هوش مصنوعی حریف نوزادان نمی‌شود؟

جی پلاس، نتایج یک مطالعه جدید توسط تیمی از محققان روانشناسی و علوم داده نشان می‌دهد که نوزادان در تشخیص آنچه که انگیزه اعمال دیگران را برمی‌انگیزد، از هوش مصنوعی بهتر عمل می‌کنند. 

باشگاه خبرنگاران جوان نوشت؛ تفاوت‌های اساسی بین شناخت و محاسبات  وجود دارد، نتایج به دست آمده به کاستی‌هایی در فناوری‌های امروزی اشاره می‌کند.

مویرا دیلون، استادیار دپارتمان روانشناسی دانشگاه نیویورک و نویسنده ارشد این مقاله که در مجله Cognition منتشر شده است، توضیح می‎‌دهد: «بزرگسالان و حتی نوزادان به راحتی می‌توانند استنباط‌های قابل اعتمادی در مورد عواملی که باعث اعمال دیگران می‌شود، انجام دهند. هوش مصنوعی فعلی این استنباط‌ها را چالش برانگیز می‌داند».

او افزود: ایده جدید قرار دادن نوزادان و هوش مصنوعی در وظایف یکسان به محققان این امکان را می‌دهد تا دانش بصری نوزادان را در مورد سایر افراد بهتر توصیف و راه‌هایی برای ادغام آن دانش در هوش مصنوعی پیشنهاد کنند.

برندن لیک، استادیار مرکز علوم داده و دپارتمان روان‌شناسی دانشگاه نیویورک و از دیگر محققان این مطالعه گفت: اگر هدف هوش مصنوعی ایجاد متفکران منعطف و منطقی مانند انسان‌های بالغ است، ماشین‌ها باید از همان توانایی‌های اصلی نوزادان در تشخیص اهداف و اولویت‌ها استفاده کنند.

به خوبی ثابت شده است که نوزادان مجذوب افراد دیگر می‌شوند و این نشان می‌دهد چقدر به دیگران نگاه می‌کنند تا اعمالشان را مشاهده و با آن‌ها ارتباط اجتماعی برقرار کنند. علاوه بر این، مطالعات قبلی روی «روان‌شناسی عقل سلیم» نوزادان درک آن‌ها از نیات، اهداف، ترجیحات و عقلانیت زیربنای اعمال دیگران نشان داده‌اند که نوزادان می‌توانند اهدافی را به دیگران نسبت دهند و از دیگران انتظار داشته باشند که اهداف را عقلانی دنبال کنند. به طور موثر توانایی انجام این پیش بینی‌ها برای هوش اجتماعی انسان اساسی است.

برعکس، «هوش مصنوعی مشترک» که توسط الگوریتم‌های یادگیری ماشینی هدایت می‌شود، مستقیما اقدامات را پیش‌بینی می‌کند، با این حال چیزی که هوش مصنوعی فاقد آن است، انعطاف پذیری در شناخت زمینه‌ها و موقعیت‌های مختلف است که رفتار انسان را هدایت می‌کند.

برای ایجاد درک اساسی از تفاوت‌های بین توانایی‌های انسان و هوش مصنوعی، محققان مجموعه‌ای از آزمایش‌ها را با نوزادان ۱۱ ماهه انجام دادند و پاسخ‌های آن‌ها را با پاسخ‌هایی که توسط شبکه‌های عصبی مبتنی بر یادگیری پیشرفته به دست می‌آمد، مقایسه کردند.

برای انجام این کار، آن‌ها «معیار شهود کودک» (BIB) را که قبلا تاسیس شده بود، به کار بردند؛ شش وظیفه که روانشناسی عقل سلیم را بررسی می‌کند. BIB به گونه‌ای طراحی شده است که امکان آزمایش هوش نوزاد و ماشین و مقایسه عملکرد بین نوزادان و ماشین‌ها را فراهم می‌کند و به طور قابل توجهی پایه‌ای تجربی برای ساخت هوش مصنوعی شبیه انسان ارائه می‌دهد.

به طور خاص، نوزادان در زوم مجموعه‌ای از ویدئو‌ها از شکل‌های متحرک ساده که در اطراف صفحه حرکت می‌کردند، مشابه یک بازی ویدیویی تماشا کردند. شکل‌ها، رفتار و تصمیم گیری انسان را از طریق بازیابی اشیاء روی صفحه و سایر حرکات شبیه سازی می‌کرد. به طور مشابه محققان مدل‌های شبکه عصبی مبتنی بر یادگیری را ساختند و آموزش دادند؛ ابزار‌های هوش مصنوعی که به رایانه‌ها کمک می‌کند الگو‌ها را تشخیص دهند و هوش انسانی را شبیه‌سازی کنند.

نتایج آن‌ها نشان داد که نوزادان انگیزه‌های انسان‌مانند را حتی در اعمال ساده‌شده شکل‌های متحرک تشخیص می‌دهند. نوزادان پیش‌بینی می‌کنند این اقدامات توسط اهداف پنهان، اما ثابت هدایت می‌شوند، به عنوان مثال، بازیابی روی صفحه همان شی بدون توجه به مکانی که در آن قرار دارد و حرکت آن شکل به طور مؤثر حتی زمانی که محیط اطراف تغییر می‌کند. نوزادان چنین پیش‌بینی‌هایی را از طریق نگاه طولانی‌تر خود به چنین رویداد‌هایی نشان می‌دهند که پیش‌بینی‌های آن‌ها را نقض می‌کند، اندازه‌گیری متداول و چند دهه‌ای برای سنجش ماهیت دانش نوزادان.

اتخاذ این «پارادایم غافلگیرکننده» برای مطالعه هوش ماشینی امکان مقایسه مستقیم بین معیار کمی غافلگیری الگوریتم و معیار روانشناختی انسان از تعجب، (زمان نگاه کردن به نوزادان) را فراهم می‌کند. مدل‌ها شواهدی از درک انگیزه‌های زیربنایی چنین اعمالی نشان ندادند که حاکی از آن بود که آن‌ها اصول کلیدی اساسی روان‌شناسی عقل سلیم را که نوزادان دارند، از دست داده‌اند.

دیلون گفت: دانش بنیادی یک نوزاد انسان محدود، انتزاعی است و میراث تکاملی ما را منعکس می‌کند، با این حال می‌تواند هر زمینه یا فرهنگی را که ممکن است آن نوزاد در آن زندگی کند و یاد بگیرد، در خود جای دهد.