الآلات تتعلم الأشياء، لكنها لا تستطيع فهمها

يتحدث الجميع عن “الذكاء الاصطناعي” هذه الأيام. ولكن سواء كنت تبحث في Siri أو Alexa أو مجرد ميزات التصحيح التلقائي الموجودة في لوحة مفاتيح هاتفك الذكي، فإننا لا نبتكر ذكاءً اصطناعيًا للأغراض العامة. نحن نبتكر برامج يمكنها أداء مهام محددة وضيقة.

لا يمكن لأجهزة الكمبيوتر “التفكير”

عندما تعلن شركة ما عن إطلاق ميزة جديدة للذكاء الاصطناعي، فهذا يعني عمومًا أن الشركة تستخدم التعلم الآلي لبناء شبكة عصبية. “التعلم الآلي” هو تقنية تتيح للآلة “تعلم” كيفية الأداء بشكل أفضل في مهمة محددة.

نحن لا نهاجم التعلم الآلي هنا! التعلم الآلي هو تقنية رائعة ذات استخدامات قوية عديدة. لكنه ليس ذكاءً اصطناعيًا عامًا، وفهم حدود التعلم الآلي يساعدك على فهم سبب محدودية تقنية الذكاء الاصطناعي الحالية.

إن “الذكاء الاصطناعي” في أحلام الخيال العلمي هو نوع من الدماغ الآلي أو الآلي الذي يفكر في الأشياء ويفهمها كما يفعل البشر. ومن شأن هذا الذكاء الاصطناعي أن يكون ذكاءً عامًا اصطناعيًا، مما يعني أنه يمكنه التفكير في أشياء متعددة مختلفة وتطبيق هذا الذكاء على مجالات متعددة مختلفة. وهناك مفهوم مرتبط بهذا وهو “الذكاء الاصطناعي القوي”، والذي سيكون آلة قادرة على تجربة الوعي الشبيه بالوعي البشري.

لا نملك هذا النوع من الذكاء الاصطناعي بعد. ولا نقترب منه بأي حال من الأحوال. فالكيان الحاسوبي مثل سيري أو أليكسا أو كورتانا لا يفهم ولا يفكر كما نفعل نحن البشر. فهو لا “يفهم” الأشياء حقًا على الإطلاق.

إن الذكاء الاصطناعي الذي نمتلكه مدرب على أداء مهمة محددة بشكل جيد للغاية، على افتراض أن البشر قادرون على توفير البيانات لمساعدتهم على التعلم. إنهم يتعلمون كيفية القيام بشيء ما لكنهم لا يفهمونه.

أجهزة الكمبيوتر لا تفهم

يحتوي Gmail على ميزة جديدة تسمى “الرد الذكي” والتي تقترح ردودًا على رسائل البريد الإلكتروني. حددت ميزة الرد الذكي “تم الإرسال من جهاز iPhone الخاص بي“كإجابة شائعة. كما أرادت أيضًا اقتراح “أحبك” كإجابة على العديد من أنواع رسائل البريد الإلكتروني المختلفة، بما في ذلك رسائل البريد الإلكتروني الخاصة بالعمل.

يرجع ذلك إلى أن الكمبيوتر لا يفهم معنى هذه الاستجابات. لقد علم للتو أن العديد من الأشخاص يرسلون هذه العبارات في رسائل البريد الإلكتروني. لا يعرف الكمبيوتر ما إذا كنت تريد أن تقول “أحبك” لرئيسك أم لا.

على سبيل المثال، قامت خدمة Google Photos بتجميع مجموعة من الصور الملتقطة بالصدفة للسجادة في أحد منازلنا. ثم حددت هذه المجموعة باعتبارها من أبرز الصور التي تم التقاطها مؤخرًا على Google Home Hub. كانت خدمة Google Photos تعلم أن الصور متشابهة ولكنها لم تدرك مدى عدم أهميتها.

تتعلم الآلات في كثير من الأحيان كيفية التلاعب بالنظام

يعتمد التعلم الآلي على إسناد مهمة ما والسماح للكمبيوتر بتحديد الطريقة الأكثر كفاءة للقيام بها. ولأن الكمبيوتر لا يفهم، فمن السهل أن ينتهي به الأمر إلى “تعلم” الكمبيوتر كيفية حل مشكلة مختلفة عما كنت تريده.

فيما يلي قائمة بأمثلة ممتعة حيث تعلمت “الذكاءات الاصطناعية” التي تم إنشاؤها للعب الألعاب وتعيين أهداف لها للتو كيفية التلاعب بالنظام. تأتي كل هذه الأمثلة من هذه ورقة بيانات ممتازة:

• “المخلوقات التي تم تربيتها للسرعة تنمو بشكل طويل جدًا وتولد سرعات عالية عن طريق السقوط.”
• “يقوم العميل بقتل نفسه في نهاية المستوى الأول لتجنب الخسارة في المستوى الثاني.”
• “يقوم العميل بإيقاف اللعبة إلى أجل غير مسمى لتجنب الخسارة.”
• “في محاكاة للحياة الاصطناعية حيث يتطلب البقاء على قيد الحياة الطاقة ولكن الولادة لا تتطلب أي تكلفة من الطاقة، تطور نوع واحد إلى نمط حياة مستقر يتكون في الغالب من التزاوج من أجل إنتاج أطفال جدد يمكن تناولهم (أو استخدامهم كشركاء لإنتاج المزيد من الأطفال الصالحين للأكل).”
• “نظرًا لأن الذكاء الاصطناعي كان أكثر عرضة للموت إذا خسر اللعبة، فإن القدرة على تعطيل اللعبة كانت ميزة لعملية الاختيار الجيني. لذلك، طورت العديد من الذكاء الاصطناعي طرقًا لتعطيل اللعبة.”
• “تطورت الشبكات العصبية لتصنيف الفطر الصالح للأكل والفطر السام، واستغلت البيانات المقدمة بالترتيب المتناوب ولم تتعلم في الواقع أي ميزات للصور المدخلة.”

قد تبدو بعض هذه الحلول ذكية، ولكن لم تفهم أي من هذه الشبكات العصبية ما كانت تفعله. فقد تم تكليفها بهدف وتعلمت طريقة لتحقيقه. وإذا كان الهدف هو تجنب الخسارة في لعبة كمبيوتر، فإن الضغط على زر الإيقاف المؤقت هو الحل الأسهل والأسرع الذي يمكنها إيجاده.

التعلم الآلي والشبكات العصبية

باستخدام التعلم الآلي، لا يتم برمجة الكمبيوتر لأداء مهمة محددة. بل يتم تزويده بالبيانات وتقييم أدائه في المهمة.

من الأمثلة الأولية للتعلم الآلي التعرف على الصور. لنفترض أننا نريد تدريب برنامج كمبيوتر للتعرف على الصور التي تحتوي على كلب. يمكننا أن نعطي الكمبيوتر ملايين الصور، بعضها يحتوي على كلاب وبعضها لا يحتوي على كلاب. يتم تصنيف الصور سواء كانت تحتوي على كلب أم لا. يقوم برنامج الكمبيوتر “بتدريب” نفسه للتعرف على شكل الكلاب بناءً على مجموعة البيانات هذه.

تُستخدم عملية التعلم الآلي لتدريب الشبكة العصبية، وهي عبارة عن برنامج كمبيوتر يحتوي على طبقات متعددة تمر عبرها كل بيانات مُدخلة، وكل طبقة تُعين لها أوزانًا واحتمالات مختلفة قبل اتخاذ القرار النهائي. ويتم تصميمها وفقًا لكيفية عمل الدماغ، مع وجود طبقات مختلفة من الخلايا العصبية المشاركة في التفكير في مهمة ما. يشير “التعلم العميق” عمومًا إلى الشبكات العصبية التي تحتوي على العديد من الطبقات المكدسة بين المدخلات والمخرجات.

ولأننا نعلم الصور الموجودة في مجموعة البيانات التي تحتوي على كلاب والتي لا تحتوي عليها، فيمكننا تشغيل الصور عبر الشبكة العصبية ومعرفة ما إذا كانت تؤدي إلى الإجابة الصحيحة. فإذا قررت الشبكة أن صورة معينة لا تحتوي على كلب في حين أنها تحتوي عليه، على سبيل المثال، فهناك آلية لإخبار الشبكة بأنها كانت مخطئة، وتعديل بعض الأشياء، ثم المحاولة مرة أخرى. ويستمر الكمبيوتر في التحسن في تحديد ما إذا كانت الصور تحتوي على كلب أم لا.

يحدث كل هذا تلقائيًا. فباستخدام البرنامج المناسب والكثير من البيانات المنظمة التي يمكن للكمبيوتر أن يتدرب عليها، يستطيع الكمبيوتر ضبط شبكته العصبية للتعرف على الكلاب في الصور. ونطلق على هذا “الذكاء الاصطناعي”.

ولكن في نهاية المطاف، ليس لديك برنامج كمبيوتر ذكي يفهم ماهية الكلب. بل لديك كمبيوتر تعلم كيفية تحديد ما إذا كان الكلب موجودًا في الصورة أم لا. وهذا لا يزال مثيرًا للإعجاب، ولكن هذا كل ما يمكنه فعله.

وبناءً على المدخلات التي قدمتها لها، فقد لا تكون هذه الشبكة العصبية ذكية كما تبدو. على سبيل المثال، إذا لم تكن هناك أي صور للقطط في مجموعة البيانات الخاصة بك، فقد لا ترى الشبكة العصبية الفرق بين القطط والكلاب وقد تضع علامة على جميع القطط على أنها كلاب عندما تطلق العنان لها على الصور الحقيقية للأشخاص.

ما هي استخدامات التعلم الآلي؟

تُستخدم تقنية التعلم الآلي في جميع أنواع المهام، بما في ذلك التعرف على الكلام. وتتمتع المساعدات الصوتية مثل Google وAlexa وSiri بمهارة كبيرة في فهم الأصوات البشرية بفضل تقنيات التعلم الآلي التي دربتها على فهم الكلام البشري. وقد تدربت على كمية هائلة من عينات الكلام البشري وأصبحت أفضل وأفضل في فهم الأصوات التي تتوافق مع الكلمات.

تستخدم السيارات ذاتية القيادة تقنيات التعلم الآلي التي تدرب الكمبيوتر على تحديد الأشياء على الطريق وكيفية الاستجابة لها بشكل صحيح. يحتوي تطبيق Google Photos على العديد من الميزات مثل Live Albums التي تحدد تلقائيًا الأشخاص والحيوانات في الصور باستخدام التعلم الآلي.

استخدمت شركة DeepMind التابعة لشركة Alphabet التعلم الآلي لإنشاء ألفاجو، وهو برنامج كمبيوتر يمكنه لعب لعبة الطاولة المعقدة “جو” والتغلب على أفضل البشر في العالم. كما تم استخدام التعلم الآلي لإنشاء أجهزة كمبيوتر جيدة في لعب ألعاب أخرى، من الشطرنج إلى دوتا 2.

حتى أن التعلم الآلي يستخدم لـ معرف الوجه في أحدث هواتف آيفون، يقوم جهاز آيفون الخاص بك ببناء شبكة عصبية تتعلم كيفية التعرف على وجهك، وتتضمن شركة آبل شريحة “محرك عصبي” مخصصة تقوم بكل العمليات الحسابية اللازمة لهذه المهمة وغيرها من مهام التعلم الآلي.

يمكن استخدام التعلم الآلي في العديد من الأشياء الأخرى المختلفة، بدءًا من تحديد الاحتيال في بطاقات الائتمان وحتى التوصيات الشخصية بالمنتجات على مواقع التسوق.

لكن الشبكات العصبية التي تم إنشاؤها باستخدام التعلم الآلي لا تفهم أي شيء حقًا. إنها برامج مفيدة يمكنها إنجاز المهام الضيقة التي تم تدريبها عليها، وهذا كل شيء.

حقوق الصورة: صور فونلاماي/Shutterstock.com، تاتيانا شيبيليفا/Shutterstock.com، التصوير المتنوع/Shutterstock.com.