هوش مصنوعی و نیاز شدید آن به انرژی
تاریخ انتشار: ۳ دی ۱۳۹۹ | کد خبر: ۳۰۴۲۶۷۵۵
آفتابنیوز :
در ماه جاری گوگل یک پژوهشگر برجسته اخلاقیات هوش مصنوعی را در واکنش به اظهار تاسف و نومیدی وی از این شرکت که او را وادار به کنار گذاشتن یک مقاله تحقیقاتی خود کرده بود، اخراج کرد. او در این مقاله به خطرات هوش مصنوعی پردازش زبانی اشاره کرده بود، همان نوع هوش مصنوعی که در موتور جستجوی گوگل و سایر محصولات تحلیل متن این شرکت کاربرد دارد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
از جمله این خطرات اثر انگشت کربنی شدیدی است که توسعه و ساخت این نوع از فناوری هوش مصنوعی به همراه دارد. بر اساس برخی برآوردهها آلودگی کربنی آموزش دادن یک مدل هوش مصنوعی، با آلودگی پنج اتومبیل در مراحل ساخت و استفاده از آنها در طول عمر کاری خود برابری میکند.
من پژوهشگری هستم که به مطالعه و توسعه مدلهای هوش مصنوعی اشتغال دارم و با هزینههای انرژی و مالی سرسام آور تحقیقات هوش مصنوعی به خوبی آشنایی دارم. چرا مدلهای هوش مصنوعی این چنین عطش انرژی پیدا کرده اند آنها با محاسبه سنتی مرکز دادهها چه فرقی دارند؟
کم بازده بودن آموزش هوش مصنوعی امروزی
کارهای پردازش سنتی دادهها که در مراکز دادهها انجام میشد، شامل استریم کردن ویدئو، ایمیلها و شبکههای اجتماعی بود. هوش مصنوعی از نظر محاسباتی بسیار پر کارتر است، چون تا وقتی که یاد بگیرد چگونه آنها را درک کند یا به عبارت دیگر آموزش ببیند، باید دادههای هنگفتی را بخواند.
این نوع از آموزش در مقایسه با نحوه یادگیری انسانها بسیار کم بازده است. هوش مصنوعی مدرن از شبکههای عصبی مصنوعی استفاده میکند که محاسباتی ریاضی هستند که کار نرونها در مغز انسان را تقلید میکنند. توانایی ارتباط هر یک از این نرونها با نرون همسایه خود یکی از پارامترهای شبکه به شمار میرود که به آن بار میگویند. شبکه برای یادگیری اینکه چگونه باید زبان را درک کند، با بارهای تصادفی شروع و آنقدر آنها را با هم تنظیم میکند تا وقتی که خروجی با پاسخ درست جور دربیاید.
یک روش رایج در آموزش یک شبکه زبان، خوراندن مقادیر زیادی متن از وبسایتهایی چون ویکی پدیا و سایتهای خبری به آن است که برخی از کلمات در آنها پوشانده میشوند و از شبکه خواسته میشود تا کلمات پوشانده شده را حدس بزند. یک نمونه این است که «سگ من ناز است» که کلمه «ناز» در این جمله پوشانده شده. در ابتدا مدل تمام انتخابها را اشتباه انجام میدهد، اما بعد از بارها و بارها تعویض کلمه، اندک اندک بارهای ارتباط تغییر میکنند تا الگوهای موجود در دادهها را تغییر دهد و انتخاب کند. در نهایت شبکه دقت عمل لازم را به دست میآورد.
یکی از مدلهایی که اخیرا ساخته شده «معرفهای کدگذاری کننده دو جهته مبدلها» (برت) نام دارد که از ۳.۳ میلیارد کلمه از کتابهای انگلیسی و مقالات ویکی پدیا استفاده میکند. بعلاوه اینکه برت در طول آموزش، این مجموعه دادهها را نه یک بار بلکه ۴۰ بار میخواند. برای مقایسه یک کودک معمولی که در حال یادگرفتن حرف زدن است تا پنج سالگی ۴۵ میلیون کلمه را میشنود که سه هزار بار کمتر از برت است.
به دنبال ساختار درست
چیزی که ساخت مدلهای زبان را حتی پر هزینه تر میکند، این است که این روند آموزش در طول دوره ساخت و توسعه به کرات اتفاق میافتد. دلیلش هم این است که پژوهشگران میخواهند بهترین ساختار را برای شبکه پیدا کنند، اینکه چند نرون، چند ارتباط بین نرونها باید وجود داشته باشد و در طول یادگیری پارامترها با چه سرعتی باید تغییر کنند و از این قبیل. آنها هر چه ترکیبهای بیشتری را امتحان کنند، شانس رسیدن شبکه به دقتی بالاتر بیشتر میشود. برعکس مغزهای انسانی نیازی به یافتن یک ساختار بهینه ندارند؛ آنها با ساختاری از پیش ساخته شده به وجود میآیند که تکامل آنها را پالایش کرده است.
شرکتها و مجامع دانشگاهی که در حوزه هوش مصنوعی در حال رقابت هستند، برای بهبود دادن جدیدترین فناوریهای موجود فشار میآورند. حتی دستیابی به پیشرفتی یک درصدی در دقت در وظایف دشواری چون ترجمه ماشین، مهم تلقی میشود و به شهرت خوب سازنده و محصولات بهتر منجر میشود. اما یک پژوهشگر برای رسیدن به همین پیشرفت یک درصدی، باید یک مدل را هزاران بار و هر بار با ساختاری متفاوت آموزش دهد تا بهترین ساختار را بیابد.
پژوهشگران در دانشگاه ماساچوست امهرست هزینه انرژی ساخت و توسعه مدلهای زبان هوش مصنوعی را بر اساس اندازه گیری مصرف انرژی سخت افزارهای رایجی که در طول آموزش مورد استفاده قرار میگیرد، برآورد کرده اند. آنها دریافته اند که یک بار آموزش دادن برت، اثر انگشت یک مسافر را دارد که بین نیویورک و سان فرانسیسکو با هواپیما سفر میکند. با این حال استفاده از مدلهای مختلف – یعنی با آموزش الگوریتمها بر اساس دادههایی مشخص و به دفعات، با اندکی تفاوت در نرونها، ارتباطها و سایر پارامترها – در این تحقیقات، هزینهای معادل ۳۱۵ مسافر یا یک هواپیمای ۷۴۷ پر از مسافر را در بردارد.
بزرگ تر و داغ تر
بعلاوه مدلهای هوش مصنوعی بسیار بزرگ تر از چیزی که لازم است باشند هستند و هر سال بزرگ تر هم میشوند. یک مدل زبان تازه تر مشابه برت موسوم به جی پی تی-۲ در شبکه خود ۱.۵ میلیارد بار دارد. جی پی تی-۳ که در سال جاری جنب و جوشی را به وجود آورد، به دلیل دقت بالای خود، دارای ۱۷۵ میلیارد بار است.
محققان کشف کرده اند که داشتن شبکههای بزرگ تر به دقت بالاتر منجر میشود، حتی اگر سهم بسیار کوچکی از آنچه که این شبکه به آن دست پیدا میکند مفید باشد. گاهی اوقات اتفاق مشابهی برای مغز کودکان میافتد و اتصالهای نرونی در ابتدا اضافه میشوند و بعد کاهش پیدا میکنند، اما از نظر انرژی، مغز بیولوژیک خیلی بیشتر از رایانهها بازدهی دارد.
مدلهای هوش مصنوعی روی سخت افزار تخصصی نظیر واحدهای پردازش گرافیکی آموزش میبینند که از سی پی یوهای سنتی بیشتر انرژی مصرف میکنند. اگر شما یک لپتاپ مخصوص بازی داشته باشید، احتمالا دارای یکی از این واحدهای پردازش گرافیکی برای نمایش گرافیک پیشرفته مثل بازی ماینکرافت آر تی اکس است. همچنین احتمالا متوجه خواهید شد که لپتاپ شما خیلی بیشتر از لپتاپهای معمولی گرما تولید میکند.
تمام این حرفها به این معنی است که توسعه دادن مدلهای هوش مصنوعی پیشرفته یک اثرانگشت کربنی بزرگ را به دنبال دارد. مگر آنکه به منابع انرژی ۱۰۰ درصد تجدید پذیر روی بیاوریم، وگرنه پیشرفت هوش مصنوعی ممکن است با اهداف کاستن از آلایندههای گلخانهای و کند کردن گرمایش اقلیمی در مغایرت قرار گیرد. هزینه مالی ساخت و توسعه آنها نیز بسیار بیشتر تمام میشود؛ هزینهای که فقط تعداد معدودی از آزمایشگاهها توانایی پرداخت آن را دارند، در نتیجه آنها یکی از کسانی خواهند شد که تدوین این دستور کار را در دست خواهند گرفت که کدام نوع از مدلهای هوش مصنوعی توسعه پیدا کند.
منبع: خبرگزاری فارسمنبع: آفتاب
کلیدواژه: هوش مصنوعی انرژی مدل های هوش مصنوعی داده ها نرون ها بزرگ تر
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت aftabnews.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «آفتاب» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۰۴۲۶۷۵۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی به زبان ساده برای کودکان و نوجوانان
در ابتدا به تعریف و توضیح هوش مصنوعی برای کودکان می پردازیم. سپس کاربرد هوش مصنوعی برای کودکان را ذکر می کنیم. باید بدانیم آموزش هوش مصنوعی برای کودکان در حال گسترش است، لذا کلاس های هوش مصنوعی برای نوجوانان در رده سنی مختلف برگزار می شوند. - اخبار بازار -
در ادامه به معرفی کلاس هوش مصنوعی کودکان و آموزش هوش مصنوعی برای نوجوانان و همچنین ارتباط هوش مصنوعی با برنامه نویسی کودکان می پردازیم. حال بریم که تعریف هوش مصنوعی به زبان ساده برای کودکان را انجام بدیم.
تعریف هوش مصنوعی برای کودکان
تعریف هوش مصنوعی برای کودکان خیلی ساده است! آیا تا به حال به فکر کردید که چطور کامپیوترها و سیستم ها میتوانند فکر کنند؟ این چیزی است که به آن هوش مصنوعی یا AI میگویند.
در توضیحهوش مصنوعی برای کودکان می توان گفت ، هوش مصنوعی مانند یک مغز بزرگ برای کامپیوتر است. اما به جای فکر کردن مانند ما، آنها از الگوریتمها و دادههای زیاد استفاده میکنند تا مسائل را حل کنند. مثلاً، ممکن است یک دستگاه هوش مصنوعی بتواند تصاویر را تشخیص دهد، صداها را تفکیک کند یا حتی به سوالات ما پاسخ دهد!
کاربرد هوش مصنوعی برای کودکان
کاربرد هوش مصنوعی برای کودکان بسیار است و در زندگی ما همه جا حضور دارد. از اسپیکرهای هوشمندی که به صدای ما گوش میدهند و دستورات را اجرا میکنند، تا بازیهای کامپیوتری که ما را به یادگیری و سرگرمی دعوت میکنند. همه و همه از برکات کاربرد هوش مصنوعی است.
با اینکه هوش مصنوعی خیلی هوشمند است، اما اینکه آیا میتوانند مانند ما احساس کنند، هنوز یک پرسش باز است. اما مهم است که ما از تکنولوژی به درستی استفاده کنیم و هوش مصنوعی را به خوبی بفهمیم تا از آن بهره ببریم.
آموزش هوش مصنوعی برای کودکان
آموزش هوش مصنوعی به زبان ساده برای کودکان میتواند یک تجربه بسیار مفید و جذاب باشد. در اینجا چند راهنمای کلی برای شروع آموزش هوش مصنوعی به کودکان آوردیم:
بازی و سرگرمی: استفاده از بازیهای آموزشی که مفاهیم هوش مصنوعی را به کودکان آموزش میدهند، یک راه بسیار موثر است. این بازیها میتوانند شامل حل مسائل، تشخیص الگوها، برنامه نویسی ساده و غیره باشند.استفاده از رباتها: رباتهای آموزشی که با هوش مصنوعی برنامه ریزی شدهاند، به کودکان کمک میکنند تا مفاهیم پایه را درک کنند. این رباتها میتوانند به کودکان برنامهنویسی ساده، تفکر محاسباتی، و حتی تشخیص الگوها را آموزش دهند.استفاده از منابع آموزشی: کتابها، ویدیوها، وبسایتها و نرمافزارهای آموزشی مختلفی وجود دارند که به طور خاص برای آموزش هوش مصنوعی به کودکان طراحی شدهاند. این منابع میتوانند به کودکان در درک مفاهیم اصلی هوش مصنوعی کمک کنند.پروژههای دستی: ایجاد پروژههای دستی که از مفاهیم هوش مصنوعی استفاده میکنند، به کودکان این امکان را میدهد که مفاهیم را در عمل تجربه کنند. این میتواند شامل ساخت رباتهای ساده، برنامهنویسی بازیها، یا حتی ایجاد یک سیستم تشخیص چهره ساده باشد.
آموزش هوش مصنوعی با برنامه نویسی کودکان
آموزش هوش مصنوعی به کودکان از طریق برنامهنویسی میتواند یک روش بسیار موثر برای آشنایی آنها با اصول پایهای هوش مصنوعی و توسعه مهارتهای برنامهنویسی باشد. در زیر چند زبان برای آموزش هوش مصنوعی با برنامهنویسی به کودکان آورده شده است:
البته، زبان برنامهنویسیهای مختلفی وجود دارند که میتوانند برای آموزش هوش مصنوعی به کودکان استفاده شوند. در زیر 2 زبان برنامهنویسی مناسب برای آموزش هوش مصنوعی به کودکان آورده شده است:
آموزش هوش مصنوعی با اسکرچ
اسکرچ یک زبان برنامهنویسی گرافیکی و تعاملی است که برای آموزش برنامهنویسی به کودکان و نوجوانان طراحی شده است. این زبان از بلاکهای تعاملی برای ساخت برنامهها استفاده میکند که به کودکان کمک میکند مفاهیم پایهای هوش مصنوعی را آموزش ببینند.
آموزش هوش مصنوعی با پایتون
پایتون یکی از زبانهای برنامهنویسی محبوب است که ساده و قابل فهم برای کودکان است. این زبان برای آموزش مفاهیم پیشرفته هوش مصنوعی مانند یادگیری عمیق و یادگیری تقویتی نیز مناسب است. آموزش پایتون برای کودکان در ایران طرفداران زیادی دارد.
آموزش هوش مصنوعی با جاوا
آموزش هوش مصنوعی با استفاده از زبان برنامهنویسی جاوا میتواند برای نوجوانان که با مفاهیم برنامهنویسی آشنا هستند، بسیار مفید باشد. زبان برنامهنویسی جاوا یکی از زبانهای محبوب و پرکاربرد در صنعت فناوری اطلاعات است و با یادگیری آن، نوجوانان میتوانند به راحتی با مفاهیم هوش مصنوعی آشنا شوند.
این زبانها میتوانند برای آموزش هوش مصنوعی به کودکان و نوجوانان بسیار موثر باشند و به آنها کمک کنند تا مفاهیم پایهای و پیشرفته هوش مصنوعی را درک کنند.
کلاس هوش مصنوعی کودکان
کلاس هوش مصنوعی برای کودکان میتوانند یک فرصت فوقالعاده برای آموزش مفاهیم پایهای این حوزه به شیوهای جذاب و تعاملی باشند. در این کلاسها، کودکان با مفاهیمی مانند برنامهنویسی، تفکر محاسباتی، تشخیص الگوها و حتی اخلاقیات مرتبط با هوش مصنوعی آشنا میشوند. ایرانیان سایبر به آموزش هوش مصنوعی برای کودکان می پردازد.
کلاس های هوش مصنوعی برای نوجوانان
کلاس های هوش مصنوعی برای نوجوانان میتوانند یک فرصت عالی برای یادگیری مفاهیم پیشرفته هوش مصنوعی و برنامهنویسی باشند. این کلاسها معمولاً با توجه به سطح دانش و تجربه نوجوانان طراحی میشوند و میتوانند به آنها کمک کنند تا مهارتهای لازم برای توسعه برنامههای هوش مصنوعی و حل مسائل پیچیده را بیاموزند.
مراحل یادگیری هوش مصنوعی کودکان
مراحل یادگیری هوش مصنوعی کودکان میتواند از سطح سادهتر تا پیچیدهتر پیش برود، به طوری که کودکان با توجه به سطح سنی و تواناییهایشان، به آرامی با مفاهیم مختلف آشنا شوند. در زیر مراحل یادگیری هوش مصنوعی برای کودکان آورده شده است:
1. مفاهیم پایهای: ابتدا به کودکان مفاهیم پایهای هوش مصنوعی مانند تشخیص الگوها، ایدهآلها، و تفاوت میان هوش مصنوعی و هوش انسانی آموزش داده میشود.
2. استفاده از بازیها: از بازیهای آموزشی استفاده میشود تا مفاهیم هوش مصنوعی را به صورت ساده و جذاب به کودکان آموزش داد. این بازیها ممکن است شامل حل مسائل ساده، تشخیص الگوها، و برنامهنویسی ساده باشند.
3. آموزش مبتنی بر تجربه: از روشهای آموزش مبتنی بر تجربه مانند آزمایشهای عملی و پروژههای کوچک برای کودکان استفاده میشود تا آنها بتوانند مفاهیم هوش مصنوعی را در عمل تجربه کنند.
4. استفاده از منابع آموزشی مناسب: از کتابها، ویدیوها، نرمافزارهای آموزشی و منابع دیگری که به زبانی ساده و جذاب مفاهیم هوش مصنوعی را توضیح میدهند، استفاده میشود.
5. توجه به علاقهها و استعدادهای فردی: توجه به علاقهها و استعدادهای خاص هر کودک و تلاش برای ایجاد فرصتهایی که باعث تقویت این علاقهها میشود، از اهمیت بالایی برخوردار است.
6. پشتیبانی و تشویق: ارائه حمایت و تشویق به کودکان برای ادامه یادگیری و پرسیدن سوالها، بسیار ارزشمند است و آنها را به ادامه تلاش تشویق میکند.
اهمیت اصلی در اینجا این است که یادگیری هوش مصنوعی برای کودکان باید به شکلی جذاب و مفید برایشان ارائه شود تا از این فرآیند لذت ببرند و انگیزهی لازم برای ادامه دادن آن را داشته باشند.
یادگیری ماشین در هوش مصنوعی برای کودکان
یک مثال جذاب از یادگیری ماشین در هوش مصنوعی برای کودکان میتواند از طریق یک بازی ساده و آموزشی باشد که مفهوم تشخیص الگوها را به آنها آموزش دهد. به عنوان مثال، فرض کنید که یک بازی به نام پازل هوش مصنوعی طراحی میشود.
در این بازی، کودکان به یک تصویر کوچک متعلق به یک حیوان نگاه میکنند، اما این تصویر به شکل قطعههای پازل از هم پاشیده است. سپس، با استفاده از یک الگوریتم ساده یادگیری ماشین، کودکان باید تصویر را تشخیص داده و قطعات پازل را به ترتیب صحیح قرار دهند تا تصویر حیوان کامل شود.
در زمینه یادگیری ماشین، الگوریتم سادهای مثل کلاسهای چندگانه ساده میتواند استفاده شود. به طور مثال، کودکان با دیدن تصاویر حیوانات مختلف و نام آنها، میتوانند یک مدل ساده یادگیری ماشینی ایجاد کنند که به آنها کمک میکند تا تصاویر مختلف را تشخیص داده و هر تصویر را به نام مربوطه مرتبط کنند.
این نوع بازیها علاوه بر اینکه کودکان را با مفهوم تشخیص الگوها و یادگیری ماشین آشنا میکند، میتواند به توسعه مهارتهای حل مسئله، تفکر منطقی و همچنین همکاری در گروهها کمک کند. این همه از اصول اساسی هوش مصنوعی هستند که میتوان با بازیهای آموزشی مطرح کرد.
"این مطلب تبلیغاتی است"