كيف تساعدنا ثورة الذكاء الاصطناعي في الإجابة على أهم الأسئلة الفلسفية؟ (الجزء 2)

من أكون؟ ماذا ولدت لأفعل؟ ثورة الذكاء الاصطناعي من خلال عيون خبير التكنولوجيا كايفو لي، الجزء الثاني ستساعدك على مواصلة اكتشاف الإجابات على هذين السؤالين الإنسانيين الأبديين. بعد فشل الموجتين الأوليين، كيف استمر الذكاء الاصطناعي في التطور والانطلاق حتى الآن؟ فهل يمتلك الذكاء الاصطناعي اليوم القوة الكافية للسيطرة على العالم كما يتوقع البعض؟

• كيف تساعدنا ثورة الذكاء الاصطناعي في الإجابة على أهم الأسئلة الفلسفية؟ (الجزء الأول)

ملخص الجزء الأول: آليات الموجتين الأوليين للذكاء الاصطناعي في العالم: الأنظمة القائمة على قواعد التفكير (الموجة الأولى) والنماذج الإحصائية والتعلم الآلي (الموجة الثانية)

الجزء الثاني: الموجة الثالثة من آل وإعادة تقييم القدرات الحقيقية لآل اليوم.

الموجة الثالثة من الذكاء الاصطناعي - انفجار مدعوم بالأجهزة

خلال الموجة الأولى، كنت (المؤلف كاي فو لي) محظوظًا بمعرفة عالم الكمبيوتر وعالم النفس روجر شانك. في الواقع، كان أحد طلابه هو المشرف عليّ خلال سنوات الماجستير. لقد قادتني التجارب المذكورة أعلاه إلى الاعتقاد بأن الأنظمة الخبيرة غير قابلة للتطوير، وأن أدمغتنا قد لا تعمل بالطريقة التي كنا نعتقد أنها ستعمل بها. أدركت أنه لتبسيط عملية اتخاذ القرار لدينا، استخدمنا "إذا، إذن، وإلا" كلغة يفهمها البشر، لكن أدمغتنا معقدة أكثر تعقيدًا من ذلك بكثير.

خلال الموجة الثانية، خلال أطروحتي ودراستي للدكتوراه، قرأت أعمال يهودا بيرل حول الشبكات البايزية. لقد تأثرت كثيرًا بالعلماء البارزين في شركة IBM، بما في ذلك الدكتور فريد جيلينك، وبيتر براون، وبوب ميرسر. لقد تركوا علامة فارقة في تحويل الأساليب الإحصائية إلى التيار الرئيسي، ليس فقط في الكلام ولكن أيضًا في الترجمة الآلية (في الثمانينيات والتسعينيات من القرن العشرين). أنا مدين لهم بالكثير من الامتنان. ما زلنا عالقين، ولكن ليس بسبب أن التكنولوجيا خاطئة. والحقيقة هي أن الأساليب الإحصائية دقيقة تماما.

في أواخر الثمانينات، بينما كنت أعمل على نماذج ماركوف المخفية في جامعة كارنيجي ميلون، كان جيف هينتون يعمل على الشبكات العصبية التي أطلق عليها اسم "الشبكات العصبية المتأخرة زمنياً". ويُعتقد أنها النسخة الأولى من الشبكات العصبية المعقدة التي تُعرف الآن باسم التعلم العميق، وهي التكنولوجيا السائدة اليوم.

ولكن لماذا لم تنطلق موجة التعلم الآلي العصبي والإحصائي؟ في الماضي، لم يكن لهذه الموجة أي علاقة بالتكنولوجيا، حيث أن معظم التكنولوجيا تم اختراعها بالفعل. المشكلة هي أنه ليس لدينا بيانات تدريب كافية. تعمل أدمغتنا بطريقة مختلفة تمامًا عن آلات التعلم العميق. لبدء تشغيل آلات التعلم العميق، نحتاج إلى تزويدها ببيانات تدريب أكثر على كل مستوى من البشر. يمكن للبشر رؤية مئات الوجوه قبل أن يبدأوا في التعرف على الأشخاص، لكن الشبكات العصبية للتعلم العميق تريد رؤية مليارات الوجوه لتصبح بارعة في التعرف عليها.

وبطبيعة الحال، بمجرد أن يصبحوا ماهرين، سيكونون أفضل من البشر. لقد كان ذلك متوقعا. لكن في ذلك الوقت، لم يكن لدينا ما يكفي من بيانات التدريب، ولا قوة حاسوبية كافية لنقل هذه التقنيات المكتشفة إلى أحدث التقنيات. بدأت Google تدرك أن البحث يتطلب تشغيل العديد من الأجهزة بالتوازي. ثم رأى جيف دين (عالم الكمبيوتر الذي يرأس قسم الذكاء الاصطناعي في جوجل) وأشخاص آخرين في جوجل أنه بمجرد حصولك على تلك الأجهزة المتوازية، يمكنك القيام بأكثر من مجرد البحث. يمكنك بناء الذكاء الاصطناعي فوقهم. لبناء الذكاء الاصطناعي، تحتاج إلى شرائح خاصة متخصصة في القيام بذلك بشكل جيد. ثم جاءت وحدات معالجة الرسوميات من Nvidia، وقامت Google ببناء وحدات TPU الخاصة بها. هذا تقدم مثير. لقد حدث أن قامت Google باختيار خوادم البحث والخوادم المطلوبة، وحصلوا على Jeff Dean. وقد أدى ذلك إلى إنشاء بنيات تعليمية متوازية على نطاق واسع لوحدة معالجة الرسوميات (GPU) أو وحدة معالجة الرسومات (TPU) التي يمكنها التعلم من الكثير من البيانات من منطقة واحدة (وحدات معالجة الرسوميات هي معالجات تتكون من آلاف النوى الأصغر حجمًا ذات الأداء العالي والتي يمكنها معالجة العديد من المهام في وقت واحد، مقارنة بوحدة معالجة الرسومات (GPU) وحدة المعالجة المركزية التقليدية مع عدد قليل من النوى المحسنة للمعالجة التسلسلية المستمرة).

(الصورة: أناند تك)

لقد تطورت التقنيات الجديدة بناءً على بنيات التعلم الآلي المتوازية على نطاق واسع المذكورة أعلاه، وتعمل هذه البنيات على وحدات معالجة الرسومات والمسرعات الجديدة. أصبح بإمكان المزيد والمزيد من الأشخاص تدريب الأجهزة على التعرف على الوجوه والتعرف على الأصوات والصور وتطبيق الذكاء الاصطناعي على البحث والتنبؤ. هناك المزيد والمزيد من بيانات الإنترنت المتاحة. استخدمت أمازون هذه البيانات للتنبؤ بما يريد العملاء شراءه. تستخدم Google البيانات للتنبؤ بالإعلانات التي من المحتمل أن تنقر عليها والتي من المحتمل أن تدفع مقابلها. وتستخدمه مايكروسوفت أيضًا. وفي الصين، لدينا تينسنت وعلي بابا. تم إنشاء العديد من التطبيقات بناءً على كميات هائلة من بيانات الإنترنت.

في نفس الوقت الذي كانت فيه التكنولوجيا تتقدم، كان جيف هينتون ويان ليكون ويوشوا بينجيو ثلاثة أشخاص واصلوا العمل على الشبكات العصبية، على الرغم من أنها لم تعد سائدة في أوائل العقد الأول من القرن الحادي والعشرين، وفي الثمانينيات، أصبح هذا العمل جديدًا، وقد أظهرت الإحصائيات الرائدة أن هذه الشبكات غير قابلة للتطوير. لذلك تخلت عنها وكالات التمويل، وتوقفت المؤتمرات عن قبول الأبحاث المتعلقة بها، لكن هؤلاء الباحثين الثلاثة استمروا في العمل مع القليل من التمويل لتحسين وتطوير خوارزميات أفضل. وبعد ذلك ظهرت المزيد من البيانات. حدث تقدم كبير مع إنشاء خوارزميات جديدة، كانت تسمى في وقت ما "الشبكات العصبية المعقدة"، والمعروفة اليوم باسم "التعلم العميق".

بدأت مجموعة التقنيات المستمدة من الأساتذة الثلاثة أعلاه في الانتشار في صناعة الذكاء الاصطناعي. تتفوق أنظمة التعرف على الصوت التي صممتها الشركات الرائدة على القدرات البشرية، ويحدث نفس الشيء مع شركات التعرف على الوجه والتعرف على الصور. هناك أدلة على التجارة الإلكترونية، وتطبيق تحديد المستخدم/المتحدث على بيانات الإنترنت، وتوقعات أعلى لشركة أمازون، مما يمنحهم المزيد من المال؛ تنبؤات أفضل لفيسبوك فيما يتعلق بكيفية ترتيب خلاصات الأخبار؛ نتائج بحث أفضل من جوجل. وبحلول أواخر العقد الأول من القرن الحادي والعشرين، بدأت الشبكات العصبية العميقة تحظى بشعبية كبيرة في جوجل، وانتشرت في كل مكان تقريبًا خلال السنوات السبع أو الثماني الماضية. وُلدت المزيد من الهياكل، وتم تطوير أنظمة أكثر ذكاءً. وبطبيعة الحال، كان الحدث الذي أشعل العالم هو فوز AlphaGo على Go master Lee من كوريا وماستر Ke من الصين بهوامش متزايدة باستمرار. ومؤخرًا، تشير دراسة جديدة إلى أنه يمكن تدريب برنامج AlphaGo من الصفر دون معرفة الإنسان.

كل هذه الإنجازات جعلت العالم يعرف أن الذكاء الاصطناعي أصبح حقيقة واقعة في هذا الوقت. كان لدينا شيء ما في الموجة الثانية، الشبكات العصبية والأساليب الإحصائية كانت صحيحة، ولكن لم يكن لدينا ما يكفي من البيانات، ولم يكن لدينا قوة حاسوبية كافية، ولم يكن هناك ما يكفي من التقدم التكنولوجيا المكدسة في ذلك الوقت لتحقيق ذلك. ولكن الآن قمنا بذلك.

هل يستطيع الذكاء الاصطناعي السيطرة على البشرية؟

الذكاء الاصطناعي ينطلق في كل مكان. ظهرت العديد من المدارس الفكرية الجديدة. هناك مجموعة من الأشخاص الذين بدأوا بالتفكير مرة أخرى في سؤالنا الأصلي: من نحن، ولماذا نحن موجودون؟ لقد اعتقد هؤلاء الأشخاص أنه نظرًا لأن الذكاء الاصطناعي كان قادرًا على تحسين نفسه بسرعة كبيرة في العامين أو الثلاثة أعوام الماضية، إذا قمنا بالاستفادة من ذلك في مجالات أخرى، سيكون لدينا آلات فائقة الذكاء يمكن إدخالها في رؤوسنا وتصبح تعزيزات بشرية، أو سيكونون أشرارًا ويحكمون البشرية.

أريد فقط حظر هذا النوع من التفكير. فقط هذا ليس دقيقا. بغض النظر عن مدى تقدم الذكاء الاصطناعي اليوم أو ظهوره بقدر ما يقوم به الذكاء الاصطناعي من أشياء غير عادية مثل هزيمة البشر في ألعاب الشطرنج، والتعرف على الصوت، والتعرف على الوجه، والمركبات ذاتية القيادة، والروبوتات الصناعية، فإن الذكاء الاصطناعي سيظل محدودًا بالطرق التالية: الذكاء الاصطناعي (الذي نسميه الذكاء الاصطناعي الضعيف) هو جهاز يتم تحسينه بناءً على الكثير من البيانات حول المجال الذي يتعلم القيام بشيء ما بشكل جيد للغاية. إنه روبوت عمودي ذو مهمة واحدة، لكنه يمكنه فعل شيء واحد فقط. لا يمكنك تعليمه أشياء كثيرة. لا يمكنك تعليمه العديد من المجالات. لا يمكنك تعليمه أن يمتلك الفطرة السليمة (الفطرة السليمة، والمعرفة المشتركة، والخبرة، والسلوك الذي يتفق معظمنا على أنه صواب أو خطأ). لا يمكنك أن تعطيه العاطفة. ليس لديه وعي ذاتي، لذلك ليس لديه رغبات، ولا حتى فهم لكيفية محبة الإنسان أو السيطرة عليه.

كل هذا الحديث السلبي سخيف. هذا كثير من الخيال. نحن نرى الذكاء الاصطناعي يدخل في تطبيقات جديدة في مجالات سريعة النمو، ولكن النمو السريع للتطبيقات الموجودة في التقنيات الناضجة التي لدينا. وسينتهي هذا النمو عندما يتم تطوير كل التكنولوجيا. ثم علينا أن ننتظر اختراقات جديدة لمزيد من التقدم في الذكاء الاصطناعي. لكن لا يمكنك التنبؤ بمزيد من التقدم.

إذا نظرت إلى تاريخ الذكاء الاصطناعي، ستجد أن هذا النوع من ابتكار التعلم العميق حدث مرة واحدة فقط. ولم نحقق اختراقاً إلا مرة واحدة منذ عام 1957، مرة واحدة كل 60 عاماً. لا يمكنك المضي قدمًا والتنبؤ بأننا سنحقق اختراقًا في العام المقبل، ثم في الشهر التالي أو اليوم التالي. هذا سريع جدًا. يتم استخدام التطبيقات الآن فقط. هذا رائع، لكن فكرة الاختراعات السريعة فكرة سخيفة. وفي رأيي أن الذين يطلقون هذه الادعاءات والذين يقولون إن الوحدة أمامنا هم منفصلون تماماً عن الوضع الصناعي الحقيقي.

اليوم، لا يوجد سوى الذكاء الاصطناعي الذي يركز على القيام بشيء واحد في كل مرة، وهو أداة رائعة. إنه جيد في خلق القيمة. وسوف تحل محل العديد من الوظائف البشرية وبعض الوظائف البشرية الأخرى. هذا ما يجب أن نفكر فيه، ليس الذكاء الاصطناعي الكبير والقوي، آلة تشبه الإنسان ويمكنها التفكير في العديد من المجالات، ولها تصورات مشتركة مثل البشر. ففي نهاية المطاف، لا يمكننا التنبؤ بذلك بناءً على التقدم الحالي.

هل يمكن أن يحدث ذلك يومًا ما، بعد مائة أو ألف عام من الآن؟ أعتقد أن أي شيء يمكن أن يحدث. لكن ربما ينبغي لنا أن نركز طاقتنا على الأمور هنا اليوم. وما هو موجود هنا الآن عبارة عن آلات فائقة محسنة يمكنها القيام بعمل أفضل من البشر في الوظائف: انتقاء الأسهم، وتقديم القروض، ودعم العملاء، والتسويق عبر الهاتف، وعمل خط الإنتاج، والدعم القانوني. يمكن للذكاء الاصطناعي أن يفعل هذه الأشياء بشكل أفضل من البشر. إنهم يسيطرون على وقت فراغنا ويحررونه، مما يسمح لنا بفعل ما نحبه حقًا وما نفعله بشكل أفضل. إنها فرصة العمر، وليس الاحتمال المخيف بأن تصبح أجهزة الكمبيوتر فائقة الذكاء.

بحسب موقع VnReview

شاهد المزيد:

• دورة مجانية عبر الإنترنت في مجال الذكاء الاصطناعي (AI) من الجامعات الفنلندية
• 6 خطوات لبدء تعلم برمجة الذكاء الاصطناعي (AI).
• دورات عبر الإنترنت حول الذكاء الاصطناعي (AI)، الشهادات