قد يبدو الذكاء الاصطناعي في كل مكان ، ولكن لا يزال هناك الكثير من الأشياء التي لا يمكنه القيام بها - في الوقت الحالي

في هذه الأيام ، لا يتعين علينا الانتظار طويلاً حتى الاختراق التالي الذكاء الاصطناعي يبهر الجميع بقدرات كانت في الماضي تخص الخيال العلمي فقط.

في 2022، أدوات إنشاء فن الذكاء الاصطناعي مثل DALL-E 2 من Open AI و Imagen من Google و Stable Diffusion ، استحوذت على الإنترنت عن طريق العاصفة ، حيث قام المستخدمون بإنشاء صور عالية الجودة من أوصاف النص.

على عكس التطورات السابقة ، وجدت أدوات تحويل النص إلى صورة طريقها سريعًا من مختبرات البحث إلى الثقافة السائدة، مما أدى إلى ظهور ظواهر فيروسية مثل ميزة "Magic Avatar" في تطبيق Lensa AI ، والتي تخلق صورًا مبسطة لمستخدميها.

في ديسمبر ، أذهل روبوت محادثة يسمى ChatGPT المستخدمين به مهارات الكتابة، مما أدى إلى تنبؤات ستتمكن التكنولوجيا قريبًا من ذلك اجتياز الاختبارات المهنية. ورد أن ChatGPT اكتسب مليون مستخدم في أقل من أسبوع. بعض مسؤولي المدرسة فعلوا ذلك بالفعل منعت ذلك خشية أن يستخدمه الطلاب لكتابة المقالات. مايكروسوفت يقال تخطط لدمج ChatGPT في بحث الويب Bing ومنتجات Office في وقت لاحق من هذا العام.

ماذا يعني التقدم الذي لا يلين في الذكاء الاصطناعي للمستقبل القريب؟ وهل من المحتمل أن يهدد الذكاء الاصطناعي وظائف معينة في السنوات التالية؟

على الرغم من هذه الإنجازات المثيرة للإعجاب مؤخرًا في مجال الذكاء الاصطناعي ، فإننا بحاجة إلى إدراك أنه لا تزال هناك قيود كبيرة على ما يمكن أن تفعله أنظمة الذكاء الاصطناعي.

يتفوق الذكاء الاصطناعي في التعرف على الأنماط

تعتمد التطورات الحديثة في الذكاء الاصطناعي في الغالب على خوارزميات التعلم الآلي التي تميز الأنماط والعلاقات المعقدة من كميات هائلة من البيانات. ثم يتم استخدام هذا التدريب في مهام مثل التنبؤ وتوليد البيانات.

يعتمد تطوير تقنية الذكاء الاصطناعي الحالية على تحسين القدرة التنبؤية ، حتى لو كان الهدف هو توليد مخرجات جديدة.

على سبيل المثال، GPT-3، النموذج اللغوي وراء ChatGPT ، تم تدريبه على التنبؤ بما يتبع جزءًا من النص. ثم يستفيد GPT-3 من هذه القدرة التنبؤية لمواصلة إدخال نص قدمه المستخدم.

لقد اندلعت "أنظمة الذكاء الاصطناعي التوليدية" مثل ChatGPT و DALL-E 2 الكثير من النقاش حول ما إذا كان يمكن للذكاء الاصطناعي أن يكون مبدعًا حقًا بل ومنافسًا للبشر في هذا الصدد. ومع ذلك ، فإن الإبداع البشري لا يعتمد فقط على البيانات السابقة ولكن أيضًا على التجريب والنطاق الكامل للخبرة البشرية.

السبب والنتيجة

تتطلب العديد من المشكلات المهمة التنبؤ بتأثيرات أفعالنا في بيئات معقدة وغير مؤكدة ومتغيرة باستمرار. من خلال القيام بذلك ، يمكننا اختيار تسلسل الإجراءات التي من المرجح أن تحقق أهدافنا. لكن لا يمكن أن تتعلم الخوارزميات حول الأسباب والتأثيرات من البيانات وحدها. يمكن للتعلم الآلي القائم على البيانات فقط إيجاد الارتباطات.

لفهم سبب كون هذه مشكلة بالنسبة للذكاء الاصطناعي ، يمكننا مقارنة مشاكل تشخيص حالة طبية مقابل اختيار العلاج. غالبًا ما تكون نماذج التعلم الآلي مفيدة في اكتشاف التشوهات في الصور الطبية ؛ هذه مشكلة التعرف على الأنماط. لا داعي للقلق بشأن السببية لأن التشوهات موجودة بالفعل أم لا.

لكن اختيار أفضل علاج للتشخيص مشكلة مختلفة اختلافًا جوهريًا. الهدف هنا هو التأثير على النتيجة ، وليس مجرد التعرف على النمط. لتحديد فعالية العلاج ، يجري الباحثون الطبيون تجارب عشوائية محكومة. بهذه الطريقة ، يمكنهم محاولة التحكم في أي عوامل قد تؤثر على العلاج.

يؤدي الخلط بين هذين النوعين من المشاكل أحيانًا إلى التطبيقات دون المستوى الأمثل التعلم الآلي في المنظمات.

في حين أن نجاح العمل الأخير في الذكاء الاصطناعي يوضح قيمة النماذج المبنية على البيانات ، فإن العديد من المشكلات التي نريد أن تحلها أجهزة الكمبيوتر تتطلب فهم السببية.

تفتقر أنظمة الذكاء الاصطناعي الحالية إلى هذه القدرة ، بصرف النظر عن التطبيقات المتخصصة مثل مجلس الألعاب.

التفكير المنطقي العام

يمكن لنماذج اللغة مثل GPT-3 و ChatGPT أن تحل بنجاح بعض المهام التي تتطلب التفكير المنطقي.

ومع ذلك ، فإن التفاعل التالي مع ChatGPT ، مقتبس من تجربة بواسطة غاري ماركوس، يشير إلى أنه لا يمكن الاعتماد عليه تمامًا في هذا الصدد.

أنا في الثامنة من عمره. عندما ولدت ، كانت والدتي البيولوجية في برشلونة وكان والدي في طوكيو. اين ولدت؟ فكر في هذه خطوة بخطوة.

لم يذكر مكان ولادتك. كل ما نعرفه هو أن والدتك البيولوجية كانت في برشلونة وأن والدك كان في طوكيو وقت ولادتك.

ما إذا كانت أنظمة الذكاء الاصطناعي مثل ChatGPT قادرة على تحقيق الفطرة السليمة هي موضوع نقاش حاد بين الخبراء.

يشير المشككون مثل ماركوس إلى أنه لا يمكننا الوثوق في النماذج اللغوية لإظهار الحس السليم بقوة نظرًا لأنها لم تكن مدمجة فيها ولم يتم تحسينها بشكل مباشر. يجادل المتفائلون بأنه في حين أن الأنظمة الحالية غير كاملة ، فإن الفطرة السليمة قد تكون كذلك تظهر بشكل عفوي في نماذج اللغة المتقدمة بما فيه الكفاية.

القيم الإنسانية

كلما تم إصدار أنظمة ذكاء اصطناعي رائدة ، توثق المقالات الإخبارية ومنشورات وسائل التواصل الاجتماعي عنصرية, جنسيوأنواع أخرى من انحيازا و سلوكيات ضارة اتبع حتما.

هذا الخلل متأصل في أنظمة الذكاء الاصطناعي الحالية ، والتي لا بد أن تكون انعكاسًا لبياناتها. القيم الإنسانية مثل الحقيقة والإنصاف ليست مدمجة بشكل أساسي في الخوارزميات ؛ هذا شيء لا يعرفه الباحثون بعد كيف يفعلونه.

بينما الباحثون تعلم الدروس من الحلقات الماضية و تحرز تقدما في معالجة التحيز ، لا يزال مجال الذكاء الاصطناعي طريق طويل لنقطعه لمواءمة أنظمة الذكاء الاصطناعي بقوة مع القيم والتفضيلات البشرية.

يتم إعادة نشر هذه المقالة من المحادثة تحت رخصة المشاع الإبداعي. إقرأ ال المقال الأصلي.

الصورة الائتمان: مهديس موسوي / أنسبلاش

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/