ايسنا/ پژوهشگران آمريکايي در بررسي جديد خود تلاش کردند تا با آموزش فيزيک به هوش مصنوعي، ميزان سازگاري آن را افزايش دهند.
پژوهشگران "دانشگاه ايالتي کاروليناي شمالي"(NCSU) در بررسي جديد خود دريافتهاند که آموختن فيزيک به شبکههاي عصبي، آنها را قادر ميسازد تا بهتر با محيط اطراف خود سازگار شوند. اين پژوهش ميتواند پيامدهايي براي بهبود کاربرد هوش مصنوعي در حوزههاي گوناگون از تشخيص پزشکي گرفته تا هدايت پهپادهاي خودران به همراه داشته باشد.
شبکههاي عصبي، شکل پيشرفتهاي از هوش مصنوعي هستند که عملکرد آنها مبتني بر روش کارکرد مغز ما است. نورونهاي طبيعي ما براساس قدرت اتصالات خود، به تبادل پالسهاي الکتريکي ميپردازند. شبکههاي عصبي مصنوعي از اين رفتار تقليد ميکنند تا تفاوت ميان خروجيهاي واقعي و مورد نظر را به حداقل برسانند. براي مثال، ميتوان يک شبکه عصبي را آموزش داد تا تصاوير سگها را در ميان شمار زيادي از تصاوير تشخيص دهد، حدس بزند که آيا تصوير مربوط به يک سگ هست يا خير و همين طور بررسي کند که تصوير تا چه اندازه ميتواند به واقعيت نزديک باشد.
پژوهشگران دانشگاه ايالتي کاروليناي شمالي در اين پژوهش جديد نشان دادند که آموزش فيزيک به شبکههاي عصبي مصنوعي، به آنها کمک ميکند تا خود را با يک سيستم سازگار کنند. آنها در اين پروژه، يک شبکه عصبي مصنوعي را با مفاهيم فيزيک آموزش دادند و دريافتند که شبکه ميتواند پويايي سيستم را به دقت پيشبيني کند و اين کار را هم در محيط منظم و هم در محيط شلوغ و نامنظم انجام دهد.
"جان ليندر"(John Lindner)، از پژوهشگران اين پروژه گفت: شبکه عصبي با کمک آموزش فيزيک ميتواند پويايي را طوري درک کند که از عهده شبکههاي عصبي متداول خارج است. اين نخستين گام براي ارائه شبکههاي عصبي است که ميتوانند به ما در حل کردن مسائل دشوار کمک کنند.
اين پژوهش، در مجله "Physical Review E" به چاپ رسيد.
بازار