“الذكاء الاصطناعي العام AGI”.. ينافس القدرات البشرية أو يتفوق عليها

AI بالعربي – خاص

شهدت الفترة الأخيرة ظهور العديد من التحذيرات من جانب العلماء بإن الذكاء الاصطناعي قد يتفوق على الذكاء البشري بحلول عام 2027، أي قبل عقود مما كان متوقعًا في السابق. يعتقد عالم الحاسوب الذي أطلق مصطلح “الذكاء الاصطناعي العام” أن الذكاء الاصطناعي على وشك تحقيق “انفجار ذكاء” هائل، وفقًا لصحيفة “ديلي ميل” البريطانية، حيث تنبأ عالم الرياضيات والمستقبلي، بن غورتزل، خلال اختتام قمة حول الذكاء الاصطناعي العام هذا الشهر في مدينة بنما: “أنه قد نتمكن من الوصول إلى الذكاء الاصطناعي العام على مستوى الإنسان في غضون ثلاث إلى ثماني سنوات قادمة على سبيل المثال”.

ما هو الذكاء الاصطناعي العام؟

الذكاء العام الاصطناعي “AGI” هو مجال أبحاث نظرية حول الذكاء الاصطناعي يحاول إنشاء برنامج بذكاء يشبه الإنسان والقدرة على التعليم الذاتي. الهدف هو أن يكون البرنامج قادرًا على أداء المهام التي لم يتم بالضرورة تدريبه عليها أو تطويره من أجلها.

تعمل جميع تقنيات الذكاء الاصطناعي الحالية ضمن مجموعة من المعلومات المحددة مسبقًا. على سبيل المثال، لا أن تنشئ نماذج الذكاء الاصطناعي مواقع ويب إن كانت مدرَّبة على التعرف على الصور وتوليدها. الذكاء العام الاصطناعي هو مسعى نظري لتطوير أنظمة الذكاء الاصطناعي التي تمتلك التحكم الذاتي، ودرجة معقولة من فهم الذات، والقدرة على تعلم مهارات جديدة. يمكنها حل المشاكل المعقدة في البيئات والسياقات التي لم يتم تدريبها عليها عند إنشائها. يظل الذكاء العام الاصطناعي مع القدرات البشرية مفهومًا نظريًا وهدفًا بحثيًا.

الفرق بين الذكاء الاصطناعي والذكاء الاصطناعي العام

على مر العقود، رسم باحثو الذكاء الاصطناعي العديد من المعالم التي طورت الذكاء الآلي بشكل كبير، حتى إلى درجات تحاكي الذكاء البشري في مهام محددة. على سبيل المثال، يستخدم ملخّصو الذكاء الاصطناعي نماذج تعلم الآلة “ML” لاستخراج النقاط المهمة من المستندات وإنشاء ملخص مفهوم. وبالتالي فإن الذكاء الاصطناعي هو تخصص في علوم الكمبيوتر يمكّن البرامج من حل المهام الجديدة والصعبة بأداء على المستوى البشري.

في المقابل، يمكن لنظام الذكاء الاصطناعي العام حل المشكلات في مختلف المجالات، مثل الإنسان، دون تدخل يدوي. بدلاً من الاقتصار على نطاق معين، يمكن لـ”AGI” التعليم الذاتي وحل المشكلات التي لم يتم التدريب عليها من قبل. وبالتالي فإن الذكاء الاصطناعي العام هو تمثيل نظري للذكاء الاصطناعي الكامل الذي يحل المهام المعقدة بقدرات إدراكية بشرية عامة.

يعتقد بعض علماء الكمبيوتر أن الذكاء الاصطناعي العام هو برنامج كمبيوتر افتراضي يتمتع بفهم بشري وقدرات معرفية. يمكن لأنظمة الذكاء الاصطناعي أن تتعلم كيفية التعامل مع المهام غير المألوفة دون تدريب إضافي على مثل هذه النظريات. وبدلاً من ذلك، تتطلب أنظمة الذكاء الاصطناعي التي نستخدمها اليوم تدريبًا كبيرًا قبل أن تتمكن من التعامل مع المهام ذات الصلة في نفس المجال. على سبيل المثال، يجب عليك ضبط نموذج اللغة الكبير المدرب مسبقًا “LLM” باستخدام مجموعات البيانات الطبية قبل أن يتمكن من العمل باستمرار كبرنامج دردشة طبي.

ذكاء اصطناعي قوي مقارنة بالذكاء الاصطناعي الضعيف

الذكاء الاصطناعي القوي هو ذكاء اصطناعي كامل، أو AI، قادر على أداء المهام بمستويات إدراكية بشرية على الرغم من قلة المعرفة الخلفية. غالبًا ما يصور الخيال العلمي الذكاء الاصطناعي القوي كآلة تفكير ذات فهم بشري لا يقتصر على قيود المجال.

في المقابل، فإن الذكاء الاصطناعي الضعيف أو الذكاء الاصطناعي الضيق عبارة عن أنظمة ذكاء اصطناعي تقتصر على مواصفات الحوسبة والخوارزميات والمهام المحددة التي تم تصميمها من أجلها. على سبيل المثال، تتمتع نماذج الذكاء الاصطناعي السابقة بذاكرة محدودة وتعتمد فقط على البيانات في الوقت الفعلي لاتخاذ القرارات. حتى تطبيقات الذكاء الاصطناعي الناشئة ذات الاحتفاظ الأفضل بالذاكرة تعتبر ذكاءً اصطناعيًا ضعيفًا لأنه لا يمكن إعادة استخدامها في مجالات أخرى.

الأساليب النظرية لأبحاث الذكاء العام الاصطناعي

 

يتطلب تحقيق الذكاء الاصطناعي العام نطاقًا أوسع من التقنيات والبيانات والترابط مقارنة بما يدعم نماذج الذكاء الاصطناعي اليوم. يعد الإبداع والإدراك والتعلم والذاكرة أمرًا ضروريًا لإنشاء ذكاء اصطناعي يحاكي السلوك البشري المعقد. اقترح خبراء الذكاء الاصطناعي عدة طرق لدفع أبحاث الذكاء الاصطناعي.

النهج الرمزي – Symbolic

يفترض النهج الرمزي أن أنظمة الكمبيوتر يمكنها تطوير الذكاء الاصطناعي العام من خلال تمثيل الأفكار البشرية بشبكات المنطق المتوسعة. ترمز الشبكة المنطقية إلى الأشياء المادية بمنطق if-else، مما يسمح لنظام الذكاء الاصطناعي بتفسير الأفكار على مستوى تفكير أعلى. ومع ذلك، لا يمكن للتمثيل الرمزي تكرار القدرات المعرفية الدقيقة في المستوى الأدنى، مثل الإدراك.

نهج Connectionist

يركز نهج الاتصال “أو الطوارئ” على تكرار بنية الدماغ البشري مع بنية الشبكة العصبية. يمكن للخلايا العصبية في الدماغ تغيير مسارات انتقالها حيث يتفاعل البشر مع المنبهات الخارجية. يأمل العلماء أن تتمكن نماذج الذكاء الاصطناعي التي تتبنى هذا النهج شبه الرمزي من تكرار الذكاء الشبيه بالإنسان وإظهار القدرات المعرفية منخفضة المستوى. نماذج اللغات الكبيرة هي مثال للذكاء الاصطناعي الذي يستخدم طريقة الاتصال لفهم اللغات الطبيعية.

Universalists

يركز الباحثون الذين يتبعون نهج universalist على معالجة تعقيدات الذكاء الاصطناعي العام على مستوى الحساب. إنهم يحاولون صياغة حلول نظرية يمكنهم إعادة توظيفها في أنظمة الذكاء الاصطناعي العملي.

بنية الكائن الحي بأكمله

يتضمن نهج بنية الكائن الحي بأكمله دمج نماذج الذكاء الاصطناعي مع التمثيل المادي لجسم الإنسان. يعتقد العلماء الذين يدعمون هذه النظرية أن الذكاء الاصطناعي العام لا يمكن تحقيقه إلا عندما يتعلم النظام من التفاعلات الفيزيائية.

هجين

يدرس النهج الهجين الأساليب الرمزية وشبه الرمزية لتمثيل الأفكار البشرية لتحقيق نتائج تتجاوز النهج الواحد. قد يحاول باحثو الذكاء الاصطناعي استيعاب المبادئ والأساليب المعروفة المختلفة لتطوير الذكاء الاصطناعي العام.

التقنيات التي تقود أبحاث الذكاء الاصطناعي العام؟

يظل الذكاء الاصطناعي العام هدفًا بعيدًا للباحثين. الجهود المبذولة لبناء أنظمة الذكاء الاصطناعي العام مستمرة وتشجعها التطورات الناشئة. تصف الأقسام التالية التقنيات الناشئة.

التعلم العميق

التعلم العميق هو تخصص الذكاء الاصطناعي الذي يركز على تدريب الشبكات العصبية ذات الطبقات المخفية المتعددة لاستخراج وفهم العلاقات المعقدة من البيانات الأولية. يستخدم خبراء الذكاء الاصطناعي التعلم العميق لبناء أنظمة قادرة على فهم النصوص والصوت والصور والفيديو وأنواع المعلومات الأخرى. على سبيل المثال، يستخدم المطورون Amazon SageMaker لبناء نماذج التعلم العميق خفيفة الوزن لإنترنت الأشياء “IoT” والأجهزة المحمولة.

الذكاء الاصطناعي المولّد

الذكاء الاصطناعي المولّد “Generative AI” هو مجموعة فرعية من التعلم العميق حيث يمكن لنظام الذكاء الاصطناعي إنتاج محتوى فريد وواقعي من المعرفة المكتسبة. تتدرب نماذج الذكاء الاصطناعي المولّد على مجموعات بيانات ضخمة، والتي تمكنها من الرد على الاستفسارات البشرية من خلال النصوص أو الصوت أو المرئيات التي تشبه بشكل طبيعي الإبداعات البشرية. على سبيل المثال، تعد LLMs من AI21 Labs وAnthropic وCohere وMeta خوارزميات ذكاء اصطناعي مولد يمكن للمؤسسات استخدامها لحل المهام المعقدة. فرق البرامج تستخدم Amazon Bedrock لنشر هذه النماذج بسرعة على السحابة دون توفير خوادم.

 

معالجة اللغة الطبيعية “NLP”

معالجة اللغة الطبيعية “NLP” هي فرع من فروع الذكاء الاصطناعي الذي يسمح لأنظمة الكمبيوتر بفهم وتوليد اللغة البشرية. تستخدم أنظمة NLP اللغويات الحاسوبية وتقنيات التعلم الآلي لتحويل بيانات اللغة إلى تمثيلات بسيطة تسمى الرموز وفهم علاقتها السياقية. على سبيل المثال، Amazon Lex هو محرك NLP يسمح للمؤسسات ببناء روبوتات محادثة.

رؤية الحاسوب

رؤية الحاسوب هي تقنية تسمح للأنظمة باستخراج وتحليل وفهم المعلومات المكانية من البيانات المرئية. تستخدم السيارات ذاتية القيادة نماذج رؤية الحاسوب لتحليل البث في الوقت الفعلي من الكاميرات والتنقل في السيارة بأمان بعيدًا عن العقبات. تسمح تقنيات التعلم العميق لأنظمة رؤية الحاسوب بأتمتة التعرف على الأشياء على نطاق واسع وتصنيفها ومراقبتها ومهام معالجة الصور الأخرى. على سبيل المثال، يستخدم المهندسون Amazon Rekognition لأتمتة تحليل الصور لمختلف تطبيقات رؤية الحاسوب.

تقنية الروبوت

الروبوتات هي تخصص هندسي حيث يمكن للمنظمات بناء أنظمة ميكانيكية تقوم تلقائيًا بمناورات جسدية. في الذكاء الاصطناعي العام، تسمح أنظمة الروبوتات للذكاء الآلي بالظهور جسديًا. إنه أمر محوري لتقديم الإدراك الحسي وقدرات المعالجة الفيزيائية التي تتطلبها أنظمة الذكاء الاصطناعي العام. على سبيل المثال، قد يؤدي دمج ذراع روبوتية مع الذكاء الاصطناعي العام إلى السماح للذراع باستشعار البرتقال وإمساكه وتقشيره كما يفعل البشر. عند البحث عن الذكاء الاصطناعي العام، تستخدم الفرق الهندسية AWS RoboMaker لمحاكاة الأنظمة الروبوتية افتراضيًا قبل تجميعها.

التحديات في أبحاث الذكاء الاصطناعي العام

يواجه علماء الكمبيوتر بعض التحديات التالية في تطوير الذكاء الاصطناعي العام.

إجراء اتصالات

تقتصر نماذج الذكاء الاصطناعي الحالية على مجالها المحدد ولا يمكنها إجراء اتصالات بين المجالات. ومع ذلك، يمكن للبشر تطبيق المعرفة والخبرة من مجال إلى آخر. على سبيل المثال، يتم تطبيق النظريات التعليمية في تصميم الألعاب لخلق تجارب تعليمية جذابة. يمكن للبشر أيضًا تكييف ما تعلموه من التعليم النظري إلى مواقف الحياة الواقعية. ومع ذلك، تتطلب نماذج التعلم العميق تدريبًا كبيرًا مع مجموعات بيانات محددة للعمل بشكل موثوق مع البيانات غير المألوفة.

الذكاء العاطفي

تشير نماذج التعلم العميق إلى إمكانية الذكاء الاصطناعي العام، لكنها لم تُظهر بعد الإبداع الأصيل الذي يمتلكه البشر. يتطلب الإبداع تفكيرًا عاطفيًا، وهو ما لا تستطيع بنية الشبكة العصبية تكراره بعد. على سبيل المثال، يستجيب البشر للمحادثة بناءً على ما يشعرون به عاطفيًا، لكن نماذج البرمجة اللغوية العصبية تولد مخرجات نصية بناءً على مجموعات البيانات اللغوية والأنماط التي يتدربون عليها.

الإدراك الحسي

تتطلب تقنية الذكاء الاصطناعي العام “AI” أنظمة الذكاء الاصطناعي للتفاعل ماديًا مع البيئة الخارجية. إلى جانب قدرات الروبوتات، يجب أن ينظر النظام إلى العالم كما يفعل البشر. تحتاج تقنيات الكمبيوتر الحالية إلى مزيد من التقدم قبل أن تتمكن من التمييز بين الأشكال والألوان والذوق والرائحة والصوت بدقة مثل البشر.