هل نحن بحاجة للخوف من الذكاء الاصطناعي (AI)؟ بالنسبة لي ، هذا سؤال بسيط ، مع إجابة أبسط: لا. لكن لا يتفق الجميع معي - فقد أعرب الكثير من الناس ، بما في ذلك ستيفين هوكينج ، عن قلقهم من أن ظهور أنظمة الذكاء الاصطناعي القوية يمكن أن يعني نهاية للبشرية.
من الواضح أن وجهة نظرك حول مسألة ما إذا كان الذكاء الاصطناعي سوف يسيطر على العالم أم لا ، سيعتمد على ما إذا كان الذكاء الاصطناعي يمكن أن يطور سلوكًا معقولًا يفوق السلوك البشري - وهو ما يسمى "الذكاء الفائق". دعونا نلقي نظرة على احتمال هذه العملية ، ولماذا هناك مثل هذا القلق بشأن مستقبل الذكاء الاصطناعي.
عادة ما يخاف الناس مما لا يفهمونه. غالبًا ما يكون الخوف مسؤولًا عن العنصرية ورهاب المثلية ومصادر التمييز الأخرى. ليس من المستغرب أن ينطبق على التقنيات الجديدة - غالبًا ما تكون محاطة بألغاز معينة. تبدو بعض التطورات التكنولوجية غير واقعية تمامًا ، وتتجاوز التوقعات ، وفي بعض الحالات ، القدرات البشرية.
لا يوجد روح في السيارة
دعونا نمزق اللغز من تقنيات الذكاء الاصطناعي الأكثر شعبية ، والمعروفة باسم "التعلم الآلي". إنها تسمح للجهاز بتعلم كيفية إكمال المهمة دون الحاجة إلى برمجة تعليمات محددة. قد يبدو الأمر مخيفًا ، ولكن في الواقع يتعلق الأمر بإحصاءات مملة جدًا.
تم تصميم آلة ، أي برنامج ، أو بشكل أكثر دقة ، خوارزمية ، بحيث يمكنها الكشف عن العلاقات المتاحة في بيانات الإدخال. هناك العديد من الطرق المختلفة لتحقيق هذا التأثير. على سبيل المثال ، يمكننا تزويد الجهاز بصور لأحرف مكتوبة بخط اليد ، ونطلب منها التعرف على تسلسل هذه الحروف. لقد قدمنا لها بالفعل إجابات محتملة - يمكن أن تكون هذه مجرد أحرف الأبجدية. أولاً ، يقوم الجهاز بتسمية الحرف بشكل عشوائي ، ونقوم بتصحيحه ، مع إعطاء الإجابة الصحيحة. قمنا أيضًا ببرمجة الجهاز للضبط الذاتي ، وفي المرة التالية التي يعطون فيها الرسالة ، فمن المرجح أن يعطينا الإجابة الصحيحة. ونتيجة لذلك ، تعمل الآلة بمرور الوقت على تحسين كفاءتها و "تتعلم" التعرف على الأبجدية.
لقد قمنا بالفعل ببرمجة الآلة لاستخدام العلاقات المشتركة في البيانات لتحقيق هدف معين. على سبيل المثال ، تبدو جميع متغيرات الحرف "أ" متشابهة من الناحية الهيكلية ، ولكنها مختلفة عن "ب" ، والتي يمكن أن تستفيد منها الخوارزمية. من المثير للاهتمام ، بعد مرحلة التدريب ، يمكن للآلة تطبيق المعرفة المكتسبة على أمثلة جديدة من الرسائل ، على سبيل المثال ، كتبها شخص لم يلاحظ خط يده من قبل.
نعطي إجابات منظمة العفو الدوليةومع ذلك ، فإن الأشخاص يجيدون القراءة بالفعل. ربما يكون المثال الأكثر إثارة للاهتمام هو اللاعب الاصطناعي في مشروع go ، Google Deepmind ، الذي تغلب على جميع اللاعبين من البشر. من الواضح أنه لا يدرس مثل الناس - فهو يلعب اللعبة مع نفسه مرات عديدة بحيث لا يلعب أي شخص في حياته كلها. تمت برمجته للفوز ، وأوضح أن الفوز يعتمد على أفعاله. كما تم تعليمه قواعد اللعبة. من خلال لعب نفس اللعبة مرارًا وتكرارًا ، يمكنه اكتشاف أفضل حركة في كل موقف ، وابتكار حركات لم يقم بها الناس من قبل.
الأطفال الصغار مقابل الروبوتات
هل هذا يجعل الذكاء الاصطناعي الذي يلعب يلعب أكثر ذكاءً من البشر؟ لا بالتأكيد. إن منظمة العفو الدولية متخصصة للغاية ومصممة لنوع معين من المهام ، ولا تتمتع بتعدد استخدامات الأشخاص. على مر السنين ، بدأ الناس في فهم العالم بطريقة لم يديرها أي ذكاء اصطناعي ، وفي المستقبل القريب ، على الأرجح ، لن يكون قادرًا على ذلك.
حقيقة أن الذكاء الاصطناعي يسمى "الذكاء" يرجع إلى أنه قادر على التعلم. ولكن في التدريب ، لا يصل إلى الناس. الصغار قادرون على التعلم فقط من خلال مشاهدة شخص آخر يحل المشكلة. يتطلب الذكاء الاصطناعي سيارات بيانات والعديد من المحاولات لتحقيق النجاح في مهام محددة للغاية ، ومن الصعب للغاية تعميم بياناتها للمهام التي تختلف كثيرًا عن تلك التي تدرب عليها. لذلك ، إذا طور الأشخاص ذكاءًا مدهشًا بسرعة إلى حد ما في السنوات الأولى من حياتهم ، فإن المفاهيم الأساسية للتعلم الآلي لا تختلف كثيرًا عما كانت عليه قبل عشر أو عشرين عامًا.
عقل طفل صغير مذهلإن نجاحات الذكاء الاصطناعي الحديث أقل ارتباطًا بالاختراقات التكنولوجية ، وهي أكثر اعتمادًا على كمية بسيطة من البيانات والقدرة الحاسوبية. من المهم ملاحظة أنه حتى كمية لا حصر لها من البيانات لن تعطي الذكاء البشري لمنظمة العفو الدولية - أولاً نحتاج إلى إحراز تقدم كبير في إنشاء تقنيات "الذكاء المعمم" - ولم نقترب حتى من حل هذه المشكلة.
بشكل عام ، فقط من حقيقة أن الذكاء الاصطناعي قادر على التعلم ، لا يتبع ذلك أنه سيدرس فجأة جميع جوانب الذكاء البشري ويتفوق علينا. لا يوجد حتى تعريف بسيط لما هو الذكاء البشري ، وليس لدينا فهم واضح لكيفية ظهوره في الدماغ. ولكن حتى لو استطعنا اكتشاف ذلك ، ثم إنشاء ذكاء اصطناعي يصبح أكثر ذكاءً ، فإنه لا يتبع على الإطلاق أنه سيصبح أكثر نجاحًا.
أنا شخصياً أكثر قلقاً بشأن كيفية استخدام الناس للذكاء الاصطناعي. غالبًا ما تُعتبر خوارزميات تعلُم الآلة مربعات سوداء ، ويتم إجراء عدد قليل من المحاولات لفهم تفاصيل الحل الذي وجدته الخوارزمية. هذا جانب مهم يتم تجاهله غالبًا بينما نحن مهووسون بالكفاءة ، وأقل فهمًا. من المهم فهم الحلول التي تفتحها هذه الأنظمة ، لأنه يمكننا بعد ذلك تقييم ما إذا كانت هذه هي القرارات الصحيحة وما إذا كنا نريد تطبيقها.
على سبيل المثال ، إذا قمنا بتدريب نظامنا بشكل غير صحيح ، فيمكننا الحصول على آلة تعلمت العلاقات ، والتي لا وجود لها بشكل عام. افترض أننا نريد صنع آلة تقيم الطلاب المحتملين للنجاح في الهندسة. ربما تكون الفكرة سيئة ، لكن دعنا نذهب إلى حد الوصول إلى نهايتها. تقليديا ، يهيمن الرجال في هذا المجال ، مما يعني أن أمثلة التدريب من المرجح أن تؤخذ من الطلاب الذكور. إذا لم نكن مقتنعين بتوازن بيانات التدريب ، يمكن للآلة أن تستنتج أن الرجال فقط يمكن أن يكونوا مهندسين ، وأنه من الخطأ تطبيقه على القرارات المستقبلية.
التعلم الآلي والذكاء الاصطناعي أدوات. يمكن استخدامها بشكل صحيح أو خطأ ، مثل أي شيء آخر. يجب أن نهتم بالطريقة التي تُستخدم بها ، وليس الأساليب نفسها. إن جشع الشخص وغبائه يزعجني أكثر بكثير من الذكاء الاصطناعي.