هوش انسان به شدت متکی بر کسب دانش از انسانهای دیگر است که در طول زمان به عنوان بخشی از تکامل فرهنگی ما انباشته شده است. این نوع از یادگیری اجتماعی که در ادبیات به انتقال فرهنگی معروف است، امکان تقلید افعال و رفتارها در زمان وقوع را برای ما فراهم میکند؛ اما آیا هوش مصنوعی نیز توانایی تقلید این نوع از مهارتهای هوش انسانی را دارد؟
یادگیری از طریق تقلید مدتهاست که به عنوان یک روش آموزشی برای هوش مصنوعی استفاده شده است، به گونهای که در آن الگوریتمها آموزش میبینند که انسانها را زیر نظر گرفته، یک کار را کامل کرده و سپس سعی میکنند از آنها تقلید کنند؛ اما ابزارهای هوش مصنوعی معمولاً برای کپی برداری موفقیتآمیز از مربی خود به چندین الگو و قرار گرفتن در معرض حجم وسیعی از دادهها نیاز دارند.
در این زمینه، یک مطالعه پیشگام انجام شده توسط محققان شرکت DeepMind ادعا میکند که ابزارهای هوش مصنوعی نیز میتوانند مهارتهای یادگیری اجتماعی را در زمان واقعی با تقلید از انسان در زمینههای جدید بدون استفاده از دادههای قبلی جمع آوری شده انسانی کسب کنند.
این تیم تحقیقاتی به طور مشخص بر شکل خاصی از انتقال فرهنگی، معروف به یادگیری مشاهدهای یا تقلید، تمرکز کرد که به کپی کردن حرکت بدن اشاره دارد.
شرکت DeepMind آزمایش خود را در یک محیط شبیه سازی شده به نام GoalCycle ۳ D انجام داد. این محیط، دنیایی مجازی با سطوح ناهموار، گذرگاهها و موانعی است که ابزارهای هوش مصنوعی مجبور بودند از آن عبور کنند.
برای کمک به یادگیری هوش مصنوعی، محققان از یادگیری تقویتی استفاده کرده اند. این روش که مبدع آن پاولوف است، مبتنی بر ارائه پاداش برای هر رفتاری است که یادگیری و حصول نتیجه مطلوب را تسهیل کرده و در این مورد مسیر درست را پیدا میکند.
در مرحله بعدی، تیم تحقیق، عوامل خبره (چه برنامه ریزی شده یا کنترل شده توسط انسان) را اضافه کرد که عوامل از قبل میدانستند چگونه شبیه سازی را هدایت کنند، به گونهای که عوامل هوش مصنوعی به سرعت متوجه شدند که بهترین راه برای رسیدن به مقصد، یادگیری از طریق کارشناسان است.
مشاهدات محققان دو جنبه داشت: اول این که، آنها دریافتند که هوش مصنوعی نه تنها هنگام تقلید از متخصصان سریعتر یاد میگیرد، بلکه دانش به دست آمده را در مسیرهای فرضی دیگر نیز به کار میگیرد.
دوم این که، DeepMind کشف کرد که عوامل هوش مصنوعی حتی در غیاب متخصصان همچنان میتوانند از مهارتهای جدید خود استفاده کنند، که به گفته نویسندگان این مطالعه، نمونهای از یادگیری اجتماعی است.
نویسندگان ضمن تأکید بر این که تحقیقات بیشتری مورد نیاز است، در همین معتقدند روش آنها میتواند راه را برای توسعه فرهنگی با هدف ایفای نقش الگوریتمی در توسعه هوش عمومی مصنوعی هموار کند. آنها همچنین مشتاقانه منتظر همکاری بین رشتهای بیشتر بین زمینههای هوش مصنوعی و روانشناسی تکاملی فرهنگی هستند.