بقلم : د.جهاد عودة
النظرة الشائعة والمتكررة لآخر التطورات في أبحاث الذكاء الاصطناعي هي أن الآلات الذكية والذكية الأفق. تقرير البيت الأبيض الجديد 2019 عن الذكاء الاصطناعي يأخذ نظرة متشككة اندماج الانسان فى الالة. وتقول إن العشرين عامًا التالية لن ترى على الأرجح آلات "تعرض ذكاء قابلا للتطبيق على نطاق واسع يضاهي ذكاء البشر أو يتجاوزه" ، على الرغم من أنها تستمر في القول إنه في السنوات القادمة ، "ستصل الآلات وتتجاوز الأداء البشري في المزيد والمزيد من المهام. " لكن افتراضاتها حول كيفية تطوير تلك القدرات أخطأت بعض النقاط المهمة. وهناك متخصصون يرون ان التقرير ركز بشكل شبه حصري على ما يمكن تسميته "النوع الممل من الذكاء الاصطناعي".
أبحاث الذكاء الاصطناعى ، حول كيف يمكن للتطور أن يساعد في تطوير أنظمة الذكاء الاصطناعي المتطورة باستمرار ، وكيف يمكن أن تساعدنا النماذج الحسابية في فهم كيف تطور ذكاؤنا البشري. يركز التقرير على ما يمكن تسميته أدوات الذكاء الاصطناعي السائدة: التعلم الآلي والتعلم العميق. هذه الأنظمة الذكية الحالية قادرة على التعامل مع كميات هائلة من البيانات وإجراء حسابات معقدة بسرعة كبيرة. التقرير يفتقر إلى عنصر سيكون مفتاحًا لبناء الآلات الحساسة التي نتصورها في المستقبل. نحتاج إلى عمل أكثر من تعليم الآلات للتعلم. نحن بحاجة إلى التغلب على الحدود التي تحدد الأنواع الأربعة المختلفة للذكاء الاصطناعي ، والحواجز التي تفصلنا عن الآلات - وعنا.
هناك أربعة أنواع من الذكاء الاصطناعي: الآلات التفاعلية ، الذاكرة المحدودة ، نظرية العقل والوعي الذاتي.
الآلات التفاعلية.. هى أن أكثر أنواع أنظمة الذكاء الاصطناعي الأساسية تفاعلية ، ولكن ليس لديها القدرة على تكوين ذكريات أو استخدام تجارب سابقة لتوجيه القرارات الحالية. يعد Deep Blue ، الحواسب العملاقة التي تلعب الشطرنج من IBM ، والتي تغلبت على اللاعب الدولي الكبير غاري كاسباروف في أواخر التسعينيات، مثالًا على هذا النوع من الآلات. يمكن لـ Deep Blue التعرف على القطع الموجودة على لوحة الشطرنج ومعرفة كيفية تحرك كل منها. يمكن أن تقدم تنبؤات حول الخطوات التي قد تكون التالية لها وخصمها.
ويمكن أن تختار الحركات الأكثر مثالية من بين الاحتمالات. لكن ليس لديها أي مفهوم للماضي ، ولا أي ذاكرة لما حدث من قبل. بصرف النظر عن قاعدة شطرنج محددة نادرا ضد تكرار نفس الحركة ثلاث مرات ، يتجاهل Deep Blue كل شيء قبل اللحظة الحالية. كل ما تفعله هو إلقاء نظرة على القطع الموجودة على لوحة الشطرنج كما هي الآن ، واختيار من الخطوات التالية الممكنة. يتضمن هذا النوع من الذكاء الكمبيوتر الذي يدرك العالم مباشرة ويتصرف وفقًا لما يراه.
لا تعتمد على مفهوم داخلي للعالم. في ورقة بحثية ، جادل باحث فى الذكاء الاصطناعى رودني بروكس بأنه يجب علينا فقط بناء آلات مثل هذه. كان السبب الرئيسي وراء ذلك هو أن الناس ليسوا جيدين في برمجة عوالم محاكية دقيقة كي تستخدمها أجهزة الكمبيوتر ، وهو ما يسمى مهمة "تمثيل" العالم.
إن الأجهزة الذكية الحالية التي نتعجب من خلالها إما ليس لديها مفهوم للعالم ، أو لديها مفهوم محدود للغاية ومتخصص لواجباتها الذاتيه. لم يكن الابتكار في تصميم Deep Blue هو توسيع نطاق الأفلام الممكنة التي يعتبرها الكمبيوتر. بدلًا من ذلك ، وجد المطورون طريقة لتضييق وجهة نظرهم ، للتوقف عن متابعة بعض التحركات المستقبلية المحتملة. وبدون هذه القدرة ، كان يتعين على Deep Blue أن يكون جهاز كمبيوتر أكثر قوة لهزيمة Kasparov بالفعل. وبالمثل ، لا يمكن لـ AlphaGo من Google ، الذي تغلب على أفضل خبراء Go ، تقييم جميع التحركات المستقبلية المحتملة أيضًا. طريقة تحليلها أكثر تطورًا من طريقة Deep Blue ، باستخدام شبكة عصبية لتقييم تطورات اللعبة.
تعمل هذه الطرق على تحسين قدرة أنظمة الذكاء الاصطناعي على لعب ألعاب معينة بشكل أفضل ، لكن لا يمكن تغييرها بسهولة أو تطبيقها على مواقف أخرى. ليس لهذه التصورات المحوسبة مفهوم للعالم الأوسع - بمعنى أنها لا تستطيع أن تتعدى المهام المحددة التي تم تعيينها لها. لا يمكنهم المشاركة بشكل تفاعلي في العالم بشكل كلى وشامل، بالطريقة التي نتخيل بها أنظمة الذكاء الاصطناعي يومًا ما. بدلًا من ذلك ، ستتصرف هذه الأجهزة بنفس الطريقة تمامًا في كل مرة تواجه فيها نفس الموقف. يمكن أن يكون هذا جيدًا للغاية لضمان أن نظام الذكاء الاصطناعى جدير بالثقة: أنت تريد أن تكون سيارتك المستقلة سائقًا يعتمد عليه. ولكن هذا أمر سييئ إذا أردنا أن تتفاعل الآلات مع العالم وتستجيب له حقًا. لن تكون أبسط أنظمة الذكاء الاصطناعى بالملل أو الاهتمام أو الحزن.
ذاكرة محدودة
هذا النوع الثاني يحتوي على آلات يمكن أن ننظر إلى الماضي. السيارات ذاتية القيادة تفعل بعض هذا بالفعل. على سبيل المثال ، لاحظوا سرعة السيارات الأخرى واتجاهها. لا يمكن القيام بذلك في لحظة واحدة فقط ، بل يتطلب تحديد كائنات محددة ومراقبتها بمرور الوقت. تُضاف هذه الملاحظات إلى التمثيلات المُبرمجة مسبقًا للسيارات ذاتية القيادة في العالم ، والتي تشمل أيضًا علامات الممرات وإشارات المرور والعناصر المهمة الأخرى ، مثل المنحنيات الموجودة على الطريق. يتم تضمينها عندما تقرر السيارة موعد تغيير الممرات ، لتجنب قطع سائق آخر أو اصطدامها بسيارة قريبة. لكن هذه المعلومات البسيطة عن الماضي عابرة فقط. لا يتم حفظها كجزء من مكتبة خبرة السيارة التي يمكن أن تتعلم منها ، والطريقة التي يقوم بها السائقون من البشر بتجربة التجربة على مر السنين خلف عجلة القيادة. فكيف يمكننا بناء أنظمة الذكاء الاصطناعي التي تبني التمثيل الكامل ، وتذكر تجاربهم ومعرفة كيفية التعامل مع المواقف الجديدة؟ كان بروكس محقًا في أنه من الصعب جدًا القيام بذلك. يمكن أن يبدأ بحث الخاص في الأساليب المستوحاة من التطور الدارويني في التعويض عن أوجه القصور البشرية عن طريق السماح للآلات ببناء تمثيلاتها الخاصة.
نظرية العقل
قد نتوقف هنا ، ونطلق على هذه النقطة الفجوة المهمة بين الآلات الموجودة لدينا والآلات التي سنقوم ببنائها في المستقبل. ومع ذلك ، من الأفضل أن تكون أكثر تحديدًا لمناقشة أنواع التمثيلات التي تحتاجها الآلات ، وما الذي يجب أن تكون عليه. لا تشكل الآلات في الفئة التالية الأكثر تقدمًا تمثيلًا عن العالم فحسب ، بل تمثل أيضًا وكلاء أو كيانات أخرى في العالم. في علم النفس ، يسمى هذا " نظرية العقل " - فهم أن الناس والمخلوقات والكائنات في العالم يمكن أن يكون لديهم أفكار وعواطف تؤثر على سلوكهم. هذا أمر بالغ الأهمية لكيفية قيامنا بتكوين مجتمعات ، لأنها سمحت لنا بتفاعلات اجتماعية. من دون فهم دوافع ونوايا بعضنا البعض ، ودون الأخذ في الاعتبار ما يعرفه شخص آخر إما عني أو عن البيئة ، يكون العمل معًا في أحسن الأحوال أمرًا صعبًا في أسوأ الأحوال. إذا كانت أنظمة الذكاء الاصطناعي تنطلق بالفعل بيننا ، فسيتعين عليها أن تكون قادرة على فهم أن كل واحد منا لديه أفكار ومشاعر وتوقعات لكيفية معالجتنا. وسيكون عليهم ضبط سلوكهم وفقًا لذلك.
الوعي الذاتي
الخطوة الأخيرة من تطوير الذكاء الاصطناعى هي بناء أنظمة يمكنها تكوين تمثيل ذاتى . في النهاية ، لن يتعين علينا نحن الباحثين في الذكاء الاصطناعى فهم الوعي فحسب ، ولكن أيضًا بناء الآلات التي تحتوي على هذا . هذا ، إلى حد ما ، امتداد لنظرية العقل التي تمتلكها الذكاء الاصطناعي من النوع الثالث. ويسمى الوعي أيضا "الوعي الذاتي": الكائنات الواعية تدرك نفسها وتعرف على حالاتها الداخلية ، ويمكنها التنبؤ بمشاعر الآخرين.
نحن نفترض أن شخصًا ما يتجول خلفنا في حركة المرور غاضبًا أو غير صبور ، لأن هذا هو ما نشعر به عند التزمير تجاه الآخرين. بدون نظرية العقل ، لم نتمكن من صنع هذه الاستنتاجات. على الرغم من أننا بعيدون بعض الشيء عن إنشاء آلات تدرك نفسها بنفسها ، إلا أننا يجب أن نركز جهودنا على فهم الذاكرة والتعلم والقدرة على اتخاذ القرارات على أساس التجارب السابقة. هذه خطوة مهمة لفهم الذكاء البشري من تلقاء نفسه. ومن الأهمية بمكان إذا أردنا تصميم أو تطوير آلات أكثر من استثنائية وانسانيه في تصنيف ما يرونه أمامهم.
فى هذا السياق يمكن يُفهم الآن التحول الرقمي على أنه طريقة مستمرة للعمل ، وليس تقدمًا خطيًا نحو هدف استراتيجي محدد ومحدود ومقدمة ضروريه للاعمال والاقتصاد والسياسات العامه والحياه. تعتمد المنظمات عقلية الفرصه ونهج رشيق لانجاز هذا. تدرك المؤسسات أن الأمر لا يتعلق بالتغييرات الشديدة وإعادة هيكلة النشاط التجاري بأكمله من خلال مشروع لمرة واحدة. بدلًا من ذلك ، يُنظر إلى التحول الرقمي كسلوك: طريقة للعمل تستند جذورها إلى ثقافة يتم فيها تشجيع الناس على التفكير والتصرف بشكل مختلف. ابدأ في مكان ما واستمر في الحركة للحصول على نتائج ، أسرع ، والتخلي عن خطط كبيرة وكاسحة التي تعيق التقدم لصالح المشاريع الصغيرة التي تعالج القضايا الملحة حول الكفاءة التشغيلية وتجربة العملاء. إيلاء الاهتمام لتجربة الموظف ، كيف يمكنك دعم الفرق متعددة الوظائف بشكل أفضل لتكون أكثر مرونة؟ اتخاذ خطوات تدريجية وتكتيكية وقابلة للتكرار. وبهذه الطريقة ، يصبح التحول الرقمي وسيلة متكاملة على مستوى المؤسسة للقيام بالأعمال ، والتعلم المستمر يصبح عملًا كالمعتاد. ويمكن اعتبار 85٪ من المؤسسات أن التحول الرقمي يجب أن يركز على دفع التغيير في الثقافة والسلوك للعمل كمنظمة أكثر مرونة واستجابة.
الأتمتة والتحليلات المعززة والذكاء الاصطناعي هي المفاتيح التي ستساعد المؤسسات على إطلاق القيمة التي تكمن في البيانات التي يتم جمعها في الأنظمة والتطبيقات عبر المؤسسة. يجب أن يكون التنفيذ التلقائي أولوية ، لأنه ببساطة لا توجد طريقة أخرى لمعالجة هذه الكميات الضخمة من البيانات. يجب أن تتضمن استراتيجيات البيانات خططًا لتحليل البيانات ، لأن هذا التحليل سيُبلغ بالخطوات التالية في تزايد مشاركة العملاء والولاء والإنفاق. إن التحليلات ونماذج التشغيل المنقحة هي أهم المساهمين في تحسين عملية تحسين القوى العاملة ؛ لديهم شكل من أشكال تكنولوجيا إدارة المعرفة.
