3 طرق يمكن للأكاديميين من الجيل القادم تجنب الشتاء غير الضروري للذكاء الاصطناعي
هناك حقيقتان عندما يتعلق الأمر بالذكاء الاصطناعي. في إحداها، المستقبل مشرق للغاية لدرجة أنك تحتاج إلى ارتداء نظارات اللحام لمجرد إلقاء نظرة عليها.
الذكاء الاصطناعي هو تقنية العمود الفقري التي تعتبر ضرورية للعمليات البشرية العالمية مثل الكهرباء والإنترنت. لكن في الواقع الآخر، الشتاء قادم.
“شتاء الذكاء الاصطناعي” هو فترة لا يمكن أن ينمو فيها أي شيء. هذا يعني أن لا أحد يقوم بالتوظيف، ولا أحد يكتسب، ولا أحد يمول. لكن هذا الموسم القاحل الوشيك خاص، ولن يؤثر على الصناعة بأكملها.
في الواقع، لن يلاحظ معظم الخبراء ذلك. ليس لدى Google وOpenAI وDeepMind وNvidia وMeta وIBM وأي جامعة تقوم ببحوث شرعية ما يدعو للقلق.
الشركات الناشئة ذات الغرض الواضح والمفيد ستكون جيدة – بغض النظر عن مشكلات السوق النموذجية.
الأشخاص الوحيدون الذين يحتاجون إلى القلق بشأن البرد القادم هم أولئك الذين يحاولون القيام بما سنشير إليه على أنه “كيمياء الصندوق الأسود”.
الخيمياء الصندوق الأسود
أرتجف عندما أطلق على أي مسعى للذكاء الاصطناعي “الكيمياء”، لأن فكرة تحويل معدن إلى آخر على الأقل لها بعض المزايا العلمية.
إنني أتحدث عن المجال البحثي الشائع للغاية حيث يقوم الباحثون ببناء نماذج تنبؤ صغيرة سيئة ثم يختلقون مشاكل وهمية حتى يكون الذكاء الاصطناعي أفضل في حلها من البشر.
عندما تكتبها كلها في جملة واحدة، يبدو أنه يجب أن يكون واضحًا أنها تافهة. لكنني هنا لأخبركم أن كيمياء الصندوق الأسود تمثل جزءًا كبيرًا من البحث الأكاديمي في الوقت الحالي، وهذا أمر سيء.
كيمياء الصندوق الأسود هي ما يحدث عندما يأخذ باحثو الذكاء الاصطناعي شيئًا يجيده الذكاء الاصطناعي – مثل إرجاع النتائج ذات الصلة عند البحث عن شيء ما على Google – ومحاولة استخدام نفس المبادئ لفعل شيء مستحيل.
نظرًا لأن الذكاء الاصطناعي لا يمكنه تفسير سبب وصوله إلى النتائج (لأن العمل يحدث في صندوق أسود لا يمكننا رؤيته بداخله)، يتظاهر الباحثون بأنهم يمارسون العلم دون الحاجة إلى إظهار أي عمل.
إنها عملية احتيال يتم تنفيذها في نماذج لا تعد ولا تحصى تتراوح من الشرطة التنبؤية وخوارزميات النكوص وصولاً إلى هراء أنظمة التعرف على الوجه المزعومة للكشف عن كل شيء من سياسات الشخص إلى ما إذا كان من المحتمل أن يصبح إرهابيًا.
الجزء الذي لا يمكن التأكيد عليه بما فيه الكفاية هو أن هذا الاحتيال بالذات يتم إدامته في جميع أنحاء الأوساط الأكاديمية.
لا يهم إذا كنت تخطط للالتحاق بكلية مجتمع أو جامعة ستانفورد، فإن كيمياء الصندوق الأسود موجودة في كل مكان.
إليك كيفية عمل عملية الاحتيال: توصل الباحثون إلى مخطط يسمح لهم بتطوير نموذج ذكاء اصطناعي “أكثر دقة” في مهمة معينة من البشر.
هذا، حرفيا، هو الجزء الأصعب. لا يمكنك اختيار مهمة بسيطة، مثل النظر إلى الصور وتحديد ما إذا كان هناك قطة أو كلب فيها.
سوف يدمر البشر الذكاء الاصطناعي في هذه المهمة 100 مرة من أصل 100 مرة. نحن جيدون حقًا في إخبار القطط عن الكلاب.
ولا يمكنك اختيار مهمة معقدة للغاية. على سبيل المثال، ليس هناك أي معنى لتدريب نموذج تنبؤ لتحديد أي براءات اختراع من ثلاثينيات القرن العشرين ستكون أكثر صلة بتطبيقات الديناميكا الحرارية الحديثة.
عدد البشر الذين يمكن أن يفوزوا في تلك اللعبة صغير جدًا بحيث لا يهم.
عليك أن تختار مهمة يعتقد الشخص العادي أنه يمكن ملاحظتها وقياسها والإبلاغ عنها من خلال المنهج العلمي، ولكن هذا في الواقع لا يمكن.
بمجرد القيام بذلك، يصبح الباقي سهلاً.
جايدار
مثالي المفضل على كيمياء الصندوق الأسود هو ورقة ستانفورد جايدار . إنها تحفة فنية في هراء الذكاء الاصطناعي.
قام الباحثون بتدريب نظام رؤية كمبيوتر بدائي على قاعدة بيانات للوجوه البشرية. تم تصنيف الوجوه بعلامات تم الإبلاغ عنها ذاتيًا تشير إلى ما إذا كان الشخص الذي تم تصويره هو مثلي أو مستقيم.
بمرور الوقت، تمكنوا من الوصول إلى مستويات فائقة من الدقة. وفقًا للباحثين، كان الذكاء الاصطناعي أفضل في تحديد الوجوه التي كانت مثلي الجنس من البشر، ولا أحد يعرف السبب.
إليكم الحقيقة: لا يمكن لأي إنسان أن يعرف ما إذا كان إنسان آخر هو مثلي الجنس. يمكننا التخمين. في بعض الأحيان قد نخمن بشكل صحيح، وفي أحيان أخرى قد نخمن خطأ. هذا ليس علم.
العلم يتطلب الملاحظة والقياس. إذا لم يكن هناك شيء نلاحظه أو نقيسه، فلا يمكننا فعل العلم.
المرح ليس حقيقة أساسية. لا يوجد قياس علمي للمثليين.
إليكم ما أعنيه: هل أنت شاذ إذا واجهت انجذابًا من نفس الجنس أو فقط إذا كنت تتصرف بناءً عليه؟ هل يمكن أن تكون عذراء مثلي الجنس؟ هل يمكنك الحصول على تجربة غريبة وتبقى مستقيماً؟ كم عدد أفكار المثليين التي يجب أن تؤهلك كمثلي الجنس، ومن يقرر ذلك؟
الحقيقة البسيطة هي أن النشاط الجنسي البشري ليس نقطة يمكنك رسمها على الرسم البياني. لا أحد يستطيع تحديد ما إذا كان شخص آخر هو مثلي الجنس.
يحق للبشر البقاء في الخزانات، وإنكار حياتهم الجنسية التجريبية، وتحديد مقدار “الشذوذ” أو “الاستقامة” التي يحتاجون إليها في حياتهم لتحديد تصنيفاتهم الخاصة.
لا يوجد اختبار علمي للمثليين. وهذا يعني أن فريق ستانفورد لا يستطيع تدريب ذكاء اصطناعي للكشف عن المثليين.
يمكنه فقط تدريب ذكاء اصطناعي لمحاولة التغلب على البشر في لعبة تمييز ليس لها حالة استخدام إيجابية في العالم الحقيقي.
ثلاثة حلول
ورقة ستانفورد جايدار ليست سوى واحدة من آلاف الأمثلة على خيمياء الصندوق الأسود الموجودة هناك. لا ينبغي أن يتفاجأ أحد من أن هذا النوع من البحث شائع جدًا، فهو الفاكهة المعلقة لأبحاث ML.
قبل عشرين عامًا، كان عدد خريجي المدارس الثانوية المهتمين بالتعلم الآلي يمثل انخفاضًا كبيرًا مقارنة بعدد المراهقين الذين يتوجهون إلى الجامعة للحصول على شهادة في الذكاء الاصطناعي هذا العام.
وهذا جيد وسيئ. الشيء الجيد هو أن هناك باحثين أكثر ذكاءً في الذكاء الاصطناعي / تعلم الآلة في العالم اليوم أكثر من أي وقت مضى – وسيستمر هذا العدد في النمو.
الشيء السيئ هو أن كل فصل دراسي للذكاء الاصطناعي على هذا الكوكب مليء بالطلاب الذين لا يفهمون الفرق بين Magic 8-Ball ونموذج التنبؤ – وهناك القليل ممن يفهمون سبب كون الأول أكثر فائدة للتنبؤ بالنتائج البشرية.
وهذا يقودنا إلى الأشياء الثلاثة التي يمكن لكل طالب وباحث وأستاذ ومطور للذكاء الاصطناعي القيام بها لجعل مجال الذكاء الاصطناعي / تعلم الآلة بالكامل أفضل للجميع.
- لا تفعل كيمياء الصندوق الأسود. السؤال الأول الذي يجب أن تطرحه قبل البدء في أي مشروع ذكاء اصطناعي متعلق بالتنبؤ هو: هل سيؤثر ذلك على النتائج البشرية؟ إذا كان العلم الوحيد الذي يمكنك استخدامه لقياس فعالية مشروعك هو مقارنته بدقة الإنسان، فهناك فرصة جيدة لأنك لا تقوم بعمل رائع.
- لا تقم بإنشاء نماذج جديدة لغرض وحيد هو تجاوز المعايير التي حددتها النماذج السابقة لمجرد أنك لا تستطيع تنظيم قواعد بيانات مفيدة.
- لا تدرب النماذج على البيانات التي لا يمكنك ضمان أن تكون دقيقة ومتنوعة.
أود فقط أن أنهي هذا المقال بهذه النصائح الثلاث مثل نوع من قطرة الميكروفون المتعجرفة، لكنها ليست تلك اللحظة.
حقيقة الأمر هي أن جزءًا كبيرًا من الطلاب من المحتمل أن يكافحوا لفعل أي شيء جديد في مجال الذكاء الاصطناعي / تعلم الآلة لا يتضمن كسر هذه القواعد الثلاثة.
ذلك لأن كيمياء الصندوق الأسود سهلة، وبناء قواعد بيانات مخصصة أمر شبه مستحيل لأي شخص ليس لديه موارد التكنولوجيا الكبيرة، ولا تستطيع سوى حفنة من الجامعات والشركات تحمل تكلفة تدريب النماذج ذات المعلمات الكبيرة.
نحن عالقون في مكان لا تتمتع فيه الغالبية العظمى من الطلاب والمطورين المحتملين بإمكانية الوصول إلى الموارد اللازمة لتجاوز محاولة العثور على طرق “رائعة” لاستخدام خوارزميات مفتوحة المصدر.
الطريقة الوحيدة للقوة خلال هذه الحقبة وإلى عصر أكثر إنتاجية، هي أن يوبخ الجيل القادم من المطورين الاتجاهات الحالية ويبتعدوا عن الوضع الراهن – تمامًا كما فعل المحصول الحالي من مطوري الذكاء الاصطناعي الرائدين في أيامهم.
المصدر: thenextweb
قد يهمك:
قالب ووردبريس GoodNews الاخباري
خطوات إنشاء موقع ويب strikingly
