نظرة كبار علماء الحاسب للخطوة القادمة للذكاء الاصطناعي “Artificial Intelligence” في عام 2021

0
(0)

في العقد الأول من القرن الواحد والعشرين قفز الذكاء الاصطناعي قفزة غير مسبوقة …

يعود الفضل في ذلك للتعلم العميق “deep learning” وهو أحد فروع الذكاء الاصطناعي حيث سهل التعلم العميق التعامل لمعالجة كميات هائلة من البيانات، إضافة إلى أن التعلم العميق دخل في الكثير من التطبيقات في وقتنا الحالي مثل: برامج تميز الصور والأشكال وأقرب مثال لذلك هو فلاتر السناب شات وبرامج تحسين الصور والكشف عن الهوية وغيرها…

أهم الأهداف التي يتطرق لها الذكاء الاصطناعي هو الوصول للذكاء الاصطناعي القوي الذي لا يمكن تمييز قدرته عن قدرة البشر في التفكير، وهذا الهدف لا يمكن تنفيذه بالتعلم العميق فقط .

إذاً ما الذي نحتاجه للوصول للهدف التالي للذكاء الاصطناعي؟!

هل نحن بحاجة بيانات أكبر؟ أو خوارزميات أفضل؟! أو شبكات عصبية رقمية أكثر تعقيداً؟! مناهج أخرى وطرق مبتكرة!

في الأسابيع الماضية اجتمع عدد من العلماء عن بعد في “مناظرة الذكاء الاصطناعي “

وهنا نلخص أبورز النقاط:

الذكاء الاصطناعي الهجين:

أكد العالم غاري ماركوس Gary Marcus وهو ناقد للتعلم العميق، أن هناك بعض أوجه قصور في التعلم العميق مثل: متطلبات البيانات المفصلة، القدرة المنخفضة لنقل المعرفة لمجالات أخرى، عدم الوضوح، لا يوجد نمط منطقي أو معرفي للتعلم العميق.

إذا الذكاء الاصطناعي الهجين هو حل ممكن لتغطية نواحي القصور للتعلم العميق كما وضح عالم الكمبيوتر لويس لامب Luis Lamb وهو أحد المؤلفين المشاركين لكتاب الاستدلال الإدراكي الرمزي العصبي، حيث قال: لابد من وضع اللبنات الأساسية لسير الذكاء الاصطناعي وجعلها أكثر وضوحاً وقابلة للتفسير، وكما أن الشبكات العصبية  “Neural Network”التي تسلك النهج الرمزي تعتمد على المنطق وتعلم الآلة “Machin Learning”  لذلك لابد من تمثيل المنطق والمعرفة معاً حتى تتضح لنا عملية التفكير مع تعلم الآلة والشبكات العصبية .

 

إلهام من التطور:

أكدت Fei-fei Li فيفي لي أستاذ علوم الكمبيوتر بجامعة ستانفورد وكبيرة علماء الذكاء الاصطناعي لقوقل كلاود “Google Claude”سابقاً، أن الرؤية هي أحد أسباب التطور العلمي وطرق التفكير لذلك فإن التركيز على رؤية الكمبيوتر”Computer vision” وقدرته على تمييز الصور ومقاطع الفيديو أحدثت ثورة قوية للتعلم العميق في السنوات الآخيرة.

الذكاء الذي يتصف به البشر وحتى الحيوانات ينشأ من الإدراك والتفاعل مع العالم عوضاً عن برامج الذكاء الاصطناعي التي تفتقر وبشدة لهذا الجانب حيث تتعامل مع البيانات التي نقدمها لها فقط.

لذلك هناك خلل بين الادراك والتفاعل في برامج الذكاء الاصطناعي التي يجب أن يتم التركيز عليها مستقبلاً.

 

تعزيز التعلم ”Learning reinforcement”:

أشار عالم الكمبيوتر ريتشارد ساتون Richard Sutton وهو رائد في تعزيز التعلم ومؤلف كتاب مدرسي أساسي تعزيز التعلم، حيث قال: العمل على الذكاء الاصطناعي يفتقر إلى النظرية الحسابية التي تحدد الهدف من معالجة هذه البيانات ولماذا يسعى لهذا الهدف؟!

تعزيز التعلم هو أول نظرية حسابية للذكاء فهو يحدد الهدف والسبب للتعلم بشكل مبسط يشبه منهجية البشر للتعلم، ويندرج تحت تعزيز التعلم: تعزيز التعلم العميق الذي يتعامل مع الشبكات العصبية حيث تم إدراج هذا النوع مع بعض الألعاب مثل لعبة الشطرنج التي غلبت بطل العالم سابقاً.

حقيقة تعزيز التعلم العميق أن الشركات الناشئة والصغيرة لا تسعى لهذا الجانب كونه مكلف جداً لكن هناك شركات ضخمة تهتم به مثل شركة جوجل حيث تملك برنامج DeepMind وشركة مايكروسوفت التي تملك OpenAI.

دمج المعرفة العالمية والفطرة السليمة في الذكاء الاصطناعي:

شدد عالم الكمبيوتر الحائز على جائزة تورينج جوديا بيرل Judea Pearl ، على أهمية دمج المعرفة العالمية والفطرة السليمة في الذكاء الاصطناعي لتحقيق كفاءة أعلى في استخدام البيانات فأنظمة الذكاء الاصطناعي التي تعتمد على تجميع البيانات الكبيرة ومعالجتها بشكل أعمى محكوم عليها بالفشل فإن المعرفة لا تتكون من البيانات فقط ، فأبسط مثال للتوضيح هو أن الأطفال حديثي الولادة يتعلمون أشياء كثيرة دون تعليمات صريحة، إذا حصلت المعرفة دون إعطاء بيانات صريحة، وحقيقة الوصول لهذه المرحلة تعتبر معجزة في الذكاء الاصطناعي.

نحن اليوم نستطيع حل مجموعة من البيانات بالتعلم العميق دون حل المهمة الأساسية التي يهدف لها الذكاء الاصطناعي وهي قدرة الآلة على التفكير والمعرفة مثل الإنسان لذلك فإن الذكاء الاصطناعي مازال مفتقراً للمعرفة بالعالم والفطرة السليمة التي يتميز بها البشر.

لكن كيف نصل إلى المعرفة السليمة والتفكير المنطقي في الذكاء الاصطناعي؟!

لابد من الجمع بين تصنيفات ومنهجيات الذكاء الاصطناعي للتمثيل الرمزي والشبكات العصبية ودمج المعرفة في التفكير وبناء معايير أخرى.

 

المراجع

Leading computer scientists debate the next steps for AI in 2021 | VentureBeat

أمن المعلومات (14) الأمن السيبراني (12) الأمن المعلوماتي (4) الإقتصاد (5) الادارة الالكترونية (9) الامن السيبراني (4) الانترنت (7) البلوك تشين (10) البلوكشين (12) البيانات (8) البيانات الضخمة (13) التجارة الإلكترونية (11) التحول الرقمي (9) التسويق الرقمي (5) التعلم العميق (3) التعليم عن بعد (5) التقنيات الحديثة (18) التنقيب في البيانات (3) الحكومة الالكترونية (4) الحكومة الذكية (4) الحوسبة السحابية (13) الحوسبة الضبابية (4) الخصوصية المعلوماتية (3) الذكاء الإصطناعي (7) الذكاء الاصطناعي (6) الذكاء الاصطناعي القوي (3) الروبوت (3) الطب (3) العملات الالكترونية (7) المحاسبة الرقمية (4) المدن الذكية (6) الواقع الافتراضي (3) انترنت الأجسام (5) انترنت الأشياء (8) انترنت الاشياء (11) تحليل البيانات (8) تعلم الآلة (4) تقنيات التعليم (4) تقنية البلوكشين (12) حوكمة البيانات (3) حوكمة تقنية المعلومات (3) كورونا (3) كوفيد19 (4) كيف أوظف الحوسبة السحابية (4) مفهوم العملات الإفتراضية المشفرة (3)

Print Friendly, PDF & Email

قيمنا

0 / 5. 0

اترك تعليقًا

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

انتقل إلى أعلى