نام فایل : مهندسي-معكوس-مغز-11-ص

فرمت : .doc

تعداد صفحه/اسلاید : 10

حجم : 69 کیلوبایت

مهندسي معكوس مغز -
Reverse - Engineering the Brain
اشاره :
<مگي ميمون بسيار باهوشي است>، اين را
Tim Buschman
، دانشجوي سال آخري مي‌گويد كه در آزمايشگاه عصب‌شناسي پروفسور
Earl Miller
مشغول پژوهش است. البته ديدن مگي به اين آساني‌ها مقدور نيست؛ براي دور نگهداشتن مگي از محيطي كه انسان‌ها در آن حضور دارند، از او در محيطي مجزا نگهداري مي‌شود تا از رفتار انسان‌ها تأثير نپذيرد. ولي علايم هوشمندي او روي دو نمايشگر كه روبه‌روي بوشمن قرار دارد، قابل مشاهده است. مگي در طول هفت سال گذشته براي مركز علوم مغز و ادراك (
Brain and Cognitive Sciences: BCS
) دانشگاه ام‌آي‌تي كار كرده است. اين ميمون، سه ساعت در روز به بازي‌هاي كامپيوتري مشغول است كه بيشتر با هدف ساخت و پرورش الگوهاي كلي توسط مغز مگي و سپس استفاده از آن الگوها به عنوان ابزار، طراحي شده اند. بوشمن (شايد به طنز) مي‌گويد: <من حتي با اين كار نيز مشكل دارم>. منظور او حركت به سمت بالا و پايين در يك بازي كامپيوتري است كه شامل عملگرهاي منطقي است كه در گروه‌هاي خاصي قرار مي‌گيرند.
ولي مگي بسيار خوب عمل مي‌كند: واكنش خوب در برابر پرسش‌هاي سخت، صرف تنها نيم ثانيه براي پاسخگويي به هر مسئله و چهار پاسخ درست از پنج پاسخ، نمونه‌اي از عملكرد خوب اوست.
توانايي مگي در بازي‌كردن را مي‌توان نقطه تلاقي هوش‌مصنوعي و دانش عصب‌شناسي دانست. دانشجوي سال آخر ديگري تحت آموزش‌هاي بوشمن و
Michelle Machon
، مشغول پژوهش در اين‌باره است كه مغز چگونه مي‌تواند ياد بگيرد و به ساخت قوانين منطقي بپردازد، و اين‌كه چگونه بايد كارايي مغز را در انجام اين وظايف با عملكرد شبكه‌هاي عصبي مصنوعي كه در هوش مصنوعي مورد استفاده قرار مي‌گيرد، مقايسه كرد.
چهل سال پيش، اين ايده وجود داشت كه دانش عصب‌شناسي و هوش مصنوعي بايد همزمان و تواماً در آزمايشگاه‌هايي مانند آنچه كه
Miller
 در آن به پژوهش پرداخته است، مورد مطالعه قرار بگيرد، ولي تصور نمي‌رفت كه اين دو، بتوانند چندان به توسعه هم كمك كنند.  پيشتر، حيطه مطالعاتي اين دو متد بسيار متفاوت از هم بود. عصب شناسي بر كشف و توضيح جزئيات ساختار عصب و فعاليت‌هاي عصبي متمركز بود و هوش مصنوعي مي‌كوشيد با توسعه يك مسير مستقل و فارغ از فرآيندهاي بيولوژيكي، به شبيه‌سازي هوش برسد (از ديدگاه تاريخي، فناوري در واقع نيازي به الهام گرفتن از طبيعت نداشته است؛ نه هواپيماها مانند پرندگان پرواز مي‌كنند و نه خودروها مانند اسب‌ها حركت مي‌كنند.) و به نظر مي‌رسيد هوش مصنوعي با شتاب بيشتري پيشرفت مي‌كند.
با استفاده از دانش عصب‌شناسي به سختي مي‌شد به ماهيت مغز پي برد؛ چه رسد به اين‌كه بتوان بر نحوه عملكرد آن واقف شد. از سوي ديگر،  هر كسي كه كمي اطلاعات علمي داشت، روزي را كه كامپيوترها بتوانند هر آنچه را كه انسان انجام مي‌دهد انجام دهند (شايد هم بهتر از انسان)  دور از دسترس نمي‌دانست. در سال 1962، توجه مقامات به پشتيباني از پروژه‌اي مبني بر طراحي يك سيستم فراگير خودكار جلب شد كه پروژه‌اي جنجالي در ايالات‌متحده محسوب مي‌شد (اين سيستم به
Cybernation
مشهور بود)؛ چرا كه گمان مي‌رفت با آمدن اين سيستم، تعداد زيادي از مردم كار خود را از دست بدهند.
ولي يك چيز از هيجاني كه هوش مصنوعي برپا كرده بود، كاست. هر چند كامپيوترها مي‌توانستند از پس تشخيص اشياي ساده در يك موقعيت ويژه و تحت شرايط كنترل شده برآيند،  در تشخيص و شناسايي اشياي پيچيده در دنياي حقيقي باز مي‌ماندند. يك ميكروفون مي‌تواند سطوح صدا را تشخيص دهد، ولي مثلا‌ً نمي‌تواند آن را كوتاه و خلاصه كند. يك سيستم خبره مي‌تواند يك شيء جديد و تميز را در ميان مجموعه‌اي از اشياي  قديمي و كثيف  تشخيص دهد، ولي نمي‌تواند يك شيء  قديمي و كثيف را در يك توده درهم و برهم تشخيص دهد. (نمونه ديگر اين موضوع سيستم مورد آزمايش ماروين مينسكي است كه حتي قابليت قرار دادن يك بالش در روكش بالش را هم ندارد.) هنوز نگراني ما از رويارويي انسان‌ها بيش از نگراني ما درباره رويارويي ماشين‌ها با هم است.
بر خلاف هوش مصنوعي كه پيشرفت آن كندتر از آن چيزي بود كه انتظار مي‌رفت، عصب‌شناسي در فهم چگونگي كاركرد مغز به خوبي پيش مي‌رفت. اين حقيقت در هيچ جايي به اندازه پژوهش‌هاي سي و هفت آزمايشگاه از مجموعه مراكز
BCS
دانشگاه
MIT
...