ما هو الذكاء العام الاصطناعي (AGI) ولماذا لم يتم التوصل إليه بعد: التحقق من الواقع لعشاق الذكاء الاصطناعي

الذكاء الاصطناعي (AI) في كل مكان. من المساعدين الأذكياء إلى سيارات ذاتية القيادةتعمل أنظمة الذكاء الاصطناعي على تغيير حياتنا وأعمالنا. ولكن ماذا لو كان هناك ذكاء اصطناعي يمكنه القيام بأكثر من مجرد أداء مهام محددة؟ ماذا لو كان هناك نوع من الذكاء الاصطناعي يمكنه التعلم والتفكير مثل الإنسان أو حتى تجاوز الذكاء البشري؟

هذه هي الرؤية الذكاء العام الاصطناعي (AGI) ، شكل افتراضي من الذكاء الاصطناعي لديه القدرة على إنجاز أي مهمة فكرية يستطيع البشر إنجازها. غالبًا ما يتناقض AGI مع الذكاء الاصطناعي الضيق (ANI)وهو الوضع الحالي للذكاء الاصطناعي الذي لا يمكنه التفوق إلا في مجال واحد أو عدد قليل من المجالات، مثل لعب الشطرنج أو التعرف على الوجوه. من ناحية أخرى، سيكون لدى الذكاء الاصطناعي العام القدرة على الفهم والتفكير عبر مجالات متعددة، مثل اللغة والمنطق والإبداع والفطرة السليمة والعاطفة.

AGI ليس مفهوما جديدا. لقد كانت الرؤية التوجيهية لأبحاث الذكاء الاصطناعي منذ الأيام الأولى، ولا تزال الفكرة الأكثر إثارة للخلاف. يعتقد بعض المتحمسين للذكاء الاصطناعي أن الذكاء الاصطناعي العام أمر لا مفر منه ووشيك وسيؤدي إلى عصر تقدم تكنولوجي واجتماعي جديد. والبعض الآخر أكثر تشككًا وحذرًا ويحذرون من المخاطر الأخلاقية والوجودية لإنشاء مثل هذا الكيان القوي الذي لا يمكن التنبؤ به والسيطرة عليه.

ولكن ما مدى اقترابنا من تحقيق الذكاء الاصطناعي العام، وهل من المنطقي أن نحاول ذلك؟ هذا في الواقع سؤال مهم قد توفر إجابته اختبارًا واقعيًا لعشاق الذكاء الاصطناعي الذين يتوقون إلى مشاهدة عصر الذكاء الخارق.

ما هو أGI وكيف يختلف عن الذكاء الاصطناعي؟

يتميز الذكاء الاصطناعي العام (AGI) عن الذكاء الاصطناعي الحالي بقدرته على أداء أي مهمة فكرية يمكن للبشر أن يتفوقوا عليها. ويأتي هذا التمييز من حيث عدة ميزات رئيسية، منها:

• التفكير المجرد
• القدرة على التعميم من حالات محددة
• الاستفادة من المعرفة الخلفية المتنوعة
• استخدام الحس السليم والوعي في اتخاذ القرار
• فهم السببية بدلا من مجرد الارتباط
• التواصل والتفاعل الفعال مع البشر والوكلاء الآخرين.

في حين أن هذه الميزات حيوية لتحقيق ذكاء شبيه بالإنسان أو خارق للطبيعة، إلا أنها تظل صعبة المنال بالنسبة لأنظمة الذكاء الاصطناعي الحالية.

يعتمد الذكاء الاصطناعي الحالي في الغالب على التعلم الآلي، وهو فرع من علوم الكمبيوتر يمكّن الآلات من التعلم من البيانات والتجارب. التعلم الآلي يعمل من خلال أشرف, غير خاضعة للرقابةو تعزيز التعلم.

يتضمن التعلم الخاضع للإشراف تعلم الآلات من البيانات المصنفة للتنبؤ بالبيانات الجديدة أو تصنيفها. يتضمن التعلم غير الخاضع للرقابة إيجاد أنماط في البيانات غير المسماة، في حين يتمحور التعلم المعزز حول التعلم من الإجراءات والملاحظات، أو تحسين المكافآت، أو تقليل التكاليف.

على الرغم من تحقيق نتائج ملحوظة في مجالات مثل رؤية الكمبيوتر و معالجة اللغة الطبيعية، فإن أنظمة الذكاء الاصطناعي الحالية مقيدة بجودة وكمية بيانات التدريب والخوارزميات المحددة مسبقًا وأهداف التحسين المحددة. غالبًا ما يحتاجون إلى المساعدة في القدرة على التكيف، خاصة في المواقف الجديدة، والمزيد من الشفافية في شرح أسبابهم.

في المقابل، من المتوقع أن يكون الذكاء الاصطناعي العام خاليًا من هذه القيود ولن يعتمد على بيانات أو خوارزميات أو أهداف محددة مسبقًا ولكن بدلاً من ذلك على قدرات التعلم والتفكير الخاصة به. علاوة على ذلك، يستطيع الذكاء الاصطناعي العام اكتساب المعرفة ودمجها من مصادر ومجالات متنوعة، وتطبيقها بسلاسة على مهام جديدة ومتنوعة. علاوة على ذلك، سوف يتفوق الذكاء الاصطناعي العام في التفكير والتواصل والفهم والتلاعب بالعالم ونفسه.

ما هي التحديات والأساليب لتحقيق الذكاء الاصطناعي العام؟

يفرض تحقيق الذكاء الاصطناعي العام تحديات كبيرة تشمل الأبعاد التقنية والمفاهيمية والأخلاقية.

على سبيل المثال، يعد تحديد وقياس الذكاء، بما في ذلك مكونات مثل الذاكرة والانتباه والإبداع والعاطفة، عقبة أساسية. بالإضافة إلى ذلك، فإن نمذجة ومحاكاة وظائف الدماغ البشري، مثل الإدراك والإدراك والعاطفة، تمثل تحديات معقدة.

علاوة على ذلك، تشمل التحديات الحاسمة تصميم وتنفيذ خوارزميات وبنيات التعلم والاستدلال القابلة للتطوير والتعميم. يعد ضمان سلامة وموثوقية ومساءلة أنظمة الذكاء الاصطناعي العام في تفاعلاتها مع البشر والوكلاء الآخرين ومواءمة قيم وأهداف أنظمة الذكاء الاصطناعي العام مع قيم وأهداف المجتمع أمرًا في غاية الأهمية أيضًا.

تم اقتراح واستكشاف اتجاهات ونماذج بحثية مختلفة في السعي لتحقيق الذكاء الاصطناعي العام، ولكل منها نقاط قوة وقيود. منظمة العفو الدولية الرمزية، وهو نهج كلاسيكي يستخدم المنطق والرموز لتمثيل المعرفة ومعالجتها، ويتفوق في حل المشكلات المجردة والمنظمة مثل الرياضيات والشطرنج ولكنه يحتاج إلى مساعدة في قياس ودمج البيانات الحسية والحركية.

وبالمثل، الذكاء الاصطناعي المتصل، وهو نهج حديث يستخدم الشبكات العصبية والتعلم العميق لمعالجة كميات كبيرة من البيانات، ويتفوق في المجالات المعقدة والصاخبة مثل الرؤية واللغة ولكنه يحتاج إلى مساعدة في التفسير والتعميمات.

الذكاء الاصطناعي الهجين يجمع بين الذكاء الاصطناعي الرمزي والاتصالي للاستفادة من نقاط القوة والتغلب على نقاط الضعف، بهدف إنشاء أنظمة أكثر قوة وتنوعًا. بصورة مماثلة, Eالذكاء الاصطناعي الثوري يستخدم الخوارزميات التطورية والبرمجة الجينية لتطوير أنظمة الذكاء الاصطناعي من خلال الانتقاء الطبيعي، والبحث عن حلول جديدة ومثالية غير مقيدة بالتصميم البشري.

أخيراً: الذكاء الاصطناعي العصبي يستخدم أجهزة وبرامج ذات شكل عصبي لمحاكاة الأنظمة العصبية البيولوجية، بهدف إنشاء نماذج دماغية أكثر كفاءة وواقعية وتمكين التفاعلات الطبيعية مع البشر والوكلاء.

هذه ليست الأساليب الوحيدة للذكاء الاصطناعي العام، ولكنها بعض من أبرز الأساليب الواعدة. ولكل نهج مزاياه وعيوبه، ولا يزال يتعين عليه تحقيق العمومية والذكاء الذي يتطلبه الذكاء الاصطناعي العام.

AGI أمثلة وتطبيقات

في حين أن الذكاء الاصطناعي العام لم يتحقق بعد، فإن بعض الأمثلة البارزة لأنظمة الذكاء الاصطناعي تظهر جوانب أو ميزات معينة تذكرنا بالذكاء الاصطناعي العام، مما يساهم في رؤية تحقيق الذكاء الاصطناعي العام في نهاية المطاف. تمثل هذه الأمثلة خطوات واسعة نحو الذكاء الاصطناعي العام من خلال عرض قدرات محددة:

AlphaZero، الذي طورته شركة DeepMind، هو نظام تعلم معزز يتعلم بشكل مستقل لعب الشطرنج والشوغي والغو دون معرفة أو توجيه بشري. ومن خلال إظهار كفاءته الخارقة، يقدم AlphaZero أيضًا استراتيجيات مبتكرة تتحدى الحكمة التقليدية.

وبالمثل، أوبن إيه آي يقوم GPT-3 بإنشاء نصوص متماسكة ومتنوعة عبر مواضيع ومهام مختلفة. قادر على الإجابة على الأسئلة، وتأليف المقالات، ومحاكاة أساليب الكتابة المختلفة، ويعرض GPT-3 تنوعًا، على الرغم من أنه ضمن حدود معينة.

وبالمثل، أنيق، وهي خوارزمية تطورية أنشأها كينيث ستانلي وريستو ميكولينن، تعمل على تطوير الشبكات العصبية لمهام مثل التحكم في الروبوت، ولعب الألعاب، وتوليد الصور. إن قدرة NEAT على تطوير بنية الشبكة ووظيفتها تنتج حلولًا جديدة ومعقدة لم يتم تحديدها مسبقًا بواسطة المبرمجين البشريين.

وفي حين توضح هذه الأمثلة التقدم نحو الذكاء الاصطناعي العام، فإنها تسلط الضوء أيضًا على القيود والفجوات القائمة التي تتطلب المزيد من الاستكشاف والتطوير في السعي وراء الذكاء الاصطناعي العام الحقيقي.

الآثار المترتبة والمخاطر AGI

يفرض الذكاء الاصطناعي العام تحديات علمية وتكنولوجية واجتماعية وأخلاقية ذات آثار عميقة. ومن الناحية الاقتصادية، قد يخلق الفرص ويعطل الأسواق القائمة، مما قد يؤدي إلى زيادة عدم المساواة. ومع تحسين التعليم والصحة، قد يطرح الذكاء الاصطناعي العام تحديات ومخاطر جديدة.

ومن الناحية الأخلاقية، يمكن أن تعمل على تعزيز معايير جديدة، والتعاون، والتعاطف، وإدخال الصراعات، والمنافسة، والقسوة. قد يشكك الذكاء الاصطناعي العام في المعاني والأغراض الحالية، ويوسع المعرفة، ويعيد تعريف الطبيعة البشرية ومصيرها. ولذلك، يجب على أصحاب المصلحة النظر في هذه الآثار والمخاطر ومعالجتها، بما في ذلك الباحثين والمطورين وصانعي السياسات والمعلمين والمواطنين.

الخط السفلي

يقف الذكاء الاصطناعي العام (AGI) في طليعة أبحاث الذكاء الاصطناعي، مما يعد بمستوى من الذكاء يتجاوز القدرات البشرية. وبينما تأسر الرؤية المتحمسين، لا تزال التحديات قائمة في تحقيق هذا الهدف. الذكاء الاصطناعي الحالي، المتفوق في مجالات محددة، يجب أن يلبي الإمكانات الواسعة للذكاء الاصطناعي العام.

تسعى العديد من الأساليب، بدءًا من الذكاء الاصطناعي الرمزي والاتصالي إلى النماذج العصبية، إلى تحقيق الذكاء الاصطناعي العام. تعرض الأمثلة البارزة مثل AlphaZero وGPT-3 التطورات، إلا أن الذكاء الاصطناعي العام الحقيقي يظل بعيد المنال. مع الآثار الاقتصادية والأخلاقية والوجودية، تتطلب الرحلة إلى الذكاء الاصطناعي العام اهتمامًا جماعيًا واستكشافًا مسؤولًا.