محققان در مقالهای تازه به یک چالش فلسفی و مهندسی در توسعه هوش مصنوعی پرداختهاند: پدیدهای که آن را «تسخیر پایه» نامیدهاند.
گاهی اوقات در طراحی سیستمهای هوشمند، یک پیادهسازی اولیه (Incumbent) چنان در صنعت جا میافتد که به جای اینکه صرفاً «شواهدی از امکان انجام کار» باشد، به «تعریفِ استانداردِ انجام کار» تبدیل میشود. این موضوع باعث میشود نوآوری و جایگزینی روشهای بهینهتر به شدت سخت شود، چون معیارِ قضاوت، همان خروجیِ قدیمیِ سیستمِ اولیه است!
این پژوهش به ما یادآوری میکند که برای دستیابی به سرعت و انرژی بهینهتر در سختافزارهای مدرن هوش مصنوعی، باید «تقاضا» را از «پیادهسازی» جدا کنیم و به جای تکیه بر خروجیِ مدلهای قدیمی، به دنبال تعریفِ مستقل و شفاف از نیازها باشیم.
این نگاه عمیق، درک ما را از نحوه بهینهسازی سیستمهای پیچیده در آینده تغییر میدهد. نظر شما چیست؟ آیا در پروژههای خود با این وابستگی به استانداردهای قدیمی برخورد کردهاید؟
سازی
منبع: arXiv AI