الفائزون بجائزة تورينج 2018
في يونيو ، منحت ACM (Association for Computing Machinery) جائزة Turing المرموقة لعام 2018 ، نوع من نوبل في علوم الكمبيوترثلاثة علماء متميزين. يوشوا بنجيو ، الأستاذ في جامعة مونتريال والمدير العلمي لميلا ، معهد الذكاء الاصطناعي في كيبيك. Yann LeCun ، أستاذ في جامعة نيويورك ونائب رئيس وكبير علماء الذكاء الاصطناعي في Facebook. جيفري هينتون ، الأستاذ الفخري بجامعة تورنتو ، ونائب الرئيس وزميل الهندسة في Google ، وكذلك كبير المستشارين العلميين لمعهد Vector.
مبرر الاعتراف كما يلي:
للاختراقات المفاهيمية والهندسية التي جعلت الشبكات العصبية العميقة مكونًا مهمًا لعلوم الكمبيوتر.
كما قال شيري إم بانكيك ، رئيس ACM:
"يرجع النمو والاهتمام بالذكاء الاصطناعي ، إلى حد كبير ، إلى التطورات الأخيرة في التعلم العميق التي وضع بنجيو وهينتون وليكون الأسس لها".
وأضاف جيف دين ، الزميل الأول في Google ونائب الرئيس الأول لشركة Google AI:
"الشبكات العصبية العميقة مسؤولة عن بعض أكبر القفزات في الحوسبة الحديثة. لقد ساعدوا في تحقيق تقدم كبير في المشكلات طويلة الأمد: رؤية الكمبيوتر ، والتعرف على الكلام وفهم اللغة الطبيعية. ... في قلب هذه التطورات ، توجد تقنيات أساسية تم تطويرها منذ أكثر من 30 عامًا من قبل الفائزين بجائزة تورينج لهذا العام. هؤلاء هم يوشوا بنجيو وجيفري هينتون ويان ليكون. من خلال تحسين قدرة أجهزة الكمبيوتر بشكل كبير على فهم العالم ، فإن الشبكات العصبية العميقة لا تغير فقط مجال الحوسبة ، ولكن تقريبًا كل مجال من مجالات العلوم والجهود البشرية ".
دور كندا
يواصل الفائزون بجائزة Turing لعام 2018 التعاون في إطار برنامج التعلم في الآلات والأدمغة CIFAR (المعهد الكندي للأبحاث المتقدمة). الدور الذي تلعبه الحكومة الكندية في أبحاث الشبكات العصبية ليس هامشيًا بأي حال من الأحوال.
على وجه التحديد ، يهدف هذا المشروع إلى استكشاف تلك المنطقة الواسعة والرائعة التي تقع عند التقاطع بين التعلم الآلي وعلم الأعصاب والعلوم المعرفية. خطوة لا مفر منها إذا كان المرء يتطلع إلى ذكاء اصطناعي يمتلك "الحس السليم".
اليوم العلماء الثلاثة الحائزون على جوائز في دائرة الضوء ، لكن الأمر لم يكن هكذا دائمًا ... كان هناك حقًا وقت كان فيه الذكاء الاصطناعي في الغبار. دعونا نلقي نظرة موجزة على تاريخها.
في البداية كان Perceptron ...
تمثل قصة Perceptron مصطلحًا جيدًا للمقارنة لتوضيح الاتجاه المتذبذب الذي يميز عالم الذكاء الاصطناعي. كانت الفكرة وراء Perceptron بسيطة وتستند إلى أسس نظرية وضعت في وقت مبكر من الأربعينيات: لنمذجة بنية وعمل الدماغ البشري. في هذه الحالة ، قم بتقليد سلوك الخلايا العصبية والروابط التي تنشئها بينها: المشابك العصبية. أخيرًا ، حاولنا إعادة إنتاج طريقة تعلم عقولنا ، ولا سيما المرونة.
حاول Perceptron تحسين قدرته على مطابقة الإخراج المتوقع ، مع إعطاء وزن أكثر أو أقل للوصلات المختلفة. وبذلك قام بتغيير المشابك العصبية ، وأعاد تشكيل العلاقات بين الخلايا العصبية الاصطناعية. يمكن القول أنه من خلال هذه الطريقة ، تعلمت الآلة بمعنى ما. كان Perceptron بالفعل أول نموذج أولي للشبكة العصبية ، وإن كان مبسطًا للغاية ، وكان قادرًا على التمييز ، على سبيل المثال ، الأشكال الهندسية الأولية مثل المثلثات والمربعات.
كارثة Perceptron...
ومع ذلك ، فقد ثبت أن المشروع غير ملائم لتلبية التوقعات الهائلة التي أثارها ، والتي تغذيها أيضًا تصريحات غير حذر. في الواقع ، ذهب روزنبلات إلى حد التصريح بأن "مخلوقه" على المدى الطويل "... سيكون قادرًا على التعلم واتخاذ القرارات وترجمة اللغات".
كان Perceptron قائمًا بالفعل على طبقة واحدة من الخلايا العصبية الاصطناعية (اثنان على الأكثر) ، مما حد بشدة من قدرته على اكتشاف الأنماط المعقدة. على النقيض من ذلك ، فإن الشبكات العصبية العميقة اليوم مبنية على طبقات متعددة من الخلايا العصبية الاصطناعية.
تسمح لهم هذه البنية بالتعامل مع تعقيد أكبر بكثير. في نهاية المطاف ، أثبت مشروع روزنبلات أنه فاشل. تضاءل الاهتمام بالآلة والنهج الذي كان في قاعدته بشكل تدريجي ، كما تضاءلت الأموال المخصصة للبرنامج.
... وعواقبه
أدت سلسلة من النكسات ، بما في ذلك كارثة Perceptron ، إلى خيبة الأمل وخيبة الأمل اللاحقة بين منتصف الستينيات والسبعينيات من القرن الماضي ، مما حكم على علم التحكم الآلي الناشئ بالنسيان طويل الأمد.
تم حظر الموضوع بشكل قاتل ، وعانى من نوع من النبذ داخل مجتمع العلماء في هذا القطاع. جاء الشتاء للشبكات العصبية الاصطناعية لحديثي الولادة ، وشتاء طويل ...
عندما يفشل البحث في الاستجابة للتوقعات المبالغ فيها في بعض الأحيان ، ينشأ مناخ من عدم الثقة مما يؤدي إلى تبريد تدريجي في الاهتمام. وهذا بدوره يؤدي أولاً إلى انخفاض ثم تعليق الأموال. هذا يسبب نهاية البحث نفسه أو ركوده على الأكثر. ظاهرة تعرف باسم "شتاء الذكاء الاصطناعي".
قدوم الذكاء الاصطناعي للشتاء
دورات متكررة من الحماس المفرط والاستثمارات الضخمة (غالبًا ما تكون مدفوعة بالدعاية والتسويق) ، والتي يتبعها إحباط عميق ، وانقطاع للمنح ، وأحيانًا إلقاء اللوم على مسار معين من التحقيق.
اتبعت تقدم الأبحاث في مجال الذكاء الاصطناعي نفس المنحنى في جميع المجالات: نجاحات أولية مذهلة ، تلتها فجأة صعوبات غير متوقعة. (من هوبرت إل دريفوس ، ما لا تستطيع أجهزة الكمبيوتر فعله. حدود الذكاء الاصطناعي ، أرماندو 1998).
من بين فصول الشتاء ، والشتاء المطول ، شهد قطاع الذكاء الاصطناعي عامين على الأقل. الذي يتبع ، من بين أمور أخرى ، فشل Perceptron والآخر الناجم عن فقاعة dot-com.
تحت المسار الصحيح
ومع ذلك ، على الرغم من قبضة برودة خيبة الأمل ، لم يتوقف التحقيق في الشبكات العصبية تمامًا. على العكس من ذلك ، فقد استمر ، مخفيًا ، خسوفًا ، بشكل سري تقريبًا ، بينما اتبعت التمويل والبحث السائد مسارات أخرى.
على الرغم من أن هينتون يؤكد أن حكاية الشعلة ظلت مشتعلة من قبل قلة مختارة ليست سوى أساطير ، فإن العقبات والصعوبات ليست بأي حال من الأحوال اختراعًا.
حتى أن هينتون كان عليه أن يصطدم بأستاذه عندما اختار الذكاء الاصطناعي كموضوع لدرجة الدكتوراه في سبعينيات القرن الماضي ، ويتذكر قائلاً: "كنا نلتقي مرة في الأسبوع. "
بالنسبة للشبكات العصبية ، على وجه الخصوص ، فإن اللامبالاة أو ما هو أسوأ من نفور جزء كبير من مجتمع العلماء في القطاع استمر لفترة طويلة. يتذكر LeCun:
كانت هناك فترة مظلمة في منتصف التسعينيات وأوائل القرن الحادي والعشرين ، عندما كان من المستحيل نشر بحث حول الشبكات العصبية ، لأن المجتمع فقد الاهتمام بها ... في الواقع ، كان لديهم سمعة سيئة. كانوا نوعًا من المحرمات.
نواصل البحث
واصل العلماء الثلاثة الحائزون على جائزة تورينج العمل على أفكارهم حتى في أحلك الأوقات ، سواء بشكل مستقل أو بالتعاون وتبادل الأفكار. بفضل بصيرة الحكومة الكندية أيضًا ، وجد الثلاثة أنفسهم معًا وربما بدأ الانتقام من هناك.
في عام 2004 ، بمنحة تقل عن 400.000 ألف دولار من المعهد الكندي للأبحاث المتقدمة ، أنشأ الدكتور هينتون برنامجًا بحثيًا مخصصًا لما أسماه "الحوسبة العصبية والإدراك التكيفي.
كما دعا هينتون يوشوا بنجيو ويان ليكون ليكونا جزءًا من المشروع.
ثبت أيضًا أن التآزر مهم ، تلك التي تبدأ نوعًا من الدائرة الفاضلة التي تزرع الثمار وتنشر الأفكار وتكتسب المؤيدين. يقول LeCu:
كان لدينا اجتماعات منتظمة وورش عمل منتظمة ومدارس صيفية لطلابنا ... أدى ذلك إلى إنشاء مجتمع صغير [...] في حوالي عام 2012 ، 2013 انفجر حقًا.
فقط في تلك الفترة ، بعد فترة وجيزة من منتصف الطريق للعقد الأول من الألفية الجديدة ، كان كل شيء جاهزًا. كانت الأسس النظرية بالإضافة إلى الأجهزة المتاحة والمواد الخام الأساسية ، البيانات. لذلك يمكن أن تبدأ ثورة الشبكات العصبية.
تقاربات موازية
لفترة طويلة ، واجهت جهود العلماء في مجال الشبكات العصبية الاصطناعية نقصًا في الوقود اللازم لجعلها تعمل في أفضل حالاتها: البيانات. ملاحظات Yann LeCun:
لقد عملوا بشكل جيد فقط عندما كان هناك الكثير من البيانات للتدريب وكان هناك عدد قليل من المجالات التي تحتوي على الكثير من البيانات للتدريب.
وبالمثل ، من ناحية الأجهزة ، لم تكن هناك طاقة كافية. كما يشير جاري ماركوس وإرنست ديفيس:
في وقت متأخر من أوائل القرن الحادي والعشرين ، لم تكن الأجهزة على مستوى الوظيفة. كان الأمر سيستغرق أسابيع أو حتى شهورًا من وقت الكمبيوتر لتدريب شبكة عميقة نموذجية. لا يمكن للمرء أن يحاول (كما هو ممكن الآن) المئات من البدائل المختلفة ويفحص أفضلها. (غاري إف ماركوس ، إرنست ديفيس ، إعادة تشغيل الذكاء الاصطناعي. بناء الذكاء الاصطناعي الذي يمكننا الوثوق به ، 2000).
هنا يأتي الإنترنت
كما حدث في مناسبات أخرى بالتزامن مع نقاط انعطاف في تاريخ تكنولوجيا المعلومات ، في لحظة معينة ، وبطريقة عرضية على ما يبدو ، تتلاقى سلسلة كاملة من عمليات الاستحواذ (الفنية والنظرية). وهذا يجعل ما كان في السابق مجرد رغبة أو مسألة غامضة بالنسبة إلى الحالمين الذين تعرضوا لسوء المعاملة أمرًا ممكنًا.
وهكذا ، في حوالي العقد الأول من الألفية الجديدة ، توفرت كميات هائلة من البيانات بفضل انتشار الإنترنت ووسائل التواصل الاجتماعي. كيف توفرت مجموعة متنوعة من مجموعات البيانات المنظمة ، بعضها بجودة عالية جدًا. كانت ImageNet عبارة عن مجموعة بيانات كانت في ذلك الوقت مرقمة 3,2 مليون صورة مصنفة ، منظمة في 5247 فئة. قال لي
التحول النموذجي لمفهوم ImageNet هو أنه بينما يهتم الكثير من الناس بالنماذج ، [نحن] نولي اهتمامًا للبيانات. ... ستعيد البيانات تحديد طريقة تفكيرنا في النماذج.
IMAGEnet
نُشر في عام 2009 (ورقة ImageNet) وسط اللامبالاة العامة ، نظمت Imagenet أيضًا مسابقة سنوية ، من عام 2010 حتى الإصدار الأخير من عام 2017. شارك بعض الشخصيات الرائدة اليوم في قطاع التعلم الآلي والتكنولوجيا المتقدمة.
تهدف المسابقة إلى اختبار الخوارزميات على قاعدة البيانات الضخمة للصور المتاحة ، من أجل التحقيق الشامل في إمكانات الذكاء الاصطناعي.
كانت المفاجأة السارة أن الأشخاص الذين دربوا نماذجهم على ImageNet يمكنهم استخدامها لتشغيل نماذج لمهام التعرف الأخرى. لقد بدأت مع نموذج ImageNet ثم صقلته من أجل عمل آخر. ... لقد كان اختراقًا لكل من الشبكات العصبية والاعتراف بشكل عام.
جانب الجهاز
حتى على جانب الأجهزة ، في نفس الوقت تقريبًا ، كانت هناك الآن القوة اللازمة لدعم احتياجات الشبكات العصبية بالكامل (وبتكلفة معقولة). ومن المفارقات أن الأجهزة المعنية جاءت من قطاع مختلف تمامًا ووجهة أصلية.
تم ربط وحدات معالجة الرسومات للألعاب ، بدءًا من سبعينيات القرن الماضي ، واكتشفتها الشبكات العصبية في أوائل العقد الأول من القرن الحالي. وبحلول عام 70 ، أصبحت قوية للغاية ، وكانت لبعض الأغراض أكثر كفاءة من وحدات المعالجة المركزية. وحدة المعالجة المركزية هي الدعامة الأساسية التقليدية لمعظم أجهزة الكمبيوتر.
جاءت الثورة في عام 2012 ، عندما اكتشف عدد من الأشخاص ، بما في ذلك فريق من الباحثين الذين يعملون مع Hinton ، طريقة لاستخدام قوة وحدات معالجة الرسومات لزيادة قوة الشبكات العصبية بشكل كبير.
راقب ماركوس وديفيز:
بمعنى ما ، لم يأتِ التقدم الأكثر أهمية من بعض الاختراقات التقنية الأساسية في رياضيات الشبكات العصبية ، والعديد منها من الثمانينيات. لقد جاء من ألعاب الكمبيوتر. أو بشكل أكثر تحديدًا ، عن طريق قطعة معينة من الأجهزة تُعرف باسم GPU (اختصار لوحدة معالجة الرسومات) ، والتي حولها مجتمع الشبكة العصبية للذكاء الاصطناعي.
مسابقة Imagenet 2012
في عام 2012 ، بعد عامين من أول تحدي Imagenet ، حدث الحدث الذي ربما أدى إلى الارتفاع الحالي للذكاء الاصطناعي. دخل هينتون مع اثنين من طلابه من جامعة تورنتو ، إيليا سوتسكيفر وأليكس كريجفسكي ، في المنافسة بشبكة عصبية تلافيفية صممها كريجفسكي: AlexNet.
AlexNet ، التي لا تزال تعمل في مجال البحث ، تغلبت على المجال بهامش ضخم قدره 10,8 نقطة مئوية ، أو 41٪ أفضل من صاحب الأداء التالي. نتيجة غير متوقعة لا لبس فيها. يقول LeCun:
كان الاختلاف كبيرًا لدرجة أن الكثير من الناس يمكن أن يروا تحولًا هائلاً يجنون على رؤوسهم ... الآن أصبحوا مقتنعين.
يبدأ صعود الذكاء الاصطناعي
انتصار مدوي لدرجة أنه سرعان ما دفع Google لتوظيف الفائزين الثلاثة. تذكر Krizhevsky:
لقد تحولت إلى [حالة] سريالية تمامًا. ... سرعان ما بدأنا في تلقي عروض الاستحواذ. الكثير من رسائل البريد الإلكتروني.
لإغلاق دائرة "الصدف" المحظوظة ، جاءت المنافسة التي أعلنت عنها شركة Imagenet أيضًا في الوقت المناسب تمامًا لهينتون وطلابه.
اليوم ، هذه الشبكات العصبية التلافيفية موجودة في كل مكان ... يمكنها معرفة ما في الصورة عن طريق اكتشاف الأنماط بين البيكسلات من خلال زيادة مستويات التجريد. يستخدمون الآلاف إلى الملايين من العمليات الحسابية الصغيرة لكل مستوى. ... كان هينتون يحث زملائه على أخذهم على محمل الجد لعقود. ومع ذلك ، فقد أصبح لديه الآن دليل على أنه يمكنهم التغلب على التقنيات المتطورة الأخرى.
كان حدث Imagenet 2012 هذا بالتأكيد هو ما أشعل الانفجار الكبير للذكاء الاصطناعي اليوم.
كانت هناك بالتأكيد بعض النتائج الواعدة جدًا في التعرف على الكلام قبل ذلك بقليل (حدث العديد منها مرة أخرى في تورنتو). لكنهم لم ينطلقوا علنًا بنفس القدر الذي فازت به ImageNet في عام 2012 والسنوات التي تلت ذلك.
فجوة التقدم الوهمية
على الرغم من انتشار الشبكات العصبية والتعلم الآلي في كل مكان الآن في عالم الذكاء الاصطناعي وبشكل أكثر عمومية في القطاع التكنولوجي ككل ، لا يزال هناك الكثير الذي يتعين القيام به. على الرغم من إحراز تقدم مفاجئ ، يبدو أن القوة الدافعة التي اجتاحت القطاع قد تلاشت أو تضاءلت على الأقل.
مرة أخرى ، لم يُظهر الذكاء الاصطناعي نفسه قادرًا على الإرضاء الكامل ، على الأقل حتى الآن ، لكل من الوعود التي رافقته والتوقعات الهائلة التي أثارها ، ناهيك عن الاستثمارات الضخمة.
أظهر النهج السائد حاليًا للذكاء الاصطناعي ، وهو النهج الذي يعتمد بدقة على التعلم الآلي (بأشكاله المختلفة) ، بعض الشقوق. إن النجاحات التي تحققت في الشطرنج ، والجو ، والبوكر ، وألعاب الفيديو ، وما إلى ذلك ، قد عززت هذه المنهجية.
ومع ذلك ، فإن محاولات "تصديرها" خارج الأكوان المغلقة ، والبيئات المحددة جيدًا والمقيدة ، لم تكن دائمًا مثمرة وكشفت عن حدودها وهشاشتها. وهكذا جاءت الصعوبات والإخفاقات.
يتحدث ماركوس وديفيز عن "فجوة التقدم الوهمية" ، أو "... الخلط بين تقدم الذكاء الاصطناعي في مشاكل بسيطة مع التقدم في المشكلات المعقدة" (غاري إف ماركوس ، إرنست ديفيس ، إعادة تشغيل الذكاء الاصطناعي. بناء الذكاء الاصطناعي نستطيع الثقة ، 2019)
إخفاقات الذكاء الاصطناعي
حدثت بعض الإخفاقات الأكثر إثارة في مجال الرعاية الصحية. حتى الآن ، في الواقع ، لا يمكن القول إن بعض البرامج الأكثر طموحًا التي توخت التطبيق الملموس للذكاء الاصطناعي في قطاع البحث والعلاج الطبي كانت ناجحة. في الواقع ، ترتبط كل من علامة IBM التجارية بـ Watson و Watson Health وحتى بشكل أكثر تحديدًا Watson لعلم الأورام ، والتي حددت لنفسها هدفًا لهزيمة السرطان في بضع سنوات ؛ كلا من Deep Mind ، يهدف إلى التشخيص المبكر للفشل الكلوي الحاد (AKI). لقد عانى كلاهما من نكسات ونكسات وانتقادات شديدة وانشقاقات.
تهدئة المستثمرين
يخشى البعض أنه إذا لم تثبت الاستثمارات في القطاع أنها مربحة على المدى الطويل ، فقد تفشل الفائدة من جانب المقرضين.
لقد شهدت شركة "ديب مايند" ، على سبيل المثال ، خسائر فادحة على مدى السنوات الثلاث الماضية. من جانبها ، أبلغت شركة IBM مؤخرًا فقط عن زيادة في الإيرادات ، بعد سلسلة من الانخفاض 22 ربعًا متتاليًا.
لذلك ، هناك مخاوف من أوساط كثيرة من اقتراب فصل الشتاء الجديد للذكاء الاصطناعي. من الواضح أن التوقعات التي ولّدتها الدعاية ، التي غذتها وسائل الإعلام ، مبالغ فيها. يبدو أن هذا ينذر بدورة جديدة من خيبة الأمل وعدم الاهتمام والانخفاض الحاد في التمويل.
ومع ذلك ، هناك بعض الاختلافات الجوهرية مقارنة بالماضي.
هل يأتي شتاء جديد؟
يكتب دريفوس: "على الرغم من الإعلانات والنبوءات ، على الرغم مما تعلنه وسائل الإعلام أو ما تظهره لنا السينما ، فإن الذكاء الاصطناعي هو وعد وليس أمرًا واقعًا" (Hubert L. Dreyfus ، ما لا تستطيع أجهزة الكمبيوتر فعله. حدود الذكاء الاصطناعي ، أرماندو 1998).
اليوم ، تحتفظ الملاحظة التي قدمها دريفوس بكل أهميتها ، بشرط أن نشير إلى الطموح النهائي للذكاء الاصطناعي: الاقتراب قدر الإمكان من الدماغ البشري وربما تجاوزه.
ومع ذلك ، فقد وجد الذكاء الاصطناعي العديد من الاستخدامات على المستوى العملي ، والتي تؤثر الآن على حياتنا اليومية. كما يشير تيرنان راي:
لم يعد استخدام التعلم الآلي نشاطًا أكاديميًا بحتًا ، بل أصبح الآن جزءًا من الصناعة. وتجد الصناعة طرقًا للقيام بأشياء باستخدام التعلم الآلي لا علاقة لها بخلق العقل.
هذا هو أول دلالة على الآخر فيما يتعلق بالماضي ، ولكن هناك دلالات أخرى. يتابع راي:
الأمر مختلف لسبب واحد بسيط: الذكاء الاصطناعي ، في أحدث تجسيد له يسمى التعلم العميق ، أصبح "صناعيًا". لأول مرة على الإطلاق ، يعد الذكاء الاصطناعي جزءًا من طريقة عمل الشركات. وهذا يعطيها قيمة جديدة ، تتجاوز أوجه القصور التي أبرزها النقاد.
تصنيع الذكاء الاصطناعي لهذا السبب كما يعلق جاري ماركوس:
قد يصبح عالم الشركات أقل ثقة في الذكاء الاصطناعي ، لكنه لا يستطيع التراجع عنه تمامًا.
وأيضًا لأنه ، وهذا عنصر إضافي من عدم الاستمرارية مع الماضي ، في الواقع ، لم يعد تمويل الأبحاث يأتي إلى حد كبير من الحكومات ، ولكنه ينتمي إلى رأس المال الخاص. وهذه ، كما نعلم ، تهدف في المقام الأول إلى تحقيق عائد اقتصادي.
ومع ذلك ، على الرغم من بعض العلامات المشجعة ، لم يتم بعد إثبات ربحية الاستثمارات في الذكاء الاصطناعي. ومع ذلك ، يمكن أن يتمتع المكون العام بميزته في الحفاظ على تدفق كبير للتمويل. في الوقت الحالي ، يعد البروز في مجال الذكاء الاصطناعي بأولوية لا ترغب أي من القوى المهيمنة في التخلي عنها.
قد يكون التخلف عن الركب قاتلاً لأي شخص ، سواء كانت شركة أو شركة مملوكة للدولة.
مسألة البيانات الضخمة
حقيقة القدرة على استخراج "القيمة" ، بأشكال مختلفة ، من البيانات ، أولاً وقبل كل شيء بيانات مستخدميها ، تضمن للشركات ، من عمالقة الويب إلى الشركات الناشئة ، نوعًا من الميزة الإضافية. هنا حداثة أخرى.
يتمثل الاختلاف الرئيسي بين هذه الشركات الناشئة والعصور السابقة للذكاء الاصطناعي في أنها وضعت نفسها لاستخدام بيانات العملاء الخاصة بهم. حتى إذا لم تفي هذه الشركات الناشئة الجديدة بوعودها الصريحة بتحسين كل شيء ، فسيكون لها مقعد على الطاولة من خلال الانخراط في البيانات. كما لاحظ عالم الاجتماع الفرنسي دومينيك كاردون:
يوجد التنقيب عن البيانات لأنه من الممكن الحصول على مزايا تنافسية من خلال تحليل العديد من البيانات التي تصف حياة مجتمعنا المحوسب.
كل هذا يجعل الذكاء الاصطناعي أكثر تكاملاً و "مرتكزًا" على الواقع ، مقارنة بالماضي ، في عالم الشركات وفي المجتمع ككل.
لن يكون هناك شتاء جديد
لذلك ، يبدو أن مجموع هذه العناصر يمنع حدوث شتاء جليدي جديد محتمل. ومع ذلك ، هناك عامل أخير يجب أخذه بعين الاعتبار: الثقة.
يتكون شتاء الذكاء الاصطناعي بشكل أساسي من انهيار التصور تجاه الذكاء الاصطناعي من قبل البيروقراطيين الحكوميين وأصحاب رؤوس الأموال. يحتاج الذكاء الاصطناعي اليوم أكثر من أي وقت مضى إلى ثقة مجموعة متنوعة من الموضوعات. هذه الثقة تتجاوز بكثير تلك المذكورة أعلاه لإضافة رأي عام غير واضح.
لم يعد كافياً أن يفي الذكاء الاصطناعي (جزئياً على الأقل) بالوعود التي قُطعت للمستثمرين والحكومات ووسائل الإعلام بشكل عام. يحتاج إلى ثقة المستخدمين. وهذا يعني أن المستخدمين أو المحترفين البسطاء الذين يستخدمونها أو يجدون أنفسهم مضطرين إلى "التعاون" معها.
يجب أن يكون الذكاء الاصطناعي "جديرًا بالثقة" ، عبر النطاق الكامل للمعنى الدلالي للمصطلح. جدير بالثقة وموثوق وآمن في النهاية.
ويكمن الخطر في أن التطبيق العملي له في المجتمع ، ضمن الواقع العادي ، يفشل ، كليًا أو جزئيًا. إذا حدث هذا ، فلا يمكن أن تفشل التداعيات في التأثير على الاستثمار والبحث. في هذه المرحلة يمكن أن تفتح أبواب شتاء بارد جديد.
