تشارلز سيمون، مؤلف Brain Simulator II – سلسلة المقابلات

تشارلز سيمون هو مؤلف Brain Simulator II، وهو كتاب مرافق لمشروع البرمجيات مفتوح المصدر Brain Simulator II، الذي يهدف إلى إنشاء نظام ذكاء عام اصطناعي (AGI) من النهاية إلى النهاية

كان برنامج Brain Simulator الأصلي قد تم إصداره في عام 1988، وهو وقت طويل في عالم البرمجيات. كم عدد القفزات إلى الأمام التي حققها Brain Simulator II مقارنة بسابقه؟

النظام الحالي أسرع بمليون مرة. كان البرنامج الأصلي مكتوبًا بلغة فورتران، وتم تشغيله على جهاز IBM AT، ودعم مصفوفة ثابتة من 1200 عصبون، وحسب حوالي دورتين في الثانية. يمكن للبرنامج الحالي تشغيله على شبكة وتحليل 2.5 مليار синапс في الثانية على معالج جهاز كمبيوتر قوي.

هذا الكتاب عن Brain Simulator II، وهو مشروع برمجي مفتوح المصدر يهدف إلى إنشاء ذكاء اصطناعي من النهاية إلى النهاية، ما هو نوع الخبرة البرمجية المطلوبة لتشغيل هذا البرنامج؟

لا توجد خبرة مطلوبة. إذا لم تكن مبرمجًا، يمكنك قضاء وقت مع Brain Simulator وستخرج مع فهم لقدرات وقيود العصبونات، وشيء عن تمثيل المعرفة، ويمكنك حتى بناء شبكات محدودة. إذا كنت مبرمجًا، فستتبع الشروحات الفنية الأكثر تعمقًا وستبني وحداتك الخاصة لتوسيع النظام إلى استراتيجيات AGI أكثر تقدمًا.

لماذا من المهم العودة إلى الجذور البيولوجية للذكاء الاصطناعي لتحقيق AGI؟

في الثمانينيات، كان التفكير هو أنه إذا استطعنا بناء شبكة عصبونية كبيرة بما يكفي، فإنها ستصبح ذكية بشكل تلقائي. على مدار الأربعين عامًا الماضية، أصبح هذا السيناريو أقل احتمالاً. إذا لم تنجح المناهج الكلاسيكية للذكاء الاصطناعي في AGI، فدعونا ننظر إلى بعض المناهج المختلفة، والنموذج الوحيد العامل للذكاء الاصطناعي العام هو الدماغ البشري.

في الوقت نفسه، لا يوجد سبب للالتزام الصارم بالملاءمة البيولوجية. على سبيل المثال، نعرف أن أدمغتنا يمكنها تقدير المسافات إلى الأجسام بناءً على اختلافات صغيرة في الصور التي تتلقاها عينانا. لا نعرف كيف يعمل هذا في الدماغ، لذلك قمت ببرمجة هذه الوظيفة في وحدة تقدر المسافات باستخدام بعض الأسطر من علم المثلثات. يمكننا أن نكون متأكدين من أن دماغك لا يعمل بهذه الطريقة، لكن نهج علم المثلثات هو أسرع وأكثر دقة.

تذكر في الكتاب أن AGI يتطلب الروبوتات، لماذا هذا مهم؟

فكر في محاولة شرح اللون لشخص أعمى أو الموسيقى لشخص أعمى. إذا كان برنامج AGI محصورًا في جهاز كمبيوتر، كيف يمكنه الحصول على فهم أساسي للأشياء التي يعرفها أي طفل في الثالثة من عمره؟ الطفل لديه نقطة نظر ومحاط بالواقع. الطفل يعرف أن الأجسام موجودة في ذلك الواقع وأن العديد منها يمكن التلاعب به. من خلال اللعب بالكتل، يمكن للطفل تعلم الشكل والحجم والصلبية والجاذبية والغياب البصري والمسافة، إلخ. مع الحركة المستقلة والرؤية والمنفذ، يمكن لبرنامج AGI تعلم الواقع على مستوى أكثر أساسية من أي برنامج يعتمد فقط على كميات هائلة من البيانات النصية والصور.

بعد أن يكتسب برنامج AGI الروبوتي فهمًا أساسيًا للأجسام في الواقع، يمكن نقل هذه المعرفة إلى أجهزة تفكير غير روبوتية، وستظل الفهم سارية. تمامًا مثل شخص يفقد حاسة البصر أو السمع، يمكنه فهم الأشياء بطريقة مختلفة عن شخص لم يكن لديه أبدًا هذه الحواس.

एक महत्वपूर्ण аспект من Brain Simulator II هو أنه لا يستخدم أي تكرار العودة، ما هو المنطق وراء عدم اعتماد هذه الطريقة؟

يعمل دماغك بدون تكرار العودة، لذلك يجب أن يكون من الممكن تحقيق AGI بدونها. في الواقع، تكرار العودة لا يتوافق مع نموذج بيولوجي لأنها تعتمد على القدرة على اكتشاف وتعديل أوزان السينابس بدقة كبيرة. بعد بعض الوقت مع Brain Simulator، ستستنتج أن ضبط أوزان السينابس بدقة كبيرة هو أمر صعب للغاية، واكتشاف ما هي أوزان السينابس بدقة هو أمر مستحيل. المشكلة الأساسية هي أن العصبونات النارية تعدل أوزان السينابس، ولكن لا توجد طريقة لاكتشاف وزن سينابس بدون إطلاق العصبونات، لذلك لا يمكن اكتشاف وزن سينابس بدون تعديله.

تكرار العودة لا يملك نظير بيولوجي وأعتبره طريقة إحصائية قوية. يعمل الكثير من الناس معها، وبعضهم يحقق نتائج ممتازة. نقطتي هي محاولة بعض المناهج المختلفة. من خلال استخدام العصبونات النارية مع وحدات برمجية قابلة للتركيب، أنا أبحث في مشاكل AGI من منظور مختلف.

عندما يتم اختبار الدماغ، يبدو أن هناك فوضى وعشوائية، هل هذا شيء يجب إدخاله إلى نظام برمجي لظهور AGI الحقيقي؟

لا أعتقد ذلك. عندما تنظر إلى العصبونات والسينابس الفردية، وظيفتهم محددة جيدًا، مثل الترانزستور. في الدماغ، يبدو الأمر عشوائيًا لأن مستويات الضوضاء عالية والعناصر المعلوماتية ليست في أي ترتيب واضح. لكن فكر في رؤيتك، يمكنك قراءة النص بوضوح ولا يوجد فوضى أو عشوائية في عملية القراءة. لذلك نستنتج أن القشرة البصرية على الأقل معقولة وموثوقة. ومع ذلك، عندما يتم اختبارها، تبدو عشوائية مثل بقية الدماغ. لذلك من المحتمل أن يكون باقي الدماغ معقولًا وموثوقًا مثل القشرة البصرية، نحن فقط لا نرى الترتيب والتنظيم بعد. إنه شبيه بقراءة اللغة الصينية، بالنسبة لي هي علامات عشوائية غير منظمية، ولكن لشخص يمكنه قراءة اللغة، هناك تنظيم مطلق. نحن فقط لا نستطيع قراءة اللغة الداخلية للدماغ بعد.

تقدم概念ًا يسمى مخزن المعرفة العالمي (UKS)، يمكنك مناقشته بشكل موجز؟

نظرًا إلى سؤال الروبوتات، يمكنك رؤية أن جانبًا من الذكاء العام هو القدرة على دمج المعرفة من الحواس المختلفة. تعرف عن الكتلة لأنك يمكنك رؤيتها، لمسها، والاستماع إلى الكلمات عنها. كل هذا يمثل معلومات عن الكتلة. لذلك من أجل أن يكون برنامج AGI لديه القدرة على فهم الأشياء، يجب أن يكون لديه آلية تخزين عامة يمكنها التعامل مع أنواع مختلفة من المعلومات وإنشاء علاقات مفيدة بين العناصر المختلفة. مخزن المعرفة العالمي هو граф معرفي بطريقة عامة جدًا بحيث يمكنه التعامل مع أي نوع من المعلومات وإنشاء علاقات مختلفة.

يمكن لمخزن المعرفة العالمي تخزين المعلومات المكانية المطلوبة لتطبيق المتاهة جنبًا إلى جنب مع شجرة القرار والنتائج المستخدمة للوصول إلى هدف. يتم استخدام نفس الهيكل لربط الكلمات بال ألوان. هذا النوع من العمومية هو أساسي للذكاء الاصطناعي العام.

ما هو أفق زمنيك لظهور AGI؟

من الصعب القول. لدينا بالفعل الأجهزة اللازمة لبرنامج AGI وأرى أن اختراعًا واحدًا كافٍ، ويمكن أن يأتي في أي وقت. دعوني أحاول وصف ذلك الاختراع:

فكر في أنك تعرف فقط أن اللون الأحمر هو لون واللون الأزرق هو لون، يمكنني أن أسألك عن تسمية بعض الألوان ويمكنك أن تقول الأحمر والأزرق. السؤال هو، كيف يمكن لبرنامج AGI تعلم أن العلاقة “هو” هي شيء. يمكنني برمجة مثل هذه العلاقة بسهولة، ولكن في هذه الحالة، برنامج AGI لن يكون قادرًا على تعلم علاقات جديدة عند مواجهتها. يمكن لطفل تعلم العلاقات القريبة والأبعد، الأكبر والأصغر، الأقرب والأبعد، والأكثر وأقل. لكن هذه العلاقات تعتمد على مفاهيم أكثر أساسية مثل الحجم والمسافة والزمن.

كيف يمكن لدماغ مليء بالعصبونات تعلم كل هذه المفاهيم الأساسية؟ هذا يرتبط بالحاجة إلى الروبوتات. كيف يمكن لبرنامج AGI تعلم مفهوم المسافة إذا لم يكن يمكنه الذهاب إلى أي مكان أو لمس شيء؟ كما يرتبط هذا بالحاجة إلى مخزن عالمي. كيف يمكن لبرنامج AGI فهم الذهاب إلى مكان ما الذي ي 结ب مفاهيم الموقع والزمن؟ الذهاب إلى مكان ما هو أمر معقول. فهم ما يعني الذهاب إلى مكان ما هو أكثر صعوبة. أعتقد أن هذه الأسئلة الأساسية كلها مظاهر لمشكلة أساسية واحدة، وحل هذه المشكلة هو الاختراع اللازم.

ليس هناك الكثير من الناس يعملون على هذا السؤال، ويرجع ذلك إلى صعوبة تقديم مشروع يعتمد على نجاح حقيقي، وستكون لديه القدرات التي يملكها طفل في الثالثة من عمره بعد ثلاث سنوات، والقدرات التي يملكها طفل في العاشرة بعد عقد من الزمن. لذلك من المحتمل أن يأتي الحل من باحثين مستقلين صغار لديهم الوقت والطاقة للاستثمار في مشاكل لا تملك عائدًا قصير الأجل.

هل هناك شيء آخر تود مشاركته حول Brain Simulator II أو AGI بشكل عام؟

عندما تحاول استخدام العصبونات والسينابس لتصميم دوائر تتعامل مع هذه المشاكل الأساسية، تصل إلى استنتاج مفاده أن مفهومًا ما لا يتم تمثيله بواسطة بضع عشرات من السينابس، بل يتطلب بضع عشرات من العصبونات. هذا يعني أن سعة الدماغ لا تكون بمليارات الأشياء كما يُعتقد عادة، بل محدودة بفهم مئات الملايين من الأشياء. مع هذا في الاعتبار، برنامج AGI الناشئ الذي يمكنه فهم عشرة ملايين شيء على الأقل يجب أن يكون قادرًا على فهم بعض المفاهيم الأساسية. ونظام كمبيوتر يمثل عشرة ملايين شيء هو ضمن نطاق الأجهزة الحالية، ربما حتى جهاز الكمبيوتر المكتبي الحالي.

إصدار V1.0 من Brain Simulator هو في الواقع “عيد ميلاده”. إنه الآن لديه القدرة وواجهة المستخدم المطورة التي تجعله أكثر فائدة لمجتمع بحثي أوسع. إنه مشروع مجتمعي مع فريق تطوير يتوسع وجيش أكبر من مستخدمي النهاية. سوف نحاول الكثير من الأفكار الجديدة وسنقدم بعض التقدم على بعض الأسئلة الأساسية للذكاء والذكاء الاصطناعي العام.

شكرًا على المقابلة الرائعة، دائمًا ما يكون من الممتع مناقشة AGI معك. القراء الذين يرغبون في معرفة المزيد يجب أن يقرؤوا الكتاب Brain Simulator II.