با منفعت گیری از نسخه هوش مصنوعی انیشتین و نیوتون می‌توان نظریه‌هایی که این مدل کشف کرده است برای انسان با زبانی قابل فهمیدن اراعه بشود.
به نقل از سرویس اخبار فناوری و تکنولوژی تکنا، محققان در مرکز پژوهشی یولیش در آلمان توانستند یک هوش مصنوعی را به طوری آموزش دهند که بتواند همانند آلبرت انیشتین و یا آیزاک نیوتون فکر کند. این مدل با منفعت گیری از نوع یادگیری خود می‌تواند در مجموعه‌ای از داده‌های پیچیده یک الگو را اشکار کرده و درمورد آن یک نظریه فیزیکی بسازد.
دانشمندانی نظیر انیشتین و نیوتن نظریاتی را اراعه کردند که همه انها آنها توانستند از آزمون‌های آینده در طول زمان با پیروزی عبور کرده و این چنین نظریه‌های فرد دیگر نیز بر پایه آنها شکل بگیرند. این محققان از فیزیک برای فهمیدن چگونگی کار هوش مصنوعی به جای این فناوری و تفکر درمورد داده‌های فیزیکی منفعت گیری کردند. پژوهشگران موسسه یوولیش برای ترسیم رفتارهای پیچیده در یک سیستم ساده‌تر یک شبکه عصبی را گسترش دادند. این ماموریت از طریق ساده سازی روابط بین اجزای سیستم توسط هوش مصنوعی انجام می‌بشود.
سپس از این سیستم ساده سازی برای تشکیل ترسیم معکوس با پشتیبانی هوش مصنوعی آموزش دیده منفعت گیری شد. در این زمان سیستم می‌تواند از اجزای ساده به اجزای پیچیده رسیده و یک نظریه تازه را گسترش دهد. رویکرد منفعت گیری شده در این مدل هوش مصنوعی همانند چیزی است که فیزیکدانان انجام خواهند داد.
آخرین مطالب
- شرکت نروژی بزرگترین تشکیل کننده کشتی‌های هیدروژنی در جهان می‌شود_رنگو
- گسترش الگوریتم جدیدی برای شارژ که عمر سودمند باتری‌ها را دو برابر می‌کند_رنگو
- ۱۱ ویژگی محیط کار مثبت + اهمیت تشکیل محل کار سالم_رنگو
- باکتری‌های خون آشام و مرگبار به راحتی وجود خون را تشخیص می دهند_رنگو
- انسان‌ها در بازار کار چه مزیت‌هایی نسبت به هوش مصنوعی دارند؟_رنگو
به عبارت ساده در در این روش انواع اندرکنش‌های قاعده‌مند وجود دارند که می‌توانند علتتوضیح قسمت‌های گوناگون یک سیستم و کارکرد آن شوند. این دقیقاً همان چیزی است که در علم فیزیک رخ می‌دهد به همین علت این مدل را با نام فیزیک هوش مصنوعی نامگذاری کرده‌اند.
مدل‌های هوش مصنوعی گسترش یافته در سال‌های تازه همه انها از نوع توضیح ناپذیر بدین معنی که آنها می‌توانند از داده‌هایی که برای آموزش آنها منفعت گیری شده است برای استخراج یک نظریه منفعت گیری کنند. چون امکان تفسیر نظریه‌ها وجود ندارد چون آنها در پارامترهای مدل آموزش دیده به طور ضمنی مخفی شده‌اند.
