كيف يمكن للذكاء الاصطناعي أن يتعلم عن عملية التعلم؟

لتحقيق تقفزات جديدة في تطوير الذكاء الاصطناعي، يجب على الذكاء الاصطناعي، كما يقول المؤلف جون وو في フォーブス، أن “يتعلم التعلم”. ماذا يعني ذلك؟

كما erkläرت وو، ” الناس لديهم القدرة الفريدة على التعلم من أي موقف أو محيط.” يمكن للبشر تعديل عملية التعلم. لتكون قادرة على مثل هذه الجودة المرنة، يحتاج الذكاء الاصطناعي إلى الذكاء الاصطناعي العام – يجب أن يتعلم عن عملية التعلم، ما يسمى التعلم المتأصل.

هناك فرق واحد molto محدد في عملية التعلم بين البشر والذكاء الاصطناعي. بينما أن القدرة البشرية على التعلم محدودة، فإن الذكاء الاصطناعي لديه موارد أكثر مثل قدرته الحاسوبية. القدرة العقلية للبشر محدودة وأيضا لها وقت محدود للتعلم. ولكن، بينما “يتعلم الذكاء الاصطناعي من بيانات أكثر من البيانات التي يستخدمها دماغ الإنسان، فإن معالجة هذه الكميات الهائلة من البيانات تتطلب قدرة حاسوبية هائلة.”

يوضح وو أن “مع زيادة تعقيد مهام الذكاء الاصطناعي، هناك زيادة أسيّة في القدرة الحاسوبية.” هذا يعني أنه حتى لو كان成本 القدرة الحاسوبية منخفضًا، “الزيادة الأسيّة ليست السيناريو الذي نريده.” هذا هو السبب الرئيسي أن الذكاء الاصطناعي مصمم حاليًا لتكون متعلمًا محدد الغرض، مما يجعل عملية التعلم أكثر كفاءة.

لكن عندما بدأ الذكاء الاصطناعي في التعلم أكثر، “تعلم التعلم” بدأ “يستدل من البيانات ذات التعقيد المتزايد.” لتجنب الزيادة الأسيّة في القدرة الحاسوبية، كان لا بد من اختراع مسار تعلم أكثر كفاءة، ويجب على الذكاء الاصطناعي أن يتذكر هذا المسار.

أصبح المشكل أكثر تعقيدًا عندما بدأ الباحثون والتقنيون في تعيين مهام متعددة للذكاء الاصطناعي. لتكون قادرة على ذلك، يجب على الذكاء الاصطناعي “أن يكون قادرًا على تقييم مجموعات بيانات مستقلة بالتوازي. كما يحتاج إلى ربط قطع من البيانات وافتراض الاتصالات بينها.” بينما يتم تنفيذ مهمة واحدة، يجب على الذكاء الاصطناعي تحديث معرفته حتى يتمكن من تطبيقها في مواقف أخرى. “منذ أن تكون المهام مترابطة، سيتطلب التقييم للمهام أن يتم بواسطة الشبكة بأكملها.”

طور جوجل نموذجًا واحدًا من هذا القبيل، MultiModel، وهو نظام ذكاء اصطناعي “تعلم أداء ثماني مهام في نفس الوقت. يمكن لـ MultiModel “الكشف عن الكائنات في الصور، وتوفير التعليقات، والتعرف على الكلام، والترجمة بين أربعة أزواج من اللغات، والقيام بتحليل النحو.”

尽管 إنجاز جوجل هو قفزة كبيرة إلى الأمام، إلا أن الذكاء الاصطناعي لا يزال بحاجة إلى إحراز مزيد من التقدم حتى يصبح متعلمًا عامًا. لتكون قادرة على تحقيق ذلك، سيتعين عليها تطوير التفكير الأعلى والتعلم المتأصل. كما erkläرت وو، “يركز التفكير الأعلى على استخدام الموارد المعرفية بفعالية. يركز التعلم المتأصل على القدرة الفريدة للإنسان على استخدام الموارد المعرفية المحدودة والبيانات المحدودة بفعالية للتعلم.”

تجرى دراسات حاليًا لمعرفة الفجوات بين الإدراك البشري وطريقة تعلم الذكاء الاصطناعي مثل الوعي بالحالات الداخلية، ودقة الذاكرة أو الثقة.

كل هذا يعني أن “أن يصبح متعلمًا اصطناعيًا عامًا يتطلب بحثًا مكثفًا عن كيفية تعلم البشر وكذلك بحثًا عن كيفية تمكين الذكاء الاصطناعي من تقليد طريقة تعلم البشر. للتكيف مع المواقف الجديدة مثل القدرة على “إجراء عدة مهام في نفس الوقت” والقدرة على اتخاذ “قرارات استراتيجية” بموارد محدودة، هي فقط بعض العوائق التي سيتغلب عليها باحثو الذكاء الاصطناعي في الطريق.”