تهران- ایرنا- دانشمندان دانشگاه کمبریج نشان داده‌اند که قرار دادن محدودیت‌های فیزیکی روی یک سیستم هوش مصنوعی، - همانطور که مغز انسان باید در مواجهه با محدودیت‌های فیزیکی و بیولوژیک رشد و عمل کند، - ایجاد ویژگی‌هایی مشابه مغز ارگانیسم‌های پیچیده را ممکن می‌سازد.

به گزارش گروه علم و آموزش ایرنا از «نیوز مدیکال»، در حالی که سیستم های عصبی خودشان را مانند مغز سازماندهی می کنند و ارتباطاتی برقرار می کنند، باید بین تقاضای رقیب توازن ایجاد کنند. برای مثال، انرژی و منابع برای رشد و پایداری شبکه در فضای فیزیکی و در عین حال بهینه‌سازی شبکه برای پردازش اطلاعات مورد نیاز است. این مبادله به تمام مغزها در گونه‌های مختلف شکل می دهد.

«جاشا اکتربرگ» از محققان تحقیقات پزشکی دانشگاه کمبریج می گوید: نه تنها مغز عملکردی عالی در حل مسائل پیچیده دارد بلکه با مصرف انرژی بسیار کمی این کار را می کند. ما در این کار جدید نشان داده ایم که درنظرگرفتن توانایی‌های حل مساله مغز می تواند به ما کمک کند درک کنیم که چرا مغز چنین ظاهری دارد.

این محققان در مطالعه‌ای که امروز در نشریه «هوش ماشینی طبیعت» انتشار یافته است، یک سیستم مصنوعی ایجاد کردند که هدف از آن مدل سازی از یک نمونه بسیار ساده از مغز و محدودیت‌های فیزیکی اعمال شده است. آنها دریافتند که این سیستم برخی ویژگی‌های کلیدی و تاکتیک‌های مشابه ویژگی‌ها و تاکتیک‌های مشاهده شده در مغز انسان را ایجاد کرد.

این سیستم به جای نورون های واقعی از غده‌های (nodes) محاسباتی استفاده می‌کند. نورون‌ها و غده‌ها از حیث عملکرد مشابه هستند از این لحاظ که هر دوی آنها ورودی را می‌گیرند و پس از تغییر آن خروجی‌هایی تولید می کنند. هر غده (نود) یا نورون ممکن است با تعداد دیگری مرتبط شود.

با این حال این محققان در سیستم ابداع شده یک محدودیت «فیزیکی» روی سیستم اعمال و یک وظیفه ساده برای انجام به سیستم محول کردند. این سیستم باید قطعات مختلفی از اطلاعات را ترکیب کند تا بتواند کوتاهترین مسیر برای رسیدن به نقطه پایانی را مشخص کند.

این سیستم در ابتدا نمی‌داند که چطور باید وظیفه‌اش را انجام دهد و اشتباهاتی مرتکب می‌شود اما زمانی که فیدبک دریافت می‌کند به تدریج یاد می گیرد که بهتر عمل کند. سیستم از طریق تغییر نیروی پیوندها بین نودها یاد می‌گیرد همانطور که نیروی پیوندهای بین سلول‌های مغزی با یادگیری ما تغییر می‌کند. این سیستم سپس وظیفه را بارها تکرار می کند تا زمانی که سرانجام یاد می گیرد آن را درست انجام دهد.

زمانی که از سیستم خواسته شد وظیفه مورد نظر را تحت محدودیت ها انجام دهد، از برخی از همان شگردهایی استفاده کرد که توسط مغز واقعی انسان برای حل مسائل استفاده می شود. برای مثال، سیستم های مصنوعی برای دور زدن محدودیت ها شروع به ایجاد قطب‌هایی (hubs) کردند. هاب در اینجا یعنی نودهای بسیار به هم پیوسته که به عنوان مجرایی برای انتقال اطلاعات در طول شبکه عمل می کند.

مساله جالب‌تر اینکه پروفایل‌های پاسخ خود نودهای منفرد شروع به تغییر کردند. محققان می‌گویند که این کشفیات حاوی درس‌های پایه‌ای در خصوص توضیح نحوه سازماندهی مغز انسان هستند.