برنامج الذكاء الاصطناعي يتعلم القيام بالذكاء الاصطناعي: يُبلغ العلماء عن نجاح في الذكاء الاصطناعي للتعلم الذاتي

وفقًا لـ Kurzweil ، يُظهر النطاق اللوغاريتمي للتحولات النموذجية للأحداث التاريخية الرئيسية اتجاهًا أسيًا ،

والعنصر الأساسي لظهور التفرد التكنولوجي هو إطلاق دورة تحسين ذاتي غير خاضعة للرقابة للذكاء الاصطناعي ، حيث سيظهر كل جيل جديد وأكثر ذكاء من الذكاء الاصطناعي بشكل أسرع من الجيل السابق. وفقا لنظرية وحدانية فيرنور فينج، نتيجة ل هذا التطور الهائل للاستخبارات وفي دورة تحسين الذات يكون الأسي الخارق، التي ستتجاوز قدرات العقل البشري ، وفي الواقع ، ستكون غير مفهومة بالنسبة له. تسمى التواريخ التقريبية المختلفة لظهور التفرد ، بناءً على استقراء التقدم التكنولوجي. يعتقد راي كورزويل أن هذا سيحدث حوالي عام 2045 (على الرغم من أنه لا يعتبر التحسين الذاتي الأسي للذكاء الاصطناعي إلزاميًا) ، ومتوسط ​​القيمة من مسح للخبراء في الذكاء الاصطناعي القوي هو 2040.

من الممكن أن يحدث التفرد في وقت أبكر مما كان متوقعًا. تقرير مهندسي Google ومطوري أنظمة الذكاء الاصطناعي من الشركات الأخرى عن النجاحات التي تم تحقيقها في اتجاه رئيسي - إنشاء أنظمة الذكاء الاصطناعي المصممة لتصميم أنظمة الذكاء الاصطناعي الأخرى.

في إحدى التجارب ، طور باحثو الذكاء الاصطناعي من Google Brain برنامجًا صمم البنية العصبية للشبكة العصبية بحيث أظهر أعلى النتائج في التعرف على الكلام. أظهر نظام صمم بطريقة برمجية نتيجة أفضل من الشبكات العصبية التي أنشأها الإنسان .

طبعة من معهد ماساتشوستس للتكنولوجيا تقنية مراجعة التقرير إلى أن أنظمة منظمة العفو الدولية لخلق النجاح في الأشهر الأخيرة لتصميم أنظمة AI أخرى ذكرت من قبل العديد من المجموعات البحثية، بما في ذلك منظمة غير ربحية OpenAI (بتمويل من ايلون موسك)، معهد ماساتشوستس للتكنولوجيا ، جامعة كاليفورنيا في بيركلي، بالإضافة إلى قسم آخر للذكاء الاصطناعي في Google - DeepMind . من الواضح أن هذا المجال من البحث العلمي يعتبر من أكثر المجالات الواعدة ، ويرغب الكثيرون في النجاح فيه.

وفقًا لـ MIT Technology Review، تسعى هذه التطورات في المقام الأول إلى تحقيق هدف اقتصادي. إن إنشاء برنامج لتصميم تطبيقات الذكاء الاصطناعي سيسرع إلى حد كبير من استخدام هذه التقنيات في مختلف قطاعات الاقتصاد. الآن ، لا تستطيع العديد من الشركات تنفيذ نظام الذكاء الاصطناعي ، لأنه لا يوجد متخصص بهذه الكفاءة في الدولة. Trite ، خبراء AI لديهم نقص كبير. ولكن يمكن استخدام الشبكات العصبية في عدد كبير من التطبيقات تقريبًا: في صناعة السيارات ، في القطاع المصرفي ، في الاتصالات ، في أنظمة الأمن والمراقبة بالفيديو ، في مجموعة متنوعة من المنتجات الاستهلاكية للتعرف على الكلام والإيماءات ، رؤية الماكينة ، إلخ.

سيحل تطوير أنظمة الذكاء الاصطناعي من خلال أساليب البرنامج محل بعض هؤلاء المبرمجين الشحيحة.

من المهم أيضًا أن يطور الذكاء الاصطناعي شبكات عصبية أكثر كفاءة من البشر ، لذا فإن إدخال مثل هذه البرامج أمر منطقي حتى عندما اعتاد المطورون على العمل.

ناقش جيف دين ، رئيس فريق بحث Google Brain ، هذا الموضوع مؤخرًا. في خطابه في مؤتمر AI Frontiers في سانتا كلارا ، كاليفورنيا ، اقترح أنه يمكن استبدال بعض هؤلاء المبرمجين بالبرامج ، لأنه في الوقت الحالي يتعين على الشركات دفع أموال ورواتب عالية جدًا لهؤلاء المتخصصين ، الذين يفتقرون إلى حد كبير.

على سبيل المثال ، في المقالة العلمية " التعلم لتعزيز التعزيز"يصف DeepMind مجموعة من التجارب للتعلم الذاتي للذكاء الاصطناعي ، والتي يطلق عليها الباحثون" التعلم المعزز الفوقي ". الخلاصة هي استخدام التعلم القياسي مع تعزيز الشبكة العصبية مع التغذية المرتدة بحيث وضعت الشبكة العصبية مجانا نظامها قوالب الخارجية للإجراءات تعزيز التعلم للشبكة العصبية المتكررة الأخرى.

وقد أظهرت التجارب أن الشبكة العصبية من الدرجة الثانية، التي أنشأتها جهود الشبكة العصبية الأولى، في بعض الحالات، مندوب يدل على الفعالية والجودة، والتي لا يوجد لديه من الدرجة الأولى الشبكة العصبية.

في المجموع ، يصف العمل العلمي لـ DeepMind سبع تجارب من هذا القبيل. كالعادة ، ينفقونها في مساحة ألعاب الكمبيوتر. وفقًا للباحثين ، فإن وكلاء الذكاء الاصطناعي هؤلاء الذين تم إنشاؤهم باستخدام برامج الذكاء الاصطناعي الأخرى قادرون على التكيف بسرعة أكبر مع المهام الجديدة ، وذلك باستخدام المعرفة المكتسبة مسبقًا في المهام المماثلة. وأظهرت التجارب أيضًا أن نتيجة تدريب الذكاء الاصطناعي من الدرجة الثانية يمكن اعتبارها غير متوقعة: لا تعتمد هندستها على بنية الذكاء الاصطناعي من الدرجة الأولى ويمكن أن تكون مختلفة تمامًا عنها. على وجه الخصوص ، يمكن للذكاء الاصطناعي من الدرجة الثانية استخدام الميزات البيئية التي لم يعرفها المطورون أنفسهم أو لم يأخذوها في الاعتبار.

يعتقد خبراء DeepMind أن تجاربهم مع التدريب التلوي العميق مع التعزيز مهمة أيضًا في دراسة الدماغ البشري ، على وجه الخصوص ، "توفر إطارًا تكامليًا لفهم أدوار الدوبامين والقشرة الجبهية في عمليات التعلم البيولوجي مع التعزيز".

تم طرح فكرة الذكاء الاصطناعي للتعلم الذاتي من قبل ، ولكن حتى الآن ، لم يتمكن العلماء من إظهار مثل هذه النتائج المثيرة للإعجاب. على سبيل المثال ، قال أحد الرواد في هذا المجال ، البروفيسور يوشوا بينجيو ، إن مثل هذه التجارب تتطلب الكثير من قوة الحوسبة ، حتى أنها لم تكن منطقية حتى وقت قريب. على سبيل المثال ، في تجارب Google Brain ، تم استخدام 800 GPU عالية الأداء لتشغيل البرامج التي تصمم نظام الذكاء الاصطناعي لرؤية الماكينة.

يخطط الباحثون في معهد ماساتشوستس للتكنولوجيا لنشر كود المصدر للبرنامج الذي استخدموه في تجاربهم. ربما بمرور الوقت ، سيكون استخدام هذه الأدوات منطقيًا من الناحية الاقتصادية وسيقلل العبء على المتخصصين الذين يطورون نماذج لمعالجة البيانات. سيتمكن المبرمجون ذوو المهارات العالية من الهروب من الترميز والتركيز على أفكار ذات ترتيب أعلى.

Source: https://habr.com/ru/post/ar400965/