براساس گزارش منتشرشده توسط خبرگزاری خبرآنلاین و اطلاعات استخراج‌شده از زومیت، پژوهشگران مؤسسه‌ی پیشرفته‌ی علم و فناوری کره (KAIST) به همراه مایکروسافت ریسرچ آسیا، یک روش نوین به نام انطباق ارزش عصبی (NVA) را توسعه داده‌اند. این فناوری با بهره‌گیری از الکتروانسفالوگرافی (EEG) برای ثبت امواج مغزی، قادر است واکنش‌های ذهنی کاربر را در حین مشاهده‌ی اشتباهات هوش مصنوعی شناسایی کند و بدین ترتیب به سیستم امکان می‌دهد که در لحظه، روش‌های تصمیم‌گیری را تصحیح نماید.
مدل‌های فعلی هوش مصنوعی معمولاً هدف‌های انسانی را بر اساس داده‌های قابل مشاهده نظیر متن، گفتار یا حرکات فیزیکی تحلیل می‌کنند. با این حال، از آنجایی که رفتارهای خارجی همواره دارای ابهام هستند، این تحقیق به‌جای اتکا به نشانه‌های ظاهری، به بررسی مستقیم دو نوع سیگنال مغزی یعنی «خطای پیش‌بینی پاداش» (RPE) و «خطای پیش‌بینی وضعیت» (SPE) پرداخته است.
خطای پیش‌بینی پاداش در زمانی بروز می‌کند که هدف نهایی خروجی نادرست باشد؛ به عنوان مثال، وقتی فردی درخواستی برای آب دارد ولی ربات به‌جای آن قهوه تحویل می‌دهد. در مقابل، خطای پیش‌بینی وضعیت به شیوه نادرستی اشاره دارد که برای رسیدن به یک هدف صحیح به کار گرفته می‌شود.
پژوهشگران با استفاده از تکنیک‌های یادگیری عمیق، موفق به دسته‌بندی این الگوهای مغزی متمایز شده‌اند و بدون نیاز به دریافت دستورات صوتی یا متنی، نوع اشتباه در سیستم را شناسایی می‌کنند.
پروفسور سانگ وان لی، رهبر این تحقیقات، اظهار می‌دارد: «این پژوهش دارای اهمیت بالایی است زیرا نشان می‌دهد هوش مصنوعی قادر است فراتر از استنباط نیت انسان تنها بر اساس نتایج رفتاری قابل مشاهده عمل کند و بجای آن، می‌تواند به طور مستقیم از سیگنال‌های شناختی تولیدشده در مغز در حین تعامل با هوش مصنوعی بهره‌برداری کند.»
نتایج این مطالعه که در نشریه‌ی علمی IEEE Transactions on Cybernetics منتشر شده، افق جدیدی را برای بهره‌برداری در ربات‌های خانگی، سیستم‌های صنعتی، خودروهای خودران و تجهیزات توان‌بخشی ترسیم می‌کند. با این حال، بهره‌برداری کامل از این فناوری در شرایط طبیعی و خارج از محوطه‌های آزمایشگاهی نیازمند توسعه حسگرهای الکترود با دقت بیشتر و توانایی مقاومت در برابر نویزهای حرکتی خواهد بود.
۲۲۷۲۲۷
نظرات کاربران