عالم التكنولوجيا

أجهزة الكمبيوتر بالفعل تتعلم منا. لكن هل يمكنهم تعليم أنفسهم؟

[ad_1]

هذه المقالة هي جزء من أحدث مقالاتنا ، الذي يركز على كيفية استمرار التكنولوجيا في التطور والتأثير على حياتنا.

يبدو أن الذكاء الاصطناعي موجود في كل مكان ، لكن ما نشهده حقًا هو ثورة التعلم تحت الإشراف: نحن نعلم أجهزة الكمبيوتر لرؤية الأنماط ، مثلما نعلم الأطفال القراءة. لكن مستقبل A.I. يقول الباحثون إن ذلك يعتمد على أنظمة الكمبيوتر التي تتعلم من تلقاء نفسها ، دون إشراف.

عندما تشير الأم إلى كلب وتخبر طفلها ، “انظر إلى الكلب ،” يتعلم الطفل ما يمكن أن يطلق عليه أصدقاء فروي بأربع أرجل. هذا هو . ولكن عندما يقف هذا الطفل ويتعثر ، مرارًا وتكرارًا ، حتى يتمكن من المشي ، فهذا شيء آخر.

أجهزة الكمبيوتر هي نفسها. مثلما يتعلم البشر في الغالب من خلال الملاحظة أو التجربة والخطأ ، سيتعين على أجهزة الكمبيوتر أن تتجاوز التعلم الخاضع للإشراف للوصول إلى الكأس المقدسة للذكاء على مستوى الإنسان.

قال ديفيد كوكس ، مدير IBM لـ: “نريد الانتقال من الأنظمة التي تتطلب الكثير من المعرفة البشرية وهندسة اليد البشرية” نحو “المزيد والمزيد من الأنظمة المستقلة”. وأشار إلى أنه حتى إذا قرأ نظام تعليمي خاضع للإشراف جميع الكتب في العالم ، فإنه سيظل يفتقر إلى الذكاء على المستوى البشري لأن الكثير من معرفتنا لا تدون أبداً.

يعتمد التعلم الخاضع للإشراف على البيانات التي تحتوي على تعليقات توضيحية: الصور أو الصوت أو النص المسمى بشق الأنفس من قبل جحافل العمال. يحيطون الناس أو يحددون الدراجات على صور لحركة المرور في الشوارع. يتم تغذية البيانات المسماة بخوارزميات الكمبيوتر ، وتعليم الخوارزميات ما الذي تبحث عنه. بعد تناول الملايين من الصور المصنفة ، تصبح الخوارزميات خبيرة في التعرف على ما تم تعليمهم رؤيته.

لكن التعلم الخاضع للإشراف مقيد بالمجالات الضيقة نسبيًا والمحددة بشكل كبير ببيانات التدريب.

قال أحد مؤسسي ثورة الذكاء الاصطناعي الحالي ومتلقي ما يعادل: “هناك حد لما يمكنك تطبيقه على التعلم تحت الإشراف اليوم لأنك تحتاج إلى الكثير من البيانات المصنفة”. جائزة نوبل في علوم الكمبيوتر في عام 2018. وهو نائب الرئيس ورئيس منظمة العفو الدولية عالم في الفيسبوك.

الأساليب التي لا تعتمد على مثل هذا الإشراف الدقيق الذي يوفره الإنسان ، بينما يتم استكشافها بشكل أقل بكثير ، تم تجاوزها بنجاح التعلم تحت الإشراف وتطبيقاته العملية العديدة – من السيارات ذاتية القيادة إلى ترجمة اللغة. لكن التعلم الخاضع للإشراف لا يزال لا يمكنه القيام بأشياء بسيطة حتى بالنسبة للأطفال الصغار.

قال ، الذي أسس وشارك في جائزة تورينج مع دكتور LeCun و Geoffrey Hinton ، “لن يكون ذلك كافيًا لمستوى الذكاء البشري”. “البشر لا يحتاجون إلى الكثير من الإشراف”.

الآن ، أعاد العلماء في طليعة أبحاث الذكاء الاصطناعي انتباههم إلى أساليب أقل إشرافًا. قال شقيق يوشوا وعالم الأبحاث: “هناك أفكار ذاتية الإشراف وذات صلة أخرى ، مثل إعادة بناء المدخلات بعد إجبار النموذج على تمثيل مضغوط ، والتنبؤ بمستقبل مقطع فيديو أو إخفاء جزء من المدخلات ومحاولة إعادة بنائه”. في Google.

هناك أيضًا التعلم المعزز ، مع إشراف محدود جدًا لا يعتمد على بيانات التدريب. تم تصميم التعلم المعزز في علوم الكمبيوتر ، الذي ابتكرته ، الآن في جامعة ألبرتا في كندا ، على غرار التعلم المدفوع بالمكافأة في الدماغ: فكر في تعلم الفئران لدفع رافعة لتلقي بيليه من الطعام. وقد تم تطوير الاستراتيجية لتعليم أنظمة الكمبيوتر لاتخاذ الإجراءات.

حدد هدفًا ، وسيعمل نظام التعلم المعزز من أجل تحقيق هذا الهدف من خلال التجربة والخطأ حتى يتلقى مكافأة باستمرار. يفعل البشر هذا طوال الوقت. قال الدكتور ساتون: “التعزيز فكرة واضحة إذا كنت تدرس علم النفس”.

وقال إن المصطلح الأكثر شمولية لمستقبل الذكاء الاصطناعي هو “التعلم التنبئي” ، أي الأنظمة التي لا يتعرف على الأنماط فحسب ، بل يتنبأ أيضًا بالنتائج ويختار مسار العمل. قال الدكتور ساتون: “يوافق الجميع على أننا بحاجة إلى التعلم التنبئي ، لكننا نختلف حول كيفية الوصول إلى هناك”. “يعتقد بعض الناس أننا نصل إلى هناك من خلال تمديد أفكار التعلم تحت الإشراف ؛ يعتقد البعض الآخر أننا نصل إلى هناك مع تمديد أفكار التعلم التعزيزي “.

، الذي يدير ولاية كاليفورنيا ، يستخدم أنظمة التعلم التعزيزي التي تتنافس ضدها للتعلم بشكل أسرع في طريقة تسمى اللعب الذاتي. الروبوتات المحاكية المتطابقة ، على سبيل المثال ، بعضها البعض وفي البداية ليست جيدة جدًا ، ولكنها تتحسن بسرعة. قال: “من خلال اللعب ضد مستواك أو ضد نفسك ، يمكنك أن ترى الاختلافات التي تساعد وبناء المهارات بشكل تدريجي”.

على الرغم من قوة التعلم المعزز ، يقول الدكتور LeCun أنه يعتقد أن الأشكال الأخرى للتعلم الآلي أكثر أهمية للذكاء العام.

وقال: “أموالي على التعلم الذاتي” ، مشيراً إلى أنظمة الكمبيوتر التي تستوعب كميات هائلة من البيانات غير المصنفة وتفهم كل ذلك دون إشراف أو مكافأة. إنه يعمل على نماذج تتعلم بالملاحظة ، وتجمع ما يكفي من المعرفة الخلفية التي يمكن أن تظهر نوعًا من الفطرة السليمة.

قال الدكتور LeCun في مكتبه في جامعة نيويورك ، مزينًا بلقطات من فيلم “2001:” تخيل أنك تعطي الجهاز جزءًا من المدخلات ، مقطع فيديو ، على سبيل المثال ، واطلب منه التنبؤ بما سيحدث بعد ذلك “. أوديسا الفضاء.” “لكي تدرب الآلة نفسها على القيام بذلك ، يجب عليها تطوير بعض تمثيل البيانات. يجب أن نفهم أن هناك أشياء حية وأخرى غير حية. الأجسام الجامدة لها مسارات يمكن التنبؤ بها ، والأخرى لا تمتلك ذلك “.

وقال إنه بعد أن يشاهد نظام الكمبيوتر الذي يشرف عليه الملايين من مقاطع فيديو يوتيوب ، فإنه سيقطر بعض تمثيل العالم منهم. بعد ذلك ، عندما يُطلب من النظام أداء مهمة معينة ، يمكنه الاعتماد على هذا التمثيل – وبعبارة أخرى ، يمكنه تعليم نفسه.

يعمل دكتور كوكس في مختبر MIT-IBM Watson AI Lab بالمثل ، ولكنه يجمع بين الأشكال التقليدية للذكاء الاصطناعي والشبكات العميقة في ما يطلق عليه مختبره رمز الذكاء العصبي A.I. الهدف ، كما يقول ، هو بناء A.I. أنظمة يمكنها اكتساب مستوى أساسي من المعرفة المنطقية المشابهة لتلك التي لدى البشر.

وقال: “إن جزءًا كبيرًا مما نقوم به في وظائفنا اليومية هو تحسين نماذجنا العقلية للعالم باستمرار ثم استخدام تلك النماذج العقلية لحل المشكلات”. “هذا يجسد الكثير من ما نحب A.I. لكى يفعل.”

يأمل الكثير من الناس أن تجسد الروبوتات في النهاية الذكاء الاصطناعي وتتصرف بحرية في العالم. ولكن الأمر سيستغرق أكثر من التعلم تحت الإشراف للوصول بهم إلى هناك. في الوقت الحالي ، يمكن أن تعمل الروبوتات فقط في بيئات محددة جيدًا مع اختلاف بسيط.

قال أستاذ مساعد في أستاذ مساعد في “إن افتراضنا هو أنه إذا قمنا ببناء خوارزميات عامة بما فيه الكفاية ، فكل ما علينا فعله حقًا ، بمجرد القيام بذلك ، هو وضعها في الروبوتات الموجودة في العالم الواقعي وتقوم بأشياء حقيقية”. بيركلي ، الذي يدير الجامعة.

إنه يستخدم شكلاً من أشكال التعلم تحت الإشراف الذاتي حيث تستكشف الروبوتات بيئتها وتبني المعرفة الأساسية التي يتحدث عنها دكتور LeCun و Dr. Cox.

قال الدكتور ليفين عن روبوتات المختبر: “إنهم يلعبون فقط مع بيئتهم ويتعلمون”. “يتخيل الروبوت بشكل أساسي شيئًا قد يحدث ثم يحاول اكتشاف كيفية تحقيق ذلك.”

من خلال القيام بذلك ، تقوم الروبوتات ببناء مجموعة من المعرفة التي يمكن استخدامها في بيئة جديدة. في النهاية ، يمكن ربط الروبوتات بحيث تشارك المعلومات التي يكتسبها كل منها.

قال الدكتور ليفين: “يقضي الإنسان الآلي بضع ساعات في اللعب بباب ، وتحريكه بهذه الطريقة وذاك ، ويمكنه فتح ذلك الباب”. “لدينا ستة روبوتات مختلفة ، لذلك إذا كان لدينا جميعًا يلعبون بأنواع مختلفة من الأبواب ، ربما عندما نعطي بابًا جديدًا ، فسيتم تعميمه على هذا الباب الجديد لأنه شهد تنوعًا كافيًا”.

د. أبيل مؤسس شركة تبني A.I. قال الروبوتات للأتمتة الصناعية ، أنه في نهاية المطاف من المرجح أن يتم الجمع بين جميع هذه الأساليب.

هل يمكننا بناء آلات في مرحلة ما ستكون ذكية مثل البشر؟ “بالتاكيد؛ قال الدكتور LeCun. “انها مسألة وقت.”

كريج سميث مراسل سابق لصحيفة التايمز ويستضيف البودكاست

[ad_2] المصدر: nytimes.com
الوسوم

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى
إغلاق