اکثر ما نظریه‌ی بال زدن پروانه‌ای در نقطه‌ای از جهان و ایجاد طوفان در نقطه‌ی دیگر را شنیده‌ایم. چنین توضیحی برای علت و معلول پدیده‌ها، جذاب و قابل‌توجه است اما کمکی به شرح و حل مسائل نمی‌کند. چالش اصلی آن است که با دقت به طوفان نگاه کنیم و پروانه‌ی مسبب آن را بیابیم. حتی شاید بتوانیم با پیش‌گیری از بال زدن پروانه، از رخ دادن طوفان جلوگیری کنیم. سازمان دارپا (آژانس پروژه‌های تحقیقاتی پیشرفته‌ی دفاعی آمریکا)، اعتقاد دارد چنین کاری را به‌کمک هوش مصنوعی می‌توان انجام داد.
پروژه‌ی جدید سازمان تحقیقات پیشرفته‌ی آمریکا، با هدف توسعه‌ی یک سیستم یادگیری ماشین شروع شده است. هدف نهایی، ساختن سامانه‌ای است که با مطالعه‌ی رخدادهای بی‌شمار جهانی و محتوای رسانه‌ای تولیدشده به‌صورت روزانه، ارتباط یا وابستگی میان آن‌هارا کشف کند. نام پروژه‌ی جدیدKAIROS بوده که مخفف عبارت Knowledge Directed Artificial Intelligence Reasoning Over Schemas است.
Schema در نام پروژه‌ی جدید به‌صورت لغوی الگو یا شکل معنی میشود. این کلمه در نام پروژه معنای منحصربه‌فردی دارد و منظور از آن، فرایند پایه‌ای است که انسان‌ها برای درک دنیای اطراف خود از آن استفاده می‌کنند. فرایند مذکور، با ساختن داستان‌های کوچک از رخدادهای مرتبط با هم اجرا میشود.
به‌عنوان مثالی از به‌کارگیری فرایند ارتباط وقایع، زمانی را در نظر بگیرید که از یک فروشگاه خرید می‌کنید. شما می‌دانید که برای خرید، باید به فروشگاه بروید، محصول را انتخال کنید، آن را به صندوق بیاورید، صندوق‌دار مشخصات محصول را چک می‌کند و درنهایت شما قیمت محصول را پرداخت کرده و از فروشگاه خارج می‌شوید. این داستان، نمونه‌ای از الگویی است که ما در ذهن خود می‌سازیم و حتی خود می‌تواند دارای الگوهای دیگر کوچک‌تر (مثلا انتخاب محصول یا فرایند پرداخت) باشد. حتی همین الگو می‌تواند داخل الگویی دیگر (مثلا خرید هدیه یا پخت‌وپز در خانه) قرار داشته باشد.
اگرچه فرایند بالا و الگوهای آن به‌راحتی در ذهن ما شکل می‌گیرند و تفسیر می‌شوند، تعریف دقیق آن‌ها به‌نوعی که کامپیوترها بفهمند، فرایندی دشوار خواهد بود. اگرچه کامپیوترها به‌خاطر سال‌ها استفاده‌ی انسان‌ها، ما را بهتر می‌شناسند، اما نمی‌توان آن‌هارا به‌سرعت در چارچوبی مشخص قرار داد. به‌بیان‌دیگر رفتار آن‌ها مانند افتادن سیب از درخت با شتاب ثابت نیست که به‌راحتی توصیف شود.
علاوه‌بر چالش فوق، هرچه داده‌های موجود در یک فرایند بیشتر شود، توضیح و تفسیر آن دشوارتر میشود. خرید کردن یک الگو و فرایند بسیار ساده است؛ اما الگوهایی را که منجر به مواردی همچون جنگ سرد یا سقوط بازارهای میشود، چگونه پیش‌بینی‌کنیم؟ پاسخ به این سؤال، همان پروژه‌ی یادگیری ماشین DARPA است.
بویان انیشکویچ مدیر برنامه‌ی سازمان دارپا درباره‌ی پروژه‌ی جدید این سازمان در حوزه‌ی هوش مصنوعی گفت:
فرایند کشف ارتباطات وابسته در کوه‌هایی از اطلاعات، نیازمند اطلاعات وابسته به زمان و الگوهای رخدادها است. جمع‌آوری چنین مواردی با ابزارها و سیستم‌های کنونی تقریبا غیرممکن است.
آژانس تحقیقات آمریکا ادعا می‌کند پروژه‌ی KAIROS با هدف توسعه‌ی یک سیستم نیمه‌اتوماتیک با توانایی شناسایی و ترسیم ارتباط بین رخدادها یا داده‌های ظاهرا نامرتبط انجام میشود. محصول پروژه، به اطلاع‌رسانی یا تولید روایت‌های وسیع پیرامون جهان اطراف کمک می‌کند.
البته چگونگی پیاده‌سازی پروژه‌ی دارپا هنوز مشخص نیست و آن‌ها تنها با داشتن ایده‌ای کلی، به‌دنبال تخصص مورد نیاز برای آن هستند. مشکل کنونی آن است که الگوها باید توسط انسان‌ها با سختگیری زیاد بررسی شده و تعریف شوند. در این حالت، بررسی و تأیید اطلاعات هم احتمالا توسط خود انسان‌ها انجام میشود. برنامه‌ی KAIROS قصد دارد از هوش مصنوعی برای این روند و آموزشدادن خودش استفاده کند.
درباره این سایت