آخرين بروزرساني اين مطلب:
September 9, 2008 1:27 PM
توضیح شکل: نمونه های از ساختارهای خطی، حلقوی و خوشه ای که در الگوریتم رایانه ای این تحقیق مورد استفاده قرار می گیرد.
انسان ها تمایل ذاتی به کشف ترتیب موجود در مجموعه ای از اطلاعات دارند و ثابت شده است که ایجاد چنین مهارتی در رایانه ها بسیار دشوار می باشد. رایانه ها در مواجهه با مجموعه ی بزرگی از داده ها نمی دانند از کجا باید آغاز نمایند مگر آن که برای دنبال کردن ساختار معینی، مانند یک سلسله مراتب خاص، ترتیب خطی یا دسته ای از خوشه ها برنامه ریزی شده باشند.
به گزارش خبرگزاری برق، الکترونیک و کامپیوتر ایران (الکترونیوز) و به نقل از ساینس دیلی، هم اکنون، طی پیشرفتی که می تواند شاخه ی هوش مصنوعی را تحت تاثیر قرار دهد، مدل جدیدی در دانشگاه MIT توسعه داده شده است که می تواند به رایانه ها کمک نماید تا الگوها را مشابه همان روشی که انسان ها انجام می دهند، تشخیص دهند. این مدل، که پیش از این در همین ماه در Proceedings of the National Academy of Science گزارش داده شده بود، می تواند مجموعه ای از داده ها را تحلیل و کشف کند که کدام نوع از ساختار سازمانی به بهترین شکل با آن مطابقت دارد.
جوش تننبائوم، استاد مغز و علوم شناختی در MIT و نویسنده ی اصلی مقاله، گفت: "به جای جستجو برای نوع خاصی از ساختار، ما الگوریتم گسترده تری ارائه کرده ایم که قادر به جستجوی تمام این ساختارها و مقایسه ی آن ها با یکدیگر می باشد."
این مدل می تواند در شاخه های مختلفی به دانشمندان کمک کند تا حجم وسیعی از داده ها را تجزیه و تحلیل نمایند و همچنین می تواند این موضوع را روشن سازد که مغز انسان چگونه الگوها را کشف می کند.
الگوریتم رایانه ای مربوطه توسط چارلز کمپ - که اخیرا مدرک دکترای خود را از MIT دریافت کرده و هم اکنون در دانشگاه کارنجی ملون استادیار می باشد - با همکاری تننبائوم توسعه داده شده است.
این مدل مجموعه ای ازساختارهای داده ای ممکن را مانند درختی، خطی، حلقه ای، سلسله مراتب کنترلی، خوشه ای و غیره را در نظر می گیرد و مناسب ترین ساختار ممکن از هر نوع را برای مجموعه داده ی داده شده پیدا می کند و سپس نوع ساختاری را که به بهترین نحو داده ها را نشان می دهد برمی گزیند.
انسان ها، اغلب به شکل ناخودآگاه، همین کار را در زندگی روزانه انجام می دهند. تعدادی از مسائل مهم علمی از روی مهارت انسان در کشف الگوهای موجود در داده ها نتیجه گرفته شده اند، برای مثال توسعه ی جدول تناوبی عناصر شیمیایی یا سازمان دهی گونه های بیولوژیکی درون یک دسته بندی با ساختار درختی.
کودکان این توانایی سازمان دهی داده ها را در سنین پایین از خود نشان می دهند، زمانی که یاد می گیرند شبکه های اجتماعی می توانند در قالب گروه هایی سازمان دهی شوند، و این که کلمه ها می توانند در دسته های دارای هم پوشانی قرار بگیرند ( برای مثال، سگ، پستاندار، حیوان).
تننبائوم در این باره افزود: "ما در گرفتن داده ها، ایجاد نظریه ها، و آزمایش این نظریه ها با آزمایش مانند کودکان فکر می کنیم. آن ها مانند دانشمندانی کوچک هستند. تاکنون هیچ مدل رایانه ای خوبی برای این که کودکان چگونه می توانند مانند دانشمندان، ساختار کلی و اساسی مجموعه ای از داده ها را دریابند، وجود نداشت."
|