آزمایشگاه جدید دیوید سیلور ۱.۱ میلیارد دلار برای آموزش سیستمها بدون دادههای انسانی جذب کرد

یک شرطبندی بزرگ روی یادگیری تقویتی
اینیفِیبل اینتلیجنس، یک آزمایشگاه هوش مصنوعی بریتانیایی که تنها چند ماه پیش توسط دیوید سیلور، پژوهشگر سابق دیپمایند، تأسیس شد، ۱.۱ میلیارد دلار با ارزشی معادل ۵.۱ میلیارد دلار جمعآوری کرده تا نوع بسیار متفاوتی از مدلهای هوش مصنوعی را دنبال کند: مدلی که بدون دادههای انسانی یاد میگیرد.
شرکت میگوید میخواهد یک «فرا-یادگیرنده» بسازد که بتواند از طریق یادگیری تقویتی دانش و مهارتها را کشف کند، روشی که در آن سیستمها از طریق آزمون و خطا بهبود مییابند بهجای آنکه با مثالهای تولیدشده توسط انسان آموزش ببینند. این رویکرد ارتباط نزدیکی با پیشینه سیلور دارد. او بیش از یک دهه در دیپمایند متعلق به Google فعالیت داشت، جایی که رهبری کارهای یادگیری تقویتی را بر عهده داشت پیش از آنکه برای راهاندازی سرمایهگذاری جدید کنارهگیری کند.
از آلفازیرو تا بلندپروازی گستردهتر
کار سیلور در دیپمایند به تولید سیستمهایی انجامید که یاد گرفتند بهترین بازیکنان انسانی در شطرنج و گو را شکست دهند بدون اینکه روی سوابق یا استراتژیهای بازی انسانی آموزش ببینند. شناختهشدهترین مثال آلفازیرو بود، که صرفاً از طریق تجربه یاد گرفت و سپس برنامههای قدرتمند کامپیوتری جهان را در آن بازیها شکست داد.
اینیفِیبل اینتلیجنس اکنون هدف دارد آن ایده را بسیار فراتر از بازیهای تختهای ببرد. مطابق سایت تازه راهاندازیشده شرکت، آنها معتقدند فرا-یادگیرندهشان میتواند «تمام دانش» را از تجربهٔ خود کشف کند، بهجای تکیه بر مجموعهدادههای عظیمی که اکثر سیستمهای فعلی هوش مصنوعی را تغذیه میکنند.
زبان مورد استفاده در سایت آزمایشگاه پرطمطراق است. وبسایت میگوید اگر این تلاش موفق شود، به «یک پیشرفت علمی با ابعادی قابل مقایسه با داروین» منجر خواهد شد و اضافه میکند که «قانون» آن توضیح خواهد داد و همهٔ هوش را خواهد ساخت.
سیلور، که همچنین استاد در دانشگاه کالج لندن است، اینیفِیبل اینتلیجنس را در یک یادداشت شخصی که بعداً در وبلاگ شرکت منتشر شد «کار زندگیاش» توصیف کرد. او همچنین به وایرد گفت که هر پولی که از شرکت بهدست میآورد به خیریههای با تأثیر بالا خواهد رفت.
برای حال، به نظر میرسد امور مالی شرکت کمترین بخش مرموز داستان است. جذب ۱.۱ میلیارد دلار نشان میدهد سرمایهگذاران حاضرند از یک تلاش بلندپروازانه برای حرکت هوش مصنوعی فراتر از خطوط لولهٔ دادههای انسانی که بخش عمدهای از این صنعت را تعریف میکنند، حمایت کنند.
منابع: