العالم والذكاء الاصطناعي
هذا هو عنوان جلسة النقاش في مؤتمر إندكس للمطورين، والتي شارك فيها خبراء رائدين في مجال الذكاء الاصطناعي من أمازون، وآي بي إم، وجوجل، وفيسبوك لمناقشة الآثار التقنية والاجتماعية للذكاء الاصطناعي في حياتنا اليومية. وهذه المقالة تلخيص لأهم ما دار فيها.
قبل نصف قرن تقريباً، مر الذكاء الاصطناعي بحقبة تسمىAI Winter وهي فترة انخفاض التمويل والاهتمام بأبحاث الذكاء الاصطناعي، والأسباب كثيرة، لكن جميعها تعود إلى أن الذكاء الاصطناعي خيب توقعات الناس الغير واقعية في تلك الفترة. إلا أنه تجدد الاهتمام بالمجال وتقدم بشكل ملحوظ منذ نصف العقد الماضي، ومن أهم التطورات التي حصلت خلال سنة 2017 هي توفر أدوات تعلم الآلة (مثلPyTorch، وTensorflow، وCaffe، و (AlexNetوسهولة استخدامها. كما أن قدرة الأجهزة الحاسوبية وسرعتها تطورت بشكل ملحوظ. بالإضافة إلى أن الشركات المزودة للحوسبة السحابية وفرت خدمات متضمنة للذكاء الاصطناعي جاهزة لاستخدام المطورين. كل هذه الأسباب كانت كافية للتقليل من عوائق تعلم الذكاء الاصطناعي وتطبيقه.
كما تم مناقشة الأسباب وراء توفر الحلول المذهلة التي نراها الآن، وهي نتيجة تطبيق خوارزميات قديمة على حواسيب متقدمة، بالإضافة إلى استخدام طرق مبتكرة لتحسين الخوارزميات الموجودة، بغرض الوصول لنتائج أفضل، كتقنية Patch Normalization التي ساهمت في تسريع عملية التعلم أو التدريب (Training) بجانب تطور المعالجات الحاسوبية، كما يرى البعض بأن تطور الخوارزميات في ذاتها أو آلية عملها له أثر أكبر من تطور سرعة المعالجات وقدرتها.
أغلب التطورات التي تم مناقشتها سابقاً، لها علاقة بالتعرف على الأنماط (Pattern Recognition) لكن لا يزال هناك تحدي في استقلال الآلة (Machine Autonomy)، بمعنى أن تتعلم الآلة كيفية الاستجابة لأحداث معينة بالطريقة الصحيحة بشكل ذاتي. شركة بوستن داينمكس على سبيل المثال نشرت فيديوهات لربوتات تقوم بأعمال مذهلة، لكنها لا تزال غير مستقلة تماماً. وبينما يشكل التعرف على الأنماط جزءاً مهماً في استقلال الآلة، ليفيدها في التعرف على مكانها، تبقّى الكثير من الأجزاء الأخرى التي تحتاج إلى تطوير، مثل التعلم التعزيزي والخوارزميات التطورية لتفيدها أكثر في معرفة كيفية الاستجابة والتصرف بناء على ما تعرف.
الأجهزة تفهم ما نقول لا ما نعني!
في تحدي مخطط وينوقراد Winograd Schema Challenge تعطى الآلات عبارات بسيطة مثل “أنا لا أستطيع وضع العلبة في الشنطة، لأنها (كبيرة/صغيرة)”، من السهل علينا أن ندرك بأن كبيرة صفة للعلبة، وصغيرة صفة للشنطة، بناء على المعنى، بينما يصعب على الآلة إلى اليوم معرفة ما يعود إليه الضمير. ومن المتوقع أن نرى دمجاً بين النمذجة الإحصائية والأدوات البرمجية مستقبلاً لاستنتاج المعنى بشكل تلقائي.
الجانب الاجتماعي
في كل الأمثلة السابقة، كلما زاد حجم البيانات واختلفت تركيبتها، كلما كانت نتيجة تعلم الآلة أفضل. ولذلك تسعى الشركات لجمع البيانات، إلا أنه ليس هناك إجماع على ما يعتبر انتهاكاً لخصوصية المستخدم. فعندما يكون المستخدم مجبراً أن يرى إعلاناً، فإنه غالباً يفضل أن يكون هذا الإعلان له علاقة بما يهمه، وذلك يتطلب جمع بعض البيانات عنه، كما أن المستخدم قد يسمح بجمع البيانات الخاصة به للشركة التي يثق بها مالا يسمح لغيرها. وأكد المشاركون في جلسة النقاش أن أهم ما في الأمر، أن تؤخذ المعلومات الكافية فقط، وألا تستنتج معلومات خاصة بناء عليها، وألا تسرب هذه البيانات. ومن المؤسف أن قضية كامبريدج أناليتيكا التي حصلت لفيسبوك مؤخراً تنفي ذلك، وتفتح المجال للكثير من الأسئلة حول ما يمكن للفرد عمله لحماية بياناته،والتي تم الإجابة عليها في New America
جلسة النقاش كاملة
الكاتبة: نورة النشوان، مطورة تطبيقات في شركة آي بي إم