كل تطور في مجال الذكاء الاصطناعي تنتج عنه مجموعة معقدة من المصطلحات المتخصصة. نقدم لكم دليلاً للتمييز بين الذكاء الاصطناعي العام (Artificial General Intelligence) واختصاره (AGI) والمحولات التوليدية المدربة مسبقاً (Generative Pretrained Transformers) واختصارها (GPT) وهو نوع من النماذج اللغوية الكبيرة.
شكل ظهور روبوت الدردشة “تشات جي بي تي” (ChatGPT) أواخر 2022، بإجاباته المتطورة بصورة ملحوظة (وإن كانت أحياناً خاطئة) على مجموعة واسعة من الأسئلة، لحظة فارقة في تطور الذكاء الاصطناعي الذي استغرق عقوداً من العمل حتى صدوره. بدأ العلماء في إجراء تجارب على “رؤية الحاسوب” ومنح الآلات القدرة على “القراءة” منذ ستينيات القرن الماضي، كما أن روبوتات الدردشة بدأ ظهورها عندما كانت فرقة البيتلز ما تزال تعزف الموسيقى.
وتتسابق شركات التكنولوجيا حالياً لتطوير منتجات ذكاء اصطناعي أكثر تقدماً يمكنها التحدث مع المستخدمين وحل المسائل الرياضية المعقدة وإنتاج أفلام قصيرة، وربما تتفوق يوماً ما على الإنسان في مجموعة متنوعة من المهام. سواء كنت قلقاً من أن تسلب الآلات منك وظيفتك، أو فقط متحمساً لاستكشاف الإمكانات، إليك المصطلحات التي تحتاجها للإبحار وسط عالم يقوده الذكاء الاصطناعي.
(A)
الذكاء الاصطناعي العام (AGI):
تجد العديد من الشركات العاملة في مجال الذكاء الاصطناعي نفسها مهووسة بفكرة “الذكاء الاصطناعي العام” (AGI). رغم ذلك، ليس هناك اتفاق واضح حول تعريفه. يشير المصطلح عادة إلى أنظمة ذكاء اصطناعي افتراضية قادرة على إتمام مجموعة واسعة من المهام المعقدة مع قدر ضئيل من التدخل البشري. تذهب شركة “أوبن إيه آي” مطورة “ChatGPT” بهذا التعريف إلى ما هو أبعد من ذلك، وتصف الذكاء الاصطناعي العام بأنه “أنظمة ذاتية التشغيل بدرجة عالية تتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية العالية”.
رغم ذلك، لم تتضح بعد طبيعة ما يُعتبر “نظاماً ذاتي التشغيل بدرجة عالية” أو ما المقصود بـ”الأعمال ذات القيمة الاقتصادية العالية”. بعض المختصين في قطاع الذكاء الاصطناعي يعتقدون أن وصول الذكاء العام الاصطناعي لمرحلة النضج ربما يتحقق خلال العقد المقبل، بينما يرى آخرون أن الأمر بعيد المنال، وهذا إن تحقق أصلاً.
الوكلاء (Agents):
إذا كانت روبوتات الدردشة (chatbots) هي السمة المميزة للسنة الأولى التي شهدت حالة من الهوس بالذكاء الاصطناعي التوليدي، فربما يكون “الوكلاء” السمة المميزة للمرحلة المقبلة. يعد هذا على الأقل رهان العديد من شركات التكنولوجيا. قد تكون روبوتات الدردشة مثل “ChatGPT” قادرة على تقديم وصفة سريعة أو قائمة بالمطاعم، لكن الأمل يكمن في أن وكلاء الذكاء الاصطناعي سيكون بمقدورهم طلب ما تحتاجه من البقالة أو حجز طاولة في مطعم نيابة عنك. بينما قد يبدو هذا جذاباً للاستخدامات الشخصية والمهنية، فإنه أيضاً يرفع مستوى المخاطر في حال وقوع الذكاء الاصطناعي في خطأ.
الخوارزمية (Algorithm):
الخوارزمية هي عملية تشغيلية تجري خطوة بخطوة تُستخدم في حل مشكلة معينة. يجري إدخال مدخلات (بيانات ومعلومات من نصوص وصور وغيرها) وتطبيق بعض قواعد المنطق لتحصل في النهاية على مخرجات. استخدم البشر الخوارزميات لحل المشكلات على مدى قرون طويلة. وبعض المحللين الماليين يقضون حياتهم المهنية بأكملها في بناء خوارزميات قادرة على التنبؤ بالأحداث المستقبلية ومساعدتهم على جني الأرباح. يعتمد عالمنا حالياً على هذه الخوارزميات “التقليدية”، ولكن في الآونة الأخيرة، تحول التركيز نحو “تعلم الآلة”، الذي يقوم على أسس هذه الأفكار.
المواءمة (Alignment):
لمنع الذكاء الاصطناعي من الانفلات وإخضاعه للسيطرة، يركز بعض العاملين في القطاع على حل مشكلة المواءمة، أي التأكد من أن التكنولوجيا مصممة لتتصرف بما يتواءم مع القيم الإنسانية الأساسية. تكمن المشكلة في عدم وجود إجماع حول تحديد هذه القيم، أو ما يجب وما لا يجب السماح لأنظمة الذكاء الاصطناعي بفعله.
الذكاء الاصطناعي (Artificial Intelligence):
بات هذا المصطلح مبتذلاً جداً لدرجة أنه فقد جزءاً من معناه. بصفة عامة، يشير الذكاء الاصطناعي إلى التكنولوجيا التي تحاكي الذكاء البشري ويمكنها تنفيذ مجموعة من المهام التي قد يتطلب تنفيذها عادة تدخل البشر.
صاغ عالم الحاسوب جون مكارثي مصطلح الذكاء الاصطناعي في فترة الخمسينيات من القرن الماضي، لكنه لم ينتشر على نطاق واسع حتى حلول القرن الحالي، عندما جمعت شركات التكنولوجيا العملاقة مثل “جوجل” و”ميتا بلاتفورمز” -الشركة المالكة لـ”فيسبوك”- و”مايكروسوفت” بين قوة الحوسبة الضخمة ووفرة كمية هائلة من بيانات المستخدمين. في حين يمكن للذكاء الاصطناعي إظهار قدرات تشبه البشر في معالجة البيانات أو إجراء المحادثات، إلا أن الآلات “لا تفهم” فعلياً ما تفعله أو تقوله حتى الآن. ما تزال تعتمد بصفة أساسية على الخوارزميات.
(B)
المقاييس المرجعية (Benchmarks):
نظراً لتزايد دخول الكثير من الشركات الجديدة لسوق خدمات الذكاء الاصطناعي واحتدام السباق فيها، عادة ما تستشهد شركات التكنولوجيا بمجموعة من المعايير لتوضيح مدى تفوق برنامجها على المنافسين. رغم ذلك، لا يوجد حتى الآن اختبار مستقل أو موحد تستخدمه شركات الذكاء الاصطناعي لمقارنة أداء برمجياتها. يحاول بعض المتخصصين في القطاع حل هذه المشكلة. في الوقت الحالي، تصمم الشركات عادة مقاييسها الخاصة بها لإظهار مدى كفاءة استجابة خدماتها للأسئلة المتعلقة بمسائل الجبر وفهم القراءة والبرمجة.
(C)
روبوتات الدردشة (Chatbots):
كانت روبوتات الدردشة سباقة في صعودها قبل الذكاء الاصطناعي التوليدي (كما يعلم أي شخص حاول التواصل مع خدمة العملاء عبر الإنترنت) لكن ظهر جيل جديد من روبوتات الدردشة الذكية باستطاعته إجراء حوارات تفاعلية أكثر مع الأشخاص حول مواضيع متنوعة مثل المعلومات التاريخية ووصفات الطعام الجديدة. مع استثمار شركات على غرار “أوبن إيه آي” و”جوجل” في نماذج أكثر تطوراً، ستصبح روبوتات الدردشة على الأرجح أكثر فائدة وتفاعلاً، وربما تقترب من تحقيق هدف يعمل عليه قطاع التكنولوجيا منذ مدة طويلة، وهو أداة المساعد الشخصي الافتراضي متعدد الأغراض.
“كلود” (Claude):
تمثل منصة “كلود” إحدى الخدمات القليلة التي تنافس حقاً أداء التكنولوجيا المتقدمة التي تطرحها “أوبن إيه آي”. طورت شركة “أنثروبيك” (Anthropic) الناشئة روبوت الدردشة هذا، بعد أن أسستها مجموعة من الموظفين السابقين في “أوبن إيه آي” وتركز على إعطاء الأولوية لتطوير الذكاء الاصطناعي بصورة آمنة.
على غرار “ChatGPT”، يمكن لـ”كلود” الاستجابة بسرعة لمجموعة واسعة من الاستفسارات من المستخدمين، لكن على عكس “أوبن إيه آي”، تجنبت “أنثروبيك” حتى الآن بعض الحالات مثل توليد الصور. تقول الشركة الناشئة إنها تركز على بناء منتجات موجهة بشكل أساسي للعملاء من الشركات.
رؤية الحاسوب (Computer Vision):
هو مجال من مجالات الذكاء الاصطناعي يسمح لأجهزة الحاسوب بفحص المعلومات البصرية مثل الصور والفيديو، وتحديد وتصنيف الأشياء والأشخاص. يمكن لهذه الأنظمة أن تتفاعل مع ما تراه وتتخذ إجراءات معينة أو تُوصي بها. تُستخدم هذه التكنولوجيا في تتبع الحياة البرية من أجل الحفاظ عليها، وفي توجيه المركبات ذاتية القيادة. رغم ذلك، يثير استخدامها في العمليات العسكرية والشُرطية مخاوف، إذ أظهرت بعض الدراسات أنها قد تُظهر تحيزاً عرقياً وتفتقر إلى الدقة المطلوبة للتعرف بطريقة موثوقة على الأشخاص.
(E)
السلوكيات المفاجئة (Emergent Behaviors):
عندما تصل النماذج اللغوية الكبيرة إلى حجم معين، فإنها أحياناً تبدأ في إظهار قدرات تبدو وكأنها ظهرت من العدم، بمعنى أنها لم تكن مقصودة أو متوقعة من قبل المدربين. من الأمثلة على ذلك توليد أكواد برمجية قابلة للتنفيذ أو سرد قصص غريبة أو التعرف على الأفلام من خلال حل لغز يتكون من مجموعة رموز تعبيرية.
(F)
تحسين الأداء التخصصي (Fine-Tuning):
يمكن اعتباره مصطلحاً معقداً لعملية التخصيص حيث يقدم المنتج حسب الطلب المقدم من العميل. وفي عملية تحسين الأداء بالتدريب التخصصي، يدرب المستخدم بتدريب نموذج ذكاء اصطناعي موجود مسبقاً على معلومات إضافية مخصصة بمهمة معينة أو مجال معين. يمكن أن يساعد ذلك النموذج في تقديم الخدمة بالطريقة التي يرغب بها المستخدم. على سبيل المثال، من الممكن أن تختار شركة تبيع معدات رياضية إجراء عملية تحسين نموذج ذكاء اصطناعي بالتدريب التخصصي ليستجيب بصورة أفضل للاستفسارات المتعلقة بالصيانة المناسبة لدراجة تمارين رياضية.
النماذج الأكثر تطوراً (Frontier Models):
تشير النماذج المستحدثة إلى أكثر نماذج الذكاء الاصطناعي المتوفرة في السوق تطوراً. في الوقت الحالي، تركز الشركات التي تقف وراء هذه النماذج (“أوبن إيه آي” و”أنثروبيك” و”جوجل” و”ميتا”، وجميعها جزء من مجموعة تُدعى منتدى النماذج المتقدمة) على التعاون مع الأوساط الأكاديمية وواضعي السياسات لتعزيز تطوير أنظمة الذكاء الاصطناعي المتقدمة بصورة مسؤولة. من المتوقع أن تزداد تكلفة تطوير هذه النماذج المتقدمة بطريقة كبيرة، ما يُصعب على الشركات الناشئة المنافسة مع شركات التكنولوجيا الكبرى.
(G)
“جيميناي” (Gemini):
كانت “جوجل” من أوائل الشركات التي تصدرت سباق الذكاء الاصطناعي، ولكنها حالياً تناضل لمواكبة التطور في “أوبن إيه آي”. تتمثل القطعة الأهم في جهود “غوغل” في تطبيق “جيميناي”، وهو الاسم الذي أطلقته على روبوت الدردشة الرئيسي لديها وعائلة نماذج الذكاء الاصطناعي التابعة له. النسخة الأكثر تقدماً من “جيميناي” –تُسمى “ألترا” (Ultra)- تملك القدرة على التعامل مع مهام التكويد البرمجية المعقدة والاستدلال القائم على الحسابات الرياضية، مثلما تفعل أحدث إصدارات تكنولوجيا “أوبن إيه آي”. عززت “جوجل” قدرات “جيميناي” متعددة الوسائط، ما يسمح لنموذج الذكاء الاصطناعي من الاستجابة لصورة وجبة بتقديم وصفة لطهيها، على سبيل المثال.
الذكاء الاصطناعي التوليدي (Generative AI):
يشير هذا المصطلح إلى إنتاج أعمال (على غرار الصور والمقالات والأغاني) بناء على أسئلة أو أوامر بسيطة. يشمل ذلك تكنولوجيات مثل “دال-إي” (DALL-E) التابعة لـ”أوبن إيه آي”، التي تستطيع إنشاء صور معقدة ومفصلة في ثوان معدودة، و”سونو” (Suno) التي تولد موسيقى من نص وصفي.
ينشئ الذكاء الاصطناعي التوليدي أعمالاً جديدة بعد تدريبه على كميات هائلة من المواد الموجودة مسبقاً، ما أسفر عن رفع دعاوى قضائية من قبل أصحاب حقوق الطبع والنشر الذين يشكون من سرقة أعمالهم.
“جي بي تي” (GPT):
يعد المحوّل التوليدي المدرب مسبقاً نوعاً من نماذج اللغة الكبيرة. ويشير مصطلح “محوّل” إلى نظام يمكنه أخذ سلاسل من المدخلات ومعالجتها معاً بدلاً من معالجتها بصورة منفصلة، ما يسمح بالاستفادة من السياق وترتيب الكلمات. هذا مهم في عمل الترجمة بين اللغات. جملة “Her dog, Poppy, ate in the kitchen”، على سبيل المثال، قد تُترجم إلى الفرنسية إلى “بوبي أكلت كلبها في المطبخ”، إذا لم تتم مراعاة الترتيب والتركيب النحوي والمعنى.
“جروك”(Grok):
من الوهلة الأولى، قد يبدو أن “غروك” محاولة غير جدية. حظي روبوت الدردشة باهتمام إعلامي وجماهيري واسع بردوده الهزلية المكتوبة وإنتاجه لصور مستفزة للمشاعر مع غياب واضح للرقابة، وهو من إنتاج شركة “إكس إيه آي” (xAI) التابعة لإيلون ماسك، ومتاح للمشتركين في منصة “إكس” للتدوين المصغر الخاصة به. رغم ذلك، جمعت “إكس إيه آي” تمويلاً بمليارات الدولارات، وجذبت فريقاً من المواهب، وتتمتع بالوصول إلى قاعدة بيانات ضخمة من مستخدمي منصة “إكس” يمكن استخدامها لبناء منتجات الذكاء الاصطناعي الخاصة بها. نتيجة لذلك، برز “غروك” بوصفه منافساً حقيقياً بوقت قصير وبصورة لافتة للنظر.
(H)
الهلوسة (Hallucination):
عندما يخترع نظام ذكاء اصطناعي مثل “ChatGPT” معلومة تبدو مقنعة، لكنها مختلقة تماماً، يُطلق على هذه الحالة “الهلوسة”. تحدث هذه الظاهرة عندما لا يملك النظام الإجابة الصحيحة على سؤال ولكنه يعرف كيف تبدو الإجابة المقنعة، ويقدمها على أنها حقيقة.
هناك قلق من أن عجز الذكاء الاصطناعي عن قول “لا أعرف” عندما يُسأل عن شيء ما قد يؤدي إلى أخطاء مكلفة، وسوء فهم خطير، وانتشار واسع للمعلومات المغلوطة. تدعي بعض شركات الذكاء الاصطناعي أنها نجحت في تحسين الدقة في النماذج الأحدث، بما فيها جعل روبوتات الدردشة تأخذ وقتاً أطول للتفكير قبل الإجابة، لكن مشكلة الهلوسات مستمرة.
(L)
النماذج اللغوية الكبيرة (Large Language Models):
تشكّل هذه النماذج شبكات عصبية ضخمة تحصل على تدريب باستخدام كميات هائلة من النصوص والبيانات، تتضمن الكتب الإلكترونية، والمقالات الإخبارية، وصفحات ويكيبيديا. رغم وجود مليارات المعطيات التي تتعلم منها، تعد هذه النماذج العمود الفقري لعملية معالجة اللغة الطبيعية، إذ يمكنها التعرف على النصوص وتلخيصها وترجمتها والتنبؤ بها وتوليدها.
“لاما” (Lama):
استثمرت شركة “ميتا” بقوة في بناء مجموعة من نماذج الذكاء الاصطناعي المتطورة التي أطلقت عليها اسم “لاما”، وأتاحتها مجاناً لشركات التطوير التكنولوجي الأخرى لاستخدامها والبناء عليها. من خلال هذا النهج، تأمل “ميتا” أن تصبح “لاما” أساساً ليس فقط لروبوت الدردشة الخاص بها “ميتا إيه آي” (Meta AI)، لكن أيضاً لقائمة طويلة من المنتجات التي تطورها شركات أخرى. ربما يجعل ذلك “ميتا” و”لاما” محوراً أساسياً في منظومة الذكاء الاصطناعي.
(M)
تعلم الآلة (Machine Learning):
يشير هذا المصطلح إلى عملية تحسين الخوارزميات تدريجياً (وهي مجموعات من التعليمات لتحقيق نتيجة محددة) عن طريق تعريضها لكميات كبيرة من البيانات. من خلال مراجعة الكثير من “المدخلات” و”المخرجات”، يمكن للكمبيوتر “التعلم” دون الحاجة إلى تدريب صريح على تفاصيل المهمة المطلوبة. يعد تطبيق الصور في هاتف “أيفون” مثالاً على ذلك، في البداية لا يعرف التطبيق كيف يبدو شكلك، ولكن بمجرد أن تبدأ بوضع علامة تميزك باعتبارك صاحب الوجه في الصور الملتقطة على مدى سنوات وفي بيئات متنوعة، يكتسب الجهاز القدرة على التعرف عليك.
انهيار النموذج (Model Collapse):
اكتشف الباحثون أنه عند تدريب نماذج الذكاء الاصطناعي على بيانات تتضمن محتوى جرى إنشاؤه بواسطة الذكاء الاصطناعي، وهو أمر يتزايد احتماله نظراً لكمية المحتوى المنتشرة حالياً عبر الإنترنت، فإن الأداء النهائي لهذه النماذج يبدأ بالتدهور. أعرب بعض مراقبي الذكاء الاصطناعي عن مخاوفهم من أن هذه النماذج قد “تنهار” إذا جرى تدريبها على كميات كبيرة من المحتوى الناتج عن الذكاء الاصطناعي. أظهرت دراسة تعود لعام 2023 حول انهيار النماذج أن الصور التي أنشأها الذكاء الاصطناعي للبشر أصبحت مشوهة بصورة متفاقمة بعد أن أعيد تدريب النموذج على “كميات صغيرة حتى من الأعمال التي ولدها بنفسه”.
الأنظمة متعددة الصيغ (Multimodal):
تزداد الشركات العاملة في مجال الذكاء الاصطناعي تركيزاً على الأنظمة “متعددة الصيغ” التي يمكنها معالجة مجموعة من المدخلات المختلفة مثل النصوص والصور والصوتيات والرد عليها. على سبيل المثال، ربما تكون قادراً على التحدث إلى روبوت دردشة ويجيبك بالصوت، أو أن تظهر له صورة لمسألة رياضيات ويحلها. لا يعزز هذا التنوع فحسب قدرات منتجات الذكاء الاصطناعي، بل يجعله يبدو أشبه بدردشة حقيقية مع مساعد رقمي.
(N)
معالجة اللغة الطبيعية (Natural Language Processing-NLP):
هذا الفرع من الذكاء الاصطناعي يساعد أجهزة الكمبيوتر على فهم الكلام والنصوص ومعالجتها وإنشائها بطريقة مشابهة للبشر. تعتمد معالجة اللغة الطبيعية على خوارزميات تعلم الآلة لاستخلاص البيانات من النصوص المكتوبة وترجمة اللغات والتعرف على الكلمات المكتوبة بخط اليد واستيعاب المعنى والسياق. تُستخدم هذه التكنولوجيا الأساسية في تشغيل المساعدين الافتراضيين مثل “سيري” (Siri) و”أليكسا” (Alexa)، وتسمح لهم ليس فقط بفهم الطلبات، بل والرد باستخدام لغة طبيعية. يمكن لتكنولوجيا معالجة اللغة الطبيعية أيضاً قياس المشاعر في النصوص، مثلاً إذا قلت لـ”سيري” “أنا حزين” فقد يقترح عليك الاتصال بصديق. تشمل التطبيقات اليومية الأخرى تصفية البريد العشوائي والبحث عبر الإنترنت والتدقيق الإملائي وتنبؤ النص.
الشبكات العصبية (Neural Networks):
هي نوع من الذكاء الاصطناعي تجري برمجة الحاسوب فيه للتعلم بطريقة تشبه تقريباً طريقة تعلم الدماغ البشري، وذلك من خلال التجربة والخطأ. يؤثر النجاح أو الفشل على المحاولات المستقبلية ويحفز عمليات التكيف، تماماً مثلما يتعلم دماغ طفل صغير بناء مسارات عصبية بناء على ما تعلمه. يمكن أن يتطلب هذا النوع من التعلم ملايين المحاولات للوصول للكفاءة المنشودة، ما يفسر حاجة منصات الذكاء الاصطناعي إلى كميات ضخمة من قوة معالجة حاسوبية.
(O)
المصدر المفتوح (Open Source):
يتمثل أحد الفروق الرئيسية في قطاع الذكاء الاصطناعي -وأيضاً لدى الجهات الساعية إلى تنظيمه- في النقاش حول اعتماد النماذج المفتوحة أو المغلقة. يستخدم البعض مصطلح “مفتوح” بشكل واسع، لكنه يشير تحديداً إلى فكرة النماذج مفتوحة المصدر، حيث يتيح المطورون أكواد المصدر للجميع، مما يمنحهم حرية استخدامها أو تعديلها وفق احتياجاتهم.
تستند هذه الفكرة إلى تعريف مبادرة المصادر المفتوحة (Open Source Initiative) غير الربحية، التي تؤكد أن البرمجيات مفتوحة المصدر حقاً يجب أن تلتزم بشروط محددة للتوزيع والوصول إليها.
(P)
المعطيات (Parameters):
عندما تطلق شركة ذكاء اصطناعي نموذجاً جديداً، فإن أحد الأرقام الرئيسية التي تستشهد بها لتمييز المنتج هو عدد المعطيات التي تضبط الاستفسار أو الطلب. يشير هذا المصطلح إلى العدد الإجمالي للمعطيات التي يلتقطها النموذج أثناء عملية التدريب، ويعتبر مؤشراً على حجم نموذج اللغة الكبير. يمكن أن تكون الأرقام مذهلة، فعلى سبيل المثال، يأتي نموذج الذكاء الاصطناعي “لاما” الخاص بـ”ميتا” بثلاثة أحجام، حيث يحتوي أكبرها على حوالي 400 مليار من المعطيات.
صياغة التعليمات (Prompt):
تبدأ تجربة استخدام أدوات الذكاء الاصطناعي حالياً عادة بصياغة تعليمات المدخلات، وهي بشكل أساسي تمثل أي استفسار أو طلب من المستخدم.
من الممكن أن تشمل الأمثلة على صياغة التعليمات طلب تلخيص مستند من روبوت الدردشة، أو اقتراح نصائح لتجديد المنزل، أو تأليف كلمات أغنية تتحدث عن الوقوع في حب كعك التوت البري.
هندسة صياغة التعليمات (Prompt Engineering):
تعتمد دقة وفائدة ردود منصة الذكاء الاصطناعي إلى حد كبير على جودة صياغة الأوامر المعطاة له. يمكن لمهندسي صياغة التعليمات للمدخلات أن يحسنوا التعليمات المصاغة باللغة الطبيعة لإنتاج مخرجات عالية الجودة باستمرار مع استخدام أقل قدر من قوة الحوسبة.
(R)
الاستدلال العقلي (Reasoning):
خلال سبتمبر 2024، بدأت “أوبن إيه آي” في طرح نموذج جديد يمكنه أداء بعض مهام الاستدلال العقلي الشبيهة بالبشر، مثل الرد على مسائل الرياضيات والبرمجية المعقدة. باختصار، يستغرق النظام المحدث للذكاء الاصطناعي وقتاً أطول لإجراء عملية الحوسبة اللازمة لتقديم الإجابة قبل الرد على المستخدم، ما يمكنه من حل إشكاليات متعددة الخطوات بصورة أفضل. تعمل أيضاً “جوجل” و”أنثروبيك” على تطوير مهارات الاستدلال العقلي في نماذج الذكاء الاصطناعي المتقدمة الخاصة بهما.
(S)
النماذج الصغيرة (Small Models):
بعد سنوات من محاولة التفوق على صعيد بناء نماذج أكبر، تبنت بعض شركات قطاع الذكاء الاصطناعي فكرة أن الأكبر ليس دائماً الأفضل. أطلقت شركات على غرار “أوبن إيه آي” و”جوجل”و”ميتا” وغيرها نماذج صغيرة، تتمثل في برمجيات تكون أكثر إحكاماً وسهولة ومرونة من نماذج اللغة الكبيرة البارزة. رغم أن هذه الخيارات قد لا تتفوق على البدائل الأكبر حجماً، إلا أن النماذج الصغيرة قد تكون خياراً أكثر كفاءة وأقل تكلفة بالنسبة للعملاء.
الذكاء الاصطناعي الواعي (Sentient AI):
يتفق معظم الباحثين على أن الذكاء الاصطناعي الواعي (أي الذي يمتلك قدرة على الإدراك والتفكير في العالم من حوله) لا يزال بعيداً عن التحقيق. ورغم أن الذكاء الاصطناعي يمكنه إظهار قدرات تبدو مشابهة للبشر، إلا أن الآلات لا تزال غير قادرة على “فهم” ما تقوم به أو تقوله بشكل حقيقي.
يقتصر الذكاء الاصطناعي حالياً على اكتشاف الأنماط وسط كميات هائلة من المعلومات التي ينتجها البشر، وتوليد صيغ تحدد كيفية استجابته للتعليمات. قد يكون من الصعب تحديد متى سيصل الذكاء الاصطناعي إلى مرحلة الوعي، خاصةً أن هناك غياباً للتوافق الواسع حول مفهوم الوعي ذاته وماهيته بشكل دقيق.
البيانات المصطنعة (Synthetic Data):
في سباق توفير المزيد من البيانات لتطوير نماذج اللغة الكبيرة التي تدير روبوتات الدردشة بالذكاء الاصطناعي، بدأت بعض شركات التكنولوجيا في تجربة البيانات المصطنعة. تستخدم الشركات أنظمتها الخاصة للذكاء الاصطناعي لتوليد الكتابات وغيرها من الوسائط التي يمكن استخدامها بعد ذلك لتدريب نماذج جديدة. يفيد هذا النهج في تجنب بعض المخاوف القانونية والأخلاقية المتعلقة بمصدر بيانات التدريب.
لكن قد ينطوي هذا على جانب سلبي، إذ يساور البعض القلق من أن يؤدي ذلك إلى تدهور أداء أنظمة الذكاء الاصطناعي، وهي الظاهرة المعروفة بانهيار النموذج.
(T)
بيانات التدريب (Training Data):
تقوم شركات الذكاء الاصطناعي بجمع أو الحصول على رخصة استغلال كميات هائلة من البيانات لتطوير أو “تدريب” نماذج الذكاء الاصطناعي القادرة على إنتاج نصوص أو صور أو موسيقى وغيرها من الوسائط استجابة لاستفسارات المستخدمين. عادة ما تكون هذه الشركات متحفظة بشأن الكشف عن البيانات الدقيقة التي تعتمد عليها، ولكن بالنسبة لروبوت الدردشة الذي يعمل بالذكاء الاصطناعي، من الممكن أن تتضمن بيانات التدريب مقالات وكتباً وتعليقات عبر الإنترنت ومنشورات على وسائل التواصل الاجتماعي. على سبيل المثال، أوضحت شركة “سونو”، المتخصصة في توليد الموسيقى بالذكاء الاصطناعي، أن برامجها جرى تدريبها على “عشرات الملايين من التسجيلات”، من بينها أعمال ربما تكون محمية بموجب حقوق الطبع والنشر.
* هذا المحتوى من “الشرق بلومبرغ“
