کامپیوترها برای فکر کردن مانند انسان، ابتدا باید فراموش کنند

کامپیوترها هر ساله به آن چیزی که ما آن را «فکر کردن» می‌نامیم نزدیک‌تر می‌شوند؛ دیگر با یک وسیله‌ی حرف‌گوش‌کن که مو به مو دستورات را اجرا می‌کند و چیزی یاد نمی‌گیرد روبه‌رو نیستیم.

شبکه‌های عصبی که از نورون‌های مصنوعی ساخته شده‌اند، به جای پردازش یک وظیفه در آن واحد، قادر به انجام کارهای زیاد به صورت همزمان هستند. دیگر با یادگیری هر چیز جدیدی لازم نیست که تمام داده‌های قبلی بازنویسی شود؛ بلکه این سیستم‌ها از مدارهایی برخوردارند که می‌تواند اطلاعات خاصی را فراموش کند.

چرا فراموش کردن داده‌ها مهم است؟

شاید با خود بیاندیشید که «اگر یادگیری برای بقاء ما ضرری و لازم بوده، در نتیجه فراموشی یک باگ یا مشکل در نرم‌افزار بیولوژیکی ما محسوب می‌شود!»

خب بیایید یک فرض ساده را در نظر بگیریم. تصور کنید که شما هر زمان که چیز نو و جدیدی را به یاد می‌آورید، باید اطلاعات آن موردِ خاص را با تمام اطلاعات مرتبط با آن، ولی قدیمی به خاطر بیاورید. به تازگی یک ماشین خریده‌اید و با آن برای خرید لوازم خانه به فروشگاه بزرگی رفته‌اید. به پارکینگ فروشگاه می‌روید تا خریدهای خود را در صندوق عقب جا داده و به خانه برگردید. مغز شما بایستی تمام ماشین‌هایی که در گذشته خریده‌اید را بررسی کند تا به ماشین جدیدتان در پارکینگ برسد.

یک کار ساده مانند پیدا کردن ماشین، به خاطر حجم اطلاعاتی که روز‌به‌روز اضافه‌تر می‌شود، قدرت پردازشی بیشتری را خواسته و از طرفی زمان بیشتری را تلف می‌کند.

فراموشی دیجیتالی

ولی در عمل، مغز شاید در اولین تجربه‌ها، شما را سر در گم کرده و در پارکینگ به دنبال ماشین قبلی خود بگردید، اما به مرور اطلاعات ماشین جدید، جای اطلاعات ماشین قبلی را گرفته و به تدریج خودروی قبلی را فراموش می‌کنید.

فراموش کردن نه یک باگ در نرم‌افزار ما، که یک قابلیت برای تصمیم‌گیری موثر و مفیدتر است

به سراغ هوش مصنوعی برویم. AI به این صورت کار نمی‌کند. در حال حاضر، آموزش یک AI برای انجام یک کار، ساده است؛ اما آموزش دوباره‌ی آن برای انجام یک کار جدید، البته در همان زمینه، کار سختی خواهد بود. بسته به تکنولوژی مورد استفاده، سیستم تمایل به نگه‌داری هر آنچه که یاد گرفته دارد. اگر مغز خودتان را جای AI بگذارید، فرض کنید که مغز اقدام به نگه داشتن تمام اطلاعات مرتبط با ماشین قبلی شما می‌کند، آن هم با سطح اهمیتی یکسان با ماشین جدید. البته این سیستم ممکن است که اطلاعات مهم را به صورت تصادفی فراموش کند. فرض کنید که ماشین هاچ‌بک دارید و ناگهان فراموش می‌کنید که اصلا هاچ‌بک یعنی چه و به چه نوع ماشینی اطلاق می‌شود.

این سیستم اگر اقدام به بکارگیری اطلاعات جدید و حذف اطلاعات کم‌اهمیت قدیمی کند، بسیار کاراتر خواهد بود. این موضوع در حقیقت هدف تکنولوژی جدیدی است که توسط دانشگاه پردو در حال پیگیری است. محققان آن را organismoid می‌نامند.

دم و بازدم

مقاله‌های مرتبط:

همانگونه که در یک سندِ Nature Communications در آگوست ۲۰۱۷ توضیح داده شد، محققان organismoidهایی از سفال «ماده کوانتومی» با نام samarium nickelate ساختند. زمانی‌که محققان آن را در معرض گاز هیدروژن قرار دادند، هیدروژن را به خود کشید (عملیات دم) و الکترون هر یک از اتم‌های هیدروژن از آن جدا و به نیکل موجود در ماده‌ی مورد نظر چسبید. این موضوع باعث پایین آمدن توانایی انتقال الکتریکی به صورت موقت شد. با جدا شدن هیدروژن، ماده خاصیت رسانایی خود را دو مرتبه به دست آورد. با تنظیم دقیق روش‌هایی که ماده در معرض گاز هیدروژن قرار می‌گیرد، محققان توانستند که راه‌های دسترسی به داده‌ها را تغییر دهند. آن‌ها می‌توانند با این روش، کاری کنند که سیستم مانند یک مغز یاد بگیرد و البته فراموش کند.

یکی از محققان با نام کاشیک روی می‌گوید:

اگر من مداوم در معرض اطلاعات خاصی باشم، با آن اخت می‌گیرم و حافظه‌ی مربوط به آن را حفظ می‌کنم. اما اگر من اطلاعات مشابه را در طول زمان نبینم، کم‌کم این اطلاعات در حافظه‌ی من رو به زوال خواهند گذاشت. رفتار رسانایی این ماده و بالا و پایین شدن آن به صورت نمایی (the behavior of conductance going up and down in exponential fashion) می‌تواند مدل پردازشی جدیدی را بسازد که به مرور بیشتر و بیشتر یاد می‌گیرد و در همان زمان به روش موثری شروع به فراموش کردن چیزها می‌کند.

پیشتر در زومیت به فراموشی و اهمیت آن برای مغز و تصمیم‌گیری بهتر، پرداختیم. با بکارگیری این روش سیستم‌ها بیشتر شبیه به مغز رفتار خواهند کرد. همین موضوع می‌تواند روی سرعت و دقت تصمیم‌گیری این سیستم‌ها تاثیر مثبت و خوبی، به خصوص در طول زمان بگذارد. به هر حال احتمالا روی تصمیمات کامپیوترهایی که توانایی فراموش کردن اطلاعات کم‌اهمیت و قدیمی را دارند، بیشتر می‌توانیم حساب کنیم.

منبع: زومیت