الذكاء الاصطناعي، مثل الشتاء، موجود هنا مع البيانات الضخمة والأجهزة القوية
[Update, January 2024]: على الرغم من أن الكثير من العاملين في مجال التعلم والتطوير لم يهتموا بي منذ سبع سنوات بشأن الذكاء الاصطناعي (AI)/التعلم الآلي (ML)، إلا أن هذا المقال اليوم يبدو وكأنه رسالة في زجاجة. عند الحديث عن رسالة في زجاجة، احذر من الموجة القادمة على البيانات الضخمة والأجهزة القوية… كتاب مثير للتفكير أوصي به بشدة الموجة القادمة: التكنولوجيا والقوة والمعضلة الكبرى في القرن الحادي والعشرين تأليف مصطفى سليمان (مؤلف) ومايكل باسكار. استمتع بالرحلة في حارة الذاكرة أدناه!
لقد كان الذكاء الاصطناعي موجودًا منذ فترة طويلة. التعلم الآلي، وهو أحد تطبيقات الذكاء الاصطناعي حيث تكون الآلة قادرة على التعلم من تلقاء نفسها، ليس جديدًا أيضًا. إذًا، لماذا تسببت السنوات القليلة الماضية في موجة من الإثارة والخوف بشأن الذكاء الاصطناعي؟
التعلم الآلي ليس جديدا
قبل خمسة وعشرين عامًا، كنت أحدق في جهاز الكمبيوتر الخاص بي، وأكتب أطروحتي. على عكس أي شخص آخر، أردت أن أفعل شيئًا قد يعرض تخرجي للخطر. كنت أقوم ببناء شبكة عصبية اصطناعية بلغة C++. كان من المفترض أن تتعلم الشبكة من تلقاء نفسها، فقط من خلال النظر إلى البيانات. كان من المفترض أن نتعلم كيفية جمع رقمين معًا.
تتكون الشبكة العصبية الاصطناعية من عدة طبقات. كانت مهمة طبقة الإدخال هي “رؤية” البيانات التي كنت أعرضها. كانت مهمة طبقة الإخراج هي بصق النتيجة. وفي المنتصف، كانت الطبقات المخفية تقوم بالتعلم. وكانت جميع هذه الخلايا العصبية متصلة. كانت عملية التعلم الآلي عبارة عن تمرين متكرر. أظهر البرنامج رقمين للشبكة بالإضافة إلى النتيجة الصحيحة لإضافتهما. توصلت الشبكة إلى نتيجة. إذا كانت النتيجة خاطئة (خارج هامش الخطأ)، يتم تشغيل الشبكة من خلال خوارزمية لضبط نفسها (الانتشار العكسي). ثم أظهر البرنامج زوجًا آخر من الأرقام والنتيجة. كان هذا يحدث ويستمر. كانت الشبكة تتعلم. الانتشار العكسي هو طريقة لحساب تدرج دالة الخسارة فيما يتعلق بالأوزان في الشبكة العصبية الاصطناعية.
لذلك، كما قلت، كنت أحدق في الشاشة لأسابيع. أظهرت لي الشاشة رقمًا واحدًا. لقد كان الخطأ. بمعنى آخر، كم كان بعيدًا عن الشبكة من تعلم كيفية جمع الأرقام معًا. كنت أشعر بالفضول إذا كنت سأتخرج يومًا ما. حتى يوم واحد، كان الخطأ صغيرا بما يكفي لإعلان النصر. لقد حان الوقت لاختبار الشبكة. انظر، كانت الشبكة العصبية تعمل بشكل جيد مع الأرقام التي كانت تتعلم منها ولكن الآن، حان الوقت لإظهار أرقام لم ترها الشبكة من قبل. إذا نجح التعلم الآلي، فيجب أن تكون الشبكة قادرة على إضافة تلك الأرقام التي لم تراها معًا من قبل، وسوف أتخرج. إذا لم يكن الأمر كذلك، فقد حان الوقت لتصحيح الأخطاء لمدة عام…
انها عملت. تعلمت الشبكة العصبية عملية الجمع دون أي برمجة بمجرد اكتشاف نمط البيانات التي تم عرضها عليها. لقد قمت بحفظ شبكتي العصبية الاصطناعية على قرص مرن! (التحديث، 2024: “ChatGPT، ما هو القرص المرن؟”)
يحتاج التعلم الآلي إلى بيانات كبيرة وأجهزة قوية
للتبسيط، يحتاج التعلم الآلي إلى شيئين: البيانات الضخمة والأداء الكبير. كان القرص المرن الخاص بي بالكاد عبارة عن بيانات كبيرة. لقد حاولت بالفعل استخدامها لشيء أكثر إثارة: الفوز باليانصيب. لقد قمت بتحميل “البيانات الضخمة” في الشبكة للعثور على نمط اليانصيب وجعلني ثريًا. وذلك عندما تعلمت عن المطلب الثاني للتعلم الآلي: الأداء. أنت بحاجة إلى بيانات ضخمة وأجهزة قوية. اختنق جهاز الكمبيوتر الخاص بي بسبب المهمة مثل جهود دوغلاس آدامز للعثور على “الإجابة على السؤال النهائي للحياة والكون وكل شيء”.
الفطر المبتدئ: الشتاء قادم
في العامين الماضيين، ازدهرت تطبيقات الذكاء الاصطناعي مثل عيش الغراب بعد عاصفة الصيف. لماذا هذا؟ لأن العاصفة المثالية كانت تختمر: مزيج من البيانات الضخمة والأجهزة القوية المتوفرة. نحن الآن جميعاً متصلين! وكما تعلمون، إذا لم يتم نشر شيء ما على وسائل التواصل الاجتماعي، فهو لم يحدث.
اليوم، حدودنا ليست في التكنولوجيا ولكن في الخيال (وربما في الأخلاق). الذكاء الاصطناعي ليس كما رأيته من قبل. ربما سمعت عن AlphaGo الغامض:
AlphaGo هو أول برنامج كمبيوتر يهزم لاعب Go بشريًا محترفًا، وأول برنامج يهزم بطل عالم Go، ويمكن القول إنه أقوى لاعب Go في التاريخ.
الأمر المذهل في هذه الهزيمة هو أن القوة الغاشمة لم تكن فقط هي التي تغلبت على أفضل لاعب بشري؛ لقد كان ذكاءً. هل لم يعد التفكير سمة إنسانية؟
في كتابهم عصر الآلة الثاني: العمل والتقدم والازدهار في زمن التقنيات الرائعةيرسم المؤلفان إريك برينجولفسون وأندرو مكافي صورة رائعة لما سيأتي مع الذكاء الاصطناعي. أفضل تشبيه قرأته حتى الآن والذي يرتبط بي هو مثال رقعة الشطرنج. ربما تكون على دراية بنسخة ما من القصة عن الرجل الحكيم الذي طلب من الإمبراطور أن يعطيه قطعة أرز واحدة مقابل المربع الأول على رقعة الشطرنج، ثم كمية مضاعفة في المربع التالي، وضعف المربع الذي يليه، وما إلى ذلك. عند نهاية رقعة الشطرنج، لن ينفد الأرز من الإمبراطور فحسب، بل العالم كله. بالنسبة لنا نحن البشر، من الصعب أن نفهم كيف يمكن لقطعة واحدة من الأرز أن تنمو بهذه السرعة…
النصف الثاني من رقعة الشطرنج
الآن، يأتي التشبيه مع الذكاء الاصطناعي مع توضيح أنه فقط عندما تصل إلى النصف الثاني من رقعة الشطرنج، تخرج الأمور عن نطاق السيطرة فجأة. هذا لأنك تصل إلى النقطة التي يصعب فيها التنبؤ بما سيأتي بعد ذلك بناءً على ما حدث من قبل. إنه عندما لا تكون البداية البطيئة مؤشراً على ما سيأتي. وهذا هو العصر الذي نعيشه مع الذكاء الاصطناعي. هذا هو السبب في أنها كلمة طنانة في كل مكان. وهذا هو السبب وراء نمو العديد من الشركات الناشئة مثل الفطر. انها مثل لعبة العروش: لقد كنت تتحدث عن قدوم هذا الشتاء لعدة مواسم. الآن، هو هنا، ولا يمكنك حتى أن تتخيل ما هو موجود في المربع التالي. إنه يغير طريقة تعلمنا وتواصلنا وعملنا وإنجاز الأمور.
إذا كنت مهتمًا بالتعلم والتطوير ومهتمًا بكيفية تأثير التقنيات الناشئة على التعلم في مكان العمل، فإنني أقترح عليك أيضًا بشدة كتاب براندون كارلسون التعلم في عصر الفورية. أما بالنسبة للفوز باليانصيب باستخدام شبكتي العصبية، فلا أزال أنتظر الإجابة. في هذه الأثناء، سأواصل اللعب بالرقم 42.
نُشرت في الأصل على www.linkedin.com.
