كيف يمكن للذكاء الاصطناعي التعرف على عملية التعلم؟

لتحقيق قفزات جديدة في تطوير الذكاء الاصطناعي ، فإن الذكاء الاصطناعي ، كما قال المؤلف جون وو الشرق الأوسط، يجب أن "تتعلم كيف تتعلم". ماذا يعني ذلك؟

كما يوضح وو ، "يتمتع البشر بقدرة فريدة على التعلم من أي موقف أو محيط. يمكن للبشر تكييف عملية التعلم الخاصة بهم. لكي تكون قادرًا على الحصول على مثل هذه الجودة المرنة، يحتاج الذكاء الاصطناعي إلى الذكاء العام الاصطناعي - يجب أن يتعلم عن عملية التعلم، ما يسمى بالتعلم التلوي.

هناك تباين واحد محدد للغاية في عملية التعلم بين البشر والذكاء الاصطناعي. في حين أن القدرة البشرية على التعلم محدودة ، فإن الذكاء الاصطناعي لديه العديد من الموارد مثل قوته الحسابية. للقوة العقلية البشرية حدودها كما أن لديها وقتًا محدودًا للتعلم. ولكن ، في حين أن الذكاء الاصطناعي "يتعلم من بيانات أكثر من البيانات التي تستخدمها أدمغتنا البشرية ، تتطلب معالجة هذه الكميات الهائلة من البيانات قوة حسابية هائلة ".

يوضح وو أن "مع نمو تعقيد مهام الذكاء الاصطناعي، هناك أيضًا زيادة هائلة في القوة الحسابية ". هذا يعني أنه حتى لو كانت تكلفة القدرة الحسابية منخفضة ، "الزيادة الأسية ليست السيناريو الذي نريده أبدًا ". هذا هو السبب الرئيسي في أنه في الوقت الحالي "تم تصميم الذكاء الاصطناعي ليكون متعلمين لغرض معين" ، مما يجعل عملية التعلم لديهم أكثر كفاءة.

ولكن عندما بدأ الذكاء الاصطناعي في تعلم المزيد ، بدأت "تعلم التعلم" في "الاستدلال من البيانات ذات التعقيد المتزايد". لتجنب الزيادة الهائلة في القوة الحسابية ، كان لابد من ابتكار مسار تعليمي أكثر كفاءة ، وكان على الذكاء الاصطناعي أن يتذكر هذا المسار.

أصبحت المشكلة برمتها أكثر تعقيدًا عندما بدأ الباحثون والتقنيون في تعيين مشاكل متعددة المهام للذكاء الاصطناعي. لتكون قادرًا على القيام بذلك ، فإن الذكاء الاصطناعي "يجب أن يكون قادرًا على تقييم مجموعات مستقلة من البيانات بالتوازي. كما يحتاج أيضًا إلى ربط أجزاء من البيانات واستنتاج الاتصالات على تلك البيانات ". أثناء تنفيذ مهمة واحدة ، يحتاج الذكاء الاصطناعي إلى تحديث معرفته حتى يتمكن من تطبيقها في مواقف أخرى. "نظرًا لأن المهام مترابطة ، فإن تقييمات المهام يجب أن يتم إجراؤها بواسطة الشبكة بأكملها."

طورت Google نموذجًا واحدًا من هذا القبيل ، نموذج متعدد ، وهو نظام ذكاء اصطناعي "تعلم أداء ثماني مهام مختلفة في وقت واحد. نموذج متعدد يمكنه اكتشاف الكائنات في الصور ، وتوفير التعليقات ، والتعرف على الكلام ، والترجمة بين أربعة أزواج من اللغات ، وإجراء التحليل النحوي للدوائر الانتخابية.

في حين أن إنجاز Google يمثل قفزة كبيرة إلى الأمام ، لا يزال الذكاء الاصطناعي بحاجة إلى اتخاذ خطوات إضافية حتى يصبح متعلمًا للأغراض العامة. لتكون قادرًا على تحقيق ذلك ، ستحتاج إلى مزيد من تطوير التفكير التلوي والتعلم التلوي. كما يوضح وو ، "يركز التفكير التلوي على الاستخدام الفعال للموارد المعرفية. يركز التعلم الماورائي على قدرة الإنسان الفريدة على استخدام الموارد المعرفية المحدودة بكفاءة وبيانات محدودة للتعلم ".

حاليًا ، هناك دراسات يتم إجراؤها لمعرفة الفجوات بين الإدراك البشري والطريقة التي يتعلم بها الذكاء الاصطناعي مثل الوعي بالحالات الداخلية أو دقة الذاكرة أو الثقة.

كل هذا يعني أن “بيتطلب تكوين متعلم اصطناعي معمم بحثًا مكثفًا حول كيفية تعلم البشر بالإضافة إلى البحث حول كيفية محاكاة الذكاء الاصطناعي للطريقة التي يتعلم بها البشر. إن التكيف مع المواقف الجديدة مثل القدرة على "تعدد المهام" ، والقدرة على اتخاذ "قرارات استراتيجية" بموارد محدودة ، ليست سوى عدد قليل من العقبات التي سيتغلب عليها باحثو الذكاء الاصطناعي على طول الطريق. "