مقابلات
يوسو، المؤسس المشارك والرئيس التنفيذي لشركة NeoCognition – سلسلة المقابلات
يوسو، المؤسس المشارك والرئيس التنفيذي لشركة NeoCognition، هو باحث في مجال الذكاء الاصطناعي منذ فترة طويلة، ويمتد مساره المهني إلى الأكاديمية وشركة مايكروسوفت والأنظمة المتقدمة. بالإضافة إلى قيادته لشركة NeoCognition، يعمل كأستاذ مساعد وباحث في جامعة ولاية أوهايو، حيث ركزت أبحاثه على وكلاء الذكاء الاصطناعي وأنظمة التفكير والتعلم الآلي. وتشمل خلفيته أكثر من ست سنوات كباحث أول في شركة مايكروسوفت، حيث عمل مع باحثين رائدين مثل بيرسي ليانغ على أنظمة الذكاء الاصطناعي للحوار في أوتلوك باستخدام تقنيات التحليل الدلالي.
NeoCognition هي شركة أبحاث وكلاء الذكاء الاصطناعي تركز على تطوير ما وصفتها بـ “الذكاء المتخصص” – أنظمة الذكاء الاصطناعي التي تتعلم وتتحسن بشكل مستمر من خلال الخبرة. تأسست الشركة من قبل باحثين رائدين في مجال الذكاء الاصطناعي، وتسعى إلى رؤية تتجاوز النماذج اللغوية الكبيرة الثابتة نحو وكلاء قادرون على تطوير الخبرة العميقة في مجالات معينة. تركز أبحاثها على مجالات مثل التعلم المستمر والتفكير والتخطيط واستخدام الأدوات والتعاون بين الوكلاء المتعددين، مع هدف إنشاء أنظمة ذكاء اصطناعي تصبح أكثر قدرة وموثوقية مع مرور الوقت. من خلال الجمع بين التطورات في التعلم الآلي والتفكير المنظم والتقنيات التكيفية، تهدف NeoCognition إلى مساعدة تشكيل الجيل التالي من وكلاء الذكاء الاصطناعي القادرون على التعامل مع المهام العملية المعقدة بشكل متزايد.
كثير من الشركات أسرعت في إصدار مساعدي الذكاء الاصطناعي العام، ولكننا نسمع بشكل متزايد مخاوف بشأن الموثوقية عندما تدخل هذه الأنظمة بيئات الإنتاج الحقيقية. لماذا تعتقد أن العديد من وكلاء الذكاء الاصطناعي الحاليين يجدون صعوبة في البيئات الخارجية للمظاهرات المراقبة؟
يصعب على معظم وكلاء الذكاء الاصطناعي الحاليين العمل في الإنتاج لأنهم ما زالوا يعملون بشكل عام دون فهم متين للبيئة التي يعملون فيها. يمكنهم في كثير من الأحيان إكمال مهمة مرة واحدة في عرض تقديمي، ولكن ذلك يختلف بشكل كبير عن تطوير الحكم القابل للتكرار داخل نظام تشغيلي حقيقي.
النماذج الحالية رائعة في مطابقة الأنماط، ولكنها لا تزال تفتقر إلى الآليات التي يستخدمها البشر ليكونوا خبراء موثوقين. لا يصبح البشر موثوقين بالاعتماد على تذكر المهام المعزولة. نحن نختص بتعلم هيكل عالم معين: سير العمل والقيود والعلاقات والأدوات والأولويات والنتائج التي تعرف مهنة أو منظمة. مع مرور الوقت، نبني نموذجًا داخليًا يعمل للبيئة، وهو ما يسمح للقرارات الجيدة أن تصبح متسقة ويمكن تكرارها.
معظم وكلاء الذكاء الاصطناعي اليوم لا يبنيون هذا النوع من الفهم التشغيلي. يعتمدون بشكل كبير على Layers التوجيه أو الاسترجاع أو التوجيه التي تساعدهم على إكمال الإجراءات المعزولة، ولكنهم ما زالوا يعتمدون على التلاعب كل مرة يواجهون فيها وضعًا جديدًا. هذا هو السبب في أن الأداء غالبًا ما ينهار مرة أخرى عندما تتغير البيئة و特别 عندما تصبح غير منظمة أو ديناميكية أو عالية المخاطر.
القسم المفقود هو التخصص. يزدهر البشر لأننا يمكن أن نتعلم بشكل مستمر وتكيف مع البيئات المتغيرة ونصبح خبراء فيها من خلال التعلم المستمر. نعتقد أن وكلاء الذكاء الاصطناعي يحتاجون إلى قدرة مماثلة: القدرة على تعلم هيكل المجال المحلي بعمق كافٍ للعمل بفعالية حقيقية.
وصفت NeoCognition رؤيتها ببناء وكلاء يمكنهم التعلم والتكيف بشكل أكثر تشابهًا مع البشر. ماذا يعني ذلك تقنيًا مقارنة بالنهج الثابتة أو القائمة على الاسترجاع التي تعتمد عليها العديد من الشركات اليوم؟
تحسن أنظمة الذكاء الاصطناعي في الشركات اليوم الأداء إما من خلال تعديل النموذج مرة واحدة أو من خلال استرجاع المعلومات ذات الصلة في وقت الاستدلال. تلك النهج يمكن أن تكون مفيدة، ولكنها لا تسمح بشكل أساسي للوكيل بتطوير الخبرة المتطورة داخل مجال معين.
التعديل عادة ما يكون ثابتًا بعد التدريب. تساعد أنظمة الاسترجاع في إظهار المعلومات، ولكن استرجاع المعرفة ليس مثل تطوير الخبرة في المجال أو التكيف مع السلوك بناءً على الخبرة بمرور الوقت. في许多 الحالات، يفتقر الوكيل إلى نموذج متين للبيئة التي يعمل فيها.
عندما ينضم شخص إلى شركة، لا يصبح فعالًا ببساطة لأنه يمكنه البحث في الوثائق. يطور تدريجيًا الحكم من خلال فهم كيف تعمل المنظمة بشكل фактиعي، وتنشأ الخبرة من خلال تحسين النموذج الداخلي بشكل مستمر.
نعتقد أن الجيل التالي من الوكلاء يحتاج إلى آليات تعلم مماثلة. في NeoCognition، نحن مركزون على تمكين الوكلاء من تشكيل تلك النماذج التشغيلية المتطورة حتى يتمكنوا من التخصص والتحسين المستمر داخل مجال معين بمرور الوقت، بدلاً من البدء من جديد بشكل متكرر أو الاعتماد على إعادة هندسة بشرية دائمة.
يبدو أن هناك فرقًا متزايدًا بين تجارب الذكاء الاصطناعي والثقة التشغيلية. قد تنجح الشركات في اختبار وكلاء داخليًا، ولكن نشرهم على نطاق واسع هو تحد آخر تمامًا. ما الذي تقلله المنظمات عن هذا التحول؟
تقلل العديد من المنظمات مدى ديناميكية البيئات التشغيلية الحقيقية. قد يؤدي وكيل يؤدي بنسبة دقة 85% أداءً قويًا في الاختبار، ولكن على نطاق الشركات يترجم ذلك إلى تدفق مستمر من الأخطاء وحالات الاسترداد التي يجب على فرق البشر إدارتها. يصبح التحدي أكثر صعوبة في سير العمل المتعددة حيث تتراكم الأخطاء عبر الأنظمة والمهام، مما يجعل الإشراف والتدخل والمساءلة أكثر صعوبة من توقعات العديد من المنظمات.
تعتامل الشركات مع النشر على أنه مشكلة توجيه أو استدعاء، عندما يكون الواقع أيضًا مشكلة تعلم. الجزء الصعب ليس مجرد جعل وكيل يؤدي مهمة، بل تمكين النظام من تطوير الكفاءة والقضاء المستدام داخل بيئة تشغيلية ديناميكية.
لا تزال عبء التخصيص والتوجيه والإشراف وإعادة الهندسة يقع على فرق البشر اليوم. هذا غالبًا دليل على أن النظام لا يزال يفتقر إلى الفهم التشغيلي؛ يتم توجيهه يدويًا من خلاله كل مرة. هذا ليس طريقًا إلى النطاق أو الثقة.
مconceptة رئيسية تظهر عبر صناعة الذكاء الاصطناعي هي الحوكمة والحدود والتنفيذ السياسي. ومع ذلك، تقول NeoCognition إن الحوكمة وحدها لا تكفي. لماذا تعتقد أن الموثوقية في النهاية تتطلب أنظمة يمكنها التكيف بشكل مستمر مع بيئتها بدلاً من اتباع القواعد الثابتة فقط؟
الحوكمة والحدود هامان جدًا، ولكن القواعد الثابتة وحدها لا يمكن أن تحل مشكلة الموثوقية في البيئات المعقدة.
الأنظمة التشغيلية في الإنتاج تتغير باستمرار. تتطور سير العمل، وتُحدث الأدوات، وتتغير السياسات، وتظهر مواقف غير متوقعة لا يمكن دائمًا توقعها مسبقًا. إذا كان الوكيل يعرف فقط كيف يتبع القواعد المحددة دون فهم البيئة التي يعمل فيها، فسيواجه في النهاية مواقف لم تكن تلك القواعد قد-drها.
يأتي موثوقية البشر من الحكم، وليس فقط من الالتزام الصارم بالscripts، ولكن لأننا نطور الحكم من خلال فهم هيكل العالم حولنا. نتعلم متى نرفع، متى يبدو الأمر غير عادي، ومتى يتغير السياق المنهج الصحيح للعمل.
نعتقد أن وكلاء الذكاء الاصطناعي يحتاجون إلى قدرة مماثلة على التكيف والفهم البيئي. ستأتي الأنظمة الأكثر أمانًا من جعلها أكثر كفاءة وتخصصًا داخل عوالم تشغيلية محددة بوضوح. هذا النوع من النظام يراقب بيئته ونتائجه ويتابع أين يفشل ويتحديث سلوكه.
غالبًا ما تبرز صناعة الذكاء الاصطناعي النماذج الأكبر والقدرات الأوسع، ولكن NeoCognition تظهر تركيزًا على التخصص والتعلم السياقي. هل تعتقد أن مستقبل وكلاء الذكاء الاصطناعي في الشركات سيكون أكثر تشابهًا مع العمال الرقميين المتخصصين بدلاً من المساعدين الشاملين؟
نعتقد بقوة أن المستقبل سيكون مدفوعًا بالتخصص. ركزت الصناعة بشكل معقول على النماذج الأكثر عمومية لأن القدرة الواسعة مثيرة للإعجاب. ولكن في بيئات الشركات، التحدي الحقيقي ليس ما إذا كان الوكيل يمكنه القيام بقليل من كل شيء، بل ما إذا كان يمكنه أداء دور معين بثقة وحكم مستمر مع مرور الوقت. قوتنا ليست أننا خبراء في كل بيئة منذ ولادتنا. إنها أننا يمكن أن نتعلم هيكل عالم معين بعمق كافٍ للعمل بشكل فعال داخله.
في NeoCognition، نعتقد أن المستقبل لن يكون وكيلًا فائقًا يفعل كل شيء. بل سيكون هناك وفرة من الوكلاء المتخصصين، كل واحد منهم يتعلم عالمًا معينًا بعمق كافٍ للعمل بفعالية خبيرة وثقة وحكم. غرضهم ليس استبدال الخبرة البشرية، بل جعلها أكثر وفرة: وضع قدرة من الدرجة الأولى في أيدي المزيد من الأشخاص ورفع مستوى ما يمكن لأي شخص أو منظمة أن تفعله.
إحدى أكبر المخاوف المحيطة بالوكلاء المستقلين هي كيفية سلوكهم عند تغير البيئات بشكل غير متوقع. ما مدى أهمية التكيف العالمي الحقيقي والوعي البيئي لمنع الفشل أو الهلوسة أو الأفعال غير الآمنة؟
من المهم للغاية. بدون الوعي البيئي، يمكن للوكلاء الاستمرار في العمل بثقة حتى عندما يكون فهمهم للوضع قديمًا أو غير مكتمل. هذا هو المكان الذي تظهر فيه عادةً فشل التشغيل.
نعتقد أن الموثوقية تتطلب من الوكلاء تعلم هيكل البيئة المحلية التي يعملون فيها وتحديث فهمهم بمرور الوقت. تتغير الموثوقية وتتطور بمرور الوقت: ما يبدو موثوقًا في سبتمبر قد لا يبدو نفسه في مايو. كلما فهم الوكيل بشكل أعمق الأنظمة والقيود وسير العمل والعلاقات حولها، أصبح أكثر قدرة على التعرف على التغييرات في الظروف أو عندما تتطلب الشكوك رفع مستوى الاهتمام.
كيف تقدر مدى قرب صناعة الذكاء الاصطناعي من نشر أنظمة يمكنها حقًا تحسين نفسها من خلال التفاعل المستمر مع البيئات التشغيلية الحقيقية؟
ما زلنا في البداية ببناء الآليات الأساسية للتعلم المستمر والتحسين الذاتي، ولكن الصناعة أقرب إلى هذا التحول أكثر مما يدركه العديد من الناس. نحن نعيش في جدول زمني مضغوط. المكونات للكسر التكنولوجي التالي جاهزة. يمكن أن يحدث ذلك قريبًا جدًا.
ما يهم ليس مجرد التحسين الذاتي المجرد، ولكن التخصص الهيكلي داخل البيئات الحقيقية. هذا يعني تعلم سير العمل والقيود والعلاقات وأنماط السلوك الناجح بطريقة مستقرة ويمكن التحكم فيها ومقاومة النسيان الكارثي. هذا هو المشكلة التي نركز عليها في NeoCognition.
عندما ننظر إلى السنوات القليلة القادمة، ماذا سيفصل في النهاية وكلاء الذكاء الاصطناعي الموثوقين في الشركات عن موجة الأنظمة التجريبية التي تغمر السوق حاليًا؟
الأنظمة التي تنجح ستكون تلك التي تشعر أكثر بالتشغيل الموثوق واقل بالسيناريوهات اللعبة.
القدرة على النموذج الخام لا تكون كافية وحدها. ستعتني الشركات في النهاية بمدى khảية الوكلاء للعمل بشكل متسق داخل بيئاتهم الفعلية، وفهم سير العمل المحلي والقيود، واحترام الحدود والصلاحيات، والتكيف بأمان مع مرور الوقت، وتقديم نتائج متكررة.
الفائزون المستقبلون في الذكاء الاصطناعي في الشركات لن يكونوا ببساطة الأنظمة التي يمكنها الإجابة على أوسع نطاق من الأسئلة. سيكونون الأنظمة التي يمكنها تعلم عالم تشغيلي معين بعمق كافٍ للعمل بفعالية حقيقية وحكم وموثوقية داخله.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا NeoCognition.
