پژوهشگرانی که در حال ساخت الگوریتم ماشین های هوشمند آینده هستند

پشت هر خودروی خودران، ربات خودآموز و ساختمان هوشمندی، الگوریتم‌های پیشرفته‌ای مختلفی وجود دارد که نحوه‌ی تصمیم‌گیری و یادگیری این ماشین‌ها را کنترل می‌کند. برخی از مدل‌های ریاضیاتی که اساس این سیستم‌های خودکار محسوب می‌شوند، هم اکنون در حال ساخت توسط پژوهشگران دانشگاه‌های اوپسالا و موسسه سلطنتی فناوری در سوئد هستند.

پژوهشگران دانشگاه اوپسالا و موسسه سلطنتی فناوری از تقریبا یک سال گذشته، بودجه ۲۴ میلیون کرونی را از شورای پژوهش‌های سوئد برای تشکیل گروه پژوهشی به نام NewLEADS (مخفف، رویکردی جدید برای مدل‌های مبتنی بر یادگیری ماشینی سیستم‌های پویا) دریافت کرده‌اند. این پروژه از ژانویه سال ۲۰۱۶ آغاز شده است. اما همکاری بین این گروه‌های پژوهشی به قبل‌تر از دو سال گذشته باز می‌گردد.

توماس شون، استاد سیستم‌های کنترل خودکار در دانشگاه اوپسالا، گفت:

ما (اعضای گروه های پژوهشی) پیش از این با هم به خوبی آشنا بوده‌ایم و مقالات پژوهشی زیادی را با هم نوشته‌ایم. اما امکان تشکیل چنین گروه پژوهشی در موسسه سلطنتی فناوری موضوع جالب‌توجهی است. ما با هم می‌توانیم، کارهای شگفت انگیزی انجام دهیم که انجام آن برای یک فرد تقریبا غیرممکن است.

این دو گروه پژوهشی، وظایف را توجه به تخصص پژوهشگران بین هم تقسیم کرده‌اند.

توماس شون می‌گوید:

تمرکز موسسه سلطنتی فناوری در این پروژه، ساخت مدل‌های ریاضی سیستم‌های پویا است که می‌توانند شرایط عدم قطعیت را تشخیص دهند و با آن مقابله کنند. اما این مدل‌ها هنوز به طور کامل با دنیای واقعی هماهنگ نشده‌اند. ما هرگز نمی‌توانیم همه‌ی جنبه‌های ممکن را پوشش دهیم. اما می‌توانیم، مدل‌های ریاضی را طراحی کنیم که به ماشین‌ها امکان تصمیم‌گیری‌های مستقل و قابل اطمینان را می‌دهد.

 چالش ساخت الگوریتم‌ سیستم‌های پویا در ماهیت خود این سیستم‌ها (پویایی و تغییر با زمان) نهفته است، این سیستم‌ها همیشه در تغییرند. دوربین‌های ترافیکی، رادار و سنسورهای اینرسیایی، برخی از دستگاه‌هایی‌اند که این الگوریتم‌ها برای جمع‌آوری اطلاعات به آن نیاز دارند. اکنون سیستم‌های پویاتر دیگری همچون بدن انسان،  به تمرکز اصلی پروژه‌ی شون و همکارانش بدل شده‌اند.

پژوهشگران پروژه‌ی NewLEADS می‌خواهند که تمرکز بیشتری را روی زمینه‌های پزشکی همچون تشخیص خودکار بیماری‌ها بگذارند

به گفته توماس شون:

ما تمرکز بیشتری را روی زمینه‌های پزشکی خواهیم گذاشت، به ویژه تشخیص خودکار بیماری‌ها.

او می‌گوید که عدم قطعیت ذاتی مدل‌های ریاضی هیچ تفاوتی با عدم قطعیتی که در همه جا می‌بینیم، ندارند. پزشکان نمی‌توانند همه اطلاعات پزشکی جدید را دریافت و تجزیه تحلیل کنند. تشخیص خودکار می‌تواند، روشی برای پاسخ به این پرسش‌های جدید باشد. علاوه بر این، یک راهکار مبتنی بر یادگیری ماشینی می‌تواند باعث پیش‌بینی شرایط عدم قطعیت شود. موردی که به نظر توماس شون، همچنین می‌تواند اطلاعات مهمی را قبل از تصمیم پایانی در اختیار پزشکان قرار دهد.

او گفت:

تمام اطلاعات و نتایج هم در یک پایگاه داده بزرگ جمع‌آوری می‌شود و همه از آن بهره می‌برند. این می‌تواند همزمان یک چالش و فرصت بزرگ باشد.

به گفته توماس شون، تمرکز پروژه‌ی NewLEADS عمدتا تحقیقات اولیه است. در عین حال، این گروه‌های پژوهشی ارتباط خود که با زمینه‌های کاربردی‌تر را هم بهبود می‌بخشند. گروه تحقیقاتی اوپسالا از پژوهشگران برجسته‌ای همچون فردریک لینستن، پیتر استاییکا و دیو زاکاریا با تخصص‌های سیستم‌های کنترل مستقل، پردازش سیگنال‌ها و یادگیری ماشینی تشکیل شده است. پژوهشگران موسسه سلطنتی فناوری هم سابقه‌ی کاری مشابه اما متفاوتی دارند. هاکان هیلارسون، استاد سیستم‌های کنترل مستقل در موسسه سلطنتی فناوری، توضیح می‌دهد، تمرکز برخی پژوهشگران روی مدل‌سازی سیستم‌های خاصی است تا حداکثر اطلاعات ممکن را جمع‌آوری کنند.

گروه هیلارسون از پژوهشگرانی همچون کریستین ریاس و همچنین بو وهلبرگ، بنیانگذار پروژه‌ی NewLEADS تشکیل شده است. علاوه بر این، حدود ۱۰ دانشجوی دکترا و پسادکترا از هر دو دانشگاه هم در این پروژه حضور دارند.

هاکان هیلارسون گفت:

امیدوارم که دانشگاه اوپسالا و موسسه سلطنتی فناوری قادر به ساخت پایگاه داده‌های خوبی باشند که بتواند به سادگی در زمینه‌های کاربردی مختلف سیستم‌های پویا همچون کنترل هوشمند سیستم‌های تهویه ساختمان‌ها و وسایل نقلیه‌ی خودران پیاده‌سازی شود.