لقد اخترقت التطورات السريعة في الذكاء الاصطناعي (AI) في السنوات الأخيرة الأنشطة التجارية والحياة اليومية، مما خلق الوهم بأنه ذكي بالكامل بالفعل.
ومع الرؤية العالية والاعتماد المتزايد لأدوات الذكاء الاصطناعي، يتوقع الكثير من الناس أن الأنظمة فائقة الذكاء ستكون قاب قوسين أو أدنى.
المؤسس والرئيس التنفيذي ورئيس مهندسي الذكاء الاصطناعي لشركة Fountech.
في الواقع، لقد أنشأنا أدوات إحصائية قوية يمكنها تحديد الشركاء وإنشاءهم اللغة وأداء المهام المعقدة بشكل متزايد في مختلف المجالات.
يستمر المقال أدناه
مثير للإعجاب، نعم، لكنه بعيد عن الذكاء البشري.
ما هو الذكاء الاصطناعي العام (AGI) حقًا؟
وهذا مهم لأن المحادثات في قطاع الذكاء الاصطناعي تتمحور بشكل متزايد حول الذكاء العام الاصطناعي (AGI)، وهو مصطلح يظهر بشكل متكرر وغالبًا ما يتم التعامل معه على أنه خطوة تالية حتمية.
الذكاء البشري لا يقتصر فقط على القدرة على تقديم إجابة موثوقة أو حتى مفيدة. إنها مسألة حكم، خاصة في المواقف التي يكون فيها السياق والغموض مهمين.
هذه هي بالضبط المجالات التي تفشل فيها أنظمة اليوم. الإخفاقات الأخيرة، على سبيل المثال تشرح روبوتات الدردشة التي تعمل بالذكاء الاصطناعي والتي تتحقق من أفكار المستخدمين الوهمية أو غير الصحية ما يلي: لا ينبغي الخلط بين الطلاقة والفهم.
السبب وراء بقائنا بعيدين عن الذكاء الاصطناعي العام ليس بسبب توقف التقدم. وقد حققت أحكام التوسع فوائد حقيقية من خلال نماذج ومجموعات بيانات أكبر. لكن التوسع لا يمكن أن يصلح كل شيء.
إننا نحقق عوائد متناقصة، وليس هناك من الأسباب ما يجعلنا نفترض أن المزيد من البيانات وحدها من شأنها أن تقدم عناصر الذكاء التي لا تزال مفقودة.
حدود البيانات
وتصبح المشكلة أكثر وضوحًا مع تغير تركيبة بيانات التدريب. فالبيانات العامة محدودة، ناهيك عن البيانات العالية الجودة، وتواجه الصناعة حاليا التحدي المتمثل في التمييز بين المحتوى البشري والمحتوى الناتج عن الذكاء الاصطناعي، والذي ليس له قيمة كبيرة في تدريب النماذج الجديدة.
إن النظام الذي يتم تدريبه بشكل متكرر على نسخ نسخ من أعمال الأشخاص سيكون أفضل في تقليد النغمة والأسلوب والبنية، لكنه لن يفهم السياق أو القيمة أو المعنى حقًا. وما لم نعلق آمالنا على الذكاء الاصطناعي العام الذي ينشأ تلقائيا من خلال نطاق واسع ــ وهي استراتيجية غير جديرة بالثقة على الإطلاق ــ فإن الاستنتاج بسيط: لكي تتمكن النماذج من تطوير ذكاء أشبه بالذكاء البشري، يجب على البشر أن يعلموها.
حل إنساني لمشكلة مصطنعة
وهنا يصبح الذكاء البشري حاسما في المناقشة. ولا تتجاهل مجموعات البيانات التقليدية المعرفة فحسب، بل تتجاهل أيضا الأشياء غير الملموسة ــ الاستدلال غير الخطي، والتفسيرات التجريبية، والأحكام السياقية.
إذا كان الذكاء الاصطناعي العام يعني بناء أنظمة يمكنها العمل بمرونة وعمق التفكير البشري، فإن المدخلات المفقودة ليست مجرد المزيد من المحتوى، بل تمثيل غني لكيفية تفكير الناس فعليًا.
نحن بحاجة إلى نموذج لا يتم فيه التعامل مع الأشخاص كمصدر لبيانات التدريب فحسب، بل كمشاركين نشطين في تطوير الذكاء الاصطناعي العام.
ومن الناحية العملية، يعني هذا تسجيل عمليات الاستدلال والاستجابة، وتسجيل كيفية وصول الأشخاص إلى تلك الإجابات، وجمع المعلومات المعلومات إلى جانب الأحكام القيمة والتفسيرات السياقية التي تشكل كيفية استخدام تلك المعلومات.
يعد الحصول على هذا النوع من بيانات التدريب أكثر صعوبة من الحصول على نص عادي، ولكنه يكون أكثر قيمة إذا كان الهدف هو بناء أنظمة تتجاوز مجرد مظهر الذكاء.
ثورة المخابرات
إحدى السمات المميزة لنموذج الذكاء الاصطناعي الحالي هي أن المعرفة البشرية والإبداع والبيانات السلوكية يتم دمجها بشكل روتيني في تطوير أنظمة الذكاء الاصطناعي دون أي تعويض ذي معنى.
وإذا كانت المرحلة التالية من الذكاء الاصطناعي تعتمد بشكل أكثر مباشرة على المدخلات البشرية، فإن الحجة لصالح معاملة البشر كمؤلفين مشاركين وليس كمورد سلبي سوف تصبح أقوى، أخلاقيا وتجاريا.
لا يوجد سبب لمناقشة مستقبل يعتمد على الذكاء الاصطناعي فقط من حيث نقل الوظائف؛ وسيكون جزء من هذا المستقبل عبارة عن أشكال جديدة من العمل تركز على تدريب وصقل وتقييم الذكاء الاصطناعي، وتُظهر منصات مثل Humanix كيف يمكن أن يبدأ هذا النموذج في التبلور.
لقد اختلف المساران
وسوف يعتمد الطريق إلى الذكاء الاصطناعي العام على فهم أكثر صدقاً لما تستطيع أنظمة اليوم أن تفعله وما لا تستطيع أن تفعله. أرى أننا نقف عند مفترق الطريق.
يتلخص أحد المسارات في الاستمرار في دمج الذكاء الاصطناعي غير الذكي بشكل أعمق في الاقتصاد، على أمل أن يؤدي الحجم والبيانات الاصطناعية وتحسين القوة الغاشمة في نهاية المطاف إلى زيادة الذكاء.
وقد تكون النتيجة أنظمة أسرع وأكثر دقة وأكثر انتشارا تجاريا، ولكنها قد تؤدي أيضا إلى انخفاض لا مفر منه في قيمة العملة تعتمد هضاب ونماذج الأداء بشكل متزايد على بيانات التدريب الدورية المتدهورة.
ويدرك المسار الثاني أن المرحلة التالية من تطور الذكاء الاصطناعي تعتمد على التكامل المتعمد للذكاء البشري ذاته، لأن السمات التي نربطها بالذكاء العام لا تظهر تلقائيا بمجرد أن يصبح النموذج كبيرا بالقدر الكافي.
إذا كنا جادين بشأن الذكاء الاصطناعي العام، فهذا هو المكان الذي ينتظرنا فيه العمل: ليس فقط بناء أنظمة أكثر كفاءة، ولكن أيضًا بناء أنظمة يمكنها دمج جوانب الذكاء البشري التي لا تزال النماذج الحالية تفتقر إليها بشكل هادف. لقد ساعدتنا البيانات كثيرًا، ولكن المفتاح لما سيأتي بعد ذلك هو الناس.
نحن نقدم أفضل برامج RPA لمساعدة الشركات على تقليل التكاليف باستخدام أتمتة العمليات الروبوتية.
تم إنشاء المقالة كجزء من توقعات TechRadar بروتعرض قناتنا أفضل وألمع العقول في صناعة التكنولوجيا اليوم.
الآراء الواردة هنا هي آراء المؤلف وليست بالضرورة آراء TechRadarPro أو Future plc. إذا كنت مهتمًا بالتعاون، يمكنك العثور على مزيد من المعلومات هنا: https://www.techradar.com/pro/perspectives-how-to-submit
