معرفی چالش داده‌کاوی هوشمند به توان شناختی

زمانی بود که هیچ کس هوش مصنوعی را جدی نمی‌گرفت ولی امروز همه جا به طور اغراق آمیزی صحبت از هوش مصنوعی است.باید دید در مورد علوم شناختی هم چنین اتفاقی خواهد افتاد یا نه.آن چه مسلم است قدرت پردازش و حجم داده با سرعت چشم‌گیری رو به افزایش است و می‌تواند در روند پیشرفت این علوم تاثیر تعین کننده‌ای داشته باشد.

به طور مثال یکی از موارد موفق هوش مصنوعی در سال‌های اخیر ترجمه ماشینی است. شما یک جمله نه چندان ساده به زبان انگلیسی به مترجم گوگل می‌دهید و بلافاصله معادل صحیح آن در زبان فرانسه نوشته می‌شود.مهم نیست مترجم گوگل از چه ترفندی استفاده کرده و کارش به شیوه کار مغز شباهت داره یا نه.همین که کارش را درست و هوشمندانه انجام داده برای شما کافی است.با این حال مساله برای خیلی ها وقتی جالب است که این رفتارهای به ظاهر هوشمند به فرایندهای شناختی و ساز و کارهای مغزی بیشتر شبیه باشد.

نمونه بارز چنین مساله ای رویکرد یادگیری عمیق (deep learning)است که با وجود فاصله زیاد با مشابه زیستی این روزها پر طرف‌دار شده است.البته یادگیری عمیق فقط یکی از شاخه‌های یادگیری ماشین است و هنوز برتری خاصی نسبت به روش‌های همنوع خود ندارد اما همین قدر که مقوله یادگیری که از مبانی علوم شناختی است تا این اندازه در فناوری‌های روز مطرح شده پیشرفت قابل توجهی ایست.در هوش مصنوعی قدیم و نمادی(symbolic)یادگیری دغدغه اصلی نبود ولی یادگیری به شیوه شبکه‌های عصبی هم تا دو دهه پیش خیلی پرطرفدار نبود ولی امروز از نظر خیلی ها به شیوه غالب تبدیل شده.به واقع این فرضیه قوت گرفته که روش‌های معمول هوش مصنوعی در خیلی حوزه‌ها در کوتاه مدت شاید جواب دهد ولی در دراز مدت پیچیدگی فرایند های شناختی و طبیعی چالش‌های دشوارتری می‌طلبد که نیازمند شناخت بیشتر از ساز و کارهای مغزی است.

برای نمونه می‌توانیم به مساله تبدیل یک تصویر به متنی که حاوی اطلاعات تصویر است اشاره کنیم. کاری که در خیلی موارد برای انسان به طور طبیعی ساده است. اما برنامه‌هایی که در غالب یادگیری عمیق طراحی شده هنوز مرتکب اشتباهات فاحشی می‌شود .به نظر می رسد قوه توجه در انسان برای شناسایی و استخراج اطلاعات مفید تصویر سهم مهمی دارد و به همین دلیل است که نحوه پیاده‌سازی این توانایی به مساله داغی در یادگیری عمیق تبدیل شده است.البته باز هم تاکید کنیم که پیشرفت فناوری بر حسب شاخص‌های اقتصادی و به اصطلاح معیارهای بازار تعین می‌شود. به طور مثال اگر قرار بود مترجم ماشینی اول معنی جمله را می‌فهمید بعد ترجمه می‌کرد فناوری امروز به ثمر نمی‌رسید.اما مباحث شناختی و معناکاوی به همان اندازه مفید است و پیشرفت فناوری ترجمه ماشین در آینده نزدیک بر چنین چالش‌هایی متکی است.علاوه بر این‌ها ویژگی بارز شناخت در انسان دسترسی مستقیم به احوالات مغزی است و همین اساس همدلی است که انسان را نسبت به هیجانات و عواطف هم نوع خود حساس میکند. این روزها ابزارهایی که باعث برانگیختگی  احساسات می‌شود کاربرد فراوان دارد.

به ویژه شایعاتی که سازوکارهای مغزی عواطف را فعال می‌کند بیش‌ترین تاثیر را در انتخاب و تصمیم‌گیری ما دارد. چه انتخاب سهام باشد چه ارزیابی کالای جدید یا نظر خواهی مشتریان و…الخ سمت و سوی تجزیه و تحلیل داده‌های موجود بدون در نظر گرفتن یافته‌ها و چالش‌های شناختی در این حوزه میسر نیست.

مواردی از دخالت آشکار علوم شناختی در داده‌کاوی هوشمند

 ازنظر خیلی‌ها ترکیب علوم شناختی و علوم داده در آینده نزدیک به قطب جدیدی از فعالیت در حوزه داده‌کاوی هوشمند تبدیل می‌شود. سوال اصلی این است که داده‌کاوی هوشمند با توجه به ساختار فعلی تا چه اندازه می‌تواند الگوهای رفتاری و فکری انسان را شبیه‌سازی کند.به لحاظ  رفتاری شاید الگوهای تصمیم‌گیری بیشترین اهمیت را داشته باشد و خیلی مهم است که این الگوهای تصمیم‌گیری بر چه اساسی تغییر می‌کند.آنچه امروز به فناوری اقناع(persuasive technology)موسوم شده ارتباط نزدیکی با فرایندهای شناختی تأثیرگذار در اقتصاد رفتاری دارد.

به‌طور مثال تأثیر عوامل هیجانی-احساسی از موضوعات داغ تحقیق در اقتصاد رفتاری است و فناوری اقناع به‌طور محسوسی تأثیر این عوامل را در تصمیم‌گیری هدف قرار داده است.تأثیر این عوامل از داده‌های تصویری گرفته تا صوتی و متنی بسیار گسترده است.یک نمونه از چنین کاربردی روش‌هایی است که احساسات را از روی حرکات صورت اندازه‌گیری می‌کند و از استخراج چنین داده‌هایی میزان ذوق‌زدگی نسبت به تبلیغات یک محصول و یا میزان احساسی که مردم نسبت به گفتار یک مبلغ سیاسی نشان می‌دهند را ارزیابی می‌کند.
همین‌طور نقش شایعات و تأثیر آن در برانگیختن احساسات و نهایتاً اتخاذ تصمیمات از قبل طراحی‌شده حتی به‌صورت ناآگاه می‌تواند چالشی فراگیر در داده‌کاوی هوشمند تلقی شود.این نگرش روزنه کوچکی ایست به حوزه مهمی از علوم شناختی تحت عنوان هوشمندی احساسی و شامل توسعه ابزارهایی است که بتواند چنین اطلاعاتی را از داده‌های موجود استخراج کند.
 
از سوی دیگر ،این ابزارها مکمل فناوری شناخته‌شده ایست که به سیستم تحلیل احساسات(sentiment analysis)موسوم است و با داده‌های مربوط به حال و هوای کاربران در مواردی چون رضایت مشتریان یا مرورگران کتاب‌ها سروکار دارد.این تحلیل‌ها که عمدتاً با داده‌های متنی سروکار دارد به‌طور روزافزونی مبتنی است بر پردازش و فهم زبان طبیعی .اما با وجود همه کوشش‌ها هنوز تا تحلیل معنایی و معنایابی فاصله زیادی باقی است.در حال حاضر شرکت‌هایی چون گوگل، فیس بوک یا تویتر در زمینه سلیقه‌یابی کاربران موفقیت زیادی به دست آورده‌اند .داده‌های مقیاس بزرگ این امکان را فراهم کرده که بتوان کالاهای مشابه و افراد مشابه را با معیارهای از قبل تعین شده دسته‌بندی کرد و از این طریق رابطه معقولی بین افراد و کالای موردعلاقه‌شان به دست آورد.
 
به عبارتی محتوای علایق و تمایلات کاربران به‌طور خودکار قابل تنظیم و انتخاب است.این فناوری به‌اصطلاح محتوا یابی خودکار(automated content selection) به‌حق باعث بروز نگرانی‌های بسیاری شده است تا جای که ممکن است اصل اختیار و اقتدار کاربران در اتخاذ تصمیم مورد سوال واقع شود.موفقیت بزرگ داده‌کاوی هوشمند دریافتن بهینه این الگوهای مشابهت بوده اما بیشتر در خدمت سودآوری شرکت‌ها و کمتر به نفع مصرف‌کنندگان.
چالش بزرگ‌تری که در همین جهت با معنایابی در پردازش متن سرو و کار دارد پردازش مبتنی بر بافتار(context)متن است. بافتار یابی خودکار (self-automated context selection) هنوز قدم‌های اولیه را برمی‌دارد و از مسائل بنیادی هوش مصنوعی و علوم شناختی است.کاری که برای انسان به‌سادگی قابل انجام است ولی برای ماشین نه. الگوهای تصمیم‌گیری برحسب بافتار فرهنگی، اجتماعی، هیجانی همواره تغییر می‌کند.هر چه تصمیم‌گیری به بافتار هیجانی بیشتر وابسته باشد کمتر قابل پیش‌بینی است و به همین جهت استخراج بافتار هیجانی از داده‌های متنی در مسائلی چون بازاریابی و رضایت مشتریان اهمیت زیادی دارد.در رویکرد یادگیری عمیق پیشنهاد شده که آنچه باید به‌عنوان بافتار در نظر گرفته شود خود موضوع یادگیری باشد .اما مسئله به این سادگی نیست و چالش‌های شناختی زیادی را می‌طلبد.
مطلب دیگر اهمیت دادن به موضوع سازوکار توجه است.هنوز سطح دانش عموم از سازوکار توجه از آنچه طی چند دهه اخیر در حوزه علوم شناختی به‌دست‌آمده بسیار اندک است.فقط این نیست که استفاده از تلفن همراه هنگام رانندگی چه خطراتی به دنبال دارد.می‌توان میزان تمرکز کاربران را حین دنبال کردن متون اینترنتی مورد ارزیابی قرارداد.به‌زودی تلفن‌های همراه اطلاعات خوبی از حرکات چشم و داده‌های مربوط به آن به دست خواهند داد. تحلیل چنین داده‌هایی با استفاده از دانش علوم شناختی می‌تواند اطلاعات مفیدی از سازوکار توجه و به کار گرفتن آن در فناوری‌های دیجیتالی در اختیار کاربران قرار دهد.به‌طور مثال استفاده از این سازوکار در تبدیل اطلاعات تصویری به متن به موضوع داغی در یادگیری عمیق تبدیل‌شده است.
 
در آخر، یادآور شویم که این روزها با جستجوی مختصری درباره فناوری‌های شناختی، معنایابی و داده‌کاوی هوشمند می‌توان به موضوعات جالبی ازاین‌دست برخورد کرد.نوشته حاضر بخش کوچکی از توان شناختی است و امید است چالشی که تحت عنوان “داده‌کاوی هوشمند به توان شناختی” آغازشده فصل تازه‌ای در فعالیت بین‌رشته‌ای علوم داده، علوم شناختی، هوش مصنوعی و یادگیری ماشین ایجاد کند.

به اطلاع علاقه‌مندان می‌رسانیم ثبت‌نام در در این رویداد آغاز گردید لطفاً جهت کسب اطلاعات بیشتر به سایت هم‌آوا مراجعه فرمایید.

 

 

فهرست