دمیس هاسابیس
دمیس هاسابیس 46 ساله (متولد 27 جولای 1976) یک محقق هوش مصنوعی، نوروساینتیست، طراح بازی و کارآفرین است و در حوزهی خود که هوش مصنوعی است، به عنوان یکی از شناختهشدهترینها به شمار میرود . هاسابیس حاصل ازدواج یک پدر یونانی و مادر سنگاپوری بود و کودکی خود را در شمال لندن گذراند.
هاسابیس از همان کودکی مهارت زیادی در بازیهای فکری داشت و شطرنجباز قابلی بود، طوری که وقتی فقط 13 سال داشت با کسب امتیاز 2300 در ردهبندی جهانی، عنوان استادبزرگی شطرنج را برای خود کرد. هاسابیس دکترای خود را در سال 2009 در رشتهی علوم اعصاب شناختی در دانشگاه لندن (UCL) به پایان رساند و به عنوان یک دانشمند علوم اعصاب و هوش مصنوعی در مؤسسهی تکنولوژی ماساچوست (MIT) و دانشگاه هاروارد به ادامه تحصیل و انجام پژوهش پرداخت. او با الهام گرفتن از کارکرد مغز انسان به دنبال ایجاد الگوریتمهای جدید هوش مصنوعی بود.
دمیس هاسابیس در سال 2010 دیپ مایند را که یک شرکت بریتانیایی هوش مصنوعی است، با همکاری یکی از دوستان خود در UCL، به نام شین لیگ، تأسیس کرد. کار دیپ مایند براساس مفاهیم تمرین و یادگیری در علوم اعصاب است. آنها مفهوم هوش مصنوعی را توسعه دادند و کامپیوترها را با تقلید از نحوهی کارکرد مغز انسان طوری طراحی کردند که بتواند بر مبنای اطلاعات برنامهریزی کند و از اشتباهات خود درس بگیرد و عملکرد خود را ارتقاء دهد .
در سال 2014 این شرکت با هزینهی 650 میلیون دلار توسط گوگل خریده شد و از آن به بعد نام آن به گوگل دیپ مایند تغییر کرد. در نتیجه حالا دیپ مایند زیرمجموعهی شرکت گوگل است. این شرکت در واقع یک شبکهی عصبی مصنوعی را تولید کرده که منجر به ایجاد کامپیوترهایی شده که میتوانند حافظهی کوتاهمدت انسان را شبیهسازی کنند.
این شرکت در سال 2016 با پیروزیِ برنامهای به نام “آلفاگو” تاریخساز شد. داستان از این قرار است؛
به خاطر بیاورید که 18 سال پیش شرکت IMB با کامپیوتر شطرنجباز خود به نام بلو دیپ( Blue Deep) توانست گری کاسپاروف، قهرمان شطرنج جهان، را شکست دهد و از آن زمان تا حالا میدانیم که کامپیوترها نسبت به انسانها بازیکنهای بهتری در شطرنج هستند، اما در مواجهه با بازی سخت تری مثل Go (گو) عملکرد ضعیفی داشتند. در حوزه تحقیقاتی هوش مصنوعی برای مدت طولانی شکست قهرمانان این بازی چالش بزرگی بود، چون بازی GO نسبت به شطرنج بازی دشوارتری است. از آن جا که تعداد حرکتهای بازی GO بسیار گسترده است و احتمالات بسیاری وجود دارد، مدیریت آن برای کامپیوترها بسیار دشوار است.
“GO” یکی از قدیمیترین بازیهای تاریخ بشری است و قدمت آن به 2500 سال پیش و به چین برمیگردد؛ که پس از ابداع آن، این بازی به سرعت در ژاپن و کره نیز گسترش یافت و اکنون یکی از پیچیدهترین بازیها برای انسان و کامپیوتر محسوب میشود. این بازی به صورت دو نفره اجرا میشود و علیرغم وجود قوانین سادهای که دارد، استراتژیهای پیچیدهای را میطلبد. این بازی بر روی یک صفحهی 19*19 انجام میشود و طی آن دو بازیکن برای تصاحب فضای بیشتر در صفحه رقابت میکنند.
دمیس هاسابیس در ارتباط با این بازی گفته بود: ” GO یک بازی شدیداً پیچیده است، به همین دلیل یک چالش بزرگ برای هوش مصنوعی محسوب میشود”.
اما هاسابیس (موسس دیپ مایند) و هجده دانشمند علوم رایانه نرمافزاری طراحی کردند که توانست این چالش را حل کند. این برنامه آلفاگو (AlphaGo) نام گرفت و از الگوریتمی به نام شبکهی عصبی عمیق (Deep neural networks) بهره میبرد. این شبکه از تعداد زیادی نورونهای مصنوعی تشکیل شده که میتواند از روی شبکهی ارتباطی بین نورونهای عصبی در مغز انسان تقلید کند و توانایی “یادگرفتن” داشته باشد.
پیروزی این برنامه در بازی GO بر لی سدول (قهرمان بازیهای گو)، نقطهی پرتابی در دانش هوش مصنوعی بود. Alpha Go با دیگر انواع هوشهای مصنوعی تفاوت دارد. درحالیکه کامپیوتر شطرنجباز مثل Deep Blue مستقیماً از جانب انسانها برنامهریزی میشود، Alpha Go از یک هوش مصنوعی برای حرکات خود استفاده میکند.
AlphaGo بازی را با استفاده از برنامهریزی قبلی و توان پردازشی نبرد، بلکه این الگوریتم “توان یادگیری” دارد، قابلیتی که به آن کمک میکند علاوه بر محاسبه کردن و انتخاب بهترین حرکت، بازی رقیب را نیز در نظر بگیرد و حرکات او را یاد بگیرد و خود را ارتقاء دهد. پس لازم نیست از قبل آن را برنامهریزی کرده باشید، بلکه Alpha Go با دیدن یاد میگیرد و خود را ارتقاء میدهد. هاسابیس گفته است: ” پس از پیروزی این هوش در چندین رقابت در مقابل قهرمان جهان در بازی گو، دیگر از آن در بازی GO استفاده نمیکنیم، چون Alpha Go به بالاترین حد ممکن در این رقابتها رسیده است. به جای آن تیم ما در نظر دارد الگوریتمهای جدیدی را برای این هوش مصنوعی توسعه دهد تا شاید بتوان با استفاده از آن در آینده مسائل پیچیدهی علمی را حل کرد، علت بیماریها را پیدا کرد و در دنیای احتمالات تصمیمات بهتر و قطعیتری گرفت”. دمیس هاسابیس یک گروه اخلاقیات تشکیل داده تا مضرات پیشرفت این هوش مصنوعی را در نظر بگیرند و از این هوش صرفاً در جهت پیشرفت استفاده شود.
هاسابیس از همان کودکی مهارت زیادی در بازیهای فکری داشت و شطرنجباز قابلی بود، طوری که وقتی فقط 13 سال داشت با کسب امتیاز 2300 در ردهبندی جهانی، عنوان استادبزرگی شطرنج را برای خود کرد. هاسابیس دکترای خود را در سال 2009 در رشتهی علوم اعصاب شناختی در دانشگاه لندن (UCL) به پایان رساند و به عنوان یک دانشمند علوم اعصاب و هوش مصنوعی در مؤسسهی تکنولوژی ماساچوست (MIT) و دانشگاه هاروارد به ادامه تحصیل و انجام پژوهش پرداخت. او با الهام گرفتن از کارکرد مغز انسان به دنبال ایجاد الگوریتمهای جدید هوش مصنوعی بود.
دمیس هاسابیس در سال 2010 دیپ مایند را که یک شرکت بریتانیایی هوش مصنوعی است، با همکاری یکی از دوستان خود در UCL، به نام شین لیگ، تأسیس کرد. کار دیپ مایند براساس مفاهیم تمرین و یادگیری در علوم اعصاب است. آنها مفهوم هوش مصنوعی را توسعه دادند و کامپیوترها را با تقلید از نحوهی کارکرد مغز انسان طوری طراحی کردند که بتواند بر مبنای اطلاعات برنامهریزی کند و از اشتباهات خود درس بگیرد و عملکرد خود را ارتقاء دهد .
در سال 2014 این شرکت با هزینهی 650 میلیون دلار توسط گوگل خریده شد و از آن به بعد نام آن به گوگل دیپ مایند تغییر کرد. در نتیجه حالا دیپ مایند زیرمجموعهی شرکت گوگل است. این شرکت در واقع یک شبکهی عصبی مصنوعی را تولید کرده که منجر به ایجاد کامپیوترهایی شده که میتوانند حافظهی کوتاهمدت انسان را شبیهسازی کنند.
این شرکت در سال 2016 با پیروزیِ برنامهای به نام “آلفاگو” تاریخساز شد. داستان از این قرار است؛
به خاطر بیاورید که 18 سال پیش شرکت IMB با کامپیوتر شطرنجباز خود به نام بلو دیپ( Blue Deep) توانست گری کاسپاروف، قهرمان شطرنج جهان، را شکست دهد و از آن زمان تا حالا میدانیم که کامپیوترها نسبت به انسانها بازیکنهای بهتری در شطرنج هستند، اما در مواجهه با بازی سخت تری مثل Go (گو) عملکرد ضعیفی داشتند. در حوزه تحقیقاتی هوش مصنوعی برای مدت طولانی شکست قهرمانان این بازی چالش بزرگی بود، چون بازی GO نسبت به شطرنج بازی دشوارتری است. از آن جا که تعداد حرکتهای بازی GO بسیار گسترده است و احتمالات بسیاری وجود دارد، مدیریت آن برای کامپیوترها بسیار دشوار است.
“GO” یکی از قدیمیترین بازیهای تاریخ بشری است و قدمت آن به 2500 سال پیش و به چین برمیگردد؛ که پس از ابداع آن، این بازی به سرعت در ژاپن و کره نیز گسترش یافت و اکنون یکی از پیچیدهترین بازیها برای انسان و کامپیوتر محسوب میشود. این بازی به صورت دو نفره اجرا میشود و علیرغم وجود قوانین سادهای که دارد، استراتژیهای پیچیدهای را میطلبد. این بازی بر روی یک صفحهی 19*19 انجام میشود و طی آن دو بازیکن برای تصاحب فضای بیشتر در صفحه رقابت میکنند.
دمیس هاسابیس در ارتباط با این بازی گفته بود: ” GO یک بازی شدیداً پیچیده است، به همین دلیل یک چالش بزرگ برای هوش مصنوعی محسوب میشود”.
اما هاسابیس (موسس دیپ مایند) و هجده دانشمند علوم رایانه نرمافزاری طراحی کردند که توانست این چالش را حل کند. این برنامه آلفاگو (AlphaGo) نام گرفت و از الگوریتمی به نام شبکهی عصبی عمیق (Deep neural networks) بهره میبرد. این شبکه از تعداد زیادی نورونهای مصنوعی تشکیل شده که میتواند از روی شبکهی ارتباطی بین نورونهای عصبی در مغز انسان تقلید کند و توانایی “یادگرفتن” داشته باشد.
پیروزی این برنامه در بازی GO بر لی سدول (قهرمان بازیهای گو)، نقطهی پرتابی در دانش هوش مصنوعی بود. Alpha Go با دیگر انواع هوشهای مصنوعی تفاوت دارد. درحالیکه کامپیوتر شطرنجباز مثل Deep Blue مستقیماً از جانب انسانها برنامهریزی میشود، Alpha Go از یک هوش مصنوعی برای حرکات خود استفاده میکند.
AlphaGo بازی را با استفاده از برنامهریزی قبلی و توان پردازشی نبرد، بلکه این الگوریتم “توان یادگیری” دارد، قابلیتی که به آن کمک میکند علاوه بر محاسبه کردن و انتخاب بهترین حرکت، بازی رقیب را نیز در نظر بگیرد و حرکات او را یاد بگیرد و خود را ارتقاء دهد. پس لازم نیست از قبل آن را برنامهریزی کرده باشید، بلکه Alpha Go با دیدن یاد میگیرد و خود را ارتقاء میدهد. هاسابیس گفته است: ” پس از پیروزی این هوش در چندین رقابت در مقابل قهرمان جهان در بازی گو، دیگر از آن در بازی GO استفاده نمیکنیم، چون Alpha Go به بالاترین حد ممکن در این رقابتها رسیده است. به جای آن تیم ما در نظر دارد الگوریتمهای جدیدی را برای این هوش مصنوعی توسعه دهد تا شاید بتوان با استفاده از آن در آینده مسائل پیچیدهی علمی را حل کرد، علت بیماریها را پیدا کرد و در دنیای احتمالات تصمیمات بهتر و قطعیتری گرفت”. دمیس هاسابیس یک گروه اخلاقیات تشکیل داده تا مضرات پیشرفت این هوش مصنوعی را در نظر بگیرند و از این هوش صرفاً در جهت پیشرفت استفاده شود.
دسته بندی مقالات
درحال حاضر نظری برای این مطلب وارد نشده است!
کلیه حقوق متعلق به دلتا میباشد.