وُلِد عراب الذكاء الاصطناعي هينتون في عائلة عبقرية، لكنه كان من المتسربين من الدراسة. فاز بجائزة تورينج وجائزة نوبل في السبعينيات من عمره.

في ديسمبر 2012، انطلق العراب الذكاء الاصطناعي جيفري هينتون في طريقه إلى كازينو Harrah's. وكان هدف رحلته هو بيع شركة التعلم العميق التي تم إنشاؤها حديثًا DNNresearch. لم يكن لدى هينتون أي فكرة عن المبلغ الذي يمكن أن تباع به هذه "الشركة الوهمية" التي تضم 3 موظفين فقط، ولا منتجات، ولا أعمال، وعمرها بضعة أشهر فقط، ولكن كان عليه جمع مبلغ كبير من المال لعلاج مرض ابنه، وسيكون هذا المزاد هو فرصته الأفضل.

وفي الوقت نفسه، أرسلت أربع شركات تكنولوجية، بما في ذلك بايدو، وجوجل، ومايكروسوفت، وديب مايند، ممثليها إلى الحدث. ولم يكن هدفهم مجرد الاستيلاء على هذه الشركة "الجديدة كشركة جديدة".وبدلاً من ذلك، كان الهدف هو "تجميع واستحواذ" الموظفين الثلاثة الذين يقفون وراء الشركة - هينتون وطلابه إيليا سوتسكيفر وأليكس كريزيفسكي.

**قبل شهرين فقط من المزاد، فازت الشبكة العصبية التلافيفية العميقة AlexNet التي اقترحها فريق هينتون بتحدي التعرف على الصور ImageNet.**وعلى عكس التعلم السطحي الذي كان شائع الاستخدام من قبل، قامت AlexNet ببناء شبكة عصبية تشبه الدماغ يمكنها تعلم مهارات جديدة مثل تصنيف الصور من خلال تحليل كميات هائلة من البيانات. أطلق هينتون على هذه العملية اسم "التعلم العميق". من المذهل أن ظهور AlexNet أدى بشكل مباشر إلى تقليل معدل خطأ تصنيف الصور بمقدار 9.4% (قام بطل عام 2011 بتخفيض معدل الخطأ بمقدار 1.4% فقط مقارنة بعام 2010). لن تغير هذه التكنولوجيا رؤية الكمبيوتر فحسب، بل ستغير أيضًا برامج المحادثة الآلية، والقيادة الذاتية، والتوصيات الذكية، والترجمة في الوقت الفعلي، وحتى تصميم الأدوية، والتشخيص الطبي، وتطوير المواد، والتنبؤ بالطقس، وغيرها من المجالات.

وإدراكًا منها للإمكانيات الهائلة الكامنة وراء هذا الإنجاز، اجتمعت هذه الشركات الأربع هنا. كانت شركة DeepMind قد تأسست للتو منذ عامين ولم تكن قادرة على المنافسة مع عمالقة التكنولوجيا، لذا انسحبت بسرعة من المزاد. وبما أن سعر المزايدة استمر في الارتفاع، انسحبت شركة مايكروسوفت أيضًا. وعندما وصل السعر إلى 44 مليون دولار، توقف هينتون عن المزايدة. كان عالماً، وليس رجل أعمال، وكان السعر الحالي يفوق توقعاته بكثير. كان العثور على منزل مناسب لبحثه هو ما كان ينبغي عليه أن يفكر فيه أكثر.وفي النهاية قرر بيع الشركة إلى جوجل، وفي الوقت نفسه انضم متدربوه الثلاثة أيضًا إلى جوجل.

قبل ذلك، كان التعلم العميق مجرد بحث أكاديمي في برج عاجي، ولم تكن العديد من شركات التكنولوجيا تأخذه على محمل الجد. وقد أطلق هذا المزاد السري رسميًا شرارة انطلاق تحول صناعة التعلم العميق. أدلى يو كاي، مؤسس ورئيس تنفيذي لشركة Horizon Robotics والمدير السابق لمختبر التعلم العميق في Baidu، والذي كان شاهد عيان شارك في المزاد نيابة عن Baidu في ذلك الوقت، بهذا التعليق.

دراسة أولية للشبكات العصبية، تتحدى سلطة الذكاء الاصطناعي مينسكي

يُعتقد بشكل عام في الوقت الحاضر أن طفرة الذكاء الاصطناعي التي نشهدها بدأت باختراقات كبيرة في تكنولوجيا التعلم العميق، وفي هذه العملية، يُعد هينتون بلا شك "عراب الذكاء الاصطناعي" الأكثر شهرة. بعد كل شيء، قليل من الناس هم الذين يستطيعون، مثله، قيادة التطور التكنولوجي لعصر ما بشكل مباشر، مع التركيز على أبحاثهم الشخصية كجوهر. لقد فعلها هينتون. ورغم أن العملية استغرقت قرابة 60 عاماً، إلا أنه حقق إنجازات تاريخية خلال ستين عاماً من حياته.

**وُلِد هينتون في ديسمبر 1947 في "عائلة عباقرة" في لندن، إنجلترا.**كان جده الأكبر جورج بول رائدًا في المنطق الرياضي، وتم تسمية الجبر البولياني والمنطق البولياني باسمه؛ لم يكن جده الأكبر تشارلز هينتون عالم رياضيات فحسب، بل كان أيضًا كاتبًا مشهورًا في مجال الخيال العلمي؛ انتخب والده هوارد هينتون زميلاً في الجمعية الملكية في لندن وكان عالم حشرات مشهوراً؛ كانت ابنة عمه جوان هينتون أول صديقة دولية تحصل على البطاقة الخضراء الصينية وواحدة من الفيزيائيات النوويات اللاتي بنين أول قنبلة ذرية في الولايات المتحدة.

ولد هينتون في مثل هذه العائلة، وهو ذكي وذكي بطبيعته، ولكن ربما يكون ذلك بسبب وجود الكثير من الأفكار والآراء الخاصة به في قلبه.وجد هينتون صعوبة في التكيف مع نظام التعليم التقليدي، وكانت حياته الطلابية مليئة بالتقلبات والمنعطفات.

كطالب جامعي، التحق هينتون بكلية كينجز، جامعة كامبريدج لدراسة الفيزياء والكيمياء، لكنه ترك الدراسة بعد شهر واحد. وبعد مرور عام، حضر يومًا واحدًا من الفصول الدراسية في قسم الهندسة المعمارية، وقرر التحول إلى الفيزياء وعلم وظائف الأعضاء، ثم ترك الدراسة مرة أخرى. ثم انتقل إلى دراسة الفلسفة، لكنه توقف مرة أخرى. وأخيرًا، اختار دراسة علم النفس، وفي عام 1970، حصل هينتون أخيرًا على درجة البكالوريوس في علم النفس التجريبي.

إن هذه التجربة التعليمية ليست مجيدة بالنسبة لعملاق الأكاديمية اليوم، لدرجة أن هينتون قال ذات مرة ساخراً: "قد أعاني من نوع من اضطراب فرط الحركة ونقص الانتباه التعليمي ولا أستطيع الدراسة بهدوء". ومع ذلك، بالنسبة لشاب يبلغ من العمر 18 عامًا، فإن الجرأة على المحاولة والفشل هي أيضًا نوع من الشجاعة. بعد استبعاد المواضيع التي لا تناسبه،وأخيرًا قرر هينتون الاتجاه المستقبلي الذي سيتخذه، وهو السماح للآلات بمحاكاة الدماغ البشري. وفي العقود التالية، حتى في مواجهة الشكوك التي لا تعد ولا تحصى، لم يغير رأيه أبدًا.

يعود اهتمام هينتون بالدماغ إلى سنوات دراسته الثانوية: "أخبرني أحد أصدقائي ذات مرة أن الدماغ يعمل مثل الهولوغرام ويخزن أجزاء من الذكريات من خلال شبكة من الخلايا العصبية، وهو ما أثار اهتمامي". ولكن في ذلك الوقت لم يكن أحد يعرف الكثير عن الدماغ، وحتى أساتذته في جامعة كامبريدج لم يتمكنوا من إعطائه إجابة. ربما لأنه شعر بالضياع في دراسته، اختار هينتون أن يصبح نجارًا بعد تخرجه من الكلية. لطالما أحببتُ النجارة، وكثيرًا ما تساءلتُ إن كنتُ سأكون أكثر سعادةً لو أصبحتُ مهندسًا معماريًا. في البحث العلمي، كنتُ دائمًا أُجبر نفسي على ذلك. دفعتني أسبابٌ عائليةٌ إلى النجاح. كان هناك سعادةٌ في ذلك، لكن قلقٌ أكبر.

لكن عندما قابلتُ نجارًا بارعًا بحق، أدركتُ سريعًا أنني لستُ مناسبًا لهذه المهنة. في ذلك الوقت، طلبت شركة فحم من النجار صنع بابٍ لقبوٍ مظلمٍ ورطب. نظرًا لخصوصية البيئة، رتّب الخشب في الاتجاه المعاكس لتعويض تشوّه الخشب الناتج عن تمدد الرطوبة. لم أفكر بهذه الطريقة من قبل. كان بإمكانه أيضًا قطع قطعة خشب إلى مربعات بمنشار يدوي. مقارنةً به، أنا متأخرٌ جدًا! ربما أكون أكثر ملاءمةً للعودة إلى الجامعة لدراسة الذكاء الاصطناعي. وبعد سنوات عديدة، عندما سئل هينتون عن سبب عودته إلى المجال الأكاديمي، أجاب على النحو التالي.

ومن الجدير بالذكر أنه خلال الفترة التي كان يعمل فيها نجارًا، لم يتخل هينتون أبدًا عن فكرة استكشاف الدماغ. كان يذهب إلى المكتبة كل أسبوع ليتعلم بنفسه كيفية عمل الدماغ، وفي النهاية قرر أن الشبكات العصبية هي "الطريق" الذي يجب أن يسعى إليه. ثم قبل هينتون وظيفة قصيرة الأجل في علم النفس في الجامعة التي كان والده يدرس فيها، واستخدم هذا كنقطة انطلاق للدخول في برنامج الذكاء الاصطناعي في جامعة إدنبرة في المملكة المتحدة في عام 1972. وكان معلمه كريستوفر هيغينز مهتمًا جدًا بمجال الدماغ والذكاء الاصطناعي الجديد، والذي تزامن مع أفكار هينتون.

لكن قبل أن يلتحق بالجامعة، "تمرد" كريستوفر هيغينز فجأة. كان استخدام الشبكات العصبية الاصطناعية لمحاكاة تخزين الدماغ البشري والتفكير يعتبر أمرًا لا يصدق في ذلك الوقت. كان معلم هينتون يعتقد أن الشبكات العصبية عديمة الفائدة تمامًا. وكان السبب هو:**ويرجع ذلك إلى أن مارفن لي مينسكي، أحد مؤسسي الذكاء الاصطناعي، كتب كتابًا عن الشبكات العصبية في ذلك الوقت بعنوان "بيرسيبترون"، حيث حكم على الشبكات العصبية بالإعدام.**وأشار إلى أن الشبكات العصبية أحادية الطبقة تتمتع بقوة تعبيرية محدودة ولا يمكنها حل سوى المشكلات البسيطة؛ قد تكون الشبكات العصبية متعددة الطبقات قادرة على حل المشكلات المعقدة، ولكن لا يمكن تدريبها، وكلاهما طريق مسدود.

كان كريستوفر هيغينز مقتنعًا، لكن هينتون أصرّ على وجهة نظره: "الجميع مخطئون. الدماغ عبارة عن شبكة عصبية ضخمة. يجب أن تكون الشبكات العصبية قابلة للتنفيذ لأنها تعمل في أدمغتنا". لقد أثبت مينسكي رياضيا عدم قدرة الشبكات العصبية أحادية الطبقة، وهو أمر لا يمكن تغييره، ولكن هل مشكلة عدم القدرة على تدريب الشبكات العصبية متعددة الطبقات غير قابلة للحل حقا؟ قرر هينتون العثور على طريقة جديدة للخروج من هنا. ولكن لسوء الحظ، لم يتمكن من العثور على حل لهذه المشكلة حتى حصل على درجة الدكتوراه. من جامعة إدنبرة في عام 1978.

كنت ألتقي بمشرفي مرة أسبوعيًا، وأحيانًا كان ينتهي الأمر بشجار. كان ينصحني مرارًا وتكرارًا بألا أضيع وقتي في دراسة الشبكات العصبية. كنت أطلب منه أن يمنحني ستة أشهر أخرى لأثبت فعالية الشبكات العصبية. بعد ستة أشهر، كنت أكرر نفس الكلام حتى أتخرج،" ضحك هينتون عندما أُجريت معه مقابلة بعد سنوات عديدة.

صعود التعلم العميق

"التخرج يعني البطالة"، هذا ما ينعكس بعمق في هينتون. في ذلك الوقت، كان الذكاء الاصطناعي في خضم شتاء بارد. بعد التحقيق في تقدم أبحاث الذكاء الاصطناعي، وجد الموظفون البريطانيون ذوو الصلة أن معظم الذكاء الاصطناعي لم يحقق الوعد الأولي - أي أنه لم تنتج أي نتائج في هذا المجال ما يسمى بالتأثير الكبير. ونتيجة لذلك، بدأت الحكومة في خفض الاستثمار، وفي الوقت نفسه، أصبحت الشبكات العصبية مجرد جزء من الذكاء الاصطناعي، وكانت مهمشة بطبيعة الحال.

فبدأ هينتون يبحث في الخارج، وفوجئ عندما وجد أن هناك مجموعة صغيرة من الناس في جنوب كاليفورنيا يفكرون بنفس الطريقة التي يفكر بها. تتيح الأوساط الأكاديمية الأمريكية وجهات نظر مختلفة. هنا، إذا أخبرتَ شخصًا أنك تعمل على الشبكات العصبية، فسينصت إليك.

في عام 1981، في مؤتمر أكاديمي، التقى سكوت فالمان، الأستاذ في جامعة كارنيجي ميلون، بهينتون وطرح عليه فكرة تجنيد هينتون. كان فالمان يعتقد أن الشبكات العصبية كانت "فكرة مجنونة"، ولكن الأبحاث الأخرى التي أجريت في مجال الذكاء الاصطناعي كانت مجنونة بنفس القدر. على أية حال، تمكن هينتون في النهاية من العثور على موطئ قدم لأبحاثه "غير التقليدية".

بعد انضمامه إلى الشركة، أصبح لدى هينتون أجهزة كمبيوتر أفضل وأسرع، مما سمح له بوضع العديد من أفكاره موضع التنفيذ. **في عام 1986، نشر بحثه الشهير "تعلم التمثيلات عن طريق الانتشار الخلفي للأخطاء" في مجلة Nature، والذي حل في النهاية مشكلة كيفية تدريب الشبكات العصبية متعددة الطبقات.**يعتبر الانتشار الخلفي هو أساس التعلم العميق. وقد تم الاستشهاد بهذه الورقة البحثية الآن أكثر من 55 ألف مرة، ولكنها لم تحظى باهتمام كبير في ذلك الوقت. وقال هينتون في مقابلة: "لقد أخطأنا تمامًا في تقدير كمية قوة الحوسبة وعدد العينات التي سنحتاجها". يمكن للشبكات العصبية متعددة الطبقات أن تتعلم الأنماط من عدد كبير من عينات التدريب وتقوم بالتنبؤ بأحداث غير معروفة، ولكن أجهزة الكمبيوتر في ذلك الوقت لم تكن قادرة على معالجة مثل هذه الكميات الكبيرة من البيانات، مما يجعل من الصعب وضعها موضع التنفيذ في تطبيقات محددة. وسرعان ما تحول اهتمام علماء آخرين في نفس المجال إلى بدائل أخرى غير الشبكات العصبية.
الورقة الأصلية "تعلم التمثيلات من خلال الأخطاء المنتشرة للخلف": https://www.nature.com/articles/323533أ0

وبسبب قلقها بشأن المناخ السياسي في الولايات المتحدة في ذلك الوقت، اقترحت زوجته روز أن ينتقلا إلى كندا. في عام 1987، غادر هينتون جامعة كارنيجي ميلون وانضم إلى جامعة تورنتو. وبعد فترة وجيزة، تبنى الزوجان ابنًا وابنة. في عام 1994، توفي روز للأسف بسبب سرطان المبيض، لكن لم يكن لديه وقت للحزن المفرط. من ناحية، كان تحت ضغط كبير من البحث العلمي، ومن ناحية أخرى، ترك طفليه اللذين لم يتجاوزا السادسة من العمر دون رعاية. ولجعل الأمور أسوأ، كان ابنه يعاني من اضطراب نقص الانتباه وفرط النشاط، وكان هينتون نفسه يعاني من مرض في أسفل الظهر.

"كانت هناك مرات عديدة شعرت فيها أنني لن أكون قادرًا على الاستمرار في القيام بهذه الوظيفة."

ولكن هينتون تمكن في النهاية من الصمود. بفضل التمويل من الحكومة الكندية، يعقد هينتون ندوة سنوية بعنوان "الحوسبة العصبية والإدراك التكيفي" للباحثين الذين ما زالوا يصرون على الشبكات العصبية، على أمل أن يتمكن الجميع من تبادل الأفكار هنا. ومن الجدير بالذكر أن يانغ ليكون وبينجيو هم أيضًا أعضاء في المجموعة. ويُعرف الثلاثة باسم "عمالقة التعلم العميق الثلاثة" وفازوا معًا بجائزة تورينج لعام 2018.

ولفترة طويلة بعد ذلك، ركز هينتون على أبحاث الشبكات العصبية، ونشر أكثر من مائة ورقة بحثية متتالية، ونما تدريجيًا ليصبح خبيرًا في مجال الذكاء الاصطناعي. ومع ذلك، فإنه لا يزال غير قادر على تغيير التحيز العام ضد الشبكات العصبية على نطاق واسع. لقد أدرك أنه إذا لم يتم حل مشكلة صعوبة تدريب الشبكات العصبية متعددة الطبقات، فسيكون من المستحيل عكس وجهة نظر الناس القائلة بأن الشبكات العصبية ليس لها مستقبل.
هينتون جوجل سكولار: https://scholar.google.com/citations?user=JicYPdAAAAAJ&hl=en

**في عام 2006، نشر هينتون ورقة بحثية بعنوان "طريقة التعلم السريع القائمة على شبكات الاعتقاد العميق"**في ذلك الوقت، رفضت العديد من المجلات والدوريات الأوراق البحثية التي تحمل كلمة "الشبكة العصبية" في العنوان، لذلك استخدم هينتون التعلم العميق بدلاً من الشبكة العصبية متعددة الطبقات، وتم نشر المقال. تحتوي كل طبقة من شبكة المعتقدات العميقة المذكورة في الورقة على "آلات بولتزمان المقيدة". بعد أن قام هينتون بتدريبه مسبقًا طبقة بعد طبقة من خلال التعلم غير الخاضع للإشراف، وجد أنه مع زيادة عمق الشبكة، تحسن أداء النموذج وفقًا لذلك. عندما تم ربط تأثير التطبيق بشكل إيجابي بعدد طبقات الشبكة، تم التعرف أخيرًا على إمكانات الشبكات العصبية متعددة الطبقات.
الورقة الأصلية "خوارزمية التعلم السريع لشبكات الاعتقاد العميق": https://direct.mit.edu/neco/article-abstract/18/7/1527/7065/A-Fast-Learning-Algorithm-for-Deep-Belief-Nets

**بعد ست سنوات من التحضير، في عام 2012، أصبح هينتون واثنان من الطلاب رائدين في تصميم الشبكة العصبية العميقة AlexNet.**تمكنت الشبكة من سحق جميع منافسيها في أول ظهور لها في مسابقة التعرف على الصور ImageNet. والأمر الأكثر إثارة للصدمة هو أن الفريق استخدم 4 وحدات معالجة رسومية من نوع NVIDIA فقط أثناء التدريب الذي استمر لمدة أسبوع.**ومنذ ذلك الحين، تم أخيرا تعويض العيوب الثلاثة في التعلم العميق - الخوارزميات، وقوة الحوسبة، والبيانات.**اختفت أيضًا خوارزميات التعلم السطحي في هذه المنافسة. ومن الجدير بالذكر أن فريق جوجل شارك أيضًا في هذه المسابقة، ولهذا السبب قاموا بتجنيد هينتون بأي ثمن في المزاد المذكور أعلاه.

قال والد هينتون له ذات مرة: "طالما أنك تعمل بجد بما فيه الكفاية، فربما عندما تصبح ضعف عمري، يمكنك تحقيق نصف إنجازاتي". لذلك، يقول هينتون الآن في كثير من الأحيان إن ورقة AlexNet تم الاستشهاد بها أكثر بكثير من أي من أوراق والده. ليس هناك شك في أن AlexNet هي واحدة من الأوراق البحثية الأكثر تأثيرًا في تاريخ أجهزة الكمبيوتر. إن ظهورها لا يشكل نقطة تحول في التعلم العميق فحسب، بل يشكل أيضًا نقطة تحول في صناعة التكنولوجيا العالمية. بعد هذه الحادثة، زادت شركات التكنولوجيا العملاقة بقيادة جوجل ومايكروسوفت وأبل ونفيديا من استثماراتها الاستراتيجية في التعلم العميق واستخدمته للتوصيات الذكية، والتعرف على الصور، والترجمة في الوقت الفعلي، وحتى تصميم الأدوية، والتشخيص الطبي، وتطوير المواد، والتنبؤ بالطقس، ونمذجة البيئة البحرية، وما إلى ذلك. بدأت تكنولوجيا الذكاء الاصطناعي في إحداث تأثير عميق في مختلف الصناعات.

من الأوساط الأكاديمية إلى الأعمال التجارية، مع التركيز على تطبيق التعلم العميق في المجال الطبي

**ومن الجدير بالذكر أنه بعد انضمامه إلى جوجل، احتفظ هينتون بمنصبه كأستاذ في جامعة تورنتو لأنه لم يرغب في ترك طلابه.**قال هينتون في خطابه بمناسبة حصوله على جائزة نوبل هذا العام: "كنت محظوظًا جدًا بوجود العديد من الطلاب الذين كانوا أذكى مني. لقد نجحوا حقًا في إنجاز الأمور، وحققوا لاحقًا نجاحًا باهرًا". ويفخر هينتون بأن يكون من بين طلابه كل من كبير العلماء السابقين في OpenAI إيليا سوتسكيفر، ومدير الذكاء الاصطناعي السابق في Apple رسلان سالاخوتدينوف، وكبير العلماء في Meta ليكون يانج، والأستاذ في جامعة ستانفورد أندرو نج. قال تلميذه جورج دال ذات مرة إنه في كل مرة يرى فيها ورقة بحثية أو باحثًا مهمًا، فإنه يجد ارتباطًا مباشرًا أو غير مباشر بهينتون. "لا أعلم ما إذا كان هينتون قد اختار هؤلاء الأشخاص الناجحين أم أنه جعلهم ناجحين، ولكن بعد التجربة، أعتقد أنه كان السبب الثاني."

وقد أثبتت الحقائق أن انضمام هينتون إلى جوجل كان بلا شك الخيار الصحيح. خلال فترة عمله كنائب رئيس وباحث في جوجل، بالإضافة إلى أنه لم يعد مضطرًا للقلق بشأن تمويل الأبحاث، فقد منحته المنصة المفتوحة أخيرًا مساحة كافية لعرض مواهبه. وفي الوقت نفسه، في "حرب المواهب" بين الشركات الكبرى، قامت جوجل مرة أخرى بخطوة كبيرة، حيث استحوذت على DeepMind، وأطلقت AlphaGo في عام 2014، مما أدى بسرعة إلى ترسيخ ريادتها في مجال الذكاء الاصطناعي.
*يجمع AlphaGo بين البحث الشجري المتقدم والشبكات العصبية العميقة ليهزم لاعبًا بشريًا محترفًا في لعبة Go لأول مرة

بالإضافة إلى تطبيق التقنيات المتطورة على منتجات Google الحالية (محركات البحث، والتعرف على الصور، ومعالجة اللغة، والتوصيات الشخصية، وما إلى ذلك)، يتم أيضًا استخدام التعلم العميق لحل المشكلات الأكثر إزعاجًا في حياة الناس اليومية. على سبيل المثال، في مجال الرعاية الصحية، أطلقت جوجل نظام الذكاء الاصطناعي للكشف عن مرض السكري، وسرطان الثدي، وأمراض الرئة، وأمراض القلب والأوعية الدموية. ومن المتوقع أن يؤدي تطبيق هذه التقنيات ليس فقط إلى تحسين معدل التشخيص المبكر للأمراض، بل وأيضاً إلى توفير خيارات علاج أكثر تخصيصاً للمرضى.

ليس هناك شك في أن التعلم العميق يمكن أن يسرع تطوير البحث العلمي الأساسي من خلال معالجة كميات كبيرة من البيانات.**ولكن بالنسبة لهينتون، فإن تطبيق الذكاء الاصطناعي في مجال الرعاية الصحية يعد جذابًا بشكل خاص بالنسبة له.**ومن بين إنجازاته الشخصية، يُعدّ إدخال خوارزميات أو نماذج جديدة، واستخدام الذكاء الاصطناعي للتنبؤ بالأمراض أحد التطبيقات القليلة التي يشارك فيها بشكل مباشر. قد يكون هذا بسبب تجربته الشخصية - فقد توفيت زوجته الأولى روز بسرطان المبيض، كما تم تشخيص إصابة زوجته الحالية جاكي بسرطان البنكرياس. يعتقد أن "التشخيص المبكر ليس مشكلة تافهة. يمكننا أن نفعل ما هو أفضل. لماذا لا ندع الآلات تساعدنا؟"

اليوم، معظم ما نسميه الذكاء الاصطناعي هو عبارة عن تعلم عميق. يعتقد عالم النفس الحسابي بجامعة برينستون جون كوهين أن أساس كل التعلم العميق هو الانتشار الخلفي، وهو الأمر الذي شكك فيه هينتون. في أكتوبر 2017، صرح هينتون علنًا في مؤتمر للذكاء الاصطناعي في تورنتو أن خوارزمية الانتشار الخلفي ليست هي الطريقة التي يعمل بها الدماغ، مما قلب أبحاثه الخاصة على مدى العقود القليلة الماضية.ومن ثم اقترح بنية جديدة للشبكة العصبية - شبكة الكبسولة CapsNet. الورقة الأصلية: التوجيه الديناميكي بين الكبسولات

https://arxiv.org/abs/1710.09829

بالمقارنة مع الشبكات العميقة، فإن مزايا شبكات الكبسولة هي التدريب الأسرع، والتدريب الأكثر دقة، والبيانات المطلوبة أقل. على الرغم من أن البحث النظري حول الكبسولات لا يزال في مراحله الأولى ولا يزال هناك العديد من المشاكل التي يتعين حلها، إلا أن هينتون لا يزال يؤمن بنفسه: "يجب أن تكون نظرية الكبسولة صحيحة، والفشل مؤقت فقط". وقد تم نشر بحثه "التوجيه الديناميكي بين الكبسولات". هذه المرة، ما إذا كانت شبكة الكبسولة ستستمر في مواجهة عقود من الاستقبال البارد، وما إذا كان هذا العراب للذكاء الاصطناعي قادرًا على إعادة كتابة تاريخ التعلم العميق مرة أخرى، فسوف ننتظر ونرى.

قد يتحكم الذكاء الاصطناعي بالبشر

منذ ظهور ChatGPT، كانت هناك موجة من التعلم والبحث في مجال الذكاء الاصطناعي في جميع أنحاء العالم. لقد زادت كمية المحتوى المرتبط بالذكاء الاصطناعي على المواقع الرئيسية بشكل ملحوظ، ودخلت مئات الشركات الناشئة السوق، المخصصة لتطوير النماذج الأساسية، وبناء أدوات الذكاء الاصطناعي، وما إلى ذلك.

خذ Nvidia كمثال. وباعتبارها أحد الموردين الرئيسيين لشرائح الذكاء الاصطناعي والبنية الأساسية، فقد تجاوزت قيمتها السوقية شركتي Apple وMicrosoft في مرحلة ما لأن وحدة معالجة الرسومات التي طورتها كانت حاسمة في تدريب نماذج الذكاء الاصطناعي. وهذا انعكاس بديهي للتطور السريع لتكنولوجيا الذكاء الاصطناعي.

ومع ذلك، عندما يواصل العالم الخارجي "الترويج" لفكرة أن الذكاء الاصطناعي قادر على تمكين كل شيء، أصبح هينتون استثناءً - "الذكاء الاصطناعي سيهدد الأمن البشري".

قال ذات مرة روبرت أوبنهايمر، "أبو القنبلة الذرية" الذي قاد مشروع مانهاتن خلال الحرب العالمية الثانية، بمرارة: "أنا الآن إله الموت، مدمر هذا العالم". وبينما يسعى العلماء إلى البحث عن الحقيقة، فإنهم يأملون أيضاً في تحسين حياة الإنسان، ولكن القنبلة الذرية تنحرف بوضوح عن هذا الهدف. وعندما شهدوا مشهد يوم القيامة أثناء اختبار القنبلة الذرية الأولى، شعروا بمزيد من الخوف والقلق بشأن المستقبل بدلاً من مجرد فرحة النجاح.

وتنشأ مخاوف مماثلة أيضًا في هينتون. في عام ٢٠٢٤، وخلال بث مباشر لإعلان جائزة نوبل، قال: "أشعر بالذنب والندم. أنا قلق من أن أنظمة الذكاء الاصطناعي الأذكى منا ستسيطر في النهاية على كل شيء".

من خلال التعلم من الكتب المختلفة والمؤامرات السياسية، قد تصبح الذكاء الاصطناعي ماهرة للغاية في إقناع الناس. إذا لم تكن هناك رقابة كافية، فقد "تتلاعب" بالبشر للقيام بسلوكيات غير متوقعة. هذا هو ما يقلق هينتون أكثر من غيره. على سبيل المثال، عندما يعطي البشر تعليمات للذكاء الاصطناعي للحد من تغير المناخ، قد يتخذ الذكاء الاصطناعي تدابير للقضاء على البشر من أجل تحقيق هذا الهدف. يعتقد هينتون: "يقول كثير من الناس إن مجرد إيقاف تشغيل الطاقة يمكن أن يمنع الذكاء الاصطناعي من الخروج عن السيطرة، ولكن الذكاء الاصطناعي الذي يفوق الذكاء البشري يمكن أن يتلاعب بنا من خلال اللغة ويحاول إقناعنا بعدم إيقاف تشغيل الطاقة".

**في مايو 2023، غادر هينتون جوجل لمناقشة قضايا سلامة الذكاء الاصطناعي بحرية أكبر.**حاول جيف دين إقناعي بالبقاء، لكنني رفضت عرضه. حتى لو لم تكن هناك قيود واضحة، لو كنت لا أزال عضوًا في جوجل، لوجب عليّ مراعاة مصالح الشركة عند التحدث.

وباعتباره أحد أوائل الأشخاص الذين أدركوا المخاطر الأمنية التي يفرضها الذكاء الاصطناعي، كان هينتون قلقًا بشأن كيفية جذب المزيد من الأشخاص للاهتمام بهذه القضية. واقترح زملاؤه وطلابه أن يستخدم منصات الإعلام ونفوذه لدعوة الجمهور إلى الاهتمام بسلامة الذكاء الاصطناعي.**ولذلك، بعد مغادرته جوجل، بدأ هذا الباحث البسيط في قبول المقابلات الإعلامية بشكل متكرر والتحدث بنشاط على منصات التواصل الاجتماعي.**ومن المثير للاهتمام أنه من أجل جذب المزيد من الاهتمام، قامت بعض وسائل الإعلام بتضخيم تصريحات هينتون بشكل متعمد، بل وحاولت حتى حثه على قول بعض المعلومات السلبية عن جوجل. وردًا على ذلك، اختار هينتون الرد علنًا بشكل مباشر على وسائل التواصل الاجتماعي، مركّزًا على كلمة "تمرد".

ولكن لحسن الحظ، لم تذهب جهود هينتون سدى. واليوم، يؤيد العديد من الخبراء مخاوف هينتون، وبدأت بعض شركات التكنولوجيا في استكشاف شفافية الذكاء الاصطناعي وإمكانية تفسيره، كما يتعاون المجتمع الدولي بشكل نشط على أمل وضع قواعد معقولة للذكاء الاصطناعي.

**بالإضافة إلى الاهتمام بالمخاطر المحتملة للذكاء الاصطناعي، يولي هينتون أيضًا اهتمامًا خاصًا لاستهلاك الطاقة في تدريب النماذج الكبيرة.**كما نعلم جميعًا، فإن تدريب نماذج الذكاء الاصطناعي الكبيرة يستهلك عادةً قدرًا كبيرًا من الكهرباء، وخاصة في المناطق التي تعتمد على الوقود الأحفوري. وسوف يؤدي هذا الاستهلاك إلى إنتاج انبعاثات كربونية كبيرة، بل وحتى تعريض المجتمع البشري للخطر. في يونيو/حزيران من هذا العام، أعلن هينتون انضمامه إلى CuspAI، وهي شركة ناشئة في مجال الذكاء الاصطناعي تأسست في أبريل/نيسان 2024 وتركز على استخدام الذكاء الاصطناعي التوليدي لتطوير مواد جديدة لمكافحة تغير المناخ. وقال هينتون: "أنا معجب بمهمة CuspAI في تسريع تصميم مواد جديدة من خلال الذكاء الاصطناعي للحد من تغير المناخ".

منذ الوقت الذي توصل فيه لأول مرة إلى فكرة استكشاف كيفية عمل الدماغ في المدرسة الثانوية إلى الوقت الذي واجه فيه شكوكًا لا حصر لها أثناء البحث الفعلي، بقي هينتون على هامش الأوساط الأكاديمية لأكثر من 30 عامًا، لكنه ظل متمسكًا دائمًا بأفكاره وفاز في النهاية بجائزة تورينج وجائزة نوبل في الفيزياء وجوائز أخرى لإنجازاته الرائدة في الشبكات العصبية. لكن هذا العالم، المعروف بأنه والد التعلم العميق والأب الروحي للذكاء الاصطناعي، بدأ فجأة يتساءل عن موعد وصول مسيرته المهنية إلى "الذروة"، معربًا علنًا عن مخاوفه بشأن سلامة الذكاء الاصطناعي وداعيًا إلى التنمية المستدامة للمجتمع البشري.

واليوم يبلغ هينتون 77 عامًا وما زال يعمل في طليعة العلوم، ويدعونا إلى الاهتمام بالتوازن بين الابتكار التكنولوجي والأخلاق والمسؤولية الاجتماعية مع تعزيز تطوير الذكاء الاصطناعي. إن تجربته ليست مجرد أسطورة في تاريخ العلوم فحسب، بل إنها تلهم أيضًا عددًا لا يحصى من الخلفاء للمضي قدمًا.