گروهی از محققان اخیرا توانسته‌اند روشی برای اجرای یادگیری ماشین کشف کنند که برخی از جنبه‌های عملکردی اصلی مغز انسان را تقلید کند. الگوریتم‌های به‌دست‌آمده از تحقیقات جدید امکان‌پذیری بیولوژیکی هم دارند و به‌احتمال زیاد، زمینه‌های جدیدی به حوزه‌ی هوش مصنوعی اضافه می‌کنند.

دیمیتری کروتوف، محقق ibm و جان جی. هاپفیلد، مخترع شبکه‌ی عصبی مشارکتی، در تحقیقات درباره‌ی الگوریتم جدید همکاری کردند. آن‌ها مجموعه‌ای از الگوریتم‌ها را توسعه دادند که شبیه به آموزش‌‌دادن به انسان‌ها، ماشین‌ها را آموزش می‌دهد. الگوریتم آن‌ها به ماشین امکان می‌دهد در رویکردی بدون نظارت خاص آموزش ببیند. درواقع، روش آن‌ها برخلاف راهکارهای موجود برچسب‌گذاری دیتاسِت است که امروزه، در اکثر فرایندهای یادگیری عمیق استفاده می‌شود.

بسیاری از تحقیقات پیشین در حوزه‌ی هوش مصنوعی که در دهه‌های 1980 و 1990 انجام شد، روی درک نحوه‌ی فعالیت شبکه‌ی عصبی انسان متمرکز بود. به‌علاوه، تبدیل آن به زبانی درک‌کردنی برای ماشین‌ها نیز در دستورکار آن تحقیقات قرار داشت. ایده‌ی مهم آن سال‌ها درک بهترین روش برای نشان‌دادن فعالیت عصب‌ها با استفاده از ریاضیات بود. مرحله‌ی بعدی نیز با مقیاس‌دهی همان یافته‌ها برای استفاده در ماشین‌ها انجام می‌شد. متأسفانه آن رویکرد به‌خوبی ادامه پیدا نکرد و اکثر تحقیقات درباره‌ی هوش مصنوعی تا دهه‌ی 2000، تقریبا فراموش شده بود.

تحقیقات کروتوف و هاپفیلد به‌نوعی از روش‌های قدیمی توسعه‌ی هوش مصنوعی استفاده می‌کند؛ اما قدمی جدید برای شبیه‌سازی مغزی شبکه‌های عصبی ارائه می‌دهد. کروتوف در مصاحبه‌ای درباره‌ی تحقیقاتش گفت:

اگر درباره‌ی عصب‌شناسی صحبت کنیم، قطعا جزئیات زیادی درباره‌ی نحوه‌ی کارکردن آن وجود دارد. سازوکارهای بیوفیزیکی پیچیده در فعالیت‌های انتقال عصبی مفصل‌های سیناپسی، وجود بیش از یک نوع سلول، جزئیات فعالیت‌های پیچیده‌ی آن سلول‌ها و موارد دیگر، همگی پیچیدگی سیستم عصبی را بیشتر می‌کنند. ما در تحقیقاتمان تمام آن جزئیات را نادیده گرفتیم. درعوض، ما تنها یک عنصر پایه‌ای را در فعالیت خود اضافه کردیم که در شبکه‌های عصبی زیستی هم وجود دارد. عنصر پایه‌ای مدنظر ما نیز ارتباط صرفا جفتی عصب‌ها با یکدیگر بود.

به‌بیانِ‌دیگر، مدل ما اجرای کامل مدل‌های زیستی واقعی نیست و درواقع، فاصله‌ی زیادی هم با آن دارد. روش ما برداشتی ریاضیاتی از نمونه‌ی زیستی بوده که در مفهومی کاملا ریاضیاتی اجرا شده است.

مدل‌های مدرن یادگیری عمیق عموما روی روش‌های آموزش «بازگشت به عقب» (backpropagation) متمرکز می‌شوند. این روش آموزشی روی مغز انسان کاربرد ندارد؛ چون به داده‌های غیرمحلی وابسته است. به‌عنوان مثال، مغز ما می‌تواند تصاویر را بدون آموزش مرسوم پردازش کند. درواقع، می‌توانیم مواردی که قبلا ندیده‌ایم، به‌خوبی پردازش کنیم که با روش آموزش بازگشت به عقب برای ماشین‌ها تفاوت دارد.

آموزش یادگیری شبیه انسان به ماشین‌، دشواری‌های زیادی دارد. آن آموزش شبیه این است که خواندن را تنها با توضیح‌دادن حروف الفبا و بدون نشان‌دادن آن‌ها به افراد یاد دهیم. درواقع ماشین‌ها برخلاف ما، ارتباط حسی مستقیمی با جهان پیرامون ندارند. به‌هرحال به‌نظر می‌رسد کروتوف و هاپفیلد مشکل مذکور را با ساختن الگوریتمی حل کرده باشند که نمونه‌‌ای درک‌کردنی از داده می‌سازد.

کروتوف درباره‌ی مدل‌سازی الگوریتم‌شان می‌گوید:

اغلب وقتی به شبکه‌ی عصبی عمیق آموزش می‌دهیم، وظیفه‌ی آن را از قبل مشخص می‌کنیم. مثلا می‌گوییم اعداد با دست‌خط دست‌نویس را شناسایی کند. سپس، الگوریتم داده‌های موردنیاز خود را بسته به وظیفه‌ی مدنظر، در فضایی پنهان پیدا می‌کند. در نمونه‌‌ی ما، وزن‌های (weights) لایه‌ی اولیه‌ی شبکه‌ی عصبی، به دانستن وظیفه نیاز ندارد. درواقع، آن لایه فقط روی خود داده آموزش می‌بیند. سپس بعد از پایان‌یافتن آموزش، می‌توانیم وظیفه را مشخص کنیم. در مفهوم جدید، وزن‌های لایه‌ی اولیه درباره‌ی وظیفه اطلاع خاصی ندارند.

تحقیقات اخیر رویکردی در حوزه‌ی هوش مصنوعی اجرا کردند که به‌نوعی فراموش شده بود. درواقع، شاید یادگیری‌های عمیق مدرن امروزه به حوزه‌ی اصلی تحقیقات تبدیل شده باشند؛ اما الگوریتم‌هایی با امکان‌پذیری بیولوژیکی نیز به زمینه‌های اصلی تحقیقات بازگردند. البته، محققان بررسی اخیر می‌گویند کاربردی‌بودن روش آن‌ها در هوش مصنوعی هنوز به بررسی‌های عمیق‌تر نیاز دارد. کوروتوف می‌گوید مقاله‌ی آن‌ها تنها روی کاغذ نشان می‌دهد که با استفاده از روشی شبیه به ساختارهای بیولوژیکی، می‌توان کاربرد مناسبی از هوش مصنوعی انتظار داشت. درواقع، مقاله‌ی آن‌ها بیش از این مرحله پیش نمی‌رود و مهر تأییدی بر کاربردی‌بودن خود نمی‌زند.

درنهایت، همین که محققان توانستند روش‌هایی برای اجرای یادگیری شبیه به عناصر بیولوژیکی کشف کنند، جای امیدواری دارد. شاید یافته‌های آن‌ها، آینده‌ی یادگیری عمیق و توسعه‌ی هوش مصنوعی را نیز تغییر دهد.

www.zoomit.ir

مایکروسافت تنها یک هفته پس از انتشار گسترده‌ی پاورشل 6.2، نسخه‌ی ارتقایافته‌ی آن را برای تمامی پلتفرم‌ها معرفی کرده است. به‌روزرسانی جدید پاورشل این زبان برنامه‌نویسی را مستقیما به‌ نسخه‌ی 7 ارتقا می‌دهد. 

ردموندی‌ها در اطلاعیه‌ای رسمی ضمن معرفی پاورشل 7، توضیحات مفیدی درباره‌ی آن داده‌اند. درواقع در اطلاعیه‌ی رسمی مایکروسافت، دلیل ارتقای پاورشل از نسخه‌ی 6.2 به نسخه‌ی 7 به‌وضوح ذکر شده است. مایکروسافت در اطلاعیه‌اش می‌گوید:

میزان استفاده از پاورشل کُر (powershell core) در دو سال اخیر به‌‌طور درخورتوجهی افزایش یافته است؛ بخش اصلی این پیشرفت ازطریق کاربران لینوکس به‌دست آمده و این نشان می‌دهد سرمایه‌گذاری ما روی این سیستم‌عامل جواب داده است. بااین‌حال، بررسی‌هایمان نشان می‌دهد میزان استفاده‌ی کاربران ویندوز از پاورشل برخلاف لینوکس، با پیشرفت زیادی مواجه نشده است. این موضوع برایمان شگفت‌آور است؛ چراکه پاورشل محبوبیتش را ازطریق سیستم‌عامل ویندوز به‌دست آورد.

انتشار نسخه‌ی جدید پاورشل با عنوان نسخه‌ی 7، به مایکروسافت امکان می‌دهد سازگاری بهتری بین نسخه‌های مختلف پاورشل در سیستم‌عامل‌های مقصد به‌وجود آورد.

مایکروسافت می‌گوید قصد دارد پاورشل 7 را در مِی‌2019 (برابر با اردیبهشت‌وخرداد1398) دردسترس کاربران قرار دهد. 

www.zoomit.ir

نتفلیکس چند روز پیش در گفت‌و‌گو با وب‌سایت ورج تأیید کرد از هفته‌ی گذشته، به‌صورت رسمی پشتیبانی از ایرپلی را در پلتفرمش متوقف کرده است. این شرکت دلیل توقف پشتیبانی از ایرپلی را نوعی «محدودیت فنی» اعلام می‌کند؛ البته ظاهرا این محدودیت آن‌گونه نیست که فکر می‌کردیم.

اپل اخیرا با بسیاری از برندهای سازنده‌ی تلویزیون برای پشتیبانی محصولات آن‌ها از ایرپلی 2 به‌توافق رسیده است؛ بدین‌ترتیب، این شرکت‌ها در آینده به‌روزرسانی جدیدی برای تلویزیون‌های 2019 خود منتشر خواهند کرد تا پشتیبانی از ایرپلی 2 آغاز شود. بااین‌حال، ظاهرا موضوع یادشده برای نتفلیکس مشکل‌آفرین است.

آن‌طورکه نماینده‌ی بزرگ‌ترین سرویس استریم فیلم و سریال دنیا می‌گوید، ایرپلی 2 اپل شناسه‌ی دیجیتالی ندارد و این، یعنی به نتفلیکس اجازه نمی‌دهد نوع دستگاه مقصد را بفهمد. نتفلیکس همان‌طورکه پیش‌تر گفته، به‌دنبال این است که بهترین تجربه‌ی ممکن را روی دستگاه‌های مختلف به‌ کاربرانش ارائه دهد. طبیعتا وقتی این پلتفرم نتواند نوع دستگاه را شناسایی کند، نمی‌تواند ارائه‌ی بهترین تجربه به کاربر را تضمین کند. 

به‌دلیل همین موضوع، نتفلیکس اخیرا پشتیبانی از ایرپلی را متوقف کرده است. نماینده‌ی نتفلیکس دراین‌باره می‌گوید:

ما نمی‌توانیم [ازطریق ایرپلی] نوع دستگاه مقصد را شناسایی کنیم؛ بنابراین، تصمیم گرفتیم پشتیبانی از ایرپلی را متوقف کنیم.

توقف پشتیبانی از ایرپلی، یعنی کاربران ستاپ‌باکس‌های اپل تی‌وی دیگر نمی‌توانند محتوای نتفلیکس را ازطریق ایرپلی تماشا کنند.

درادامه، بیانیه‌ی رسمی نتفلیکس را در‌این‌باره مشاهده می‌کنید:

ما همواره می‌خواهیم مطمئن شویم کاربرانمان صرف‌نظر از اینکه از چه دستگاهی استفاده می‌کنند، تجربه‌ی فوق‌العاده‌ای از نتفلیکس داشته باشند. با دردسترس‌ قرار‌گرفتن ایرپلی برای تولیدکنندگان شخص‌ ثالث، دیگر نمی‌توانیم نوع دستگاه مقصد را ازطریق ایرپلی شناسایی کنیم. به‌عبارتِ‌دیگر، نمی‌توانیم تشخیص دهیم دستگاه مقصد اپل تی‌وی است یا خیر. این، یعنی نمی‌توانیم بهترین تجربه‌ی ممکن را برای کاربرانمان تضمین دهیم. ازاین‌رو، تصمیم گرفتیم پشتیبانی نتفلیکس را از ایرپلی متوقف سازیم تا ازاین‌طریق مطمئن شویم استانداردهایمان برای مشاهده‌ی محتوای باکیفیت همچنان حفظ می‌شود. کاربران می‌توانند ازطریق اپلیکیشن داخلی نتفلیکس در اپل تی‌وی و دیگر دستگاه‌ها، همچنان به سرویس ما دسترسی پیدا کنند.

براساس گزارش منتشرشده‌ی وب‌سایت macrumors، صفحه‌ی پشتیبانی نتفلیکس هم‌اکنون به‌روزرسانی شده و این عبارت در آن به‌چشم می‌خورد: «به‌دلیل محدودیت‌های فنی، پشتیبانی از ایرپلی در نتفلیکس متوقف شده است».

بااین‌حال فراموش نکنید این ماجرا اندکی عجیب و تأمل‌برانگیز به‌نظر می‌رسد؛ زیرا مشکل یادشده این‌گونه نیست که مثلا این فناوری با سرویس نتفلیکس کار نکند؛ بلکه تمام ماجرا به‌ سلیقه‌ی نتفلیکس برمی‌گردد. درواقع، ظاهرا نوع دستگاه مقصد برای نتفلیکس آن‌قدر اهمیت دارد تا قابلیت محبوب پشتیبانی از ایرپلی را متوقف سازد. 

شاید بتوان موضوع یادشده را بدین‌صورت تحلیل کرد که نتفلیکس آمادگی رویارویی با سیل عظیمی از تلویزیون‌های مجهز به ایرپلی 2 را نداشت. افزون‌براین، ظاهرا این شرکت به‌روزرسانی منابع داخلی خود برای پشتیبانی بهتر از ایرپلی را کار منطقی و درستی نمی‌داند. البته حتی این امکان وجود دارد که توقف پشتیبانی از ایرپلی موقتی باشد و پس از برطرف‌شدن مشکلات، ایرپلی دوباره به نتفلیکس برگردد. نماینده‌ی نتفلیکس به وب‌سایت ورج گفته برطرف‌شدن این مشکل تاحدزیادی به اپل بستگی دارد. این درحالی است که کوپرتینویی‌ها تاکنون از اظهارنظر در‌این‌باره خودداری کرده‌اند.

بدون توضیح بیشتر، می‌توانیم این موضوع را از دیدگاه دیگری نیز بررسی کنیم. باورکردن این موضوع سخت نیست که نتفلیکس به‌دلیل اقدام‌های اخیر اپل برای راه‌اندازی سرویس فیلم و سریال با پشتوانه‌ی قدرتمند، تصمیم گرفته باشد اندکی با این شرکت سخت‌گیرانه برخورد کند. گرچه نتفلیکس رسما این موضوع را انکار کرده، درهرصورت امکان این اتفاق هم وجود دارد.

بااین‌حال، هم اپل و هم تولیدکنندگان تلویزیون‌های هوشمند در پی آن هستند تا بتوانند تلویزیون‌های جدید مجهز به ایرپلی 2 را به تعداد زیادی از کاربران بفروشند؛ بنابراین، ساخت ایرپلی برای پشتیبانی نتفلیکس از آن، جزو منافع اپل است. پس، اگر واقعا کلید حل مشکل در دست اپل است، چرا کوپرتینویی‌ها نخواهند آن را برطرف کنند؟

در پی رسانه‌ای‌شدن خبر توقف پشتیبانی نتفلیکس از ایرپلی، تئوری جدید و داغی در بین کاربران شکل گرفته است: شروع رقابت جدی بین اپل و نتفلیکس در حوزه‌ی استریم. فراموش نکنید نتفلیکس جزو یکی از شرکت‌های مهمی بود که که به سرویس اپل تی‌وی پلاس ملحق نشد و بدین‌ترتیب، به‌صورت رسمی ترجیح داد به‌عنوان رقیب مستقیم این سرویس فعالیت کند.

البته، این نخستین‌باری نیست که ایجاد نوعی جنگ سرد در بین این دو شرکت را شاهد هستیم. این شرکت‌ها در پی آن هستند تا حاکم بی‌چون‌و‌چرای بازار استریم فیلم و سریال باشند. چنین جنگ‌هایی فقط به اپل و نتفلیکس منتهی نمی‌شود. مدتی پیش بود که آمازون پس از سه‌سال پشتیبانی از کروم‌کست گوگل، به‌صورت رسمی پشتیبانی از آن را متوقف کرد. 

دیدگاه شما کاربران زومیت در‌این‌زمینه چیست؟ فکر می‌کنید سرویس اپل می‌تواند با غولی همچون نتفلیکس رقابت کند؟

www.zoomit.ir

یک استارتاپ حوزه فناوری قصد دارد با کمک هوش مصنوعی، به کاربران امکان دهد تا جهان مورد علاقه خود را بسازند.

www.isna.ir