چرا طبیعت بهترین راهنمای ما برای درک هوش مصنوعی است

تکامل در موجودات زنده پروسه ای چند نسلی است که تکامل در ژن ها افت و خیز دارد.موجودات زنده ای که خود را با شرایط به خوبی تطبیق می دهند نجات می یابند و آنهایی که شانس کمتری دارند منقرض می شوند.انعطاف پذیری عالی است,اما اگر در فرصت مناسب برای سیل چاره جویی نکرده باشید,پس بد شانس هستید.

از سوی دیگر مهندسی فرآیندی عمدی با مراحل قابل اطمینان است که برای رسیدن به هدفی از پیش تعیین شده طراحی می شود.با ظهور هوش مصنوعی ,ما شروع به درک همگرایی تکامل و مهندسی بعنوان ماشین یادگیری الگوریتم ها برای آغاز تکامل کردیم.

برای مقایسه (تکامل طبیعی با تکامل ماشینی)اطلاعات و چگونگی تنظیم آنها بعنوان "محیط"و فرآیند یادگیری تحت عنوان"گزینش طبیعی"را در نظر بگیرید.فرآیند یادگیری می تواند یادگیری تحت نظارت و غیرقابل نظارت, تقویتی,خوشه ای,درختان تصمیم گیری و یا شیوه های متفاوت"یادگیری عمقی"باشد.

خیلی مشابه با تکامل طبیعی ارگانیسم های مختلفی که برای حل مسأله ای یکسان بکار می روند بطور متفاوتی به محیط آنها بستگی دارد اما در نهایت به خروجی یکسانی منتهی می شوند.کوسه ها و دلفین ها علی رغم آغازهای بطور کامل متفاوت به مکانیزم های مشابه ای برای نجات متوسل می شوند.

ما در تکنولوژی شاهد الگوهای مشابه هستیم.الگوریتم دسته بندی به روش kتکنیکی است که اغلب برای قطعه بندی تصویر بکار می رود.برای مثال,ورودی های ضرورتا"بدون برچسب(معمولا"تصاویر)را می گیردو دسته های گروه بندی شده همسان تا رسیدن به یک گروه بندی مطلوب ایجاد می کند.اگر به ده فرد اطلاعات یکسانی را  دادید و از آنهاخواستید که یک مسأله مشابه رابا ده الگوریتم متفاوت حل کنند,امکان دارد که هر کدام روش متفاوتی را برگزینند ولی جواب نهائی مشابه باشد.همچنانکه تکنیک های یادگیری از ماشین به درون کابردهای تجاری راه می یابند,مشاغل با چالش استراتژی های توسعه برای عملی کردن ایمن و مؤثر این تکنولوژی مواجه می شوند.

(Source:techcrunch.com)

ترجمه و تلخیص:غریب واحدی پور