همه چیز درباره هوش مصنوعی دیپ مایند گوگل

در زمان فعلی، هوش مصنوعی نه تنها در داستان‌های علمی تخیلی بلکه به یکی از عوامل کلیدی تغییر و تحولات انقلابی در صنعت تبدیل شده است. شرکت گوگل در بازار داغ رقابت‌های پیرامون برنامه‌های هوش مصنوعی، پلتفرمی تحت عنوان هوش مصنوعی دیپ مایند را توسعه داده که تلاش می‌کند برترین هوش مصنوعی دنیا باشد. اما در دنیایی که هوش مصنوعی دیپ سیک و سایر رقبا در حال ظهور هستند، دیپ مایند تا چه اندازه موفق است؟

هوش مصنوعی دیپ مایند چیست؟

گوگل دیپ ‌مایند، یک شرکت تابعه از گوگل، یک آزمایشگاه تحقیقاتی هوش مصنوعی بریتانیایی-آمریکایی است. این آزمایشگاه در سال ۲۰۱۰ میلادی در بریتانیا تاسیس شد، در سال ۲۰۱۴ توسط گوگل خریداری شد و در آوریل ۲۰۲۳ با بخش Google Brain شرکت ادغام شد تا در نهایت به گوگل دیپ‌مایند تبدیل شود.

ریشه‌ها و تکامل دیپ‌مایند

دیپ ‌مایند توسط دمیس هسابیاس، شین لگ و مصطفی سلیمان تاسیس شد. چشم‌انداز محققین این بود که سیستم‌های هوش مصنوعی را ایجاد کنند که بتوانند توانایی‌های یادگیری و حل مسئله‌ی انسانی را شبیه‌سازی کنند. در اوایل، دیپ‌مایند پیشرفت‌های قابل توجهی را در زمینه‌ی شبکه‌های عصبی (نوعی هوش مصنوعی که از طرز کار مغز انسان الهام می‌گیرد) داشت. این شبکه‌ها در لایه‌هایی ساختاربندی شده‌اند و توانایی یادگیری از حجم زیادی از داده‌ها را دارند و عملکرد را با گذشت زمان بهبود می‌بخشند.

دیپ‌مایند چگونه کار می‌کند؟

گوگل دیپ‌مایند در راس قله‌ی تحقیق در هوش مصنوعی قرار دارد و تکنیک‌هایی را برای ساخت سیستم‌های هوش مصنوعی قدرتمند و چندمنظوره راه‌اندازی کرده است. در ادامه قصد داریم بررسی کنیم که چگونه هوش مصنوعی دیپ‌مایند یاد می‌گیرد و از طریق یادگیری تقویتی بهبود پیدا می‌کند.

۱. رویکرد دیپ مایند

دیپ‌مایند از طریق داده‌های عظیم (Big Data) یاد می‌گیرد و از الگوریتم‌های پیشرفته به منظور استخراج اطلاعات معنی‌دار استفاده می‌کند. این داده‌ها می‌توانند از منابع مختلفی مانند شبیه‌سازی‌ها، داده‌های حسگری دنیای واقعی یا حتی بازی‌های ویدیویی کسب شوند.

با الهام از ساختار و عملکرد مغز انسان، دیپ‌مایند از شبکه‌های عصبی مصنوعی استفاده می‌کند. این شبکه‌ها شامل گره‌های مرتبط هستند که نحوه‌ی کار نورون‌ها را شبیه‌سازی می‌کنند. با پردازش داده‌ها از طریق این شبکه‌ها، هوش مصنوعی دیپ‌مایند می‌تواند الگوها و روابط موجود در داده‌ها را شناسایی کند.

۲. تکنیک‌های یادگیری عمیق

دیپ‌مایند از یادگیری عمیق (Deep Learning: یک زیرمجموعه از یادگیری ماشینی) استفاده می‌کند که در آن شبکه‌های عصبی پیچیده با لایه‌های فراوان آموزش داده می‌شوند. هر لایه به تدریج داده‌ها را تصفیه می‌کند و به هوش مصنوعی اجازه می‌دهد ویژگی‌های پیچیده را یاد بگیرد و قابلیت‌های پیشرفته‌ای را توسعه دهد.

۳. تصمیم‌گیری‌ها

هوش مصنوعی دیپ مایند از دانش به دست آمده از داده‌ها و یادگیری عمیق برای اتخاذ تصمیمات آگاهانه استفاده می‌کند. این تصمیمات می‌توانند شامل انجام اقدامات در یک محیط مجازی، برنامه‌ریزی در بازی‌های پیچیده، یا حتی بهینه‌سازی مصرف انرژی در محصولات گوگل باشند.

۴. حلقه‌ی یادگیری تقویتی

جنبه کلیدی هوش مصنوعی دیپ مایند، توانایی آن در یادگیری از طریق تجربه است. تکنیک‌های یادگیری تقویتی در اینجا به کار می‌روند. هوش مصنوعی در واقع بازخوردی در مورد تصمیمات خود دریافت می‌کند، چه مثبت (پاداش) و چه منفی (تنبیه). بر اساس این بازخورد، هوش مصنوعی رویکرد خود را تنظیم می‌کند و به طور مداوم عملکرد خود را در طول زمان بهبود می‌بخشد.

دیپ مایند مدام مرزهای هوش مصنوعی را جابه‌جا می‌کند. یک مثال اخیر، عامل چندکلمه‌ای قابل آموزش مقیاس‌پذیر (SIMA) است که در مارس ۲۰۲۴ معرفی شد. SIMA می‌تواند دستورهای زبان طبیعی را درک و دنبال کند تا وظایف را در محیط‌های مختلف 3D مجازی انجام دهد. این پیشرفت دیپ مایند در ترکیب بینایی کامپیوتری، پردازش زبان و یادگیری عمیق برای سیستم‌های هوش مصنوعی سازگارتر را نشان می‌دهد.

چگونه از گوگل دیپ‌مایند استفاده کنیم؟

گوگل دیپ‌مایند به عنوان یک ابزار معنایی به عنوان یک نرم‌افزار که به ‌طور فوری در زمینه‌های مختلف اجرا می‌شود، نیست. این پلتفرم در حقیقت یک مدل سایت است که بر آزمایش‌های هوش مصنوعی تمرکز دارد و هدف آن ایجاد الگوریتم‌های جدید یادگیری ماشینی محسوب می‌شود. با این حال، بسته به اهداف شما، راه‌هایی برای تعامل با کار دیپ‌مایند وجود دارد:

• تحقیقات و کدهای منتشر شده: دیپ‌مایند به ‌طور مکرر مقالات تحقیقی منتشر می‌کند و گاهی حتی کد مربوط به پروژه‌های خود را متن‌باز می‌کند. شما می‌توانید این مقالات را در وب‌سایت دیپ مایند پیدا کنید. اگر به درک مفاهیم اولیه پشت پرده‌ی پیشرفت‌های هوش مصنوعی علاقه‌مند باشید، از مطالعه‌ی این دسته از مقالات لذت خواهید برد. https://deepmind.google/research/publications/
• محصولات گوگل که با دیپ‌مایند قدرت می‌گیرند: در برخی موارد، دیپ‌مایند به خدمات گوگل برای هوش مصنوعی متصل است. به عنوان مثال، برخی از عناصر در گوگل فوتوز، برنامه‌ای که برای ذخیره عکس‌ها و ویدیوها استفاده می‌کنیم، یا در AlphaFold، نرم‌افزاری برای پیش‌بینی شکل پروتئین‌ها، ممکن است به محاسبات ریاضی دیپ‌مایند تکیه کنند. با این حال، وقتی صحبت از چنین سناریوهایی به میان می‌آید، شما به ‌طور مستقیم با دیپ‌مایند در شیوه‌ای که در دنیا حرکت می‌کند، مواجه نخواهید شد.
• TPUs ابری: دیپ‌مایند به اعتبار خود همچنین در توسعه‌ی سخت‌افزار تخصصی، معروف به واحد پردازش تنسور یا TPU که برای برنامه‌های یادگیری ماشین طراحی شده، درگیر بوده است. این TPU‌ها در پلتفرم ابری گوگل موجود هستند که می‌تواند برای شما مفید باشد، به شرطی که به آموزش مدل‌های بزرگ یادگیری ماشینی علاقه‌مند هستید (این فرایند نیاز به کار زیاد و سطح بالایی از تسلط فنی دارد).

نحوه پیدایش و تاریخچه هوش مصنوعی دیپ مایند

داستان پیدایش گوگل دیپ مایند به سال ۲۰۱۰ بازمی‌گردد زمانی که سه نفری که موسسان این گروه شدند (دمیس هاسابی، شین لگ و مصطفی سلیمان) این دیدگاه را مطرح کردند. این افراد در زمینه‌ی هوش مصنوعی یک دیدگاه جسورانه را به اشتراک گذاشتند: ایده‌ی ایجاد هوش مصنوعی که بتواند فراتر از یادگیری و انطباق مانند مغز انسان عمل کند و بتواند راه‌حل‌هایی را برای مسائل پیچیده در زمینه‌های مختلف پیدا کند. با این هدف و نیت بلندپروازانه، دیپ مایند رسما سفری را آغاز کرد که برای توسعه‌ی هوش مصنوعی (AI) تحول‌آفرین بود.

یکی از اولین دستاوردهای این شرکت، تاسیس الگوریتم‌های یادگیری تقویتی عمیق بود که باعث شد حتی بازیگران کلیدی در بخش فناوری و سرمایه‌گذاران به این سازمان توجه کنند. رویکرد دیپ مایند که نوآوری را با آخرین تکنیک‌های تحقیق ترکیب می‌کند، همه را شگفت‌زده کرد و نوید یک آینده‌ی درخشان را می‌دهد.

خریداری توسط شرکت گوگل

در سال ۲۰۱۴ میلادی، گوگل آینده‌ی بزرگی که دیپ مایند داشت را دید و بنابراین شرکت را به قیمت ۵۰۰ میلیون دلار خرید. در واقع، این معامله یک رویداد حیاتی در تاریخ هوش مصنوعی بود که به دیپ مایند اجازه داد تا از منابع گسترده و قدرت محاسباتی گوگل بهره‌برداری کند و به این ترتیب به پیشرفت پروژه‌های تحقیق و توسعه‌ی خود در مقیاسی که قبلا غیرقابل تصور بود، بپردازد.

از طریق همکاری با شرکت گوگل، دیپ مایند خود را در موقعیتی منحصر به فرد یافت تا از انبوهی از مهارت‌ها، داده‌ها و قدرت محاسباتی موجود بهره‌برداری کند. چنین رابطه‌ای به دیپ مایند این امکان را داد تا در زمینه‌ی هوش مصنوعی به مناطق جدیدی دست پیدا کند و به گوگل نیز اجازه داد که حوزه‌های تخصص خود را که شامل رایانش ابری، ذخیره‌سازی داده‌ها و زیرساخت یادگیری ماشین است، گسترش دهد.

دستاوردهای بزرگ گوگل دیپ‌مایند

دیپ‌مایند کمک‌های قابل توجهی به پژوهش‌های هوش مصنوعی کرده است. برخی از مهم‌ترین دستاوردها شامل موارد زیر هستند:

آلفا فولد (۲۰۱۶- ۲۰۲۲)

یکی از بزرگ‌ترین پیشرفت‌های دیپ‌مایند در دهه‌ی گذشته برنامه‌ای هوش مصنوعی به نام آلفافولد بود که در ۲۲ ژوئیه ۲۰۲۱ راه‌اندازی شد. آلفافولد از هوش مصنوعی برای پردازش توالی اسیدهای آمینه پروتئین‌ها استفاده می‌کند و شکل پروتئین‌ها را با ایجاد یک مدل 3D پیش‌بینی می‌کند. این برنامه به دانشمندان کمک کرده تا بر ساختار پروتئین‌های انسانی که به طور سنتی نامشخص مانده بودند، دید بهتری پیدا کنند.

آلفاگو (۲۰۱۶)

آلفاگو برنامه‌ای مبتنی بر هوش مصنوعی محسوب می‌شود که از یادگیری ماشینی و شبکه‌های عصبی عمیق برای بازی تخته‌ای گو استفاده می‌کند. این برنامه هوش مصنوعی در سال ۲۰۱۶ پس از این که آلفاگو یک بازیکن حرفه‌ای گو، لی سدول، که قهرمان جهان است را در یک مسابقه‌ی پنج‌دوره‌ای شکست داد، سرخط خبرها شد.

ویو نت (۲۰۱۶)

ویو نت یک مدل تولیدی عمیق از موج‌های صوتی خام است. این مدل برای تولید گفتار استفاده شده که هر صدای انسانی را تقلید می‌کند و به ‌طرزی طبیعی‌تر از بهترین سیستم‌های متن به گفتار موجود به نظر می‌رسد.

گوگل بارد

گوگل بارد یک مدل یادگیری ماشینی به حساب می‌آید که می‌تواند شعر تولید کند. این مدل روی یک مجموعه‌ی داده‌ی متشکل از هزاران شعر کلاسیک آموزش دیده و می‌تواند شعرهای جدیدی را در سبک‌های مختلف تولید کند.

ماموریت و چشم‌انداز دیپ‌مایند

در قلب خلق‌وخوی دیپ‌مایند، ماموریتی نهفته که هم به ‌طرزی جاه‌طلبانه و هم الهام‌بخش است: مرزهای هوش مصنوعی را فراتر بردن و ایجاد سیستم‌هایی که بتوانند مشکلات پیچیده‌ای را حل کنند که هیچ انسانی به تنهایی قادر به حل آن‌ها نیست. هدف نهایی تیم، توسعه‌ی یک هوش مصنوعی عمومی (AGI) است؛ سیستمی که بتواند هوش انسانی را در طیف وسیعی از وظایف، از استدلال انتزاعی و حل مسئله تا خلاقیت و هوش عاطفی مطابقت دهد یا فراتر رود.

آیا دیپ مایند از هوش مصنوعی چت جی پی تی بهتر است؟

مقایسه دیپ مایند و  چت جی پی تی (یا به طور کلی مدل‌های GPT از شرکت OpenAI) بستگی به این دارد که دقیقا چه چیزی را مقایسه می‌کنیم.

دیپ مایند و چت جی پی تی دو موجودیت متفاوت هستند:

• دیپ مایند یک شرکت تحقیقاتی متعلق به گوگل (Alphabet) است که روی هوش مصنوعی عمومی (AGI) و مدل‌های پیشرفته مانند آلفاگو، آلفافولد، جمینای و سایر سیستم‌های هوش مصنوعی متمرکز است.
• چت جی پی تی به عنوان یک هوش مصنوعی رایگان یک مدل زبان مبتنی بر GPT (Generative Pre-trained Transformer) از شرکت OpenAI است که در پردازش زبان طبیعی (NLP) و مکالمات متنی تخصص دارد.

به طور کلی می‌توان تفاوت‌های عمده‌ی این دو مدل هوش مصنوعی را در جدول زیر بررسی کرد:

آینده‌ی هوش مصنوعی و نقش دیپ‌مایند

در طول مسیر، دامنه‌ی هوش مصنوعی و قابلیت‌های آن به طور چشمگیری گسترش پیدا می‌کند. همان ‌طور که به واسطه‌ی پیشرفت‌های AI رسما انقلابی در صنعت حمل و نقل محقق شده، جنبه‌های متعددی از آموزش، پزشکی، تجارت و غیره نیز واقعا توسط آخرین فناوری‌های هوش مصنوعی می‌توانند تحت تاثیر قرار گیرند.

اگر چه دیپ‌ مایند نمی‌تواند به تنهایی مسئول تحول در جامعه باشد، اهمیت آن بسیار زیاد است. آرزوی غیرقابل تسلیم دیپ‌مایند برای نوآوری، اخلاق‌محور بودن آن و کنجکاوی بی‌پایانش در سیستم‌های دانش، این پلتفرم را قادر می‌سازد تا همچنان در استفاده از پتانسیل کامل خود پیشرو باشد.

محلی که دیپ‌مایند می‌تواند واقعا ترازوی صنعت هوش مصنوعی را تغییر دهد، در استفاده از قابلیت‌های عمومی هوش است. اگر دیپ مایند در رسالت خود موفق شود، هوش عمومی (gen AI) نشان‌دهنده‌ی نوعی تحول در زمینه‌ی هوش مصنوعی خواهد بود، جایی که سیستم‌های هوش می‌توانند به مسائلی که دنیای واقعی را پیچیده می‌کند، سازگاری پیدا کنند و دارای قابلیت‌های شناختی مشابه با هوش انسانی باشند.

باید اعتراف کرد که این رویه، یک سفر بسیار دشوار به سمت توسعه‌ی یک هوش مصنوعی قوی است. با این حال، تحقیقات پیشرفته‌ی دیپ‌مایند و اهداف مصمم اعضای پشت پرده موجب شده تا این ماموریت توسط رهبران اصلی تیم دیپ مایند به جلو هدایت شود. دیپ‌مایند به ‌سمت مرزهای جدید حرکت می‌کند و ایده‌های جدیدی را برای پیاده‌سازی هوش مصنوعی به ‌منظور حل مشکلات و بهبود نتایج آزمایش می‌کند؛ جایی که سیستم‌های هوشمند به انسان‌ها کمک خواهند کرد و مانع از عملکرد و فعالیت انسان‌ها نخواهند شد.

منبع: geeksforgeeks