MILAD_A
کاربر نگاه دانلود
با این که بسیاری از تصمیم های روزانه را بدون تلاش زیاد و پیچیدگی آنچنانی می گیریم، اما شناخت جزئیات صورت گرفته در مغز و ساز و کار این تصمیمات آن قدر هم ساده نیست. دانشمندان علوم عصب شناسی و رایانه سال هاست می کوشند انواع مختلف هوش مصنوعی را بر مبنای تقلید ساز و کار مغز انسان طراحی کنند. یکی از اصلی ترین موانع پیش روی هوش مصنوعی، پیاده کردن ساختار بسیار پیچیده تصمیم گیری در انسان است. بتازگی دانشمندان با طراحی مدلی جدید از تصمیم گیری های پیچیده مغز انسان توانسته اند، به اطلاعات جالبی درباره آنچه بر قدرت تصمیم گیری انسان و توانایی یادگیری او تاثیر می گذارد، دست یابند.
شبیه سازی فرآیند تصمیم گیری انسانی
شناخت فرآیند تصمیم گیری در حوزه های مختلف علوم نظیر روان شناسی، علم اعصاب، رباتیک و حتی اقتصاد بسیار کاربرد دارد. تاکنون چند مدل و نرم افزار شبیه سازی نحوه تصمیم گیری توسط انسان طراحی شده است. این مدل ها به تصمیم گیری هایی محدود می شود که در آن هر مرحله مستقل از تصمیمات قبل است، اما مدل طراحی شده جدید می تواند با دقت شگفت آوری این نوع تصمیم گیری و شرایط یادگیری را شبیه سازی کند.مدلی جدید برای تصمیم گیری
دانشمندان برای اولین بار مدلی زیستی را که می تواند به تصمیم گیری غیرمارکوفی بپردازد، طراحی کردند و توانستند درستی آن را در تصمیم گیری های انسانی و نیز مدل های مختلف رایانه ای اثبات کنند. برای تائید این مدل دو آزمون جداگانه انجام شد. این آزمون ها روی انسان و نیز سه مدل رایانه ای با درجات مختلف توانایی یادگیری (قابلیت اصلاح الگوریتم براساس یافته های جدید) اجرا شد. علاوه بر این، آزمون با استفاده از یک مدل پیشرفته مغز به نام شبکه عصبی نیزه ای (spiking neuron network) نیز مورد سنجش قرار گرفت. در این مدل وقتی تعداد زیادی از نورون های عصبی مغز در یک منطقه خاص، فعالیتی ناگهانی از خود نشان دهند و امواج مغزی به صورت یک قله تیز (همانند نیزه) در آید، مشخص می شود فرد تصمیمی گرفته است. آزمایش اول: شناخت تدریجی مسیر
در آزمایش اول، تاثیر حالت جابه جایی مغز در تصمیم گیری و یادگیری انسان بررسی شد. به این منظور شرکت کنندگان یک بازی رایانه ای انجام دادند که در آن، با استفاده از هشت آیتم (مانند تفنگ، ماشین و...) باید مسیری را طی می کردند و به نقطه هدف نهایی می رسیدند. هر آیتم با سه دکمه ظاهر می شد که هر کدام مسیری متفاوت را به کاربر پیشنهاد می دادند و کاربر باید یکی از آنها را انتخاب می کرد و به این ترتیب پس از طی هشت مرحله به هدف می رسید. اگرچه مسیری نسبتا کوتاه از اولین آیکون به هدف وجود داشت، رفتن از طریق آن غیرممکن بود؛ مگر آن که کاربر براساس الگویی مشخص (یعنی همان حالت جابه جایی) حرکت می کرد. کاربران چند بار این آزمایش را تکرار و هر بار، بهتر از قبل مسیر اصلی را انتخاب می کردند. بیشتر افراد که در شروع کار با 80 بار کلیک به هدف می رسیدند، توانستند پس از 40 بار بازی با کمتر از 10 کلیک به هدف برسند.آزمایش دوم: تاخیر در بازخورد
سپس آزمایش دومی ترتیب داده شد. هدف آزمایش این بود که بررسی کند، تاخیر بازخورد در زمینه عملکرد فرد، چه تاثیری در تصمیم گیری و یادگیری او دارد. برای این آزمایش، به کاربران مجموعه ای از تصاویر آزمایشی نشان داده و به آنها گفته شد، هر تصویر متعلق به دسته شماره یک یا دسته شماره 2 است. کاربر باید دسته هر تصویر را با زدن یکی از کلیدهای جهتی راست و چپ صفحه کلید مشخص می کرد، اما نکته آزمایش در این بود که از قبل، شرکت کننده اطلاعی نداشت که باید دسته شماره یک را با دکمه چپ مشخص کند یا کلید راست. در واقع باید خودش با آزمون و خطا، دسته درست و دکمه مربوط به آن را می یافت. در مرحله بعدی، به هر نفر هر تصویر را یک بار نشان دادند و قرار شد بسته به این که هر تصویر به کدام دسته تعلق دارد، یکی از کلیدهای جهتی را فشار دهند. در صورتی که کلید بدرستی انتخاب می شد، پیغام درست و در صورت اشتباه بودن پیغام نادرست بر صفحه نمایش نقش می بست. در ادامه، بازخوردها کمی به تاخیر افتاد، به طوری که بازخورد یک تصویر پس از نمایش تصویر بعدی ظاهر می شد. این نمایش با تاخیر بازخورد به کاهش سرعت یادگیری فرد و به تاخیر افتادن یادگیری انجام درست این دسته بندی انجامید.
یافته ای مهم برای ساخت هوش مصنوعی
مطالعه سه نتیجه گیری مهم در بر داشت: اول این که تصمیم گیری انسان می تواند به خوبی مدل های پیچیده رایانه ای فعلی و در شرایط غیرمارکوفی انجام شود و بی تردید این یافته در تلاش فعلی دانشمندان برای مدلسازی مغز انسان و طراحی سیستم هوش مصنوعی بسیار اهمیت دارد.دوم این که تاخیر در بازخورد به طور قابل توجهی سبب اختلال در تصمیم گیری و یادگیری انسان می شود. البته تاخیر در بازخورد در عملکرد مدل های رایانه ای که حافظه به مراتب بهتری نسبت به انسان دارند ممکن است تاثیر نداشته باشد. در آزمون دوم شرکت کنندگان پس از 10 بار تلاش توانستند به طبقه بندی درست تصاویر بپردازند. بازخورد، عنصری حیاتی در تصمیم سازی و یادگیری است و نقش مهمی در رسیدن انسان به هدف دارد.
در بعضی موارد، مانند یادگیری دوچرخه سواری، برای حفظ تعادل، پدال زدن و ترمز باید بسرعت تصمیم گرفته شود. در غیر این صورت سقوط از روی دوچرخه حتمی است. بازخورد این فعالیت ها آنی است، اما در موارد دیگر همانند انواع بازی های فکری نظیر شطرنج، بازخورد می تواند به طور قابل توجهی به تاخیر افتد؛ زیرا زمان زیادی برای یافتن حرکت منجر به پیروزی یا شکست وجود دارد.
در نهایت پژوهشگران دریافتند مدل عصبی نیزه ای با عملکرد انسان مطابقت دارد و بخوبی آن را توصیف می کند. از آنجا که ثابت شده تصمیم گیری غیرمارکوفی می تواند برای مدل های رایانه ای بسیار چالش برانگیز باشد، این پژوهش یک یافته بسیار ارزشمند در کمک به فهم این موضوع و مدلسازی دقیق مغز انسان و حتی فراتر از آن، طراحی هوش مصنوعی به شمار می رود.
2 نوع تصمیم گیری
تصمیم گیری به دو نوع مارکوفی و غیرمارکوفی تقسیم می شود. این نامگذاری به یادبود آندره مارکوف، ریاضیدان برجسته روس (1856 ـ 1922) صورت گرفته است. در مدل مارکوفی، هر مرحله از تصمیم گیری به طور کامل به وضعیت جاری امور بستگی دارد. برای مثال در بازی منچ یا بازی کودکانه لِی لِی، حرکت بعدی تنها به شرایط قرار گرفتن فعلی مهره (یا فرد) روی خانه های جدول بستگی دارد و به چگونگی رسیدن به آن مرحله مربوط نمی شود. این فرآیند نسبتا ساده به طور گسترده در رایانه و ماشین آلات به کار می رود.تصمیم گیری غیرمارکوفی کمی پیچیده تر است و در آن، هر مرحله تحت تاثیر عوامل و محدودیت های جانبی و تصمیمات مرحله قبل است. فرض کنید شخصی تصمیم دارد با قطار مسافرت کند؛ برای این کار او باید قبل از سوار شدن از باجه بلیت تهیه کند. یعنی مرحله ورود به قطار مستلزم مرحله تهیه بلیت است؛ زیرا بدون بلیت شخص نمی تواند مرحله بعدی یعنی سوار شدن به قطار را انجام دهد. با وجود این که در نگاه اول، سوار شدن به قطار به مرحله قبلی یعنی رسیدن به ایستگاه و سکوی مناسب بستگی دارد، اما مرحله جانبی دیگر یعنی «خرید بلیت» در اینجا تعیین کننده است. این مرحله را در علوم عصب شناسی حالت جابه جایی (switch state) می نامند.
