محققان به الگوریتمی دست یافتهاند که میتواند راز مغز ما را آشکار سازد و درک مفهوم توسعهٔ هوش مصنوعی واقعی را ممکن سازد. در واقع، نتیجهٔ این تحقیق این بوده که قدرت مغز انسان بر پایهٔ منطق ریاضی n = 2i-1 میباشد. این منطق چگونگی عملکرد گروههایی از نرونهای مشابه را که برای کنترل وظایف مختلف گرد هم میآیند، بیان میدارد.
با پیشرفتهای چشمگیری که در زمینهٔ #هوش مصنوعی محقق شده است، هوش بشر با چالشهای متفاوتی از طرف ماشینها روبهرو است. در سالهای اخیر ما شاهد این بودهایم که چگونه هوش مصنوعی گوگل توانسته گوی سبقت را از ما انسانها در زمینههای مختلف منجمله بازی برباید. تکنولوژیهای مبتنی بر هوش مصنوعی علاوه بر به چالش کشیدن مغز انسان، نحوهٔ عملکرد کامپیوترها را نیز متحول ساختهاند.
با این حال، هنوز فاصلهٔ زیادی برای درک کامل عملکرد هوش انسان وجود دارد و همین امر هوش انسان را متمایز میسازد و برای همین هم هست که شرکتهای حوزهٔ فناوری برای انجام مطالعات در این زمینه و ساخت محصولات خود، میلیاردها دلار سرمایهگذاری میکنند. حال جالب است بدانید که تفکر انسان و فرآیند یادگیری را میتوان با استفاده از یک الگوریتم منفرد، تعریف کرد.
در یک مقالهٔ تحقیقاتی که در مجلهٔ Frontiers in Systems Neuroscience به چاپ رسید، موضوعی با عنوان «یک منطق ریاضی ساده، زمینهٔ تمام محاسبات پیچیدهی ما» مطرح شد که این تئوری اولین بار توسط Joe Tsien، محقق و عصبشناس، در اکتبر سال 2015 عنوان شده بود.
در جزئیات این مقالهٔ تحقیقاتی، توضیحاتی در رابطه با این موضوع که چگونه گروههای نرونهای مشابه (Cliques) که در شکلهای مختلف قرار میگیرند، مفاهیم سادهٔ اطلاعات را کنترل میکنند. محققان این گروهها را تحت عنوان FCM برچسبگذاری کردهاند و معتقدند که FCMها شکلگیری تمام ترکیبهای مختلف مفاهیم اطلاعاتی را تحت کنترل خود دارند.
محققان ترکیبهای مختلف غذایی را به حیوانات دادند؛ سپس با قرار دادن الکترودهایی در نواحی مشخصی از مغز، توانستند واکنش نرونها را ضبط کنند. ایشان در نهایت تمام 15 ترکیب مختلف (یا Cliques) را که به ترکیبهای مختلف غذاها پاسخ دادند، شناسایی کردند.
برای ارزیابی این تئوری، محققان مطالعاتی را بر روی چگونگی عملکرد الگوریتم خود در 7 ناحیهٔ مختلف از مغز که با کنترل وظایف پایه سروکار دارند، انجام دادند. آنها دریافتند که تعداد Cliqueهای مورد نیاز برای یک FCM با یک منطق جایگشت توان دوم قابل نمایش است؛ به عبارت دیگر، چیزی مانند n = 2i-1.
نتایج این تحقیق هیجانانگیز به ما در رابطه با فهم رفتارهای خود کمک خواهد نمود. همچنین این تحقیق میتواند الهامبخش پیشرفتهای شگفتانگیز در زمینهٔ هوش مصنوعی و ساخت رباتهای باهوشتر باشد.