محققان از مدل هوش مصنوعی جدیدی رونمایی کرده‌اند که بدون نیاز به داده‌های جهان واقعی برای تمرین می‌تواند دست به تصویرسازی یا میکروسکوپی بزند. پژوهشگران با استفاده از قوانین فیزیک به این مدل یاد داده‌اند تا از روی هولوگرام‌های مصنوعی و تصادفی، تصاویر میکروسکوپی بافت‌های بدن انسان را بازسازی کند.
دانشمندان دانشگاه کالیفرنیا، لس‌آنجلس از مدل هوش مصنوعی جدیدی به نام GedankenNet رونمایی کرده‌اند که با یادگیری از قوانین فیزیک و آزمایش‌های فکری کار می‌کند. این سیستم با الهام از آزمایش مشهور «گدانکن» از «آلبرت اینشتین» ساخته شده است که رویکردی دیداری و مفهومی در آزمایش‌های فکری بود و در خلق نظریه نسبیت استفاده شد.
محققان صرفاً با استفاده از قوانین فیزیک که در سراسر جهان و حتی در حوزه امواج الکترومغناطیس حاکم است، به مدل هوش مصنوعی خود آموختند که تصاویر میکروسکوپی را تنها از روی هولوگرام‌های مصنوعی بازسازی کند. این هولوگرام‌ها هم فقط با تصورات ذهنی ساخته شده بودند و هیچ اتکایی بر آزمایش‌ها و داده‌های جهان واقعی نداشتند.
هوش مصنوعی بدون داده‌های جهان واقعی تصاویر را بازسازی کرد
پژوهشگران پس از انجام «تمرین‌های فکری» در GedankenNet، این مدل را با تصاویر هولوگرافیک سه‌بعدی بافت بدن انسان آزمایش کردند. این سیستم در همان آزمایش اول با موفقیت توانست تصاویر میکروسکوپی بافت انسان را از هولوگرام‌ها بازسازی کند.
GedankenNet در مقایسه با بهترین روش‌های بازسازی تصاویر میکروسکوپی که براساس حجم گسترده‌ای از داده‌های آزمایشی تعلیم داده شده‌اند، عملکرد بهتری از خود نشان داد. این مدل همچنین امواجی از نور را تولید کرد که با قواعد فیزیکی معادلات امواج همخوانی دارد.
«آیدوگان اوزکان»، استاد مهندسی دانشگاه کالیفرنیا، لس‌آنجلس می‌گوید: «این یافته‌ها پتانسیل مدل‌های هوش مصنوعی خودنظارتی را درزمینه یادگیری از آزمایش‌های فکری نشان می‌دهند. این دستاورد فرصت‌های جدیدی را برای توسعه مدل‌های سازگار با قوانین فیزیک، با امکان آموزش آسان و با سطح تعمیم‌پذیری بالا، به‌عنوان جایگزینی برای روش‌های استاندارد یادگیری عمیق فراهم می‌کند.»
نتایج این پژوهش در مجله Nature Machine Intelligence منتشر شده است.
