ما هي الذكاء الاصطناعي العام (AGI) ولماذا لم يصل بعد: فحص واقعي لمحبي الذكاء الاصطناعي

الذكاء الاصطناعي (AI) موجود في كل مكان. من المساعدين الذكيين إلى السيارات ذاتية القيادة، أنظمة الذكاء الاصطناعي تتحول حياتنا وأعمالنا. ولكن ماذا لو كان هناك ذكاء اصطناعي يمكن أن يفعل أكثر من أداء مهام محددة؟ ماذا لو كان هناك نوع من الذكاء الاصطناعي يمكن أن يتعلم ويفكر مثل الإنسان أو حتى يتجاوز الذكاء البشري؟

هذا هو رؤية الذكاء الاصطناعي العام (AGI)، وهو شكل افتراضي من الذكاء الاصطناعي الذي يمكن أن ينجز أي مهمة عقلية يمكن للإنسان إنجازها. غالبًا ما يتم التمييز بين AGI والذكاء الاصطناعي الضيق (ANI)، وهو الحالة الحالية للذكاء الاصطناعي الذي يمكن أن يتفوق فقط في مجال أو مجالات قليلة، مثل لعب الشطرنج أو التعرف على الوجوه. من ناحية أخرى، سيكون للذكاء الاصطناعي العام القدرة على فهم والاستدلال عبر مجالات متعددة، مثل اللغة والمنطق والابداع والمنطق والعاطفة.

الذكاء الاصطناعي العام ليس مفهومًا جديدًا. لقد كان رؤية توجيهية لأبحاث الذكاء الاصطناعي منذ الأيام الأولى ويظل فكرته الأكثر انقسامًا. يعتقد بعض محبي الذكاء الاصطناعي أن الذكاء الاصطناعي العام هو أمر لا مفر منه وقريب وسيؤدي إلى عهد جديد من التقدم التكنولوجي والاجتماعي. في حين أن البعض الآخر أكثر شكوكًا وحذرًا وينذر بالمخاطر الأخلاقية والوجودية لخلق وسيطرة كيان قوي وغير متوقع.

ولكن كيف близنا إلى تحقيق الذكاء الاصطناعي العام، وهل من المعقول حتى محاولة ذلك؟ هذا هو في الواقع سؤال مهم قد يوفر فحصًا واقعيًا لمحبي الذكاء الاصطناعي الذين يترقبون عهد الذكاء الخارق.

ما هو AGI وكيف يختلف عن الذكاء الاصطناعي؟

يتميز الذكاء الاصطناعي العام عن الذكاء الاصطناعي الحالي بقدرته على أداء أي مهمة عقلية يمكن للإنسان أداؤها، إن لم يكن يتجاوزها. هذا التمييز يتم فيما يتعلق بعدد من الميزات الرئيسية، بما في ذلك:

• الفكر المجرد
• القدرة على تعميم من الحالات المحددة
• سحب من خلفية معرفة متنوعة
• استخدام الحس السليم والوعي في اتخاذ القرارات
• فهم السببية بدلاً من مجرد العلاقة
• التواصل الفعال والتفاعل مع البشر والوكلاء الآخرين.

في حين أن هذه الميزات حيوية لتحقيق الذكاء البشري أو الخارق، فإنها لا تزال صعبة على التقاطها بالنسبة لأنظمة الذكاء الاصطناعي الحالية.

يعتمد الذكاء الاصطناعي الحالي في الغالب على التعلم الآلي، وهو فرع من علوم الحاسوب الذي يسمح للأجهزة بالتعلم من البيانات والخبرات. يعمل التعلم الآلي من خلال التعلم الإشرافي، التعلم غير الإشرافي، وتعلم التعزيز.

يشمل التعلم الإشرافي أجهزة تعلم من بيانات تم تصنيفها لتوقع أو تصنيف بيانات جديدة. يشمل التعلم غير الإشرافي العثور على أنماط في البيانات غير المسمى، بينما يركز التعلم عن طريق التعزيز على التعلم من الإجراءات والرد، وتحسين المكافآت أو تقليل التكاليف.

尽管 تحقيق نتائج ملحوظة في مجالات مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية، فإن أنظمة الذكاء الاصطناعي الحالية مقيدة بجودة وكمية البيانات التدريبية، والخوارزميات المحددة، والأهداف التحسينية المحددة. غالبًا ما يحتاجون إلى المساعدة في المرونة، خاصة في الحالات الجديدة، والمزيد من الشفافية في تفسير تفكيرهم.

في المقابل، يتصور الذكاء الاصطناعي العام أن يكون خاليًا من هذه القيود وسيعتمد على قدراته الخاصة في التعلم والتفكير بدلاً من البيانات المحددة والخوارزميات والأهداف. بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي العام الحصول على المعرفة وتكاملها من مصادر ومجالات متنوعة، وتطبيقها بسهولة على مهام جديدة ومتنوعة. بالإضافة إلى ذلك، سيتفوق الذكاء الاصطناعي العام في التفكير والتواصل والفهم والتعامل مع العالم وذاته.

ما هي التحديات والمناهج لتحقيق AGI؟

تحقيق الذكاء الاصطناعي العام يطرح تحديات كبيرة تشمل الأبعاد الفنية والconceptية والأخلاقية.

على سبيل المثال، تعريف وقياس الذكاء، بما في ذلك مكونات مثل الذاكرة والانتباه والابداع والعاطفة، هو عقبة أساسية. بالإضافة إلى ذلك، نمذجة و模拟 وظائف الدماغ البشري، مثل الإدراك والتفكير والعاطفة، تعرض تحديات معقدة.

أيضًا، تشمل التحديات الهامة تصميم وتنفيذ خوارزميات تعلم وتنطيق قابلة للتطوير ومعمارية عامة. كما أن ضمان سلامة وموثوقية ومسؤولية أنظمة الذكاء الاصطناعي العام في تفاعلاتها مع البشر والوكلاء الآخرين، وتوجيه قيم وأهداف أنظمة الذكاء الاصطناعي العام مع تلك المجتمع أمر بالغ الأهمية.

تم اقتراح وتجربة اتجاهات بحثية ونمطية مختلفة في سعي تحقيق الذكاء الاصطناعي العام، لكل منها نقاط قوة وضعف. الذكاء الاصطناعي الرمزي، وهو نهج كلاسيكي يستخدم المنطق والرموز لتمثيل المعرفة وتنفيذها، يتفوق في المشكلات المجردة والمنظمة مثل الرياضيات والشطرنج ولكنه يحتاج إلى المساعدة في التوسع وتكامل البيانات الحسية والحركية.

كما أن الذكاء الاصطناعي الاتصالي، وهو نهج حديث يستخدم الشبكات العصبية والتعلم العميق لمعالجة كميات كبيرة من البيانات، يتفوق في المجالات المعقدة والضوضاء مثل الرؤية واللغة ولكنه يحتاج إلى المساعدة في التفسير والتعميم.

الذكاء الاصطناعي الهجين يجمع بين الذكاء الاصطناعي الرمزي والاتصالي للاستفادة من نقاط قوتهما وتحقيق أنظمة أكثر متانة وأكثر قدرة. وبالمثل، الذكاء الاصطناعي التطوري يستخدم الخوارزميات التطورية والبرمجة الجينية لتطوير أنظمة الذكاء الاصطناعي من خلال الانتخاب الطبيعي، سعياً إلى حلول جديدة ومثالية غير مقيدة بالتصميم البشري.

أخيرًا، الذكاء الاصطناعي الشبيه بالدماغ يستخدم الأجهزة والبرمجيات الشبيهة بالدماغ لتمثيل الأنظمة العصبية البيولوجية، سعياً إلى نماذج أكثر كفاءة وواقعية للدماغ وتحقيق تفاعلات طبيعية مع البشر والوكلاء.

هذه ليست سوى بعض النماذج التي تهدف إلى تحقيق الذكاء الاصطناعي العام، وليس كلها، ولكل منها نقاط قوة وضعف، ولا تزال بحاجة إلى تحقيق العمومية والذكاء التي يتطلبها الذكاء الاصطناعي العام.

أمثلة وتطبيقات AGI

في حين أن الذكاء الاصطناعي العام لم يتحقق بعد، فإن بعض الأمثلة على أنظمة الذكاء الاصطناعي تظهر جوانب أو ميزات متوافقة مع رؤية الذكاء الاصطناعي العام، وتساهم في رؤية تحقيق الذكاء الاصطناعي العام في النهاية. تمثل هذه الأمثلة خطوات نحو الذكاء الاصطناعي العام من خلال عرض قدرات محددة:

AlphaZero، الذي طوّره DeepMind، هو نظام تعلم تعزيزي يتعلم بشكل مستقل لعب الشطرنج والشوجي والغو بدون معرفة أو إرشاد بشري. يظهر AlphaZero كفاءة خارقة، ويقدم استراتيجيات مبتكرة ت挑ّي الحكمة التقليدية.

كما أن OpenAI’s GPT-3 يولد نصوصًا متسقة ومتنوعة عبر مواضيع ومهام مختلفة. قادر على الإجابة على الأسئلة وكتابة المقالات وتقليد أساليب الكتابة المختلفة، يظهر GPT-3 مرونة، على الرغم من حدود معينة.

كما أن NEAT، وهو خوارزمية تطورية أنشأه كينيث ستانلي وريستو مييكولاينين، يطور الشبكات العصبية لأداء مهام مثل التحكم في الروبوت، ولعب الألعاب، وتوليد الصور. يظهر NEAT قدرة على تطوير هيكل الشبكة ووظائفها، مما ينتج حلولًا جديدة ومعقدة غير محددة مسبقًا من قبل المبرمجين.

في حين أن هذه الأمثلة تظهر التقدم نحو الذكاء الاصطناعي العام، فإنها أيضًا تؤكد القيود والفجوات الحالية التي تتطلب مزيدًا من الاستكشاف والتنمية في سعي تحقيق الذكاء الاصطناعي العام الحقيقي.

أثر و مخاطر AGI

يطرح الذكاء الاصطناعي العام تحديات علمية وتكنولوجية واجتماعية وأخلاقية ذات عواقب عميقة. من الناحية الاقتصادية، قد يخلق فرصًا ويفسخ الأسواق الحالية، مما قد يزيد من عدم المساواة. في حين أن تحسين التعليم والصحة، قد يطرح الذكاء الاصطناعي العام تحديات ومخاطر جديدة.

من الناحية الأخلاقية، قد يؤدي إلى تعزيز قيم جديدة وتعاون وتماسك، ويمكن أن يؤدي إلى صراعات وتنافس وقسوة. قد يتساءل الذكاء الاصطناعي العام عن المعاني والأهداف الحالية، ويمكن أن يوسع المعرفة ويعيد تعريف الطبيعة البشرية والقدر. لذلك، يجب على أصحاب المصلحة النظر في هذه العواقب والمخاطر، بما في ذلك الباحثين والمطورين والسياسيين والمعلمين والمواطنين.

الخلاصة

ي đứng الذكاء الاصطناعي العام في طليعة أبحاث الذكاء الاصطناعي، وعدم مستوى من الذكاء يتجاوز القدرات البشرية. في حين أن الرؤية تلهم المحبين، فإن التحديات تستمر في تحقيق هذا الهدف. يجب على الذكاء الاصطناعي الحالي، الذي يتفوق في مجالات محددة، أن يلبي الإمكانات الواسعة للذكاء الاصطناعي العام.

تجري مناهج عديدة، من الذكاء الاصطناعي الرمزي والاتصالي إلى نماذج شبيهة بالدماغ، سعيًا لتحقيق الذكاء الاصطناعي العام. تظهر الأمثلة البارزة مثل AlphaZero وGPT-3 تقدمًا، ولكن الذكاء الاصطناعي العام الحقيقي يظل غير موجود. مع عواقب اقتصادية وأخلاقية ووجودية، رحلة الذكاء الاصطناعي العام تتطلب انتباهًا جماعيًا واستكشافًا مسؤولًا.