راز بزرگ آینده هوش مصنوعی در مغز انسان است؛ «قدیمیترین معماری محاسباتی» هنوز بهترین است
هوش مصنوعی قرار نیست لزوماً جای انسان را بگیرد؛ اما فناوری جدید یک درس مهم از قدیمیترین سیستم محاسباتی جهان گرفته است: مغز انسان. معماریای که میلیونها سال تکامل یافته، با تنها حدود ۲۰ وات انرژی یاد میگیرد، پیشبینی میکند، خاطرات را ذخیره و فراموش میکند و از اشتباهات خود درس میگیرد؛ قابلیتی که مهندسان اکنون تلاش میکنند آن را در نسل جدید عاملهای هوشمند بازسازی کنند.
وقتی از هوش مصنوعی صحبت میشود، یکی از نخستین نگرانیها این است که آیا این فناوری شغل انسانها را از بین خواهد برد؟ «ورنر ووگلز»، مدیر ارشد فناوری آمازون، پاسخ صریحی دارد: شاید.
اما اگر سؤال را اینگونه مطرح کنیم که «آیا هوش مصنوعی انسان را منسوخ خواهد کرد؟»، پاسخ او متفاوت است: نه، به شرط آنکه انسان بتواند خود را با فناوری جدید تکامل دهد.
ووگلز در یادداشتی در وبسایت «All Things Distributed» استدلال میکند که هوش مصنوعی، با وجود پیشرفتهای چشمگیر، همچنان یک ابزار است و سرنوشت انسان بیش از آنکه به خود فناوری وابسته باشد، به توانایی او برای سازگار شدن با ابزارهای جدید بستگی دارد.
وقتی مغز انسان از قدرتمندترین تراشهها جلو میزند
ووگلز در جریان بررسی نسل جدید عاملهای هوش مصنوعی، به موضوعی رسید که توجه او را به خود جلب کرد: حافظه.
او توضیح میدهد که در پروژه Kiro Crew، مجموعهای از عاملهای هوش مصنوعی میتوانند وظایفی مانند انجام تحقیقات، نظارت بر برنامه زمانی، مدیریت کارهای زمانبندیشده و آمادهسازی جلسات را انجام دهند.
اما نکته مهمتر این است که این عاملها چگونه از تجربیات گذشته خود استفاده میکنند؛ چه چیزهایی را به خاطر میسپارند، چه چیزهایی را کنار میگذارند و چگونه از تعاملات قبلی برای عملکرد بهتر در آینده استفاده میکنند.
این موضوع ووگلز را به سمت مقایسه هوش مصنوعی با مغز انسان سوق داده است.
او در سال ۲۰۲۳ از شرکت زیستفناوری Cortical Labs در استرالیا بازدید کرده بود؛ شرکتی که سلولهای عصبی انسانی رشدیافته در آزمایشگاه را روی تراشههای سیلیکونی قرار میدهد تا از شبکههای زنده نورونی برای پردازش اطلاعات استفاده کند.
در این آزمایشها، شبکهای از نورونهای زنده توانسته بود بازی Pong را یاد بگیرد.
تفاوت در میزان انرژی مصرفی، چشمگیر است: طبق توضیح ووگلز، یک GPU قدرتمند میتواند حدود ۷۰۰ وات انرژی مصرف کند و برای یادگیری بازی به صدها هزار مرحله آموزشی نیاز داشته باشد؛ در حالی که مغز انسان حدود ۲۰ وات انرژی مصرف میکند و میتواند همین کار را تنها پس از چند تلاش یاد بگیرد.
مغز چگونه حافظه را مدیریت میکند؟
ووگلز برای درک بهتر این سازوکار به تحقیقات جف هاوکینز، دانشمند علوم اعصاب و خالق PalmPilot، اشاره میکند.
هاوکینز در کتاب A Thousand Brains: A New Theory of Intelligence مطرح میکند که مغز دانش را میان هزاران ستون قشری توزیع میکند و هر یک از این ستونها بر اساس تجربه حسی، مدل خاص خود را میسازد.
این سیستم دائماً در حال پیشبینی چیزی است که قرار است تجربه کند و هنگامی که پیشبینی اشتباه باشد، خود را اصلاح میکند.
حافظه نیز صرفاً با ذخیره دائمی اطلاعات شکل نمیگیرد. بخشی از فرایند تثبیت خاطرات در پسزمینه و هنگام خواب انجام میشود؛ تجربههای خام به دانش ساختاریافته و بلندمدت تبدیل میشوند.
آنچه مرتب تکرار میشود تقویت میشود و اطلاعاتی که دیگر مورد استفاده قرار نمیگیرند، بهتدریج تضعیف میشوند.
«قدیمیترین معماری در محاسبات»
ووگلز از این مجموعه ویژگیها به یک نتیجه جالب میرسد: مغز انسان را میتوان قدیمیترین معماری محاسباتی دانست.
به گفته او، این معماری از معماری فون نویمان، چرتکه، ریاضیات و حتی زبان قدیمیتر است و صدها میلیون سال تکامل، سازوکارهایی مانند حافظه ساختاریافته، تثبیت اطلاعات در پسزمینه، فراموشی تدریجی، پیشبینی و یادگیری از خطاها را شکل داده است.
همه این فرایندها نیز با مصرف انرژی بسیار کمتری نسبت به بسیاری از روشهای امروزی پردازش در سیلیکون انجام میشوند.
عاملهای هوشمند در حال تقلید از مغز هستند
ووگلز میگوید تجربه کار با Kiro Crew نمونهای عملی از پیادهسازی برخی از همین اصول در نرمافزار است.
در این سیستم، انواع مختلفی از حافظه در کنار یکدیگر مورد استفاده قرار میگیرند؛ از فایلهای Markdown گرفته تا پایگاه داده برداری محلی و یک نمایه کلید-مقدار.
برخی خاطرات نیز بهمرور اهمیت خود را از دست میدهند. خاطرات جدید با جزئیات بیشتری حفظ میشوند، اطلاعات قدیمیتر فشرده میشوند و موارد کماهمیت در نهایت کنار گذاشته میشوند.
این فرایند به اعتقاد ووگلز ضروری است؛ زیرا سیستمی که همه تجربیات خود را بدون فراموش کردن ذخیره کند، در نهایت ممکن است زمان بیشتری را صرف جستوجو و مرتب کردن اطلاعات قدیمی کند تا انجام کار مفید.
گام بعدی: اعتماد به عاملهای هوش مصنوعی
حافظه فقط برای یادآوری گذشته اهمیت ندارد؛ بلکه میتواند زمینهساز خودمختاری قابل اعتماد عاملهای هوش مصنوعی نیز باشد.
عاملهای Kiro Crew میتوانند بهصورت شبانهروزی و از راه دور فعالیت کنند، با یکدیگر تعامل داشته باشند، وظایف را هماهنگ کنند و حتی بر اساس الگوهایی که در کاربر مشاهده میکنند، مهارتهای قابل استفاده مجدد ایجاد کنند.
به گفته ووگلز، وقتی یک عامل هوشمند بتواند قوانین، ترجیحات و شیوه کار کاربر را یاد بگیرد و به خاطر بسپارد، زمینه برای واگذاری بخش بیشتری از کارها به آن فراهم میشود.
با این حال، او تأکید میکند که همچنان عملکرد عاملها و ابزارهایی را که استفاده میکنند بررسی میکند.
آینده هوش مصنوعی شاید در گذشته پنهان شده باشد
نتیجهگیری ووگلز ساده اما قابل تأمل است: قدیمیترین معماری محاسباتی جهان همچنان میتواند بهترین معماری برای ساخت ابزارهای آینده باشد.
از نگاه او، مهندسانی که در حال ساخت نسل بعدی ابزارهای هوش مصنوعی هستند، اگر زمان بیشتری را صرف درک سازوکار مغز انسان کنند، ممکن است به مهمترین پیشرفتهای این حوزه دست پیدا کنند.
شاید آینده هوش مصنوعی نه در ساخت سیستمهایی کاملاً متفاوت از انسان، بلکه در یادگیری از معماریای باشد که طبیعت طی صدها میلیون سال تکامل داده است.
منبع: All Things Distributed
