باران قاصدک

هوش مصنوعی (Google AI) را بهتر بشناسیم

۲۴ تیر ۱۳۹۷

  3- هوش مصنوعی

هوش مصنوعی ( Google AI )

تکنولوژی همچون یک دنیای بی‌انتها است. هرچقدر بیش‌تر در آن به کند و کاو می‌پردازید، به همان مقدار نیز جذاب‌تر می‌شود. هرساله شاهد هزاران نوآوری جدید در این حوزه هستیم که دنبال کردن دقیق همه‌ی آن‌ها تقریباً امری غیرممکن است. میلیون‌ها شرکت کوچک و بزرگ در این حوزه فعالیت دارند. در این میان بعضی از تکنولوژی‌ها هر روزه بسیار پراهمیت‌تر و محبوب‌تر می‌شوند. این محبوبیت تنها مربوط به شرکت‌ها و توسعه‌دهندگان نیست و افراد عادی نیز بیش‌تر و بیش‌تر به آن‌ها جذب می‌شوند. این تکنولوژی‌ها شاید به زودی تمام دنیا را به تصرف خویش در آورند. یکی از این تکنولوژی‌های بسیار پراهمیت و محبوب هوش مصنوعی یا همان AI است.

همانطور که از نام آن نیز می‌شود حدس زد، هوش مصنوعی مربوط به روند هوشمندانه‌ی عملکرد ماشین است. هوش مصنوعی به ما این امکان را می‌دهد که تجربه‌ی تعامل با یک انسان را با استفاده از کامپیوتر شبیه‌سازی کنیم.

 

 

به بیان دیگر تلاش برای دادن توانایی تصمیم‌گیری مستقل از انسان به ماشین را هوش مصنوعی می‌گویند.

 

 

همانگونه که ذهن یک کودک نیز برای رشد و توانا شدن نیاز به زمان دارد، تکنولوژی هوش مصنوعی نیز همچنان در مراحل اولیه‌ی کودکی خود است و برای رسیدن به جایگاه اصلی خود همچنان راه طولانی را در پیش دارد. شرکت‌های بسیاری در این حوزه در حال تلاش هستند که هر کدام نقشی را در این رشد ایفا می‌کنند. در این میان کمپانی Google به عنوان یکی از شرکت‌های پیشروی تکنولوژی از نقشی بسیار پراهمیت برخوردار است. فعالیت‌های این کمپانی در بهبود و توسعه‌ی تکنولوژی هوش مصنوعی و همچنین پیاده‌سازی آن در سال‌‌های اخیر بسیار چشم‌گیر بوده است. در کنفرانس Google I/O امسال شاهد ارائه‌ی موارد جذابی از پیاده‌سازی تکنولوژی هوش مصنوعی در سرویس‌های مختلف گوگل و پیشرفت آن‌ها بودیم. در این مقاله درباره‌ی یکی از تجربه‌های جذاب و فوق‌العاده‌ی استفاده از این تکنولوژی و پروژه‌ی Google AI در مطالعه‌ی ارتباطات میان وال‌ها خواهید خواند. در ادامه یک جوان محقق را خواهید شناخت که با عشق خود به موسیقی و علم توانست با استفاده از هوش مصنوعی AI کار چند صد ساله‌ی مطالعه‌ی وال‌ها را به کاری چند روزه تبدیل کند و به محققان این آزادی عمل را بدهد که بر روی مسائل بزرگ‌تر این حوزه تمرکز داشته باشند.

با باران قاصدک همراه باشید …

 

 

 

 

چگونه موسیقی باعث شد دانیل دلیون اقیانوس را با استفاده از یادگیری ماشین مطالعه کند؟

دانیل دلیون Daniel DeLeon، دانشجوی ۲۴ ساله در دانشگاه پلی تکنیک کالیفرنیا است که کودکی خود را در خانواده‌ای گذراند که در آن موسیقی همه چیز بود. پدر و مادر او یک گروه موسیقی مکزیکی به نام Trio Guadalupanoراه‌اندازی کرده بودند که اجراهای منظم آن‌ها توانست توانایی‌های موسیقی دانیل را بسیار پرورش دهد.

در یکی از کلاس‌های فیزیک دانشگاه بود که علاقه‌ی دانیل دلیون به موسیقی تبدیل به عشقی بی‌حد و حصر برای یادگیری و تحقیق درباره‌ی علم صوت شد. پیش‌زمینه‌ی موسیقی او به زودی با دانش جدید بدست آمده از علم صوت‌ها باعث همکاری او در یک پروژه‌ی تحقیقاتی سطح بالا در این زمینه در Monterey Bay Aquarium Research Institute (MBARI) شد. او در این پروژه‌ی تحقیقاتی به دانل کلین Danelle Cline و جان ریان Hojn Ryan در مطالعه‌ی صدای وال‌های اقیانوس کمک بسیار زیادی کرد. دانیل دلیون در این‌باره بیان می‌کند:«وال‌ها از صداها برای درک یکدیگر استفاده می‌کنند، همانگونه که والدین من در اولین ملاقاتشان انجام دادند. این موضوع باعث می‌شود که درباره‌ی موسیقی و اهمیت آن‌ها به فکر فرو روم.»

1- هوش مصنوعی

جان ریان John Ryan، پژوهش‌گر بیولوژی اقیانوس بیان می‌کند: «اقیانوس‌ها ۷۰ درصد سطح زمین را به خود اختصاص داده‌ و بسیار عمیق هستند. زمانی که تا عمق ۲۳ متری فرو می‌روید ۹۹ درصد نور را از دست می‌دهید. در مقابل صدا هزاران مایل را می‌تواند بپیماید. بنابراین پستانداران دریایی از صدا برای همه‌ی فعالیت‌های اساسی زندگی خود استفاده می‌کنند. فقط با گوش کردن می‌توانیم موضوعات بسیار زیادی را درباره‌ی آن‌ها فرا گیریم.»

پژوهشگران زمان ضبط صداهای اقیانوس، با یک مشکل جدی روبرو شدند. آن‌ها داده‌های بسیار زیادی را پیدا کردند که بررسی هر قسمت کوچک از آن‌ها نیاز به هزاران سال دارد. بنابراین دانیل دلیون شروع به استفاده از TensorFlow، سیستم متن باز یادگیری ماشین گوگل کرد. با استفاده از هوش مصنوعی Google AI او قادر شد که تجزیه‌ی صداهای ضبط شده و پیدا کردن صدای وال‌ها را به جای چند سال، در چند روز انجام دهد.

دانیل دلیون در گذشته هرگز از TensorFlow استفاده نکرده بود اما چیزی که باعث شد او در این کار موفق باشد، استعداد ریاضی بود.

صدای وال‌ها یکی از بلند‌ترین صداها در میان صدای حیوانات روی زمین است. صدای بم آن‌ها (با فرکانس پایین) می‌تواند مسیرهای بسیار طولانی را در عمق اقیانوس بپیماید. از این جهت آن‌ها یکی از بهترین انتخاب‌ها برای مطالعه هستند. سیستم ضبط صوتی MBARI می‌تواند به وال‌ها تا شعاع ۵۰۰ کیلومتری گوش دهد.

2- هوش مصنوعی

این صداهای ضبط شده توسط سیستم MBARI در آغاز باید به داده‌های بصری تبدیل شود. آنگاه دانیل دلیون این داده‌های بصری را با استفاده از TensorFlow مورد بررسی قرار داده و به آن یاد می‌دهد که صدای وال‌ها چگونه است. همانگونه که به یک سگ در خانه با تکرار یاد می‌دهیم، مدل‌های یادگیری ماشین نیز با استفاده از تکرار بهبود می‌یابند. دانیل دلیون هرچقدر مثال‌های بیشتری را به سیستم هوش مصنوعی Google AI ارائه داد، مدل‌های آن نیز دقیق‌تر شدند. در نهایت دانیل دلیون بیش از ۱۸۰۰۰ مثال از صدای وال‌ها را به TensorFlow ارائه داد. به این شکل او در پایان توانست سیستم TensorFlow را قادر سازد که صدای وال‌ها را با دقت ۹۸/۰۵ درصد شناسایی کند. همچنین اکنون سیستم هوش مصنوعی گوگل قادر شد صدای وال‌های آبی را از صدای وال‌های تیغ ‌باله تمایز دهد، همچنین متوجه شود که در چه زمانی از روز این صدا تولید شده است.

دانل کلین Danelle Cline، مهندس نرم‌افزار و عضو این تیم تحقیقاتی بیان می‌کند:«ما در یک نقطه‌ی محوری و اساسی از علم اقیانوس‌شناسی هستیم و این زمانی بسیار جالب برای یادگیری ماشین نیز هست چرا که ما سرانجام شروع به حل مشکلاتی کردیم که پنج سال پیش قادر به حل آن‌ها نبودیم.»

تحقیقات دانیل دلیون با استفاده از یادگیری ماشین سیستم هوش مصنوعی Google AI به دانل کلین و جان ریان امکان پایه‌گذاری یک مؤسسه برای تشخیص و طبقه‌بندی اتوماتیک صدای وال‌ها را داد. آن‌ها اکنون قادر هستند که زمان بیشتری را برای تمرکز روی سؤال‌های بزرگ‌تر همچون تأثیر انسان‌ها روی زندگی وال‌ها و دیگر موجودات دریایی و یا تأثیر تغییرات آب و هوایی اختصاص دهند.

 

 

 

منابع:

www.google.com/about/stories/soundwaves