أربعة أمور بديهية للبشر تصعب على الذكاء الاصطناعي

أربعة أمور بديهية للبشر تصعب على الذكاء الإصطناعي

نسمع يوميا عن تقدم تقنية الذكاء الإصطناعي وقدرتها على القيام بمهام كانت حكرا على البشر . لكن هناك أمور ماتزال تصعب على الذكاء الإصطناعي ولا يمكن القيام بها -في المستقبل القريب على الأقل - من أهمها : 

1- ربط المفاهيم ببعض

استطاع الكمبيوتر التغلب على البشر في الكثير من المهام العقلية ، فمثلا جهاز ديب بلو من شركة IBM في 1999 قام بالتغلب على (جاسباروف) بطل الشطرنج في مباراة شهيرة أعلن من خلالها بتفوق الكمبيوتر على البشر .  وفِي عام ٢٠١٥ قامت شركةdeep mind ( التابعة لقوقل ) بالتغلب على بطل لعبة جو ( لعبة اصعب من الشطرنج ) . هذه الألعاب العقلية معقدة الا انها محدودة حيث لا يمكن استخدام ذلك البرنامج في حل معضلة رياضية بسيطة طالب في الصف الإبتدائي يمكن أن يحلها . السبب ان معظم العملاء ( AI agent )التي يتم تدريبهم اليوم يتم تدريبهم على عمل جزء بسيط ويتم محاولة تقليل الخطأ كمعدل قياس واحد فقط . فمثلا عميل نريده أن يتعرف على الصور سنقوم بإعطائه صور كثير ف تكون مهمته هي أن يقلل الخطأ في التعرف على الصور ويكون المقياس هو كم عدد الصور التي أصاب في تصنيفها . ذلك مختلف تماما عن ربط مفهومين رياضيين بسيطين ( مثل ربط مفهوم الضرب بالجمع مثلا ) . ذلك الربط يصعب تعلمه بطريقة الذكاء الإصطناعي المنتشرة الحالية (  Neural networks and gradient descent ) هناك مجال في الذكاء الإصطناعي يهدف لتعلم ربط المفاهيم لكن لم يحدث تطور ملحوظ فيه منذ عقود

في عام 2015 تغلب الذكاء الإصطناعي المعروف ب(alpha go) على بطل العالم في أصعب لعبة ذهنية , وتعد لحظة مفصلية في تاريخ الذكاء الإصطناعي. لكن لا يمكن لهذا البرنامج فهم أو استيعاب أي شيء بسيط خارج إطار اللعبة

2- العلاقة بين الجزء والكل في التعرف على الجسم 

في عام 2012 قام مجموعة باحثين من جامعة ستانفورد بنشر قاعدة بيانات لصور متنوعة تحوي أكثر من مليون صورة لأنواع مختلفة و صممو شبكة AlexNet الشهيرة التي زادت من قدرة التعرف على الصور بشكل رهيب . فتح النجاح لإعادة البحث في التعلم العميق (deep learning ) مما بدء الموجة الجديدة من الذكاء الإصطناعي . الكثير من هذه الشبكات تستخدم عمليتين رياضيتين (convolution & pooling) مما يسهل عملية تعلم العميل . هذه العمليتين تتسبب في محاولة النظر للكل و إهمال التفاصيل من اجل التعرف والتعلم . في عام ٢٠١٧ قام فريق مع جوفري هنتون ( الأب الروحي لتعلم الآلة في العصر الحديث ) في كندا بابتكار capsuleNet . بحيث تحاول ربط مجموعة الأجزاء ببعض للتعرف على الكل

آليات الذكاء الإصطناعي الحالية تقوم بتصنيف الشكلين الأيمن والأيسر على أنهم وجه , حيث لا تستطيع تمييز العلاقة بين الأجزاء والجسم الكلي , وهذه خاصية في الشبكات العصبية الإصطناعية(CNN) حيث تنظر للكل وليس للأجزاء

3- التعاطف واستيعاب المضمون

التعاطف صفة حيوية تتوفر في الكائنات الحية الإجتماعية , حيث أنها تساعد على بقاء الفصيل . نرى القرود تحمل أبنائها و الطيور تبحث عن لقمة العيش لأبنائها و حتى نرى كلاب تقوم بمساعدة أصحابها البشر حين تعرضهم للخطر واللعب معهم أيضا .هذه الصفة توجد بشكل أكبر عند البشر بحيث نرى تعاطف العائلة والمجتمع ومفاهيم التضحية متأصلة في البشر حول مختلف الأعراق .  تلك الصفة التي تجعل اهتمام الفرد ينصب نحو فرد آخر ومحاولة زيادة سعادته ومساعدته صفة لا تتوفر في الذكاء الإصطناعي , حيث أنها تعمل على التحسن الإنتقائي(greedy optimization) حيث يقوم العميل بزيادة الفائدة (utility) لنفسه فقط من أجل زيادة فعاليته(performance) . ذلك كان أحد أسباب  ظهور أفلام هوليود التي تحذر من تطور الذكاء الإصطناعي وانه لن يكون له الصفة المشتركة للكائنات الحية وهي التعاطف مما قد يجعله في صدام مع البشر في المستقبل . ظهرت شركة هاندسون من سنغافورة بروبوت صوفيا ( في الصورة ) حيث أعطت ملامح وحركة بشرية للروبوت ، ذلك جمع تعاطف العالم نحوها ، لكن لا يعني ذلك أبدا انها متعاطفة مع البشر فقط لانها برمجت لتبتسم ! 

الروبوت صوفيا ( الحاصل على الجنسية السعودية في 2017) خطف أنظار وتعاطف العالم . ليس لقدرته على التحدث فقط وإنما لقدرته على تزييف مشاعر إنسانية بتحريك أجزاء الوجه . لا يمكن للذكاء الإصطناعي التعاطف بأي حال من الأحوال نحو أي شيء 

4- الحركة على قدمين داخل المنزل

السير على قدمين تعد من الأمور البديهية التي يتعلمها الطفل في سن مبكرة ويبدأ في الحركة داخل المنزل و معرفة الإتجاهات , بينما حتى الآن فإنه يصعب تدريب عميل على حركة روبوت داخل منزل لم يره من قبل .ذلك يعود لسببين , الأول: لأن المتغيرات في البيت كثيرة ويجب أن تكون الحركة دقيقة ,, بعكس حركة الشاحنات في الطريق مثلا حيث تعد السواقة الذاتية أسهل لوجود طرق محددة وحجم السيارات أكبر ويمكن توقع السير بشكل أسهل. المشكلة الثانية:  هي في الجهاز الحركي للروبوت . فجسم الإنسان يحوي آلاف العضلات و المفاصل البديعة خصوصا في القدم ومع التآزر العصبي العضلي ينتج حركة سلسة . يصعب جدا صناعة مفاصل صناعية و آليات حركة مشابهة لها , وجعلها تتحرك بتآزر مع بقية الجسم يعد مجال أبحاث في علوم الروبوت والتحكم