وفي ضوء الإنجازات الحديثة في أبحاث الذكاء الاصطناعي، يبدو أن الآلات التي تتمتع بالذكاء والقدرة على الاستشعار والقادرة على فهم الأوامر اللفظية والتعرف على الصور وقيادة السيارات وممارسة الألعاب أفضل منا تلوح في الأفق. كم من الوقت سيستغرقهم المشي بيننا؟
بقلم: أرند هنتز، أستاذ مساعد في علم الأحياء التكاملي للهندسة وعلوم الكمبيوتر، جامعة ميشيغان
وفي ضوء الإنجازات الحديثة في أبحاث الذكاء الاصطناعي، يبدو أن الآلات التي تتمتع بالذكاء والقدرة على الاستشعار والقادرة على فهم الأوامر اللفظية والتعرف على الصور وقيادة السيارات وممارسة الألعاب أفضل منا تلوح في الأفق. كم من الوقت سيستغرقهم المشي بيننا؟
تقرير جديد من البيت الأبيض من يتعامل مع الذكاء الاصطناعي يعرب عن شكوكه. ووفقا لمؤلفيها، فمن المرجح أننا لن نرى في السنوات العشرين المقبلة آلات ذات ذكاء واسع يمكن مقارنته أو تجاوزه لذكاء البشر. ومع ذلك، وفقًا للتقرير، سنرى في السنوات القادمة المزيد والمزيد من الآلات التي ستتفوق على الأداء البشري في المزيد والمزيد من المهام. لكن مؤلفي التقرير غابوا عن بعض النقاط المهمة.
باعتباري باحثًا في الذكاء الاصطناعي، أعترف أنه من الجيد أن يكون مجالي على رأس جدول أعمال حكومة الولايات المتحدة، لكن التقرير ركز بشكل شبه حصري على ما أسميه "النوع الممل من الذكاء الاصطناعي" ولم يتناول مسألة كيف يمكن للتطور أن يتطور. ساعدنا على تطوير أنظمة ذكية الذكاء الاصطناعي المحسّن وكيف يمكن للنماذج الحسابية أن تساعدنا على فهم كيفية تطور ذكائنا البشري.
يركز التقرير على ما يمكن تسميته بأدوات الذكاء الاصطناعي السائدة: التعلم الآلي والتعلم العميق. هذه هي التقنيات المصغرة التي تمكنت من لعب لعبة "Jeopardy!" حسنًا، بل وتغلبت على البشر في اللعبة الأكثر تعقيدًا التي تم اختراعها على الإطلاق - GO. هذه الأنظمة الذكية الحالية قادرة على التعامل مع كميات هائلة من البيانات وإجراء حسابات معقدة بسرعة عالية، لكنها تفتقد عنصرًا رئيسيًا في بناء آلات واعية وذكية كما نتوقع أن تكون في المستقبل.
نحن بحاجة إلى الاهتمام بما هو أكثر من الآلات التي تعرف كيف تتعلم. نحن بحاجة إلى التغلب على الحدود بين الأنواع الأربعة المختلفة للذكاء الاصطناعي، والحواجز التي تفصل بيننا وبين الآلات.
النوع 1 – الآلات التفاعلية
إن أبسط أنواع أنظمة الذكاء الاصطناعي هي أنظمة تفاعلية بحتة، وليس لديها القدرة على التذكر، وبالتالي لا يمكنها أيضًا استخدام التجارب السابقة لاتخاذ القرارات الحالية. ويُعد "ديب بلو"، وهو كمبيوتر الشطرنج الذي تنتجه شركة آي بي إم والذي هزم الأستاذ الدولي الكبير غاري كاسباروف في أواخر التسعينيات، مثالًا مثاليًا لهذا النوع من الآلات.
يمكن لـ "Deep Blue" التعرف على القطع الموجودة على رقعة الشطرنج ومعرفة كيفية القيام بكل النقلات. يمكنه التنبؤ بالإجراء التالي له ولخصمه. يمكنه اختيار التحركات الأمثل من بين الاحتمالات.
لكن ليس لديه أي فكرة عن الماضي أو أي ذكرى عما حدث في الماضي. وبصرف النظر عن قواعد الشطرنج الأساسية، فهي نادرا ما تستخدم بحيث لا تكرر نفس الحركة ثلاث مرات. تجاهل ديب بلو كل ما حدث قبل اللحظة الحالية. كل ما يفعله هو إلقاء نظرة على تقييمات الأدوات على رقعة الشطرنج كما هي الآن والاختيار من بين عدد من الحركات الممكنة.
يتضمن هذا النوع من الذكاء إعطاء الكمبيوتر القدرة على فهم العالم والتصرف بناءً على ما يراه. ادعى باحث الذكاء الاصطناعي رودني بروكس أنه لا ينبغي لنا أن نبني الآلات إلا بهذه الطريقة. السبب الرئيسي في رأيه هو أن الناس لا يجيدون برمجة العوالم الافتراضية بشكل دقيق لاستخدام الكمبيوتر، لذلك من الأفضل ترك الذكاء الاصطناعي يبني "تمثيلاً" للعالم.
ونحن نتعجب من أن الآلات الذكية الحالية لا تملك تصوراً شاملاً للعالم، بل على الأكثر لديها إدراك محدود ومركز في مجالات معينة. لم يكن ابتكار "ديب بلو" في توسيع مجال السيناريوهات الممكنة لينظر فيها الكمبيوتر، بل على العكس من ذلك، وجد المطورون طريقة لتضييق مجال الرؤية، والتخلي عن فحص العديد من السيناريوهات بناءً على التقييم الذي حصلوا عليه . بدون هذه القدرة، كان يجب أن يكون "Deep Blue" جهاز كمبيوتر أقوى بكثير للتغلب على كاسباروف.
وعلى نحو مماثل، لم يكن برنامج AlphaGo من شركة Google، والذي هزم أبطال العالم من البشر في لعبة Go، مطالباً بتقييم كل الاحتمالات المستقبلية. كانت أساليب تحليله أكثر تطوراً من "ديب بلو" لأنه يقوم بتقييم تطور اللعبة باستخدام الشبكات العصبية. تتيح هذه الأساليب تحسين قدرة أنظمة الذكاء الاصطناعي على ممارسة ألعاب أكثر تحديدًا، لكن لا يمكن تعديلها أو تطبيقها بسهولة على مواقف أخرى. ليس لخيالهم المحوسب سوى فكرة عن العالم الأوسع - أي أنهم غير قادرين على العمل بما يتجاوز المهام المحددة الموكلة إليهم.
لا يمكن لهذه البرامج أن تشارك بشكل تفاعلي في العالم بالطريقة التي نتصور أنها ستحدث يومًا ما. وبدلاً من ذلك، ستتصرف هذه الآلات بنفس الطريقة تمامًا في كل مرة تواجه فيها نفس الموقف. يمكن أن يكون هذا جيدًا جدًا لضمان الموثوقية في أنظمة الذكاء الاصطناعي، لكنه أمر سيئ إذا سمح لمثل هذا النظام بقيادة سيارة ذاتية القيادة عندما يتعين عليها الاستجابة للمفاجآت في العالم الحقيقي. لن تشعر أنظمة الذكاء الاصطناعي البسيطة هذه بالتعب أو الملل أو الحزن أبدًا.
النوع 2 - ذاكرة محدودة
وفي هذا النوع نجد آلات يمكنها تذكر الماضي واستخدام هذه المعلومات. السيارات بدون سائق تفعل هذا بالفعل. على سبيل المثال، يحافظون على مسافة بينهم وبين السيارات الأخرى من خلال التحكم في السرعة والاتجاه. ولا يمكن القيام بذلك في لحظة واحدة، بل يتطلب تحديد كائنات محددة ومراقبتها مع مرور الوقت.
وتضاف هذه الملاحظات إلى التمثيلات المبرمجة مسبقًا لتصور السيارة ذاتية القيادة للعالم، والتي تشمل أيضًا علامات الحارات وإشارات المرور وعناصر مهمة أخرى مثل المنحنيات في الطريق. كما تتضمن أيضًا تعليمات حول متى يجب تغيير المسارات لتجنب الاصطدام بسيارة مجاورة. لكن هذه الأجزاء من الماضي عابرة. ولا يتم تخزين هذه الذكريات كجزء من مكتبة تجارب السيارة، حيث يقوم السائقون البشريون بمعالجة سنوات من الخبرة خلف عجلة القيادة.
فكيف يمكننا بناء أنظمة ذكاء اصطناعي لديها تمثيل كامل للعالم، وتستطيع أن تتذكر تجاربها وتتعلم كيفية التعامل مع المواقف الجديدة؟ كان بروكس على حق في أنه من الصعب جدًا القيام بذلك. إن بحثي في الأساليب المستوحاة من فكرة داروين عن التطور يمكن أن يبدأ في التعويض عن أوجه القصور البشرية من خلال منح الآلات القدرة على بناء تمثيلاتها الخاصة.
النوع الثالث: الذكاء الاصطناعي ونظرية العقل
وستكون هذه هي النقطة التي تفصل بين الآلات التي لدينا اليوم والآلات التي سنبنيها في المستقبل. ومع ذلك، نحتاج إلى أن نكون أكثر تحديدًا في مناقشة نوع التمثيلات التي سيُطلب من الآلات إنشاؤها. الآلات من النوع الأكثر تقدما لم تخلق تمثيلات للعالم فحسب، بل خلقت أيضا تمثيلات عن عوامل أخرى وكيانات أخرى في العالم. وفي علم النفس، يُعرف هذا باسم "نظرية العقل" - فهم أن البشر والمخلوقات والأشياء في العالم العالم لديهم القدرة على التفكير ولديهم مشاعر تؤثر على سلوكهم.
ومن المهم أن نعرف كيف تشكلت المجتمعات البشرية. سيكون من الصعب بل من المستحيل الانسجام دون معرفة دوافع ونوايا الطرف الآخر، وما يعرفه عني أو عن البيئة أثناء التعاون. إذا سارت أنظمة الذكاء الاصطناعي بيننا، فسوف تحتاج إلى أن تكون قادرة على فهم أن كل واحد منا لديه أفكار ومشاعر وتوقعات حول الطريقة التي نتوقع أن نعامل بها، وسيتعين عليهم تعديل سلوكهم وفقًا لذلك.
النوع الرابع: الوعي الذاتي
المرحلة الأخيرة من تطوير الذكاء الاصطناعي هي بناء أنظمة يمكنها إنشاء تمثيل لنفسها. في نهاية المطاف، سيُطلب منا، نحن الباحثون في مجال الذكاء الاصطناعي، ليس فقط فهم الوعي، بل أيضًا بناء آلات تمتلك الوعي.
إنه بطريقة ما امتداد لنظرية العقل التي حددتها في النوع الثالث من الذكاء الاصطناعي. ويسمى الوعي أيضًا "الوعي الذاتي" وليس من أجل لا شيء. عبارة "أريد الشيء" هي عبارة مختلفة تمامًا عن عبارة "أعلم أنني أريد الشيء". الكائنات الواعية لديها وعي ذاتي، وتعرف حالتها الداخلية، ويمكنها التنبؤ بمشاعر الآخرين. نحن نحكم على أن الشخص الذي يطلق البوق خلفنا هو شخص عصبي أو غير صبور، لأن هذا ما نشعر به عندما نطلق البوق على الآخرين. وبدون نظرية العقل، لا يمكننا إنشاء مثل هذه الأنواع من الهكشاهات.
وفي حين أننا ربما لا نزال بعيدين عن إنشاء آلات ذاتية الوعي، إلا أننا بحاجة إلى تركيز جهودنا نحو فهم مجالات الذاكرة والتعلم والقدرة على اتخاذ القرارات بناءً على تجارب الماضي. وهذه خطوة مهمة نحو فهم الذكاء البشري نفسه. وهذا أمر ضروري إذا أردنا تصميم أو تطوير آلات يمكنها تصنيف ما يرونه أمامهم بطريقة غير عادية.
للحصول على المقال الأصلي على موقع المحادثة
المزيد عن الموضوع على موقع العلوم:
