ایران پرسمان - ایسنا / عضو هیات علمی دانشگاه تهران گفت: توسعه مدل‌های چندمقیاسی مبتنی بر شبکه‌های عصبی عمیق، پیوندی میان علوم اعصاب و مهندسی هوش مصنوعی ایجاد کرده که به درک بهتر سازوکارهای شناختی مغز منجر شده است.
عطیه سرابی امروز در دومین سمپوزیوم توانبخشی شناختی و در نشست هوش مصنوعی و توانبخشی شناختی که در سالن کوثر دانشکده روانشناسی و علوم تربیتی دانشگاه تهران برگزار شد، با اشاره به تحول گسترده هوش مصنوعی در سال‌های اخیر گفت: از زمان انتشار عمومی مدل‌های زبانی بزرگ در نوامبر 2022، هوش مصنوعی از فضای آزمایشگاهی خارج شد و در دسترس عموم مردم قرار گرفت و این موضوع تأثیر چشمگیری بر حوزه توانبخشی شناختی گذاشته است.
بازار ![]()
وی با بیان اینکه تنها دو ماه پس از انتشار چت‌جی‌پی‌تی بیش از 100 میلیون نفر از آن استفاده کردند، افزود: این رویداد باعث شد مدل‌های زبانی بزرگ که پیش‌تر در اختیار پژوهشگران و متخصصان بود، وارد زندگی روزمره مردم شود و زمینه بررسی تأثیر آن بر سلامت شناختی و توانبخشی فراهم شود.
تعامل علم عصب‌شناسی و هوش مصنوعی
سرابی با اشاره به کنگره‌ای در واشنگتن دی‌سی در سال 2023 که با حضور متخصصان هوش مصنوعی و علوم اعصاب برگزار شد، گفت: در این نشست‌ها، درباره نقش دوطرفه هوش مصنوعی و علوم شناختی بحث‌های گسترده‌ای مطرح شد؛ از یک‌سو بررسی شد که هوش مصنوعی چگونه می‌تواند به درک بهتر فرآیندهای شناختی انسان کمک کند، و از سوی دیگر، علم شناختی چگونه می‌تواند در توسعه مدل‌های هوشمند مؤثر باشد.
وی ادامه داد: در این مباحث دو منظر اصلی برای نقش هوش مصنوعی در علوم شناختی مطرح شد؛ نخست، استفاده از مدل‌های پیش‌بینی‌کننده که با بهره‌گیری از داده‌های مغزی یا تصویری به شناسایی الگوهای عملکرد مغز کمک می‌کند و دوم، تلاش برای تبیین و مدل‌سازی خود «هوش» که پرسشی بنیادین و همچنان چالش‌برانگیز است.
چالش تفسیرپذیری در مدل‌های زبانی بزرگ
عضو هیات علمی دانشگاه تهران با تأکید بر اینکه مسئله «تفسیرپذیری» یکی از مهم‌ترین چالش‌های مدل‌های زبانی بزرگ است، اظهار کرد: این مدل‌ها به‌دلیل ساختار پیچیده‌شان هنوز پاسخ شفافی به این پرسش نداده‌اند که چگونه می‌توانند مفهوم هوش را در سطح انسانی مدل‌سازی کنند. همین موضوع باعث شده همچنان بحث‌های نظری و فلسفی درباره چیستی و کارکرد هوش در این سیستم‌ها ادامه داشته باشد.
نگاه از مغز به الگوریتم
سرابی با اشاره به رویکردهای مختلف در شناخت مغز، تصریح کرد: عصب‌شناسان برای درک سازوکار مغز از دو مسیر اصلی استفاده کرده‌اند؛ یکی مطالعه عملکرد نورون‌ها از طریق مهندسی معکوس و دیگری بررسی بیماران دارای ضایعات مغزی که با مداخلات شناختی بهتر می‌توانند نقش بخش‌های مختلف مغز در عملکردهای ذهنی را آشکار کنند.
وی افزود: این مطالعات منجر به شکل‌گیری فرضیاتی درباره نحوه بازنمایی عملکردهای شناختی در مغز شد و الگوریتم‌های مهندسی هوش مصنوعی نیز به ابزاری مؤثر برای آزمودن و تقویت این فرضیات تبدیل شدند.
هم‌افزایی میان مدل‌های محاسباتی و علوم اعصاب
این پژوهشگر ادامه داد: توسعه الگوریتم‌ها در سال‌های اخیر موجب شد مدل‌های تحلیلی و تفسیرپذیرتری در علوم اعصاب به‌کار گرفته شود. این روند به درک بهتر مکانیسم‌های تصمیم‌گیری، رفتار و شناخت در مغز کمک کرد و از سوی دیگر، فرضیات تازه‌تری درباره چیستی هوش و نحوه عملکرد آن به وجود آورد.
وی در ادامه خاطرنشان کرد: تعامل پیوسته میان علوم اعصاب و هوش مصنوعی نه‌تنها موجب پیشرفت در مدل‌سازی مغز شده، بلکه مسیر تازه‌ای برای توانبخشی شناختی، ارتقای عملکرد ذهنی و حتی بازتعریف مفهوم «هوش» در علم معاصر گشوده است.
هوش مصنوعی، پلی میان علوم اعصاب و شناخت
عضو هیات‌علمی دانشگاه تهران با اشاره به تأثیر الگوریتم‌های مهندسی بر پیشرفت علوم اعصاب گفت: اگر از منظر عصب‌شناسی به ماجرا نگاه کنیم، می‌بینیم که هوش مصنوعی توانسته کشفیات حوزه نوروساینس را به شکل چشمگیری ارتقاء دهد. به‌عنوان نمونه، در سال 2013 در آزمایشگاه «دیکالو» تلاش شد با استفاده از الگوریتم‌های مهندسی هوش مصنوعی، پارامترهای مدل سیستم بینایی شناسایی شود؛ موضوعی که تا آن زمان پاسخ روشنی نداشت.
وی افزود: به مرور، مدل‌های چندمقیاسی توسعه یافتند که ساختار آن‌ها با شبکه‌های عصبی عمیق (Deep Neural Networks) هم‌راستا بود. به‌عبارتی، میان علوم اعصاب و الگوریتم‌های مهندسی هوش مصنوعی پلی شکل گرفت که موجب شد هر دو حوزه بتوانند در تبیین سازوکارهای شناختی از یکدیگر الهام بگیرند.
هم‌راستایی هدف علوم اعصاب و هوش مصنوعی
سرابی با تأکید بر اینکه اهداف دو حوزه علوم اعصاب و هوش مصنوعی هم‌پوشانی زیادی دارد، گفت: هدف اصلی علوم اعصاب، کشف ارتباط میان رفتار، شناخت و تعامل فیزیکی مغز است؛ در حالی که هدف هوش مصنوعی، ساخت ماشین‌هایی است که بتوانند توانمندی‌های ذهن انسان، به‌ویژه هوش انسانی، را بازآفرینی کنند. از این منظر، هر دو حوزه مسیر مشابهی را در جهت شناخت و بازتولید فرآیندهای ذهنی انسان دنبال می‌کنند.
وی خاطرنشان کرد: در سال‌های اخیر، تعامل میان نوروساینس و هوش مصنوعی افزایش یافته و مطالعات جدید نشان می‌دهد حتی ساختارهای ماژولار مغز نیز با ساختار شبکه‌های عصبی مصنوعی هم‌تراز است. این یافته‌ها نشان می‌دهد که الگوریتم‌های هوش مصنوعی نه‌تنها در پیش‌بینی ورودی و خروجی سیستم‌های عصبی مؤثرند، بلکه در تبیین مدل‌های شناختی هوش نیز می‌توانند کاربرد داشته باشند.
استفاده از مدل‌های هوش مصنوعی در ارزیابی و توانبخشی شناختی
این پژوهشگر با اشاره به فعالیت‌های پژوهشی خود و همکارانش در دانشگاه تهران، گفت: در سال‌های اخیر، ما تلاش کردیم نقش هوش مصنوعی را در مطالعات رفتاری و شناختی وارد کنیم. در این پروژه‌ها، با استفاده از تسک‌های رفتاری و الگوریتم‌های محاسباتی، تغییر باورها و نگرش افراد را ارزیابی می‌کنیم.
وی افزود: در این رویکرد، علاوه بر تحلیل رفتار، از مدل‌های زبانی نیز برای ردیابی و پیش‌بینی تغییر نگرش‌ها استفاده شده است. این کار با بهره‌گیری از الگوریتم‌های مهندسی هوش مصنوعی انجام می‌شود تا درک دقیق‌تری از فرآیندهای شناختی و عاطفی به‌دست آید.
مدل‌سازی احساسات با شبکه‌های عصبی
سرابی ادامه داد: در یکی از مطالعات اخیر آزمایشگاه ما، با همکاری چند تن از همکاران و دانشجویان، از شبکه‌های عصبی عمیق برای تخمین پیوسته احساسات در سه بُعد مختلف استفاده کردیم. در این پژوهش، داده‌های فیزیولوژیکی افراد هنگام تماشای فیلم «فارست گامپ» ثبت و تحلیل شد.
وی توضیح داد: در این مطالعه از چند مدل شبکه عصبی کانولوشنی (CNN) با سه لایه استفاده کردیم و نتایج نشان داد که مدل توانسته احساسات را با دقت و صحت قابل توجهی پیش‌بینی کند. این یافته‌ها نشان‌دهنده ظرفیت بالای هوش مصنوعی در شناسایی و تحلیل داده‌های عاطفی انسان است.
از نشانگرهای زیستی تا نشانگرهای دیجیتال
عضو هیات علمی دانشگاه تهران با بیان اینکه تحقیقات جدید به سمت شناسایی «نشانگرهای دیجیتال» حرکت کرده است، گفت: هدف این است که از نشانگرهای زیستی (Biomarkers) به سمت نشانگرهای دیجیتال (Digital Markers) حرکت کنیم تا بتوان توانبخشی و بهبود عملکرد شناختی را شخصی‌سازی کرد.
وی افزود: در سال‌های اخیر، نتایج متعددی در زمینه به‌کارگیری دستیارهای دیجیتال مبتنی بر هوش مصنوعی در توانبخشی بیماران سکته مغزی، آلزایمر و سایر اختلالات شناختی منتشر شده است که نشان می‌دهد هوش مصنوعی می‌تواند به‌عنوان دستیار درمانگر، نقش مؤثری در بهبود عملکرد شناختی ایفا کند.
هوش مصنوعی؛ از مدل‌سازی ذهن تا درمان شناختی
سرابی در جمع‌بندی سخنان خود تأکید کرد: به‌نظر می‌رسد هوش مصنوعی دیگر صرفاً ابزاری برای مدل‌سازی هوش انسانی نیست، بلکه به ابزاری درمانی و کمکی در حوزه توانبخشی شناختی تبدیل شده است. نتایج مطالعات اخیر نیز نشان می‌دهد استفاده از این فناوری می‌تواند به کاهش فقر شناختی و ارتقای دسترسی همگانی به خدمات توانبخشی کمک کند.
وی در پایان گفت: قابلیت فراگیر و در دسترس بودن هوش مصنوعی، این امید را به‌وجود آورده که در آینده نزدیک، به کمک آن بتوان توانبخشی شناختی را برای تمام افراد جامعه قابل‌دسترس و کارآمدتر کرد.