ارتباط با ما
09392116387

معرفی چهره‌های تاثیرگذار (۲): فی‌فی لی، مادرخواندۀ هوش مصنوعی

از زمانی که آلن تورینگ در سال ۱۹۵۰ در مقالۀ خود در نشریۀ مایند این سؤال را مطرح کرد که «آیا ماشین‌ها می‌توانند فکر کنند؟ »، تا دهۀ ۲۰۲۰ که سیستم‌های مبتنی بر هوش مصنوعی در ساخت اتومبیل خودران، دستیار مجازی، پردازش زبان‌های طبیعی، تشخیص بیماری، سامانۀ توصیه‌گر، خانۀ هوشمند و ربات‌های همراه نقش حیاتی بازی می‌کنند، افراد زیادی با پس‌زمینه‌های مختلفی در پیشرفت این فناوری دخیل بوده‌اند.

یکی از پیچیده‌ترین کار‌های که زمینه‌های پژوهش و فعالیت در زمینۀ هوش مصنوعی، بینایی رایانه‌ای بوده است. ساخت اتومبیل خودران اساساً مبتنی بر بینایی رایانه‌ای است. اتومبیل خودران چگونه تفاوت بین پلاستیک سیاهی توخالی‌ای که در سر راه است و می‌توان از رویش رد شد را با سنگی در همان حد و اندازه که عبور از روی آن ممکن نیست را تشخیص می‌دهد؟ چگونه بر اساس سرعتی که یک فرد از خیابان می‌گذرد، اتومبیل می‌تواند تصمیم بگیرد که باید در ابتدا به او اجازۀ عبور بدهد یا خود عبور کند؟

پیشرفت‌های حیرت‌انگیز در این زمینه، مدیون تلاش‌های فی‌فی لی (Fei-Fei Li) و همکارانش بوده است. در این جستار، با زندگی و فعالیت‌های او آشنا می‌شویم.

کودکی و نوجوانی

فی‌فی لی در سال ۱۹۷۶ در پکن چشم به جهان گشود، در همان سالی که مائو از دنیا رفت. او اولین فرزند خانواده‌اش بود و از حمایت دل‌گرم‌کنندۀ والدینش برخوردار بود، اما اجتماعی که او در آن متولد شده بود فرصت پیشرفت زیادی را به زنان نمی‌داد. او خاطره‌ای از دوران دبستانش نقل می‌کند که در انتهای یک کلاس، معلم او که اتفاق زن هم بوده است، می‌گوید دختر‌ها از کلاس خارج شوند و پسر‌ها بمانند تا نکاتی با آن مطرح شود.

فی‌فی از کلاس خارج می‌شود اما دم در گوشش را به در می‌چسباند که صدای معلم را بشوند. معلم به پسران گفت که شما پسر‌ها از دختر‌ها پتانسیل بیشتری دارید و انتظار پیشرفت از شما زیادتر است. دختر‌ها تکلیف آینده‌شان از همین الان مشخص است، اما شما پسر‌ها باید آیندۀ این کشور را بسازید.

فی‌فی اما حمایت خانواده‌اش برخوردار بود و به خود مطمئن بود و فقط منتظر شرایطی بود که در آن توانایی‌های خود را بروز دهد. مهاجرت خانوادۀ او در پانزده سالگی‌اش، این فرصت را در اختیار او قرار داد.

تحصیل

فی‌فی در سال ۱۹۹۱ به همراه خانواده‌اش وارد ایالت نیوجرسی در آمریکا شد. او هنگام ورود به مدرسه هیچ کلمۀ انگلیسی‌ای بلد نبود، اما به مرور به به کمک معلم‌هایی که تا به امروز در صحبت‌هایش مدام از آن‌ها یاد می‌کند، توانست خود را به هم‌کلاسی‌هایش برساند.

در این سال‌ها کنجکاوی‌اش دربارۀ جهان او را به سمت مطالعۀ علوم مختلف علی‌الخصوص فیزیک کشاند. همین باعث شد که بعد از تحصیل از دبیرستان در سال ۱۹۹۵، تحصیل خود را در رشتۀ فیزیک در مقطع لیسانس در دانشگاه پرینستون پی بگیرد. در فیزیک، ورای تحلیل حرکت و ساختار اتم‌ها و ماده، سؤال‌های بزرگ‌تری دربارۀ زندگی، وضعیت انسان و ریشۀ آگاهی هم مورد بررسی است. توجه فی‌فی به این قسمت دوم و علی‌الخصوص مسئلۀ آگاهی جلب شد. همین باعث شد او برای تحصیلات تکمیلی، رشتۀ علوم کامپیوتر شود و دنبال جواب برای سؤال آلن تورینگ بگردد.

او در سال ۲۰۰۵ در مؤسسۀ فناوری کالیفرنیا مدرک دکترای خود را کسب کرد. موضوع پایان‌نامۀ او بینایی رایانه‌ای بود، زمینۀ جدیدی برای پژوهش که مراحل ابتدایی خود را سپری می‌کرد. بعد از دریافت مدرک دکترا، فی‌فی لی عضو هیأت علمی دانشگاه پرینستون شد. او تا سال ۲۰۰۹ در این دانشگاه بود و سپس به استنفورد رفت، اما پروژۀ تحول‌آفرین او در همان پرینستون کلید خورده بود.

معرفی چهره‌های تاثیرگذار ۲ فی‌فی لی، مادرخواندۀ هوش مصنوعی - آژانس مدیا و مارکتینگ ردی استودیومعرفی چهره‌های تاثیرگذار ۲ فی‌فی لی، مادرخواندۀ هوش مصنوعی - آژانس مدیا و مارکتینگ ردی استودیو

ایمیج‌نت

یک کامپیوتر برای شناسایی چیز‌ها، نیاز دارد یک شی را با نمونه‌ای مشابه آندر دیتابیس خود تطبیق دهد. چیز‌ها در جهان اشکال مختلفی به خود می‌گیرند. یک گربه را در نظر بگیرید. ممکن است نشسته باشد، دراز کشیده باشد، در حال پریدن باشد؛ جدای از این‌ها، می‌تواند رنگ‌ها و اندازه‌های متفاوت متفاوت داشته باشد و بسیاری پارامتر‌های دیگر. ما تمام اشکال گربه را تحت عنوان «گربه» ادراک می‌کنیم، چون چیز مشترکی را در آن‌ها می‌یابیم.

این ادراک، زادۀ تجربیات متکثری است که دیدن آن چیز داشته‌ایم و هربار متناظر با آن نام «گربه» را شنیده‌ایم. به این ترتیب درکی از آن به دست آورده‌ایم که می‌توانیم آن را به نمونه‌های مشابه هم تعمیم دهیم. کامپیوتر هم تقریباً فرایند مشابهی را باید طی کند. باید نمونه‌های مختلفی یک چیز واحد را تحت یک نام در آن ثبت شود تا بعد از آن بتواند چیز‌های مشابه آن را شناسایی کند.

برای دادن توانایی به کامپیوتر برای شناسایی گربه، باید هزاران تصویر از گربه به او داده شود. و این تازه شروع ماجراست. ما از کامپیوتر نمی‌خواهیم که تنها گربه را شناسایی کند، بلکه باید آن را در بستری در آن نمایان می‌شود شناسایی کند. به عنوان مثال تصویر این گربه را در نظر بگیرید.

معرفی چهره‌های تاثیرگذار ۲ فی‌فی لی، مادرخواندۀ هوش مصنوعی - آژانس مدیا و مارکتینگ ردی استودیومعرفی چهره‌های تاثیرگذار ۲ فی‌فی لی، مادرخواندۀ هوش مصنوعی - آژانس مدیا و مارکتینگ ردی استودیو

اگر این تصویر را به کامپیوتر برای شناسایی بدهیم و کامپیوتر گربه را شناسایی کند، تقریباً هیچ چیز را شناسایی نکرده است. این در این تصویر، عناصر دیگری هم به چشم می‌خورند: خیابان، ماشین، انسان‌ها، مغازه‌ها، چراغ و موارد دیگر. برای شناسایی همین یک تصویر، کامپیوتر باید ده‌ها هزار تصویر در دیتابیس خود داشته باشد که بتواند شناسایی درستی از تصویر داشته باشد. و بار دیگر، هنوز هم این تمام ماجرا نیست.

شناسایی تمام چیز‌های تصویر هم کافی نیست، بلکه روابط بین چیز‌ها هم باید شناسایی شود. در تصویر فوق، گربه در حال قدم زدن در خیابان است. پس خیابان مکانی برای عبور اوست. همچنین چون خیابان خلوت است و کسی نزدیک او نیست، تهدیدی برای او وجود ندارد در نتیجه به آرامی در حال گذر از خیابان است. همچنین جاذبۀ زمین، چیز‌های داخل تصویر را روی زمین نگه داشته است. بنابراین بین چیز‌های پیدا و پنهان یک تصویر، روابطی برقرار است که باید آن‌ها هم به دیتابیس کامپیوتر اضافه شود.

باگ عجیب برطرف شد؛‌ احتمالاً حالا می‌توانید ویندوز ۱۰ را - آژانس مدیا و مارکتینگ ردی استودیو بیشتر بخوانید: باگ عجیب برطرف شد؛‌ احتمالاً حالا می‌توانید ویندوز ۱۰ را به ویندوز ۱۱ ارتقا دهید

تمام پیچیدگی‌هایی که ذکر شد، کار دانشمندان برای ساختن دیتابیسی که یک سیستم مثل اتومبیل خودران بتواند بر آن متکی باشد را دشوارتر می‌کند. گروهی از دانشمندان دانشگاه آکسفورد، تخت عنوان پاسکال وی‌اوسی، در حال ساختن دیتابیسی برای بینایی کامپیوتری بودند. آن‌ها ۱۰ هزار تصویر در ۲۰ مقوله را دسته‌بندی کرده بودند و در حال ساختن دیتابیس بودند.

فی‌فی لی در سال ۲۰۰۶ به انگلستان سفر کرد و کار این گروه را از نزدیک دید. او به محض دیدن کار آن‌ها، در یک مکاشفۀ شخصی یاد مقاله‌ای افتاد که ارونیگ بیدرمن در ۱۹۸۳ دربارۀ شناسایی بصری انسان منتشر کرده بود. در آنجا بیدرمن تخمین‌زده بود که یک انسان در ۶ سالگی، توانایی شناسایی چیز‌ها در ۳۰ هزار مقوله را دارد. او باید ضعف کار دانشمندان آکسفورد آشنا شد، و پس از بازگشت از سفر مقدمات این را فراهم کرد که خودش با همکارانش دیتابیس بزرگی بسازد.

او پس از صحبت با یک دوست زبان‌شناس که پیش از این پروژه‌ای در این راستا با نام‌ایمیج‌نت داشت و اکنون متوقف شده بود، تصمیم گرفت خودش پروژه را از سر بگیرد و همان نام قبلی را هم نگه دارد.

بزرگ‌ترین مانع برای ساخت دیتابیس، قلت تصاویر بود که به کمک دیتا‌های اینترنت و برون‌سپاری حل شد. بعد از تعیین مقوله‌ها، تیم فی‌فی با استفاده از آمازون مکانیکال ترک، از بیش از ۴۷ هزار نفر در اقصا نقاط جهان برای دریافت تصاویر کمک گرفتند. این به تیم فی‌فی کمک کرد تا میلیون‌ها تصویر در دیتابیس خود ثبت کنند.

بعد از در ثبت میلیون‌ها تصویر در دیتابیس، وقت آن بود که الگوریتم‌هایی طراحی شود تا روابط بین چیز‌ها را شکل دهد. نوشتن چنین الگوریتم‌هایی برای دیتابیسی به این عظمت بی‌سابقه بوده است. تیم فی‌فی، از سال ۲۰۱۰ رقابت‌های سالانه‌ای ترتیب داد به نام چالش‌ایمیج‌نت، که در آن هر گروهی که بهترین الگوریتم را برای شناسایی تصاویر بسازد برنده می‌شود. دانشمندان بزرگ حوزۀ علوم کامپیوتر در این رقابت‌ها شرکت کردند و با الگوریتم‌های که طراحی کردند، دقت‌ایمیج‌نت را بسیار بالاتر بردند.

در حال حاضر استفاده از ۱۴ میلیون تصویر‌ایمیج‌نت با الگوریتم‌هایی که به آن‌ها منضم شده برای همه از طریق سایت این دیتابیس ممکن است. یکی از مخاطبان اصلی این سایت، مهندسانی هستند که در کار ساخت اتومبیل‌های خودران هستند.

خارج از‌ایمیج‌نت

فی‌فی در حال حاضر یکی از مهم‌ترین متفکران در حوزۀ علوم کامپیوتر و هوش مصنوعی است. جایگاه کنونی او، جدای از ساخت دیتابیس عظیم‌ایمیج‌نت، مدیون پروژه‌های تحقیقاتی او در استنفورد و تلاشش برای آشنایی دقیق‌تر جامعۀ مدنی با هوش مصنوعی بوده است.

فی‌فی در سال ۲۰۰۹ به دانشگاه استفورد پیوست. او در سال ۲۰۱۳ به عنوان رئیس آزمایشگاه هوش مصنوعی استفورد پیوست. این آزمایشگاه، در سال ۱۹۶۳ توسط جان مک‌کارتی – مبدع کلمۀ هوش مصنوعی) – در سال ۱۹۶۳ تأسیس شده بود و یکی از دو آزمایشگاه پیشران در اکتشافات هوش مصنوعی بوده است (آزمایشگاه دیگر، مجموعه آزمایشگاه‌های بِل هستند که در نیوجرسی واقع شده است).

فی‌فی در دوران مسئولیتش در آزمایشگاه هوش مصنوعی استفورد، تحقیقات و کنفرانس‌های زیادی در حوزۀ ارتباط هوش مصنوعی با دیگر علوم علی‌الخصوص علم اخلاق را هدایت کرد. او معتقد است که دانشمندان هوش مصنوعی بدون یاری از علوم انسانس دیگر، توانایی ساختن محصولاتی که به پیشرفت جامعه کمک کند را ندارند.

بعد از دوران مدیریتش در آزمایشگاه، فی‌فی کمک به ایجاد مرکزی اختصاصی برای مطالعۀ جنبه‌های انسانی هوش مصنوعی کرد. این مرکز در سال ۲۰۱۹ تحت عنوان هوش مصنوعی انسان‌محور (Human-Centered Artificial Intelligence) راه‌اندازی شد.

بخشی دیگر از فعالیت‌های او، آموزش علم خود به جامعۀ مدنی علی‌الخصوص افرادی که شانس کمتری برای دریافت آموزش دارند. او در مقطعی در مدیریت خود در آزمایشگاه هوش مصنوعی، تنها زن آزمایشگاه بود. همین باعث شد تصور کند که آموزش این علوم برای دختر‌ها و حضور بیشتر آن‌ها، یکی از وظایف مهم او است. همچنین تجربه‌های شخصی‌اش به عنوان یک مهاجر، او را تشویق کرد که این به گروه‌های آسیب‌پذیر هم توجه ویژه‌ای بکند.

او سال ۲۰۱۵ اولین تلاش خود در این راستا را با راه انداختن یک کارگاهی آموزشی برای دختران دبیرستانی آغاز کرد. ‌ایده چنین کارگاهی، مورد توجه جنسن هوانگ (مدیر عامل شرکت انویدیا) و ملیندا گیتس قرار گرفت.

فی‌فی با کمک این دو،  در سال ۲۰۱۷ مؤسسه‌ای غیر انتفاعی با نام هوش مصنوعی برای همه (AI for All) طراحی کرد تا این کارگاه‌های آموزشی گسترده‌تر شوند و ادامه یابند. در حاضر حاضر ۱۵ دانشگاه در آمریکا با این مؤسسه همکاری می‌کنند.

فعالیت‌های تأثیرگذار فی‌فی لی محدود به مواردی که در بالا ذکر شد نمی‌شود.   او در مقطعی در سال ۲۰۱۷ و ۲۰۱۸ با پلتفرم ابری گوگل همکاری می‌کرد و نائب رئیس این پلفترم بود. او همچنین در حال حاضر، به همراه ۱۱ نفر از دانمشندان هوش مصنوعی مشغول کمک به دولت بایدن برای نوشتن لایحه‌ای برای گسترش دسترسی به بیگ دیتا برای اهداف عام‌المنفعه است.

جمع‌بندی

فی‌فی لی، چنانچه خود در مصاحبه‌اش با اندرو نگ می‌گوید، تلاشش را مصروف این کرده است که استفاده‌های مفید به فایدۀ هوش مصنوعی را کشف کند و با دانش‌آموزان و جامعۀ مدنی منتقل کند. او می‌گوید تهدید‌های هوش مصنوعی چشم‌گیر و هراسناک هستند، اما این تهدید همزاد هر ابزار جدیدی بوده است که انسان‌ها به عرصۀ حیات خود وارد کرده‌اند. به طبق گفتۀ او، همکاری بین دانشمندان هوش مصنوعی و علوم انسانی، در میان گذاشتن جنبه‌های مختلف هوش مصنوعی و بها دادن به نگرانی‌ها آن‌ها و تلاش برای آموزش سیاست‌گذاران می‌توان تضمین‌کنندۀ آینده‌ای روشن‌تر برای حضور هوش مصنوعی در زندگی انسان‌ها باشد.

منبع

دیدگاهتان را بنویسید!

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

آژانس مدیا و مارکتینگ ردی استودیو
سبد خرید
empty basket

هیچ محصولی در سبد خرید نیست.