الة عين النسر استخدمت التعلم الذاتي وتفوقت علي الخبراء البشريين

الذكاء الاصطناعي الآن ذكي جدا لدرجة أن أدمغة السيليكون تفكر في كثير من الأحيان في الناس.


تشغل أجهزة الكمبيوتر سيارات ذاتية القيادة ، وتلتقط صوراً للأصدقاء خارج الصور على Facebook ، وتتعلم كيفية تولي الوظائف التي عادة ما يعهد بها إلى الخبراء البشريين فقط.

قام باحثون من جامعة ويسكونسين-ماديسون ومختبر أوك ريدج الوطني بتدريب أجهزة الكمبيوتر على الكشف عن الضرر الإشعاعي المجهري وتحليله بشكل سريع ومستمر إلى المواد قيد النظر للمفاعلات النووية. وأجهزة الكمبيوتر تفوقت على البشر في هذه المهمة الشاقة.

يقول وي لي ، الذي حصل على درجة الماجستير في علوم وهندسة المواد هذا العام من جامعة ويسكونسن - ماديسون: "إن التعلم الآلي له قدرة كبيرة على تحويل النهج الحالي القائم على المشاركة البشرية لتحليل الصور في الفحص المجهري".

العديد من المشاكل في علم المواد تعتمد على الصورة ، لكن القليل من الباحثين لديهم خبرة في الرؤية الآلية - مما يجعل التعرف على الصور وتحليلها عنق زجاجة بحث رئيسي. كطالب ، أدرك لي أنه يمكنه الاستفادة من التدريب على أحدث التقنيات الحاسوبية للمساعدة في سد الفجوة بين الذكاء الاصطناعي وبحوث علوم المواد.

استخدم لي ، مع عالِم العاملين بجامعة أوك ريدج كيفين فيلد وأستاذ العلوم والهندسة في جامعة ويلز- ماديسون ، داني مورغان ، تعلم الآلة لجعل الذكاء الاصطناعي أفضل من البشر ذوي الخبرة في تحليل الضرر الذي لحق بمواد المفاعلات النووية المحتملة. وصف المتعاونون نهجهم في ورقة نشرت في 18 يوليو في دورية npj Computational Materials.

يستخدم التعلم الآلي الأساليب الإحصائية لتوجيه أجهزة الكمبيوتر نحو تحسين أدائها في مهمة دون تلقي أي توجيهات صريحة من الإنسان. أساسا ، يعلم التعلم الآلي الكمبيوتر لتعليم نفسه.

"في المستقبل ، أعتقد أن الصور من العديد من الأدوات سوف تمر من خلال خوارزمية التعلم الآلي للتحليل الأولي قبل أن يتم النظر فيها من قبل البشر" ، كما يقول مورغان ، الذي كان مستشارًا للدراسات العليا في لي.

استهدف الباحثون التعلم الآلي كوسيلة للتدقيق السريع في الصور المجهرية الإلكترونية للمواد التي تعرضت للإشعاع ، وتحديد نوع معين من الأضرار - مهمة صعبة لأن الصور يمكن أن تشبه سطح القمر ذي الحطام أو قماش مطلى برقائق .

وهذه المهمة ، التي تعد حاسمة للغاية لتطوير مواد نووية مأمونة ، يمكن أن تجعل عملية تستغرق وقتا طويلا أكثر كفاءة وفعالية.

يقول مورغان: "إن اكتشاف الإنسان وتحديد هويته عرضة للخطأ ، وغير متناسق وغير كفؤ. وربما الأهم من ذلك ، أنه غير قابل للتوسع". "تقنيات التصوير الأحدث تتفوق على القدرات البشرية لتحليل البيانات التي يمكن أن ننتجها."

في السابق ، اعتمدت خوارزميات معالجة الصور على المبرمجين البشريين لتوفير وصف واضح لميزات تعريف الكائن. قد يشتمل تعليم الكمبيوتر على التعرف على شيء بسيط مثل علامة التوقف على أسطر من التعليمات البرمجية التي تصف كائنًا مثمّنًا باللون الأحمر.

غير أن الأمر الأكثر تعقيدًا هو توضيح جميع الإشارات البصرية التي تشير إلى شيء ما ، على سبيل المثال ، قطة. آذان غامضة؟ أسنان حادة؟ شعرات؟ مجموعة متنوعة من المخلوقات لها نفس الخصائص.

يأخذ التعلم الآلي الآن نهجا مختلفا تماما.

يقول مورجان: "إنه تغيير حقيقي في التفكير. فأنت لا تضع قواعد. أنت تدع الكمبيوتر يكتشف ما يجب أن تكون عليه القواعد".

وكثيراً ما تستخدم مناهج التعلم الآلي لتحليل الصور برامج تسمى الشبكات العصبية التي تبدو وكأنها تحاكي قوى التعرف على النمط المتميز للدماغ البشري. لتدريس الشبكة العصبية للتعرف على القط ، يقوم العلماء ببساطة "بتدريب" البرنامج من خلال توفير مجموعة من الصور المصنفة بدقة لمختلف سلالات القطط. تتولى الشبكة العصبية من هناك ، وبناء وتنقيح مجموعة من المبادئ التوجيهية الخاصة بها لأهم الميزات.

وبالمثل ، قام مورجان وزملاؤه بتعليم الشبكة العصبية للاعتراف بنوع محدد للغاية من الضرر الإشعاعي ، يسمى حلقات التفكك ، وهي بعض من العيوب الأكثر شيوعًا ، والتي تتسم بالتحدي ، لتحديد وتحديد كمية بشرية حتى مع عقود من الخبرة.

بعد التدريب باستخدام 270 صورة ، قامت الشبكة العصبية ، جنبا إلى جنب مع خوارزمية تعلم آلية أخرى تسمى جهاز كشف الأجسام المتسلسلة ، بتحديد وتصنيف ما يقرب من 86٪ من حلقات التفكك في مجموعة من صور الاختبار. للمقارنة ، وجد الخبراء البشريون 80 في المئة من العيوب.

"عندما حصلنا على النتيجة النهائية ، فوجئ الجميع" ، يقول فيلد ، "ليس فقط من خلال دقة النهج ، ولكن السرعة. يمكننا الآن اكتشاف هذه الحلقات مثل البشر أثناء القيام بذلك في جزء من الوقت على معيار الكمبيوتر المنزلي."

بعد تخرجه ، حصل لي على وظيفة لدى Google ، لكن البحث مستمر. تعمل مورغان وفيلد على توسيع مجموعة بيانات التدريب الخاصة بها وتعليم شبكة عصبية جديدة للتعرف على أنواع مختلفة من عيوب الإشعاع. في نهاية المطاف ، يتصورون إنشاء موارد ضخمة تستند إلى السحاب لعلماء المواد في جميع أنحاء العالم لتحميل الصور لتحليل شبه فوري.

يقول مورجان: "هذه مجرد البداية". "تساعد أدوات التعلم الآلي في إنشاء بنية أساسية على الإنترنت يمكن للعلماء استخدامها بطرق بدأت للتو في فهمها".

اعداد وترجمة / فادي طارق

المصدر