پژوهشگران در حال ساخت نوعی مغز مصنوعی برای همه هستند

تصور کنید که تازه به شهری جدید سفر کرده اید و به همین خاطر هنوز اطلاعات کاملی در مورد رستوران های آن منطقه ندارید، اما با استفاده از نوعی تکنولوژی جدید امکانی برای شما فراهم شود که دقیقا بدانید به چه رستوران هایی بروید یا کدام فیلم ها را ببینید.

حالا به لطف تلاش گروهی از پژوهشگران حوزه عصب شناسی این امکان فراهم گردیده؛ تکنولوژی ارائه شده توسط این پژوهشگران دربرگیرنده الگوریتم خاصی است که به شما می گوید کدام رستوران یا مستند را دوست خواهید داشت.

اگر عاشق غذاهای مکزیکی باشید و «از محیط هایی با جو صمیمی خوشتان می آید» الگوریتم رستوران هایی با این ویژگی را به شما معرفی می کند و چنانچه «علاقه به فیلم های درام دارید»، عناوینی با این مضمون به شما پیشنهاد می شوند.

در ادامه این مطلب با دیجیاتو همراه باشید.

شرکت ارائه کننده این الگوریتم Nara Logics نام دارد که این ایده هم حاصل تراوش های فکری ناتان ویلسون مدیر ارشد فناوری و یکی از بنیانگذاران این شرکت است که پیشتر به عنوان محقق با دانشگاه MIT همکاری می کرد و دارای مدرک دکتری در رشته مغز و علوم یادگیری است.

ویلسون دوران تحصیل و نخستین سال های کاری خود را صرف تحقیق در رابطه با شبکه های عصبی کرد؛ نرم افزاری که نحوه فکر کردن مغز انسان را تقلید می کند و ارتباطات لازم را میان مکانیزم های رفتاری مغز تشخیص می دهد.

پلتفرم مغز گونه شرکت Nara Logics که ظرف 5 سال گذشته در دست توسعه بوده است محصول تفکرات چندین ساله اوست.

این شرکت که در ماساچوست واقع شده نامدارانی از حوزه علوم عصب شناسی را در خود دارد که از آن جمله می توان به Sebastian Seung از پرینستون، Mriganka Sur از MIT و Emily Hueske از مرکز مغز و علم هاروارد اشاره نمود.

سوالی که در اینجا مطرح می شود این است که نتیجه این همه تحقیقات تیم یاد شده برای دنیای فناوری چیست و در جایی که غول های دنیای تکنولوژی از قبیل گوگل، فیسبوک، مایکروسافت و بیدو پیشتر تیم هایی را برای پیشرفت در حوزه هوش مصنوعی تشکیل داده اند، تحقیقات تیم کوچکی مانند این چه اثراتی خواهد داشت؟

همه این شرکت ها آنطور که در جریانید از هوش مصنوعی برای تقویت سرویس های آنلاین خود (از ترجمه همزمان گرفته تا تشخیص عکس) بهره می گیرند. اما آنطور که ویلسون می گوید تلاش های داخلی این کمپانی ها خلا بزرگی را ایجاد می کند و آن، همه مردم و شرکت هایی هستند که می توانند از مزایای دسترسی به یک مغز مصنوعی بهره مند گردند اما خودشان قادر به ساختن آن نیستند.

او در ادامه می گوید: ما در حال ساخت محصولی هستیم که برای استفاده در خارج از آزمایشگاه ها طراحی شده. در واقع Nara همان هوش مصنوعی برای مردم است.

مشکلاتی که ارزش حل کردن را دارند

اما تنها ویلسون نیست که چنین دیدگاهی در رابطه با هوش مصنوعی دارد و لیست شرکت هایی که تلاش داشته اند سطح بالایی از این دانش را در اختیار طیف گسترده تری از مردم دنیا قرار دهند مرتبا طولانی تر می شود.

اما تا به امروز بسیاری از این شرکت ها توسط غول های بزرگ فناوری خریداری شده اند، در واقع اینطور به نظر می رسد که علت اصلی قرار داشتن این شرکت در صدر جدول برترین های صنعت هوش مصنوعی هم خریده شدنشان توسط کمپانی های بزرگ باشد.

بگذارید به بحث اصلی مان باز گردیم، ظاهرا Nara توانمندی هایی را از خود به نمایش می گذارد که مورد توجه کاربران قرار می گیرد. برای دریافت پیشنهادات این سرویس می توانید به سایت Nara.me مراجعه نمایید تا از توصیه های آن برای انتخاب فیلم، رستوران، هتل و بسیاری موارد دیگر بر حسب علایق تان باخبر شوید.

علاوه بر این، تعدادی فیلتر هم در این سایت در نظر گرفته شده است و می توانید به نرم افزار بگویید که در هر زمان، چه حال و هوایی دارید (مثلا هوس غذای چینی را کرده اید) تا بر اساس آن پیشنهاداتش را به شما تغییر دهد.

پس از آنکه تعدادی از علایق خود را با Nara در میان گذاشتید می تواند ذائقه شما را بفهمد و آن را روی کل سیستم در نظر بگیرد. برای مثال فرض کنید که از شهری به شهر دیگر می روید. کافی است که تعدادی از رستوران های مورد علاقه خود را برای آن نام ببرید تا برنامه موارد مشابه به آنها را در شهر خودتان شناسایی کرده و به شما یشنهاد بدهد.

علاوه بر این، یک اپلیکیشن موبایلی هم وجود دارد که می تواند موقعیت شما را تشخیص داده و پیشنهادات نزدیک به آن را به شما ارائه نماید.

اما Nara می گوید که هدف از این کار ارائه یک محصول کاملِ مشتری پسند نیست. ویلسون و تیمش قصد دارند که با ایجاد این سیستم روی بهبود تجربه هوش مصنوعی تمرکز نمایند نه جلب تعداد بیشتر کاربران.

البته شرکت هایی هستند که روی جذب تعداد بیشتر کاربران تاکید داشته باشند اما به اعتقاد Nara مشکل شرکت هایی ارزش حل کردن دارد که نسبت به بقیه سابقه دارتر هستند.

به همین منظور Nara راهکارهای خاصی را برای شرکت های مختلف در صنایع گوناگون تهیه می کند.

این استارتاپ اعلام کرده نمی تواند نام شرکت هایی که با آنها کار می کند را فاش کند اما جانا اگرز مدیرعامل این شرکت که زمانی ریاست آزمایشگاه نوآوری Intuit را بر عهده داشت می گوید Nara اخیرا قراردادی را با یک بانک به امضا رسانده تا از فناوری آن برای سرویس های خود از قبیل ارزیابی موافقت های صورت گرفته با پرداخت وام که بر اساس سوابق مالی فرد متقاضی صورت می گیرد و تحلیل آنی نقل و انتقال پول توسط افراد برای بررسی موارد غیر قانونی استفاده کند.

Nara همچنین دارای یک شرکت ارائه دهنده خدمات بهداشتی درمانی است که براساس سوابق پزشکی افراد و همچنین مهارت ها و سوابق تحصیلی پزشکان، آنها را با یکدیگر مطابقت می دهد.

اگرز در ادامه می گوید که این الگوریتم در حال حاضر برای بهینه سازی سیستم صندلی های یک خط هوایی مورد استفاده قرار می گیرد تا از این طریق صندلی های خالی در اختیار مسافرانی قرار داده  شود که تجربه خوبی از موقعیت فعلی شان در پروازهای قبلی نداشته اند.

فناوری فکر شده

نکته کلیدی در رابطه با فناوری Nara شخصی سازی است. به گفته ویلسون، نارا نوعی سیستم تشخیص دهنده همخوانی است که موارد مختلف در دیتابیس ها (از افراد گرفته تا اماکن، مفاهیم انتزاعی و شرکت ها) را تشخیص داده و نوعی نمودار علمی از آنها تهیه می کند که ارتباطات قوی میان این اطلاعات در آن به نمایش در آمده است.

به گفته ویلسون، نارا این نمودار را در اختیار کاربران قرار می دهد تا از این طریق پیشنهادات شخصی شده خود را در اختیار آنها قرار دهد.

نارا حتی با در اختیار داشتن اطلاعات اندک در مورد کاربر، سایر مواردی که ممکن است مورد پسند او قرار بگیرد را مشخص می کند و در نهایت می توان از اطلاعات آن برای بهبود دیتابیس های عمومی استفاده نمود.

ریچارد ساشر یکی از پژوهشگرانی که پیشتر در زمینه پردازش زبان طبیعی در دانشگاه استنفورد تحقیق می کرد و حالا در سمت مدیریت ارشد فناوری هوش مصنوعی در استارتاپ MataMind کار می کند در این رابطه می گوید: براساس تحقیقات این رویکرد در قبال هوش مصنوعی عملکرد خوبی را در موتورهای پیشنهاد دهنده از خود به نمایش می گذارد.

در روش های سنتی، صرفا احتمالات و تاریخچه فرد در نظر گرفته می شود. برای مثال اگر سه نفر محصول A رادوست داشته باشند و دو نفر از آنها محصول B را هم دوست داشته باشند شانس آنکه نفر سوم هم محصول B را دوست داشته باشد بسیار بالاست. رویکرد نارا می تواند ارتباطات محکم تری را میان اطلاعات مختلف تشخیص دهد و به سادگی از اطلاعات خارجی دیگر برای این منظور استفاده کند.

ساشر می گوید: نارا می تواند سرویس خوبی برای دیگر شرکت هایی باشد که نمی توانند سیستم پیش بینی مختص به خود را بسازند.

در عین حال، علیرغم تلاش هایی که در شرکت های بزرگ تر و ثروتمندتر برای بهبود هوش مصنوعی صورت می گیرد، ویلسون و تیم همراهش هیچگونه نگرانی به خاطر حضور در این رقابت به دل خود راه نمی دهند.