یک مدل تازه هوش مصنوعی میتواند به دانشمندان کمک کند تصمیمهای پنهان در فرایند خواندن را بهتر درک کنند و در نهایت متن را برای خوانندگان و موقعیتهای مختلف شخصیسازی کند.
دانشمندان به یک مدل هوشمصنوعی اجازه دادند خودش بهترین شیوه خواندن را پیدا کند و در نتیجه، رفتار آن به طرز چشمگیری شبیه خواندن انسانها شد.
آگهی
آگهی
پژوهشگران دانشگاه آلتو در فنلاند، دانشگاه علم و فناوری هنگکنگ، دانشگاه شهری هنگکنگ و دانشگاه ملی سنگاپور از هوشمصنوعی برای درک بهتر نحوه خواندن انسانها استفاده کردند.
آنتی اولاسویرتا، استاد دانشگاه آلتو، در یک بیانیه خبری (منبع به زبان انگلیسی) گفت: «ما برای نخستین بار از روشهای هوشمصنوعی استفاده کردهایم تا بفهمیم انسانها چگونه میخوانند، نه این که فقط آن را تقلید کنیم.»
این تیم مدل را بر پایه این تصور طراحی کرد که خوانندگان زمان، حافظه و توان محدودی برای دریافت اطلاعات دیداری دارند.
سپس هوشمصنوعی را با میلیونها متن آموزش دادند تا میزان درک آن را در چارچوب این محدودیتها به حداکثر برسانند.
پژوهشگران میگویند با وجود این که در فرایند یادگیری هیچ دادهای از حرکت چشم یا میزان درک انسانها برای تقلید عادات خواندن انسانی استفاده نشد، هنگام مقایسه مدل با خوانندگان واقعی، بسیاری از الگوهای مشابه ظاهر شد.
برای نمونه، این مدل روی واژههای رایج یا قابل پیشبینی کمتر مکث میکرد و بیشتر احتمال داشت آنها را جا بیندازد، در حالی که واژهها و جملههای دشوار یا مبهم باعث میشد بیشتر به عقب برگردد.
شنگدونگ ژائو، استاد دانشگاه شهری هنگکنگ، گفت: «خواندن کاری بیزحمت به نظر میرسد اما مغز شما مدام تصمیم میگیرد کجا را نگاه کند، چه چیز را نادیده بگیرد و چه زمانی به عقب برگردد و توجه را مانند یک بودجه خرج میکند تا بیشترین میزان درک حاصل شود.»
پژوهشگران این سازوکار را «عقلانیت منابع» مینامند؛ یعنی زمان و توجه محدود به جاهایی هدایت میشود که بیشترین کارایی را برای فهم متن دارد.
مدل هوشمصنوعی تحت فشار زمانی رفتاری مشابه ۳۹ بزرگسال نشان داد که در یک آزمایش شرکت کردند. وقتی وقت کم بود، پوشش بخشهای بیشتری از متن را در اولویت قرار میداد و وقتی زمان بیشتری در اختیار داشت، توجه خود را صرف بخشهای دشوارتر میکرد و آنها را بیشتر بازخوانی میکرد.
با این حال، پژوهشگران هشدار میدهند که نتایج به این معنا نیست که مغز انسان دقیقاً همان محاسبات مدل هوشمصنوعی را انجام میدهد.
به گفته آنها، این مدل در عوض یک توضیح ممکن ارائه میکند درباره این که چگونه رفتارهای متفاوت در خواندن میتواند از هدف حداکثرسازی درک متن با منابع شناختی محدود ناشی شود.
به سوی خواندن شخصیشدهتر
به گفته تیم پژوهشی، درک بهتر از نقشی که حافظه در شکلدادن به شیوه خواندن دارد، در نهایت میتواند به ساخت فناوریهایی کمک کند که متن را با خوانندگان و موقعیتهای مختلف سازگار میکنند؛ برای نمونه، اپلیکیشنهای قابل شخصیسازی.
اولاسویرتا گفت: «حالا که این درک تازه را از چیزی به دست آوردهایم که تا این حد در زندگی ما محوری است، فقط کافی است تمام امکانات را بررسی کنیم.»
یکی از کاربردهای بالقوه این فناوری، واقعیتافزوده است. این رویکرد میتواند در عینکهای هوشمند به کار گرفته شود تا سرعت یا چیدمان متن روی صفحه را با نیازهای کاربر و کاری که در حال انجام آن است تنظیم کند.
اولاسویرتا گفت: «میتوانیم یک متن منبع واحد را برداریم؛ مثلاً یک متن حقوقی پیچیده را، و با تلاش اندک نسخههایی تهیه کنیم که برای خوانندگان مختلف قابلفهمتر باشد.»
این تیم قصد دارد بررسی کند که آیا این فناوری میتواند به افراد دچار نارخوانی یا کسانی که مهارت زبانی پایینتری دارند کمک کند یا نه. پژوهشگران همچنین در پی سازگار کردن متن در موقعیتهایی هستند که توجه نقش ویژهای دارد؛ برای مثال هنگام ارائه اطلاعات به رانندگان، بدون آن که بیدلیل حواس آنها را پرت کند.
اولاسویرتا گفت: «میخواهیم در موقعیتهای لحظهای به کاربران کمک کنیم؛ برای نمونه با طراحی متنی که به رانندگان کمک کند بدون آن که حواسشان را پرت کند.»
برای اطلاعات بیشتر درباره این خبر، ویدیوی موجود در پخشکننده بالای صفحه را تماشا کنید.