استفاده از هوش مصنوعی برای تولید محتوای اینترنتی فراگیر
به گزارش کارگروه فناوری اطلاعات سایبربان: جمعی از دانشجویان استنفورد، بیش از ۴۰۰ هزار واحد محتوای اینترنتی فراگیر یا میم (Meme) به سیستم کامپیوتری مبتنی بر هوش مصنوعی وارد کردند تا بتوانند نحوهی ساختن آن را به سیستم آموزش دهند. دانشجویان، پس از اتمام آموزش سیستم، خروجی و محصول کار سیستم را بررسی کردند و متوجه شدند تصاویر میم ایجادشده توسط سیستم، بسیار جالب و دیدنی (Dank Meme) هستند.
میم، مخفف واژهی یونانی «میما» و به معنی تقلید کردن یا چیزی است که از آن تقلید میشود. این کلمه اولین بار توسط ریچارد داوکینز (زیستشناس تکاملی بریتانیایی) در کتاب «ژن خودخواه» مطرح شد. داوکینز از این واژه برای توصیف، ایدهها و مفاهیم یا پدیدههای فرهنگی که بهصورت فراگیر از فردی به فرد دیگر منتشر میشوند، استفاده کرد. مثلا ملودیها، مدها، تکیهکلامها یا حتی برخی فناوریها که از فردی به فرد دیگری منتقل و بهصورت فراگیر منتشر شود، بهعنوان میم شناخته میشوند. میم از طریق متن نوشتاری، صوت یا حتی برخی ژستها و سایر پدیدههای تقلیدپذیر، از ذهنی به ذهن دیگر منتقل میشود. این پدیده فرهنگی شبیه ژن، خودتکثیرشونده است و میتواند دچار جهش تکاملی شود و از نظر رفتاری، شبیه ویروسها است و بهسرعت منتشر و تکثیر میشود.
در فضای مجازی و شبکههای اجتماعی، میم نوعی محتوای اینترنتی فراگیر است که بهسرعت منتشر و تکثیر یا اصطلاها «وایرال» میشود. وقتی میم یا همان محتوای اینترنتی فراگیر بهصورت گسترده در بین کاربران بسیاری مورد توجه قرار گیرد، بهعنوان دانک میم (Dank Meme) شناخته میشود.
آموزش دانک (Dank learning) یکی از روشهای ایجاد تصویر میم یا محتوای اینترنتی فراگیر با استفاده از یادگیری عمیق است. در این تکنیک درست مثل هر شبکه عصبی دیگری، ایدهای از میان لایههای مختلف یادگیری تولید میشود و وقتی به محصول ایجادشده دقت میکنیم، متوجه شباهت به آن چیزی میشویم که به سیستم آموزش داده شده است.
روش Dank learning مشابه یادگیری انسان است. انسانها به روشی مشابه آموزش میبینند و مباحث مختلف را یاد میگیرند. همانطور که گفته شد، ایجاد محتوای اینترنتی فراگیر، تنها ترکیب کردن برخی واژهها و تصاویر با یکدیگر نیست؛ بلکه برای تولید محتوای اینترنتی فراگیر جذاب، باید با نگاهی عمیق و درک تفاوتها، الگویی موفق ایجاد کرد. معمولا انتظار نداریم محتوای اینترنتی فراگیر که توسط سیستم تولید میشود چنین ویژگی داشته باشد؛ ولی محققان استنفورد موفق شدند با آموزش هوش مصنوعی، محتوای اینترنتی فراگیر جذاب و شبیه نمونههای واقعی تولید کنند. در ادامه تعدادی از این تصاویر را مشاهده میکنیم.
محققان برای بررسی و ارزیابی محتوای اینترنتی فراگیر تولیدشده توسط هوش مصنوعی و میزان جذابیت آنها، روش بررسی و امتیازدهی را در پیش گرفتند. تعدادی داوطلب باید به تصاویر میم امتیاز میدادند. فردی که به تصاویر امتیاز میداد، اطلاع نداشت میم توسط انسان تولید شده است یا با کمک سیستم مبتنی بر هوش مصنوعی. از داوطلبان خواسته شد علاوه بر امتیاز دادن به تصاویر، حدس بزنند تصویر توسط انسان تولید شده است یا سیستم.
آبل لپیرسون وی. و ای. ملتم تولانی، دو نفر از اعضای اصلی تیم تحقیقاتی استنفورد، متوجه شدند تصاویر ایجادشده توسط سیستم به خوبی تصاویر ایجادشده توسط انسانها است. آنها در گزارش خود اعلام کردند:
در آزمون نهایی، ۲۰ الگوی مختلف میم با پسزمینههای مختلف را به ۵ نفر نشان دادیم. از داوطلبان درخواست کردیم تشخیص بدهن کدام یک از تصاویر جزو الگوهای اصلی میم است که برای آموزش وارد سیستم شدهاند و کدام تصاویر مربوط به الگوهای میم ایجادشده توسط سیستم مبتنی بر هوش مصنوعی. در ضمن از داوطلبان خواسته شد به میمها از ۰ تا ۱۰ امتیاز بدهند.
نتیجه جالب بود :
بهطور متوسط امکان تشخیص و تفکیک میمهای اصلی و میمهای تولیدشده توسط سیستم کار سخت و دشواری بود. ظاهرا تصاویر بسیار شبیه به هم بودند و تفکیک آنها کار سادهای نبود. این نوع امتیازدهی مبتنی بر تصمیم ذهنی داوطلب است؛ اما امتیازهای دو الگوی میم نزدیک به هم بود
