حفز التقدم السريع في الذكاء الاصطناعي (AI) بعض الأصوات الرائدة في هذا المجال دعوة إلى وقفة البحث، يثير إمكانية الانقراض البشري المدفوع بالذكاء الاصطناعيوحتى اطلب التنظيم الحكومي. في صميم قلقهم فكرة أن الذكاء الاصطناعي قد يصبح قويًا لدرجة أننا نفقد السيطرة عليه.
لكن هل فاتنا مشكلة أكثر جوهرية؟
في النهاية ، يجب أن تساعد أنظمة الذكاء الاصطناعي البشر على اتخاذ قرارات أفضل وأكثر دقة. ومع ذلك ، حتى أكثر أدوات الذكاء الاصطناعي إثارة للإعجاب ومرونة اليوم – مثل نماذج اللغات الكبيرة التي تقف وراء أمثال ChatGPT – يمكن أن يكون لها تأثير معاكس.
لماذا؟ لديهم نقطتي ضعف حاسمة. فهي لا تساعد صانعي القرار على فهم السببية أو عدم اليقين. كما أنها تخلق حوافز لجمع كميات هائلة من البيانات وقد تشجع على اتخاذ موقف متساهل تجاه الخصوصية والأسئلة والمخاطر القانونية والأخلاقية.
السبب والنتيجة والثقة
تستخدم ChatGPT وغيرها من “النماذج الأساسية” نهجًا يسمى التعلم العميق للبحث في مجموعات البيانات الضخمة وتحديد الارتباطات بين العوامل الواردة في تلك البيانات ، مثل أنماط اللغة أو الروابط بين الصور والأوصاف. وبالتالي ، فهي رائعة في الاستيفاء – أي التنبؤ بالفجوات بين القيم المعروفة أو سدها.
الاستيفاء ليس هو نفسه الخلق. إنه لا يولد المعرفة ، ولا الأفكار اللازمة لصناع القرار الذين يعملون في بيئات معقدة.
ومع ذلك ، تتطلب هذه الأساليب كميات هائلة من البيانات. ونتيجة لذلك ، فإنهم يشجعون المنظمات على تجميع مستودعات هائلة من البيانات – أو البحث في مجموعات البيانات الموجودة التي تم جمعها لأغراض أخرى. ينطوي التعامل مع “البيانات الضخمة” على مخاطر كبيرة تتعلق بالأمان والخصوصية والشرعية والأخلاق.
في المواقف منخفضة المخاطر ، يمكن أن تكون التنبؤات المستندة إلى “ما تشير البيانات إلى حدوثه” مفيدة للغاية. ولكن عندما تكون المخاطر أكبر ، فهناك سؤالان آخران نحتاج إلى الإجابة.
الأول يتعلق بكيفية عمل العالم: “ما الذي يقود هذه النتيجة؟” والثاني يتعلق بمعرفتنا بالعالم: “ما مدى ثقتنا بهذا الأمر؟”
من البيانات الضخمة إلى المعلومات المفيدة
ربما من المدهش أن أنظمة الذكاء الاصطناعي المصممة لاستنتاج العلاقات السببية لا تحتاج إلى “بيانات ضخمة”. بدلا من ذلك ، هم بحاجة معلومات مفيدة. تعتمد فائدة المعلومات على السؤال المطروح والقرارات التي نواجهها والقيمة التي نعلقها على عواقب تلك القرارات.
لإعادة صياغة الإحصائي والكاتب الأمريكي نيت سيلفر ، فإن مقدار الحقيقة ثابت تقريبًا بغض النظر عن حجم البيانات التي نجمعها.
فما هو الحل؟ تبدأ العملية بتطوير تقنيات الذكاء الاصطناعي التي تخبرنا بما لا نعرفه حقًا ، بدلاً من إنتاج أشكال مختلفة من المعرفة الموجودة.
لماذا؟ لأن هذا يساعدنا على تحديد والحصول على الحد الأدنى من المعلومات القيمة ، في تسلسل سيمكننا من فصل الأسباب والتأثيرات.
روبوت على سطح القمر
أنظمة الذكاء الاصطناعي لبناء المعرفة موجودة بالفعل.
كمثال بسيط ، فكر في روبوت تم إرساله إلى القمر للإجابة على السؤال ، “كيف يبدو سطح القمر؟”
قد يمنحه مصممو الروبوت “اعتقادًا” سابقًا حول ما سيجده ، إلى جانب الإشارة إلى مقدار “الثقة” التي يجب أن يتمتع بها في هذا الاعتقاد. درجة الثقة لا تقل أهمية عن الاعتقاد ، لأنها مقياس لما لا يعرفه الروبوت.
الروبوت يهبط ويواجه قرارًا: في أي اتجاه يجب أن يسير؟
نظرًا لأن هدف الروبوت هو التعلم بأسرع ما يمكن عن سطح القمر ، يجب أن يسير في الاتجاه الذي يزيد من تعلمه. يمكن قياس ذلك من خلال المعرفة الجديدة التي ستقلل من عدم يقين الروبوت بشأن المناظر الطبيعية – أو إلى أي مدى ستزيد ثقة الروبوت في معرفته.
ينتقل الروبوت إلى موقعه الجديد ، ويسجل الملاحظات باستخدام مستشعراته ، ويحدث اعتقاده والثقة المرتبطة به. من خلال القيام بذلك ، يتعرف على سطح القمر بأكثر الطرق فعالية.
تم اقتراح أنظمة روبوتية مثل هذه – المعروفة باسم “SLAM” (التعريب المتزامن النشط ورسم الخرائط) – لأول مرة منذ أكثر من 20 عامًا، ولا يزالون مجال البحث النشط. يعتمد هذا النهج في جمع المعرفة بشكل مطرد وتحديث الفهم على تقنية إحصائية تسمى تحسين بايزي.
رسم خرائط لمناظر طبيعية غير معروفة
يواجه صانع القرار في الحكومة أو الصناعة تعقيدًا أكثر من الروبوت على القمر ، لكن التفكير هو نفسه. تتضمن وظائفهم استكشاف ورسم خرائط لمناظر طبيعية اجتماعية أو اقتصادية غير معروفة.
لنفترض أننا نرغب في تطوير سياسات لتشجيع جميع الأطفال على الازدهار في المدرسة والانتهاء من المدرسة الثانوية. نحن بحاجة إلى خريطة مفاهيمية للأفعال ، وفي أي وقت وتحت أي ظروف ، ستساعد في تحقيق هذه الأهداف.
باستخدام مبادئ الروبوت ، نقوم بصياغة سؤال أولي: “ما هو التدخل (التدخلات) الأكثر مساعدة للأطفال؟”
بعد ذلك ، نقوم ببناء مسودة خريطة مفاهيمية باستخدام المعرفة الموجودة. نحتاج أيضًا إلى قدر من ثقتنا في تلك المعرفة.
ثم نطور نموذجًا يتضمن مصادر مختلفة للمعلومات. لن تكون هذه من أجهزة الاستشعار الروبوتية ، ولكن من المجتمعات والتجربة الحية وأي معلومات مفيدة من البيانات المسجلة.
بعد ذلك ، بناءً على التحليل الذي يُعلم المجتمع وتفضيلات أصحاب المصلحة ، نتخذ قرارًا: “ما هي الإجراءات التي يجب تنفيذها وفي ظل أي شروط؟”
أخيرًا ، نناقش المعتقدات ونتعلمها ونحدثها ونكرر العملية.
التعلم كما نذهب
هذا هو نهج “التعلم ونحن نمضي قدما”. عندما تأتي المعلومات الجديدة في متناول اليد ، يتم اختيار إجراءات جديدة لتعظيم بعض المعايير المحددة مسبقًا.
حيث يمكن أن يكون الذكاء الاصطناعي مفيدًا في تحديد المعلومات الأكثر قيمة ، من خلال الخوارزميات التي تحدد ما لا نعرفه. يمكن للأنظمة الآلية أيضًا جمع تلك المعلومات وتخزينها بمعدل وفي الأماكن التي قد يصعب على البشر فيها ذلك.
تطبق أنظمة الذكاء الاصطناعي مثل هذه ما يسمى ب الإطار النظري للقرار البايزي. نماذجهم قابلة للتفسير وشفافة ، مبنية على افتراضات واضحة. فهي صارمة من الناحية الحسابية ويمكن أن تقدم ضمانات.
وهي مصممة لتقدير المسارات السببية ، للمساعدة في القيام بأفضل تدخل في أفضل وقت. وهي تدمج القيم الإنسانية من خلال المشاركة في التصميم والتنفيذ من قبل المجتمعات المتأثرة.
نحن بحاجة إلى إصلاح قوانيننا وإنشاء قواعد جديدة لتوجيه استخدام أنظمة الذكاء الاصطناعي التي يحتمل أن تكون خطرة. لكن من المهم أيضًا اختيار الأداة المناسبة للوظيفة في المقام الأول.
هل تريد معرفة المزيد عن الذكاء الاصطناعي وروبوتات المحادثة ومستقبل التعلم الآلي؟ تحقق من تغطيتنا الكاملة لـ الذكاء الاصطناعي، أو تصفح أدلةنا إلى أفضل مولدات فنية مجانية لمنظمة العفو الدولية و كل ما نعرفه عن ChatGPT الخاص بـ OpenAI.
سالي كريبس، مدير معهد التكنولوجيا البشرية UTS ، أستاذ الرياضيات والإحصاء ، جامعة التكنولوجيا سيدني؛ أليكس فيشرزميل فخري ، الجامعة الوطنية الاسترالية؛ إدوارد سانتو، أستاذ ومدير مشارك ، معهد التكنولوجيا البشرية ، جامعة التكنولوجيا سيدني؛ هادي محسل افشارعالم أبحاث رائد ، جامعة التكنولوجيا سيدني، و نيكولاس ديفيس، أستاذ صناعة التكنولوجيا الناشئة والمدير المشارك لمعهد التكنولوجيا البشرية ، جامعة التكنولوجيا سيدني
تم إعادة نشر هذه المقالة من المحادثة بموجب رخصة المشاع الإبداعي. إقرأ ال المقالة الأصلية.
اكتشاف المزيد من نص كم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.
