شعار زيفيرنت

ما هو الذكاء الاصطناعي؟ إليك كل ما تحتاج لمعرفته حول الذكاء الاصطناعي

التاريخ:

ما هو الذكاء الاصطناعي (AI)؟

ذلك يعتمد الذي تسأل.

في الخمسينيات من القرن الماضي ، آباء المجال ، مينسكي و  مكارثي، وصف الذكاء الاصطناعي بأنه أي مهمة تؤديها آلة كان يُنظر إليها سابقًا على أنها تتطلب ذكاءً بشريًا.

من الواضح أن هذا تعريف واسع إلى حد ما ، وهذا هو السبب في أنك سترى أحيانًا جدالات حول ما إذا كان الشيء هو حقًا ذكاء اصطناعي أم لا.

التعريفات الحديثة لما يعنيه إنشاء الذكاء أكثر تحديدًا. قال فرانسوا شوليت ، باحث الذكاء الاصطناعي في Google ومؤسس مكتبة برامج التعلم الآلي Keras ، إن الذكاء مرتبط بقدرة النظام على التكيف والارتجال في بيئة جديدة ، لتعميم معرفته وتطبيقها على سيناريوهات غير مألوفة.

"الذكاء هو الكفاءة التي تكتسب بها مهارات جديدة في مهام لم تستعد لها من قبل" ، قال.

"الذكاء ليس مهارة في حد ذاته ؛ ليس ما يمكنك القيام به. إنه مدى جودة وكفاءة تعلم أشياء جديدة ".

إنه تعريف يمكن بموجبه وصف الأنظمة الحديثة التي تعمل بالذكاء الاصطناعي ، مثل المساعدين الافتراضيين ، على أنها أظهرت `` ذكاءً اصطناعيًا ضيقًا '' ، والقدرة على تعميم تدريبهم عند تنفيذ مجموعة محدودة من المهام ، مثل التعرف على الكلام أو رؤية الكمبيوتر.

عادةً ما تُظهر أنظمة الذكاء الاصطناعي على الأقل بعض السلوكيات التالية المرتبطة بالذكاء البشري: التخطيط ، والتعلم ، والاستدلال ، وحل المشكلات ، وتمثيل المعرفة ، والإدراك ، والحركة ، والتلاعب ، وبدرجة أقل ، الذكاء الاجتماعي والإبداع.

ما هي أنواع الذكاء الاصطناعي المختلفة؟

على مستوى عالٍ جدًا ، يمكن تقسيم الذكاء الاصطناعي إلى نوعين عريضين: 

ضيق AI

إن الذكاء الاصطناعي الضيق هو ما نراه من حولنا في أجهزة الكمبيوتر اليوم - أنظمة ذكية تم تدريسها أو تعلمت كيفية تنفيذ مهام محددة دون أن تكون مبرمجة بشكل صريح للقيام بذلك.

يتجلى هذا النوع من ذكاء الآلة في التعرف على الكلام واللغة لمساعد Siri الافتراضي على Apple iPhone ، أو في أنظمة التعرف على الرؤية في السيارات ذاتية القيادة ، أو في محركات التوصية التي تقترح المنتجات التي قد تعجبك بناءً على ما تريده. اشترى في الماضي. على عكس البشر ، لا يمكن لهذه الأنظمة أن تتعلم أو تعلم سوى كيفية القيام بمهام محددة ، وهذا هو سبب تسميتها بالذكاء الاصطناعي الضيق.

العام لمنظمة العفو الدولية

يختلف الذكاء الاصطناعي العام اختلافًا كبيرًا وهو نوع الذكاء القابل للتكيف الموجود في البشر ، وهو شكل مرن من الذكاء قادر على تعلم كيفية تنفيذ مهام مختلفة إلى حد كبير ، أي شيء من قص الشعر إلى بناء جداول البيانات أو التفكير في مجموعة متنوعة من الموضوعات بناءً على تراكمها. خبرة. 

هذا هو نوع الذكاء الاصطناعي الأكثر شيوعًا في الأفلام ، مثل HAL في 2001 أو Skynet في The Terminator ، لكنه غير موجود اليوم - وينقسم خبراء الذكاء الاصطناعي بشدة حول الوقت الذي سيصبح فيه حقيقة واقعة.

ما الذي يمكن أن يفعله تطبيق Narrow AI؟

هناك عدد كبير من التطبيقات الناشئة للذكاء الاصطناعي الضيق:

  • تفسير موجزات الفيديو من طائرات بدون طيار تقوم بعمليات تفتيش بصري للبنية التحتية مثل خطوط أنابيب النفط.
  • تنظيم التقويمات الشخصية والتجارية.
  • الرد على استفسارات خدمة العملاء البسيطة.
  • التنسيق مع الأنظمة الذكية الأخرى لتنفيذ مهام مثل حجز فندق في الوقت والمكان المناسبين.
  • مساعدة أطباء الأشعة لاكتشاف الأورام المحتملة في الأشعة السينية.
  • الإبلاغ عن المحتوى غير المناسب عبر الإنترنت ، واكتشاف البلى في المصاعد من البيانات التي تم جمعها بواسطة أجهزة إنترنت الأشياء.
  • إنشاء نموذج ثلاثي الأبعاد للعالم من صور الأقمار الصناعية ... والقائمة تطول وتطول.

تظهر التطبيقات الجديدة لأنظمة التعلم هذه في كل وقت. مصمم بطاقة الرسوميات كشفت Nvidia مؤخرًا عن نظام Maxine القائم على الذكاء الاصطناعي، والذي يسمح للأشخاص بإجراء مكالمات فيديو عالية الجودة ، بغض النظر تقريبًا عن سرعة اتصالهم بالإنترنت. يقلل النظام من عرض النطاق الترددي اللازم لمثل هذه المكالمات بعامل 10 من خلال عدم إرسال دفق الفيديو الكامل عبر الإنترنت وبدلاً من تحريك عدد صغير من الصور الثابتة للمتصل بطريقة مصممة لإعادة إنتاج تعابير وجه المتصل وحركاته في في الوقت الفعلي ولا يمكن تمييزها عن الفيديو.

ومع ذلك ، بقدر الإمكانات غير المستغلة مثل هذه الأنظمة ، فإن طموحات التكنولوجيا في بعض الأحيان تفوق الواقع. ومن الأمثلة على ذلك السيارات ذاتية القيادة ، التي تدعمها أنظمة تعمل بالذكاء الاصطناعي مثل رؤية الكمبيوتر. تتخلف شركة Tesla للسيارات الكهربائية بعض الشيء عن الجدول الزمني الأصلي للرئيس التنفيذي Elon Musk لترقية نظام الطيار الآلي للسيارة إلى "القيادة الذاتية الكاملة" من قدرات القيادة المساعدة المحدودة للنظام ، مع خيار القيادة الذاتية الكاملة الذي تم طرحه مؤخرًا فقط مجموعة مختارة من السائقين الخبراء كجزء من برنامج اختبار تجريبي.

ما الذي يمكن أن يفعله الذكاء الاصطناعي العام؟

أفادت دراسة استقصائية أجريت بين أربع مجموعات من الخبراء في 2012/13 من قبل باحثي الذكاء الاصطناعي فينسينت سي مولر والفيلسوف نيك بوستروم أن هناك فرصة بنسبة 50٪ لذلك. الذكاء العام الاصطناعي (AGI) سيتم تطويرها بين عامي 2040 و 2050 ، وترتفع إلى 90٪ بحلول عام 2075. وذهبت المجموعة إلى أبعد من ذلك ، وتوقعت أن ما يسمى بـ "الخارق"- الذي يعرِّفه بوستروم بأنه" أي عقل يتجاوز بشكل كبير الأداء المعرفي للإنسان في جميع مجالات الاهتمام تقريبًا "- كان متوقعًا بعد حوالي 30 عامًا من تحقيق الذكاء الاصطناعي العام. 

ومع ذلك ، فإن التقييمات الأخيرة التي أجراها خبراء الذكاء الاصطناعي تتسم بقدر أكبر من الحذر. رواد في مجال أبحاث الذكاء الاصطناعي الحديثة مثل جيفري هينتون وديميس هاسابيس ويان ليكون يقول المجتمع ليس قريبًا من تطوير الذكاء الاصطناعي العام. بالنظر إلى شكوك الأضواء الرائدة في مجال الذكاء الاصطناعي الحديث والطبيعة المختلفة تمامًا لأنظمة الذكاء الاصطناعي الحديثة الضيقة مقارنة بالذكاء الاصطناعي العام ، فربما لا يوجد أساس يذكر للمخاوف من أن الذكاء الاصطناعي العام سيعطل المجتمع في المستقبل القريب.

ومع ذلك ، يعتقد بعض خبراء الذكاء الاصطناعي أن مثل هذه التوقعات متفائلة للغاية نظرًا لفهمنا المحدود للدماغ البشري ويعتقدون أن الذكاء الاصطناعي العام لا يزال على بعد قرون.

ما هي المعالم الحديثة في تطوير الذكاء الاصطناعي؟

واتسون-1.jpg

IBM

في حين أن الذكاء الاصطناعي الضيق الحديث قد يقتصر على أداء مهام محددة ، في إطار تخصصاتها ، فإن هذه الأنظمة قادرة أحيانًا على الأداء الخارق ، وفي بعض الحالات تُظهر إبداعًا فائقًا ، وهي سمة غالبًا ما يتم اعتبارها بشرية في جوهرها.

كان هناك الكثير من الاختراقات لتكوين قائمة نهائية ، ولكن بعض النقاط البارزة تشمل: 

  • في عام 2009 ، أظهرت Google أن سيارة تويوتا بريوس ذاتية القيادة يمكنها إكمال أكثر من 10 رحلات كل منها 100 ميل ، مما يضع المجتمع على طريق نحو المركبات ذاتية القيادة.
  • في عام 2011 ، نظام الكمبيوتر تصدرت شركة IBM Watson عناوين الصحف في جميع أنحاء العالم عندما فازت في مسابقة Jeopardy بالولايات المتحدة!، بفوزه على اثنين من أفضل اللاعبين الذين قدمهم العرض على الإطلاق. للفوز بالعرض ، استخدم Watson معالجة وتحليلات اللغة الطبيعية على مستودعات ضخمة من البيانات التي تتم معالجتها للإجابة على الأسئلة التي يطرحها الإنسان ، غالبًا في جزء من الثانية.
  • في عام 2012 ، بشرت طفرة أخرى بإمكانية الذكاء الاصطناعي في التعامل مع العديد من المهام الجديدة التي كان يُعتقد سابقًا أنها معقدة للغاية بالنسبة لأي جهاز. في ذلك العام ، انتصر نظام AlexNet بشكل حاسم في تحدي التعرف المرئي على نطاق واسع على ImageNet. كانت دقة AlexNet من النوع الذي خفض معدل الخطأ إلى النصف مقارنة بالأنظمة المنافسة في مسابقة التعرف على الصور.

أظهر أداء AlexNet قوة أنظمة التعلم القائمة على الشبكات العصبية ، وهو نموذج للتعلم الآلي كان موجودًا لعقود من الزمان ولكنه كان يدرك أخيرًا إمكاناته بسبب التحسينات في الهندسة المعمارية والقفزات في قوة المعالجة المتوازية التي أتاحها قانون مور. احتلت براعة أنظمة التعلم الآلي في تنفيذ رؤية الكمبيوتر عناوين الأخبار أيضًا في ذلك العام تقوم Google بتدريب نظام للتعرف على مفضل على الإنترنت: صور القطط.

العرض التالي لفعالية أنظمة التعلم الآلي الذي لفت انتباه الجمهور كان انتصار 2016 لـ Google DeepMind AlphaGo AI على خبير بشري في Go، وهي لعبة صينية قديمة تسبب تعقيدها في إرباك أجهزة الكمبيوتر لعقود. لدى Go حوالي 200 حركة ممكنة لكل دور مقارنة بحوالي 20 حركة في الشطرنج. على مدار لعبة Go ، هناك العديد من الحركات المحتملة التي تبحث في كل منها مقدمًا لتحديد أفضل لعبة مكلفة للغاية من وجهة نظر حسابية. بدلاً من ذلك ، تم تدريب AlphaGo على كيفية لعب اللعبة من خلال اتخاذ الحركات التي يلعبها الخبراء البشريون في 30 مليون لعبة Go وإدخالها في الشبكات العصبية ذات التعلم العميق.

يمكن أن يستغرق تدريب شبكات التعلم العميق هذه وقتًا طويلاً للغاية ، مما يتطلب استيعاب كميات هائلة من البيانات وتكرارها حيث يقوم النظام تدريجياً بتحسين نموذجه من أجل تحقيق أفضل النتائج.

ومع ذلك، في الآونة الأخيرة ، قامت Google بتحسين عملية التدريب باستخدام AlphaGo Zero، وهو نظام لعب ألعابًا "عشوائية تمامًا" ضد نفسه ثم تعلم منها. كما كشف ديميس هاسابيس ، الرئيس التنفيذي لشركة Google DeepMind ، عن إصدار جديد من AlphaGo Zero الذي أتقن لعبتي الشطرنج والشوجي.

ويستمر الذكاء الاصطناعي في تجاوز المعالم الجديدة: هزم نظام دربته OpenAI أفضل اللاعبين في العالم في المباريات الفردية للعبة Dota 2 متعددة اللاعبين عبر الإنترنت.

في نفس العام ، أنشأت شركة OpenAI وكلاء للذكاء الاصطناعي اخترعوا لغته الخاصة للتعاون وتحقيق هدفهم بشكل أكثر فاعلية ، يليه وكلاء تدريب Facebook إلى تفاوض و  كذبة.

كان عام 2020 هو العام الذي اكتسب فيه نظام الذكاء الاصطناعي على ما يبدو القدرة على الكتابة والتحدث كإنسان حول أي موضوع تقريبًا قد يخطر ببالك.

النظام المعني ، المعروف باسم Transformer 3 Generative Pre-trainer 3 أو GPT-XNUMX باختصار ، عبارة عن شبكة عصبية مدربة على مليارات المقالات باللغة الإنجليزية المتاحة على شبكة الويب المفتوحة.

بعد فترة وجيزة من إتاحتها للاختبار من قبل منظمة OpenAI غير الربحية ، كان الإنترنت يضج بقدرة GPT-3 على إنشاء مقالات حول أي موضوع تقريبًا تم تغذيته به ، وهي مقالات كان من الصعب غالبًا للوهلة الأولى تميز عن تلك التي كتبها الإنسان. وبالمثل ، تبعت نتائج مبهرة في مجالات أخرى ، مع قدرتها على ذلك الإجابة بشكل مقنع على الأسئلة المتعلقة بمجموعة واسعة من الموضوعات و  حتى تمرير لمبرمج جافا سكريبت مبتدئ.

ولكن في حين أن العديد من المقالات التي تم إنشاؤها بواسطة GPT-3 كانت تتمتع بجو من الواقعية ، فإن المزيد من الاختبارات وجدت أن الجمل التي تم إنشاؤها في كثير من الأحيان لم تنجح ، تقديم عبارات معقولة ظاهريًا ولكنها مشوشة ، وكذلك في بعض الأحيان محض هراء.

لا يزال هناك اهتمام كبير باستخدام فهم اللغة الطبيعية للنموذج فيما يتعلق بأساس الخدمات المستقبلية. أنه متاح للمطورين المختارين لتضمينه في البرامج عبر واجهة برمجة تطبيقات OpenAI's beta API. سيكون كذلك مدمج في الخدمات المستقبلية المتاحة عبر النظام الأساسي السحابي Azure من Microsoft.

ربما كان أبرز مثال على إمكانات الذكاء الاصطناعي جاء في أواخر عام 2020 عندما أظهرت الشبكة العصبية القائمة على الانتباه AlphaFold 2 من Google نتيجة وصفها البعض بأنها تستحق جائزة نوبل في الكيمياء.

إن قدرة النظام على النظر إلى اللبنات الأساسية للبروتين ، والمعروفة باسم الأحماض الأمينية ، واشتقاق بنية البروتين ثلاثية الأبعاد يمكن أن تؤثر بشكل كبير على معدل فهم الأمراض ، وتطوير الأدوية. في مسابقة التقييم النقدي لتوقع بنية البروتين ، حدد AlphaFold 3 البنية ثلاثية الأبعاد للبروتين بدقة تنافس علم البلورات ، وهو المعيار الذهبي لنمذجة البروتينات بشكل مقنع.

على عكس علم البلورات ، الذي يستغرق شهورًا لإرجاع النتائج ، يمكن لـ AlphaFold 2 نمذجة البروتينات في غضون ساعات. نظرًا لأن البنية ثلاثية الأبعاد للبروتينات تلعب دورًا مهمًا في علم الأحياء والأمراض البشرية ، فقد كان مثل هذا التسريع بشرت بأنها إنجاز تاريخي في مجال العلوم الطبيةناهيك عن التطبيقات المحتملة في المجالات الأخرى حيث تستخدم الإنزيمات في التكنولوجيا الحيوية.

ما هو تعلُم الآلة؟

عمليا جميع الإنجازات المذكورة حتى الآن نابعة من التعلم الآلي ، وهي مجموعة فرعية من الذكاء الاصطناعي تمثل الغالبية العظمى من الإنجازات في هذا المجال في السنوات الأخيرة. عندما يتحدث الناس عن الذكاء الاصطناعي اليوم ، فإنهم يتحدثون عمومًا عن التعلم الآلي. 

تستمتع حاليًا بشيء من الظهور ، بعبارات بسيطة ، التعلم الآلي هو المكان الذي يتعلم فيه نظام الكمبيوتر كيفية أداء مهمة بدلاً من أن تتم برمجته على كيفية القيام بذلك. يعود تاريخ هذا الوصف للتعلم الآلي إلى عام 1959 عندما صاغه آرثر صموئيل ، رائد هذا المجال الذي طور أحد أنظمة التعلم الذاتي الأولى في العالم ، وهو برنامج Samuel Checkers-play.

للتعلم ، يتم تغذية هذه الأنظمة بكميات هائلة من البيانات ، والتي تستخدمها بعد ذلك لتعلم كيفية تنفيذ مهمة محددة ، مثل فهم الكلام أو كتابة تعليق على الصورة. تعد جودة وحجم مجموعة البيانات هذه مهمين لبناء نظام قادر على تنفيذ المهمة المحددة له بدقة. على سبيل المثال ، إذا كنت تبني نظامًا للتعلم الآلي للتنبؤ بأسعار المنازل ، فيجب أن تتضمن بيانات التدريب أكثر من مجرد حجم العقار ، ولكن عوامل أخرى بارزة مثل عدد غرف النوم أو حجم الحديقة.

ما هي الشبكات العصبية؟

مفتاح نجاح التعلم الآلي هو الشبكات العصبية. هذه النماذج الرياضية قادرة على تعديل المعلمات الداخلية لتغيير ما ينتجونه. يتم تغذية الشبكة العصبية بمجموعات البيانات التي تعلمها ما يجب أن تبصقه عند تقديم بيانات معينة أثناء التدريب. بعبارات ملموسة ، قد يتم تغذية الشبكة بصور ذات تدرج رمادي للأرقام بين صفر و 9 ، جنبًا إلى جنب مع سلسلة من الأرقام الثنائية - الأصفار والآحاد - التي تشير إلى الرقم الذي يظهر في كل صورة ذات تدرج رمادي. سيتم بعد ذلك تدريب الشبكة ، وتعديل معلماتها الداخلية حتى تصنف الرقم الموضح في كل صورة بدرجة عالية من الدقة. يمكن بعد ذلك استخدام هذه الشبكة العصبية المدربة لتصنيف الصور الأخرى ذات التدرج الرمادي للأرقام بين صفر و 9. تم استخدام هذه الشبكة في ورقة بحثية توضح تطبيق الشبكات العصبية التي نشرها Yann LeCun في عام 1989 واستخدمتها خدمة البريد الأمريكية. للتعرف على الرموز البريدية المكتوبة بخط اليد.

تعتمد بنية وعمل الشبكات العصبية بشكل فضفاض للغاية على الروابط بين الخلايا العصبية في الدماغ. تتكون الشبكات العصبية من طبقات مترابطة من الخوارزميات التي تغذي البيانات في بعضها البعض. يمكن تدريبهم على تنفيذ مهام محددة عن طريق تعديل الأهمية المنسوبة للبيانات أثناء مرورها بين هذه الطبقات. أثناء تدريب هذه الشبكات العصبية ، ستستمر الأوزان المرتبطة بالبيانات أثناء مرورها بين الطبقات بالتنوع حتى يصبح الناتج من الشبكة العصبية قريبًا جدًا مما هو مطلوب. في هذه المرحلة ، ستكون الشبكة قد "تعلمت" كيفية تنفيذ مهمة معينة. يمكن أن يكون الناتج المطلوب أي شيء بدءًا من وضع العلامات الصحيحة للفاكهة في صورة ما إلى التنبؤ بمتى قد يفشل المصعد بناءً على بيانات المستشعر الخاصة به.

مجموعة فرعية من التعلم الآلي هي التعلم العميق ، حيث يتم توسيع الشبكات العصبية إلى شبكات مترامية الأطراف مع عدد كبير من الطبقات الكبيرة التي يتم تدريبها باستخدام كميات هائلة من البيانات. لقد غذت هذه الشبكات العصبية العميقة القفزة الحالية إلى الأمام في قدرة أجهزة الكمبيوتر على تنفيذ مهام مثل التعرف على الكلام ورؤية الكمبيوتر.

هناك أنواع مختلفة من الشبكات العصبية بنقاط قوة وضعف مختلفة. الشبكات العصبية المتكررة (RNN) هي نوع من الشبكات العصبية مناسبة بشكل خاص لمعالجة اللغة الطبيعية (NLP) - فهم معنى النص - والتعرف على الكلام ، في حين أن الشبكات العصبية التلافيفية لها جذورها في التعرف على الصور ولها استخدامات متنوعة مثل التوصية الأنظمة و البرمجة اللغوية العصبية. يتطور تصميم الشبكات العصبية أيضًا مع الباحثين تحسين شكل أكثر فاعلية للشبكة العصبية العميقة يسمى الذاكرة طويلة المدى أو LSTM - نوع من بنية RNN المستخدمة في مهام مثل البرمجة اللغوية العصبية ولتنبؤات سوق الأوراق المالية - مما يسمح لها بالعمل بسرعة كافية لاستخدامها في الأنظمة عند الطلب مثل Google Translate. 

ai-ml-neural-network.jpg

هيكل وتدريب الشبكات العصبية العميقة.

الصورة: فارق بسيط

ما هي الأنواع الأخرى من الذكاء الاصطناعي؟

مجال آخر لأبحاث الذكاء الاصطناعي هو الإحتساب التطوري.

إنها مستعارة من نظرية داروين في الانتقاء الطبيعي. يرى أن الخوارزميات الجينية تخضع لطفرات ومجموعات عشوائية بين الأجيال في محاولة لتطوير الحل الأمثل لمشكلة معينة.

تم استخدام هذا النهج للمساعدة في تصميم نماذج الذكاء الاصطناعي ، واستخدام الذكاء الاصطناعي بشكل فعال للمساعدة في بناء الذكاء الاصطناعي. يسمى هذا الاستخدام للخوارزميات التطورية لتحسين الشبكات العصبية بالتطور العصبي. يمكن أن يلعب دورًا مهمًا في المساعدة في تصميم الذكاء الاصطناعي الفعال حيث يصبح استخدام الأنظمة الذكية أكثر انتشارًا ، خاصة وأن الطلب على علماء البيانات غالبًا ما يفوق العرض. تم عرض هذه التقنية من قبل مختبرات أوبر للذكاء الاصطناعي ، التي أصدرت أوراقًا على استخدام الخوارزميات الجينية لتدريب الشبكات العصبية العميقة على مشاكل التعلم المعزز.

وأخيرا ، هناك النظم الخبيرة، حيث تتم برمجة أجهزة الكمبيوتر بقواعد تسمح لها باتخاذ سلسلة من القرارات بناءً على عدد كبير من المدخلات ، مما يسمح لهذا الجهاز بتقليد سلوك خبير بشري في مجال معين. مثال على هذه الأنظمة القائمة على المعرفة قد يكون ، على سبيل المثال ، نظام الطيار الآلي الذي يطير على متن طائرة.

ما الذي يؤجج عودة ظهور الذكاء الاصطناعي؟

كما هو موضح أعلاه ، كانت أكبر الإنجازات التي حققتها أبحاث الذكاء الاصطناعي في السنوات الأخيرة في مجال التعلم الآلي ، ولا سيما في مجال التعلم العميق.

كان الدافع وراء ذلك جزئيًا هو سهولة توافر البيانات ، ولكن بشكل أكبر بسبب الانفجار في قوة الحوسبة المتوازية ، وخلال هذه الفترة أصبح استخدام مجموعات وحدات معالجة الرسومات (GPU) لتدريب أنظمة التعلم الآلي أكثر انتشارًا. 

لا تقدم هذه المجموعات أنظمة أكثر قوة لتدريب نماذج التعلم الآلي فحسب ، بل إنها متاحة الآن على نطاق واسع كخدمات سحابية عبر الإنترنت. مع مرور الوقت ، شركات التكنولوجيا الكبرى ، من أمثال شراء مراجعات جوجل, مایکروسافت، و Tesla ، إلى استخدام شرائح متخصصة مصممة لكل من نماذج التعلم الآلي الجارية ، ومؤخراً للتدريب.

مثال على إحدى هذه الرقائق المخصصة هي وحدة معالجة Tensor (TPU) من Google ، أحدث إصدار منها يعمل على تسريع معدل نماذج التعلم الآلي المفيدة التي تم إنشاؤها باستخدام مكتبة برامج Google TensorFlow التي يمكن أن تستنتج المعلومات من البيانات ، بالإضافة إلى المعدل في التي يمكن تدريبهم عليها.

تُستخدم هذه الرقائق لتدريب نماذج لـ DeepMind و Google Brain والنماذج التي تدعم الترجمة من Google والتعرف على الصور في صور Google والخدمات التي تسمح للجمهور ببناء نماذج التعلم الآلي باستخدام سحابة أبحاث TensorFlow من Google. تم الكشف عن الجيل الثالث من هذه الرقائق في مؤتمر Google I / O في مايو 2018 وتم تجميعها منذ ذلك الحين في مراكز قوة للتعلم الآلي تسمى pods التي يمكنها تنفيذ أكثر من مائة ألف تريليون عملية فاصلة عائمة في الثانية (100 بيتافلوب). سمحت ترقيات TPU المستمرة هذه لشركة Google بتحسين خدماتها المبنية على أعلى نماذج التعلم الآلي ، على سبيل المثال ، خفض الوقت المستغرق في تدريب النماذج المستخدمة في ترجمة Google إلى النصف.

ما هي عناصر التعلم الآلي؟

كما ذكرنا ، يعد التعلم الآلي مجموعة فرعية من الذكاء الاصطناعي وينقسم عمومًا إلى فئتين رئيسيتين: التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف.

الإشراف على التعلم

من الأساليب الشائعة لتدريس أنظمة الذكاء الاصطناعي تدريبها باستخدام العديد من الأمثلة المصنفة. يتم تغذية أنظمة التعلم الآلي هذه بكميات هائلة من البيانات ، والتي تم شرحها لإبراز ميزات الاهتمام. قد تكون هذه صورًا مصنفة للإشارة إلى ما إذا كانت تحتوي على كلب أو جمل مكتوبة بها حواشي سفلية للإشارة إلى ما إذا كانت كلمة "باس" تتعلق بالموسيقى أو سمكة. بمجرد التدريب ، يمكن للنظام بعد ذلك تطبيق هذه الملصقات على البيانات الجديدة ، على سبيل المثال ، لكلب في صورة تم تحميلها للتو.

تسمى عملية تعليم الآلة بالقدوة التعلم الخاضع للإشراف. يتم عادةً تسمية هذه الأمثلة بواسطة العاملون عبر الإنترنت الذين يتم توظيفهم من خلال منصات مثل Amazon Mechanical Turk.

يتطلب تدريب هذه الأنظمة عادةً كميات هائلة من البيانات ، حيث تحتاج بعض الأنظمة إلى البحث عن ملايين الأمثلة لمعرفة كيفية تنفيذ مهمة ما بشكل فعال - على الرغم من أن هذا ممكن بشكل متزايد في عصر البيانات الضخمة والتنقيب عن البيانات على نطاق واسع. مجموعات بيانات التدريب ضخمة ومتنامية في الحجم - تحتوي مجموعة بيانات الصور المفتوحة من Google على حوالي تسعة ملايين صورة، بينما يسمى مستودع الفيديو الخاص به يوتيوب -8 م روابط إلى سبعة ملايين مقطع فيديو مصنّف. IMAGEnet، إحدى قواعد البيانات الأولى من هذا النوع ، لديها أكثر من 14 مليون صورة مصنفة. تم تجميعها على مدار عامين ، وتم تجميعها من قبل ما يقرب من 50 شخص - تم تجنيد معظمهم من خلال Amazon Mechanical Turk - قاموا بفحص وفرز وتسمية ما يقرب من مليار صورة مرشحة. 

قد يكون الوصول إلى مجموعات البيانات الضخمة المصنفة أقل أهمية أيضًا من الوصول إلى كميات كبيرة من قوة الحوسبة على المدى الطويل.

في السنوات الأخيرة ، شبكات الخصومة التوليدية (شبكات GAN) في أنظمة التعلم الآلي التي لا تتطلب سوى كمية صغيرة من البيانات المصنفة جنبًا إلى جنب مع كمية كبيرة من البيانات غير الموسومة ، والتي ، كما يوحي الاسم ، تتطلب عملًا يدويًا أقل للتحضير.

يمكن أن يسمح هذا النهج بزيادة استخدام التعلم شبه الخاضع للإشراف ، حيث يمكن للأنظمة تعلم كيفية تنفيذ المهام باستخدام كمية أقل بكثير من البيانات المصنفة مما هو ضروري لأنظمة التدريب باستخدام التعلم تحت الإشراف اليوم.

تعليم غير مشرف عليه

في المقابل ، يستخدم التعلم غير الخاضع للإشراف نهجًا مختلفًا ، حيث تحاول الخوارزميات تحديد الأنماط في البيانات ، والبحث عن أوجه التشابه التي يمكن استخدامها لتصنيف تلك البيانات.

مثال على ذلك قد يكون تجميع الفواكه التي تزن نفس الكمية أو سيارات ذات حجم محرك مشابه.

لم يتم إعداد الخوارزمية مسبقًا لانتقاء أنواع معينة من البيانات ؛ إنه يبحث ببساطة عن البيانات التي يمكن أن تجمعها أوجه التشابه ، على سبيل المثال ، أخبار Google التي تجمع الأخبار معًا حول مواضيع متشابهة كل يوم.

تعزيز التعلم

تشبيه بسيط للتعلم المعزز يكافئ حيوانًا أليفًا بمكافأة عندما يؤدي خدعة. في التعلم المعزز ، يحاول النظام تعظيم المكافأة بناءً على بيانات الإدخال الخاصة به ، ويمر بشكل أساسي بعملية التجربة والخطأ حتى يصل إلى أفضل نتيجة ممكنة.

مثال على التعلم المعزز هو شبكة Google DeepMind's Deep Q-network ، والتي تم استخدامه لتحقيق أفضل أداء بشري في مجموعة متنوعة من ألعاب الفيديو الكلاسيكية. يتم تغذية النظام بالبكسل من كل لعبة ويحدد المعلومات المختلفة ، مثل المسافة بين الكائنات على الشاشة.

من خلال النظر أيضًا في النتيجة التي تم تحقيقها في كل لعبة ، يبني النظام نموذجًا من شأنه أن يزيد الإجراء من النتيجة في ظروف مختلفة ، على سبيل المثال ، في حالة لعبة الفيديو Breakout ، حيث يجب تحريك المضرب من أجل اعتراض الكرة.

التقرب يستخدم أيضًا في أبحاث الروبوتات، حيث يمكن أن يساعد التعلم المعزز في تعليم الروبوتات المستقلة الطريقة المثلى للتصرف في بيئات العالم الحقيقي.

ai-ml-gartner-hype-cycle.jpg

تقترب العديد من التقنيات المتعلقة بالذكاء الاصطناعي ، أو وصلت بالفعل ، إلى "ذروة التوقعات المتضخمة" في Hype Cycle من Gartner ، مع وجود "حوض خيبة الأمل" المدفوع برد فعل عنيف في الانتظار.

الصورة: جارتنر / التعليقات التوضيحية: ZDNet

ما هي الشركات الرائدة في مجال الذكاء الاصطناعي؟

مع لعب الذكاء الاصطناعي دورًا رئيسيًا بشكل متزايد في البرامج والخدمات الحديثة ، تكافح كل شركة تقنية كبرى لتطوير تقنية قوية للتعلم الآلي لاستخدامها داخليًا وبيعها للجمهور عبر الخدمات السحابية.

يتصدر كل منها عناوين الأخبار بانتظام لكسر آفاق جديدة في أبحاث الذكاء الاصطناعي ، على الرغم من أنه من المحتمل أن تكون Google مع أنظمة DeepMind AI AlphaFold و AlphaGo هي التي أحدثت أكبر تأثير على الوعي العام بالذكاء الاصطناعي

ما هي خدمات الذكاء الاصطناعي المتوفرة؟

توفر جميع الأنظمة الأساسية السحابية الرئيسية - Amazon Web Services و Microsoft Azure و Google Cloud Platform - إمكانية الوصول إلى صفيفات GPU للتدريب وتشغيل نماذج التعلم الآلي ، باستخدام تستعد Google أيضًا للسماح للمستخدمين باستخدام وحدات معالجة Tensor - رقائق مخصصة تم تحسين تصميمها للتدريب وتشغيل نماذج التعلم الآلي.

تتوفر جميع البنية التحتية والخدمات الضرورية المرتبطة بها من الثلاثة الكبار ، مخازن البيانات المستندة إلى السحابة ، القادرة على الاحتفاظ بكمية هائلة من البيانات اللازمة لتدريب نماذج التعلم الآلي ، والخدمات لتحويل البيانات لإعدادها للتحليل ، وأدوات التصور لعرض النتائج بوضوح ، والبرامج التي تبسط بناء النماذج.

تعمل الأنظمة الأساسية السحابية هذه على تبسيط عملية إنشاء نماذج مخصصة للتعلم الآلي من خلال عروض Google خدمة تعمل على أتمتة إنشاء نماذج الذكاء الاصطناعي ، تسمى Cloud AutoML. تعمل خدمة السحب والإفلات هذه على إنشاء نماذج مخصصة للتعرف على الصور وتتطلب من المستخدم ألا يمتلك خبرة في التعلم الآلي.

تتطور خدمات التعلم الآلي القائمة على السحابة باستمرار. تقدم Amazon الآن مجموعة من عروض AWS مصمم لتبسيط عملية تدريب نماذج التعلم الآلي و  أطلقت مؤخرًا Amazon SageMaker Clarify، أداة لمساعدة المنظمات على استئصال التحيزات والاختلالات في بيانات التدريب التي يمكن أن تؤدي إلى تنبؤات منحرفة من خلال النموذج المدرب.

بالنسبة لتلك الشركات التي لا ترغب في بناء نماذج التعلم الآلي الخاصة بها ولكنها ترغب بدلاً من ذلك في استهلاك الخدمات التي تعمل بالذكاء الاصطناعي عند الطلب ، مثل الصوت والرؤية والتعرف على اللغة ، فإن Microsoft Azure تتميز بمجموعة واسعة من الخدمات على تقدم ، تليها Google Cloud Platform عن كثب ثم AWS. وفي الوقت نفسه ، تحاول شركة IBM ، جنبًا إلى جنب مع عروضها العامة عند الطلب ، بيع خدمات الذكاء الاصطناعي الخاصة بالقطاع والتي تستهدف كل شيء من الرعاية الصحية إلى البيع بالتجزئة ، وتجميع هذه العروض معًا في إطار مظلة IBM Watson ، واستثمرت ملياري دولار في شراء The Weather Channel لفتح مجموعة من البيانات لتعزيز خدمات الذكاء الاصطناعي.

أي من شركات التكنولوجيا الكبرى تفوز في سباق الذكاء الاصطناعي؟

amazon echo plus 2.jpg

الصورة: جيسون سيبرياني / ZDNet

داخليًا ، يستخدم كل عملاق تقني وآخرون مثل Facebook الذكاء الاصطناعي للمساعدة في دفع عدد لا يحصى من الخدمات العامة: تقديم نتائج البحث ، وتقديم التوصيات ، والتعرف على الأشخاص والأشياء في الصور ، والترجمة عند الطلب ، واكتشاف البريد العشوائي - القائمة واسعة النطاق.

لكن أحد أبرز مظاهر حرب الذكاء الاصطناعي هذه هو ظهور المساعدين الافتراضيين ، مثل Apple's Siri و Amazon's Alexa و Google Assistant و Microsoft Cortana.

بالاعتماد بشكل كبير على التعرف على الصوت ومعالجة اللغة الطبيعية والحاجة إلى مجموعة هائلة للاستفادة منها للإجابة على الاستفسارات ، يذهب قدر هائل من التكنولوجيا في تطوير هؤلاء المساعدين.

ولكن على الرغم من أن Siri من Apple قد احتل مكانة بارزة أولاً ، إلا أن Google و Amazon اللذان تجاوز مساعدا شركة Apple منذ ذلك الحين في مجال الذكاء الاصطناعي - Google Assistant بقدرته على الإجابة على مجموعة واسعة من الاستفسارات و Alexa من Amazon مع العدد الهائل من "المهارات" التي أنشأها مطورو الجهات الخارجية للإضافة إلى إمكاناتها.

بمرور الوقت ، يكتسب هؤلاء المساعدون قدرات تجعلهم أكثر استجابة وأكثر قدرة على التعامل مع أنواع الأسئلة التي يطرحها الأشخاص في المحادثات العادية. على سبيل المثال ، يقدم مساعد Google الآن ميزة تسمى المحادثة المستمرة ، حيث يمكن للمستخدم طرح أسئلة متابعة على استعلامه الأولي ، مثل "ما هو الطقس اليوم؟" ، متبوعًا بـ "ماذا عن الغد؟" ويتفهم النظام سؤال المتابعة يتعلق أيضًا بالطقس.

يمكن أيضًا لهؤلاء المساعدين والخدمات المرتبطة بها التعامل مع أكثر من مجرد الكلام ، مع أحدث تجسيد لـ Google Lens قادرة على ترجمة النص إلى صور والسماح لك بالبحث عن الملابس أو الأثاث باستخدام الصور.

على الرغم من كونه مدمجًا في نظام التشغيل Windows 10 ، إلا أن Cortana مرت بوقت عصيب بشكل خاص مؤخرًا ، مع توفر Alexa من Amazon الآن مجانًا على أجهزة الكمبيوتر التي تعمل بنظام Windows 10. في نفس الوقت ، مايكروسوفت تجديد دور Cortana في نظام التشغيل للتركيز بشكل أكبر على مهام الإنتاجية ، مثل إدارة جدول المستخدم ، بدلاً من المزيد من الميزات التي تركز على المستهلك الموجودة في المساعدين الآخرين ، مثل تشغيل الموسيقى.  

ما هي الدول التي تقود الطريق في مجال الذكاء الاصطناعي؟

سيكون من الخطأ الفادح الاعتقاد أن عمالقة التكنولوجيا في الولايات المتحدة لديهم مجال الذكاء الاصطناعي. تستثمر الشركات الصينية علي بابا وبايدو ولينوفو بكثافة في الذكاء الاصطناعي في مجالات تتراوح من التجارة الإلكترونية إلى القيادة الذاتية. كدولة ، تنتهج الصين خطة من ثلاث خطوات لتحويل الذكاء الاصطناعي إلى صناعة أساسية للبلاد ، ستبلغ قيمته 150 مليار يوان (22 مليار دولار) بنهاية عام 2020 لتصبح قوة الذكاء الاصطناعي الرائدة في العالم بحلول عام 2030.

استثمرت بايدو في تطوير سيارات ذاتية القيادة، مدعومًا بخوارزمية التعلم العميق ، Baidu AutoBrain. بعد عدة سنوات من الاختبارات ، مع وجود سيارتها ذاتية القيادة Apollo قطعت أكثر من ثلاثة ملايين ميل من القيادة في الاختبارات ، ونقلت أكثر من 100 راكب في 000 مدينة حول العالم.

أطلقت Baidu أسطولًا من 40 Apollo Go Robotaxis في بكين هذا العام. توقع مؤسس الشركة أن تكون المركبات ذاتية القيادة شائعة في مدن الصين في غضون خمس سنوات. 

مزيج من قوانين الخصوصية الضعيفة والاستثمارات الضخمة وجمع البيانات المتضافر وتحليلات البيانات الضخمة من قبل الشركات الكبرى مثل Baidu و Alibaba و Tencent ، يعني أن بعض المحللين يعتقدون أن الصين ستتمتع بميزة على الولايات المتحدة عندما يتعلق الأمر بأبحاث الذكاء الاصطناعي المستقبلية ، مع أحد المحللين الذين يصفون فرص تتقدم الصين على الولايات المتحدة بنسبة 500 إلى 1 لصالح الصين.

بايدو-الحكم الذاتي-car.jpg

سيارة بايدو ذاتية القيادة ، سلسلة BMW 3 معدلة.

الصورة: بايدو

كيف يمكنني البدء في استخدام الذكاء الاصطناعي؟

بينما يمكنك شراء Nvidia GPU متوسط ​​القوة لجهاز الكمبيوتر الخاص بك - في مكان ما حول Nvidia GeForce RTX 2060 أو أسرع - والبدء في تدريب نموذج التعلم الآلي ، ربما تكون أسهل طريقة لتجربة الخدمات المرتبطة بالذكاء الاصطناعي هي عبر السحابة.

تقدم جميع شركات التكنولوجيا الكبرى خدمات الذكاء الاصطناعي المختلفة ، من البنية التحتية لبناء وتدريب نماذج التعلم الآلي الخاصة بك إلى خدمات الويب التي تتيح لك الوصول إلى الأدوات التي تعمل بالذكاء الاصطناعي مثل التعرف على الكلام واللغة والرؤية والمشاعر عند الطلب .

كيف سيغير الذكاء الاصطناعي العالم؟

الروبوتات والسيارات ذاتية القيادة

إن الرغبة في أن تكون الروبوتات قادرة على التصرف بشكل مستقل وفهم العالم من حولهم والتنقل فيه تعني وجود تداخل طبيعي بين الروبوتات والذكاء الاصطناعي. في حين أن الذكاء الاصطناعي هو واحد فقط من التقنيات المستخدمة في الروبوتات ، فإن الذكاء الاصطناعي يساعد الروبوتات على الانتقال إلى مجالات جديدة مثل سيارات ذاتية القيادةروبوتات التوصيل ومساعدة الروبوتات تعلم مهارات جديدة. في بداية عام 2020 ، كشفت جنرال موتورز وهوندا عن أصل كروز، وهي سيارة بدون سائق تعمل بالكهرباء و Waymo ، المجموعة ذاتية القيادة داخل شركة Alphabet التابعة لشركة Google ، افتتحت مؤخرًا خدمة robotaxi لعامة الناس في فينيكس ، أريزونا ، تقديم خدمة تغطي مساحة 50 ميلا مربعا في المدينة.

أخبار وهمية

نحن على وشك امتلاك شبكات عصبية يمكنها ذلك إنشاء صور واقعية or تكرار صوت شخص ما بطريقة مثالية. يأتي مع ذلك إمكانية حدوث تغيير اجتماعي مدمر بشكل كبير ، مثل عدم القدرة على الوثوق في مقاطع الفيديو أو مقاطع الصوت على أنها أصلية. كما بدأت المخاوف تثار حول كيفية استخدام هذه التقنيات لاختلاس صور الأشخاص ، مع أدوات تم إنشاؤها بالفعل لربط الوجوه الشهيرة بأفلام البالغين بشكل مقنع.

التعرف على الكلام واللغة

ساعدت أنظمة التعلم الآلي أجهزة الكمبيوتر في التعرف على ما يقوله الأشخاص بدقة تقارب 95٪. ذكرت مجموعة مايكروسوفت للذكاء الاصطناعي والأبحاث أيضًا أنها طورت نظامًا يقوم بالنسخ تحدث الإنجليزية بدقة مثل الناسخين البشريين.

مع سعي الباحثين لهدف الدقة بنسبة 99٪ ، توقع أن يصبح التحدث إلى أجهزة الكمبيوتر أمرًا شائعًا بشكل متزايد جنبًا إلى جنب مع الأشكال التقليدية للتفاعل بين الإنسان والآلة.

وفي الوقت نفسه ، تسبب نموذج التنبؤ اللغوي GPT-3 الخاص بـ OpenAI مؤخرًا في إثارة ضجة في قدرته على إنشاء مقالات يمكن أن تمر على أنها مكتوبة بواسطة إنسان.

التعرف على الوجه والمراقبة

في السنوات الأخيرة ، قفزت دقة أنظمة التعرف على الوجه إلى الأمام ، إلى درجة قالت شركة التكنولوجيا الصينية العملاقة بايدو إنها تستطيع مطابقة الوجوه بدقة تصل إلى 99٪، توفير الوجه واضح بما فيه الكفاية في الفيديو. في حين أن قوات الشرطة في الدول الغربية جربت بشكل عام فقط استخدام أنظمة التعرف على الوجه في الأحداث الكبيرة ، في الصين ، تقوم السلطات بوضع برنامج وطني لربط الدوائر التلفزيونية المغلقة في جميع أنحاء البلاد بالتعرف على الوجه واستخدام أنظمة الذكاء الاصطناعي لتتبع المشتبه بهم والسلوك المشبوه. ولديه كما وسعت استخدام الشرطة لنظارات التعرف على الوجه.

على الرغم من اختلاف لوائح الخصوصية على مستوى العالم ، فمن المحتمل أن يصبح هذا الاستخدام الأكثر تدخلاً لتقنية الذكاء الاصطناعي - بما في ذلك الذكاء الاصطناعي الذي يمكنه التعرف على المشاعر - تدريجياً أكثر انتشاراً. ومع ذلك ، أدت ردود الفعل العكسية المتزايدة والتساؤلات حول عدالة أنظمة التعرف على الوجه إلى قيام أمازون وآي بي إم ومايكروسوفت بإيقاف أو وقف بيع هذه الأنظمة إلى سلطات إنفاذ القانون.

الرعاية الصحية

يمكن أن يكون للذكاء الاصطناعي في نهاية المطاف تأثير كبير على الرعاية الصحية ، مما يساعد أطباء الأشعة على اكتشاف الأورام في الأشعة السينية ، ومساعدة الباحثين في اكتشاف التسلسلات الجينية المتعلقة بالأمراض وتحديد الجزيئات التي يمكن أن تؤدي إلى عقاقير أكثر فعالية. من المتوقع أن يؤدي الاختراق الأخير الذي حققه نظام التعلم الآلي AlphaFold 2 من Google إلى تقليل الوقت المستغرق خلال خطوة رئيسية عند تطوير عقاقير جديدة من شهور إلى ساعات.

كانت هناك تجارب للتكنولوجيا المتعلقة بالذكاء الاصطناعي في المستشفيات في جميع أنحاء العالم. وتشمل هذه أداة دعم القرار السريري Watson من شركة IBM ، والتي يتدرب عليها أطباء الأورام في مركز ميموريال سلون كيترينج للسرطان ، و استخدام أنظمة Google DeepMind بواسطة خدمة الصحة الوطنية في المملكة المتحدة، حيث سيساعد في اكتشاف تشوهات العين وتبسيط عملية فحص المرضى لسرطان الرأس والرقبة.

تعزيز التمييز والتحيز 

يتمثل أحد الشواغل المتزايدة في الطريقة التي يمكن بها لأنظمة التعلم الآلي أن تقنن التحيزات البشرية والتفاوتات المجتمعية التي تنعكس في بيانات التدريب الخاصة بها. تم إثبات هذه المخاوف من خلال أمثلة متعددة حول كيف أن عدم وجود تنوع في البيانات المستخدمة لتدريب مثل هذه الأنظمة له عواقب سلبية في العالم الحقيقي. 

في 2018، ل ورقة بحثية من معهد ماساتشوستس للتكنولوجيا ومايكروسوفت وجدت أن أنظمة التعرف على الوجه التي تبيعها شركات التكنولوجيا الكبرى عانت من معدلات خطأ كانت أعلى بشكل ملحوظ عند تحديد الأشخاص ذوي البشرة الداكنة ، وهي مشكلة تُعزى إلى مجموعات بيانات التدريب التي تتكون أساسًا من الرجال البيض.

آخر الدراسة بعد عام سلط الضوء على أن نظام التعرف على الوجه في Amazon Rekognition لديه مشكلات في تحديد جنس الأفراد ذوي البشرة الداكنة ، أ التهمة التي اعترض عليها التنفيذيون في أمازون، يدفع أحد الباحثين لمعالجة النقاط التي أثيرت في تفنيد الأمازون.

منذ نشر الدراسات ، توقفت العديد من شركات التكنولوجيا الكبرى ، مؤقتًا على الأقل ، عن بيع أنظمة التعرف على الوجه إلى أقسام الشرطة.

مثال آخر على نتائج تحريف بيانات التدريب غير المتنوعة بشكل غير كافٍ تصدرت عناوين الصحف في عام 2018 عندما ألغت أمازون أداة توظيف تعتمد على التعلم الآلي حددت المتقدمين الذكور على أنهم الأفضل. البحث مستمر اليوم في طرق لتعويض التحيزات في أنظمة التعلم الذاتي.

الذكاء الاصطناعي والاحتباس الحراري

مع نمو حجم نماذج التعلم الآلي ومجموعات البيانات المستخدمة لتدريبها ، تزداد أيضًا البصمة الكربونية لمجموعات الحوسبة الضخمة التي تشكل هذه النماذج وتشغلها. كان التأثير البيئي لتشغيل وتبريد هذه المزارع الحاسوبية موضوع ورقة للمنتدى الاقتصادي العالمي في 2018. واحد كان تقدير عام 2019 هو أن الطاقة التي تتطلبها أنظمة التعلم الآلي تتضاعف كل 3.4 شهرًا.

كانت مشكلة الكم الهائل من الطاقة اللازمة لتدريب نماذج التعلم الآلي القوية تم التركيز عليه مؤخرًا من خلال إصدار نموذج التنبؤ اللغوي GPT-3، شبكة عصبية مترامية الأطراف تضم حوالي 175 مليار معلمة. 

في حين أن الموارد اللازمة لتدريب مثل هذه النماذج يمكن أن تكون هائلة ، ومتاحة إلى حد كبير فقط للشركات الكبرى ، بمجرد التدريب تكون الطاقة اللازمة لتشغيل هذه النماذج أقل بكثير. ومع ذلك ، مع تزايد الطلب على الخدمات القائمة على هذه النماذج ، يصبح استهلاك الطاقة والتأثير البيئي الناتج مشكلة مرة أخرى.

إحدى الحجج هي أن التأثير البيئي للتدريب وتشغيل نماذج أكبر يجب موازنتها مع إمكانات التعلم الآلي يجب أن يكون لها تأثير إيجابي كبير، على سبيل المثال ، التقدم السريع في الرعاية الصحية الذي يبدو على الأرجح بعد الاختراق الذي حققته AlphaFold 2 من Google DeepMind.

هل سيقتلنا الذكاء الاصطناعي جميعًا؟

مرة أخرى ، هذا يعتمد على من تسأل. نظرًا لأن الأنظمة التي تعمل بالذكاء الاصطناعي أصبحت أكثر قدرة ، فقد أصبحت التحذيرات من الجوانب السلبية أكثر خطورة.

تسلا و ادعى إيلون ماسك ، الرئيس التنفيذي لشركة SpaceX أن الذكاء الاصطناعي هو "خطر أساسي على وجود الحضارة الإنسانية". كجزء من مساعيه من أجل إشراف تنظيمي أقوى وبحث أكثر مسؤولية في التخفيف من سلبيات الذكاء الاصطناعي ، أنشأ شركة OpenAI ، وهي شركة أبحاث ذكاء اصطناعي غير ربحية تهدف إلى تعزيز وتطوير الذكاء الاصطناعي الودود الذي سيعود بالنفع على المجتمع ككل. وبالمثل ، حذر الفيزيائي الموقر ستيفن هوكينغ من أنه بمجرد إنشاء ذكاء اصطناعي متقدم بما فيه الكفاية سوف يتقدم بسرعة إلى الحد الذي يفوق فيه إلى حد كبير القدرات البشرية. تُعرف الظاهرة باسم التفرد ويمكن أن تشكل تهديدًا وجوديًا للجنس البشري.

ومع ذلك ، فإن فكرة أن البشرية على وشك انفجار ذكاء اصطناعي من شأنه أن يقزم عقولنا تبدو سخيفة لبعض باحثي الذكاء الاصطناعي.

كريس بيشوب ، مدير أبحاث Microsoft في كامبريدج ، إنجلترا ، يؤكد على مدى اختلاف الذكاء الضيق للذكاء الاصطناعي اليوم عن الذكاء العام للبشرقائلا أنه عندما يقلق الناس من "المنهي وصعود الآلات وما إلى ذلك؟" محض هراء ، نعم. في أفضل الأحوال ، تفصلنا عقود من الزمن عن مثل هذه المناقشات ".

هل سيسرق الذكاء الاصطناعي وظيفتك؟

14-amazon-kiva.png

أمازون

ربما تكون إمكانية حلول أنظمة الذكاء الاصطناعي محل الكثير من العمل اليدوي الحديث احتمالًا أكثر مصداقية في المستقبل القريب.

على الرغم من أن الذكاء الاصطناعي لن يحل محل جميع الوظائف ، إلا أن ما يبدو مؤكدًا هو أن الذكاء الاصطناعي سيغير طبيعة العمل ، والسؤال الوحيد هو مدى السرعة والكيفية التي ستغير بها الأتمتة مكان العمل.

بالكاد يوجد مجال من مجالات المساعي البشرية لا يملك الذكاء الاصطناعي القدرة على التأثير فيه. كما يضعها خبير الذكاء الاصطناعي أندرو نغ: "كثير من الناس يقومون بأعمال روتينية ومتكررة. لسوء الحظ ، فإن التكنولوجيا جيدة بشكل خاص في أتمتة العمل الروتيني المتكرر "، قائلاً إنه يرى" خطرًا كبيرًا للبطالة التكنولوجية خلال العقود القليلة القادمة ".

بدأ الدليل على الوظائف التي سيتم استبدالها في الظهور. يوجد الآن 27 الأمازون الذهاب المتاجر ومحلات السوبر ماركت الخالية من الصراف حيث يأخذ العملاء الأشياء من الرفوف ويخرجون في الولايات المتحدة. ما يعنيه هذا بالنسبة لأكثر من ثلاثة ملايين شخص في الولايات المتحدة يعملون كصرافين لا يزال غير معروف. مرة أخرى ، تقود أمازون الطريق في استخدام الروبوتات لتحسين الكفاءة داخل مستودعاتها. هؤلاء تحمل الروبوتات أرفف للمنتجات لمن يلتقطونها الذين يختارون العناصر لإرسالها. تمتلك أمازون أكثر من 200 روبوت في مراكز التنفيذ الخاصة بها ، مع خطط لإضافة المزيد. لكن أمازون تؤكد أيضًا أنه مع زيادة عدد الروبوتات ، زاد عدد العاملين في هذه المستودعات أيضًا. ومع ذلك ، فإن Amazon و تعمل شركات الروبوتات الصغيرة على أتمتة الوظائف اليدوية المتبقية في المستودع، لذلك ليس من المسلم به أن يستمر العمل اليدوي والروبوتي في النمو جنبًا إلى جنب.

السيارات ذاتية القيادة بالكامل ليست حقيقة واقعة بعد ، ولكن وفقًا لبعض التوقعات ، فإن صناعة النقل بالشاحنات ذاتية القيادة وحدها تستعد لتولي أكثر من 1.7 مليون وظيفة في العقد المقبل ، حتى دون النظر في التأثير على سائقي البريد وسائقي سيارات الأجرة.

ومع ذلك ، فإن بعض أسهل الوظائف للأتمتة لن تتطلب حتى الروبوتات. في الوقت الحالي ، هناك ملايين الأشخاص الذين يعملون في الإدارة ، ويقومون بإدخال البيانات ونسخها بين الأنظمة ، ومطاردة وحجز المواعيد للشركات حيث يتحسن البرنامج في التحديث التلقائي للأنظمة والإبلاغ عن المعلومات المهمة ، وبالتالي ستنخفض الحاجة إلى المسؤولين.

كما هو الحال مع كل تحول تكنولوجي ، سيتم إنشاء وظائف جديدة لتحل محل تلك المفقودة. ومع ذلك، ما هو غير مؤكد هو ما إذا كان سيتم إنشاء هذه الأدوار الجديدة بسرعة كافية لتوفير فرص العمل للنازحين وما إذا كان العاطلون الجدد عن العمل سيكون لديهم المهارات أو المزاج اللازم لملء هذه الأدوار الناشئة.

ليس كل شخص متشائم. بالنسبة للبعض ، الذكاء الاصطناعي هو تقنية من شأنها زيادة العاملين بدلاً من استبدالهم. ليس هذا فقط ، لكنهم يجادلون بأنه سيكون هناك ضرورة تجارية لعدم استبدال الأشخاص بشكل مباشر ، كعامل مساعد في الذكاء الاصطناعي - فكر في كونسيرج بشري مع سماعة رأس AR تخبرهم بالضبط ما يريده العميل قبل أن يطلبه - سيكون أكثر إنتاجية وفعالية من الذكاء الاصطناعي الذي يعمل بمفرده.

هناك مجموعة واسعة من الآراء حول مدى سرعة تجاوز أنظمة الذكاء الاصطناعي القدرات البشرية بين خبراء الذكاء الاصطناعي.

معهد مستقبل الإنسانية بجامعة أكسفورد طلبت من عدة مئات من خبراء التعلم الآلي التنبؤ بقدرات الذكاء الاصطناعي على مدى العقود القادمة.

تضمنت التواريخ البارزة مقالات كتابة منظمة العفو الدولية التي يمكن أن تمر ليتم كتابتها من قبل إنسان بحلول عام 2026 ، وسائقي الشاحنات يصبحون زائدين عن الحاجة بحلول عام 2027 ، والذكاء الاصطناعي يتفوق على القدرات البشرية في البيع بالتجزئة بحلول عام 2031 ، وكتابة أكثر الكتب مبيعًا بحلول عام 2049 ، والقيام بعمل الجراح بحلول عام 2053 .

قدّروا أن هناك فرصة كبيرة نسبيًا لأن يتفوق الذكاء الاصطناعي على البشر في جميع المهام في غضون 45 عامًا وأتمتة جميع الوظائف البشرية في غضون 120 عامًا.

اعرض المزيد:

يضيف IBM أدوات Watson لقراءة الفهم واستخراج الأسئلة الشائعة.

التغطية ذات الصلة

كيف سيحول ML و AI ذكاء الأعمال والتحليلات
سيؤدي التعلم الآلي والذكاء الاصطناعي في خمسة مجالات إلى تسهيل إعداد البيانات واكتشافها وتحليلها والتنبؤ بها واتخاذ القرارات التي تعتمد على البيانات.

تقرير: الذكاء الاصطناعي يخلق فرص عمل ويولد مكاسب اقتصادية
أظهرت دراسة جديدة من شركة Deloitte أن الأشخاص الذين تبنوا التقنيات المعرفية الأوائل إيجابيون بشأن أدوارهم الحالية والمستقبلية.

الذكاء الاصطناعي والوظائف: حيث يكون البشر أفضل من الخوارزميات ، والعكس صحيح
من السهل الوقوع في فخ تنبؤات الكآبة حول الذكاء الاصطناعي الذي يقضي على ملايين الوظائف. هذا فحص للواقع.

كيف يطلق الذكاء الاصطناعي العنان لنوع جديد من الجرائم الإلكترونية (TechRepublic)
بدلاً من الاختباء وراء قناع لسرقة أحد البنوك ، يختبئ المجرمون الآن وراء الذكاء الاصطناعي لشن هجومهم. ومع ذلك ، يمكن للمؤسسات المالية استخدام الذكاء الاصطناعي أيضًا لمكافحة هذه الجرائم.

إيلون ماسك: الذكاء الاصطناعي قد يشعل شرارة الحرب العالمية الثالثة (CNET)
يخوض الرئيس التنفيذي المتسلسل بالفعل معارك الخيال العلمي في الغد ، ولا يزال قلقًا بشأن الروبوتات القاتلة أكثر من أي شيء آخر.

أفلاطون. Web3 مُعاد تصوره. تضخيم ذكاء البيانات.
انقر هنا للوصول.

المصدر: https://www.zdnet.com/article/what-is-ai-heres-everything-you-need-to-know-about-artarily-intelligence/#ftag=RSSbaffb68

بقعة_صورة

أحدث المعلومات الاستخباراتية

بقعة_صورة