**تحقیقات جدید در دنیای هوش مصنوعی: چالشهای جدید و آزمونهای نوین**
تینا مزدکی_ هوش مصنوعی به طرق مختلفی مورد سنجش قرار میگیرد که از جمله آنها میتوان به مسائلی همچون روانی مکالمه، درک مطلب و حتی حل مسائل پیچیده علمی اشاره کرد. با این حال، آزمونهایی که توانایی هوش مصنوعی را به چالش میکشند، معمولاً آنهایی هستند که برای انسانها راحت و سرگرمکننده به نظر میآیند. در حالی که هوش مصنوعی به طور مداوم در حوزههای تخصصی با انسانها رقابت میکند، به دست آوردن هوش عمومی مصنوعی (AGI) هنوز هدفی دور از دسترس باقی مانده است. AGI به هوش مصنوعیای اطلاق میشود که قادر به سازگاری با موقعیتهای ناشناخته باشد و این موضوع همچنان یک چالش اساسی برای این فناوری به حساب میآید.
برای ارزیابی توانایی تعمیمپذیری هوش مصنوعی، آزمونی تحت عنوان «مجموعه انتزاع و استدلال» یا ARC طراحی شده است. این آزمون شامل معماهایی با الگوهای رنگی است و از حلکنندگان میخواهد که قانونی نهفته را شناسایی کنند و آن را در یک الگوی جدید به کار ببرند. فرانسوا شوله، پژوهشگر حوزه هوش مصنوعی، این آزمون را در سال 2019 توسعه داده است و به تدریج تبدیل به معیاری صنعتی شده که در تمامی مدلهای هوش مصنوعی مورد استفاده قرار میگیرد.
این سازمان در حال حاضر به توسعه آزمونهای جدید ادامه میدهد و از دو نسخه مختلف (ARC-AGI-۱ و ARC-AGI-۲) بهره میبرد. به تازگی، نسخه جدیدی به نام ARC-AGI-۳ به منظور آزمایش «عاملهای هوش مصنوعی» طراحی شده است که در آن مدلهای هوش مصنوعی را به چالش میکشد تا در بازیهای ویدئویی عملکرد بهتری داشته باشند. گرگ کامراد، رئیس بنیاد جایزه ARC، در مصاحبهای به تشریح فرآیند ارزیابی هوش مصنوعی بر اساس این آزمونها پرداخته و اشاره کرده است که چرا حل این معماها برای مدلهای هوش مصنوعی دشوارتر از انسانهاست.
**تعریف هوش در ARC-AGI-۱**
کامراد در توضیحاتی اظهار کرده است: «تعریف ما از هوش، توانایی یادگیری چیزهای نو است. در حالی که هوش مصنوعی قادر است در بازی شطرنج برنده شود، این مدلها نمیتوانند آنچه آموختهاند را به زمینههای کاملاً جدید منتقل کنند؛ نظیر یادگیری زبان». شوله با ایجاد استانداردی به نام ARC-AGI، به دنبال آن است که مهارتهای خاصی را آموزش دهد و سپس از آزمونشوندگان بخواهد که آن مهارتها را اجرایی کنند. این آزمون توانمندی مدلها در یادگیری موضوعاتی محدود را میسنجد، ولی به اعتقاد این شرکت، هنوز نمیتوان آن را معیاری برای AGI دانست، زیرا در یک دامنه محدود قرار دارد.
کامراد در توضیح AGI میگوید: «من دو دیدگاه مختلف دارم. اولی به جنبههای فنی مربوط میشود؛ آیا یک سیستم مصنوعی میتواند با توانایی یادگیری انسان برابری کند؟ انسانها بعد از تولد، بدون دادههای آموزشی مشخص، به یادگیری چیزهای مختلف میپردازند. دومین تعریف زمانی است که دیگر نتوانیم مسائلی پیدا کنیم که انسانها قادر به انجام آنها باشند اما هوش مصنوعی نتواند». بر اساس این تعریف، اگر هنوز انسانها بتوانند مسائلی را انجام دهند و هوش مصنوعی نتواند، به این معنی است که AGI هنوز محقق نشده است. بنابراین، معیارهای به کار رفته در آزمونهای فرانسوا شوله نشاندهنده این است که در حال حاضر هوش مصنوعی هنوز در حل مسائل انسانی عقبمانده باقی مانده است.نقش “هوش غیرخطی” (spiky intelligence) در ارزیابی هوش مصنوعی هنوز به اندازه قدرت تعمیمپذیری انسانها نیست. این نکته، موضوع اصلی گفتوگوی کامراد در مرکز تحقیقات هوش مصنوعی است. او تأکید دارد که معیارهای سنجش آنها به گونهای طراحی شده که قابل حل توسط انسانها باشد، در حالی که برخی معیارها به مسائل پیچیدهتری مربوط میشوند.
کامراد در ادامه به آزمون اخیر ARC-AGI-۲ اشاره کرد که در آن ۴۰۰ نفر مورد آزمایش قرار گرفتند. نتایج نشان داد که میانگین نمره این افراد ۶۶ درصد بوده است. به گفته او، در حالی که افراد به راحتی توانستهاند به سؤالات پاسخ دهند، هوش مصنوعی در این زمینه با چالشهایی روبرو است.
او دو دلیل اصلی برای دشواری آزمونهای هوش مصنوعی و سادگی آن برای انسانها عنوان کرد. نخست، انسانها به طور مؤثری میتوانند با دیدن یک یا دو مثال مهارتهای جدیدی را یاد بگیرند. دوم این که، الگوریتمهای انسانی به مراتب قدرتمندتر از هوش مصنوعی کنونی عمل میکنند.
درباره تفاوت ARC-AGI-۱ و ARC-AGI-۲، کامراد توضیح داد که نسخه اول به حداقل الزامات برای اندازهگیری تواناییهای هوش مصنوعی پرداخته و با پیشرفتهای اخیر در فناوری، نسخه دوم برای آزمون تواناییهای پیچیدهتر طراحی شده است. همچنین بیان کرد که در حال آمادهسازی ARC-AGI-۳ هستند که به تعاملیتر بودن آن توجه دارد.
رئیس بنیاد جایزه ARC گفت که تصمیمگیریهای واقعی فراتر از سؤال و جوابهای ساده است و به همین خاطر ساخت ۱۰۰ بازی ویدیویی جدید در حال انجام است که به آزمایش قابلیتهای هوش مصنوعی در محیطهای جدید میپردازد.
به عنوان نتیجهگیری، کامراد اعلام کرد که هیچ مدل هوش مصنوعی در آزمایشهای کنونی موفق به اتمام مراحل این بازیها نشده است، که نشانگر چالشهای پیش رو برای هوش مصنوعی است.
منبع: [livescience](https://www.livescience.com/technology/artificial-intelligence/ai-cant-solve-these-puzzles-that-take-humans-only-seconds)
