مسیر دستیابی به هوش مصنوعی فوق‌هوشمند

آیا هوش مصنوعی در حال حرکت به سمت یک شبکه یکپارچه از عامل‌های هوشمند است که می‌توانند برای حل مسائل پیچیده با هم همکاری کنند؟

تتیم تحریریه۰ دقیقه مطالعه۰ بازدید۱۴۰۵/۵/۷
مسیر دستیابی به هوش مصنوعی فوق‌هوشمند

هوش مصنوعیِ توزیع‌شده؛ قدم بعدی در تکامل

تصور کنید یک سیستم مراقبت‌های بهداشتی متشکل از چندین عامل هوش مصنوعی (AI Agents) دارید: یکی برای ارزیابی علائم، دیگری برای زمان‌بندی، سومی برای بیمه و چهارمی برای داروخانه. هر کدام در حوزه خود متخصص هستند، اما دانش و اهداف خاص خود را دارند. امروزه آن‌ها می‌توانند داده‌ها را تبادل کنند، اما هنوز نمی‌توانند بدون دخالت انسان، هماهنگی دقیقی برای مراقبت از بیمار انجام دهند.

ویجوی پاندی، مدیر ارشد فناوری در Cisco، معتقد است: «هوش در حال حاضر وجود دارد، چیزی که کم است، بافت ارتباطی است که این موجودات منفرد را به یک تیم واحد تبدیل می‌کند.» این بافت ارتباطی از طریق افزودن یک لایه معنایی ایجاد می‌شود که «اینترنت شناخت» (Internet of Cognition) نامیده می‌شود و به عامل‌ها اجازه می‌دهد با هم کار کنند و از طریق «نیت، زمینه و استدلال مشترک» با هم فکر کنند.

پایه تکنولوژیک برای فوق‌هوشمندی

صنعت هوش مصنوعی سال‌ها بر رشد عمودی تمرکز داشت؛ مدل‌های بزرگ‌تر، داده‌های بیشتر و توان پردازشی سنگین‌تر. این رویکرد به ایجاد توانایی‌های استدلالی منجر شد که مانند «مغز» عمل می‌کنند. اما برای حل مسائل توسط عامل‌ها در سیستم‌های مختلف، محور رشد بعدی باید افقی باشد.

مدل‌های چند عاملی در حوزه‌هایی مانند مهندسی نرم‌افزار و کشف دارو در حال بررسی هستند، اما نتایج فعلی ناامیدکننده است. مطالعات نشان می‌دهند که سیستم‌های چند عاملی فعلی نرخ خطایی بین 41 تا 87 درصد دارند. پاندی معتقد است عامل‌های متصل به هم می‌توانند اقدامات هماهنگ انجام دهند، اما نمی‌توانند هدفی مشترک داشته باشند و در مورد چیزی که هیچ‌کدام برای آن آموزش ندیده‌اند، استدلال کنند.

برای حل این مشکل، پروژه متن‌باز AGNTCY معرفی شده که اجازه می‌دهد عامل‌ها در پلتفرم‌ها و شرکت‌های مختلف همدیگر را پیدا کنند، هویت خود را اثبات کرده و از طریق پروتکل‌های استاندارد تبادل پیام کنند. این پایه تکنولوژیک بر سه ستون استوار است:

  • نیت مشترک از طریق پروتکل‌های وضعیت شناخت: اجازه می‌دهد عامل‌ها قبل از اقدام در مورد هدف توافق کنند.
  • زمینه مشترک از طریق پارچه شناخت: حافظه سازمانی مشترک که اجازه می‌دهد بینش‌ها انباشته شوند.
  • استدلال مشترک از طریق تقویت‌کننده‌های شناختی: استفاده از چارچوب‌های امنیتی برای اطمینان از اینکه اقدامات عامل‌ها با اهداف اولیه کاربر همسو باقی می‌ماند.

پاندی می‌گوید: «عامل‌ها ویژگی‌هایی شبیه انسان دارند اما با سرعت و مقیاس ماشینی کار می‌کنند. آنچه آن‌ها کم دارند، لایه‌ای است که به انسان‌ها اجازه داد جمعی شوند. ما اکنون در همان آستانه قرار داریم.»

نظرات۰

برای نوشتن نظر، وارد حساب خود شوید.

ورود / ثبت‌نام

هنوز نظری ثبت نشده — اولین نفری باش که نظر می‌دهد.