بقلم تيرنس سينوسكي، جامعة كالفورنيا في ساندييغو
٢٣ اكتوبر ٢٠١٨
المترجم : أبو طه/ عدنان أحمد الحاجي
المقالة ٦٨ لسنة ٢٠١٩
التصنيف: أبحاث الذكاء
October 23, 2018
Terrence Sejnowski, University of California San Dieg
صنع المستقبل لن يتم من قبل البشر وحدهم أو الآلات وحدها - ولكن من خلال عملهما معًا. إن التقنيات التي نُمذجت على طريقة عمل الأدمغة البشرية تقوم بزيادة قدرات الناس ، وستصبح أكثر تأثيراً فقط عندما يعتاد المجتمع على هذه الآلات المقتدرة بشكل متزايد.
 |
| الناس والألة سيتفوقون معاً على قدرات أي منهما لوحده |
المتفائلون في مجال التكنولوجيا قد تخيلوا عالماً ذا إنتاجية بشرية ونوعية حياة مرتفعين (١) ، حيث تضطلع أنظمة الذكاء الاصطناعي بأعمال الحياة الشاقة والإدارية ، مما يفيد الجميع (٢). من ناحية أخرى ، حذر المتشائمون من أن هذه التطورات يمكن أن تأتي بتكلفة باهظة في الوظائف المفقودة وتعطّل المعايش (٣). ويخشى مثيرو الخوف من أن الذكاء الاصطناعي قد يجعل البشر في النهاية مهملين (٤).
ومع ذلك ، فالناس ليسوا جيدين في تخيل المستقبل. في كتابي الجديد ، "ثورة التعلم العميق" (٥) ، كان هدفي هو شرح الماضي والحاضر والمستقبل لهذه الحقل من حقول العلوم والتكنولوجياالسريع التطور. استنتاجي هو أن الذكاء الاصطناعي سيجعلك أكثر ذكاءً ولكن بطرق ستفاجئك.
التعرف على الأنماط
التعلم العميق هو جزء من الذكاء الاصطناعي الذي حقق أكبر قدر من التقدم في حل المشاكل المعقدة (٦)، كالتعرف على الأشياء في الصور ، والتعرف على الكلام من متحدثين متعددين ومعالجة النصوص بالطريقة التي يتحدث بها الناس أو يكتبونها. كما أثبت التعلم العميق أنه مفيد في التعرف على الأنماط في مجموعات البيانات الكبيرة التي تنتجها أجهزة الاستشعار والأجهزة الطبية والأدوات العلمية (٧).
يتمثل الهدف من هذه المقاربة هو في إجاد طرق يمكن أن يمثل فيها الكمبيوتر تعقيد المحيط ويعمم من التجارب (الممارسات) السابقة - حتى إذا كان ما حدث بعد ذلك لا يتشابه تمامًا مع ما حدث من قبل. وكما يستطيع أي شخص التعرف على حيوان معين لم يسبق له أن رآه من قبل هو في الواقع قطة ، خوارزميات التعلم العميق (٨) يمكنها التعرف على جوانب ما يمكن تسميته.ب "شبيهة قط ( القطية) cat-ness" واستخلاص تلك السمات من الصور الجديدة للقطط.
ترتكز أساليب التعلم العميق على نفس المبادئ التي تمد الدماغ البشري بالطاقة (٩). على سبيل المثال ، يتعامل الدماغ مع الكثير من البيانات من أنواع مختلفة في العديد من وحدات المعالجة في نفس الوقت. الخلايا العصبية لها العديد من الوصلات (المشبكية) مع بعضها البعض ، وتزداد هذه الروابط أو تضعف وفقًا لمقدار استخدامها (١٠) ، مما يؤسس لعلاقات بين المدخلات الحسية والمخرجات المفاهيمية.
تستند أكثر شبكات التعلم العميق نجاحًا على أبحاث ستينيات القرن العشرين في بنية القشرة البصرية ، وهي جزء من الدماغ نستخدمها لنرى ، وعلى خوارزميات التعلم التي تم وضعها في الثمانينيات من القرن الماضي. في ذلك الوقت ، لم تكن أجهزة الكمبيوتر سريعة بما يكفي لحل مشاكل العالم الحقيقية حينذاك. الآن ، مع ذلك ، هي بالفعل كذلك ( سريعة).
بالإضافة إلى ذلك ، تم وضع شبكات التعلم كطبقات بعضها فوق بعض ، مما أدى إلى تكوين شبكات من التوصيلات تشبه إلى حد كبير التسلسل الهرمي للطبقات الموجودة في القشرة البصرية (١١). هذا جزء من تقارب (١٢) يحدث بين الذكاء الاصطناعي والذكاء البيولوجي (١٣).
التعلم العميق في الحياة الحقيقية (الفعلية)
التعلم العميق يضيف بالفعل إلى قدرات البشر. لو تستخدم خدمات قوقل Google للبحث على الإنترنت ، أو استخدمت تطبيقاته للترجمة من لغة إلى لغة أخرى أو تحويل الكلام إلى نص ، فإن التكنولوجيا تجعلك أكثر ذكاءًا أو أكثر فاعلية. في الآونة الأخيرة في سفري إلى الصين ، تحدث صديق بالإنجليزية الى هاتفه الذي يعمل بنظام الإندرويد Android ، حيث ترجمه مباشرة إلى الصينية المحكية لسائق سيارة أجرة - تمامًا كالمترجم العالمي في "Star Trek"(١٤).
YouTube
https://youtu.be/Nu-nlQqFCKg
هذه الأنظمة والعديد من الأنظمة الأخرى تعمل بالفعل ، نساعدك في حياتك اليومية حتى لو لم تكن على دراية بها. على سبيل المثال ، بدأ التعلم العميق يتولى مسؤلية قراءة صور الأشعة السينية وصور التقرحات الجلدية للكشف عن السرطان (١٥). سيتمكن طبيبك المحلي قريباً من التعرف على المشاكل التي كانت فقط معروفة اليوم من قبل أفضل الخبراء.
حتى عندما تعرف أن هناك آلة مضمنة (مشاركة) ، قد لا تفهم مدى تعقيد ما تقوم به بالفعل: خلف أمازون اليكسا Alexa مجموعة من شبكات التعلم العميق (١٦ و ١٧) التي تتعرف على طلبك ، وتقوم بتفحص البيانات للإجابة على أسئلتك واتخاذ إجراءات بشأنها بالنيابة عنك.
القيام على تقدم التعلم
لقد كان التعلم العميق فعالاً للغاية في حل مشاكل التعرف على الأنماط ، لكن تجاوز ذلك يتطلب أنظمة دماغية أخرى. عندما يكافأ الحيوان على فعل ما ، فمن المرجح أن يتخذ تدابير مماثلة في المستقبل (١٨). خلايا الدوبامين العصبية الموجودة في العقد العصبية ganglia للدماغ تبلغ عن الفرق بين المكافآت المتوقعة والمُستقبَلة (المستلمة) ، والاي يُطلق عليها ب'خطأ التنبؤ بالمكافأة' reward prediction error (١٩) ، والذي يستخدم لتغيير نقاط قوة الوصلات (الروابط المشبكية) في الدماغ التي تتنبأ بالمكافآت المستقبلية.
إن اقتران هذه المقاربة ، التي تسمى ب تعزيز التعلم reinforcement learning، بالتعلم العميق يمكن أن نعطي أجهزة الكمبيوتر القدرة على التعرف على الاحتمالات غير المتوقعة. من خلال التعرف على نمط ومن ثم الاستجابة له بطريقة تعطي مكافآت ، قد تقترب الآلات من السلوكيات على غرار ما يمكن تسميته بالإبداع البشري. هذه المقاربة المزدوجة هو كيف طور ال ديبمايند DeepMind برنامجاً يسمى AlphaGo ، والذي هزم في عام ٢٠١٦ بطل الشطرنج لي سيدول (٢٠)، وفي العام التالي تغلب على بطل ال Go العالمي ، كي جاي Ke Jie.
الألعاب ليست معقدة كالعالم الحقيقي ، المملوء بأوضاع اللايقين (اللاحتمي) المتغيرة. ماسيمو فيرغاسولا من جامعة كاليفورنيا ، سان دييغو ، وأنا استخدمنا مؤخراً تعزيز التعلم لتعليم طائرة شراعية في الميدان كيف تحلق كطائر في حراريات مضطربة. المستشعرات يمكن توصيلها بطيور حقيقية لاختبار ما إذا كانت تستخدم نفس الإشارات وتستجيب بنفس الطريقة.
وعلى الرغم من هذه النجاحات ، فإن الباحثين لا يفهمون بعد كيف يحل التعلم العميق هذه المسائل . بالطبع ، لا نعرف كيف يحلها الدماغ أيضاً.
في حين قد تبقى أعمال الدماغ الداخلية بعيدة المنال ، إلا أنها مسألة وقت فقط قبل أن يطور الباحثون نظرية التعلم العميق. الفرق هو أنه عند دراسة أجهزة الكمبيوتر ، يستطيع الباحثون الوصول إلى كل وصلة ونمط نشاط في الشبكة. وتيرة التقدم سريعة ، وأوراق البحث تنشر بشكل يومي على arXiv (تعريف من خارج النص: ارشيف اوراق علميه تملكه وتديره جامعة كورنيل ، ٢٠). وقد أعلن عن نتائج مذهلة في شهر ديسمبر ٢٠١٨ (٢١) في مؤتمر أنظمة معالجة المعلومات العصبية في مونتريال ، حيث بيعت ٨ آلاف تذكرة في ١١ دقيقة ،
هناك طريق طويل لنقطعة قبل أن تصل أجهزة الكمبيوتر الى مستوى الذكاء البشري العام. أكبر شبكة تعلم عميق اليوم لديها فقط قوة جزء بحجم حبة الأرز من القشرة العصبية البشرية (٢٢). ونحن لا نعرف بعد كيف يُنظم الدماغ التفاعلات بين مناطق الدماغ الأكبر " ديناميكياً.
لدى الطبيعة بالفعل هذا المستوى من التكامل، خالقة نظام دماغ كبير قادر على تشغيل جميع جوانب جسم الإنسان في حين تتأمل في مسائل عميقة وتقوم بإكمال مهام معقدة. في نهاية المطاف، قد تصبح الأجهزة (النظم) الذاتية (التلقائية) بنفس التعقيد ، منظمةً إلى مخلوقات حية لا تحصى على كوكبنا.
مصادر من داخل وخارج النص
١-https://futurism.com/a-superpower-of-nature-made-this-stunning-image-of-a-far-off-galaxy-possible
٢-https://www.ubs.com/microsites/artificial-intelligence/en/golden-age.html
٣-https://theconversation.com/what-the-industrial-revolution-really-tells-us-about-the-future-of-automation-and-work-82051
٤-https://www.technologyreview.com/s/534871/our-fear-of-artificial-intelligence/
٥-https://mitpress.mit.edu/books/deep-learning-revolution
٦-https://www.forbes.com/sites/bernardmarr/2018/08/20/10-amazing-examples-of-how-deep-learning-ai-is-used-in-practice/#3acfdae4f98a
٧-https://www.microway.com/hpc-tech-tips/deep-learning-applications/
٨-https://www.wired.com/2012/06/google-x-neural-network/
٩-https://mitpress.mit.edu/books/computational-brain
١٠-https://en.m.wikipedia.org/wiki/Synapse
١١-https://academic.oup.com/cercor/article-abstract/1/1/1/408892?redirectedFrom=fulltext
١٢-https://theconversation.com/evolution-is-at-work-in-computers-as-well-as-life-sciences-104519
١٣-https://www.cell.com/neuron/fulltext/S0896-6273(17)30509-3?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0896627317305093%3Fshowall%3Dtrue
١٤-http://www.startrek.com/database_article/universal-translator
١٥-https://www.sciencedaily.com/releases/2018/05/180528190839.htm
١٦-https://aws.amazon.com/lex/
١٧-https://www.tech-wd.com/wd/2017/02/10/ماذا-تعرف-عن-أليكسا-و-أمازون-إيكو-؟-دليل/amp/
١٨-https://psycnet.apa.org/record/1975-20047-000
١٩-http://www.scholarpedia.org/article/Reward_signals
٢٠-https://arxiv.org/
٢١-https://nips.https://nips.cc/
٢٣-http://bionumbers.hms.harvard.edu/bionumber.aspx?id=109245
المصدر الرئيسي
https://theconversation.com/artificial-intelligence-will-make-you-smarter-101296?utm_medium=email&utm_campaign=The%20Weekend%20Conversation%20-%201146910346&utm_content=The%20Weekend%20Conversation%20-%201146910346+Version+A+CID_ddce3af286154a74c0efc76425c87694&utm_source=campaign_monitor_us&utm_term=Artificial%20intelligence%20will%20make%20you%20smarter
للمواضيع المترجمة السابقة يرجى زيارة المدونة على صفحتنا على الإنترنت على هذا العنوان؛
https://sites.google.com/view/adnan-alhajji
ليست هناك تعليقات:
إرسال تعليق