ما الذي يحدد الذكاء الاصطناعي؟ الدليل السلكي الكامل

الذكاء الاصطناعي هنا. إنها مبالغ فيها ، وغير مفهومة جيدًا ، ومعيبة ولكنها بالفعل أساسية في حياتنا – وستعمل فقط على توسيع نطاقها.

تدعم منظمة العفو الدولية البحث عن سيارة بدون سائق ، وتكتشف علامات المرض غير المرئية على الصور الطبية ، وتجد إجابة عندما تطرح سؤالاً على Alexa ، وتتيح لك فتح هاتفك بوجهك للتحدث إلى الأصدقاء على شكل أنبوب متحرك على iPhone X باستخدام Animoji من Apple . هذه فقط بعض الطرق التي يلامس بها الذكاء الاصطناعي حياتنا بالفعل ، ولا يزال هناك الكثير من العمل الذي يتعين القيام به. لكن لا تقلق ، فالخوارزميات فائقة الذكاء ليست على وشك أن تأخذ كل الوظائف أو تقضي على البشرية.

تم تحفيز الطفرة الحالية في كل ما يتعلق بالذكاء الاصطناعي من خلال الاختراقات في مجال يعرف باسم التعلم الآلي. وهي تنطوي على “تدريب” أجهزة الكمبيوتر على أداء المهام بناءً على الأمثلة ، بدلاً من الاعتماد على البرمجة من قبل الإنسان. جعلت تقنية تسمى التعلم العميق هذا النهج أكثر قوة. فقط اسأل Lee Sedol ، صاحب 18 لقبًا دوليًا في لعبة Go المعقدة. تم تصميمه بواسطة برنامج يسمى AlphaGo في عام 2016.

هناك أدلة على أن الذكاء الاصطناعي يمكن أن يجعلنا أكثر سعادة وصحة. ولكن هناك أيضًا سبب للحذر. تظهر الحوادث التي تلتقط فيها الخوارزميات التحيزات المجتمعية حول العرق أو الجنس أو تضخمها ، أن المستقبل المعزز بالذكاء الاصطناعي لن يكون أفضل تلقائيًا.

بدايات الذكاء الاصطناعي

بدأ الذكاء الاصطناعي كما نعرفه كمشروع عطلة. صاغ جون مكارثي الأستاذ في دارتموث هذا المصطلح في صيف عام 1956 ، عندما دعا مجموعة صغيرة لقضاء بضعة أسابيع في التفكير في كيفية جعل الآلات تفعل أشياء مثل استخدام اللغة.

كان لديه آمال كبيرة في تحقيق اختراق في الاتجاه نحو آلات على مستوى الإنسان. كتب مع شركائه في التنظيم: “نعتقد أنه يمكن إحراز تقدم كبير إذا عملت مجموعة مختارة بعناية من العلماء عليه معًا في فصل الصيف”.

لم تتحقق هذه الآمال ، واعترف مكارثي لاحقًا بأنه كان مفرطًا في التفاؤل. لكن ورشة العمل ساعدت الباحثين الذين يحلمون بآلات ذكية على الاندماج في مجال أكاديمي معترف به.

غالبًا ما ركز العمل المبكر على حل المشكلات المجردة إلى حد ما في الرياضيات والمنطق. لكن لم يمض وقت طويل قبل أن يبدأ الذكاء الاصطناعي في إظهار نتائج واعدة في المزيد من المهام البشرية. في أواخر الخمسينيات من القرن الماضي ، أنشأ آرثر صموئيل برامج تعلمت لعب الداما. في عام 1962 ، حقق أحدهم فوزًا على سيد في اللعبة. في عام 1967 ، أظهر برنامج يسمى Dendral أنه يمكن أن يكرر الطريقة التي يفسر بها الكيميائيون بيانات قياس الطيف الكتلي حول تكوين العينات الكيميائية.

مع تطور مجال الذكاء الاصطناعي ، تطورت استراتيجيات مختلفة لصنع آلات أكثر ذكاءً. حاول بعض الباحثين تحويل المعرفة البشرية إلى رمز أو التوصل إلى قواعد لمهام محددة ، مثل فهم اللغة. استلهم آخرون من أهمية تعلم فهم ذكاء الإنسان والحيوان. لقد قاموا ببناء أنظمة يمكن أن تتحسن في مهمة ما بمرور الوقت ، ربما عن طريق محاكاة التطور أو من خلال التعلم من بيانات الأمثلة. حقق الحقل معلمًا رئيسيًا بعد حدث رئيسي حيث أتقنت أجهزة الكمبيوتر المهام التي لم يكن من الممكن في السابق إكمالها إلا بواسطة الأشخاص.

التعلم العميق ، الصاروخ الذي يغذي طفرة الذكاء الاصطناعي الحالية ، هو إحياء لواحدة من أقدم الأفكار في الذكاء الاصطناعي. تتضمن هذه التقنية تمرير البيانات عبر شبكات من الرياضيات مستوحاة بشكل فضفاض من عمل خلايا الدماغ المعروفة باسم الشبكات العصبية الاصطناعية. نظرًا لأن الشبكة تعالج بيانات التدريب ، يتم ضبط الاتصالات بين أجزاء الشبكة ، وبناء القدرة على تفسير البيانات المستقبلية.

أصبحت الشبكات العصبية الاصطناعية فكرة راسخة في الذكاء الاصطناعي بعد وقت قصير من ورشة عمل دارتموث. تعلمت Perceptron Mark 1 المملوء بالغرفة من عام 1958 ، على سبيل المثال ، التمييز بين الأشكال الهندسية المختلفة وتمت كتابتها في اوقات نيويورك باعتباره “جنين الكمبيوتر المصمم للقراءة والنمو بحكمة”. لكن الشبكات العصبية تعثرت بعد أن أشار كتاب مؤثر عام 1969 شارك في تأليفه مارفن مينسكي من معهد ماساتشوستس للتكنولوجيا إلى أنها لا يمكن أن تكون قوية للغاية.

ومع ذلك ، لم يقتنع المتشككون الجميع ، وأبقى بعض الباحثين على هذه التقنية حية على مدى عقود. تم إثبات صحتها في عام 2012 ، عندما أظهرت سلسلة من التجارب أن الشبكات العصبية التي تغذيها أكوام كبيرة من البيانات يمكن أن تمنح الآلات قوى إدراك جديدة. كان نقل الكثير من البيانات أمرًا صعبًا باستخدام رقائق الكمبيوتر التقليدية ، ولكن التحول إلى بطاقات الرسومات عجل بانفجار في قوة المعالجة.