هوش مصنوعی چگونه با خواندن متون، درک مطلب میکند؟
هوش مصنوعی اکنون به جایی رسیده که میتواند خیلی ماهرانه «گو» (Go) بازی کند و بازیکنان حرفهای را ببرد. این هوش مصنوعی میتواند از طریق «آموختن» به سطح بالایی از مهارت در بازی گو برسد. حالا فکر کنید ماشینی بسازیم که مثلا با خواندن کتاب آشپزی بتواند پختن یک نوع غذا را یاد بگیرد. یا یک کتاب علمی عمومی بخواند و بتواند به پرسشهایی دربارهی آن پاسخ دهد. درست مثل یک دانش آموز که کتاب علوم میخواند سپس بر سر جلسهی امتحان حاضر میشود. در حال حاضر خواندن متون و درک آن برای کامپیوترها کار مشکلی است. ولی یک شرکت کانادایی به نام «مالوبا» (Maluuba) اخیرا توانسته به الگوریتمی برسد که بوسیلهی آن کامپیوتر متن را میخواند و با دقت خیلی زیاد به پرسشهای مربوط پاسخ میدهد. به خصوص اینکه برخلاف بیشتر دیگر روشها، میتواند فقط با خواندن متنی کوچک درک مطلب کند. اگر این الگوریتم به اندازهی کافی پیشرفت کند، در نهایت میتوان کامپیوترهایی ساخت که کتاب میخوانند، آنها را درک میکنند و به راحتی به پرسشهای ما پاسخ میدهند.
هفتهی گذشته پژوهشگران شرکت مالوبا مقالهای در اینباره منتشر کردند. این مقاله دربارهی الگوریتمی صحبت میکند که میتواند صدها کتاب داستان کودک را بعلاوهی پرسشها و پاسخهایی دربارهی هر داستان بخواند. در آزمایشهای پژوهشگران مالوبا، ماشین آنها توانست بعد از تعلیم دیدن، به ۷۰ درصد پرسشهای مختلف دربارهی متون پاسخ صحیح بدهد. پژوهشگران حتی به این ماشین کتاب «هری پاتر و سنگ جادو» را دادند و سپس دربارهی داستان سوالاتی پرسیدند. هوش مصنوعی ماشین توانست به تعداد خیلی زیادی از سوالات پاسخ صحیح بدهد.
پژوهشگران مالوبا امیدوارند در نهایت ماشینی بسازند که کتابها، اسناد و متونی که وقت ندارید بخوانید را به جای شما بخواند و سپس به پرسشهایتان پاسخ دهد. یکی از مدیران ارشد این شرکت به نام محمد مصباح میگوید: «ما علاقمندیم از آن در خواندن متونی مثل راهنمای استفاده از کالاها، مدارک پزشکی یا اسناد خدمات مشتریان استفاده کنیم.» گروه مالوبا از یک روش مشهور یادگیری ماشینی به نام «فراگیری عمیق» (Deep Learning) استفاده کرد. آنها الگوریتم خود را طوری طراحی کردند که بتواند به شکلی متفاوت متن را درک کند. یعنی از درک کلمات به درک عبارتها و سپس جملات برسد.
پژوهشگران مالوبا امیدوارند در نهایت ماشینی بسازند که کتابها، اسناد و متونی که وقت ندارید بخوانید را به جای شما بخواند و سپس به پرسشهایتان پاسخ دهد.
ایدهی آموزش به کامپیوترها و ارتباط موثر از طریق زبان خیلی قدیمی و البته همچنان به شدت جذاب است. اگر این ایده به طور کامل عملی شود میتواند راههای جدید و موثری برای تعامل با کامپیوترها باز کند. ولی درک متون از بزرگترین چالشهای مبحث هوش مصنوعی است. کامپیوترها معمولا به این دلیل که زبان نیازمند درک عمیق از نحوهی کارکرد جهان واقعی است در درک متون به مشکل بر میخورند.
علیرغم همهی چالشها، تعداد شرکتهایی که در تلاش برای ساخت هوش مصنوعی با توانایی درک متون هستند رو به افزایش است. مثلا فیسبوک در حال جمعآوری دادههای محاورهای از طریق یک سرویس دستیار صوتی هوشمند به نام M است. فیسبوک امیدوار است این سرویس را به شکلی تعلیم دهد که بتواند به صورت طبیعی صحبت کند.
گوگل دیپمایند که زیر مجموعهی شرکت آلفابت است و در تحقیق روی هوش مصنوعی تمرکز کرده هم کاری مشابه انجام میدهد. این شرکت هم در حال کار کردن روی سیستمهای فراگیری عمیقی است که بتوانند مقالههای مربوط به خبرها و اتفاقات جهان را بخواند.
علیرغم همهی این تلاشها، تا به حال دستاورد خیلی بزرگی بدست نیامده و مشخص نیست مجهز کردن ماشینها به توانایی خواندن و درک متون چقدر مشکل خواهد بود. در حال حاضر معمولا پژوهشگران با استفاده از دستکاری و بهبود روشهای یادگیری ماشینی و تغذیهی کامپیوترها با مقادیر خیلی زیاد متن در بحث درک مطلب ماشینها پیش میروند.
رویکرد یادگیری ماشینی شرکت مالوبا هم وابسته به حجم خیلی زیاد متن ورودی به کامپیوتر است. در حقیقت باید گفت حجم متونی که باید برای عملکرد فراگیری عمیق به ماشین داده شود به عنوان یکی از عوامل محدود کننده قلمداد میشود. یکی از بزرگترین چالشها با زبان این است که کلماتی که مفاهیم مختلف را مشخص میکنند قراردادی هستند. بنابراین برخلاف تصاویر، ارتباط کلمات با یکدیگر بسیار مشکل است.
شرکت کانادایی مالوبا را سال ۲۰۱۰ چند فارغالتحصیل دانشگاهی تاسیس کردند. این شرکت توانست دستیار صوتی هوشمند را برای گوشیهای هوشمند توسعه دهد و اکنون بر پژوهش روی پردازش زبان طبیعی یا درک مطلب ماشینی تمرکز کرده است. کریس دایر که پژوهشگری از دانشگاه کارنگی است و روی پردازش زبان طبیعی تخصص دارد، دستاوردهای مالوبا را تحسین میکند ولی باور دارد که ماشینها برای درک متون و مکالمه با انسان باید درک درستی از دنیا بدست آورند. او میگوید که در حال حاضر «کامپیوترها در درک جهان بسیار محدود هستند.»
منبع: MIT Technology Review