یادگیری ماشین قفل کتابخانه‌ مغز انسان را باز می‌کند

منتشرشده در: the tartan به تاریخ ۱۰ نوامبر ۲۰۱۹
نویسنده: کیان نصری
لینک مقاله اصلی:http://thetartan.org/2019/11/11/scitech/brain-thoughts

این مقاله با ربات ترجمیار به صورت خودکار ترجمه شده و به صورت محدود مورد بررسی و ویرایش انسانی گرفته است.

مغز انسان به مدت طولانی به عنوان مجموعه‌ای از سیگنال‌های بیولوژیکی در نظر گرفته شده‌است که انسان‌ها هیچ امیدی به گره‌گشایی از آن ندارند. با این حال، مطالعه‌ای که در ماه اکتبر در شماره ۲۹ Cerebral Cortex روانشناسی کارنگی ملون منتشر شد، نشان می‌دهد که نمایش مفاهیم انتزاعی توسط مغز انسان نه تنها قابل‌شناسایی است، بلکه به اشتراک گذاشته شده‌است.

این مطالعه یکی از چندین مطالعه مرکز تصویربرداری مغزی شناختی (CCBI) بود. در این روش از یادگیری ماشین برای تحلیل اسکن‌های تصویر تشدید مغناطیسی عملکردی (fMRI) نه نفر استفاده می‌شد در حالی که به آن‌ها آموزش داده شده‌ بود که در مورد ۲۸ مفهوم انتزاعی مانند تفریق، علیت، اخلاق، جاذبه و شایعات فکر کنند. در حالی که مطالعات گذشته توسط CCBI تمایل به تمرکز بر مفاهیم عینی داشته‌اند، اصلاحات محققان به آن‌ها اجازه داده‌است تا نتیجه‌گیری کنند که مفاهیم انتزاعی نیز در میان شرکت کنندگان قابل‌شناسایی هستند.

«هنگامی که FMRI مطرح شد، افراد برای اولین بار در زمانی که شما مشغول انجام کاری بودید، محل فعالیت را مورد مطالعه قرار دادند. بنابراین ما کشف کردیم که چگونه مفهوم "سیب" نشان داده شد. وقتی این کار را انجام دادیم، دیگر محدودیتی وجود نداشت.» نویسنده ارشد این مطالعه، استاد روانشناسی در کالج علوم انسانی دیتریچ و مدیر CCBI است. او افزود: «هدف توسعه هستی‌شناسی دانش انسانی است که به طور عصبی بنیان نهاده شده‌است. این فقط یک آشفتگی بزرگ نیست. این موضوع به نحوی سیستماتیک قرار داده شده انگار که در یک کتابخانه هستیم. تنها ما سیستم نمایه‌سازی کتابخانه را می‌شناسیم: شما فقط باید به سراغ کارت‌های شاخص بروید. بنابراین هدف یادگیری کاتالوگ مغز است … هر یک از مطالعات ما یک کشوی دیگر در بخش کاتالوگ به ما می‌دهد و این مطالعه به ما می‌گوید که چگونه مفاهیم انتزاعی سازماندهی می‌شوند.

«ما می‌خواهیم بدانیم که مغز چگونه کار می‌کند، چگونه دانش نشان داده می‌شود.» رابرت میسون، یک روانشناس ارشد تحقیقاتی در CCBI که تنها بر روی مطالعات مرتبط کار کرده‌است، گفت: «ما فکر می‌کنیم که اکنون در نقطه‌ای هستیم که می‌توانیم شروع به شناسایی بازنمایی‌های دانش از سطح مفهومی کنیم … مرحله بعدی ترکیبی است: می‌توانیم ببینیم چگونه نمایش‌های مفهومی ترکیب می‌شوند در حالی که مشکلات را حل می‌کنند.»

محققان از الگوریتم یادگیری ماشین گاوسین نایو بیز برای طبقه‌بندی استفاده کردند تا اسکن‌های MRI هر فرد را مقایسه کنند. به هر فرد گفته شد که در مورد هر یک از ۲۸ مفهوم در شش موقعیت جداگانه فکر کند. چهار اسکن از شش اسکن برای آموزش الگوریتم طبقه‌بندی کننده استفاده شد، در حالی که میانگین دو اسکن دیگر برای آزمایش صحت آن استفاده شد. همین روش در میان شرکت کنندگان، با استفاده از هشت مورد از نه مورد برای آموزش الگوریتم، و مورد نهم برای تست دقت مورد استفاده قرار گرفت. این فرآیند با ترکیب‌های مختلف اسکن‌ها در مجموعه آموزشی تکرار شد تا دقت الگوریتم تایید شود.

به طور سنتی، یادگیری ماشین به مجموعه داده‌های بزرگ بیش از حد نیاز دارد. این مطالعه تنها از ۹ شرکت‌کننده استفاده کرد که هر کدام شش دور اسکن داشتند. روشی که محققان با استفاده از هر پیکسل اسکن MRI به عنوان یک طبقه‌بندی کننده و رتبه‌بندی تمام پیکسل ها براساس میزان همبستگی قوی آن‌ها با نتیجه، و سپس انتخاب مرتبط‌ترین پیکسل ها به عنوان ویژگی‌های الگوریتم به دست آوردند.

کاربردهای بالقوه زیادی برای این استفاده از تکنولوژی FMRI وجود دارد، از آموزش گرفته تا درمان. قابل توضیح اینکه: «روان‌پزشکی مطالعه اختلال تفکر است، و در اینجا ما ادعا می‌کنیم که می‌توانیم افکار را اندازه‌گیری کنیم. خوب، اگر بتوانیم افکار را اندازه بگیریم، می‌توانیم آشفتگی افکار را اندازه بگیریم. بنابراین ما یک پروژه بزرگ در حال انجام داریم که در آن افرادی را که در مورد خودکشی فکر می‌کنند با نگاه کردن به نمایش عصبی برخی از مفاهیم مشخص و دیدن اینکه آیا آن‌ها با کنترل‌ها متفاوت هستند، شناسایی می‌کنیم.بنابراین ما می‌توانیم تشخیص دهیم که آیا کسی خودکشی می‌کند یا خیر و با دقت ۹۱ درصد!»

میسون افزود: «ما واقعا فکر می‌کنیم که می توان از این تصاویر fMRI به عنوان یک ابزار ارزیابی استفاده کرد. بنابراین، برای مثال، می‌توانیم ببینیم که چگونه سرعت در ابتدا و انتهای ترم تحصیلی نشان داده می‌شود. ما می‌توانیم این تصاویر را با دانش آموزانی که نمره A گرفته‌اند یا اساتید مقایسه کنیم، و می‌توانیم ببینیم که آیا تصاویر مغزی شبیه به متخصصان هستند یا نه. اما مکان واقعی که در سال‌های اخیر می‌تواند تاثیری داشته باشد، ارزیابی آمادگی یادگیری و تدریس است. بنابراین اگر ما دانش‌آموزی داشته باشیم که در حال تلاش است، شاید بتوانیم تشخیص دهیم پایگاه دانش آن‌ها در کجا در حال شکست است.»

در حال حاضر، میسون در حال کار بر روی یک مطالعه با تاکتیک‌های تقریبا یکسان با ژوست (Just) است، اما بر روی مفاهیم فیزیک تمرکز دارد و سعی دارد اعتبار رویکرد آموزشی را آزمایش کند. به گفته میسون، این مطالعه اسکن‌های دانش آموزان در فیزیک سال اول از آغاز تا پایان ترم را مقایسه خواهد کرد تا نشان دهد‌ «آیا تغییری در نمایش‌هایی که نشان‌دهنده یادگیری باشد، وجود دارد»

مطالعه دیگری با حوزه مشابهی مانند مطالعات میسون در حال انجام است، با این تفاوت که شرکت کنندگان استاد فیزیک هستند، و کلمات شامل مفاهیم فیزیک پیشرفته هستند که تقریبا غیر ممکن است به طور مشخص تصور شوند.

این مقاله با ربات ترجمیار به صورت خودکار ترجمه شده و به صورت محدود مورد بررسی و ویرایش انسانی گرفته است.