هوش مصنوعی یک ابزار شناختی قدرتمند

ذهن انسان از توانایی چشمگیری در مهارتهای شناختی جدید مانند خواندن ، نوشتن، ناوبری مبتنی بر نقشه، استدلال ریاضی و منطق علمی برخوردار است. اخیراً، دانشمندان ابزار شناختی قدرتمند دیگری را اختراع مورد بررسی قرار داده اند: کدنویسی و فهم کد. انعطاف پذیری تکنولوژی هایی که قابلیت برنامه ریزی شدن دارند منجر به تحول سریع علوم در سراسر جهان شده است. با این حال، اطلاعات کمی در مورد سیستمهای شناختی و عصبی که اساس مهارتهای برنامه نویسی را تشکیل می دهند در دسترس است. در این مقاله سعی شده اطلاعات جدیدی در این زمینه فراهم شود. در صورت نیاز به اطلاعات و مطالعه بیشتر می توانید به یک روانشناس خوب در تهران یا سایر شهرها مراجعه نمائید.

هوش مصنوعی

درک کد بوسیله توانایی های شناختی

درک کد یک فرایند شناختی جدید است. این توانایی به طور معمول در اواخر کودکی یا اوایل بزرگسالی به دست می آید. پس انتظار می رود که مبتنی بر سیستم های شناختی پیشین باشد. با این وجود، این سوال که کدام یک از فرآیندهای شناختی از درک کد پشتیبانی می کنند هنوز بی پاسخ مانده است. برخی از توانایی های شناختی در درجه اول به یک حوزه شناختی واحد مرتبط هستند (به عنوان مثال خواندن / نوشتن بر اساس زبان گفتاری). اما درک کد ممکن است به طور قابل توجهی با چندین سیستم شناختی مجزا انجام پذیرد.

در وهله اول، درک کد ممکن است به منابع کارکرد اجرایی، از جمله حافظه فعال و کنترل شناختی متکی باشد. علاوه بر این، ممکن است از سیستم های شناختی مرتبط با ریاضیات و منطق که مطابق با اصول سنتی برنامه نویسی به عنوان حل مسئله است استفاده کند. سرانجام، درک کد ممکن است به سیستمی متکی باشد که از درک زبانهای محاوره ای پشتیبانی می کند. و مانند زبان، می تواند مقدار نامحدودی از اطلاعات معنی دار را انتقال دهد (به عنوان مثال، توصیف اشیا یا توالی های عملکرد). در اصل این شباهت ها می تواند مدارهای زبانی را برای پردازش کد کامپیوتر مناسب سازد.

ریاضی یا زبان: کدام قسمت از مغز کد کامپیوتر را پردازش می کند؟

وقتی کد کامپیوتر را می خوانیم دقیقاً چه اتفاقی می افتد؟. برخی از مطالعات هوش مصنوعی اخیراً توسط بنیاد های علوم، گروه های مغز و علوم شناختی و انستیتوهای فناوری تحقیقات مغز برای دستیابی به اطلاعاتی در این زمینه انجام پذیرفته است. محققین دانشگاه MIT و دانشگاه تافتس بر روی مغز ده ها شرکت کننده اسکن MRI را انجام دادند. شرکت کنندگان “فعالیت درک کد” را انجام می دادند و سعی می کردند برونداد یک برنامه را پیش بینی کنند.

ایده اصلی تعیین چگونگی دقیق درک کد در مغز بود. چگونه متغیرها، نام های کاربردی و علائم به عبارات معنی دار تبدیل می شوند. آنها چگونه در یک کل بزرگتر ادغام می شوند؟ آیا سرنخی برای توسعه دهندگان علوم رایانه یا حتی برخی بینش های دلهره آور برای توسعه دهندگان دنیای IT وجود دارد؟. شاید مهمترین موضوع برای توسعه دهندگان برنامه نویسی رایانه ای و هوش مصنوعی، تلاش برای پاسخ دادن به این سوال است که چه بخشی از مغز بیشترین مسئولیت یادگیری مهارت های رمزگذاری را بر عهده دارد. آیا همان بخشی است که ریاضیات را انجام می دهد؟. یا آیا همان بخش مسئول یادگیری زبان است؟.

هوش مصنوعی

زبان و شناخت در هوش مصنوعی

یکی از موضوعات پژوهش های هوش مصنوعی بررسی رابطه بین زبان و سایر عملکردهای شناختی است. به طور خاص این پرسش بررسی می شود که آیا سایر عملکردهای مغز به شبکه زبان مغز که شامل منطقه بروکا و سایر مناطق در نیمکره چپ مغز می شود متصل هستند.

دو روش فکری در مورد نحوه یادگیری رمزگذاری مغز وجود دارد. یکی معتقد است که برای مهارت در برنامه نویسی، باید در ریاضیات نیز مهارت داشته باشید. دیگری نشان می دهد که به دلیل موازی بودن بین برنامه نویسی و زبان، مهارت های زبان ممکن است بیشتر مرتبط باشد.

ریاضی یا زبان

محققین MIT در حال بررسی یک فرضیه بودند.  آیا شبکه زبان مغز برای سایر عملکردها نیز استفاده می شود. بر اساس مطاعات قبلی “موسیقی و ریاضیات، شبکه زبان مغز را فعال نمی کنند.” این علاقه شکل گرفت که رابطه بین زبان و برنامه نویسی رایانه ای بررسی شود. این علاقه تا حدی به این دلیل است که می دانیم هیچ مکانیسم سخت افزاری وجود ندارد که مسئول برنامه نویسی متبحر باشد.”

هوش مصنوعی به دنبال پاسخ به این سئوال است که آیا مغز با کد مانند کدام زبان طبیعی رفتار می کند؟. یا مثل منطق و ریاضیات؟. با سنجش پاسخ ها به دو زبان برنامه نویسی بسیار متفاوت پیتون و اسکراچ جونیر (زبان برنامه نویسی گرافیکی برای کودکان) بوسیله fMRI به این سوال پرداخته شد.

محققان هوش مصنوعی پاسخ به هر دو نمونه کد پایتون و همچنین زبان برنامه نویسی گرافیکی (که توسط آزمایشگاه رسانه ای MIT با همکاری دانشگاه تافس ساخته شده است) را مشاهده کردند. تحقیقات آنها از نظر روش شناسی کامل بود. “در آزمایش پایتون، دو نوع مسئله (مشکلات ریاضی و دستکاری متوالی) و سه نوع اساسی ساختار برنامه (گزاره های متوالی، بیانیه ها و اگر عبارت ها) بررسی شد.”

هوش مصنوعی

نتایج؟

محققان دریافتند که منطقه مسئول “درخواست های چندگانه” (MD) به هر دو نوع کد پاسخ می دهد. حتی به زبان گرافیکی بصری تر. در همین حال، منطقه مربوط به زبان به مشکلات مبتنی بر جمله پاسخ داد. اما به مشکلات کد یا پاسخ نداد یا پاسخ ضعیفی مشاهده شد.”درک کد اساساً به مناطق کارکرد اجرایی که دارای دامنه عمومی است وابسته می باشد.”

دانشمندان روانشناسی دریافتند که تفسیر کد، یک شبکه مغزی که دارای اهداف کلی است را فعال می کند. اما مراکز پردازش زبان فعال نمی شود.

خواندن کد، شبکه مبتنی بر درخواست های چندگانه را فعال می کند. اما به نظر می رسد بیشتر از زمانی که فرد با مشکلات ریاضی یا منطقی مواجه می شود به بخشهای مختلف شبکه متکی است. این موضوع نشان می دهد کدگذاری دقیقاً خواسته های شناختی ریاضیات را تکرار نمی کند.

رمزگذاران با تجربه

نتایج پژوهش MIT یادآوری می کند که مطالعه حاضر درگیری سایر مناطق مغزی را رد نمی کند. “محققان می گویند اگرچه آنها هیچ منطقه ای را شناسایی نکردند که منحصراً به برنامه نویسی اختصاص داشته باشد، اما چنین فعالیت مغزی ویژه ای در افرادی که تجربه کدگذاری بسیار بیشتری دارند ممکن است ایجاد شود. برخی افراد با برنامه نویسی آشنا هستند و می توانند این کارها را به نحو احسن انجام دهند. اما تجربه نسبتاً محدودی دارند. به نظر نمی رسد که در این افراد هنوز مناطق مغزی اختصاصی وجود داشته باشد.

مطالعه حاضر نشان داد كه حل مشكلات کد، شبکه درخواست های چندگانه را به جای مناطق زبانی فعال می کند. این روند در نهایت برای رمزگذاران با تجربه می تواند تلویحات مشخصی داشته باشد. یک دلیل برای بررسی شباهت مناطق درگیر در ریاضی یا زبان با برنامه نویسی این است که در آموزش برنامه نویسی و آموزش علوم کامپیوتر بسیار بد عمل کرده ایم. مطالعات هنوز نشان نداده اند که آیا شما مانند ریاضیات به رمزگردانی می پردازید؟ مثل زبان؟ یا مثل … دقیقاً چه؟

هوش مصنوعی

به نظر می رسد درک کدها دانش مختص به خود را داشته باشد. این دانش منطبق با زبان، ریاضیات و منطق نیست

این یافته جدید چه چیزی را نشان می دهد؟

این یافته در هوش مصنوعی جدید نشان می دهد که برای مغز انسان، روند درک کد با خواندن زبان یکسان نیست. بر اساس نتایج مطالعات، آموزش کدگذاری رایانه ای همانند آموزش یک زبان خارجی ممکن است کارآمدترین روش نباشد.

یافته های هوش مصنوعی نشان می دهد که کدگذاری را نمی توان صرفا به عنوان یک مهارت محور یا یک مهارت زبان محور در نظر گرفت. به گفته محققان، بخشی از این امر به این دلیل است که یادگیری برنامه نویسی ممکن است به مناطق درگیر در یادگیری زبان و سیستم درخواست چندگانه مبتنی باشد.

به نظر می رسد توسعه دهندگان علوم رایانه مجبورند در رویكردهای خودشان برای آموزش موثرتر كدها تجدید نظر کنند.

از نظر مغز، خواندن کد کامپیوتر با زبان خواندن یکی نیست

از برخی جهات، یادگیری برنامه نویسی مانند یادگیری یک زبان جدید است. یادگیری برنامه نویسی به یادگیری نمادها و اصطلاحات جدیدی نیاز دارد. آنها باید به درستی سازماندهی شوند تا به کامپیوتر دستور دهند چه کاری انجام دهد. کد همچنین باید به اندازه کافی قابل درک باشد تا سایر برنامه نویسان بتوانند آن را بخوانند و درک کنند.

علی رغم این شباهت ها، دانشمندان روانشناس دریافتند که خواندن کد، مناطقی از مغز که در پردازش زبان نقش دارند را فعال نمی کند. در عوض، یک شبکه توزیع شده به نام شبکه درخواست های چندگانه را فعال می کند که برای کارهای پیچیده شناختی مانند حل مسائل ریاضی یا جدول کلمات متقاطع نیز به کار برده می شود.

با این وجود، اگرچه خواندن کد رایانه شبکه درخواست چندگانه را فعال می کند اما به نظر می رسد که بیش از مشکلات ریاضی یا منطقی به سایر بخشهای شبکه عصبی متکی است. و این نشان می دهد که کدگذاری درخواست شناختی ریاضیات نیز دقیقاً تکرار نمی شود.

حوزه های مختلف شناختی با عملکردی هماهنگ برای توانایی تفسیر کد

توانایی تفسیر کد یک مهارت شناختی قابل توجه است که مبتنی برحوزه های مختلف شناختی، از جمله عملکرد اجرایی، ریاضیات، منطق و زبان می باشد. این واقعیت که می توان کدگذاری را در بزرگسالی آموخت، ممکن است به سیستم های شناختی موجود در فرد متکی باشد. در اینجا، دو سیستم عصبی در درک کد برسی شدند. سیستم MD که با درخواست های مختلف اجرایی مرتبط بوده و در ریاضیات و منطق نقش دارد. و سیستم انتخاب زبان که با فرایندهای زبانی واژگانی و ترکیبی مرتبط شده است. هماهنگی این دو سیستم برای دست یابی به بهترین عملکرد در تفسیر کد مشهود است. اما شبکه های هماهنگ ساز در پژوهش های فعلی همچنان ناشناخته مانده اند.

یافته های جدید درمقابل مطالعات پیشین

پرداختن به این دو سیستم تفسیر نتایج حاصل از مطالعات قبلی را دشوار می کند. اما به طور منحصر به فردی به مطالعه برنامه نویسی مرتبط با ذهن و مغز کمک می کند. یافته های اخیر نشان می دهند که گزارش های قبلی در مورد برانگیختگی نیمکره چپ در کد نویسی ممکن است منعکس کننده محتوای پردازش باشد نه درک کد به خودی خود. این تفکیک همچنین باید هنگام تفسیر نتایج سایر مطالعات در مورد تأثیرات برنامه نویسی بر فعالیت مغز، مانند ردیابی متغیر، استفاده از نشانه های معنایی یا طرح بندی برنامه، تولید برنامه و تخصص برنامه نویسی ملاحظه شود.

هوش مصنوعی

در مطاعات جدید پاسخ ها در نواحی مغزی که به عملکرد اختصاصی هر یک از شرکت کنندگان مرتبط است تجزیه و تحلیل می شوند. درنتیجه اجازه تفسیر ساده از پاسخ های مشاهده شده فراهم می شود. این روش برخلاف رویکرد سنتی است. اختصاصی سازی عملکردی به ویژه هنگام تجزیه و تحلیل پاسخ ها در قشر پیشانی، گیجگاهی و آهیانه ای مهم است. چراکه به لحاظ عملکردی در بین افراد ناهمگن شناخته شده است.

محدودیت های مطالعات اخیر در زمینه هوش مصنوعی

محرک های مورد استفاده در مطالعات اخیر هوش مصنوعی کوتاه بودند. آنها فقط شامل چند عنصر اساسی جریان کنترل (مانند حلقه ها و اگر عبارت ها) می شدند. علاوه بر این، بر درک کد تمرکز شد. این یک جز ضروری اما ناکافی برای بسیاری از فعالیت های برنامه نویسی دیگر مانند تولید کد، ویرایش و اشکال زدایی است. کارهای آینده باید تغییرات فعالیت مغز را در هنگام پردازش و تولید ساختارهای کدهای پیچیده تر  مانند توابع  و برنامه های بزرگ چند جزئی بررسی کنند.

درست مانند پردازش روایت، خواندن قطعات کد پیچیده تر نیز ممکن است مجموعه ای گسترده تر یا متفاوت از مناطق مغزی را درگیر کند. علاوه بر این، همانطور که در بالا ذکر شد مطالعه برنامه نویسان خبره ممکن است تغییراتی را در دانش موجود از ارتباط برنامه نویسی با ذهن و مغز را نشان دهد.

به طور کلی، و علی رغم شباهت های بیشمار بین زبان های طبیعی و زبان برنامه نویسی، کارکرد مشابهی از سیستم های زیربنایی مشاهده نشد. با کنار گذاشتن برخی فعالیت های عصبی خاص برای درک کد، راه را برای مطالعات شناختی و عصبی آینده برنامه نویسی هموار می شود. درنتیجه به دانش گسترده تری در مورد سیستم های عصبی که از ابزارهای شناختی جدید پشتیبانی می کنند دست میابیم.

هوش مصنوعی

آیا بعد از اینکه هوش مصنوعی بتواند کدهای بی نقصی بنویسد، کدگذاری بی فایده می شود؟

کد نوشته شده توسط هوش مصنوعی باید آزمایش شوند. هوش مصنوعی می تواند کدهای مربوط به هر چیزی را بنویسد، فضای خروجی به طور بالقوه ای نامحدود است.

می توان برای اطمینان از ایمنی یک خودروی خودکار نظارت های طولانی داشت. اما نمی توان تست هایی برای فضا و دامنه هایی نامحدود را پوشش داد.

این باعث می شود که به جای خود مکانیسم کدگذاری، مجبور به آزمایش کدهای خروجی هوش مصنوصی باشیم.

باید به یک روش منطقی نزدیک شد و با تغییر برنامه ها امکان آزمایش مجدد بوجود آید. نوشتن تست به صورت کد (حداقل در آغاز کار توسعه هوش مصنوعی) ضروری است.

تجسم لایه بعدی از هوش مصنوعی در آینده که به نوشتن تست ها کمک خواهد کرد امکان پذیر است.

اما ممکن است به هوش مصنوعی در حوزه های حساس اعتماد نکنیم. برای ساختن صفحات ثابت وردپرس و استارت آپ های اجتماعی به هوش مصنوعی اعتماد خواهیم کرد. اما آیا به آن در نوشتن کد برای ارتش اعتماد خواهیم کرد؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Fill out this field
Fill out this field
لطفاً یک نشانی ایمیل معتبر بنویسید.

فهرست