استفاده از داده های مصنوعی برای آموزش مدل ها؛ اشتباهی بزرگ است

ریچ ساتن، دانشمند برجسته علوم رایانه و برنده جایزه تورینگ، با انتقاد از رویکرد فعلی شرکت های فناوری، اتکای فزاینده به داده های مصنوعی برای آموزش هوش مصنوعی را مسیری نادرست خواند.

به گزارش خبرگزاری صداوسیما؛ ریچ ساتن که از او به عنوان یکی از پدران فناوری های پایه هوش مصنوعی مدرن یاد می شود، در پادکست اخیر شرکت سرمایه گذاری «سکویا»، زنگ خطر را درباره وابستگی صنعت هوش مصنوعی به داده های تولیدشده توسط ماشین به صدا درآورد. تضاد داده های مصنوعی با پیچیدگی های دنیای واقعی ساتن معتقد است اگرچه داده های مصنوعی (اطلاعات تولید شده توسط الگوریتم ها به جای منابع انسانی و واقعی) راهکاری سریع برای رفع عطش مدل های زبانی بزرگ به نظر می رسند، اما این یک «اشتباه بزرگ» است. او می گوید: «دنیا بی نهایت پیچیده است و هر شبیه سازی، تنها بخش بسیار کوچکی از واقعیت را بازسازی می کند.» وی با مثال زدن هدایت یک پهپاد، توضیح داد: متغیرهایی مانند اصطکاک، فرسودگی قطعات و رفتارهای فیزیکی در دنیای واقعی چنان پیچیده اند که نمی توان آن ها را به طور کامل در داده های مصنوعی گنجاند. عطش بی پایان برای داده های واقعی اظهارات ساتن در حالی مطرح می شود که شرکت های بزرگ نیز علی رغم استفاده از داده های مصنوعی، همچنان به دنبال منابع کمیاب داده های واقعی هستند. اقدام اخیر گوگل در پرداخت 10 میلیون دلار برای دسترسی به داده های شرکت ورشکسته «اسپیریت ایرلاینز» و تلاش های «اوپن ای آی» برای خرید مجموعه داده های اختصاصی، نشان دهنده ارزش بالای اطلاعات واقعی در برابر داده های تولید شده توسط هوش مصنوعی است. ظهور نسل جدید هوش مصنوعی بر پایه تجربه این دانشمند کانادایی بر این باور است که آینده هوش مصنوعی نه در مجموعه داده های از پیش آماده، بلکه در «یادگیری مستمر از محیط» نهفته است. او با همین دیدگاه، استارتاپ جدید خود با نام Oak Lab را تأسیس کرده است. هدف این استارتاپ توسعه عامل های هوش مصنوعی است که مانند انسان، از طریق مشاهده پیامد اقدامات خود و تعامل با محیط واقعی یاد می گیرند، نه صرفاً با مرور داده های مصنوعی موجود در سرورها.

نظرات

captcha