إن "إحياء الذكاء الاصطناعي" ليس أكثر من الأجهزة باهظة الثمن والإعلانات التي تم التخلي عنها لتنفيذ فكرة قديمة

لا يوجد روح في السيارة

في السنوات القليلة الماضية ، غمرت وسائل الإعلام بأوصاف مبالغ فيها للذكاء الاصطناعي (AI) وتقنيات التعلم الآلي (MO). يبدو أنه لم يكن هناك شيء من هذا القبيل في مجال علوم الكمبيوتر لدرجة أن العديد من البيانات السخيفة أدلى بها الكثير من الأشخاص الذين لديهم فكرة صغيرة عما يحدث. بالنسبة لأي شخص شارك بنشاط في معدات الكمبيوتر المتقدمة في الثمانينيات ، ما يبدو غريباً.

يصف يوفال نوح هراري ، في مجلة The Atlantic الصادرة هذا الشهر ، مؤلف رفيع المستوى والأكثر مبيعًا ، Sapiens. تاريخ موجز للبشرية و Homo Deus: تاريخ موجز للغد ، يصف تأثير الذكاء الاصطناعي على الديمقراطية. الجانب الأكثر إثارة للاهتمام في المقالة هو إيمان هراري المفرط بقدرات تقنيات الذكاء الاصطناعي الحديثة. يصف أحد أصدقاء Google ، وهو برنامج الشطرنج DeepMind ، بأنه "مبدع" و "مبدع" و "غرائز رائعة".

يصف البروفيسور جيم الخليلي ومؤسس DeepMind ، ديميس حسابيس ، في الفيلم الوثائقي لسلاح الجو في سلاح الجو ، كيف أن نظام الذكاء الاصطناعي "حقق اكتشافًا حقيقيًا" ، "قادرًا على توليد فكرة جديدة حقًا" ووضع "استراتيجيات اخترعت بشكل مستقل".

وإذا تم استخدام تيار مماثل من المبالغة والتشكيلات لوصف الأنظمة الغبية والميكانيكية ، فقد حان الوقت لاختبار الواقع مع العودة إلى الأساسيات.

غالبًا ما تحدث مناقشة تكنولوجيا الكمبيوتر من خلال الأساطير والاستعارات والتفسيرات البشرية لما يظهر على الشاشة. إن الاستعارات مثل "الحدس" و "الإبداع" و "الاستراتيجيات" الأحدث هي جزء من الأساطير الناشئة. يجد خبراء الذكاء الاصطناعي أنماطًا في لعبة الذكاء الاصطناعي ويطلقون عليها "الاستراتيجيات" ، لكن الشبكة العصبية ليس لديها فكرة عن ماهية الاستراتيجية. إذا كان هناك أي نوع من الإبداع ، فإنه ينتمي إلى باحثين من DeepMind ، الذين يطورون ويديرون عمليات أنظمة التدريب.

تتدرب أنظمة الذكاء الاصطناعي اليوم على قدر كبير من التجربة والخطأ الآلي ؛ في كل مرحلة ، يتم استخدام تقنية الانتشار الخلفي لنقل المعلومات حول الأخطاء وضبط النظام من أجل تقليل عدد الأخطاء في المستقبل - وهذا يحسن تدريجياً من فعالية الذكاء الاصطناعي في أداء مهمة معينة ، مثل لعب الشطرنج.

زيادة فعالية AI ، MO ، وما إلى ذلك. يعتمد "التعلم العميق" (GO) في معظمه على تطبيق تقنية الانتشار العكسي هذه. تم اختراعه لأول مرة في الستينيات ، وتم تطبيقه على الشبكات العصبية في الثمانينيات من قبل جوفري هينتون. وبعبارة أخرى ، على مدى أكثر من 30 عامًا ، لم يكن هناك تقدم مفاهيمي كبير في الذكاء الاصطناعي. تظهر معظم نتائج أبحاث الذكاء الاصطناعي والمقالات الإعلامية ما يحدث عندما يتم إلقاء جبال من معدات الحوسبة باهظة الثمن وحملة إعلانية بارعة في تنفيذ فكرة قديمة.

ولا يمكن القول أن DeepMind لا يقوم بعمل قيم. يعد العمل الإضافي للآلات في إنشاء استراتيجيات وأفكار جديدة أمرًا مثيرًا للاهتمام ، خاصة إذا كان من الصعب فهم تشغيل هذه الآلة بسبب تعقيدها. في ثقافتنا العلمانية ، يجذب سحر التكنولوجيا وسرها الناس ، وإعطاء صورة غامضة لمجال هندسي جاف وعقلاني في الغالب مفيد فقط. ولكن ليس هناك روح في آلة صديق جوجل.

الحديد مقابل البرمجيات ، التناظرية مقابل الرقمية ، طومسون مقابل حاصبيس

تذكرني كل الضجة المحيطة بأجهزة DeepMind بالإثارة التي نشأت قبل عقدين من الزمن في أعقاب نظام "تعلُم الآلة" الذي قد يكون مختلفًا تمامًا ، وربما أكثر عمقًا.

في نوفمبر 1997 ، عمل أدريان طومسون ، الباحث في مركز علم الأعصاب والحوسبة الروبوتية في جامعة ساسكس ، على غلاف مجلة New Scientist جنبًا إلى جنب مع مقال "إبداعات من السيليكون ما قبل التاريخ - نطلق الداروينية في مختبر الإلكترونيات ونرى ما يخلقها." سيارة صعبة لا يفهمها أحد ».

تسبب عمل طومسون في ضجة طفيفة ، حيث رفض الجمارك وأطلق تطور نظام MO في المعدات الإلكترونية ، بدلاً من استخدام نهج برنامجي مثل أي شخص آخر. قرر القيام بذلك لأنه أدرك أن البرامج الرقمية كانت محدودة بسبب الطبيعة الثنائية للتشغيل / الإيقاف للمفاتيح التي تشكل دماغ معالجة الإشارات لأي كمبيوتر رقمي.

على العكس من ذلك ، تطورت الخلايا العصبية في الدماغ البشري للمشاركة في مختلف العمليات الفيزيائية والكيميائية الحيوية الدقيقة ، المعقدة في بعض الأحيان بشكل غير مفهوم. اقترح طومسون أن تطوير المعدات الحاسوبية باستخدام عملية تلقائية للاختيار الطبيعي يمكن أن يستفيد من جميع الخصائص الفيزيائية التناظرية (المتنوعة بشكل لا نهائي) للعالم الحقيقي المتأصلة في السيليكون ، والتي تشكل أبسط مفاتيح الكمبيوتر الرقمية - والتي قد تؤدي إلى شيء يشبه الفعالية العمل التناظري لمكونات الدماغ البشري. وكان على حق.

في مختبره ، قاد طومسون تطور تكوين FPGA (نوع من رقاقة السيليكون الرقمية التي يمكن فيها إعادة تكوين الروابط بين مفاتيحه الرقمية باستمرار) لتعليمه كيفية فصل إشارتين صوتيتين مختلفتين. بعد إلقاء نظرة خاطفة داخل الشريحة لمعرفة كيف قامت العملية التطورية بضبط الاتصالات بين المفاتيح ، لاحظ مخطط عمل فعال بشكل لافت - فقد استخدم 37 مكونًا فقط.

بالإضافة إلى ذلك ، لم يعد المهندسون الرقميون يفهمون المخطط التطوري الناتج. بعض المكونات الـ 37 لم تكن متصلة بأخرى ، ولكن عندما تم إزالتها من الدائرة ، توقف النظام بأكمله عن العمل. كان التفسير المعقول الوحيد لهذا الموقف الغريب هو أن النظام استخدم نوعًا من الاتصالات الكهرومغناطيسية الغامضة بين نوعه من المكونات الرقمية المماثلة. وبعبارة أخرى ، اعتمدت العملية التطورية الخصائص التناظرية لمكونات ومواد النظام من العالم الحقيقي من أجل تنفيذ "حساباته".

كان انفجار دماغي. كنت باحثًا شابًا في التسعينيات ، وكانت لدي خبرة في العمل في مجال البحث عن المعدات الإلكترونية والذكاء الاصطناعي ، وأذهلني عمل طومسون. لم يكن الكمبيوتر قادرًا على اختراع نوع جديد تمامًا من الدوائر الإلكترونية وتجاوز قدرات المهندسين الإلكترونيين ، ولكن الأهم من ذلك أنه أشار إلى مسار تطوير أنظمة الكمبيوتر والذكاء الاصطناعي الأكثر قوة بلا حدود.


بدأ Hassabis كمبرمج رئيسي للذكاء الاصطناعي في اللعبة المنسية الآن من Lionhead Studio ، Black & White.

إذن ماذا حدث؟ لماذا نسي طومسون النسيان تقريبًا ، والشركة الأم لـ Google ، الأبجدية ، ترمي حسابيس بالمال ، والأفلام الوثائقية من سلاح الجو تغني له الذعر؟ بالنسبة للجزء الأكبر ، حان الوقت المناسب. في التسعينيات ، كان الذكاء الاصطناعي عصريًا مثل كلسون الجدة. اليوم ، تتحمل منظمة العفو الدولية عبء الحاجة إلى أن تقودنا إلى "الثورة الصناعية الرابعة". كابيتال يلاحق "المشروع الرئيسي المقبل". على الرغم من أن أنظمة الذكاء الاصطناعي الرقمية DeepMind ليست مناسبة جدًا لمحاكاة الأنظمة التناظرية المعقدة في العالم الحقيقي مثل الطقس أو الدماغ البشري ، فهي بالتأكيد مناسبة تمامًا لطحن البيانات الرقمية القادمة من أبسط عالم رقمي عبر الإنترنت في شكل روابط ونقرات وإعجابات وقوائم تشغيل ووحدات بكسل .

استفاد DeepMind أيضًا من قدرته على إظهار وجه المنتج. أعلن DeepMind عن تقنيته وقيادته ، وزرع الغموض التكنولوجي ، لكن العرض الكامل لعمله جاء إلى اللعب مع أبسط قواعد الحوسبة. ميزة الألعاب هي فهمها وجاذبيتها البصرية لوسائل الإعلام والجمهور. في الواقع ، سيتم ربط معظم التطبيقات التجارية لهذه التكنولوجيا بتطبيقات الأعمال الشائعة ، على سبيل المثال ، تحسين كفاءة الطاقة في مراكز البيانات التي تخزن فيها Google أجهزة الكمبيوتر الخاصة بها.

Ceci n'est pas une paddle *

* "هذا ليس مجذاف" - إشارة إلى لوحة " خيانة الصور "

طومسون وحسابي - باستثناء كونهما بريطانيين ، كان لديهما بالتأكيد الخبرة والمهارات اللازمة للتدريب الفعال وتطور أنظمتهما ، ولكن من الواضح أن هذا الاعتماد على مهارات وإبداع الناس هو ضعف أي نظام AI أو MO. أيضا ، كانت تقنيتهم ​​هشة للغاية. على سبيل المثال ، غالبًا ما توقفت أنظمة Thompson عن العمل عند درجات حرارة مختلفة عن تلك التي تطورت فيها. وفي الوقت نفسه ، في DeepMind ، ببساطة تغيير حجم مجداف في واحدة من ألعاب الفيديو للشركة يلغي تماما فعالية الذكاء الاصطناعي. هذه الهشاشة ترجع إلى حقيقة أن الذكاء الاصطناعي من DeepMind لا يفهم ما هو مجداف - وحتى لعبة الفيديو نفسها ؛ تعمل مفاتيحها فقط مع الأرقام الثنائية.

في الآونة الأخيرة ، حققت أنظمة MO نجاحات كبيرة حقًا ، ولكن تم إحراز هذا التقدم في الغالب بسبب استخدام كمية كبيرة من معدات الحوسبة القياسية لحل المشكلات ، بدلاً من الابتكارات الجذرية. في مرحلة ما في المستقبل غير البعيد ، لن يكون من الممكن حشر مفاتيح السيليكون الصغيرة على رقاقة السيليكون. ستصبح كفاءة الدائرة (المزيد من الحسابات على معدات أقل) مهمة تجاريًا ، وفي هذه المرحلة ، يمكن أن تصبح المعدات المتطورة أخيرًا من المألوف.

قد تظهر الأنظمة الهجينة أيضًا التي تجمع بين نهج طومسون وحسابي. ولكن بغض النظر عما يحدث ، سيتعين على هراري الانتظار حتى يتمكن من الحصول على نظام الذكاء الاصطناعي "الإبداعي" لكتابة كتابه التالي الأكثر مبيعًا.