لماذا يجب على الشركات التوقف عن محاولة أن تكون “الذكاء الاصطناعي أولاً”
عندما يصبح الذكاء الاصطناعي هو الهدف، فإننا نغفل المشاكل التي يجب علينا حلها
أصبح الذكاء الاصطناعي كلمة رنانة في صناعة التكنولوجيا. تحرص الشركات على تقديم نفسها على أنها “AI-first” وتستخدم مصطلحات “AI” و “التعلم الآلي” و “التعلم العميق” بكثرة في نسختها من الويب والتسويق.
ما هي آثار الضجيج الحالي المحيط بالذكاء الاصطناعي؟ هل هو مجرد تضليل المستهلكين والمستخدمين النهائيين أم أنه يؤثر أيضًا على المستثمرين والمنظمين؟ كيف يتم تشكيل عقلية إنشاء المنتجات والخدمات؟ كيف يغذي الدمج بين البحث العلمي وتطوير المنتجات التجارية الضجيج؟
هذه بعض الأسئلة التي أجاب عنها ريتشارد هايمان، كبير مسؤولي الذكاء الاصطناعي في Cybraics، في كتابه الجديد Doing AI.
تتمثل رسالة Heimann الرئيسية في أنه عندما يصبح الذكاء الاصطناعي هو هدفنا، فإننا نغفل عن جميع المشكلات المهمة التي يجب علينا حلها. وبالتالي، فإننا نستخلص استنتاجات خاطئة ونتخذ قرارات خاطئة.
يجادل Heimann في أن التعلم الآلي والتعلم العميق وجميع التقنيات الأخرى التي تندرج تحت المصطلح الشامل “AI” يجب ألا تؤخذ في الاعتبار إلا بعد أن يكون لديك أهداف ومشاكل محددة جيدًا.
هذا هو السبب في أن كونك الذكاء الاصطناعي أولاً يعني القيام بالذكاء الاصطناعي أخيرًا.
أن تكون مدفوعة بالحلول مقابل مشكلة مدفوعة
أحد الموضوعات التي عاد إليها Heimann في الكتاب هو التركيز الخاطئ.
عندما تتحدث الشركات عن كونها “الذكاء الاصطناعي أولاً”، فإن هدفها يصبح بطريقة ما دمج أحدث وأعظم التطورات في أبحاث الذكاء الاصطناعي في منتجاتها (أو على الأقل التظاهر بالقيام بذلك).
عندما يحدث هذا، تبدأ الشركة بالحل ثم تحاول إيجاد مشكلة لحلها.
ربما يكون المثال الصارخ هو الاتجاه المحيط بنماذج اللغة الكبيرة، والتي تُحدث الكثير من الضجيج في الوسائط السائدة ويتم تقديمها على أنها حلول عامة للمشكلات في معالجة اللغة الطبيعية.
في حين أن هذه النماذج مثيرة للإعجاب حقًا، إلا أنها ليست رصاصة فضية. في الواقع، في كثير من الحالات، عندما يكون لديك مشكلة محددة جيدًا، يمكن أن يكون نموذج أبسط أو حتى تعبير عادي أو برنامج قائم على القواعد أكثر موثوقية من GPT-3.
“نحن نفسر الذكاء الاصطناعي أولاً كما لو أننا يجب أن نصبح حلاً حرفيًا أولاً دون معرفة السبب.
ما هو أكثر من ذلك هو أننا نصمم حلًا مثاليًا تجريديًا نضعه أمام المشاكل والعملاء دون التفكير بشكل كامل فيما إذا كان من الحكمة القيام بذلك، أو ما إذا كان الضجيج صحيحًا، أو كيف تؤثر مركزية الحلول على أعمالنا، “كتب هايمان في Doing AI.
هذه نقطة ألم واجهتها مرارًا وتكرارًا في كيفية محاولة الشركات الترويج لمنتجاتها.
غالبًا ما أقرأ مجموعة من مصطلحات الذكاء الاصطناعي (المتناقضة مع نفسها أحيانًا)، أحاول جاهدًا معرفة نوع المشكلة التي تحلها الشركة. في بعض الأحيان، لا أجد شيئًا مثيرًا للإعجاب.
قال Heimann لـ TechTalks: “أي شخص يتحدث عن الذكاء الاصطناعي بدون دعم مشكلة ربما لا يكون مهتمًا بإنشاء عمل تجاري حقيقي أو ليس لديه فكرة عما تعنيه الشركة”.
ربما يبحث هؤلاء المبتكرون عن استحواذ استراتيجي. إذا كان حلمك أن تستحوذ عليه Google، فأنت لا تحتاج دائمًا إلى عمل تجاري. جوجل واحد ولا يحتاج لك. ومع ذلك، لا ينبغي التغاضي عن حقيقة أن Google شركة “.
اجتذب الضجيج في مجال الذكاء الاصطناعي الاهتمام والتمويل لهذا المجال، مما وفر للشركات الناشئة ومختبرات الأبحاث الكثير من المال لتحقيق أحلامهم.
لكن كان لها أيضًا آثار ضارة. لسبب واحد، فإن استخدام مصطلح “AI” الغامض والمتجسد والمُعرّف بشكل غامض يضع توقعات عالية لدى العملاء والمستخدمين ويسبب الارتباك.
كما يمكن أن يدفع الشركات إلى التغاضي عن حلول ميسورة التكلفة وموارد ضائعة على التكنولوجيا غير الضرورية.
“من المهم أن نتذكر أن الذكاء الاصطناعي ليس كتلة واحدة. قال هايمان: “إنها تعني أشياء مختلفة لأناس مختلفين”.
“لا يمكن أن يقال دون إرباك الجميع. إذا كنت مديرًا وتقول “الذكاء الاصطناعي”، فقد قمت بإنشاء أهداف خارجية لحل المشكلات.
إذا قلت “AI” بدون اتصال بمشكلة، فسوف تخلق اختلالات لأن الموظفين سيجدون مشاكل مناسبة لبعض الحلول التعسفية “.
أبحاث الذكاء الاصطناعي مقابل الذكاء الاصطناعي التطبيقي
يركز البحث الأكاديمي للذكاء الاصطناعي على دفع حدود العلم. يدرس العلماء الإدراك والدماغ والسلوك في الحيوانات والبشر للعثور على تلميحات حول إنشاء الذكاء الاصطناعي.
يستخدمون ImageNet وCOCO وGLUE وWinograd وARC وألعاب الطاولة وألعاب الفيديو وغيرها من المعايير لقياس التقدم في الذكاء الاصطناعي.
على الرغم من أنهم يعرفون أن النتائج التي توصلوا إليها يمكن أن تخدم البشرية في المستقبل، إلا أنهم ليسوا قلقين بشأن ما إذا كانت تقنيتهم سيتم تسويقها أو إنتاجها في الأشهر أو السنوات القليلة المقبلة.
من ناحية أخرى، تهدف منظمة العفو الدولية التطبيقية إلى حل مشكلات محددة وشحن المنتجات إلى السوق.
يجب على مطوري أنظمة الذكاء الاصطناعي المطبقة تلبية قيود الذاكرة والحساب التي تفرضها البيئة. يجب أن تتوافق مع اللوائح وتفي بمعايير السلامة والمتانة.
إنهم يقيسون النجاح من حيث الجمهور، والأرباح، والخسائر، ورضا العملاء، والنمو، وقابلية التوسع، وما إلى ذلك. حل مشاكل العملاء.
في السنوات الأخيرة، خاصة مع احتلال الكيانات التجارية وشركات التكنولوجيا الكبرى زمام المبادرة في أبحاث الذكاء الاصطناعي، أصبحت الخطوط الفاصلة بين البحث والتطبيقات غير واضحة.
اليوم، تمثل شركات مثل Google وFacebook وMicrosoft وAmazon جزءًا كبيرًا من الأموال التي تذهب إلى أبحاث الذكاء الاصطناعي. وبالتالي، فإن أهدافهم التجارية تؤثر على الاتجاهات التي تتخذها أبحاث الذكاء الاصطناعي.
كتب هايمان في كتابه ممارسة الذكاء الاصطناعي: “الطموح لحل كل شيء، بدلاً من حل شيء ما، هو قمة المطلعين، ولهذا السبب يسعون إلى حلول معقولة معرفيًا”.
لكن هذا لا يغير حقيقة أن الحلول لا يمكن أن تكون كل الأشياء لجميع المشاكل، وسواء أحببنا ذلك أم لا، فلا يمكن للأعمال التجارية أيضًا.
عمليًا، لا يتطلب أي عمل حلولًا عالمية، لأن الأعمال التجارية ليست عالمية بطبيعتها وغالبًا لا يمكنها تحقيق الأهداف “في مجموعة واسعة من البيئات”.
مثال على ذلك DeepMind، معمل أبحاث الذكاء الاصطناعي ومقره المملكة المتحدة والذي استحوذت عليه Google في عام 2014.
تتمثل مهمة DeepMind في إنشاء ذكاء اصطناعي عام آمن. في الوقت نفسه، من واجبها تحويل الأرباح لمالكها.
يمكن قول الشيء نفسه عن OpenAI، وهو مختبر أبحاث آخر يلاحق حلم الذكاء الاصطناعي العام.
لكن نظرًا لأن شركة OpenAI يتم تمويلها في الغالب من قبل Microsoft، يجب أن تجد توازنًا بين البحث العلمي وتطوير التقنيات التي يمكن دمجها في منتجات Microsoft .
قال هايمان: “يصعب التعرف على الحدود [بين الأوساط الأكاديمية وقطاع الأعمال] بشكل متزايد، وهي معقدة بسبب العوامل والدوافع الاقتصادية والسلوك المخادع والأهداف المتضاربة”.
“هذا هو المكان الذي ترى فيه الشركات التي تجري الأبحاث وتنشر الأوراق وتتصرف بشكل مشابه للمؤسسات الأكاديمية التقليدية لجذب المهنيين ذوي العقلية الأكاديمية.
يمكنك أيضًا العثور على أكاديميين يحتفظون بمناصبهم أثناء توليهم مناصب صناعية.
يقدم الأكاديميون ادعاءات مبالغ فيها وينشئون أعمالًا تعتمد على الذكاء الاصطناعي فقط ولا تحل أي مشكلة في جني الأموال خلال فصول الصيف التي تعتمد على الذكاء الاصطناعي.
تقدم الشركات مطالبات كبيرة بدعم أكاديمي. وهذا يدعم خطوط أنابيب الموارد البشرية، وهيبة الشركة بشكل عام، ويؤثر على “التأثير المضاعف”.
الذكاء الاصطناعي والدماغ
اكتشف العلماء مرارًا وتكرارًا أن حلول العديد من المشكلات لا تتطلب بالضرورة ذكاءً على مستوى الإنسان.
تمكن الباحثون من إنشاء أنظمة ذكاء اصطناعي يمكنها إتقان الشطرنج والذهاب ومسابقات البرمجة وامتحانات العلوم دون إعادة إنتاج عملية التفكير البشري.
غالبًا ما تخلق هذه النتائج مناقشات حول ما إذا كان ينبغي للذكاء الاصطناعي محاكاة الدماغ البشري أو يهدف إلى تحقيق نتائج مقبولة.
قال هايمان: “السؤال مهم لأن الذكاء الاصطناعي لا يحل المشكلات بالطريقة نفسها التي يحلها البشر”.
“بدون الإدراك البشري، لن تحل هذه الحلول أي مشكلة أخرى. ما نسميه “الذكاء الاصطناعي” ضيق ولا يحل سوى المشكلات التي كان الهدف منها حلها.
هذا يعني أن قادة الأعمال لا يزالون بحاجة إلى إيجاد المشكلات المهمة وإما إيجاد الحل المناسب أو تصميم الحل المناسب لحل تلك المشكلات “.
حذر Heimann أيضًا من أن حلول الذكاء الاصطناعي التي لا تتصرف مثل البشر ستفشل بطرق فريدة لا تشبه البشر. هذا له آثار مهمة على السلامة والأمن والعدالة والجدارة بالثقة والعديد من القضايا الاجتماعية الأخرى.
قال هايمان: “هذا يعني بالضرورة أنه يجب علينا استخدام الذكاء الاصطناعي بحذر وليس أبدًا في المشكلات البسيطة التي يمكن للبشر حلها بسهولة أو عندما تكون تكلفة الخطأ مرتفعة، والمساءلة مطلوبة”.
“مرة أخرى، هذا يعيدنا إلى طبيعة المشكلة التي نريد حلها.”
بمعنى آخر، فإن مسألة ما إذا كان ينبغي للذكاء الاصطناعي محاكاة الدماغ البشري تفتقر إلى الملاءمة لأن معظم أبحاث الذكاء الاصطناعي لا تهتم كثيرًا بالقبول الإدراكي أو المعقولية البيولوجية، كما يعتقد هايمان.
قال: “كثيرًا ما أسمع الأشخاص المهتمين بالأعمال التجارية يتبنون الهراء حول كون الشبكات العصبية الاصطناعية” مستوحاة من، “أو” تحاكي تقريبًا “الدماغ”.
“إن الجانب العصبي للشبكات العصبية الاصطناعية هو مجرد نافذة لتزيين الوظائف الحسابية التي تتجاهل جميع الاختلافات بين السيليكون وعلم الأحياء على أي حال.
بصرف النظر عن بعض الأمثلة المضادة، لا تزال أبحاث الشبكة العصبية الاصطناعية تركز على الوظيفية ولا تهتم بتحسين معقولية الخلايا العصبية.
إذا كان المطلعون عمومًا لا يهتمون بسد الفجوة بين الشبكات العصبية البيولوجية والاصطناعية، فلا يجب عليك ذلك أيضًا “.
في كتابه ممارسة الذكاء الاصطناعي، يؤكد Heimann أنه لحل المشكلات المعقدة بما فيه الكفاية، قد نستخدم التكنولوجيا المتقدمة مثل التعلم الآلي، ولكن ما يسمى بهذه التكنولوجيا يعني أقل من سبب استخدامنا لها.
لا يعتمد بقاء الأعمال على اسم الحل أو فلسفة الذكاء الاصطناعي أو تعريف الذكاء.
يكتب: “بدلاً من السؤال عما إذا كان الذكاء الاصطناعي يدور حول محاكاة الدماغ، سيكون من الأفضل أن نسأل،” هل يتعين على الشركات استخدام الشبكات العصبية الاصطناعية؟ ” إذا كان هذا هو السؤال، فالجواب لا.
الافتراض بأنك بحاجة إلى استخدام بعض الحلول التعسفية قبل تحديد المشكلة هو تخمين الحل.
على الرغم من أن الشبكات العصبية الاصطناعية تحظى بشعبية كبيرة وتكاد تكون مثالية بالمعنى الضيق أنها يمكن أن تلائم الوظائف المعقدة للبيانات – وبالتالي ضغط البيانات في تمثيلات مفيدة – لا ينبغي أبدًا أن تكون هدف العمل، لأن تقريب وظيفة إلى البيانات نادرًا ما يكون كافيًا حل مشكلة، وبغياب حل المشكلة، لا يكون هدف العمل مطلقًا “.
هل الذكاء الاصطناعي أخيرًا
عندما يتعلق الأمر بتطوير المنتجات وخطط العمل، تأتي المشكلة أولاً، وتتبعها التكنولوجيا.
في بعض الأحيان، في سياق المشكلة، يكون إبراز التكنولوجيا منطقيًا. على سبيل المثال، يقترح تطبيق “الجوال أولاً” أنه يعالج مشكلة يواجهها المستخدمون بشكل أساسي عندما لا يكونون جالسين خلف جهاز كمبيوتر.
يقترح حل “السحابة أولاً” أن يتم التخزين والمعالجة بشكل أساسي في السحابة لإتاحة نفس المعلومات عبر أجهزة متعددة أو لتجنب التحميل الزائد على الموارد الحسابية لأجهزة المستخدم النهائي.
(من الجدير بالذكر أن هذين المصطلحين أصبحا أيضًا كلمات طنانة لا معنى لها بعد الإفراط في استخدامها.
لقد كانت ذات مغزى في السنوات التي كانت فيها الشركات تنتقل من عمليات التثبيت داخل الشركة إلى السحابة ومن الويب إلى الأجهزة المحمولة. اليوم،
ولكن ماذا يقول “الذكاء الاصطناعي أولاً” عن مشكلة وسياق التطبيق والمشكلة التي يحلها؟
“AI-first هو تناقض لفظي ورحلة الأنا. قال هايمان: “لا يمكنك أن تفعل شيئًا قبل أن تفهم الظروف التي تجعله ضروريًا”.
“استراتيجيات الذكاء الاصطناعي، مثل الذكاء الاصطناعي أولاً، يمكن أن تعني أي شيء. تكون إستراتيجية العمل واسعة جدًا عندما تتضمن كل شيء أو أشياء لا ينبغي لها، مثل الذكاء.
تكون إستراتيجية العمل ضيقة للغاية عندما تفشل في تضمين الأشياء التي يجب أن تتضمنها، مثل ذكر مشكلة فعلية أو عميل حقيقي. الإستراتيجيات الدائرية هي تلك التي يحدد فيها الحل هدفًا، والهدف يحدد هذا الحل.
“عندما تفتقر إلى المعلومات الخاصة بالمشكلة والعملاء والسوق، فإن الفرق ستملأ الفراغات وتعمل على كل ما يفكرون فيه عندما يفكرون في الذكاء الاصطناعي.
مع ذلك، فمن غير المحتمل أن تجد عميلاً داخل حل مجرد مثل “الذكاء الاصطناعي”. لذلك، لا يمكن أن يكون الذكاء الاصطناعي هدفًا تجاريًا، وعندما يكون كذلك، تكون الإستراتيجية أكثر تعقيدًا على وشك المستحيل “.
المصدر: thenextweb
شاهد ايضا:
