آموزش فیزیک به هوش مصنوعی می‌تواند سازگاری آن را افزایش دهد

به گزارش ایسنا و به نقل از فیز، پژوهشگران "دانشگاه ایالتی کارولینای شمالی"(NCSU) در بررسی جدید خود دریافته‌اند که آموختن فیزیک به شبکه‌های عصبی، آنها را قادر می‌سازد تا بهتر با محیط اطراف خود سازگار شوند. این پژوهش می‌تواند پیامدهایی برای بهبود کاربرد هوش مصنوعی در حوزه‌های گوناگون از تشخیص پزشکی گرفته تا هدایت پهپادهای خودران به همراه داشته باشد.

شبکه‌های عصبی، شکل پیشرفته‌ای از هوش مصنوعی هستند که عملکرد آنها مبتنی بر روش کارکرد مغز ما است. نورون‌های طبیعی ما براساس قدرت اتصالات خود، به تبادل پالس‌های الکتریکی می‌پردازند. شبکه‌های عصبی مصنوعی از این رفتار تقلید می‌کنند تا تفاوت میان خروجی‌های واقعی و مورد نظر را به حداقل برسانند. برای مثال، می‌توان یک شبکه عصبی را آموزش داد تا تصاویر سگ‌ها را در میان شمار زیادی از تصاویر تشخیص دهد، حدس بزند که آیا تصویر مربوط به یک سگ هست یا خیر و همین طور بررسی کند که تصویر تا چه اندازه می‌تواند به واقعیت نزدیک باشد.

پژوهشگران دانشگاه ایالتی کارولینای شمالی در این پژوهش جدید نشان دادند که آموزش فیزیک به شبکه‌های عصبی مصنوعی، به آنها کمک می‌کند تا خود را با یک سیستم سازگار کنند. آنها در این پروژه، یک شبکه عصبی مصنوعی را با مفاهیم فیزیک آموزش دادند و دریافتند که شبکه می‌تواند پویایی سیستم را به دقت پیش‌بینی کند و این کار را هم در محیط منظم و هم در محیط شلوغ و نامنظم انجام دهد.

"جان لیندر"(John Lindner)، از پژوهشگران این پروژه گفت: شبکه عصبی با کمک آموزش فیزیک می‌تواند پویایی را طوری درک کند که از عهده شبکه‌های عصبی متداول خارج است. این نخستین گام برای ارائه شبکه‌های عصبی است که می‌توانند به ما در حل کردن مسائل دشوار کمک کنند.

این پژوهش، در مجله "Physical Review E" به چاپ رسید.