کارنگ رسانه اقتصاد نوآوری است. رسانهای که نسخه چاپی آن هر هفته شنبهها منتشر میشود و وبسایت و شبکههای اجتماعیاش هر ساعت، اخبار و تحولات این بخش از اقتصاد را پوشش میدهند. در کارنگ ما تلاش داریم کسبوکارهای نوآور ایرانی، استارتاپها، شرکتهای دانشبنیان و دیگر کسبوکارها کوچک و بزرگی که در بخشهای مختلف اقتصاد نوآوری در حال ارائه محصول و خدمت هستند را مورد بررسی قرار دهیم و از آینده صنعت، تولید، خدمات و دیگر بخشهای اقتصاد بگوییم. کارنگ رسانهای متعلق به بخش خصوصی ایران است.
جنجال نوبل فیزیک؛ جایزه نوبل فیزیک برای پیشگامان هوش مصنوعی
جایزه نوبل فیزیک ۲۰۲۴ بهطور مشترک به جان هاپفیلد، دانشمند آمریکایی و جفری هینتون بریتانیایی – کانادایی تعلق گرفت. اما برخلاف تصور عموم، حوزه تخصصی این دو دانشمند فیزیک نبود. آنها جایزه نوبل فیزیک را برای «تحقیقات پیشگامانه در یادگیری ماشین که راه را برای رونق هوش مصنوعی هموار کرد» از آن خود کردند.
آکادمی سلطنتی علوم سوئد گفته که این جایزه را به دلیل استفاده این دو نفر از فیزیک برای توسعه روشهایی که پایه و اساس یادگیری ماشین قدرتمند امروزند به آنها داده است.
آموزش شبکههای عصبی به کمک فیزیک
برندگان جایزه نوبل فیزیک امسال از ابزارهای فیزیک برای توسعه روشهایی استفاده کردهاند که پایه و اساس یادگیری ماشین قدرتمند امروزی است. الن مونز، رئیس کمیته نوبل فیزیک گفت: «ما در فیزیک از شبکههای عصبی مصنوعی در طیف وسیعی از زمینهها، مانند توسعه مواد جدید با ویژگیهای خاص، استفاده میکنیم.»
وقتی از هوش مصنوعی صحبت میکنیم، اغلب منظورمان یادگیری ماشین با استفاده از شبکههای عصبی مصنوعی است. این فناوری در اصل از ساختار مغز الهام گرفته است. در یک شبکه عصبی مصنوعی، نورونهای مغز را با گرههایی نشان میدهند که مقادیر متفاوتی دارند. این گرهها با اتصالاتی مشابه سیناپسهای مغز بر یکدیگر تأثیر میگذارند. این دو نفر از سالهای ابتدایی دهه ۱۹۸۰ به کمک فیزیک و نوروساینس شبکههای عصبی مصنوعی را آموزش دادهاند تا این شبکهها ویژگیهای مدنظرشان را از بین دادهها پیدا کنند.
شبکه جان هاپفیلد برای ذخیره و بازآفرینی الگوها استفاده میشود. هنگامی که شبکه هاپفیلد با یک تصویر تحریفشده یا ناقص روبهرو میشود، بهطور روشمند و براساس فیزیک مغز انسان، مقادیر گرهها را بهروز میکند تا تصویر اصلی یا تصویر کامل تصویر ناقص را پیدا کند.
جفری هینتون از شبکه هاپفیلد بهعنوان پایه و اساس شبکه جدیدی استفاده کرد که روش متفاوتی به کار میبرد: «ماشین بولتزمن». این ماشین میتواند عناصر مشخصی را در یک نوع داده خاص تشخیص دهد. هینتون برای تولید این ماشین از ابزارهای فیزیک آماری استفاده کرد. ماشین بولتزمن میتواند برای طبقهبندی تصاویر یا ایجاد نمونههای جدید از نوع الگوی استفادهشده قرار گیرد. ماشین هینتون و روشی که در آن استفاده شده، به تحول اساسی یادگیری ماشین کمک کرد.
خطر هوش مصنوعی؛ دغدغه برندگان نوبل
جفری هینتون ۷۶ساله که در جوامع علمی پدرخوانده هوش مصنوعی شناخته میشود، اکنون استاد بازنشسته دانشگاه تورنتو است. او در سالهای فعالیت آکادمیکش روشی اختراع کرد که میتواند ویژگیهای دادهها را پیدا کند و وظایفی مانند شناسایی عناصر خاص در تصاویر را انجام دهد.
او سال گذشته از خطرات فناوری جدید هوش مصنوعی که دنیای فناوری را دچار تب جدیدی کرده بود، صحبت کرد. هینتون در کنفرانس مطبوعاتی نوبل بهصورت تلفنی گفت: «ما هیچ تجربهای از اینکه موجودات هوشمندتر از خودمان چگونه رفتار میکنند، نداریم. هوش مصنوعی از بسیاری جهات، در زمینههایی مانند مراقبتهای بهداشتی فوقالعاده خواهد بود، اما باید نگران عواقب احتمالی منفی آن باشیم تا از کنترل خارج نشود.»
هینتون از انجام بعضی از تحقیقات خود ابراز پشیمانی کرد، اما تأکید کرد که اگر به عقب برگردد، براساس اطلاعاتی که در آن زمان داشته کار خود را تکرار خواهد کرد.
هاپفیلد ۹۱ساله، استاد بازنشسته دانشگاه پرینستون، یک حافظه جمعی ایجاد کرده که میتواند تصاویر و انواع دیگر الگوها را در دادهها ذخیره و بازسازی کند. او نیز در کنفرانس مطبوعاتی دانشگاه پرینستون توضیح داد: «سیستمهایی که از نظر پیچیدگی و اندازه غنی هستند، ویژگیهایی دارند که باعث میشوند بتوانید از ذرات سازنده آن نتیجه به دست آورید. پس شما باید پیشفرض بگیرید که این سیستم فیزیک جدیدی دارد.»
او نگرانیهای هینتون را تکرار و بیان کرد: «نگرانیهایی درباره ظرفیت و محدودیتهای ناشناخته هوش مصنوعی وجود دارد.»