دليل الذكاء الاصطناعي: لمحة عن المفاهيم الرئيسية وأفضل اللاعبين في الذكاء الاصطناعي

• المصدر: Techcrunch *

• تجميع: بابيت *

* مصدر الصورة: تم إنشاؤه بواسطة أداة Unbounded AI *

يبدو أن الذكاء الاصطناعي موجود في كل ركن من أركان الحياة الحديثة ، من الموسيقى والوسائط إلى الأعمال والإنتاجية وحتى المواعدة. هناك الكثير من الأشياء التي يصعب مواكبةها. ستغطي هذه المقالة كل شيء بدءًا من آخر التطورات الكبيرة في مجال الذكاء الاصطناعي إلى المصطلحات والشركات التي تحتاج إلى معرفتها للبقاء على اطلاع دائم بأحدث الأمور في هذا المجال سريع الحركة.

أولاً ، ما هو الذكاء الاصطناعي؟

الذكاء الاصطناعي ، المعروف أيضًا باسم التعلم الآلي ، هو نظام برمجي يعتمد على الشبكات العصبية ، وهي تقنية كانت في الواقع رائدة منذ عقود ولكنها ازدهرت مؤخرًا بفضل موارد الحوسبة الجديدة القوية. في الوقت الحالي ، حقق الذكاء الاصطناعي التعرف الفعال على الكلام والصورة ، فضلاً عن القدرة على إنشاء صور تركيبية والكلام. يعمل الباحثون على جعل الذكاء الاصطناعي قادرًا على تصفح الويب وطلب التذاكر وتعديل الوصفات وغير ذلك.

ولكن إذا كنت قلقًا بشأن صعود آلات Matrix-esque - فلا تقلق. سنتحدث عن ذلك لاحقًا!

يتكون دليل الذكاء الاصطناعي هذا من جزأين رئيسيين:

• أولاً: أهم المفاهيم الأساسية التي تحتاج إلى فهمها وأحدث المفاهيم المهمة.
• ثم حدد اللاعبين الرئيسيين في الذكاء الاصطناعي وسبب أهميتهم.

AI 101

* رصيد الصورة: Andrii Shyp / Getty Images *

أحد الأشياء المجنونة حول الذكاء الاصطناعي هو أنه على الرغم من أن مفاهيمه الأساسية تعود إلى أكثر من 50 عامًا ، إلا أن القليل من الأشخاص البارعين في مجال التكنولوجيا كانوا على دراية بمفاهيمه حتى وقت قريب. لذلك لا تقلق إذا كنت تشعر بالضياع - فالجميع كذلك.

لنكن واضحين بشأن شيء واحد مقدمًا: بينما يطلق عليه "الذكاء الاصطناعي" ، فإن المصطلح مضلل بعض الشيء. لا يوجد حاليًا تعريف موحد للذكاء ، ولكن ما تفعله هذه الأنظمة هو بالتأكيد أقرب إلى الآلة الحاسبة من الدماغ ، باستثناء أن مدخلات ومخرجات هذه الآلة الحاسبة أكثر مرونة. قد يكون الذكاء الاصطناعي مثل "جوز الهند الاصطناعي" - إنه ذكاء مقلد.

فيما يلي المصطلحات الأساسية التي ستجدها في أي مناقشة حول الذكاء الاصطناعي.

الشبكات العصبية

تتكون أدمغتنا بشكل كبير من خلايا مترابطة تسمى الخلايا العصبية التي تتشابك معًا لتشكل شبكات معقدة تؤدي المهام وتخزن المعلومات. كان الناس يحاولون إعادة إنشاء هذا النظام المذهل في البرامج منذ الستينيات ، لكن قوة المعالجة المطلوبة لم تكن متاحة على نطاق واسع حتى ما قبل 15-20 عامًا ، عندما سمحت وحدات معالجة الرسومات للشبكات العصبية المحددة رقميًا بالازدهار.

بشكل أساسي ، إنها مجرد الكثير من النقاط والخطوط: النقاط هي البيانات ، والخطوط هي العلاقات الإحصائية بين هذه القيم. كما هو الحال في الدماغ ، يمكن أن ينشئ هذا نظامًا متعدد الوظائف يتلقى المدخلات بسرعة ويمررها عبر الشبكة وينتج مخرجات. هذا النظام يسمى النموذج.

نموذج

النموذج هو المجموعة الفعلية من التعليمات البرمجية التي تأخذ المدخلات وترجع المخرجات. التشابه في المصطلحات مع النماذج الإحصائية ، أو أنظمة النمذجة التي تحاكي العمليات الطبيعية المعقدة ، ليس من قبيل الصدفة. في الذكاء الاصطناعي ، يمكن أن يشير النموذج إلى نظام كامل مثل ChatGPT ، أو تقريبًا أي نظام AI أو بناء للتعلم الآلي ، بغض النظر عما يفعله أو ينتج. تأتي النماذج بأحجام مختلفة ، مما يعني مقدار مساحة التخزين التي تشغلها ومقدار قوة الحوسبة التي تتطلبها للتشغيل. وكل هذا يتوقف على كيفية تدريب النموذج.

يدرب

لإنشاء نموذج ذكاء اصطناعي ، تتعرض الشبكات العصبية التي تشكل أساس النظام لمجموعة من المعلومات تسمى مجموعة البيانات أو مجموعة البيانات. عند القيام بذلك ، تنشئ هذه الشبكات الواسعة تمثيلًا إحصائيًا لتلك البيانات. هذه العملية التدريبية هي الأكثر كثافة من الناحية الحسابية ، مما يعني أنها تستغرق أسابيع أو أشهر على أجهزة الكمبيوتر الضخمة عالية القدرة. والسبب في ذلك ليس فقط أن الشبكات معقدة ، ولكن مجموعات البيانات يمكن أن تكون كبيرة جدًا: يجب تحليل مليارات الكلمات أو الصور وتمثيلها في نماذج إحصائية ضخمة. من ناحية أخرى ، بمجرد تدريب النموذج ، يمكن استخدامه بشكل أصغر وأقل تطلبًا ، وهي عملية تسمى الاستدلال.

* رصيد الصورة: جوجل *

الإستنباط

عندما يعمل النموذج بالفعل ، فإننا نسميه الاستدلال ، والمعنى التقليدي للكلمة هو إلى حد كبير: تحديد نتيجة من خلال التفكير في الأدلة المتاحة. بالطبع ، هذا ليس "استنتاجًا" بالضبط ، ولكنه يربط إحصائيًا النقاط في البيانات التي يستوعبها ، ويتنبأ في الواقع بالنقطة التالية. على سبيل المثال ، قل "أكمل التسلسل التالي: أحمر ، برتقالي ، أصفر ..." ستجد أن هذه الكلمات تتوافق مع بداية القائمة التي تستوعبها ، أي ألوان قوس قزح ، واستقراء العنصر التالي حتى يتم أنتج ما تبقى من جزء القائمة.

عادة ما يكون الاستدلال أقل تكلفة من الناحية الحسابية من التدريب: فكر في الأمر مثل تصفح كتالوج البطاقات بدلاً من تجميعه. لا يزال يتعين تشغيل الطرز الكبيرة على أجهزة الكمبيوتر العملاقة ووحدات معالجة الرسومات ، ولكن يمكن تشغيل الطرز الأصغر على الهواتف الذكية أو الأجهزة الأبسط.

الذكاء الاصطناعي التوليدي

يتحدث الجميع عن الذكاء الاصطناعي التوليدي ، وهو مصطلح واسع يشير ببساطة إلى نماذج الذكاء الاصطناعي التي تولد مخرجات أولية مثل الصور أو النصوص. تلخص بعض أنظمة الذكاء الاصطناعي ، والبعض يعيد التنظيم ، والبعض الآخر يدرك ، وما إلى ذلك - لكن الذكاء الاصطناعي الذي يولد شيئًا ما (سواء كان "يخلق" أم لا هو أمر قابل للنقاش) تحظى بشعبية خاصة في الوقت الحالي. تذكر ، لمجرد أن الذكاء الاصطناعي أنشأ شيئًا ما ، لا يعني ذلك أنه صحيح ، أو حتى أنه يعكس الواقع! إنها فقط غير موجودة حتى تطلبها ، مثل قصة أو لوحة.

الكلمات الساخنة الآن

بخلاف الأساسيات ، إليك أكثر مصطلحات الذكاء الاصطناعي صلةً بمنتصف عام 2023.

نموذج اللغة الكبير (LLM)

النماذج اللغوية واسعة النطاق هي أكثر أشكال الذكاء الاصطناعي تأثيرًا واستخدامًا اليوم ، حيث يتم تدريب النماذج اللغوية واسعة النطاق على جميع النصوص تقريبًا التي تشكل الويب ومعظم المؤلفات باللغة الإنجليزية. يؤدي استيعاب كل هذا إلى نموذج أساسي ضخم (اقرأ). LLMs قادرة على التحدث والإجابة على الأسئلة باللغة الطبيعية وتقليد المستندات المكتوبة من مختلف الأنماط والأنواع ، كما يتضح من أدوات مثل ChatGPT و Claude و LLaMa.

في حين أن هذه النماذج مثيرة للإعجاب بلا شك ، يجب أن نأخذ في الاعتبار أنها لا تزال محركات التعرف على الأنماط ، وعندما يجيبون على سؤال ، فإنهم يحاولون إكمال النمط الذي حددته ، سواء كان هذا النمط يعكس الواقع أم لا. غالبًا ما تصاب LLM بالهلوسة في إجاباتها ، كما سنصل إليها قريبًا.

إذا كنت تريد معرفة المزيد عن LLM و ChatGPT ، انقر هنا.

نموذج التأسيس

يعد تدريب نموذج ضخم من البداية على مجموعة بيانات ضخمة أمرًا مكلفًا ومعقدًا ، لذلك لا تريد أن تفعل أكثر مما تحتاج إليه. النماذج الأساسية هي نماذج كبيرة من البداية تتطلب تشغيل أجهزة كمبيوتر عملاقة ، ولكن غالبًا عن طريق تقليل عدد المعلمات ، يمكن تقليلها إلى حاويات أصغر. يمكنك التفكير في هذه على أنها إجمالي عدد النقاط التي يتعين على النموذج التعامل معها ، والتي يمكن أن تصل إلى ملايين أو مليارات أو حتى تريليونات هذه الأيام.

الكون المثالى

يعد النموذج الأساسي مثل GPT-4 ذكيًا ، ولكنه أيضًا عام حسب التصميم - فهو يمتص كل شيء من ديكنز إلى فيتجنشتاين إلى قواعد الزنزانات والتنينات ، ولكن إذا كنت تريد أن تستند إلى سيرتك الذاتية ، فاكتب خطاب تغطية ، فهذه غير مجدية. لحسن الحظ ، من الممكن ضبط النموذج عن طريق إجراء بعض التدريبات الإضافية على النموذج باستخدام مجموعة بيانات متخصصة. على سبيل المثال ، هناك عدة آلاف من طلبات التوظيف. يمنح هذا النموذج فهمًا أفضل لكيفية مساعدة المستخدم في هذا المجال دون تجاهل المعرفة العامة التي حصل عليها من بقية بيانات التدريب.

التعلم التعزيزي من ردود الفعل البشرية (RLHF) ، هو نوع خاص من الضبط الدقيق الذي ستسمع عنه كثيرًا - فهو يستخدم بيانات من البشر الذين يتفاعلون مع LLMs لتحسين مهارات الاتصال لديهم.

انتشار

* من خلال ورقة بحثية عن تقنيات ما بعد الانتشار المتقدمة ، يمكنك معرفة كيفية إعادة إنتاج الصور من بيانات صاخبة جدًا. *

يمكن إنشاء الصور بعدة طرق ، ولكن الأكثر نجاحًا هو الانتشار ، والتقنية الموجودة في قلب Stable Diffusion ، و Midjourney ، وأنظمة الذكاء الاصطناعي التوليدية الشائعة الأخرى. يتم تدريب نموذج الانتشار من خلال إظهار الصور التي تدهورت تدريجيًا عن طريق إضافة ضوضاء رقمية حتى لا يتبقى أي شيء من الصورة الأصلية. من خلال ملاحظة ذلك ، يتعلم نموذج الانتشار أيضًا إجراء العملية في الاتجاه المعاكس ، وإضافة التفاصيل تدريجياً إلى الضوضاء النقية لتكوين صورة محددة بشكل عشوائي. لقد بدأنا في تجاوز ذلك في الرسومات ، لكن التكنولوجيا قوية وسهلة الفهم نسبيًا ، لذا ستختفي بسرعة كبيرة.

الهلوسة

في البداية كانت هذه مشكلة انزلاق بعض الصور في التدريب إلى مخرجات غير ذات صلة ، مثل المباني التي تبدو وكأنها مصنوعة من الكلاب بسبب الانتشار المفرط لصور الكلاب في مجموعة التدريب. يقال الآن أن الذكاء الاصطناعي مهلوس لأنه لا يحتوي على بيانات كافية أو متضاربة في مجموعة التدريب الخاصة به ، فهو يصنع الأشياء فقط.

طلب الذكاء الاصطناعي إنشاء فن أصلي أو حتى مشتق هو هلوسة. على سبيل المثال ، يمكن أن يُطلب من LLM أن يكتب قصيدة حب بأسلوب Yogi Berra ، وسيسعد بذلك - على الرغم من عدم وجود مثل هذا الشيء في مجموعة البيانات الخاصة به. لكن يمكن أن يكون ذلك مشكلة عندما تكون هناك حاجة إلى إجابة واقعية ؛ سيقدم النموذج بثقة استجابة نصف حقيقية ونصف خادعة. لا توجد حاليًا طريقة سهلة لمعرفة أيهما بخلاف التحقق منه بنفسك ، نظرًا لأن النموذج نفسه لا يعرف في الواقع ما هو "صحيح" أو "خطأ" ، إنه يحاول فقط إكمال نمط بأفضل ما يمكن.

الذكاء الاصطناعي أو الذكاء الاصطناعي القوي

الذكاء الاصطناعي العام (AGI) ، أو الذكاء الاصطناعي القوي ، ليس مفهومًا محددًا جيدًا حقًا ، ولكن أبسط تفسير هو أنه ذكاء قوي بما يكفي ليس فقط للقيام بما يفعله الناس ، ولكن أيضًا ليكون مثلنا تعلم وتحسين نفسك. يشعر البعض بالقلق من أن هذه الدورة من التعلم ، ودمج هذه الأفكار ، ثم التعلم والنمو بشكل أسرع ستكون دورة ذاتية الاستمرارية ستؤدي إلى نظام فائق الذكاء لا يمكن تقييده أو التحكم فيه. حتى أن البعض اقترح تأخير أو تقييد الدراسات لمنع هذا الاحتمال.

إنها فكرة مروعة. وقد استكشفت أفلام مثل The Matrix و The Terminator ما يمكن أن يحدث إذا خرج الذكاء الاصطناعي عن السيطرة وحاول إبادة البشرية أو استعبادها. لكن هذه القصص لا تستند إلى الواقع. إن مظهر الذكاء الذي نراه في أشياء مثل ChatGPT مثير للإعجاب ، لكنه لا يشترك كثيرًا مع التفكير المجرد والنشاط الديناميكي متعدد المجالات الذي نربطه بالذكاء "الحقيقي".

في حين أن التنبؤ بالتطورات المستقبلية يكاد يكون مستحيلًا ، فقد يكون من المفيد تخيل الذكاء الاصطناعي العام على أنه سفر عبر الفضاء بين النجوم: نحن جميعًا نفهم المفهوم ويبدو أننا نعمل على تحقيقه ، ولكن في الوقت نفسه ، لا يزال أمامنا طريق طويل لتحقيقه هو - هي. تمامًا مثل الذكاء الاصطناعي العام ، لن يقوم أحد بذلك عن طريق الصدفة نظرًا للموارد الهائلة والتقدم العلمي الأساسي المطلوب!

من الممتع التفكير في الذكاء الاصطناعي العام ، ولكن لا داعي للمطالبة بالمشاكل لأنه ، كما أشار المعلقون ، على الرغم من قيودها ، يشكل الذكاء الاصطناعي بالفعل تهديدًا حقيقيًا وهامًا اليوم. لا أحد يريد Skynet ، لكنك لست بحاجة إلى ذكاء خارق مسلح نوويًا لإحداث ضرر حقيقي: يفقد الناس وظائفهم ويتعرضون للخداع اليوم. إذا لم نتمكن من حل هذه المشاكل ، فما هي فرصتنا في مواجهة T-1000؟

أفضل اللاعبين في الذكاء الاصطناعي

أوبن إيه آي

* رصيد الصورة: ليون نيل / جيتي إيماجيس *

إذا كان هناك اسم مألوف واحد في AI ، فهو OpenAI. OpenAI ، كما يوحي الاسم ، هي منظمة تنوي إجراء البحوث وجعل النتائج أكثر أو أقل متاحة للجمهور. ومنذ ذلك الحين ، تمت إعادة هيكلتها لتصبح شركة أكثر تقليدية هادفة للربح توفر الوصول إلى نماذج لغة متقدمة مثل ChatGPT من خلال واجهات برمجة التطبيقات والتطبيقات. يقودها سام التمان ، الملياردير التقني الذي أطلق ناقوس الخطر مع ذلك بشأن المخاطر المحتملة للذكاء الاصطناعي. OpenAI هي شركة رائدة معترف بها في مجال LLMs ، ولكنها تجري الأبحاث في مجالات أخرى أيضًا.

مايكروسوفت

كما قد تتوقع ، قامت Microsoft بنصيبها العادل من أبحاث الذكاء الاصطناعي ، ولكن مثل الشركات الأخرى ، فشلت إلى حد ما في ترجمة تجاربها إلى منتجات رئيسية. كانت أذكى خطوة لها هي الاستثمار المبكر في OpenAI ، مما أدى إلى شراكة حصرية طويلة الأمد مع الشركة التي تعمل الآن على تشغيل وكلاء محادثة Bing. على الرغم من أن مساهماتها الخاصة أصغر وأقل قابلية للتطبيق بشكل مباشر ، إلا أن الشركة لديها قوة بحثية كبيرة.

جوجل

اشتهرت Google بطريقة ما بظهورها على القمر ، فقد أضاعت فرصة الذكاء الاصطناعي بطريقة ما ، على الرغم من أن باحثيها قد اخترعوا التكنولوجيا التي أدت مباشرة إلى انفجار الذكاء الاصطناعي اليوم: المحولات. تحاول الآن تطوير LLMs الخاصة بها والوكلاء الآخرين ، ولكن من الواضح أنها تلعب دور اللحاق بالركب بعد أن أمضت معظم العقد الماضي في دفع المفهوم الذي عفا عليه الزمن لـ AI "المساعدين الافتراضيين". قال الرئيس التنفيذي سوندار بيتشاي مرارًا وتكرارًا إن الشركة تقف بقوة وراء الذكاء الاصطناعي في البحث والإنتاجية.

أنثروبي

بعد خروج أوبن إيه آي من الانفتاح ، ترك داريو ودانييلا أمودي الأمر لبدء أنثروبيك ، عازمين على ملء دور منظمة أبحاث الذكاء الاصطناعي المنفتحة والمراعية للأخلاق. مع المبلغ النقدي المتاح لديهم ، فإنهم منافسون جادون لـ OpenAI ، حتى لو لم تكن عارضاتهم (مثل كلود) مشهورة أو مشهورة حتى الآن.

* رصيد الصورة: Bryce Durbin / TechCrunch *

استقرار

مثير للجدل ولكن لا يمكن تجنبه ، يمثل الاستقرار نوع المصدر المفتوح لتطبيقات الذكاء الاصطناعي "كل ما تريده" التي تجمع كل شيء على الإنترنت وتجعل نماذج الذكاء الاصطناعي التوليدية التي تدربها متاحة مجانًا ، بشرط أن تمتلك الأجهزة لتشغيلها. يتناسب هذا تمامًا مع فلسفة "تريد المعلومات أن تكون حرة" ، ولكنه يسرع أيضًا المشاريع المشكوك فيها أخلاقياً مثل إنشاء صور إباحية واستخدام الملكية الفكرية دون موافقة (أحيانًا في وقت واحد).

إيلون ماسك

لم يكن ماسك استثناءً ، فقد كان صريحًا بشأن مخاوفه بشأن الذكاء الاصطناعي الجامح ، وذهب بعض العنب الحامض بعد مساهماته المبكرة في OpenAI في اتجاهات لم يعجبه. في حين أن ماسك ليس خبيرًا في هذا الموضوع ، كالمعتاد ، فإن تصرفاته الغريبة وتعليقاته تثير الكثير من الضجة (إنه أحد الموقعين على رسالة "توقف الذكاء الاصطناعي" المذكورة أعلاه) ، وهو يحاول بناء وجوده البحثي الخاص.