۶ راهکار مبتنی بر هوش‌مصنوعی دیپ‌مایند
https://startupforum.ir/images/cdn/2018/04/4580.jpg
دیپ‌مایند تکنولوژی یک شرکت بریتانیایی فعال در حوزه هوش مصنوعی است که در سپتامبر 2010 میلادی کار خود را رسماً آغاز کرد. این شرکت در سال 2014 میلادی تحت تملک گوگل درآمد. راه‌حل‌های مبتنی بر هوش مصنوعی و علوم شناختی این شرکت به اندازه‌ای گسترده هستند که هر یک از آن‌ها می‌توانند انقلابی را در حوزه‌های مختلف به‌وجود آورند.
اما سوال اصلی این است که دیپ‌مایند در حال حاضر چه دستاوردهای آماده به عرضه‌ای را در حوزه هوش مصنوعی در اختیار دارد. ما در این مقاله به تعدادی از دستاوردهای این شرکت که مراحل اولیه توسعه را پشت سر گذاشته‌اند و هم اکنون تحت آزمایش‌های نهایی قرار دارند نگاهی خواهیم داشت.
1. تشخیص به‌موقع بیماری‌های چشمی
در میان پژوهش‌های مهمی که دیپ‌مایند در دست اقدام دارد، بدون شک تشخیص بیماری‌های چشمی از جایگاه ویژه‌ای برخوردار است. چشم عضو بسیار مهمی از بدن است و طبیعی است هر شرکت فناوری و هر پزشک متخصصی به‌دنبال آن است تا بیماری‌های چشمی را به‌سرعت شناسایی کرده و آن‌ها را درمان کند. تقریبا اوایل تیرماه سال جاری شمسی بود که اعلام شد پروژه تحقیقاتی ارائه شده از سوی دیپ‌مایند در ارتباط با بررسی و شناسایی نشانه‌های اولیه بیماری‌های چشمی در اختیار پزشکان قرار خواهد گرفت. الگوریتمی که بر پایه یادگیری ماشینی به‌شکل ناشناس به تحلیل اسکن چشم یک میلیون بیمار خواهد پرداخت.
دیپ‌مایند در این ارتباط گفته است: «الگوریتم فوق این پتانسیل را دارد تا مشکلات چشمی را که از دید انسان‌ها پنهان می‌ماند شناسایی کند. ما امیدوار هستیم که دو بیماری دژنراسیون ماکولار یا همان تباهی لکه زرد (Macular Degeneration) و رتینوپاتی دیابتنی (Diabetic retinopathy) بیماری مرتبط با دیابت را با استفاده از این فناوری تشخیص دهیم.» مصطفی سلیمان یکی از بنیان‌گذاران دیپ‌مایند به گاردین گفته است: «این دو بیماری به‌ویژه رتینوپاتی باعث نابینا شدن مردم می‌شود. خطر نابینا شدن در افراد مبتلا به دیابت 25 برابر بیش از سایر مردم است. اگر بتوانیم این بیماری‌ها را در همان مراحل اولیه خود تشخیص دهیم بیش از نود درصد قادر خواهیم بود از آسیب‌های جدی که به چشم وارد می‌شوند ممانعت به عمل آوریم.» پیرس کین، چشم پزشک بیمارستان تخصصی چشم پزشکی لندن اولین بار ایده به‌کارگیری الگوریتم هوشمند دیپ‌مایند به‌منظور تحلیل تصاویر مقطع نگاری همدوسی اپتیکی (Optical Coherence Tomography) را پیشنهاد کرده بود. گوگل در ارتباط با این همکاری مشترک گفته است: «داده‌های مربوط به بیماران این مرکز به‌طور ناشناس مورد استفاده قرار خواهند گرفت. اما نتایج به‌دست آمده از این تحقیق در آینده می‌تواند به‌منظور بهبود وضعیت درمانی بیماران مورد استفاده قرار گیرد.»
2. نزدیک‌تر شدن صدای هوش مصنوعی به صدای انسانی
نزدیک‌تر کردن صدای ماشینی به صدای انسانی مورد توجه شرکت‌های بزرگی همچون مایکروسافت، اپل و گوگل است. تا پیش از این گوگل از فناوری Concatenative TTS برای تبدیل متن به گفتار استفاده می‌کرد. این سیستم از کلماتی استفاده می‌کرد که عامل انسانی آن‌ها را بازگو کرده بود. در ادامه این سامانه کلمات را در کنار یکدیگر قرار می‌داد و جملات را بیان می‌کرد که البته خروجی مصنوعی و ماشینی بود. اما فناوری WaveNet دیپ‌مایند که یک شبکه عصبی کانولوشن است به این شکل عمل می‌کند که امواج خام صوتی را در یک لحظه مورد ویرایش قرار می‌دهد. توانایی این سامانه به اندازه‌ای بالا است که می‌تواند برای یک ثانیه از صوت، 16 هزار نمونه موج صدا را ویرایش کند. (شکل یک) این سامانه حتی قادر است صداهایی همچون تنفس یا تکان دادن دهان را نیز تولید کند.
این شبکه عصبی در ابتدا با امواج صدای طبیعی انسان تغذیه می‌شود. پس از آن‌که این شبکه آموزش دید بر مبنای داده‌هایی که در اختیار دارد به‌شکل مصنوعی قادر به صحبت کردن خواهد بود. گوگل اعلام کرده است به‌کارگیری این فناوری هزینه بالایی دارد، اما در نظر دارد هزینه‌های پردازشی سامانه فوق را کاهش داده و آن‌را در محصولات تجاری مورد استفاده قرار دهد.
3. لب‌خوانی هوش مصنوعی با دقتی فراتر از انسان‌ها
یکی دیگر از فناوری‌هایی که انتظار می‌رود در سال آینده میلادی زمینه‌ساز ایجاد تحولاتی شود، الگوریتم لب‌خوانی دیپ‌مایند است. پژوهشگران دیپ‌مایند با همکاری پژوهشگران دانشگاه آکسفورد موفق شدند الگوریتم ویژه‌ای را در ارتباط با لب‌خوانی آماده کنند. الگوریتم طراحی شده از سوی دیپ‌مایند پس از تماشای نزدیک به پنج هزار ساعت برنامه تلویزیونی در حوزه‌های مختلف موفق شد با دقت بالاتری نسبت‌به انسان‌ها تکنیک لب‌خوانی را یاد بیرد. در آزمایش به‌عمل آمده این الگوریتم موفق شد با دقت 46.8 درصد کلمات را به‌درستی تشخیص دهد و با دقت 12.4 درصد فرآیند لب‌خوانی را به‌درستی انجام دهد. (شکل دو) لازم به توضیح است که آکسفورد خود نیز یک الگوریتم لب‌خوانی قدرتمند به نام LipNet دارد که قادر است با دقتی بیش از 90 درصد فرآیند لب‌خوانی را انجام دهد.
تفاوت الگوریتم آکسفورد و دیپ‌مایند در این است که الگوریتم LipNet بر مبنای جملات از پیش تعیین شده و محدود مورد آزمایش قرار می‌گیرد. در حالی که دیپ‌مایند الگوریتم خود را به‌طور واقعی مورد آزمایش قرار داد. گوگل اعلام کرده است در نظر دارد در نیمه اول سال 2017 از این فناوری استفاده کند. مدافعان حریم خصوصی هشدار داده‌اند که توانایی جاسوسی ماشینی از انسان‌ها و گفت‌وگوهایی که انسان‌ها با یکدیگر انجام می‌دهند در آینده چالش‌ها و تهدیدات متعددی را به‌وجود خواهد آورد.
4. پیروزی این بار در میدان بازی StarCraft II
بدون شک در میان فناوری‌های مختلفی که دیپ‌مایند در نظر دارد سال آینده میلادی آن‌ها را تجاری‌سازی کند، پروژه غلبه بر بازی StarCraft II که به‌مراتب سخت‌تر از بازی Go است، نگاه‌ها را به‌سمت خود معطوف خواهد ساخت. این بازی که از سوی Blizzard Entertainment طراحی شده یک بازی استراتژیک است و اکنون این شرکت در حال کار روی نسخه ویژه‌ای از این بازی است تا در محیط پژوهشی هوش مصنوعی اجرا شود. اوریول وین یالز از پژوهشگران دیپ‌مایند گفته است: «پیروزی در این بازی اهمیت خاصی دارد، به‌دلیل این‌که به‌دست آوردن مهارت در انجام این بازی و غلبه بر درهم ریختگی‌ها به‌راحتی قابل تعمیم به دنیای واقعی است. طراحی این بازی به‌شکلی است که بازیکن باید بر فاکتورهای مختلفی همچون مدیریت منابع، جستجو، تحقیق و همچنین روش‌های مبارزه مسلط باشد و برعکس بازی Go، بازیکنان این بازی قادر نیستند به‌یکباره تمامی محیط را مشاهده کنند. در نتیجه برای آن‌که بتوانند حرکات بعدی خود را برنامه‌یزی کنند به اطلاعات کمی دسترسی دارند.» محیط ویژه هوش مصنوعی که دیپ‌مایند و بلیزارد آن‌را آماده خواهند کرد در سه ماهه نخست سال 2017 در اختیار پژوهشگران حوزه هوش مصنوعی قرار خواهد گرفت. همچنین به‌منظور انتقال این بازی به محیط هوش مصنوعی سطح بازی از سطح عادی آن پایین‌تر آورده شده است.
5. شتاب‌بخشی به روند بهبود سرطان
این‌گونه به‌نظر می‌رسد که سال آینده میلادی در ارتباط با دیپ‌مایند و تعامل آن با دنیای پزشکی اخبار زیادی خواهیم شنید. این شرکت در حال کار روی پروژه‌ای است تا به بیماران و دکترها کمک کند روند بهبود سرطان‌های سر و گردن را با سرعت و دقت بیشتری به پیش ببرند. برای این منظور دیپ‌مایند، سرویس سلامت همگانی انگلیس و بیمارستان کالج هاسپیتال لندن در قالب یک همکاری سه جانبه در حال کار روی این پروژه هستند.
فناوری WaveNet دیپ‌مایند که یک شبکه عصبی کانولوشن است به این شکل عمل می‌کند که امواج خام صوتی را در یک لحظه مورد ویرایش قرار می‌دهد. توانایی این سامانه به اندازه‌ای بالا است که می‌تواند برای یک ثانیه از صوت، 16 هزار نمونه موج صدا را ویرایش کند.
بهبود سرطان‌های سر و گردن از آن جهت پیچیده و دشوار است که بسیاری از شریان‌های حیاتی انسان در این مناطق قرار دارند و در نتیجه پیش از آن‌که هر گونه درمانی با اشعه انجام شود باید نقشه دقیقی از نقاطی که اشعه باید روی آن‌ها تابانده شود، تهیه شود. دیپ‌مایند در این ارتباط گفته است: «به‌طور معمول فرآیند نقشه‌برداری سرطان‌های گردن و سر حدود 4 ساعت به طول می‌انجامد، ما در نظر داریم این فرآیند زمان‌گیر را با استفاده از یادگیری ماشینی به یک ساعت تقلیل دهیم.» دکتر ین چینگ چانگ، مدیر بخش رادیوتراپی دانشگاه هاسپیتال در ارتباط با این پروژه گفته است: «الگوریتم یادگیری ماشینی قادر است به‌جای دکترها فرآیند نقشه‌برداری را انجام داده و به‌جای آن‌ها وظیفه مراقبت از بیماران، تحقیق و آموزش را بر عهده بگیرد.»
مصطفی سلیمان یکی از بنیان‌گذاران دیپ‌مایند در این ارتباط گفته است: «به‌کارگیری فناوری هوش مصنوعی در دنیای واقعی دقیقا همان چیزی است که دیپ‌مایند بر مبنای آن کار خود را آغاز کرد. ما فوق‌العاده هیجان‌زده هستیم که با بخش پرتودرمانی UCLH به‌منظور کمک به بیماران همکاری می‌کنیم. امیدوار هستیم اینکار هم برای بیماران مبتلا به سرطان در کشور و هم برای پزشکان دستاوردهای ارزشمندی به ارمغان آورد.»
6. کاهش مصرف انرژی با کمک هوش مصنوعی دیپ‌مایند
مراکز داده‌ای شرکت‌های بزرگ انرژی زیادی را طلب می‌کنند. سال 2014 گوگل در هر ساعت چیزی در حدود 4.4 گیگاوات ساعت انرژی را مورد استفاده قرار داده بود. مصرف بالای انرژی باعث شد تا گوگل برای کم کردن هزینه‌ها و مدیریت بهتر مصرف انرژی به‌سمت هوش مصنوعی متمایل شود. دمیس هاسابیس از کارکنان این شرکت به بلومبرگ گفته است: «هوش‌مصنوعی دیپ‌مایند به‌شکل موثری و به میزان چند درصد مصرف انرژی در مراکز داده گوگل و در ارتباط با تجهیزاتی همچون سامانه‌های خنک کننده و پنجره‌ها را کم کرده است.» هنوز به‌درستی مشخص نیست این کدهای هوشمند تا چه اندازه موفق شده‌اند مصرف انرژی را کاهش دهند، اما الگوریتم هوشمند دیپ‌مایند به‌خوبی توانسته است بخش‌هایی که ناکارآمد هستند و به حس‌گرهای بیشتری برای نظارت دقیق نیاز دارند را شناسایی کند. گوگل سال آینده میلادی در نظر دارد به‌شکل گسترده‌تری از این سامانه هوشمند همراه با انرژی‌های پاک استفاده کند. با توجه به این‌که دستاورد گوگل در این زمینه می‌تواند تاثیر مثبتی بر محیط زیست داشته باشد، انتظار می‌رود، شرکت‌های دیگر نیز ترغیب شوند تا از این راهکار گوگل استفاده کنند.
منبع
ماهنامه شبکه / حمیدرضا تائبی
