تصادف گوش راست خود را از دست داده بود، علاوه بر گوش بخشی از صورت وی نیز دچار آسیب دیدگی شده بود و به همین دلیل تحت چند عمل جراحی پلاستیک برای ترمیم صورت قرار گرفت.
این گزارش با استناد به Huanqiu.com می افزاید: پزشکان امیدی به بازگشت گوش وی ازطریق جراحی پلاستیک نداشتند و تقریبا وی را نامید کردند. تا اینکه 'جی' با دکتر شوچ ژونو ملاقات کرد و دکتر تصمیم به انجام عمل در سه مرحله گرفت.
درمرحله اول یک لایه پوست بسط شده در زیر ساعد وی پیوند داد و درمرحله بعد آنها غضروف را از قسمت دنده شخص بیمار' جی' برداشته و در این مرحله مدل گوش او طراحی شد، غضروف طراحی شده روی دست راست بیمار کاشته شد.
مرحله سوم و در حقیقت مرحله آخر جراح پلاستیک گوش رشد کرده روی دست بیمار را به جای گوش قبلی پیوند خواهد زد.
به گفته ی پزشک این پیوند عضو حساس سخت ترین مرحله، مرحله دوم است که بایستی عضروف ها به درستی در ساعد بیمار جای بگیرند تا گوش مصنوعی بدون هیچ اشکالی در شکل و روند رشد تکمیل شود.
طبق برنامه پزشک این مرحله از پیوند حدود سه یا چهار ماه دیگر انجام می شود.
به تازگی برنامهای بر مبنای هوش مصنوعی طراحی شده است که میتواند نتیجهی رای نهایی دادگاه را پیشبینی کند.
دانشمندان عرصهی کامپیوتر توانستهاند تا با استفاده از هوش مصنوعی (AI) برنامهای طراحی کنند که بتواند نتیجهی حکم دادگاههای قضایی را پیشبینی کند. اطلاعات مربوط به ۶۰۰ پروندهی قضایی مربوط به دادگاه حقوق بشر اروپا (ECHR) به این برنامه داده شد تا بر پایهی آن آموزشهای لازم را ببیند. از این رو برنامه قادر بود که رای نهایی دادگاه را با دقت ۷۹ درصد پیشبینی کند. سازندگان در مورد این برنامه میگویند، این قابلیت را دارد که الگوهای رایج در دادگاهها را شناسایی کند. با این حال آنها باور ندارند که هوش مصنوعی بتواند به جای انسان بر مسند قضاوت بنشیند.
دکتر "نیکولاس آرتراس" سرپرست تیم تحقیقاتی این برنامه میگوید: "فکر نمی کنم که هنور برای ساخت یک هوش مصنوعی قضاوتکننده آماده یا حتی به آن نزدیک باشیم. هر چند که در حال حاضر دادگاهها از ابزارهای تحلیلی رایانهای زیادی استفاده میکنند اما به نظر من هوش مصنوعی هم میتواند در همین حدود کارآمد باشد."
طی مطالعهی منتشر شده در ژورنال PeerJ Computer Science، برنامهی هوش مصنوعی با تجزیه و تحلیل موارد قضایی ارایه شده به ECHR کار کرده است. این موارد شامل خلاصهای از استدلالهای حقوقی، خلاصهای از سوابق پرونده و کلیاتی از قوانین مربوطه بوده است.این موارد به سه رکن اصلی حقوق بشر یعنی منع شکنجه و رفتار تحقیرآمیز، حق برخورداری از محاکمهی عادلانه و حق احترام به حریم خصوصی و زندگی خانوادگی پرداخته است.
روش کار برنامهی AI به این شکل است که الگوها را بررسی کرده و بین دادهها و حکم نهایی دادگاه ارتباط برقرار میکند. برای مثال بر مبنای شواهد ارایه شده، مطابق با کنوانسیون حقوق بشر اروپا، در مورد یک پرونده اعلام نقض حقوق بشر میکند.
پژوهشگران دریافتند که قضاوت در دادگاه بیشتر وابسته به مستندات پرونده است تا این که بر پایه استدلالهای حقوقی باشد. به این معنا که قضاوت بیش از آن که یک امر تشریفاتی باشد، موضوعی واقع گرایانه است. ضمن این که قضاوت باید منصفانه باشند نه این که بر مبنای قوانین تعریف شده در یک اپلیکیشن صورت بگیرد.
آلتراس در ادامه گفت:"هدف ما کشف کردن الگوهای تصمیمگیری در دستگاه قضایی بود. از این رو ادعایی مبنی بر به کار بردن روشی خاص در صدور حکم نداریم." وی و همکار محققش در خصوص برنامهی AI می گویند که در اولویتبندی پروندهها میتواند مفید باشد. به عنوان مثال، پروندههای ناتمام زیادی وجود دارند که AI میتواند موارد برجستهی نقض حقوق و قوانین را در آنها پیدا کرده و آنها را به جریان بیاندازد. هر چند که امیدوار نیستیم که روزی کامپیوترها به جای انسان قضاوت کنند اما امید داریم که بتوانند در راستای قضاوتهای انسانیتر کارآمد واقع شوند.
بامداد – گروهی از دانشمندان و کارآفرینان از آغاز یک پروژه ۱۰ ساله با هدف ایجاد ژنوم مصنوعی انسان خبر دادند که میتواند حوزه فناوری زیستی را متحول کند. این طرح جاهطلبانه که با نگرانیهایی در زمینه اخلاق روبرو است میتواند پروش اندام انسان را برای پیوند ممکن ساخته و توسعه واکسنها را تسریع بخشد.
به گزارش بیگ بنگ به نقل از ایسنا، این ایده هماکنون به دلیل احتمال استفاده از آن در آینده برای تولید کودکان بدون والدین و پنهانکاری در مورد جسلهای که اخیرا پشت درهای بسته انجام شده بود، به شدت مورد انتقاد قرار دارد. طرفداران این طرح از آن تصور پروژهای در مقیاس مشابه پروژه ژنوم انسان دارند که در سال ۲۰۰۳ به نقشهبرداری کل ژنوم تعیین توالی شده انسان پرداخته بود.
این پروژه ملقب به پروژه نوشتن ژنوم انسان(HGP-write) است زیرا ساخت آن بیشتر از خوانش کد ژنتیکی به معنی نوشتن آن است. این پروژه قصد دارد هزینه مهندسی کردن قطعات دی.ان.ای را در آزمایشگاه کاهش دهد. جورج چرچ، استاد ژنتیک دانشکده پزشکی هاروارد و یکی از ۲۵ مولف این مقاله اظهار کرد: هدف جدید بسیار بلند پروازانهتر بوده و تمرکز بیشتری بر درک کاربردهای عملی در مقایسه با پروژه اصلی ژنوم انسان خواهد داشت.
پشتیبانان این پروژه ابراز امیدواری کردند که پس از جمعآوری ۱۰۰ میلیون دلار کمک مالی از منابع عمومی، خصوصی، بشردوستانه و دانشگاه در سراسر جهان بتوانند این پروژه را امسال راهاندازی کنند. آنها هیچ برآوردی در مورد کل هزینهها ارائه نکرده و تنها اظهار کردند که احتمالا کمتر از هزینه سه میلیارد دلاری پروژه ژنوم انسان خواهد بود.
ژنوم الگوی ژنتیکی هر موجود زنده است؛ مجموعه کاملی از دی.ان.ای که همه دستورالعملهای لازم برای بقا و رشد در آنها آمده است. تعیین توالی آن به رمزگشایی دقیق حدود سه میلیارد جفت پایه دی.ان.ای نیاز دارد که در ۳۰ هزار ژن قرار دارند. به گفته محققان، ژنوم مصنوعی یک فرمت منطقی از ابزار مهندسی ژنتیک است که برای ۴۰ سال گذشته بطور ایمن در صنعت فناوری زیستی مورد استفاده بوده و مزایای مهم اجتماعی را ارائه کرده است. جزئیات بیشتر این پژوهش در مجله ی science منتشر شده است.
منبع:سایت علمی بیگ بنگ
نوشته شروع پروژه ای ۱۰ ساله به نام ژنوم مصنوعی انسان اولین بار در بامداد پدیدار شد.
خبرها حاکی از آن است که سامسونگ در حال کار روی دستیار دیجیتال مبتنی بر هوش مصنوعی برای گوشی گلکسی اس 8 است.
در پی انتشار خبرهایی که برخی از مشخصات سختافزاری گلکسی اس 8 سامسونگ را آشکار میکرد، امروز خبرگزاری رویترز تایید کرد که گوشی یاد شده به همراه یک دستیار دیجیتال جدید مبتنی بر هوش مصنوعی عرضه خواهد شد.
همان طور که پیش از این نیز پیشبینی میشد، دستیار دیجیتال جدید سامسونگ، بر اساس Viv، دستیاری که ماه گذشته تصاحب کرد، توسعه داده شده، اما نکتهی جالب این است که یکی از موسسان Viv Labs، از خالقان اصلی سیری، دستیار اپل است.
براساس گزارش رویترز، دستیار دیجیتال اس 8، برای توسعهدهندگان در دسترس خواهد بود، بدین ترتیب آنها قادر خواهند بود تا قابلیتهای تعاملی جدیدی را به سرویسها و اپلیکیشنهای خود اضافه کنند. یکی از مدیران اجرایی سامسونگ در ارتباط با دستیار دیجیتالی جدید این شرکت میگوید: «توسعهدهندگان میتوانند سرویسهای خود را به دستیار ما اضافه کنند.»
به گزارش رویترز، سرویسهای دستیار صوتی، به دستگاههای دیگر سامسونگ نظیر ابزارهای پوشیدنی و لوازم خانگی نیز اضافه خواهند شد.
البته سامسونگ هماکنون نیز دستیار S Voice را به همراه گوشیهای هوشمند خود ارائه میدهد، اما دستیار یاد شده، قادر به رقابت با سیری، دستیار گوگل یا کورتانا نیست. اما دستیار جدید که گفته میشود، Bixby نام دارد، احتمالا کاربری بیشتری خواهد داشت.
پس از ناکامی سامسونگ در عرضهی گلکسی نوت 7 و مشکلاتی که گوشی یاد شده برای این شرکت به بار آورد، یقینا سامسونگ برای جلب توجه کاربران، به گوشی بالاردهی دیگری نیاز دارد. گلکسی اس 7 محصول بسیار موفقی بود، اما اینکه گلکسی اس 8 همان محصولی خواهد بود که مجددا سامسونگ را به رقابت بازمیگرداند یا خیر، هنوز مشخص نیست.
در کنار دستیار دیجیتال جدید، گفته میشود که گلکسی اس 8، از طراحی منحصربفرد با حاشیههای باریک و دوربین بهبود یافته بهره خواهد برد. این گوشی احتمالا در ماه فوریه یا مارس ۲۰۱۷ رونمایی شده و مدت کوتاهی پس از آن عرضه خواهد شد.
نظر شما در خصوص گلکسی اس 8 چیست؟ آیا سامسونگ مجددا قادر به جلب اعتماد کاربران خواهد شد؟
ترس ایلان ماسک از هوش مصنوعی موضوع جدیدی نیست. مدیرعامل نابغهی تسلا و اسپیس ایکس که خیلیها او را نسخهی واقعی مرد آهنی میدانند، تا به حال بارها نسبت خطرات احتمالی هوش مصنوعی هشدار داده است.
در جدیدترین این اظهارات، ماسک با اشاره به اختلالات اخیر به وجود آمده در اینترنت بر اثر حمله به شرکت Dyn، با به اشتراک گذاشتن مطلبی از اکونومیست در حساب توییتر خود نوشته است:
در استفاده از هوش مصنوعی پیشرفته برای چنین حملاتی، تنها بحث زمان مطرح است. اینترنت بطور خاص نسبت به الگوریتمهای گرادیان نزولی (gradient descent) آسیب پذیر است.
این اولین باری نیست که ماسک پیشبینیهای تاریکی از آیندهی هوش مصنوعی انجام میدهد. او پیش از این روباتهای فوق هوشمند را از سلاحهای اتمی خطرناکتر توصیف کرده بود و با کمک ۱۰ میلیون دلاری به بنیاد «آیندهی حیات» (Future of Life، سازمانی که ماموریت دارد تا مطمئن شود هوش مصنوعی در آینده بر علیه انسان قیام نکند) جدی بودن خود در کنترل هوش مصنوعی را نشان داده بود.
نکتهی جالب توجه دیگر، رد و بدل شدن توییتهای حاوی اصطلاحات تخصصی بین ایلان ماسک و دیگر کاربران توییتر است؛ توییتهایی که به دلیل پیچیدگی، تعجب بسیاری از کاربران را برانگیخته است. برای مثال کاربری در جواب توییت ایلان ماسک نوشته است:
مخالفم. الگوریتم گرادیان نزولی در مسائل [تئوری] گراف در مینیمم نسبی (موضعی) گیر میکند. برای این کار به ANNs (شبکههای عصبی) دینامیکِ چند عاملی نیاز است.
ماسک نیز در جواب گفته است:
حتماً [در صورت استفاده از هوش مصنوعی] میلیونها عامل (agent) وجود خواهند داشت که به صورت همزمان روی شبیه سازی مونته کارلو کار کنند و با تجمیع نتایج، نقشهای از نقاط ضعف بسازند.
آمادگی ماسک برای بحث در این سطح فنی نشان میدهد که نگرانیاش بی پایه و اساس نیست و میداند که دقیقاً دربارهی چه چیزی صحبت میکند.
ماسک تنها شخصیت مشهور دنیای تکنولوژی نیست که در مورد هوش مصنوعی احساس نگرانی میکند. پیش از این استیون هاوکینگ و استیو وزنیاک نیز نگرانی خود نسبت به خطرات احتمالی هوش مصنوعی را ابراز کرده بودند.
نظر شما دربارهی آیندهی هوش مصنوعی چیست؟ آیا این دستاورد بزرگ تکنولوژیک قرار است به یاری انسان بیاید یا در نهایت نسل بشر را منقرض خواهد کرد؟ نظرات خود را با ما و کاربران زومیت در میان بگذارید.
وب سایت سایبربان: گروهی از دانشمندان آمریکایی نوع جدیدی از شبکههای عصبی را ارائه دادند که میتوانند دلیل تصمیم گرفته شده توسط خود را شرح دهند.
به شبکههای عصبی، ذهن مجازی نیز گفته میشود؛ زیرا آنها از ساختار مغز تقلید میکنند. این شبکهها از تعداد زیادی گرههای پردازشی-مشابه شبکهی نورونها در بدن انسان- که به یکدیگر متصل بوده و هر یک وظیفهی بسیار سادهای را انجام میدهند تشکیل شده است. به عنوان مثال در یک فرآیند یادگیری عمیق، دادههای آموزشی به گرههای ورودی ارسال میشوند. سپس این دادهها به دیگر گرهها نیز وارد شده و محتویات آنها را تغییر میدهند و این روند ادامه پیدا میکند.
در نهایت این دادهها به گرههای خروجی رسیده و با توجه به آموزشهایی که شبکه دیده است، دستهبندی میشوند. به عنوان مثالی از این روند میتوان به دستهبندی تصاویر و مقالات توسط هوش مصنوعی اشاره کرد.
در طول آموزش یک شبکهی عصبی فرضی، گرههای موجود در آن به صورت پیوسته و جداگانه آموزش دیده و برای ایجاد نتیجهای بهتر، تغییر میکنند. دانشمندان رایانهای که این شبکه را ایجاد کردهاند بعد از پایان آموزش، خودشان نیز نمیدانند تنظیمات درون هر گره چیست. حتی اگر آنها بتوانند تنظیمات را تشخیص دهند، ترجمهی آن به یکزبان سطح پایین کاملاً قابلفهم بسیار سخت است.
شبکهی عصبی هوشهای مصنوعی تولید شده در سالهای اخیر که برای طبقهبندی اطلاعات ایجاد شدهاند به مرور زمان و با یادگیری از دادههای ورودی پیشرفت میکنند. به عنوان مثال ممکن است از آنها برای شناسایی اشیا خاص یا بررسی متون موجود در تصویر استفاده شود. به اعتقاد بسیاری از محققان؛ شبکههای عصبی مانند جعبههایی هستند که محتویات آن مشخص نیست. برای نمونه میتوان به این موضوع اشاره کرد که یک شبکه بعد از آموزش دیدن بهخوبی دادهها را طبقهبندی میکنند؛ اما حتی سازندهی الگوریتم این شبکه نیز دلیل این نوع طبقهبندی را نمیداند.
در بعضی مواقع میتوان تشخیص داد که یک شبکهی عصبی به چه نوع ویژگی بصری پاسخ داده و آن را بررسی کرده است؛ اما این موضوع در مورد بررسی متون بسیار مشکلتر است.
پژوهشگران آزمایشگاه هوش مصنوعی و علوم رایانه دانشگاه ام. آی. تی1 (CSAIL)، روش جدیدی را برای آموزش شبکههای عصبی در «اجلاس زبانشناسی رایانهای به صورت تجربی در پردازش زبان طبیعی2» (ACL) ارائه دادند که نه تنها میتواند اطلاعات را طبقهبندی کند؛ بلکه دلیل تصمیمگیریهای خود را نیز توضیح میدهد.
متخصصین دانشگاه ام. آی. تی گفتند: «بعضی اوقات در دنیای واقعی مردم دوست دارند، دلیل تصمیم گرفته شده توسط مدلها را متوجه شوند. یکی از دلایلی که پزشکان به الگوریتمهای یادگیری ماشینی در تشخیص بیماریها اعتماد ندارند نیز همین موضوع است.»
متخصصین ادامه دادند: «مشکل مذکور تنها در زمینهی پزشکی وجود ندارد؛ بلکه میتوان آن را در تمام زمینههایی که هزینهی پیشبینی اشتباه بسیار بالا است و باید برای هر کاری دلیلی موجهی وجود داشته باشد، مشاهده کرد.»
آنها افزودند: «جنبههای بسیار گستردهتری را میتوان در این زمینه مشاهده کرد. شما احتمالاً تنها نمیخواهید صحت پیشبینی انجام شده را تأیید کنید؛ بلکه احتمالاً میخواهید، بعضی مواقع در روشهای بررسیهای صورت گرفته نیز اعمال نفوذ کنید. چگونه افراد غیرمتخصص با مدلهای پیچیده که هیچچیز از الگوریتم آنها نمی دانند ارتباط برقرار میکنند؟ مدلها ممکن است بتوانند منطق پشت تصمیمگیریهای خود را برای شما بازگو کنند و با کمک همین موضوع روش ارتباطی جدیدی با مدلها ایجاد بشود.»
پژوهشگران در زمان ارائهی طرح خود روی شبکههای عصبی آموزش دیده برای دادههای متنی تمرکز کرده بودند. آنها برای تصمیمگیریهای شبکهی عصبی خود آن را به دو ماژول جداگانه تقسیم کردند. ماژول اول بخشهایی از متن را از دادههای آموزشی جدا کرده و سپس با توجه به طول قطعهی جدا شده و وابستگی آن به بخشهای دیگر جمله به آن امتیاز میدهد.
این ماژول هر چه طول کلمه کوتاهتر باشد، امتیاز بیشتری را برای آن در نظر میگیرد. سپس قطعه عبارات جدا شده به ماژول دوم فرستاده میشود تا از آن برای پیشبینی و طبقهبندی اطلاعات استفاده میکند. هر دو ماژول به صورت همزمان و باهدف افزایش امتیاز کسب شده در بخشهای جداسازی و طبقهبندی اطلاعات، آموزش میبینند.
_______________________________
1- MIT’s Computer Science and Artificial Intelligence Laboratory
2- Association for Computational Linguistics’ Conference on Empirical Methods in Natural Language Processing/Association for Computational Linguistics