هوش مصنوعی دیگر ابزار مدل‌سازی نیست؛ دستیار درمانی در توانبخشی شناختی

تحول شگرف هوش مصنوعی در سال‌های اخیر و به‌ویژه پس از انتشار عمومی مدل‌های زبانی بزرگ در نوامبر ۲۰۲۲، تأثیر چشمگیری بر حوزه توانبخشی شناختی و علوم اعصاب گذاشته است. عطیه سرابی، عضو هیئت علمی دانشگاه تهران، در دومین سمپوزیوم توانبخشی شناختی، هوش مصنوعی را نه صرفاً ابزاری برای مدل‌سازی، بلکه دستیاری درمانی در ارتقای عملکرد ذهنی معرفی کرد.

خروج هوش مصنوعی از آزمایشگاه و ورود به زندگی روزمره

با انتشار عمومی مدل‌های زبانی بزرگ، هوش مصنوعی از فضای محدود آزمایشگاهی خارج و در دسترس عموم مردم قرار گرفت. این رویداد که تنها دو ماه پس از انتشار چت‌جی‌پی‌تی، بیش از ۱۰۰ میلیون نفر را به کاربران آن افزود، زمینه‌ای فراهم کرد تا تأثیر این مدل‌ها بر سلامت شناختی و توانبخشی به‌صورت جدی مورد بررسی قرار گیرد.

تعامل دو سویه: علوم اعصاب و الگوریتم‌های هوشمند

در نشست‌های تخصصی که با حضور متخصصان هوش مصنوعی و علوم اعصاب برگزار شده، نقش دوطرفه این دو حوزه مورد بحث قرار گرفته است. از یک سو، بررسی می‌شود 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. دو منظر اصلی برای نقش هوش مصنوعی در علوم شناختی مطرح شده است:

• مدل‌های پیش‌بینی‌کننده: استفاده از داده‌های مغزی یا تصویری برای شناسایی الگوهای عملکرد مغز.
• مدل‌سازی هوش: تلاش برای تبیین و مدل‌سازی مفهوم بنیادین «هوش» در سطح انسانی.

چالش تفسیرپذیری در مدل‌های زبانی بزرگ

یکی از مهم‌ترین موانع در این مسیر، مسئله «تفسیرپذیری» مدل‌های زبانی بزرگ است. به‌دلیل ساختار پیچیده این مدل‌ها، هنوز پاسخ شفافی وجود ندارد که چگونه می‌توانند مفهوم هوش را در سطح انسانی مدل‌سازی کنند. این ابهام همچنان بحث‌های نظری و فلسفی گسترده‌ای را درباره چیستی و کارکرد هوش در سیستم‌های هوشمند دامن زده است.

مدل‌سازی ذهن و احساسات با شبکه‌های عصبی

عصب‌شناسان برای درک سازوکار مغز از مسیرهایی نظیر مطالعه عملکرد نورون‌ها (مهندسی معکوس) و بررسی بیماران دارای ضایعات مغزی استفاده کرده‌اند. این مطالعات، فرضیاتی درباره نحوه بازنمایی عملکردهای شناختی در مغز ایجاد کرد و الگوریتم‌های هوش مصنوعی به ابزاری مؤثر برای آزمودن و تقویت این فرضیات تبدیل شدند.

توسعه الگوریتم‌ها، به‌ویژه شبکه‌های عصبی عمیق (Deep Neural Networks)، موجب هم‌راستایی میان علوم اعصاب و الگوریتم‌های مهندسی هوش مصنوعی شده است. این هم‌افزایی، نه‌تنها درک مکانیسم‌های تصمیم‌گیری و شناخت را بهبود بخشیده، بلکه فرضیات تازه‌ای درباره چیستی هوش به وجود آورده است.

تخمین پیوسته احساسات با تحلیل فیزیولوژیک

در یکی از مطالعات اخیر در دانشگاه تهران، از شبکه‌های عصبی عمیق برای تخمین پیوسته احساسات در سه بُعد مختلف استفاده شد. در این پژوهش، داده‌های فیزیولوژیکی افراد هنگام تماشای فیلم «فارست گامپ» ثبت و با استفاده از چند مدل شبکه عصبی کانولوشنی (CNN) با سه لایه تحلیل شد.

«نتایج این مطالعه نشان داد که مدل توانسته احساسات را با دقت و صحت قابل توجهی پیش‌بینی کند. این یافته‌ها ظرفیت بالای هوش مصنوعی در شناسایی و تحلیل داده‌های عاطفی انسان را تأیید می‌کند.»

آینده توانبخشی: حرکت به سمت نشانگرهای دیجیتال

تحقیقات جدید در حوزه توانبخشی شناختی به سمت شناسایی «نشانگرهای دیجیتال» (Digital Markers) حرکت کرده است. هدف این رویکرد، شخصی‌سازی توانبخشی و بهبود عملکرد شناختی با فاصله گرفتن از نشانگرهای زیستی (Biomarkers) سنتی است.

نتایج متعدد منتشر شده در سال‌های اخیر نشان می‌دهد که دستیارهای دیجیتال مبتنی بر هوش مصنوعی، نقش مؤثری در توانبخشی بیماران سکته مغزی، آلزایمر و سایر اختلالات شناختی ایفا می‌کنند. به این ترتیب، هوش مصنوعی دیگر صرفاً ابزاری برای مدل‌سازی هوش نیست، بلکه به ابزاری درمانی و کمکی در حوزه توانبخشی شناختی تبدیل شده که می‌تواند به کاهش فقر شناختی و ارتقای دسترسی همگانی به این خدمات کمک کند.