هل تشعر بالقلق من سيطرة الذكاء الاصطناعي على العالم؟ من المحتمل أنك تضع افتراضات غير علمية

هذا ما يدعيه يلاني فاسيلاكي، أستاذ علوم الكمبيوتر وعلم الأعصاب بجامعة شيفيلد، كإجابة على مخاوف أشخاص مثل ستيفن هوكينج

يلاني فاسيلاكي، أستاذ علوم الكمبيوتر وعلم الأعصاب، جامعة شيفيلد
الكشف الكامل: يتلقى البروفيسور يلاني فاسيلاكي تمويلًا من EPSRC، ومؤسسة Wellcome، وGoogle Deepmind، ومؤسسة Amazon Alexa.

ترجمة: آفي بيليزوفسكي

هل يجب أن نخاف من الذكاء الاصطناعي (AI)؟ بالنسبة لي، إنه سؤال بسيط مع إجابة أبسط مكونة من حرفين: لا. ولكن لا يتفق الجميع على ذلك، فقد أعرب العديد من الأشخاص، بما في ذلك عالم الفيزياء الراحل ستيفن هوكينج، عن قلقهم من أن ظهور الأنظمة القوية يمكن أن يؤدي إلى نهاية البشرية.

من الواضح أن وجهة النظر القائلة بأن الذكاء الاصطناعي سيسيطر على العالم تعتمد على مسألة ما إذا كانت أجهزة الكمبيوتر قادرة على تطوير سلوك ذكي يفوق سلوك البشر - وهو ما يعرف باسم "الذكاء الفائق". دعونا نتفحص مدى احتمالية هذا السيناريو وسبب القلق بشأن مستقبل الذكاء الاصطناعي.

يميل البشر إلى الخوف مما لا يفهمونه. وكثيرا ما يتهمون بذلك بالعنصرية وكراهية المثلية الجنسية وغيرها من مصادر التمييز. وليس من المستغرب إذن أن ينطبق هذا الاتجاه أيضا على التكنولوجيات الجديدة - فهي غالبا ما تكون محاطة بالغموض. فهناك العديد من الإنجازات التكنولوجية التي تبدو غير واقعية تقريبا، وتتجاوز التوقعات بشكل واضح، بل وتتجاوز الأداء البشري في بعض الحالات.

لا توجد الرياح في الجهاز

ولكن دعونا نزيل الغموض عن تقنيات الذكاء الاصطناعي الشائعة المعروفة مجتمعة باسم "التعلم الآلي". تسمح هذه الطرق للجهاز بتعلم مهمة ما دون الحاجة إلى برمجة تعليمات واضحة في المحتوى. قد يبدو الأمر مخيفًا ولكنه بشكل عام شيء بسيط.
الآلة، وهي عبارة عن برمجيات، أو بتعبير أدق خوارزمية، لديها القدرة على اكتشاف العلاقات داخل البيانات التي تتلقاها. هناك العديد من الطرق المختلفة التي تسمح لنا بتحقيق ذلك. على سبيل المثال، يمكننا عرض صور الحروف المكتوبة بخط اليد، واحدة تلو الأخرى، ونطلب من الخوارزمية التعرف عليها. يقوم الجهاز في البداية بإخراج حرف بشكل عشوائي ونقوم بتصحيحه بإعطاء الإجابة الصحيحة. لقد قمنا ببرمجة الجهاز لإعادة تكوين نفسه في المرة القادمة. ونتيجة لذلك، يقوم الجهاز بتحسين أدائه بمرور الوقت و"يتعلم" كيفية التعرف على الحروف الأبجدية المكتوبة بخط اليد.

في الواقع، لدينا آلة مبرمجة لاستغلال العلاقات المشتركة في البيانات من أجل إنجاز المهمة المحددة. على سبيل المثال، تبدو جميع إصدارات "a" متشابهة من الناحية الهيكلية، ولكنها مختلفة عن "b"، ويمكن للخوارزمية الاستفادة من ذلك. بعد مرحلة التدريب، يمكن للآلة تطبيق المعرفة المكتسبة على عينات الحروف الجديدة، على سبيل المثال تلك المكتوبة بواسطة شخص لم تتمكن الآلة من رؤية خط يده من قبل. أما البشر، من ناحية أخرى، فهم جيدون في القراءة.

وربما يكون المثال الأكثر إثارة للاهتمام هو مشغل Google Deepmind AI، الذي تفوق في الأداء على كل لاعب بشري، بما في ذلك أبطال العالم. من الواضح أنه يتعلم بشكل مختلف عما يفعله البشر. لقد لعب مع نفسه عدداً من الألعاب التي لم يستطع أي إنسان أن يلعبها في حياته. تتعلم الآلة أيضًا قواعد اللعبة. ومن خلال ملايين الألعاب المتكررة، يمكنها معرفة أفضل حركة في أي موقف واقتراح حركات لم يتخذها أحد في ألعاب Go حتى الآن.

الأطفال الصغار مقابل الروبوتات

هل هذا يجعل الذكاء الاصطناعي أكثر ذكاءً من البشر؟ بالطبع لا. هذا عبارة عن ذكاء اصطناعي مخصص لهذا النوع المحدد من المهام ولا يعرض أي تنوع بشري. لقد عمل البشر على تطوير فهمهم للعالم منذ سنوات، ومن غير المرجح أن يلحق الذكاء الاصطناعي بالركب في أي وقت قريب.
إن حقيقة كون الآلة "ذكية" تقتصر على قدرتها على التعلم، لكن حتى عندما يتعلق الأمر بالتعلم، فإن ذلك يتم بطريقة مختلفة عن البشر. في الواقع، يمكن للأطفال الصغار أن يتعلموا فقط من خلال مشاهدة شخص ما يحل مشكلة ما مرة واحدة. في المقابل، يحتاج الذكاء الاصطناعي إلى كميات هائلة من البيانات، وإلى بذل الكثير من المحاولات حتى يتعلم مشكلة محددة للغاية، ومن الصعب تعميم معرفته على مهام تختلف كثيراً عن تلك التي يؤمن بها. لذا، في حين أن البشر يطورون ذكاءً مذهلاً بسرعة في السنوات القليلة الأولى من حياتهم، فإن المفاهيم الأساسية للتعلم الآلي لا تختلف كثيرًا عما كانت عليه قبل عام أو عشرين عامًا.
إن نجاح الذكاء الاصطناعي الحديث لا ينبع من الاختراقات في الأساليب الجديدة بقدر ما ينبع من الكم الهائل من البيانات والقوة الحسابية المتاحة. ومن المهم أن نلاحظ أنه حتى كمية لا حصر لها من البيانات لن تؤدي إلى ذكاء اصطناعي مثل ذكاء الدماغ البشري. ولهذا نحتاج إلى إحراز تقدم كبير في تطوير أول "تقنية استخبارات عامة". يوجد بالفعل باحثون يحاولون اتباع طرق مختلفة لبناء مثل هذا النظام، لكنه يتضمن بناء نموذج حاسوبي للدماغ البشري، وهو أمر لم نقترب حتى من تحقيقه.

في نهاية المطاف، لمجرد أن الذكاء الاصطناعي قادر على التعلم، سيكون من المستحيل تعليمه جميع جوانب الذكاء البشري حتى يتمكن من التفوق علينا. لا يوجد تعريف بسيط لماهية العقل البشري، وبالتأكيد ليس لدينا أي فكرة عن كيفية خلق العقل في الدماغ. ولكن حتى لو تمكنا من التغلب على ذلك ومن ثم إنشاء ذكاء اصطناعي يمكنه التعلم ويصبح أكثر ذكاءً، فهذا لا يعني أنه سيكون أكثر نجاحًا.

أنا شخصياً مهتم أكثر بالطريقة التي يستخدم بها البشر الذكاء الاصطناعي. غالبًا ما يُنظر إلى خوارزميات التعلم الآلي على أنها صناديق سوداء، ولا يتم بذل أي جهد لتتبع تفاصيل الحل الذي وجدته خوارزمياتنا. وهذا جانب مهم وغالبًا ما يتم إهماله لأننا غالبًا ما نكون مهووسين بالأداء وأقل بالفهم. إن فهم الحلول التي اكتشفتها هذه الأنظمة أمر مهم، لأنه يمكننا بعد ذلك تقييم ما إذا كانت الحلول صحيحة أو مرغوبة.
إذا قمنا بتدريب نظامنا بشكل غير صحيح، فسوف ينتهي بنا الأمر إلى آلة تعلمت علاقات غير صحيحة على الإطلاق. لنفترض على سبيل المثال أننا نريد تصميم آلة يمكنها تقييم قدرة طلاب الهندسة المحتملين. ربما تكون فكرة رهيبة، لكن دعنا نذهب إليها من أجل الجدال. تقليديا، هذا المجال يهيمن عليه الذكور، مما يعني أن البيانات من المرجح أن تشمل الطلاب الذكور السابقين. فإذا لم نتأكد، على سبيل المثال، من أن البيانات التي يتم إدخالها إلى الآلة أثناء مرحلة التعلم متوازنة، فقد تصل الآلة إلى نتيجة مفادها أن طلاب الهندسة هم رجال، وتطبق ذلك بشكل غير صحيح في قراراتها المستقبلية.

تعلم الكمبيوتر والذكاء الاصطناعي هي أدوات. ويمكن أن نستخدمها للسير في الطريق الصحيح أو في الاتجاه الخطأ، مثل أي أداة أخرى. الجشع البشري والذكاء البشري يخيفانني أكثر بكثير من الذكاء الاصطناعي.

إلى المقال على موقع المحادثة

• المزيد عن الموضوع على موقع العلوم: 30