فيزياء يمكن أن تغير الحوسبة والذكاء الاصطناعي للأبد

في انحراف عن عقود من التقاليد الحاسوبية، قام فريق من الباحثين في Unconventional AI بتطوير طريقة لإنشاء صور تعتمد على المبادئ الأساسية للفيزياء نفسها، وليس على الشريحة السیلیکونیة والتیارات الكهربائية التي تعمل بها أنظمة الذكاء الاصطناعي الحالية.

النظام، الذي يسمى Un-0، يمثل فلسفة متطورة في تطوير الذكاء الاصطناعي: بدلاً من بناء شبكات حاسوبية أكبر وأكثر تعقيداً، يبحث العلماء عما إذا كانت الأنماط الرياضية الموجودة في الطبيعة يمكن أن تقوم بنفس العمل الحاسوبي باستخدام طاقة أقل بمقدار 1000 مرة.

الطاقة والكفاءة

أنظمة الذكاء الاصطناعي التي سادت المناظر التكنولوجية، مثل الشبكات العصبية ونمذجة اللغة وخيارات التوصية، تتطلب كميات هائلة من الطاقة للعمل.

مراكز البيانات التي تضم هذه الأنظمة تستهلك طاقة تعادل طاقة مدن صغيرة، مما يثير مخاوف بشأن التأثير البيئي والاستدامة على المدى الطويل.

يقدر الباحثون أن تحقيق اختراق كبير في كفاءة الذكاء الاصطناعي سيتطلب نهجاً جديداً في كيفية معالجة الآلات للمعلومات.

هذا الإدراك أثار اهتمام العلماء بالبحث في الأنظمة البيولوجية والفيزيائية التي طورت حلولاً لمشكلات معقدة بفعالية ملحوظة على مدى ملايين السنين.

فهم المذبذبات المرتبطة

في قلب Un-0 يوجد مفهوم بسيط من الفيزياء: المذبذبات المرتبطة.

للفهم هذا، يمكن تخيل زوج من الميترونوم، الأجهزة الميكانيكية التي يستخدمها الموسيقيون للاحتفاظ بالوقت. إذا وضعت ميترونومين على نفس الطاولة وضبطتهما على إيقاعات مختلفة، يحدث شيء ملحوظ. من خلال الاهتزازات في السطح أسفلهما، تؤثر الميترونومين تدريجياً على بعضهما البعض حتى يصلان في النهاية إلى التزامن، متصافين مع بعضهما.

هذا التزامن يتبع مبادئ رياضية دقيقة تم دراستها في الفيزياء لما يزيد على قرن. التفاعل بين المذبذبات يخلق أنماطاً من التنظيم تظهر بدون أي توجيه أو سيطرة خارجية، وهي تنظم نفسها.

الآن، تخيل توسيع هذا المفهوم بشكل كبير. بدلاً من ميترونومين، تصور آلاف الوحدات المذبذبة، كل واحدة منها قادرة على التأثير على كل وحدة أخرى حولها.

كل مذبذب يمتلك خصائص عديدة: تردد طبيعي يريد أن يدور به، زاوية طور تصف موقعها الحالي في دورة التذبذب، وروابط لكل مذبذب آخر تحدد كيفية تأثير كل زوج على بعضهما البعض.

هذه الروابط، التي تسمى قوة الارتباط، هي الجوانب التي يتعلمها Un-0 أثناء التدريب.

هذا النظام ي鏡ة النماذج الرياضية المعروفة باسم مذبذبات كوراموتو، والتي سميت على اسم الفيزيائي يوشيكي كوراموتو الذي درس هذه الأنظمة منذ عقود. حتى وقت قريب، ظلت هذه النماذج في الغالب نظرية.

يظهر Un-0 أن هذه النماذج يمكن توسيعها لمواجهة مشكلات الذكاء الاصطناعي العملية بمستوى من التعقيد كان يُعتبر في السابق حكراً على التعلم العميق التقليدية.

الأداء والمقارنة

أظهر الاختبار أن Un-0 يحقق جودة صورة قابلة للمقارنة مع أفضل أساليب توليد الصور الاصطناعية من سنوات عديدة.

على معيار قياسي يسمى ImageNet 64×64، حقق النظام درجة جودة متوافقة مع أداء المولدات التقليدية البارزة عندما تم نشرها لأول مرة.

هذا لا يمثل هزيمة أو اختراقاً. بل يظهر برهاناً على المبدأ: يمكن لأنظمة مبنية على الديناميات الفيزيائية توليد صور بجودة كانت تعتبر في السابق حكراً على التعلم العميق، وهو تفصيل يُظهر إمكانات كبيرة للتطوير المستقبلي.

يقر الباحثون أن الأنظمة الحالية التي خضعت لسنوات من التحسين لا تزال تتفوق على Un-0. ومع ذلك، يشيرون إلى أن مولدات الصور التقليدية بدأت أيضاً بأداء متواضع قبل أن تتحول إلى أدوات متقدمة بعد عقود من التحسين.

لماذا يهم الحوسبة القائمة على الفيزياء

أهمية Un-0 تمتد إلى ما هو أبعد من توليد الصور. الأنظمة القائمة على الديناميات الفيزيائية التي تقوم بمهمات الذكاء الاصطناعي باستخدام طاقة أقل بمقدار 1000 مرة من النهج التقليدي، فإن الآثار ستكون تحويلية.

يمكن أن تمكن مثل هذه المكاسب في الكفاءة تطبيقات الذكاء الاصطناعي من التشغيل على أجهزة محمولة وأنظمة مدمجة ومواقع نائية بدون وصول إلى مراكز بيانات ضخمة.

علاوة على ذلك، قد يتم في النهاية تنفيذ هذه الأنظمة مباشرة في الأجهزة الفيزيائية، شريحة سيليكونية مصممة لمحاكاة العمليات الفيزيائية الطبيعية بدلاً من تنفيذ الإرشادات المبرمجة. مثل هذه “الأسطح غير التقليدية”، كما يسميها الباحثون، ستrepresent نوعاً حقيقياً جديداً من الحواسيب.

المناظر الأوسع

Un-0 ليس الجهد البحثي الوحيد الذي ي探ل بديلاً للشبكات العصبية التقليدية.

عبر الأكاديمية والصناعة، يبحث العلماء في أنظمة مستوحاة من المبادئ الثرموديناميكية والدوائر التناظرية والميكانيكا الكمومية ومجالات فيزيائية أخرى.

تتقاسم هذه النهجيات دوافع مشتركة: النهج التقليدي قد وصل إلى حدوده العملية تقريباً من حيث الكفاءة في الطاقة. قد تتطلب التقدمات الكبيرة إعادة概念ية للحوسبة نفسها.

المجتمع البحثي منخرط في ما يمكن وصفها بالتحدي الكبير: هل يمكننا إعادة تصميم أنظمة الذكاء الاصطناعي لتناسب المبادئ التي حكمت الأنظمة البيولوجية والفيزيائية لآلاف الملايين من السنين؟ إذا نجحنا، فإن مثل هذا الإنجاز سيكون إعادة概念ية фундамنتالية لما هي الحواسيب وكيف تعمل.

القيود الحالية والتوجهات المستقبلية

نظام Un-0 لا يزال تجريبياً. يعمل عند دقة صورة متواضعة وي chưa belum يصل إلى مستويات الأداء للأنظمة المتقدمة الحالية.

على الرغم من كل التقدم المنجز، لا يزال عملية التدريب تتطلب الحوسبة التقليدية ووقتًا كبيرًا لإكمالها.

نشر الباحثون أعمالهم ب透明ية، بإصدار رمز التدريب وتحليل مفصل على نتائجهم، مما يعكس الاعتقاد بأن هذا النهج يمثل ليس حلولاً مملوكة فحسب، وإنما اتجاهاً جديداً يمكن أن يبحثه ويعمل عليه العديد من الباحثين.

كما تزداد أهمية أنظمة الذكاء الاصطناعي في المجتمع الحديث، يتحرك البحث عن نهج الحوسبة الأكثر كفاءة من الفضول الأكاديمي إلى الضرورة العملية. يعتبر Un-0 دليلاً على أن هناك على الأقل اتجاهاً واعداً، وأن بحث الذكاء الاصطناعي القائم على الفيزياء لم يبدأ بعد.