هوش داده افلاطون
جستجوی عمودی و هوش مصنوعی

درک دانشمندان ابرقهرمانان واقعی هستند

تاریخ:

با Edgar Duéñez-Guzmán، یک مهندس محقق در تیم تحقیقاتی چند عاملی ما آشنا شوید که از دانش تئوری بازی‌ها، علوم کامپیوتر و تکامل اجتماعی استفاده می‌کند تا عوامل هوش مصنوعی با یکدیگر بهتر کار کنند.

چه چیزی شما را به کار در علوم کامپیوتر سوق داد؟

از زمانی که یادم می آید می خواستم دنیا را نجات دهم. به همین دلیل می خواستم دانشمند شوم. در حالی که من عاشق داستان های ابرقهرمانی بودم، متوجه شدم که دانشمندان ابرقهرمانان واقعی هستند. آنها کسانی هستند که به ما آب تمیز، دارو و درک جایگاه خود در جهان هستی می دهند. از کودکی عاشق کامپیوتر بودم و علم را دوست داشتم. با این حال، وقتی در مکزیک بزرگ شدم، احساس نمی‌کردم که تحصیل در علوم کامپیوتر امکان‌پذیر باشد. بنابراین، تصمیم گرفتم ریاضی بخوانم و آن را به عنوان پایه ای محکم برای محاسبات در نظر بگیرم و در نهایت پایان نامه دانشگاهم را در نظریه بازی ها انجام دادم.

تحصیلاتت چه تاثیری روی شغلت داشت؟

به عنوان بخشی از دکترای خود در علوم کامپیوتر، شبیه سازی های بیولوژیکی را ایجاد کردم و در نهایت عاشق زیست شناسی شدم. درک تکامل و چگونگی شکل دهی آن به زمین هیجان انگیز بود. نیمی از پایان نامه من در این شبیه سازی های بیولوژیکی بود و من در دانشگاه به مطالعه تحولات پدیده های اجتماعی مانند همکاری و نوع دوستی پرداختم.

از آنجا شروع به کار در جستجو در گوگل کردم، جایی که یاد گرفتم با مقیاس های عظیم محاسباتی کار کنم. سال‌ها بعد، من هر سه قطعه را کنار هم گذاشتم: نظریه بازی، تکامل رفتارهای اجتماعی، و محاسبات در مقیاس بزرگ. اکنون من از آن قطعات برای ایجاد عوامل باهوش مصنوعی استفاده می کنم که می توانند همکاری بین خود و ما را بیاموزند.

چه شد که تصمیم گرفتید برای شرکت های دیگر برای DeepMind درخواست دهید؟

اواسط دهه 2010 بود. بیش از یک دهه بود که هوش مصنوعی را زیر نظر داشتم و از DeepMind و برخی از موفقیت‌های آن اطلاع داشتم. سپس گوگل آن را به دست آورد و من بسیار هیجان زده بودم. می خواستم وارد شوم، اما در کالیفرنیا زندگی می کردم و دیپ مایند فقط در لندن استخدام می کرد. بنابراین، من به پیگیری پیشرفت ادامه دادم. به محض افتتاح دفتری در کالیفرنیا، من در صف اول بودم. من خوش شانس بودم که در گروه اول استخدام شدم. در نهایت، من به لندن نقل مکان کردم تا تمام وقت تحقیقات را دنبال کنم.

چه چیزی شما را بیشتر از کار در DeepMind شگفت زده کرد؟

چقدر مردم با استعداد و مهربان هستند. هر فردی که با آنها صحبت کرده‌ام جنبه هیجان‌انگیزی در خارج از کار هم دارد. نوازندگان حرفه‌ای، هنرمندان، دوچرخه‌سواران فوق‌العاده، افرادی که در فیلم‌های هالیوود ظاهر شدند، برندگان المپیاد ریاضی - شما نام ببرید، ما آن را داریم! و همه ما باز و متعهد به تبدیل جهان به مکانی بهتر هستیم.

چگونه کار شما به DeepMind کمک می کند تا تأثیر مثبتی داشته باشد؟

theهسته اصلی تحقیق من ساخت عوامل هوشمندی است که همکاری را درک کنند. همکاری کلید موفقیت ما به عنوان یک گونه است. به دلیل همکاری می توانیم به اطلاعات جهان دسترسی داشته باشیم و با دوستان و خانواده در آن سوی دنیا ارتباط برقرار کنیم. شکست ما در رسیدگی به اثرات فاجعه بار تغییرات آب و هوایی، شکست همکاری است، همانطور که در COP26 دیدیم.

بهترین چیز در مورد شغل شما چیست؟ 

انعطاف پذیری برای پیگیری ایده هایی که به نظر من مهم ترین هستند. برای مثال، من دوست دارم به استفاده از فناوری خود برای درک بهتر مشکلات اجتماعی، مانند تبعیض، کمک کنم. من این ایده را برای گروهی از محققان با تخصص در روانشناسی، اخلاق، عدالت، علوم اعصاب و یادگیری ماشین مطرح کردم و سپس یک برنامه تحقیقاتی ایجاد کردم تا بررسی کنم که چگونه تبعیض ممکن است از کلیشه‌سازی سرچشمه بگیرد.

فرهنگ DeepMind را چگونه توصیف می کنید؟

DeepMind یکی از آن مکان هایی است که آزادی و پتانسیل دست به دست هم می دهند. ما این فرصت را داریم که ایده هایی را دنبال کنیم که فکر می کنیم مهم هستند و فرهنگ گفتمان باز وجود دارد. غیرمعمول نیست که دیگران را با ایده های خود آلوده کنید و تیمی را برای تحقق آن تشکیل دهید. 

آیا عضو گروهی در DeepMind هستید؟ یا فعالیت های دیگر؟ 

من عاشق شرکت در برنامه های فوق برنامه هستم. من تسهیل کننده کارگاه های Allyship در DeepMind هستم، جایی که هدف ما این است که شرکت کنندگان را توانمند کنیم تا برای تغییرات مثبت اقدام کنند و اتحاد در دیگران را تشویق کنند، و به ایجاد یک محل کار فراگیر و عادلانه کمک کنند. من همچنین دوست دارم تحقیقات را در دسترس تر کنم و با دانش آموزان میهمان صحبت کنم. من در دسترس عموم ایجاد کرده ام آموزش های آموزشی برای توضیح مفاهیم هوش مصنوعی برای نوجوانان، که در مدارس تابستانی در سراسر جهان استفاده شده است.

چگونه هوش مصنوعی می تواند تاثیر مثبت خود را به حداکثر برساند؟

برای داشتن بیشترین تأثیر مثبت، به سادگی باید این باشد که مزایا به طور گسترده به اشتراک گذاشته شوند، نه اینکه توسط تعداد کمی از افراد حفظ شوند. ما باید سیستم هایی را طراحی کنیم که مردم را توانمند کند و دسترسی به فناوری را دموکراتیک کند. 

مثلاً وقتی روی آن کار می کردم WaveNet، صدای جدید دستیار Google، من احساس کردم که کار بر روی فناوری که اکنون توسط میلیاردها نفر در جستجوی Google یا Maps استفاده می شود، بسیار جالب است. این خوب است، اما ما کار بهتری انجام دادیم. ما شروع به استفاده از این فناوری کردیم تا صدای آنها را به افراد مبتلا به اختلالات دژنراتیو مانند ALS برگردانیم. همیشه فرصت هایی برای انجام کارهای خوب وجود دارد، فقط باید از آنها استفاده کنیم.

بزرگترین چالش هایی که هوش مصنوعی با آن مواجه است چیست؟

هم چالش های عملی و هم چالش های اجتماعی وجود دارد. از جنبه عملی، ما سخت در تلاش هستیم تا الگوریتم های خود را قوی تر و سازگارتر کنیم. ما به عنوان موجودات زنده، استحکام و سازگاری را بدیهی می دانیم. تغییر جزئی چیدمان مبلمان باعث نمی شود که فراموش کنیم یخچال برای چیست. سیستم های مصنوعی واقعاً با این مشکل دست و پنجه نرم می کنند. سرنخ‌های امیدوارکننده‌ای وجود دارد، اما هنوز راهی برای رفتن داریم. 

در بعد اجتماعی، ما باید به طور جمعی تصمیم بگیریم که چه نوع هوش مصنوعی را می خواهیم ایجاد کنیم. ما باید مطمئن شویم که هر چیزی که ساخته می شود، ایمن و مفید است. اما زمانی که ما تعریف کاملی از معنای آن نداریم، دستیابی به این امر دشوار است.

کدام پروژه های DeepMind را بیشتر الهام بخش می دانید؟

theدر حال حاضر من هنوز هم سوار بر اوج هستم آلفافولد، الگوریتم تاشو پروتئین ما. من سابقه ای در زیست شناسی دارم و درک می کنم که چگونه پیش بینی ساختار پروتئین می تواند برای کاربردهای زیست پزشکی امیدوارکننده باشد. و من به ویژه به این افتخار می کنم که چگونه DeepMind ساختار پروتئینی همه پروتئین های شناخته شده در بدن انسان را در مجموعه داده های جهانی منتشر کرد و اکنون منتشر شده است. تقریباً تمام پروتئین های فهرست شده برای علم شناخته شده است. 

آیا راهنمایی برای مشتاق DeepMinders؟ 

بازیگوش باشید، انعطاف پذیر باشید. من نمی‌توانستم برای شغلی که منجر به DeepMind می‌شود بهینه‌سازی کنم (حتی DeepMind وجود نداشت که بتوانم برای آن بهینه‌سازی کنم!) اما کاری که می‌توانستم انجام دهم این بود که همیشه به خودم اجازه می‌دادم رویای پتانسیل فناوری، ایجاد ماشین‌های هوشمند و بهبود را داشته باشم. دنیا با آنها 

برنامه نویسی در نوع خود هیجان انگیز است، اما برای من همیشه بیشتر وسیله ای برای رسیدن به هدف بود. این همان چیزی است که به من امکان داد تا با آمدن و رفتن فناوری‌ها به روز بمانم. من به ابزار وابسته نبودم، من روی مأموریت متمرکز بودم. روی «چی» تمرکز نکنید، بلکه روی «چرا» تمرکز کنید و «چگونه» خودش را نشان خواهد داد.

نقطه_img

جدیدترین اطلاعات

نقطه_img