مشكلة الذكاء الصنعي: الآلات هي أشياء تتعلم ولكن لا تستطيع الإدراك

مشكلة الذكاء الصنعيمشكلة الذكاء الصنعي

يتحدث الجميع عن “الذكاء الصنعي” في هذه الأيام. ولكن بالنظر إلى Siri أو اليكسا أو حتى مجرد ميزات التصحيح التلقائي الموجودة في لوحة مفاتيح هاتفك الذكي، فإن هذا الذكاء الصنعي ليس للأغراض العامة. بل هي برامج يمكنها تنفيذ مهام محددة جداً.

أجهزة الكمبيوتر لا يمكنها “التفكير”

عندما تقول إحدى الشركات أنها خرجت بميزة جديدة، فهذا يعني بشكل عام أنَّ الشركة تستخدم تعلم الآلة لبناء شبكة عصبية. “تعلم الآلة” هو أسلوب يتيح للآلة “تعلم” كيفية أداء الأفضل في مهمة محددة.

ونحن لا نهاجم تعلم الآلة هنا! فهو تقنية رائعة مع الكثير من الاستخدامات القوية. لكنه ليس ذكاءً صنعياً ذا هدف عام، وفهم حدود تعلم الآلة يساعدك على فهم سبب محدودية تكنولوجيا الذكاء الصنعي الحالية.

إن “الذكاء الصنعي” كما في أحلام الخيال العلمي هو نوع من الأدمغة الحاسوبية أو الروبوتات التي تفكر في الأشياء وتفهمها كما يفعل البشر. ومثل هذا الذكاء الصنعي سيكون ذكاءً صنعياً عاماً مما يعني القدرة على التفكير في أمور متعددة مختلفة وتطبيق هذا الذكاء يكون على مجالات متعددة مختلفة. والمفهوم المرتبط بهذا النوع من الذكاء الصنعي هو “الذكاء الصنعي القوي”، والذي سيكون آلة قادرة على اختبار الوعي الشبيه بالإنسان.

وليس لدينا هذا النوع من الذكاء الصنعي بعد، ولسنا حتى قريبين منه. فلا يفهم كيان حاسوبي مثل Siri أو Alexa أو Cortana ويفكر كما نفعل نحن البشر. أي لا “يفهم” الأشياء على الإطلاق.

حيثُ يتم تدريب الذكاء الصنعي الذي نقوم به على القيام بمهمة محددة بشكل جيد للغاية، على افتراض أن البشر يمكنهم توفير البيانات لمساعدتهم على التعلم. وبالتالي يتعلمون القيام بشيء ما ولكنهم لا يزالون لا يفهمونه.

الحواسيب لا يمكنها الإدراك

يحتوي جيميل على ميزة “رد ذكي” جديدة تقترح ردوداً على رسائل البريد الإلكتروني. وميزة الرد الذكي تحدد الرد “تم الإرسال من جهاز آيفون” كرد مشترك. كما تقترح أيضاً رد “أحبك” كرد على العديد من أنواع الرسائل الإلكترونية المختلفة، بما في ذلك رسائل البريد الإلكتروني الخاصة بالعمل.

وذلك لأن الحاسب وجيميل لا يفهمان ما تعنيه هذه الردود. ولقد علما أنَّ العديد من الأشخاص يرسلون هذه العبارات في رسائل البريد الإلكتروني. ومن غير المعروف ما إذا كنت تريد أن تقول “أنا أحبك” لرئيسك في العمل أم لا.

وكمثال آخر، تطبيق صور جوجل الذي يعرف التشابه بين الصور ولكنه لا يفهم مدى عدم أهميتها مثلاً.

تعلم الآلة والشبكات العصبية

مع تعلم الآلة، لا يتم برمجة الحاسب للقيام بمهمة محددة فقط. وبدلاً من ذلك يتم تغذية البيانات وتقييمها على أدائها في المهمة.

أحد الأمثلة الأولية على تعلم الآلة هو التعرف على الصور. لنفترض أننا نريد تدريب برنامج حاسب لتحديد الصور التي تحتوي على كلب. يمكننا إعطاء الحاسب ملايين الصور، بعضها يحتوي على كلاب والبعض الآخر لا. ويتم تسمية الصور فيما إذا كانت تحتوي على كلب أم لا. ويقوم برنامج الحاسب “بتدريب” نفسه على التعرف على شكل الكلاب على أساس مجموعة البيانات تلك.

يتم استخدام عملية تعلم الآلة لتدريب الشبكة العصبية، وهي عبارة عن برنامج حاسب ذو طبقات متعددة يمر عبرها كل مدخل من البيانات، وتخصص كل طبقة أوزاناً واحتمالات مختلفة لها قبل اتخاذ القرار في النهاية. ولقد تم تصميمها على طريقة تفكيرنا في عمل الدماغ، مع وجود طبقات مختلفة من العصبونات تشارك في التفكير خلال المهمة. ويشير “التعلم العميق” بشكل عام إلى الشبكات العصبية ذات الطبقات العديدة المكدسة بين المدخلات والمخرجات.

ولأننا نعرف الصور الموجودة في مجموعة البيانات التي تحتوي على كلاب والتي لاتحتوي، يمكننا تشغيل الصور عبر الشبكة العصبية ومعرفة ما إذا كانت تؤدي إلى الإجابة الصحيحة. وإذا قررت الشبكة أن صورة معينة تحتوي علي كلب بأنها لا تحتوي، على سبيل المثال، فهنالك آلية لإخبار الشبكة بأنها خاطئة وتعديل بعض الأشياء والمحاولة مرة أخرى. وهكذا يستمر الحاسب في التحسن عند تحديد ما إذا كانت الصور تحتوي على كلب.

كل هذا يحدث تلقائياً. باستخدام البرنامج المناسب والكثير من البيانات المعدة للحاسب لتدريب نفسه، ويمكنه ضبط شبكته العصبية لتحديد الكلاب في الصور. ونحن نسمي هذا “الذكاء الصنعي”.

ولكن، في نهاية اليوم، لن يكون لديك برنامج حاسب ذكي يفهم ما هو الكلب. بل لديك حاسب يتم تعلمه ليقرر ما إذا كان الكلب في الصورة أم لا. هذا مثير للإعجاب لكن هذا كل ما في وسعه القيام به.

واعتماداً على المدخلات التي قدمتها قد لا تكون الشبكة العصبية ذكية كما تبدو. وعلى سبيل المثال إن لم يكن هنالك أي صور للقطط في مجموعة البيانات الخاصة بك فقد لا ترى الشبكة العصبية فرقاً بين القطط والكلاب وقد تضع علامة كلاب على كل القطط عند إدخال صورها

لماذا يستخدم تعلم الآلة

تعلم الآلة

يستخدم تعلم الآلة لجميع أنواع المهام، بما في ذلك التعرف على الكلام. فمساعدي الصوت مثل جوجل، اليكسا و Siri جيدون في فهم الأصوات البشرية بفضل تقنيات تعلم الآلة التي دربتهم على فهم الكلام البشري. ولقد تدربوا على كمية هائلة من عينات الكلام البشري وأصبحوا أفضل وأفضل في فهم الأصوات التي تتوافق مع الكلمات.

تستخدم السيارات ذاتية القيادة تقنيات تعلم الآلة التي تقوم بتدريب الحاسب على التعرف على الكائنات الموجودة على الطريق وكيفية الاستجابة لها بشكل صحيح. وتطبيق صور جوجل مليء بالميزات مثل الألبومات المباشرة التي تحدد الأشخاص والحيوانات تلقائياً في الصور باستخدام تعلم الآلة.

ويتم استخدام تعلم الآلة مع Face ID على أحدث أجهزة آيفون. ويقوم هاتف آيفون الخاص بك ببناء شبكة عصبية تتعلم كيفية التعرف على وجهك وتُضمن آبل شريحة مخصصة “المحرك العصبي” تعمل على إجراء جميع العمليات لهذه المهام وغيرها من مهام تعلم الآلة.

ويمكن استخدام تعلم الآلة مع الكثير من الأشياء المختلفة الأخرى، بدءاً من كشف الاحتيال في بطاقات الائتمان إلى توصيات المنتجات المخصصة على مواقع التسوق.

ولكن الشبكات العصبية التي تم إنشاؤها باستخدام تعلم الآلة لا تفهم أي شيء. بل مجرد برامج مفيدة يمكن أن تنجز المهام المحددة التي تم تدريبها عليها، وهذا كل شيء.

راجع أيضاً:

5 مفاهيم خاطئة حول الذكاء الاصطناعي

Ali Qa
the authorAli Qa
مهندس اتصالات، محرر ومترجم مقالات تقنية