آیا واقعاً میتوان مدلهای زبانی هوش مصنوعی را معیار سنجش دشواری پردازش متن در انسان دانست؟
یک مقاله جدید و جالب در arXiv به چالش بزرگی در حوزه هوش مصنوعی و علوم شناختی پرداخته است. نویسنده استدلال میکند که «نظریه غافلگیری» (Surprisal Theory) – که میگوید پردازش متن در انسان با میزان «غیرمنتظره بودن» آن برای مدل زبانی رابطه مستقیم دارد – در واقع یک همگویی (Tautology) است.
نکته کلیدی مقاله این است که چون میتوان برای هر الگوی دشواری انسانی، یک مدل زبانی متناسب ساخت، این نظریه بدون محدودیتهای بیشتر، پیشبینی ابطالپذیری ارائه نمیدهد. در واقع، صرفاً بهتر کردنِ مدلهای زبانی (Corpus fit) لزوماً باعث نمیشود که پیشبینی بهتری از رفتار انسان داشته باشیم.
این مقاله پیشنهاد میدهد که برای درک بهتر مغز انسان، باید به سراغ مدلهای «عقلگرایانه» برویم که بر اساس محدودیتهای حافظه یا اهداف پردازشی انسان طراحی شدهاند، نه صرفاً دادههای آموزشی بزرگ!
نظر شما چیست؟ آیا هوش مصنوعی واقعاً میتواند آینهای برای فهم ذهن انسان باشد یا ما در دام شباهتهای آماری افتادهایم؟
منبع: arXiv NLP