مقابلات
زوزانا ستاميروفسكا، المؤسس المشارك والرئيس التنفيذي لشركة Pathway – سلسلة المقابلات
زوزانا ستاميروفسكا، المؤسس المشارك والرئيس التنفيذي لشركة Pathway، هي باحثة تحولت إلى بناءة عملت في السابق على الظواهر الناشئة وتطور الشبكات الكبيرة. تم الاعتراف بمشاريعها من قبل الأكاديمية الوطنية للعلوم في الولايات المتحدة، وهي حاصلة على درجة الدكتوراه في الأنظمة المعقدة. زوزانا، إلى جانب الرئيس التقني جان تشوروفسكي والرئيس العلمي أدريان كوسوفسكي، تقود فريقًا بنى أدوات ذكاء اصطناعي مفتوحة مع أكثر من 62 ألف نجم على GitHub.
Pathway تعيد تصور كيفية تفكير نماذج الذكاء الاصطناعي، بهدف إنشاء أنظمة تعمل بشكل مستمر ومتكيف بدلاً من العمل في دفعات. في الخلفية، تتيح أدواتها وهندستها أنظمة النماذج لمعالجة التعلم والتطور في الوقت الفعلي. جذبت الشركة دعمًا من شخصيات بارزة مثل لوكاس كايزر (مخترع الترانسفورمر) وشركات رأس المال الاستثماري البارزة.
ما الذي دفعك إلى إطلاق Pathway، وكيف ساهمت خلفيتك في الأنظمة المعقدة والنظرية اللعبة والظواهر الناشئة في رؤية الشركة والتوجيه الفني؟
كنا نريد إنشاء ذكاء اصطناعي يفكر ويتكيف مثل البشر. لقد أدركنا أن هذا يعني أنظمة ذكاء اصطناعي (نماذج التعلم العميق أو خطوط أنابيب التعلم الآلي المبنية من عدد أكبر من الطوب) قادرة على التعلم المستمر بناءً على البيانات من البيئة، وتحسينها مع الخبرة، وأحيانًا “تصحيح” وجهات نظرها السابقة للعالم. لقد حصلنا على تغطية جيدة حول موضوع “إلغاء التعلم الآلي”. بالإضافة إلى النماذج، كانت هذه الأنظمة تحتاج إلى طبقة كاملة من الهندسة، لالتقاط البيانات من المصدر وإدخالها على الفور إلى الأنظمة الديناميكية.
عندما أطلقت الشركة في عام 2020، ما كانت أولى فرضياتك حول ما يجب أن تفعله أنظمة الذكاء الاصطناعي بشكل مختلف في المستقبل، وكيف تطورت هذه الآراء؟
كان لدينا قناعة قوية من البداية أن الذكاء الاصطناعي يحتاج إلى أن يكون حياً ومتكيفًا ومتكاملًا في عمليات كبيرة النطاق. يجب أن يتعلم مباشرة من المصدر، مع البيانات الأصلية الممكنة.
يمكنك أن تشرح لنا المعمارية “ما بعد الترانسفورمر” التي تقدمونها وكيف تختلف عن الأنظمة الحالية المعتمدة على الترانسفورمر؟
توصّلنا إلى معمارية جديدة تسمى Baby Dragon Hatchling (BDH)، التي تربط بشكل رسمي كيفية معالجة الترانسفورمر للمعلومات وكيفية ظهور العقل في الدماغ. يتصرف BDH مثل نظام فيزيائي: نموذج حاسوبي يشبه الدماغ حيث يتشارك العصبونات في جهد لاكتشاف الحقيقة التالية الأكثر صلة. لا تقتصر العقلانية السياقية على القيود الهندسية، مثل طول السياق الثابت للترانسفورمر، ولكنها تتوسع مع عدد العصبونات في النموذج.
كيف يلتمس نهجك الإلهام من العقل البشري، خاصة في تمكين التكيف والتعلم المستمر دون إعادة التدريب؟
BDH يقرب الذكاء الطبيعي والذكاء الاصطناعي. هذه المعمارية مستوحاة من طريقة عمل العصبونات والسينابس في الدماغ. إنها ترسم آليات الانتباه البيولوجية إلى مفهوم الانتباه الحاسوبي في التعلم الآلي، مما يخلق جسرًا قابلًا للتطوير بين الترانسفورمر والدماغ.
ما هي التحديات الرئيسية في بناء محرك معالجة البيانات الحية الذي يمكن أن ي поддержي هذه القدرات على نطاق واسع؟
تعتمد عروض Pathway للشركات على أسرع محرك لمعالجة البيانات في السوق. يعتمد هذا المحرك على قدرتنا على التعامل مع المدخلات في الوقت الفعلي والاستجابة للمعلومات الجديدة بزمن انطلاق منخفض. مع اختراق BDH الحالي، نضمن أن هذه القدرة على التكيف في الوقت الفعلي تمتد إلى النماذج الأساسية للذكاء الاصطناعي المستخدمة في التوزيعات.
ما هي الحالات الاستخدامية الأكثر إقناعًا التي ت đòiن حقًا هذه المرحلة التالية من الذكاء الاصطناعي، وأين تقع الأنظمة المعتمدة على الترانسفورمر الحالية؟
لقد تم تمديد وظيفة الذكاء الاصطناعي التوليدي ليتكيف بسرعة مع المعلومات الجديدة والاعتماد بشكل عميق على “زمن المهمة”، ولكن لا شيء حتى الآن يمكن أن يغني عن توظيف شخص موهوب للغاية.
يمكنك أن تشاركنا أمثلة حول كيفية تطبيق المنظمات مثل حلف شمال الأطلسي أو La Poste أو Formula 1 لتكنولوجيا Pathway وأثرها؟
حلف شمال الأطلسي وLa Poste وفريق Formula 1 هم بالفعل من المبكرين في تكنولوجيا Pathway.
ما هي أكبر العوائق أمام نشر الأنظمة التكيفية في صناعات مثل الرعاية الصحية أو الدفاع، وكيف تتعامل معها؟
بتصميمها، تنتج النماذج الحالية المحتوى الجديد بدون حكم – دعوه “الجديد” في الذكاء الاصطناعي. تحتاج العديد من الصناعات الخاضعة للتنظيم بشدة إلى الحوكمة بالتعريف، وتنظر بتحفظ إلى نشر عمليات الأعمال التي تعتمد على الذكاء الاصطناعي بدون تكرار وثقة ومراقبة.
ما هي الاعتبارات الأخلاقية أو الحماية الأساسية التي ت لزم عندما تبدأ أنظمة الذكاء الاصطناعي في التعلم والتكيف في الوقت الفعلي؟
النماذج التي تتعلم من الخبرة في الواقع لديها فرص أفضل لكونها آمنة من النماذج الحالية المعتمدة على الترانسفورمر. واحد من عناصر هذا هو حقيقة أن التعلم المستمر يعطيها فرصة لتصحيح نفسها وتحديث مفاهيمها الخاطئة إذا كانت خاطئة.
ماذا سيتطلب الأمر لتصبح معمارية “ما بعد الترانسفورمر” سائدة عبر مجتمع الذكاء الاصطناعي؟
نموذج في السوق الذي يكون مفيدًا للغاية وله تكاليف استدلال منخفضة بشكل كبير مع كونها أسرع. نعتقد أن هناك فوز سوقي يمكن تحقيقه، خاصة في الشركات.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Pathway.
