في أغسطس 1955 ، قدمت مجموعة من العلماء طلبًا للحصول على تمويل قدره 13 دولار لإجراء ندوة صيفية في كلية دارتموث ، نيو هامبشاير. كان المجال الذي اقترحوا استكشافه هو الذكاء الاصطناعي (AI). على الرغم من أن طلب التمويل كان متواضعا ، فإن فرضية الباحثين لم تكن: "كل جانب من جوانب التعلم أو أي سمة أخرى من سمات الذكاء يمكن ، من حيث المبدأ ، وصفها بدقة بحيث يمكن بناء آلة لتقليدها".
منذ هذه البدايات المتواضعة ، قامت الأفلام ووسائل الإعلام بإضفاء الطابع الرومانسي على الذكاء الاصطناعي أو صورته على أنه شرير. ومع ذلك ، بالنسبة لمعظم الناس ، ظل الذكاء الاصطناعي مجرد مسألة نقاش وليس جزءًا من تجربة الحياة الواعية.
في نهاية الشهر الماضي ، ظهر الذكاء الاصطناعي في شكل شات جي بي تي اندلعت من تكهنات الخيال العلمي ومختبرات الأبحاث وعلى أجهزة الكمبيوتر المكتبية والهواتف لعامة الناس. هذا هو ما يسمى بـ "الذكاء الاصطناعي التوليدي" - يمكن للموجه المصاغ بشكل ذكي بشكل غير متوقع كتابة مقال أو إعداد وصفة وقائمة تسوق ، أو إنشاء قصيدة بأسلوب إلفيس بريسلي.
على أية حال شات جي بي تي لقد كان المشارك الأكثر إثارة للإعجاب في عام من النجاح التوليدي للذكاء الاصطناعي ، وقد أظهرت أنظمة مثل هذه إمكانات أكبر لإنشاء محتوى جديد ، ويتم استخدام مطالبات تحويل النص إلى صورة لإنشاء صور حية فازت حتى بالمسابقات الفنية. قد لا يكون للذكاء الاصطناعي وعي حي أو نظرية عقلية منتشرة في أفلام وروايات الخيال العلمي ، لكنها تقترب على الأقل من تعطيل ما نعتقد أن أنظمة الذكاء الاصطناعي يمكن أن تفعله.
يشعر الباحثون الذين يعملون عن كثب مع هذه الأنظمة بالإغماء من احتمالية الذكاء ، كما في حالة نموذج اللغة الكبيرة LaMDA (LLM) من Google. LLM هو نموذج تم تدريبه لمعالجة اللغة الطبيعية وتوليدها.
أثار الذكاء الاصطناعي التوليدي أيضًا مخاوف بشأن الانتحال ، واستغلال المحتوى الأصلي المستخدم في بناء النماذج ، وأخلاقيات التلاعب بالمعلومات وإساءة استخدام الثقة ، وحتى "نهاية البرمجة".
ماذا يعني الذكاء الاصطناعي حقًا؟
في قلب كل هذا ، هناك سؤال تتزايد أهميته منذ الندوة الصيفية في دارتموث: هل يختلف الذكاء الاصطناعي عن الذكاء البشري؟ من أجل اعتبار نظام الذكاء الاصطناعي ، يجب أن يُظهر النظام مستوى معينًا من التعلم والتكيف. لهذا السبب ، فإن صنع القرار والأتمتة والأنظمة الإحصائية ليست ذكاءً اصطناعيًا. بشكل عام ، ينقسم الذكاء الاصطناعي إلى فئتين: الذكاء الاصطناعي الضيق (AI) والذكاء العام الاصطناعي (AI). حاليا ، SHI غير موجود. يتمثل التحدي الرئيسي لبناء الذكاء الاصطناعي العام في نمذجة العالم بشكل مناسب مع المجموعة الكاملة من المعرفة ، بطريقة متسقة ومفيدة. هذه ، بعبارة ملطفة ، مهمة واسعة النطاق.
معظم ما نعرفه اليوم باسم الذكاء الاصطناعي لديه ذكاء ضيق - حيث يحل نظام معين مشكلة معينة. على عكس الذكاء البشري ، فإن هذا الذكاء الضيق للذكاء الاصطناعي فعال فقط في المجال الذي تم تدريبه فيه: مثل اكتشاف الاحتيال أو التعرف على الوجه أو التوصيات الاجتماعية. وسوف يعمل الذكاء الاصطناعي بنفس الطريقة التي يعمل بها الشخص. حاليًا ، أبرز مثال على محاولات تحقيق ذلك هو استخدام الشبكات العصبية والتعلم العميق المدربين على كميات هائلة من البيانات.
الشبكات العصبية مستوحاة من طريقة عمل الدماغ البشري. على عكس معظم نماذج التعلم الآلي ، التي تجري حسابات على بيانات التدريب ، تعمل الشبكات العصبية عن طريق تغذية كل نقطة بيانات بدورها من خلال شبكة مترابطة ، وضبط المعلمات في كل مرة. مع تغذية المزيد والمزيد من البيانات عبر الشبكة ، تستقر المعلمات ، مما ينتج عنه شبكة عصبية "مدربة" يمكنها بعد ذلك إنتاج المخرجات المرغوبة على البيانات الجديدة - على سبيل المثال ، التعرف على ما إذا كانت الصورة تحتوي على قطة أو كلب.
ترجع قفزة كبيرة في تطوير الذكاء الاصطناعي اليوم إلى التحسينات التكنولوجية في أساليب تعلم الشبكات العصبية الكبيرة ، والتي تسمح بتعديل عدد كبير من المعلمات خلال كل تشغيل بفضل قدرات البنى التحتية الكبيرة للحوسبة السحابية. على سبيل المثال ، GPT-3 (نظام AI الذي يشغل ChatGPT) عبارة عن شبكة عصبية كبيرة بها 175 مليار معلمة.
ما المطلوب ليعمل الذكاء الاصطناعي؟
يحتاج الذكاء الاصطناعي إلى ثلاثة أشياء ليعمل بنجاح. أولاً ، يحتاج إلى بيانات عالية الجودة وموضوعية والكثير منها. يستخدم الباحثون الذين يبنون شبكات عصبية مجموعات كبيرة من البيانات التي ظهرت بفضل رقمنة المجتمع.
تكملة للمبرمجين البشريين ، يستمد Co-Pilot بياناته من مليارات أسطر التعليمات البرمجية المستضافة على GitHub. تستخدم ChatGPT ونماذج اللغات الكبيرة الأخرى مليارات مواقع الويب والمستندات النصية المخزنة على الإنترنت.
أدوات تحويل النص إلى صورة مثل انتشار مستقر, دالي-2 و Midjourney ، استخدم أزواج نص الصورة من مجموعات البيانات مثل LAION-5B. ستستمر نماذج الذكاء الاصطناعي في التطور مع قيامنا برقمنة المزيد من حياتنا وإطعامها بمصادر بيانات بديلة ، مثل بيانات المحاكاة أو البيانات من إعدادات اللعبة مثل Minecraft.
يحتاج الذكاء الاصطناعي أيضًا إلى بنية تحتية للحوسبة للتدريب بفعالية. نظرًا لأن أجهزة الكمبيوتر أصبحت أكثر قوة ، فقد تتم معالجة النماذج التي تتطلب الآن جهدًا مكثفًا وحسابات واسعة النطاق محليًا في المستقبل القريب. على سبيل المثال ، يمكن بالفعل تشغيل نموذج Stable Diffusion على أجهزة الكمبيوتر المحلية وليس في بيئات السحابة. الحاجة الثالثة للذكاء الاصطناعي هي النماذج والخوارزميات المحسنة. تستمر الأنظمة التي تعتمد على البيانات في تحقيق تقدم سريع في المجالات التي كانت تعتبر ذات يوم مجال الإدراك البشري.
ومع ذلك ، نظرًا لأن العالم من حولنا يتغير باستمرار ، يجب إعادة تدريب أنظمة الذكاء الاصطناعي باستمرار باستخدام بيانات جديدة. بدون هذه الخطوة المهمة ، ستقدم أنظمة الذكاء الاصطناعي إجابات غير صحيحة من الناحية الواقعية أو لا تأخذ في الاعتبار المعلومات الجديدة التي ظهرت منذ أن تم تدريبها.
الشبكات العصبية ليست هي النهج الوحيد للذكاء الاصطناعي. المعسكر الآخر البارز في أبحاث الذكاء الاصطناعي هو الذكاء الاصطناعي الرمزي - بدلاً من هضم مجموعات كبيرة من البيانات ، فإنه يعتمد على قواعد ومعرفة مشابهة للعملية البشرية لتشكيل تمثيلات رمزية داخلية لظواهر معينة.
ولكن على مدار العقد الماضي ، مال ميزان القوى بشدة نحو المناهج القائمة على البيانات ، وحصل "الآباء المؤسسون" للتعلم العميق الحديث مؤخرًا على جائزة تورينج ، التي تعادل جائزة نوبل في علوم الكمبيوتر.
تشكل البيانات والحسابات والخوارزميات أساس الذكاء الاصطناعي في المستقبل. تشير جميع المؤشرات إلى تقدم سريع في جميع الفئات الثلاث في المستقبل المنظور.
يمكنك مساعدة أوكرانيا في محاربة الغزاة الروس. أفضل طريقة للقيام بذلك هي التبرع بالأموال للقوات المسلحة لأوكرانيا من خلال الحفاظ على الحياة او من خلال الصفحة الرسمية NBU.