مجید قربانی نژاد

تکین آنالیز: قیامِ ماشین‌ها آغاز شد؛ محققان USC هوش مصنوعیِ «خودآموز» را خلق کردند

درود بر ارتش تکین! محققان دانشگاه USC به تازگی مرزهای هوش مصنوعی را جابه‌جا کرده‌اند. آن‌ها سیستمی خلق کرده‌اند که می‌تواند اشتباهات خود را پیدا کند، کدهایش را دیباگ کند و بدون هیچ دخالت انسانی، خودش را ارتقا دهد. در یک آزمایش حیرت‌انگیز، این هوش مصنوعی موفق شد دقت خود را از ۳۹ درصد به ۹۶ درصد برساند، آن هم فقط در دو ساعت! آیا ماتریکس شروع به بازنویسی خودش کرده است؟ با کالبدشکافی این معجزه نرم‌افزاری همراه ما باشید.

در ۹ مارس ۲۰۲۶، محققان دانشگاه USC چیزی خلق کردند که تا به حال فقط در فیلم‌های علمی تخیلی دیده بودیم: هوش مصنوعی‌ای که می‌تواند خودش را آموزش دهد، باگ‌هایش را پیدا کند، و بدون هیچ کمک انسانی خودش را بهبود

بخشد. در یک آزمایش خیره‌کننده، این سیستم نرخ موفقیتش را از ۳۹٪ مستقیماً به ۹۶٪ رساند — نه در ماه‌ها، بلکه در عرض دو ساعت. آیا این همان لحظه‌ای است که ماتریکس شروع به بازنویسی خودش کرده؟ [IMAGE_PLACEHOLDER_1]

علم پشت معجزه: چگونه AI خودش را دیباگ می‌کند؟ سیستم "Autonomous Learning and Debugging System" یا ALDS که توسط تیم AI Self-Improvement Lab دانشگاه USC توسعه یافته، اساساً نحوه نگاه ما به یادگیری ماشین

را متحول کرده است. برخلاف سیستم‌های سنتی که نیاز به داده‌های آموزشی از پیش تعریف شده دارند، ALDS می‌تواند از خطاهای خودش یاد بگیرد و در لحظه خودش را اصلاح کند. مکانیزم کار چطور است؟ وقتی سیستم با یک مسئله

مواجه می‌شود و جواب اشتباهی می‌دهد، به جای اینکه منتظر بازخورد انسان بماند، خودش خطا را تشخیص می‌دهد. سپس یک "feedback loop" داخلی راه‌اندازی می‌کند که شامل سه مرحله است: اول، تحلیل علت خطا. دوم، تولید

راه‌حل‌های جایگزین. سوم، تست و اعمال بهترین راه‌حل. این فرآیند آنقدر سریع است که در عرض میلی‌ثانیه‌ها انجام می‌شود. "ما شاهد تولد نوع جدیدی از هوش مصنوعی هستیم که نه فقط از داده یاد می‌گیرد، بلکه از تجربه

و خطاهای خودش درس می‌گیرد. این مثل کودکی است که بدون معلم یاد می‌گیرد راه برود." — دکتر سارا چن، رئیس تیم تحقیق USC تفاوت اصلی با روش‌های قبلی در چیست؟ سیستم‌های یادگیری ماشین سنتی مثل یک دانش‌آموز هستند

که فقط از کتاب درس یاد می‌گیرند. اما ALDS مثل یک محقق است که می‌تواند خودش آزمایش کند، نتیجه بگیرد، و دانش جدید تولید کند. این یعنی دیگر نیازی به داده‌های آموزشی عظیم نداریم — سیستم خودش داده‌هایش را می‌سازد.

ادامه مطلب در سایت