به گزارش اکوایران، در حالیکه هوش مصنوعی در حال رسیدن به اوج محبوبیت خود است، محققان هشدار داده‌اند که این صنعت ممکن است با کمبود اطلاعات مورد نیاز برای آموزش الگوریتم‌های هوش مصنوعی مواجه شود و همین امر می‌تواند در روند توسعه سیستم‌های هوش مصنوعی قدرتمند،‌ موانعی ایجاد کند.

به نوشته ساینس الرت، کاهش اطلاعات مورد نیاز برای آموزش الگوریتم‌ها می‌تواند سرعت رشد مدل‌های هوش مصنوعی را کاهش دهد و حتی مسیر انقلاب هوش مصنوعی را با تغییر روبه‌رو کند.

اما با وجود اطلاعات گسترده در اینترنت، چرا محققان نگران کمبود داده مورد نیاز برای آموزش الگوریتم‌های هوش مصنوعی هستند؟ و آیا راهی وجود دارد که بتوان این مسئله را حل کرد؟

برای آموزش الگوریتم‎‌های هوش مصنوعی قدرتمند‌، دقیق و بسیار باکیفیت، نیاز به داده‌های فراوانی است. به عنوان مثال،‌ برای آموزش چت جی‎پی‌تی از 570 گیگابایت اطلاعات متنی یا حدود 300 میلیارد کمله استفاده شده است.‌

به طور مشابه، سیستم‎های هوش مصنوعی مانند «دال‌‌ئی»، «لِنزا» و «میدجِرنی» که به تولید تصاویر می‌پردازند، با یک مجموعه داده‌ موسوم به (LAION-5B) که حاوی 5/8 میلیارد تصویر حاوی توضیح است،‌ آموزش داده شده‌اند.

اگر یک الگوریتم با اطلاعات ناکافی آموزش داده شود، عملکرد غیردقیقی خواهد داشت. کیفیت اطلاعاتی هم که سیستم‎‌های هوش مصنوعی با آن تمرین داده می‌شوند،‌ بسیار مهم است. داده‌های کم‌کیفیت مانند مطالب حاضر در شبکه‌های اجتماعی و عکس‌های کم‌کیفیت می‌توانند مورد استفاده قرار بگیرند، اما این برای آموزش مدل‌های هوش مصنوعی قدرتمند کافی نیست.

اطلاعات شبکه‌های اجتماعی می‌تواند مغرضانه یا نادرست باشد و هوش مصنوعی ممکن مطالب بدی از آن بیاموزد. بنابراین، توسعه‌دهندگان هوش مصنوعی از اطلاعات موجود در کتاب‌ها و مقالات برای آموزش هوش مصنوعی استفاده می‌کنند. به عنوان مثال، برای تبدیل کردن «دستیار گوگل» (Google Assistant) به یک هوش مصنوعی خوش‌صحبت، از رمان‌های عاشقانه استفاده شده است.

محققان هشدار داده‌اند که عرضه داده‌های متنی و تصویری با کیفیت بالا ممکن است در چند دهه آینده به پایان برسد و به طور بالقوه توسعه هوش مصنوعی را آهسته کند. این می‌تواند پیامدهای اقتصادی قابل توجهی داشته باشد، زیرا پیش‌بینی می‌شود که هوش مصنوعی تا سال 2030 میلادی، 15/7 تریلیون‌ دلار به اقتصاد جهانی کمک کند.

با وجود این نگرانی‌ها، راه حل‌های بالقوه‌ای برای مقابله با خطر کمبود داده وجود دارد. توسعه‌دهندگان هوش مصنوعی می‌توانند روی بهبود الگوریتم‌ها برای استفاده کارآمدتر از داده‌های موجود و همچنین ایجاد داده‌های مورد نیاز برای آموزش سیستم‌ها کار کنند. علاوه بر این، آن‌ها می‌توانند محتوا را از ناشران بزرگ و مخازن آفلاین اطلاعات جست‌وجو کنند. تولیدکنندگان محتوا نیز در حال مذاکره با توسعه‌دهندگان هوش مصنوعی هستند تا در ازای استفاده از کارشان، پول دریافت کنند.

در حالی که چالش‌هایی در ارتباط با در دسترس بودن داده‌های با کیفیت بالا برای آموزش هوش مصنوعی وجود دارد، فرصت‌هایی نیز برای نوآوری و اطمینان از پیشرفت مداوم در توسعه هوش مصنوعی در دسترس است.