تصور کنید با ذهنی روبهرو هستید که جنگ جهانی دوم، تلویزیون رنگی، کامپیوتر، اینترنت و حتی آنتیبیوتیکهای امروزی را نمیشناسد؛ ذهنی که ساعتش در آخرین روز سال ۱۹۳۰ متوقف شده؛ اما پیش از آن هزاران کتاب، روزنامه، مقاله علمی، سند حقوقی و پرونده ثبت اختراع را خوانده است. پژوهشگران این تصور را به واقعیت تبدیل کردهاند و یک مدل هوش مصنوعی به نام «تاکی» ساختهاند؛ چتباتی که به ما نشان میدهد جهانِ پیش از عصر دیجیتال، از دریچه دانستهها و باورهای مردم آن زمان چگونه دیده میشد.
ربات در نقش ماشین زمان
بیشتر چتباتهای امروزی با حجم زیادی از محتوای اینترنتی آموزش میبینند؛ از مقالههای علمی و دانشنامهها گرفته تا پستهای شبکههای اجتماعی، بحثهای کاربران و حتی مطالب کماعتبار. به همین دلیل، ممکن است در کنار اطلاعات درست، شایعات، تعصبها و خطاهای رایج در اینترنت را نیز یاد بگیرند.
تاکی بهجای محتوای اینترنت، سراغ نوشتههای انگلیسی پیش از سال ۱۹۳۱ رفته است. پژوهشگران این مدلِ ۱۳ میلیارد پارامتری را با حدود ۲۶۰ میلیارد توکن آموزش دادهاند؛ یعنی کتابها، روزنامهها، پوسترها، مقالههای علمی و اسناد تاریخی را به واحدهای کوچک زبانی تبدیل کردهاند تا مدل بتواند الگوهای موجود در آنها را یاد بگیرد. هر توکن ممکن است یک کلمه، بخشی از یک کلمه یا حتی یک نشانه نگارشی باشد.
نسخهی پایه و نسخهی گفتوگومحور این چتبات نیز بهصورت متنباز در گیتهاب و Hugging Face منتشر شده است تا پژوهشگران و کاربران عادی بتوانند آن را بررسی و آزمایش کنند.
چرا سال ۱۹۳۰؟!
انتخاب سال ۱۹۳۰ بیدلیل نبوده است. طبق قوانین آمریکا، حق نشر آثاری که پیش از سال ۱۹۷۸ منتشر شدهاند، در حالت کلی حداکثر ۹۵ سال ادامه پیدا میکند. پس از پایان این دوره، اثر وارد «مالکیت عمومی» (Public domain) میشود، یعنی مردم معمولاً میتوانند بدون اجازه صاحب اثر از آن استفاده یا آن را بازنشر کنند.
آثار منتشرشده تا پایان سال ۱۹۳۰ از ابتدای سال ۲۰۲۶ در آمریکا در مالکیت عمومی قرار گرفتهاند. این موضوع به پژوهشگران اجازه میدهد مجموعه بزرگی از کتابها، روزنامهها، مجلات، اسناد حقوقی، پروندههای ثبت اختراع و نوشتههای علمی را بدون نگرانی جدی از مشکلات کپیرایت برای آموزش تاکی بهکار ببرند.
دانش تاکی هم در همین نقطه متوقف میشود. این مدل درباره جنگ جهانی اول، دوران منع فروش مشروبات الکلی در آمریکا و فناوریهای اولیه رادیو اطلاعات دارد، اما از رویدادهای بعدی مثل ساخت بمب اتم، سفر انسان به ماه و پیدایش اینترنت چیزی نمیداند.
با این حال نباید تاکی را معادل ذهن یک انسان در سال ۱۹۳۰ دانست. این مدل مانند دیگر مدلهای زبانی، براساس الگوهای آماری متن، وظیفه و کلمه بعدی را پیشبینی میکند. تفاوت اصلی در این است که فقط متنهای مربوط به آن دوره را خوانده و به اطلاعات سالهای بعد دسترسی نداشته است.
بیشتر بخوانید
این مدل قدیمی چه فایدهای دارد؟
کاربرد اصلی تاکی سرگرمی یا نوستالژی نیست. یکی از جذابترین استفادههای آن، بررسی نگاه مردم گذشته به رویدادها و قوانین است. مثلاً یک پژوهشگر تاریخی میتواند بپرسد: «با اطلاعات موجود در سال ۱۹۳۰، مردم درباره آینده اروپا چه تصوری داشتند؟» پاسخ چنین مدلی، برخلاف چتباتهای امروزی، تحتتأثیر دانستههای بعدی قرار نمیگیرد.
این ویژگی برای پژوهشگران تاریخ اهمیت زیادی دارد. ما امروز نتیجه بسیاری از رویدادهای گذشته را میدانیم، بههمیندلیل ممکن است تصور کنیم مردم آن دوره هم میتوانستند نشانهها را بهوضوح ببینند. اما آنها فقط به اطلاعات زمان خودشان دسترسی داشتند. مدلی مثل تاکی کمک میکند نگاه مردم به رویدادهای تاریخی یا قوانین را با همان دانستههای محدود آن دوره بررسی کنیم، نه با اطلاعاتی که سالها بعد بهدست آمدهاند.
کاربرد دیگر تاکی، بررسی توانایی هوش مصنوعی در رسیدن به ایدههای تازه با تکیه بر دانش سال ۱۹۳۰ است. پژوهشگران میتوانند بررسی کنند که آیا مدل با دانش موجود تا سال ۱۹۳۰، توان نزدیکشدن به ایدهها و کشفیات سالهای بعد را دارد یا نه. موفقیت در این آزمون نشان میدهد که مدل فقط مطالب گذشته را بازگو نمیکند و میتواند از اطلاعات قبلی به نتیجههای تازه برسد.
وقتی متنهای قدیمی دردسرساز میشوند
ساخت مدلی مثل تاکی کار سادهای نیست. بسیاری از کتابها و روزنامههای قدیمی نسخه دیجیتال نداشتهاند و پژوهشگران باید صفحات اسکنشده را با فناوری تشخیص نوری حروف (Optical Character Recognition یا OCR)، به متن تبدیل کنند. این فرایند همیشه دقیق عمل نمیکند؛ تاری تصویر، فونتهای قدیمی یا آسیبدیدگی کاغذ میتواند کلمات را اشتباه تشخیص دهد و متن را بههم بریزد.
خطاهای OCR تنها مشکل این دادهها نیستند. گاهی توضیحات جدیدی که هنگام اسکن یا آرشیو به اسناد اضافه شدهاند، ناخواسته وارد متن میشوند. بهعنوان مثال، عبارتی مانند «دیجیتالیشده توسط گوگل» ممکن است در میان نوشتهای متعلق به یک قرن پیش ظاهر شود.
مشکل مهمتر، نشت زمانی است. این اتفاق زمانی رخ میدهد که سندی با تاریخ اشتباه وارد مجموعه شود یا توضیحی جدید در کنار یک متن قدیمی قرار بگیرد. در نتیجه، مدل به اطلاعاتی دسترسی پیدا میکند که نباید از آنها خبر داشته باشد. برای نمونه، تاکی در یکی از آزمایشها، رییسجمهور آمریکا در سال ۱۹۳۶ را درست تشخیص داد، درحالیکه دانش آن قرار بود در سال ۱۹۳۰ متوقف شده باشد.
در نهایت تاکی بیش از آنکه پاسخی درباره گذشته باشد، پرسشی درباره امروز مطرح میکند: مدلهای هوش مصنوعی، جهان را به واسطهی چه دادههایی میشناسند و این دادهها چه پیشداوریها و محدودیتهایی را با خود وارد پاسخهای آنها میکنند؟
نظر بدهید
نشانی ایمیل شما منتشر نخواهد شد.