Ai-Magazine

اشتراک گذاشته شده با :

هوشیو

چرا هوش مصنوعی نمی تواند مشکلات ناشناخته را حل کند


algorithms are not enough

طبق شواهد هوش مصنوعی ، چه زمانی آن را به صورت عمومی خواهیم داشت ، نوعی هوش مصنوعی که بتواند از همه نظر ذهن انسان را تقلید کند؟ کارشناسان در مورد این موضوع اختلاف نظر دارند ، و پاسخ ها بین چند دهه و هرگز متفاوت است.

اما آنچه همه در آن اتفاق نظر دارند این است که سیستم های AI فعلی فاصله زیادی با هوش انسان دارند. انسان ها می توانند جهان را کشف کنند ، مشکلات حل نشده را کشف کنند و به راه حل های خود بیندیشند. در همین حال ، جعبه ابزار AI با الگوریتم هایی که می توانند کارهای خاصی را انجام دهند اما نمی توانند توانایی های آنها را فراتر از دامنه های محدود خود تعمیم دهند ، به رشد خود ادامه می دهند. ما برنامه هایی داریم که می توانند قهرمانان جهان را در StarCraft شکست دهند اما نمی توانند بازی کمی متفاوت را در سطح آماتور انجام دهند. ما شبکه های عصبی مصنوعی داریم که می تواند نشانه های سرطان پستان را در ماموگرافی پیدا کند اما نمی تواند تفاوت بین گربه و سگ را تشخیص دهد. و ما مدلهای زبانی پیچیده ای داریم که می تواند هزاران مقاله به ظاهر منسجم را در هر ساعت چرخاند اما وقتی از آنها س questionsالات منطقی ساده در مورد جهان می پرسید شروع به شکستن می کند.

به طور خلاصه ، هر یک از تکنیک های هوش مصنوعی ما می تواند برخی از جنبه های آنچه در مورد هوش انسان می دانیم را تکرار کند. اما جمع آوری همه اینها و پر کردن خلاs یک چالش اساسی است. هربرت رویتبلات ، دانشمند داده ، در کتاب خود الگوریتم ها کافی نیست ، بررسی عمیقی از شاخه های مختلف هوش مصنوعی را ارائه می دهد و توضیح می دهد که چرا هر یک از آنها از رویای ایجاد هوش عمومی کوتاه می مانند.

Roitblat بحث می کند ، نقص مشترک در تمام الگوریتم های AI نیاز به نمایش های از پیش تعریف شده است. هنگامی که مشکلی را کشف کردیم و توانستیم آن را به روشی قابل محاسبه نشان دهیم ، می توان الگوریتم های هوش مصنوعی ایجاد کرد که می توانند آن را حل کنند ، اغلب با کارآیی بیشتر از خود ما. با این حال ، این مشکلات کشف نشده و غیرقابل نمایشی هستند که همچنان از گریز ما هستند.

در طول تاریخ هوش مصنوعی ، دانشمندان به طور منظم روش های جدیدی را برای استفاده از پیشرفت در رایانه ها برای حل مشکلات از راه های هوشمندانه اختراع کرده اند. دهه های اولیه هوش مصنوعی بر سیستم های نمادین تمرکز داشت.

این شاخه هوش مصنوعی فرض می کند که تفکر انسان بر اساس دستکاری نمادها است و هر سیستمی که بتواند نمادها را محاسبه کند هوشمند است. هوش مصنوعی نمادین ، توسعه دهندگان انسانی را ملزم می کند تا قوانین ، حقایق و ساختارهایی را که رفتار یک برنامه رایانه ای را تعریف می کنند ، به طور دقیق بیان کنند. سیستم های نمادین می توانند عملکردهای چشمگیری مانند به خاطر سپردن اطلاعات ، محاسبه فرمول های پیچیده ریاضی با سرعت فوق العاده سریع و تقلید از تصمیم گیری متخصص را انجام دهند. زبانهای برنامه نویسی محبوب و اکثر برنامه هایی که ما هر روز استفاده می کنیم ریشه در کارهایی دارند که روی AI نمادین انجام شده است.

هوش مصنوعی اکنون می تواند طی چند روز آنتی بیوتیک های جدیدی را طراحی کند

لامسه در ربات ها

طبق اخبار هوش مصنوعی ، تصور کنید شما دانشمندی هستید که برای مقابله با یک بیماری ترسناک نیاز به کشف یک آنتی بیوتیک جدید دارد. چگونه می خواهید آن را پیدا کنید؟

به طور معمول ، مجبورید مقدار زیادی مولکول مختلف را در آزمایشگاه آزمایش کنید تا زمانی که مولکولی پیدا کنید که دارای خواص لازم برای از بین بردن باکتری باشد. ممکن است برخی از مدعیان را پیدا کنید که در از بین بردن باکتری ها مهارت دارند فقط بدانند که نمی توانید از آنها استفاده کنید زیرا برای انسان نیز سمی است. این یک روند بسیار طولانی ، بسیار گران قیمت و احتمالاً بسیار تشدید کننده است.

اما اگر در عوض ، فقط می توانید خصوصیاتی را که به دنبال آن می گردید در رایانه خود تایپ کنید و از رایانه خود بخواهید که مولکول مناسبی را برای شما طراحی کند ، چه می کنید؟

این رویکرد کلی محققان IBM است که با استفاده از یک سیستم AI که می تواند به طور خودکار طراحی مولکول های آنتی بیوتیک جدید را ایجاد کند. در مقاله جدید ، منتشر شده در Nature Biomedical Engineering ، محققان جزئیات نحوه استفاده از آنها را برای طراحی سریع دو پپتید ضد میکروبی جدید - مولکول های کوچکی که می توانند باکتری ها را از بین ببرند - که در برابر یک دسته از عوامل مختلف بیماری زایی در موش ها موثرند ، مورد استفاده قرار داده اند.

هفته ای دو بار ، بهترین ایده ها و راه حل ها را برای مقابله با بزرگترین چالش های جهان - و چگونگی بهتر شدن در انجام کار خوب - برای شما ارسال می کنیم. اینجا ثبت نام کنید.

به طور معمول ، این فرآیند کشف مولکول سالها دانشمندان به طول می انجامد. سیستم هوش مصنوعی ظرف چند روز این کار را انجام داد.

این خبر خوبی است ، زیرا ما به فوریت به روش های سریعتر برای ایجاد آنتی بیوتیک جدید نیاز داریم.

وقتی آنتی بیوتیک های جدید معرفی می شوند ، می توانند نتایج عالی ، حتی نجات دهنده ای داشته باشند. از آنجا که پنی سیلین در سال 1928 کشف شد و شروع دوره مدرن آنتی بیوتیک ها است ، ما می توانیم به آنها اعتماد کنیم تا قاتلین مانند سل را درمان کنیم و در صورت انجام اقدامات مانند بخش های C یا جایگزینی مفصل ، ما را در امان نگه داریم.

اما کارشناسان هشدار داده اند که اکنون وارد دوره پس از آنتی بیوتیک شده ایم - زمانی که آنتی بیوتیک های موجود تقریباً بی فایده می شوند. ما با استفاده بیش از حد از آنتی بیوتیک ها در درمان محصولات کشاورزی ، حیوانات مزرعه و انسان ، این بحران را ایجاد کرده ایم.