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 المهام المحددة؟ 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 لديه إمكانية إنجاز أي مهمة فكرية يمكن للإنسان القيام بها. غالبًا ما يتم مقارنة AGI مع الذكاء الاصطناعي الضيق (ANI)، وهو الحالة الحالية للذكاء الاصطناعي الذي يمكن أن يتفوق فقط في مجال أو مجالات معينة، مثل لعب الشطرنج أو التعرف على الوجوه. من ناحية أخرى، سيكون AGI قادرًا على فهم والاستدلال عبر مجالات متعددة، مثل اللغة والمنطق والابداع والمنطق والعاطفة.

AGI ليس مفهومًا جديدًا. لقد كان رؤية توجيهية لأبحاث الذكاء الاصطناعي منذ الأيام الأولى ولا تزال فكرته الأكثر انقسامًا. يعتقد بعض محبي الذكاء الاصطناعي أن AGI أمر لا مفر منه وقريب وسيؤدي إلى عصر جديد من التقدم التكنولوجي والاجتماعي. بينما يعتقد آخرون أنهم أكثر حذرًا ويتحذرون من المخاطر الأخلاقية والوجودية لإنشاء وتحكم كيان قوي وغير متوقع.

لكن كيف قريب نحن من تحقيق AGI، وهل من المعقول حتى محاولة ذلك؟ هذا هو في الواقع سؤال مهم قد يوفر فحصًا واقعيًا لمحبي الذكاء الاصطناعي الذين ي渴ون إلى شهد عصر الذكاء الخارق.

ما هو AGI وكيف يختلف عن الذكاء الاصطناعي؟

يتميز AGI عن الذكاء الاصطناعي الحالي بقدرته على أداء أي مهمة فكرية يمكن للإنسان القيام بها، إن لم يكن يتجاوزها. هذا التمييز من حيث عدة ميزات رئيسية، بما في ذلك:

• التفكير المجرد
• القدرة على تعميم من الحالات المحددة
• سحب المعرفة من خلفية متنوعة
• استخدام المنطق والعقل للوصول إلى القرارات
• فهم السببية بدلاً من مجرد العلاقة
• التواصل الفعال مع البشر والوكلاء الآخرين.

بينما هذه الميزات حيوية لتحقيق الذكاء البشري أو الخارق، لا تزال صعبة على أنظمة 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 والتعلم غير الإشرافي والتعلم التعزيزي.

يتضمن التعلم الإشرافي أجهزة تعلم من بيانات مخططة لتنبؤ أو تصنيف بيانات جديدة. يتضمن التعلم غير الإشرافي العثور على أنماط في البيانات غير المخططة، بينما يركز التعلم التعزيزي على التعلم من الإجراءات والتعليقات، وتحسين المكافآت أو تقليل التكاليف.

على الرغم من 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 مساعدة في التكيف، خاصة في المواقف الجديدة، وأكثر شفافية في تفسير تفكيرهم.

في المقابل، يتصور AGI على أنه خالي من هذه القيود وسيعتمد على قدراته الخاصة على التعلم والتفكير بدلاً من البيانات والخوارزميات والأهداف المحددة مسبقًا. بالإضافة إلى ذلك، يمكن أن يكتسب AGI المعرفة من مصادر و مجالات متنوعة وينطبقها بسلاسة على مهام جديدة ومتنوعة. علاوة على ذلك، سيتفوق AGI في التفكير والتواصل والفهم والتحكم في العالم وذاته.

ما هي التحديات والمناهج لتحقيق AGI؟

تحقيق AGI يطرح تحديات كبيرة تشمل الأبعاد الفنية والمفاهيمية والأخلاقية.

على سبيل المثال، تعريف وقياس الذكاء، بما في ذلك المكونات مثل الذاكرة والانتباه والابداع والعاطفة، هو عائق أساسي. بالإضافة إلى ذلك، نمذجة و模拟 وظائف الدماغ البشري، مثل الإدراك والتفكير والعاطفة، توفر تحديات معقدة.

علاوة على ذلك، تشمل التحديات الحاسمة تصميم وتنفيذ خوارزميات تعلم وتنفيذ genelizable وموثوقة وآمنة ومسؤولة في تفاعلاتها مع البشر والوكلاء الآخرين. كما أن ضمان سلامة وثقة أنظمة AGI في تفاعلاتها مع البشر والوكلاء الآخرين وتناغم قيم وأهداف أنظمة AGI مع تلك المجتمع أمر بالغ الأهمية.

تم اقتراح وتجريب اتجاهات بحثية ونمطية مختلفة في سعي تحقيق AGI، كل منها له نقاط قوة وweaknesses. الذكاء الاصطناعي الرمزي، وهو نهج كلاسيكي يستخدم المنطق والرموز لتمثيل المعرفة والتعامل معها، يتفوق في المشكلات المجردة والمنظمة مثل الرياضيات والشطرنج ولكنه يحتاج إلى مساعدة في التوسع والدمج مع البيانات الحسية والحركية.

على نحو مماثل، الذكاء الاصطناعي الاتصالي، وهو نهج حديث يستخدم الشبكات العصبية والتعلم العميق لمعالجة كميات كبيرة من البيانات، يتفوق في المجالات المعقدة والصاخبة مثل الرؤية واللغة ولكنه يحتاج إلى مساعدة في التفسير والتعميم.

الذكاء الاصطناعي الهجين يجمع بين الذكاء الاصطناعي الرمزي والاتصالي للاستفادة من نقاط قوتهما وتحقيق أنظمة أكثر متانة وتنوعًا. على نحو مماثل، 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، مع هدف تحقيق نماذج دماغ أكثر كفاءة وواقعية وتمكين التفاعلات الطبيعية مع البشر والوكلاء.

هذه ليست كل المناهج لتحقيق AGI، ولكن بعض الأبرز والأكثر وعدًا. كل نهج له مزايا وweaknesses، ولا يزال يتعين عليه تحقيق العمومية والذكاء المطلوبين لتحقيق AGI.

أمثلة وتطبيقات AGI

على الرغم من أن AGI لم يتحقق بعد، إلا أن هناك أمثلة ملحوظة لأنظمة الذكاء الاصطناعي تظهر بعض الجوانب أو الميزات التي تذكرنا بAGI، مما يساهم في رؤية تحقيق AGI في النهاية. هذه الأمثلة تمثل خطوات نحو AGI من خلال إظهار القدرات المحددة:

AlphaZero، الذي تم تطويره بواسطة DeepMind، هو نظام تعلم تعزيزي يتعلم بشكل مستقل لعب الشطرنج والشوجي والغو بدون معرفة أو إرشادات بشرية. يظهر AlphaZero كفاءة خارقة ويقدم استراتيجيات مبتكرة ت挑د الحكمة التقليدية.

على نحو مماثل، OpenAI’s GPT-3 يولد نصوصًا متسقة ومتنوعة عبر مواضيع ومهام مختلفة. قادر على الإجابة على الأسئلة وكتابة المقالات ومحاكاة أنماط الكتابة المختلفة، يظهر GPT-3 مرونة، على الرغم من أنه يظل ضمن حدود معينة.

على نحو مماثل، NEAT، وهو خوارزمية تطورية تم إنشاؤها بواسطة Kenneth Stanley وRisto Miikkulainen، يطور الشبكات العصبية لمهام مثل التحكم في الروبوت واللعب وتوليد الصور. ينتج عن قدرة NEAT على تطوير هيكل ووظيفة الشبكة حلولًا جديدة ومعقدة لم يتم تحديدها مسبقًا بواسطة المبرمجين.

تظهر هذه الأمثلة تقدمًا نحو AGI، ولكنها أيضًا تؤكد القيود والفجوات الحالية التي تتطلب المزيد من الاستكشاف والتنمية في سعي تحقيق AGI الحقيقي.

آثار و مخاطر AGI

يطرح AGI تحديات علمية وتكنولوجية وsociale وأخلاقية ذات عواقب عميقة. من الناحية الاقتصادية، قد يخلق فرصًا ويفسخ الأسواق الحالية، مما قد يزيد من عدم المساواة. بينما يمكن أن يحسن التعليم والصحة، قد يطرح AGI تحديات ومخاطر جديدة.

من الناحية الأخلاقية، قد يعزز AGI قيمًا جديدة وتعاونًا وتراحمًا، ولكنه قد يطرح أيضًا صراعات وتنافس وقسوة. قد يطرح AGI أسئلة حول المعاني والمقاصد الحالية، ويتسع المعرفة، ويعيد تعريف الطبيعة البشرية والقدرة. لذلك، يجب على أصحاب المصلحة النظر في هذه الآثار والمخاطر، بما في ذلك الباحثين والمطورين والسياسيين والمعلمين والمواطنين.

الخلاصة

يقف AGI في طليعة أبحاث الذكاء الاصطناعي، ويعود بوعده بتحقيق مستوى من الذكاء يتجاوز القدرات البشرية. بينما تلهم الرؤية محبي الذكاء الاصطناعي، لا تزال التحديات تستمر في تحقيق هذا الهدف. يجب على الذكاء الاصطناعي الحالي، الذي يتفوق في مجالات محددة، أن يلبي الإمكانيات الواسعة لAGI.

هناك العديد من المناهج، من الذكاء الاصطناعي الرمزي والاتصالي إلى النماذج الشبيهة بالدماغ، تسعى لتحقيق AGI. هناك أمثلة ملحوظة مثل AlphaZero وGPT-3 تظهر تقدمًا نحو AGI، ولكنها لا تزال تؤكد القيود الحالية التي تتطلب المزيد من الاستكشاف والتنمية. مع الآثار الاقتصادية والأخلاقية والوجودية، ي đòi من رحلة AGI انتباهًا جماعيًا واستكشافًا مسؤولًا.