للتطور، يجب أن يواجه الذكاء الاصطناعي حدوده
دعنا نواجه الأمر: على الرغم من أن قدرات الذكاء الاصطناعي ليست مثالية، إلا أنها رائعة جدًا.
من التصوير الطبي وترجمة اللغة إلى التعرف على الوجه والسيارات ذاتية القيادة، توجد أمثلة على الذكاء الاصطناعي (AI) في كل مكان. ودعونا نواجه الأمر: على الرغم من أن قدرات الذكاء الاصطناعي ليست مثالية، إلا أنها رائعة جدًا.
حتى الشيء الذي يبدو بسيطًا وروتينيًا مثل بحث Google يمثل أحد أكثر الأمثلة نجاحًا في الذكاء الاصطناعي، فهو قادر على البحث عن معلومات أكثر بكثير بمعدل أكبر بكثير مما هو ممكن بشريًا ويقدم نتائج ثابتة (على الأقل في معظم الأوقات) نحن نبحث عن.
المشكلة في كل أمثلة الذكاء الاصطناعي هذه، مع ذلك، هي أن الذكاء الاصطناعي المعروض ليس في الحقيقة كل هذا الذكاء.
بينما يمكن للذكاء الاصطناعي اليوم القيام ببعض الأشياء غير العادية، فإن الوظيفة الكامنة وراء إنجازاته تعمل من خلال تحليل مجموعات البيانات الضخمة والبحث عن الأنماط والارتباطات دون فهم البيانات التي تعالجها.
نتيجة لذلك، فإن نظام الذكاء الاصطناعي الذي يعتمد على خوارزميات الذكاء الاصطناعي الحالية ويتطلب آلاف العينات ذات العلامات يعطي فقط مظهر الذكاء.
إنه يفتقر إلى أي فهم حقيقي للفطرة السليمة. إذا كنت لا تصدقني، فما عليك سوى أن تسأل روبوت خدمة العملاء سؤالًا خارج النص.
يمكن إرجاع العيب الأساسي للذكاء الاصطناعي إلى الافتراض الأساسي في صميم معظم تطوير الذكاء الاصطناعي على مدار الخمسين عامًا الماضية، وهو أنه إذا أمكن حل مشكلات الذكاء الصعبة، فإن مشاكل الذكاء البسيطة ستقع في مكانها الصحيح. هذا تبين أنها كاذبة.
في عام 1988، كتب هانز مورافيك، عالم الروبوتات في كارنيجي ميلون، “من السهل نسبيًا جعل أجهزة الكمبيوتر تعرض أداءً بمستوى البالغين في اختبارات الذكاء أو لعب الداما، ومن الصعب أو المستحيل منحهم مهارات طفل يبلغ من العمر عامًا واحدًا. الإدراك والتنقل.
” بعبارة أخرى، يتبين أن حل المشكلات الصعبة أسهل، وما يبدو أنه مشكلات بسيطة يمكن أن يكون صعبًا للغاية.
ثبت أيضًا خطأ اثنين من الافتراضات الأخرى التي لعبت دورًا بارزًا في تطوير الذكاء الاصطناعي:
– أولاً، كان من المفترض أنه إذا تم بناء ما يكفي من تطبيقات الذكاء الاصطناعي الضيقة (أي التطبيقات التي يمكنها حل مشكلة معينة باستخدام تقنيات الذكاء الاصطناعي)، فإنها ستنمو معًا لتصبح شكلاً من أشكال الذكاء العام.
مع ذلك، لا تخزن تطبيقات الذكاء الاصطناعي الضيقة المعلومات بشكل عام ولا يمكن استخدامها بواسطة تطبيقات الذكاء الاصطناعي الضيقة الأخرى لتوسيع نطاقها.
لذلك، بينما يمكن دمج التطبيقات معًا لمعالجة اللغة ومعالجة الصور على سبيل المثال، لا يمكن دمج هذه التطبيقات بالطريقة نفسها التي يدمج بها الطفل السمع والرؤية.
– ثانيًا، افترض بعض باحثي الذكاء الاصطناعي أنه إذا أمكن بناء نظام تعلم آلي كبير بما يكفي بقوة كمبيوتر كافية ، فإنه سيُظهر تلقائيًا ذكاءً عامًا.
كما أوضحت بوضوح الأنظمة الخبيرة التي حاولت التقاط المعرفة في مجال معين، من المستحيل ببساطة إنشاء حالات كافية وبيانات نموذجية للتغلب على عدم فهم النظام الأساسي.
إذا كانت صناعة الذكاء الاصطناعي تعلم أن الافتراضات الرئيسية التي وضعتها في التطوير قد ثبت أنها خاطئة، فلماذا لم يتخذ أي شخص الخطوات اللازمة لتجاوزها بطريقة تعزز التفكير الحقيقي في الذكاء الاصطناعي؟ من المحتمل أن تجد الإجابة في المنافس الرئيسي لمنظمة العفو الدولية: دعنا نسميها سالي.
تبلغ من العمر ثلاث سنوات تقريبًا وتعرف بالفعل الكثير من الأشياء التي لا يقوم بها الذكاء الاصطناعي ويمكنها حل المشكلات التي لا يستطيع الذكاء الاصطناعي حلها.
عندما تتوقف عن التفكير في الأمر، فإن العديد من المشكلات التي نواجهها مع الذكاء الاصطناعي اليوم هي أشياء يمكن لأي طفل يبلغ من العمر ثلاث سنوات القيام به.
فكر في المعرفة اللازمة لسالي لتكديس مجموعة من الكتل.
على المستوى الأساسي، تدرك سالي أن الكتل أو أي أشياء مادية أخرى موجودة في عالم ثلاثي الأبعاد. إنها تعرف أنهم يصرون حتى عندما لا تستطيع رؤيتهم.
إنها تعرف بالفطرة أن لديهم مجموعة من الخصائص الفيزيائية مثل الوزن والشكل واللون.
إنها تعرف أنها لا تستطيع تكديس المزيد من الكتل فوق جولة رولي واحدة. إنها تفهم السببية ومرور الوقت. إنها تعلم أن عليها بناء برج من الكتل أولاً قبل أن تتمكن من هدمه.
ما علاقة سالي بصناعة الذكاء الاصطناعي؟ سالي لديها ما يفتقر إليه الذكاء الاصطناعي اليوم. إنها تمتلك وعيًا بالموقف وفهمًا للسياق.
إن دماغ سالي البيولوجي قادر على تفسير كل شيء يواجهه في سياق كل شيء آخر تعلمه سابقًا. والأهم من ذلك أن سالي البالغة من العمر ثلاث سنوات ستنمو لتصبح أربع سنوات وخمس سنوات وعشر سنوات وهكذا.
باختصار، سالي البالغة من العمر ثلاث سنوات تمتلك فطريًا القدرات اللازمة للنمو إلى شخص بالغ ذكي يعمل بكامل طاقته.
في تناقض صارخ، يحلل الذكاء الاصطناعي مجموعات البيانات الضخمة بحثًا عن الأنماط والارتباطات دون فهم أي من البيانات التي يعالجها. حتى الشرائح “العصبية” الحديثة تعتمد على قدرات غائبة في علم الأحياء.
لكي يتغلب الذكاء الاصطناعي اليوم على قيوده المتأصلة ويتطور إلى مرحلته التالية – التي تُعرّف بالذكاء العام الاصطناعي (AGI) – يجب أن يكون قادرًا على فهم أو تعلم أي مهمة فكرية يستطيع الإنسان القيام بها.
يجب أن تبلغ الوعي. سيؤدي القيام بذلك إلى تمكينه من تنمية ذكاءه وقدراته باستمرار بنفس الطريقة التي ينمو بها الإنسان البالغ من العمر ثلاث سنوات لامتلاك ذكاء طفل يبلغ من العمر أربع سنوات، وفي النهاية يبلغ من العمر 10 سنوات ويبلغ 20 عامًا. قديمًا، وما إلى ذلك.
للأسف، من غير المرجح أن يتلقى البحث المطلوب لتسليط الضوء على ما هو مطلوب في النهاية لتكرار الفهم السياقي للدماغ البشري، وتمكين الذكاء الاصطناعي من الوصول إلى الوعي الحقيقي، التمويل.
ولم لا؟ بكل بساطة، لم يكن أحد – على الأقل لا أحد حتى الآن – على استعداد لوضع ملايين الدولارات وسنوات من التطوير في تطبيق ذكاء اصطناعي يمكنه فعل ما يمكن لأي طفل يبلغ من العمر ثلاث سنوات القيام به.
وهذا يعيدنا حتمًا إلى استنتاج مفاده أن الذكاء الاصطناعي اليوم ليس كل هذا الذكاء حقًا. بالطبع، لن يمنع ذلك العديد من شركات الذكاء الاصطناعي من التفاخر بأن تطبيقات الذكاء الاصطناعي الخاصة بهم “تعمل تمامًا مثل عقلك”.
لكن الحقيقة هي أنهم سيكونون أقرب إلى العلامة إذا اعترفوا أن تطبيقاتهم تستند إلى خوارزمية واحدة – backpropagation – وتمثل طريقة إحصائية قوية. لسوء الحظ، الحقيقة ليست مثيرة للاهتمام مثل “يعمل مثل عقلك”.
المصدر: thenextweb
قد يهمك:
