رجل + آلة. النموذج الحقيقي للذكاء الاصطناعي

هل هي بالفعل نهاية العالم الآن؟

قال إيلون ماسك إن الذكاء الاصطناعي يمكن أن يبدأ الحرب العالمية الثالثة. إذا قالت الشركة المصنعة للسيارة ذات الذكاء الاصطناعي الأكثر تقدمًا وزئبقيًا على هذا الكوكب ، فهذا يعني أن هناك أساسًا. حتى وقت قريب ، كان هناك عدد قليل جدًا من الذين يهتمون بعواقب الابتكار التكنولوجي الذي كان يتخذ خطوة غاضبة. وكنا في البداية فقط ، لم نر شيئًا بعد.

ثم حدث أن الخطاب حول عواقب التكنولوجيا بدأ يتغلغل في كل جزء من المجتمع ، باستثناء التقنيين الذين هم على قناعة بأنهم "في مهمة من أجل الله". الذكاء الاصطناعي هو المتهم الرئيسي بانقلاب التصور العام.

عندما يتعلق الأمر بالذكاء الاصطناعي ، يميل جزء كبير من المحادثة العامة إلى التركيز على أكثر من مجرد فقدان الوظائف أو تفوق الصين. ولكن أيضًا وقبل كل شيء الخوف من أن الآلات الذكية سوف تغزو العالم يومًا ما مما يجعل الإنسان مجرد حلقة في السلسلة الغذائية. هذا ليس ما يحدث في حرب العوالم بواسطة هكسلي؟

الافتراض الضمني هو أن البشر والآلات في منافسة. المنافسة التي ستفوز بها الآلة. في نهاية المطاف ، ستحل الأنظمة الذكية ، بسرعتها الفائقة وقدرتها على المعالجة ومقاومتها للتآكل والتلف ، محلنا أولاً في المهن ، ثم في المؤسسات وأخيراً في اتخاذ القرارات.

هناك دراسة اقتصادية قياسية لعام 2015 من قبل المكتب الوطني للبحوث الاقتصادية ، وهو مركز أبحاث يتنبأ بالاتجاهات الاقتصادية بدقة كافية. استخلصت هذه الدراسة هذا الاستنتاج من بحث حول تطوير الذكاء الاصطناعي:

"في غياب سياسة مالية مناسبة تعيد التوزيع من الرابحين إلى الخاسرين ، فإن السيارات الذكية ستعني المزيد من الفقر للجميع على المدى الطويل."

شرطان يبدو أنهما بعيدان عن الحدوث في الوقت الحالي ، إن لم يتم حتى تصوره. لكن شيئًا واحدًا يحدث: جزء كبير من السكان في البلدان المتقدمة ، في الواقع ، فقير. ونعلم أن الإفقار يمكن أن يكون له عواقب أكثر وحشية من الذكاء الاصطناعي.

الذكاء الإضافي

دعنا نحاول رؤية الأمر من منظور مختلف. دعنا نسأل أنفسنا. ماذا لو لم تكن عملية الإنسان والآلة للسلطة مطروحة بل مضافة؟ هذا هو المنظور الذي اقترحه بول دوجيرتي وجيمس ويلسون في كتابهما المترجم أخيرًا إلى الإيطالية الإنسان + الآلة. إعادة التفكير في العمل في عصر الذكاء الاصطناعي، جويريني ، 2019 ، ص. 215 (متوفر أيضًا في كتاب إلكتروني في إصدار مشترك مع goWare).

عمل دوجيرتي وويلسون ليس عملًا نظريًا أو حكيًا ، ولكنه يستمد اعتباراته من الخبرة الميدانية التي اكتسبها المؤلفان. في الواقع ، كلاهما يحمل المسؤوليات الأساسية في Accenture. دوجيرتي هو كبير مسؤولي التكنولوجيا والابتكار ، ويشرف على الذكاء الاصطناعي ومشاريع البحث والتطوير على مستوى العالم. يرأس ويلسون قسم تكنولوجيا المعلومات وأبحاث الأعمال.

Accenture هي أكبر شركة استشارات إدارية في العالم. إنه يتنفس نفس هواء الشركات ، خاصة الكبيرة منها ، التي يعمل من أجلها جنبًا إلى جنب. من الصعب أن يكون لديك مرصد يتمتع برؤية أفضل للمنطقة التي تحدث فيها الابتكارات والتغييرات.

أجرى دوجيرتي وويلسون تحليلًا بالملاحظة ودراسات حالة لـ 450 منظمة في عينة من 1500 وحددوا عددًا من الظواهر ذات الصلة التي فاتها البحث الكمي. أحدهما هو مفهوم "مهارة الاندماج": يشكل الرجال والآلات معًا أنواعًا جديدة من العمل والخبرة المهنية.

هذا الانصهار للمعرفة والمهارات هو بالضبط "فضاء الأشباح". شبح بمعنى أنه غائب عن الجدل الاستقطابي حول العمل الذي وضع الرجال في مواجهة الآلات. وفي هذا الفضاء الوهمي المركزي أعادت الشركات المتطورة ابتكار أساليب عملها ، محققة تحسينات غير عادية في الأداء.

ل إعادة المهارات

يلخص باولو ترافيرسو ، مدير FBK ICT Fondazione Bruno Kessler Center ، في مقدمة الكتاب ، أطروحة المؤلفين جيدًا. يكتب:

يتم الإعلان عن معنى العمل في العنوان: المستقبل لا يكمن في الآلات في حد ذاتها ، ذكية كما قد تكون ، ليست في الأتمتة الصناعية البحتة ، حتى لو تم دفعها إلى الحد الأقصى لتحل محل نسبة عالية من الأكثر روتينية ومكونات منخفضة الإبداع لكل مهنة. إن مستقبل المجتمع ، وأيضًا السوق والأعمال ، هو في الواقع المكان الذي تعمل فيه الآلات والأفراد معًا ، حيث سيتم تجديد التجارة وكذلك نماذج الأعمال بشكل كبير. يجب ألا يحل الذكاء الاصطناعي محل الأشخاص ، ومهاراتهم ، وإبداعهم ، بل يجب أن يعززهم ، بل يجب أن يزيدهم.

تكمن الرافعة الأساسية لحدوث ذلك في ما يسميه المؤلفون إعادة المهارات ، أي في إعداد ملايين الأشخاص من جميع الأعمار للعمل مع التقنيات الجديدة. مهمة عملاقة ولكن لا مفر منها.

حتى تقني تائب مثل أريانا هافينغتون ، الذي يدافع الآن عن الانفصال ، قدّر بشدة عمل المؤلفين اللذين يذهبان في نهاية المطاف في اتجاه امتصاص التكنولوجيا داخل الحالة البشرية حتى تصبح جزءًا لا يتجزأ منها. إليك كيف يضع هافينغتون الأمر عن الكتاب:

«في Human + Machine ، يقدم Daugherty و Wilson نموذجًا للمستقبل يعزز فيه الذكاء الاصطناعي جانبنا البشري. الكتاب مليء بالأمثلة والتعليمات والإلهام ، وهو دليل عملي لفهم الذكاء الاصطناعي - ما يعنيه لحياتنا وكيف يمكننا تحقيق أقصى استفادة منه ".

نقدم أدناه مقتطفين موجزين من كتاب دوجيرتي وويلسون. الأول يتعلق بتاريخ موجز للذكاء الاصطناعي. يعمل التاريخ دائمًا على الفهم. ومع ذلك ، يصل الثاني إلى لب الموضوع من خلال مناقشة مجموعة الأبراج التكنولوجية التي تشكل الذكاء الاصطناعي اليوم. في الأساس ، الذكاء الاصطناعي في هذه المرحلة من التطور هو في الأساس تعلم عميق. لا يزال بإمكاننا السيطرة عليها.

استمتع بالقراءة

. . .

تاريخ موجز للذكاء الاصطناعي

1956

التكنولوجيا الدافعة وراء العصر الحالي للعمليات التكيفية هي الذكاء الاصطناعي ، الذي تطور على مدار العقدين الماضيين. سيوفر لنا تاريخها باختصار السياق الذي نؤطر فيه خصائصه وإمكاناته الأكثر تقدمًا.

وُلد مجال الذكاء الاصطناعي رسميًا في عام 1956 ، عندما اجتمعت مجموعة صغيرة من علماء الكمبيوتر والباحثين بقيادة جون مكارثي ، ومن بينهم كلود شانون ومارفن مينسكي وآخرين ، في كلية دارتموث في المؤتمر الأول المخصص لإمكانية تلك الآلة. يمكن للذكاء تقليد الذكاء البشري.

كان المؤتمر ، الذي كان في الأساس عبارة عن جلسة عصف ذهني مطولة ، مبنيًا على افتراض أن كل جانب من جوانب التعلم والإبداع يمكن وصفه بطريقة دقيقة بحيث يمكن أن يصبح نموذجًا رياضيًا ، وبالتالي تكرره الآلات. كانت الأهداف طموحة ، بدءًا من اقتراح التصميم: "سيتم إجراء أي محاولة لمعرفة كيفية جعل آلة قادرة على استخدام اللغة والشكل والتجريدات والمفاهيم ، وحل أنواع المشكلات التي تقتصر حاليًا على البشر ، وتحسين نفسها" . بالطبع ، كانت تلك مجرد البداية.

نجح المؤتمر على الفور في تضييق المجال وتوحيد العديد من الأفكار الرياضية التي تدور حول مفهوم الذكاء الاصطناعي.

الرواد

وفي العقود التي تلت ذلك ، ألهمت مجالات بحث جديدة تمامًا. على سبيل المثال ، كتب مينسكي مع سيمور بابيرت ما يعتبر الكتاب التأسيسي عن حدود وإمكانيات الشبكات العصبية ، وهو نوع من الذكاء الاصطناعي يستخدم الخلايا العصبية البيولوجية كنموذج. يمكن أيضًا تتبع أفكار أخرى مثل الأنظمة الخبيرة - حيث يكون الكمبيوتر مزودًا باحتياطيات عميقة من "المعرفة" المتعلقة بمجالات محددة مثل الهندسة المعمارية أو التشخيص الطبي - أو معالجة اللغة الطبيعية ورؤية الكمبيوتر والروبوتات المحمولة ، في هذا الحدث.

كان من بين الحاضرين في المؤتمر آرثر صموئيل ، مهندس IBM الذي كان يقوم ببناء برنامج كمبيوتر للعب الداما. قام برنامجه بتقييم حالة اللوحة وحساب فرص أن يؤدي منصب معين إلى النصر.

في عام 1959 ، صاغ صموئيل مصطلح التعلم الآلي ، "التعلم الآلي": أي قطاع البحث الذي ينسب إلى أجهزة الكمبيوتر القدرة على التعلم دون أن تتم برمجتها بشكل صريح. في عام 1961 ، تم استخدام برنامجه للتعلم الآلي لهزيمة رابع أكبر لاعب لعبة الداما في الولايات المتحدة.

ولكن نظرًا لأن صموئيل كان شخصًا خاصًا ولم يمارس سياسة الترويج الذاتي ، فلم يكن حتى تقاعده من شركة IBM في عام 1966 حيث أصبحت أهمية عمله في التعلم الآلي معرفة عامة.

التعلم الالي

في العقود التي تلت المؤتمر ، ظل التعلم الآلي غامضًا حيث تحول الانتباه إلى نماذج أخرى من الذكاء الاصطناعي. على وجه الخصوص ، ركزت الأبحاث التي أجريت في السبعينيات والثمانينيات على مفهوم الذكاء القائم على الرموز المادية والتلاعب به من خلال القواعد المنطقية. ومع ذلك ، لم تجد هذه الأنظمة الرمزية نجاحًا عمليًا ، وأدى فشلها إلى فترة تعرف باسم "شتاء الذكاء الاصطناعي".

ومع ذلك ، في التسعينيات ، بدأ التعلم الآلي في الازدهار مرة أخرى وتبنى أنصاره الإحصاءات المتكاملة ونظرية الاحتمالات في نهجهم. في نفس الوقت بدأت ثورة الكمبيوتر الشخصي. على مدار العقد المقبل ، ستصبح الأنظمة الرقمية وأجهزة الاستشعار والإنترنت والهواتف المحمولة شائعة ، مما يوفر جميع أنواع البيانات لخبراء التعلم الآلي أثناء تطويرهم لأنظمتهم التكيفية.

اليوم نفكر في برنامج التعلم الآلي كمنشئ نموذج قائم على مجموعة البيانات يستخدمه المهندسون والمتخصصون لتدريب النظام. إنه تناقض صارخ مع برمجة الكمبيوتر التقليدية. اتبعت الخوارزميات القياسية مسارات محددة مسبقًا يتم تشغيلها من خلال تعليمات ثابتة أو بواسطة رمز مبرمج. من ناحية أخرى ، يمكن لنظام التعلم الآلي أن يتعلم أثناء عمله. مع كل مجموعة جديدة من البيانات ، تقوم بتحديث نماذجها وكيف "ترى" العالم. في عصر يمكن أن تتعلم فيه الآلات وتتغير من خلال الخبرة والمعلومات ، أصبح المبرمجون أقل فأقل من المشرعين والديكتاتوريين ، وأكثر مثل المعلمين والمدربين.

اليوم كما اليوم

اليوم ، أنظمة الذكاء الاصطناعي التي تستخدم التعلم الآلي موجودة في كل مكان. تستخدمها البنوك لحماية نفسها من الاحتيال ؛ مواقع المواعدة تستخدمها لاقتراح التطابقات المحتملة ؛ يستخدمها المسوقون للتنبؤ بمن سيستجيب بشكل إيجابي للإعلان ؛ وتستخدمها مواقع مشاركة الصور للتعرف التلقائي على الوجوه. لقد قطع شوط طويل منذ أول لعبة لعبة الداما. في عام 2016 ، سجل Google AlphaGo تقدمًا كبيرًا في هذا المجال. لأول مرة ، يتغلب الكمبيوتر على بطل Go ، وهي لعبة أكثر تعقيدًا من لعبة الداما أو الشطرنج. كدليل على العصر ، أنتج AlphaGo حركات غير متوقعة لدرجة أن بعض المراقبين وصفوها بأنها إبداعية ، وحتى "جميلة".

لقد كان نمو الذكاء الاصطناعي والتعلم الآلي متقطعًا على مر السنين ، ولكن الطريقة التي اقتحم بها كلاهما مؤخرًا المنتجات والعمليات التجارية تظهر أنهما أكثر من جاهزان للقيام بدور البطولة. وفقًا لـ Danny Lange ، الرئيس السابق للتعلم الآلي في Uber ، تركت التكنولوجيا أخيرًا جدران مختبرات الأبحاث وأصبحت بسرعة "حجر الزاوية لهذا التحول الصناعي الجديد العاصف".

التقنيات والتطبيقات الذكية: كيف يمكن أن تتعايش؟

إليك مسرد لمجموعة من تقنيات الذكاء الاصطناعي التي يجب أن تكون على دراية بها اليوم. تتوافق هذه التقنيات مع التعلم الآلي وقدرات الذكاء الاصطناعي وطبقات التطبيق وفقًا للشكل أدناه.

مكونات التعلم الآلي

- التعلم الآلي (ML). يقوم مجال علوم الكمبيوتر الذي يتعامل مع الخوارزميات التي تتعلم من البيانات ومن البيانات بعمل تنبؤات دون الحاجة إلى برمجتها بشكل صريح. إنها منطقة لها جذورها في البحث الذي أجراه آرثر صموئيل من شركة IBM ، والذي صاغ المصطلح في عام 1959 واستخدم مبادئ التعلم الآلي في عمله على ألعاب الكمبيوتر. بفضل انفجار البيانات المتاحة لتدريب الخوارزميات ، يتم استخدام التعلم الآلي حاليًا في مجالات متنوعة مثل أبحاث الرؤية الحاسوبية ، والتحقيق في الاحتيال ، والتنبؤ بالأسعار ، ومعالجة اللغة الطبيعية ، وأكثر من ذلك.

- التعلم المشرف. نوع من التعلم الآلي يتم فيه تقديم البيانات المصنفة مسبقًا والمختارة المكونة من مدخلات نموذجية والمخرجات المرغوبة إلى خوارزمية. الهدف من الخوارزمية هو معرفة القواعد العامة التي تربط المدخلات بالمخرجات واستخدام هذه القواعد للتنبؤ بالأحداث المستقبلية من بيانات الإدخال وحدها.

- تعليم غير مشرف عليه. لا يتم تزويد الخوارزمية بالتسميات ، مما يتركها بمفردها للعثور على الهياكل ونماذج الإدخال. يمكن أن يكون التعلم غير الخاضع للإشراف غاية في حد ذاته (من حيث اكتشاف الأنماط المخفية في البيانات) أو يهدف إلى شيء محدد (على سبيل المثال ، استخراج السمات ذات الصلة من البيانات). التعلم غير الخاضع للإشراف أقل تركيزًا على المخرجات من التعلم الخاضع للإشراف ، وأكثر تركيزًا على استكشاف بيانات الإدخال واستنتاج الهياكل المخفية والبيانات غير المميزة.

- التعلم شبه الخاضع للإشراف. استخدم البيانات الموسومة وغير المميزة - عادةً زائد الثواني. وجد العديد من الباحثين أن الجمع بين مجموعتي البيانات يزيد بشكل كبير من دقة عملية التعلم.

- تعزيز التعلم. هذا نوع من التدريب يتم فيه تخصيص هدف محدد للخوارزمية ، مثل تشغيل ذراع ميكانيكي أو لعب Go. تتم مكافأة كل حركة تقوم بها الخوارزمية أو معاقبتها. تسمح التغذية الراجعة للخوارزمية ببناء المسار الأكثر فعالية للوصول إلى الهدف.

- الشبكة العصبية. نوع من التعلم الآلي تقوم فيه الخوارزمية ، بالتعلم من بيانات المراقبة ، بمعالجة المعلومات بطريقة مشابهة للجهاز العصبي البشري. في عام 1957 ، اخترع فرانك روزنبلات من جامعة كورنيل أول شبكة عصبية ، وهي بنية بسيطة أحادية المستوى (تُعرف باسم الشبكة السطحية).

- التعلم العميق والمجموعات الفرعية: الشبكات العصبية العميقة (DNN) والشبكات العصبية المتكررة (rnn) والشبكات العصبية المغذية (FNN). مجموعة من التقنيات لتدريب شبكة عصبية متعددة المستويات. في dnn ، تتم معالجة البيانات "المتصورة" من خلال مستويات مختلفة ؛ يستخدم كل مستوى مخرجات المستوى السابق كمدخلات. يسمح rnn للبيانات بالتدفق ذهابًا وإيابًا بين المستويات ، على عكس fnn ، حيث تكون البيانات في اتجاه واحد.

مكونات المهارة الذكية

- نظام تنبؤي. النظام الذي يجد العلاقات بين المتغيرات في مجموعات البيانات التاريخية مع النتائج ذات الصلة. يتم استخدام العلاقات لتطوير النماذج ، والتي بدورها تستخدم للتنبؤ بالسيناريوهات المستقبلية.

- البحث المحلي (التحسين). نهج رياضي لحل المشكلات يستخدم مجموعة كبيرة من الحلول الممكنة. تبحث الخوارزمية عن الحل الأمثل بدءًا من نقطة في السلسلة وتتحرك بشكل تكراري ومنهجي إلى الحلول المجاورة حتى تجد الحل الأمثل.

- تمثيل المعرفة. مجال ذكاء اصطناعي مخصص لتمثيل معلومات حول العالم في شكل يمكن للكمبيوتر استخدامه لأداء المهام ، مثل إجراء تشخيص طبي أو إجراء محادثة مع شخص ما.

- الأنظمة الخبيرة (الاستدلال). نظام يستخدم المعرفة القطاعية (الطب والكيمياء والقانون) جنبًا إلى جنب مع محرك قائم على القواعد يقرر كيفية تطبيق هذه المعرفة. يتحسن النظام عند إضافة معلومات جديدة أو عند تحديث القواعد أو زيادتها.

- الرؤية بالحاسوب. مجال مخصص لتعليم أجهزة الكمبيوتر لتحديد وتصنيف وفهم محتوى الصور والفيديو وتقليد الرؤية البشرية وتنفيذها.

- معالجة الإشارات الصوتية. التعلم الآلي الذي يمكن استخدامه لتحليل الصوت والإشارات الرقمية الأخرى ، خاصة في البيئات ذات التشبع الصوتي العالي. تشمل التطبيقات الكلام الحسابي والمعالجة الصوتية والسمعية البصرية.

خطاب إلى نص. الشبكات العصبية التي تحول الإشارات الصوتية إلى إشارات نصية بعدة لغات طبيعية. تتضمن التطبيقات الترجمة والأوامر الصوتية والتحكم والنسخ الصوتي والمزيد.

- معالجة اللغة الطبيعية (البرمجة اللغوية العصبية ، معالجة اللغة الطبيعية). مجال تعالج فيه أجهزة الكمبيوتر اللغات البشرية (الطبيعية). تشمل التطبيقات التعرف على الكلام والترجمة الآلية وتحليل المشاعر.

مكونات تطبيقات الذكاء الاصطناعي

- عملاء أذكياء. وكلاء يتفاعلون مع الناس من خلال اللغة الطبيعية. يمكن استخدامها لتنفيذ العمالة البشرية في خدمة العملاء والموارد البشرية والتدريب الداخلي وغيرها من مجالات العمل حيث يتم التعامل مع طلبات قالب الأسئلة الشائعة.

- الروبوتات التعاونية (cobots). الروبوتات التي تعمل بسرعات أبطأ ومجهزة بأجهزة استشعار تسمح بالتفاعل الآمن مع الزملاء البشريين.

- التعرف على القياسات الحيوية والوجه والإيماءات. حدد الأشخاص أو الإيماءات أو الاتجاهات في القياسات الحيوية (الإجهاد ، النشاط ، إلخ) للتفاعل بين الإنسان والآلة ، أو لأغراض تحديد الهوية والتحقق.

- أتمتة ذكية. ينقل بعض المهام من إنسان إلى آخر لتغيير العملية التقليدية بشكل جذري. من خلال إمكانات وقدرات الآلات (السرعة والسعة والقدرة على التحايل على التعقيد) ، تكمل هذه الأدوات العمل البشري وتوسعه حيثما أمكن ذلك.

- أنظمة التوصية. يقدمون توصيات بناءً على أنماط دقيقة تم تحديدها بمرور الوقت بواسطة الخوارزميات. يمكن استهدافها للعملاء لاقتراح منتجات جديدة أو استخدامها داخليًا للحصول على اقتراحات استراتيجية.

- المنتجات الذكية. تم دمج الذكاء في التصميم حتى يتمكنوا من التطور باستمرار لتلبية وتوقع احتياجات العملاء وتفضيلاتهم.

- إضفاء الطابع الشخصي. تحليل الاتجاهات والأنماط للعملاء والموظفين لتحسين الأدوات والمنتجات للمستخدمين الفرديين أو العملاء.

- التعرف على النص والكلام والصورة والفيديو. يفسر البيانات من النص والكلام والصور والفيديو وينشئ ارتباطات يمكن استخدامها لتوسيع الأنشطة التحليلية وتمكين التطبيقات المتقدمة للتفاعل والرؤية.

- الواقع المعزز. اجمع بين قوة الذكاء الاصطناعي وتقنيات الواقع الافتراضي والمعزز والمختلط لإضافة الذكاء إلى التدريب والصيانة والمهام الأخرى.