حولت أجهزة الكمبيوتر العمل والترفيه ، والنقل ، والطب ، والألعاب والرياضة. وعلى الرغم من قوتها ، لا تزال هذه الآلات غير قادرة على أداء أبسط المهام التي يمكن أن يتعامل معها الطفل - على سبيل المثال ، الانتقال في غرفة غير معروفة أو استخدام قلم رصاص.
وأخيرًا ، يتوفر حل لهذه المشكلة. سيظهر عند تقاطع مجالين للبحث: التطور العكسي للدماغ وحقل الذكاء الاصطناعي المزدهر. في العشرين عامًا القادمة ، سيتم دمج هاتين المنطقتين وإطلاق حقبة جديدة من الأجهزة الذكية.
لماذا نحتاج إلى فهم كيفية عمل الدماغ لبناء سيارات ذكية؟ على الرغم من أن تقنيات التعلم الآلي مثل الشبكات العصبية العميقة قد أظهرت مؤخرًا نتائج مثيرة للإعجاب ، إلا أنها لا تزال بعيدة جدًا عن الذكاء ، من القدرة على الفهم والتصرف في العالم من حولنا بالطريقة التي نقوم بها. المثال الوحيد على الذكاء ، والقدرة على التعلم والتخطيط وتنفيذ الخطة هو الدماغ. لذلك ، يجب علينا أن نفهم المبادئ الكامنة وراء الذكاء البشري واستخدامها في تطوير آلات ذكية حقا.
شركتنا
Numenta ، تقع في مدينة ريدوود ، جهاز الكمبيوتر. كاليفورنيا ، ندرس
القشرة المخية الحديثة (القشرة الجديدة) - أكبر مكونات الدماغ ، والجزء الرئيسي المسؤول عن الذكاء. هدفنا هو فهم كيفية عملها وتحديد المبادئ التي يقوم عليها الوعي البشري. في السنوات الأخيرة ، حققنا نجاحًا كبيرًا في عملنا من خلال تحديد العديد من خصائص الذكاء البيولوجي التي نعتقد أنه يجب دمجها في آلات التفكير المستقبلية.
لفهم هذه الخصائص ، تحتاج إلى البدء بأساسيات علم الأحياء. دماغ الإنسان يشبه دماغ الزواحف. لديهم الحبل الشوكي الذي يتحكم في ردود الفعل. جذع الدماغ الذي يتحكم في السلوك المستقل ، مثل التنفس ومعدل ضربات القلب ؛ الدماغ الأوسط ، السيطرة على العواطف والسلوك البسيط. لكن البشر وجميع الثدييات لديهم شيء لا تمتلكه الزواحف: قشرة المخ.
Neocortex عبارة عن ورقة مطوية بسمك 2 مم. إذا كان يمكن تمديده ، فسيكون بحجم منديل كبير. في البشر ، يشغل 75٪ من الدماغ. هذا الجزء منه هو الذي يجعلنا أذكياء.
عند الولادة ، لا يعرف القشرة المخية الحديثة شيئًا تقريبًا ؛ يتعلم من خلال الخبرة. يتم تخزين كل ما نتعلمه عن العالم - قيادة السيارة ، وصنع القهوة في آلة البيع ، وآلاف الأشياء الأخرى التي نتفاعل معها يوميًا - في القشرة المخية الحديثة. يتعلم ما هي هذه الأشياء ، وأين هي وكيف تتصرف. يولد القشرة المخية الحديثة أوامر للحركة ، لذلك عند طهي الطعام أو كتابة برنامج ، فإن القشرة المخية الحديثة هي التي تتحكم في هذا السلوك. يتم أيضًا إنشاء لغة وفهمها بواسطة القشرة المخية الحديثة.
يتكون القشرة المخية الحديثة ، مثل الدماغ بأكمله والجهاز العصبي ، من خلايا تسمى الخلايا العصبية. لذلك ، لفهم كيفية عمل الدماغ ، نحتاج إلى البدء
بالخلايا العصبية . يحتوي قشرتك الجديدة على حوالي 30 مليار خلية عصبية. يمتلك العصبون النموذجي
محور عصبي واحد يشبه الذيل والعديد من الامتدادات الشبيهة بالشجرة -
التشعبات . إذا كنت تتخيل أن العصبون هو نظام إشارة معين ، فإن المحور العصبي هو جهاز إرسال ، والتشعبات هي أجهزة استقبال. على فروع التشعبات يوجد 5000 - 10000 مشابك ، يرتبط كل منها بنفس المشابك العصبية الأخرى. في المجموع ، هناك أكثر من
100 تريليون اتصال متشابك في الدماغ.
ظهرت تجربتك مع العالم الخارجي - أنك تتعرف على وجه صديقك ، وتستمتع بالموسيقى ، وتحمل الصابون في يدك - نتيجة لمدخلات من العين والأذنين والحواس الأخرى التي انتقلت إلى قشرة الدماغ الحديثة ومجموعات الخلايا العصبية القسرية للعمل. عندما ينطلق العصبون ، ينتقل انفجاره الكهروكيميائي على طول المحور العصبي ويمر عبر المشابك إلى الخلايا العصبية الأخرى. إذا تلقى العصبون المتلقي نبضات إدخال كافية ، فيمكن أن يؤدي إلى الاستجابة وتنشيط الخلايا العصبية الأخرى. من بين 30 مليار خلية عصبية موجودة في القشرة المخية الحديثة ، يعمل 1-2٪ في أي لحظة ، مما يعني أن ملايين الخلايا العصبية تنشط في أي وقت. تتغير مجموعة الخلايا العصبية النشطة عندما تتحرك وتتفاعل مع العالم. يتم تحديد إحساسك بالسلام ، الذي قد تعتبره تجربة معقولة ، من خلال النمط المتغير باستمرار للخلايا العصبية النشطة.
في القشرة المخية الحديثة ، يتم تخزين هذه الرسومات بسبب تشكيل نقاط الاشتباك العصبي الجديدة. يتيح لك تخزينها التعرف على الوجوه والأماكن عندما تراها مرة أخرى ، واستدعائها من الذاكرة. على سبيل المثال ، عندما تفكر في وجه صديقك ، يظهر نمط من الخلايا العصبية المحفزة في القشرة المخية الحديثة ، على غرار النمط الذي يظهر عندما ترى وجهه حقًا.
إنه لأمر مدهش كيف أن القشرة المخية الحديثة بسيطة ومعقدة. إنه معقد لأنه مقسم إلى عشرات المواقع ، كل منها مسؤول عن وظائف واعية مختلفة. في كل منطقة هناك العديد من طبقات الخلايا العصبية ، وكذلك العشرات من أنواع الخلايا العصبية ، وهذه الخلايا العصبية مرتبطة بمجمعات معقدة.
يمكن استدعاء Neocortex بسيط ، لأن تفاصيل كل موقع هي نفسها تقريبًا. في عملية التطور ، ظهرت خوارزمية واحدة تنطبق على كل ما تفعله القشرة المخية الحديثة. إن وجود مثل هذه الخوارزمية العالمية حقيقة مثيرة ، لأنه إذا تمكنا من فك شفرتها ، فيمكننا الوصول إلى جوهر مفهوم "الذكاء" وإدخال هذه المعرفة في الآلات المستقبلية.
لكن أليس هذا ما تفعله الذكاء الاصطناعي؟ أليست جميع الذكاء الاصطناعي مبنية على "
شبكات عصبية " مشابهة لتلك الموجودة في الدماغ؟ ليس بالفعل. تشير تقنيات الذكاء الاصطناعي إلى علم الأحياء العصبية ، لكنها تستخدم نموذجًا عصبيًا مفرط التبسيط يفتقد الجوانب الرئيسية للخلايا العصبية الحقيقية ، ولا ترتبط بنفس الطريقة كما في بنية الدماغ الحقيقية والمعقدة. هناك العديد من الاختلافات ، وهي مهمة. هذا هو السبب في أن الذكاء الاصطناعي اليوم يقوم بعمل جيد مع ترميز الصور أو التعرف على الكلام ، ولكن لا يمكنه التفكير والتخطيط والتصرف بشكل إبداعي.
دفعتنا التطورات الحديثة في فهم كيفية عمل القشرة المخية الحديثة إلى التكهن بكيفية ترتيب آلات التفكير في المستقبل. سأحاول وصف هذه الجوانب من الذكاء البيولوجي الضرورية ، ولكنها غائبة في الذكاء الاصطناعي الحديث. وهي عبارة عن تدريب لإعادة التجميع ، وتمثيلات موزعة ، وتنفيذ متعلق باستخدام الحركة لتعليم حقائق العالم.
التعلم عن طريق إعادة توصيل الأسلاك: يعرض الدماغ خصائص مذهلة تتعلق بالتعلم. أولاً ، نتعلم بسرعة. ثانياً ، التدريب تدريجي. يمكننا أن نتعلم شيئًا جديدًا دون تدريب الدماغ من الصفر ودون نسيان ما تعلمناه بالفعل. ثالثا ، الدماغ يتعلم باستمرار. من خلال التحرك حول العالم والتخطيط والتصرف ، لا نتوقف عن التعلم. التدريب السريع والتدريجي والمستمر مكونات لا غنى عنها تمكن الأنظمة الذكية من التكيف مع عالم متغير. الخلايا العصبية هي المسؤولة عن التعلم ، وتعقيد الخلايا العصبية الحقيقية يجعلها آلة تعلم قوية.
في السنوات الأخيرة ، تعلم علماء الأعصاب بعض الحقائق المثيرة للاهتمام حول التشعبات. يعمل كل فرع من فروعه كمجموعة من التعرف على الأنماط. اتضح أن 15-20 مشابك نشطة على الفرع كافية للتعرف على نمط النشاط في مجموعة كبيرة من الخلايا العصبية. لذلك ، يمكن للخلايا العصبية الواحدة التعرف على مئات الأنماط المختلفة. البعض منهم يجعلها تعمل ، في حين أن البعض الآخر يغير الحالة الداخلية للخلية ويعمل كتنبؤات للإجراءات المستقبلية.
في وقت من الأوقات ، اعتقد علماء الأعصاب أن التعلم يحدث فقط عن طريق تعديل فعالية نقاط الاشتباك العصبي الحالية بحيث عندما تصل إشارة واردة ، فإن احتمال تشغيل الخلايا العصبية بواسطة المشبك ينخفض أو يزداد. لكننا نعلم الآن أن معظم التدريب يرجع إلى زراعة المشابك الجديدة بين الخلايا - هناك "إعادة تجميع" للدماغ. يتم استبدال ما يصل إلى 40 ٪ من المشابك العصبية يوميًا بأخرى جديدة. تؤدي المشابك الجديدة إلى ظهور مخططات اتصال جديدة بين الخلايا العصبية ، وبالتالي إلى ذكريات جديدة. بما أن فروع التشعبات مستقلة عمليا ، عندما يتعلم العصبون التعرف على نمط جديد على أحد التشعبات ، فإنه لا يمنع العصبون من التعلم بالفعل مع التشعبات الأخرى.
لهذا السبب يمكننا تعلم أشياء جديدة دون كسر الذكريات القديمة ، ولا نحتاج إلى تدريب عقولنا من الصفر في كل مرة نتعلم فيها شيئًا جديدًا. الشبكات العصبية اليوم ليس لديها مثل هذه القدرات.
لا تحتاج الآلات الذكية إلى محاكاة التعقيد الكامل للخلايا العصبية البيولوجية ، ولكن الفرص المتاحة من خلال التشعبات والتدريب من خلال إعادة التجميع أمر لا بد منه. يجب أن تكون هذه القدرات في أنظمة الذكاء الاصطناعي المستقبلية.
المشاهدات الموزعة: يقدم المخ والكمبيوتر المعلومات بطرق مختلفة. من المحتمل أن تكون أي مجموعات من الأصفار والأخرى ممكنة في ذاكرة الكمبيوتر ، لذلك إذا قمت بتغييرها قليلاً ، فقد يؤدي ذلك إلى تغيير كامل في المعنى - تمامًا كما سيؤدي استبدال الحرفين "o" بـ "و" في كلمة "cat" إلى إنتاج شيء غير ذي صلة به كلمة "الحوت". هذا الرأي غير موثوق به.
يستخدم الدماغ ما يسمى ب
تمثيلات متفرقة متفرقة (SDR). يطلق عليها اسم متناثر لأنه في أي وقت من الأوقات ، يكون عدد الخلايا العصبية قليلًا نسبيًا. يتغير نشاط الخلايا العصبية باستمرار عندما تتحرك أو تفكر ، لكن نسبتها صغيرة دائمًا. إذا تخيلنا أن كل خلية عصبية صغيرة ، فإن الدماغ يستخدم آلاف البتات لتمثيل المعلومات (أكثر بكثير من تمثيل 8 بت أو 64 بت في الكمبيوتر) ، ولكن جزء صغير فقط من البتات في أي لحظة هو 1 ؛ جميع الآخرين هم 0.
افترض أنك تريد تقديم مفهوم القط باستخدام SDR. يمكنك استخدام 10000 خلية عصبية ، 100 منها ستكون نشطة. يمثل كل من الخلايا العصبية النشطة جانبًا معينًا من القطة ، على سبيل المثال ، "الحيوانات الأليفة" ، "الرقيق" ، "المخالب". إذا ماتت العديد من الخلايا العصبية ، أو انضمت العديد من الخلايا العصبية الجديدة ، فإن SDR الجديدة ستظل فكرة جيدة عن القط ، لأن معظم الخلايا العصبية النشطة ستكون هي نفسها في الغالب. وبالتالي ، بدلاً من التمثيل غير الموثوق به ، فإن SDR مقاومة للخطأ والضوضاء. عندما نصنع إصدارات سيليكونية من الدماغ ، فسوف يتحملها الخطأ.
أريد أن أذكر ميزتين من SDR. أولاً ، التداخل يجعل من السهل مقارنة شيئين ، ويسمح لك بفهم كيفية تشابههما وكيفية اختلافهما. لنفترض أن أحد حقوق السحب الخاصة يمثل قطة والآخر طائر. في كلا SDRs ، ستكون نفس مجموعات الخلايا العصبية نشطة ، والتي تمثل "الحيوانات الأليفة" و "المخالب" ، ولكن ليس "رقيق". تم تبسيط المثال ، لكن خاصية التراكب مهمة ، لأنه بفضله ، يفهم الدماغ على الفور تشابه واختلاف الأشياء. تمنحه هذه الخاصية القدرة على تعميم ما تفتقر إليه أجهزة الكمبيوتر.
الخاصية الثانية ، الارتباط ، تسمح للدماغ لتمثيل عدة أفكار في وقت واحد. تخيل أنني أرى حيوانًا يجري في الأدغال ، لكنني لم أتمكن من رؤيته إلا لفترة وجيزة ، لذلك لست متأكدًا مما رأيته. يمكن أن يكون قطة أو كلبًا أو قردًا. نظرًا لتوزيع حقوق السحب الخاصة ، يمكن لمجموعة من الخلايا العصبية تنشيط جميع حقوق السحب الخاصة الثلاثة في نفس الوقت ، وعدم الخلط بينها مع بعضها البعض ، لأن حقوق السحب الخاصة لا تتداخل مع بعضها البعض. إن قدرة الخلايا العصبية على تكوين تجمعات SDR باستمرار تجعلها أداة جيدة للتعامل مع الشكوك.
إن خصائص SDR هذه أساسية للفهم والتفكير والتخطيط في الدماغ. لا يمكننا إنشاء آلات ذكية دون استخدام SDR.
التجسيد: يتلقى القشرة المخية الحديثة مدخلات من الحواس. في كل مرة نحرك فيها أعيننا أو أطرافنا أو جذعنا ، يتغير المدخل من الحواس. هذه المدخلات المتغيرة باستمرار هي الآلية الرئيسية التي يستخدمها الدماغ للتعلم. تخيل إعطائك شيء لم تره من قبل. فليكن دباسة. كيف ستدرسها؟ يمكنك الالتفاف عليه بالنظر إليه من زوايا مختلفة. يمكنك الرفع ، والإمساك بأصابعك ، وتقلب يديك. يمكنك الضغط والسحب لترى كيف يتصرف. في هذه العملية التفاعلية ، تدرس شكل الدباسة ، ومشاعرك حيالها ، وكيف تبدو وكيف تتصرف. أنت تقوم بالحركات ، وتشعر بالتغيير في المدخلات ، وتقوم بواحدة أخرى ، وتشعر بالتغيير مرة أخرى ، وهكذا. التعلم من خلال الحركة هو الطريقة الرئيسية لتعلم الدماغ. سيكون هذا هو العنصر المركزي لأي نظام ذكي حقًا.
لا أريد أن أقول إن الآلة الذكية تحتاج إلى جسم مادي - فقط يمكنها تغيير الأحاسيس من خلال الحركة. على سبيل المثال ، يمكن لـ "AI" افتراضي "التحرك" عبر الويب ، باتباع الروابط وفتح الملفات. يمكنه دراسة هيكل العالم الافتراضي من خلال الحركات الافتراضية ، على غرار كيفية المشي حول مبنى.
هذا يقودنا إلى اكتشاف مهم تم إجراؤه في Numenta العام الماضي. في القشرة المخية الحديثة ، تتم معالجة بيانات الإحساس من خلال التسلسل الهرمي للمؤامرات. عندما تنتقل البيانات من مستوى من التسلسل الهرمي إلى مستوى آخر ، يتم استخراج المزيد والمزيد من الميزات المعقدة منها ، حتى في مرحلة ما لا يمكن التعرف على الكائن. تستخدم شبكات التعلم العميقة أيضًا التسلسل الهرمي ، ولكنها غالبًا ما تتطلب 100 مستوى من المعالجة للتعرف على الصورة ، ويكلف القشرة المخية الحديثة لتحقيق نفس النتيجة أربعة فقط. تتطلب شبكات التعلم العميق أيضًا الملايين من الأمثلة التدريبية ، ويمكن للقشرة المخية الحديثة أن تتعلم أشياء جديدة مع عدد قليل من الحركات والأحاسيس. يقوم الدماغ بشيء مختلف تمامًا عما تفعله الشبكة العصبية الاصطناعية النموذجية - ولكن ماذا؟
جيرمان هيلمهولتز ، عالم فيزياء ألماني من القرن التاسع عشر ، كان من أول من طرح إجابة على هذا السؤال. رأى أنه على الرغم من أن أعيننا تتحرك ثلاث إلى أربع مرات في الثانية ، إلا أن إدراكنا البصري يبقى ثابتًا. حسب أن الدماغ يأخذ في الاعتبار حركات العين ، وإلا فإنه يبدو لنا أن العالم كله يقفز هنا وهناك. وبالمثل ، إذا لمست شيئًا ، فستكون في حيرة إذا تعامل دماغك مع الأحاسيس اللمسية فقط ولم يكن يعرف أن أصابعك تتحرك. يسمى مبدأ الجمع بين الحركات والتغيرات في الأحاسيس
التكامل الحسي الحركي . كيف وأين يحدث التكامل الحسي في الدماغ كان لغزا.
اكتشفنا أن التكامل الحسي الحركي يحدث في جميع أجزاء القشرة المخية الحديثة. هذه ليست خطوة منفصلة ، ولكنها جزء لا يتجزأ من معالجة الأحاسيس. التكامل الحركي هو جزء أساسي من "الخوارزمية الذكية" للقشرة المخية الحديثة. لدينا نظرية ونموذج لكيفية عمل الخلايا العصبية ، وهي تتداخل بشكل جيد مع التشريح المعقد لمنطقة القشرة المخية الحديثة.
ما هي آثار هذا الاكتشاف على الذكاء الآلي؟ ضع في اعتبارك نوعين من الملفات التي يمكنك العثور عليها على جهاز كمبيوتر. الأول هو الصورة التي التقطتها الكاميرا ، والآخر هو تصميم تم تطويره على جهاز الكمبيوتر ، على سبيل المثال ، ملف Autodesk. الصورة عبارة عن مصفوفة ثنائية الأبعاد من التفاصيل المرئية. ملف CAD هو أيضًا مجموعة من الأجزاء ، ولكن كل منها مرتبط بترتيب في الفضاء ثلاثي الأبعاد. يحاكي ملف CAD كائنات ثلاثية الأبعاد ، وليس كيف يبدو الكائن من منظور معين. باستخدام ملف CAD ، يمكنك توقع كيف سيبدو الكائن من أي وجهة نظر ، وتحديد كيفية تفاعله مع كائنات ثلاثية الأبعاد أخرى. لا يمكنك القيام بذلك مع صورة. اكتشفنا أن كل قسم من القشرة المخية الحديثة يتعلم نماذج ثلاثية الأبعاد للكائنات بنفس الطريقة التي يتعلم بها برنامج CAD. في كل مرة يتحرك جسمك ، يدرك القشرة المخية الحديثة أمر الحركة الحالي ، ويحوله إلى موضع في نظام الإحداثيات للجسم ويجمع هذا الموقف مع البيانات التي تم الحصول عليها من الحواس لبناء نماذج ثلاثية الأبعاد للعالم.
في وقت لاحق ، هذه الملاحظة منطقية. تحتاج الأنظمة الذكية إلى تعلم نماذج متعددة الأبعاد للعالم. لا يحدث التكامل الحركي في أجزاء عديدة من الدماغ - هذا هو المبدأ الرئيسي لعمله ، وهو جزء من خوارزمية الذكاء. يجب أن تفعل الآلات الذكية ذلك بالضبط.
هذه الجوانب الرئيسية الثلاثة للقشرة المخية الحديثة - تدريب إعادة التجميع ، وجهات النظر الموزعة ، والتكامل الحسي الحركي - ستكون حجر الزاوية لذكاء الآلة. قد تتجاهل آلات التفكير في المستقبل العديد من جوانب علم الأحياء ، ولكن ليس هذه الجوانب الثلاثة. بلا شك ، تنتظرنا اكتشافات أخرى في مجال علم الأعصاب ، تسلط الضوء على الميزات الأخرى للوعي التي يجب تضمينها في مثل هذه الآلات في المستقبل ، ولكن يمكنك البدء بما نعرفه اليوم.
منذ الأيام الأولى ، رفض منتقدو منظمة العفو الدولية فكرة محاولة محاكاة دماغ الإنسان ، قائلين عادة إن "الطائرات لا ترفرف بأجنحتها". في الواقع ، درس
ويلبور وأورفيل رايت الطيور بالتفصيل. لإنشاء رفع ، درسوا شكل أجنحة الطيور واختبروها في نفق الرياح. لقوة دافعة ، لجأوا إلى منطقة أخرى غير الطيران - المروحة والمحرك. للسيطرة على الرحلة ، شاهدوا الطيور تحرف أجنحتها لإنشاء لفة واستخدام ذيولها للحفاظ على الارتفاع. هذا ما فعلوه. حتى الآن ، تستخدم الطائرات هذه الطريقة ، على الرغم من أننا نلف حافة واحدة فقط على الأجنحة. باختصار ، درس الأخوان رايت الطيور ثم قرروا أي عناصر الرحلة ضرورية لهروب الناس ، والتي يمكن تجاهلها. هذا هو بالضبط ما سنفعله ، وخلق آلات التفكير.
أفكر في المستقبل ، أنا قلق من حقيقة أن أهدافنا ليست طموحة بما فيه الكفاية. من الرائع لأجهزة الكمبيوتر الحالية تصنيف الصور والتعرف على الكلام ، لكننا لسنا قريبين من إنشاء أجهزة ذكية حقًا. أعتقد أنه من الحيوي بالنسبة لنا القيام بذلك. قد تعتمد النجاحات المستقبلية وحتى بقاء البشرية على ذلك. على سبيل المثال ، إذا أردنا أن نملأ كواكب أخرى ، فسوف نحتاج إلى آلات تعمل لصالحنا للرحلات الجوية في الفضاء ، وبناء المرافق ، واستخراج الموارد ، والحل المستقل للمشكلات المعقدة في بيئة لا يستطيع الناس فيها البقاء. على الأرض ، نواجه مشاكل المرض والمناخ ونقص الطاقة. السيارات الذكية يمكن أن تساعدنا. على سبيل المثال ، من الممكن صنع آلات ذكية حساسة وقادرة على العمل على نطاق جزيئي.يمكنهم التحدث عن البروتينات القابلة للطي والتعبير الجيني بالطريقة نفسها التي نتحدث بها عن أجهزة الكمبيوتر والدباسات. يمكنهم التفكير والتصرف أسرع مليون مرة من البشر. يمكن لهذه الآلات علاج الأمراض والحفاظ على عالمنا في حالة صالحة للسكن.في الأربعينيات من القرن الماضي ، شعر رواد عصر الكمبيوتر أن أجهزة الكمبيوتر ستذهب بعيدًا وستكون مفيدة جدًا ، ومن المرجح أن تغير المجتمع البشري. لكنهم لم يتمكنوا من التنبؤ بدقة كيف ستغير أجهزة الكمبيوتر حياتنا. وبنفس الطريقة ، يمكننا أن نتأكد من أن الآلات الذكية حقًا ستغير عالمنا للأفضل ، حتى لو لم نتمكن اليوم من التنبؤ بكيفية ذلك بالضبط. بعد 20 عامًا ، ننظر إلى الوراء وندرك أنه في عصرنا ، بدأت الاختراقات في نظرية الدماغ والتعلم الآلي عصر الذكاء الآلي الحقيقي.