بقلم سوبر نيرو
لقد لعبنا Go وDOTA2، والآن جاء دور الذكاء الاصطناعي للقيام بأسئلة منطقية في اختبارات الذكاء.
مستوحى من اختبارات الذكاء التقليدية، أطلق فريق DeepMind مؤخرًا تجربة لاختبار قدرة الذكاء الاصطناعي على التفكير.وتظهر النتائج أن الذكاء الاصطناعي لا يستطيع فهم بعض المفاهيم المجردة فحسب، بل يستطيع أيضًا استنتاج مفاهيم جديدة.
عفواً، الذكاء الاصطناعي يحصل على نقطة أخرى~
لا مزيد من الشطرنج، فلنختبر الذكاء الاصطناعي من خلال أسئلة منطقية
في "المؤتمر الدولي للتعلم الآلي" الذي عقد في ستوكهولم بالسويد في يوليو/تموز من هذا العام، نشرت شركة DeepMind ورقة بحثية تفيد بأنه من الممكن قياس قدرة الشبكات العصبية على التفكير من خلال سلسلة من العناصر المجردة، تمامًا مثل اختبار معدل الذكاء البشري.
يعرف الباحثون هذه القدرة على التفكير المجرد بأنها القدرة على اكتشاف الأنماط وحل المشكلات على المستوى المفاهيمي.إن التفكير المجرد هو أحد رموز الذكاء الإنساني. ومن الأمثلة الشهيرة على ذلك استنتاج أينشتاين لنظرية النسبية العامة من خلال تجربة المصعد الفكرية.
في هذه التجربة، استنتج أينشتاين أن هناك تكافؤًا بين مراقب يقع تحت تسارع منتظم ومراقب يقع في مجال جاذبية منتظم.
لقد كانت هذه القدرة على ربط هذين المفهومين المجردين هي التي مكنته من استنباط نظرية النسبية العامة، واقتراح انحناء الزمكان على أساسها. هذه القدرة التجريدية هي إحدى خصائص الذكاء البشري.
ملاحظة: في "مقدمة إلى النظرية النسبية الخاصة والعامة"، أعطى أينشتاين تشبيهًا. هناك شخص في صندوق مغلق لا يستطيع رؤية الخارج. في حالة عدم وجود جاذبية خارجية، يقوم مخلوق غير معروف بسحب الصندوق إلى الأعلى بسرعة تسارع 9.8 متر/ثانية مربعة. الشخص الموجود في الصندوق يشعر بنفس الشعور كما لو كان الصندوق ثابتًا على الأرض. إذا كان يحمل كرة في يده، فإنه لا يستطيع التمييز ما إذا كان الوزن ناتجًا عن جاذبية الأرض أو عن تسارع g إلى الأعلى، وبالتالي فإن الكتلة الجاذبية تساوي الكتلة القصورية.
بالإضافة إلى معالجة البيانات، تتمتع الذكاء الاصطناعي أيضًا بالقدرة على التجريد
فهل تمتلك الذكاء الاصطناعي أيضًا القدرة على استنتاج مفاهيم جديدة من خلال بعض العناصر المجردة؟ وقد أظهرت التجارب التي أجراها فريق DeepMind أن الإجابة هي نعم.
كان الفريق يعتزم في البداية الاعتماد على سمات مثل الشكل والموضع ولون الخط في مادة التدريب لاختبار قدرة الذكاء الاصطناعي على التفكير، لكن النتائج لم تكن مثالية وكان من الصعب عكس قدرة الذكاء الاصطناعي على التفكير بدقة.
أنواع أسئلة اختبار الذكاء الشائعة
السبب الرئيسي هو أنه إذا كانت المواد التجريبية المعدة كثيرة جدًا أو محددة جدًا، فإن الشبكة العصبية، بالاعتماد على قدرتها القوية على التعلم، سترفض التفكير المنطقي لأنها تكتشف القواعد العامة فيها، وينطبق الشيء نفسه على البشر.
وكان حل فريق البحث هو بناء مولد للأسئلة. يتكون مولد الأسئلة هذا من مجموعة من الأسئلة التي تم إنشاؤها من سلسلة من العناصر المجردة، بما في ذلك العلاقات (مثل تطوير الأشياء) والسمات (مثل اللون والحجم)، والتي تم تصميمها خصيصًا لتدريب واختبار قدرة الذكاء الاصطناعي على التفكير.
حققت معظم نماذج الذكاء الاصطناعي أداءً جيدًا في الاختبار، حتى أن بعضها حقق أداء 75%.ووجد الباحثون أن دقة مجموعة الأسئلة ترتبط ارتباطًا وثيقًا بقدرة الذكاء الاصطناعي على استنتاج المفاهيم المجردة، ويمكن تحسين قدرته على التفكير من خلال تعديل خصائص مجموعة الأسئلة.
أسئلة التفكير في الصور تحير معظم أنظمة الذكاء الاصطناعي
في المقابل، يعد التفكير البصري أكثر صعوبة ويتطلب من الذكاء الاصطناعي إنشاء مجموعة خاصة به من الأسئلة استنادًا إلى العناصر المعروضة في الصورة. ومع ذلك، قال فريق DeepMind أن بعض نماذج الذكاء الاصطناعي قادرة بالفعل على التفكير البصري.
وللوصول إلى التفكير البصري، تحتاج هذه النماذج إلى استنتاج واختبار المفاهيم المجردة، مثل العمليات المنطقية والتقدم الحسابي، من وحدات البكسل الخام في الصورة، وتطبيق هذه المفاهيم على الأشياء التي لم يلاحظوها من قبل.
الشكل 1: اختبار التفكير البصري الذي أجراه نموذج التعلم الآلي الذي صممه فريق DeepMind
يثبت الاختبار بأكمله أن الشبكات العصبية يمكن أن تمنح الذكاء الاصطناعي القدرة على التفكير، ولكن هذه القدرة لديها حاليًا قيود كبيرة، وحتى أفضل شبكة علاقات برية (WReN) الحالية لا يمكنها حل هذه المشكلة تمامًا.
حدود تفكير الذكاء الاصطناعي
ويكمن هذا القيد بشكل أساسي في حقيقة أنه من الصعب على الشبكات العصبية اكتشاف عناصر خارج مجموعة المشاكل، مما يؤدي إلى انخفاض القدرة على التعميم أثناء التفكير.
وكتب فريق البحث في تدوينة على مدونته:تتمتع الشبكات العصبية بقدرات استدلال جيدة في ظل ظروف معينة، ولكن مع تغير الظروف، تنخفض قدراتها الاستدلالية بسرعة. إضافةً إلى ذلك، يرتبط نجاح استدلال النموذج بعوامل عديدة، مثل بنية النموذج ومدى تدريبه.
يمكن معالجة هذا القيد إذا تمكنا من إيجاد بعض الطرق لتحسين قدرة النموذج على التعميم واستكشاف التحيزات الاستقرائية التي يمكن استخدامها في النماذج المستقبلية "الغنية بالبنية والقابلة للتطبيق بشكل عام".
ولكن هل كل المهندسين مازوشيون؟
من لعبة Go إلى لعبة DOTA2، يتم هزيمة البشر على يد الذكاء الاصطناعي مرارًا وتكرارًا. هل هو مثير للاهتمام حقا؟
إليكم اقتباسًا مشهورًا ↓↓↓
