علماء يطورون ذكاء اصطناعيا جديدا بشكل أقرب للمخ البشري

أشارت الدراسة إلى أن الشبكات الآلية تعمل بشكل قريب للغاية من المخ البشري

أشارت الدراسة إلى أن الشبكات الآلية تعمل بشكل قريب للغاية من المخ البشري

لا تتوقف محاولات العلماء لتطوير الذكاء الاصطناعي ومحاولة تخطي الهوة بينه وبين الذكاء البشري، في تجارب حديثة لاحظ العلماء أن بعض برامج الذكاء الاصطناعي بدأت في العمل بشكل قريب للغاية من المخ البشري.

منذ عقد من الزمن، قام العلماء بتدريس العديد من أنظمة الذكاء الاصطناعي الأكثر تطوراً باستخدام مخزون ضخم من البيانات، من أجل “تدريب” الشبكة العصبية الاصطناعية على التمييز بشكل صحيح بين الأمور.

يتطلب مثل هذا التدريب “الخاضع للإشراف الدقيق” تصنيف البيانات من قبل البشر وهو أمر شاق للغاية، وغالبًا ما تتخذ الشبكات العصبية طرقًا مختصرة لتعلم ربط الأمور ببعضها بأقل قدر من المعلومات وأحيانًا بشكل يتسم بالسطحية. على سبيل المثال، قد تستخدم الشبكة العصبية الاصطناعية (مجموعة من أجهزة الكمبيوتر المرتبطة سوياً) وجود العشب للتعرف على صورة بقرة، لأن الأبقار عادةً ما يتم تصويرها في الحقول.

تقاطع بين الذكاء الحيواني والذكاء الاصطناعي

قال أليكسي إفروس، عالم الكمبيوتر في جامعة كاليفورنيا بيركلي “إن أجهزة الكومبيوتر وبرامج الذكاء الاصطناعي لا تتعلم المادة الدراسية حقًا، لكنها تقوم بعمل جيد في الاختبار”، بحسب ما ذكر موقع “كوانتم مجازين”.

علاوة على ذلك، بالنسبة للباحثين المهتمين بالتقاطع بين الذكاء الحيواني والذكاء الاصطناعي، قد يكون هذا “التعلم الخاضع للإشراف” محدودًا فيما يمكن أن يكشفه عن طبيعة عمل الأدمغة البيولوجية، إذ إن الحيوانات – بما في ذلك البشر – لا تستخدم مجموعات البيانات المصنفة كمصدر وحيد للتعلم، وإنما يعتمد الجزء الأكبر من خبراتها على استكشافها للبيئة بنفسها ما يجعلها تكتسب فهمًا ثريًا وقويًا للعالم.

واليوم، بدأ بعض خبراء علم الأعصاب الحاسوبي (وهو دراسة وظائف الدماغ في ضوء خصائص معالجة المعلومات الخاصة بالبُنى التي تشكل الجهاز العصبي) في استكشاف الشبكات العصبية الآلية التي تم تدريبها باستخدام القليل من البيانات التي قام البشر بتصنيفها.

هكذا تبدو من الداخل السيارة ذاتية القيادة "Apollo RT6" من شركة "بايدو" الصينية

هكذا تبدو من الداخل السيارة ذاتية القيادة “Apollo RT6” من شركة “بايدو” الصينية

تطابق مع وظائف المخ الحيواني

أثبتت خوارزميات “التعلم الذاتي” للآلات نجاحًا هائلاً في تعلم اللغات البشرية، ومؤخراً نجحت في التعرف على الصور والتمييز بينها. وفي دراسة حديثة، أظهرت النماذج الحسابية التي أنشئت لتكون قريبة من الأنظمة المرئية والسمعية للثدييات وتم تصميمها باستخدام نماذج التعلم تحت الإشراف الذاتي لبرامج الذكاء الاصطناعي، تطابقًا أوثق مع وظائف الدماغ مقارنة بنظرائهم من ذوي التعلم الخاضع للإشراف البشري.

وبالنسبة لبعض علماء الأعصاب، يبدو أن الشبكات الاصطناعية بدأت في الكشف عن بعض الأساليب الفعلية التي تستخدمها أدمغة البشر والحيوانات للتعلم.

طور علماء الأعصاب نماذج حاسوبية بسيطة لنظام بصري، باستخدام الشبكات العصبية الآلية، عندما عُرضت الصور نفسها على القرود في مقابل الشبكات العصبية الاصطناعية، على سبيل المثال، أظهر نشاط الخلايا العصبية الحقيقية والخلايا العصبية الاصطناعية مراسلات مثيرة للاهتمام تكاد تتشابه إلى حد كبير، بل إنه في إحدى المرات اكتشف العلماء وجود نماذج من الاتصالات بين الآلات كانت تحاول الكشف عن الأصوات والروائح.

ومن خلال التجارب المتكررة والنجاح والخطأ لبرامج الذكاء الاصطناعي والشبكات الآلية العصبية المتصلة، بدأ العلماء يرون نموذجاً فريداً للتعلم يقترب من الأسلوب البشري، وفق ما ذكر موقع communications of Advancing Computing.

في هذا السياق يقول بليك ريتشاردز، عالم الأعصاب الحاسوبي بمعهد الذكاء الاصطناعي في كيبيك: “أعتقد أنه ليس هناك شك في أن 90% مما يفعله الدماغ هو التعلم بالإشراف الذاتي”. يُعتقد أن العقول البيولوجية تتنبأ باستمرار، على سبيل المثال، بالموقع المستقبلي للكائن أثناء تحركه، أو الكلمة التالية في الجملة، تمامًا كما تحاول خوارزمية التعلم ذاتية الإشراف للآلات التنبؤ بالفجوة في صورة أو جزء من النص. والأدمغة تتعلم من أخطائها من تلقاء نفسها أيضًا – فقط جزء صغير من ردود فعل دماغنا تأتي من مصدر خارجي يخبرنا إن الإجابة خاطئة”.

نتائج متقاربة

ابتكر ريتشاردز وفريقه نموذجًا خاضعًا للإشراف الذاتي للآلات يساعد في منحها إجابة عن تساؤلات مختلفة، إذ قاموا بتدريب ذكاء اصطناعي يجمع بين شبكتين عصبيتين مختلفتين: الأولى، تسمى شبكة ResNet، وقد صممت لمعالجة الصور. يمكن للشبكة الثانية، المعروفة باسم الشبكة المتكررة recurrent network، أن تركز على الأشياء المتحركة.

ووجد فريق ريتشاردز أن الذكاء الاصطناعي الذي تم تدريبه باستخدام شبكة ResNet كان جيدًا في التعرف على الأشياء، ولكن ليس في تصنيف الحركة. ولكن عندما قاموا بتقسيم شبكة الاتصالات إلى قسمين، أدى ذلك إلى إنشاء مسارين (دون تغيير العدد الإجمالي للخلايا العصبية)، طور الذكاء الاصطناعي قسم للتعرف على الأشياء الثابتة وآخر للحركة، مما يتيح له التصنيف النهائي للمشاهد التي تعرض عليه – وهو ما يرجح العلماء أنها الطريقة التي تعمل بها أدمغتنا البشرية.

لاختبار الذكاء الاصطناعي بشكل أكبر، عرض الفريق البحثي على الشبكة العصبية الاصطناعية وعلى مجموعة من الفئران عدد من مقاطع الفيديو. الجدر بالذكر أن أدمغة الفئران تتمتع بمناطق دماغية متخصصة في الصور الثابتة وأخرى لتلك التي تتسم بالحركة.

سجل الباحثون النشاط العصبي في القشرة البصرية للفأر أثناء مشاهدته لمقاطع الفيديو. وجد فريق ريتشاردز أوجه تشابه في طريقة تفاعل الذكاء الاصطناعي والأدمغة الحية للحيوانات مع تلك المقاطع. أثناء التدريب، أصبح أحد المسارات في الشبكة العصبية الاصطناعية أكثر تشابهًا مع المناطق التي تكشف عن الأشياء الثابتة في دماغ الفأر، وأصبح المسار الآخر مشابهًا للمناطق التي تركز على الحركة.

على أن العلماء في النهاية أكدوا أن الدماغ لبشري أو الحيواني مليء بوصلات ما يسمى التغذية الراجعة feedback connections، في حين أن النماذج الحالية من الذكاء الاصطناعي لديها القليل للغاية من هذه الروابط – إن وجدت – وهي مسألة شديدة الحسم في مدى تطور برامج الذكاء الاصطناعي وتعد أحد أهم العوامل المميزة للمخ البشري.


المصدر: الألمانية

اترك تعليقًا

إملأ الحقول أدناه بالمعلومات المناسبة أو إضغط على إحدى الأيقونات لتسجيل الدخول:

شعار ووردبريس.كوم

أنت تعلق بإستخدام حساب WordPress.com. تسجيل خروج   /  تغيير )

صورة تويتر

أنت تعلق بإستخدام حساب Twitter. تسجيل خروج   /  تغيير )

Facebook photo

أنت تعلق بإستخدام حساب Facebook. تسجيل خروج   /  تغيير )

Connecting to %s

هذا الموقع يستخدم خدمة أكيسميت للتقليل من البريد المزعجة. اعرف المزيد عن كيفية التعامل مع بيانات التعليقات الخاصة بك processed.