[رأي] لماذا لا يعتمد الذكاء الاصطناعي الأفضل على قوة حاسوبية أكبر

ربما سمع معظمكم الأخبار - دينغ ليرين هو بطل العالم الجديد في الشطرنج. باعتباري أحد مشجعي لعبة الشطرنج، فقد تابعت بطبيعة الحال تطورات الألعاب، وقمت بتحليلها باستخدام روبوت يعمل بالذكاء الاصطناعي يسمى Stockfish.

إن كيفية قيام محركات الشطرنج مثل Stockfish بتحليل وتقييم المواقف بدقة غير معروفة، ولكن يمكن للإنسان فهم نتائجها. التقييم الإيجابي يعني أن اللون الأبيض هو الفائز، والتعادل يمنح التقييم 0، والتقييم السلبي يعني أن الأسود هو الفائز، وهكذا.

ولكن من أين يأتي هذا الرقم؟ إنه يأتي من تقييم Stockfish الخاص للموقف، مع الأخذ في الاعتبار العديد من العوامل، وإخراج عدد. كثيرًا ما يقال لنا أن هذا الرقم يعادل تقريبًا عدد البيادق التي تساوي الأفضلية التي يتمتع بها أحد الجانبين.

ومع ذلك، فهذه طريقة غير بديهية على الإطلاق للاعبي الشطرنج لفهم مواقف الشطرنج.

الرقم يعطينا الجواب نعم. ويكون الرقم صحيحًا بشكل موضوعي في معظم الأوقات نظرًا لأن الذكاء الاصطناعي تمكن من مراعاة العديد من العوامل المختلفة، والتحركات المستقبلية المحتملة، وغير ذلك الكثير من أجل الوصول إلى تقييمه لمن يفوز وما هي الحركة الأفضل.

والأهم بكثير هو السؤال: لماذا تقييم المنصب على هذا النحو؟ ومعرفة الإجابة لا تنير لك بأي حال من الأحوال سبب الإجابة.

كلاعب شطرنج، قد يكون هذا مثيرًا للغضب. إنه يجبرنا على قضاء بعض الوقت للعثور على أسباب تقييمات محركات الشطرنج، وفي كثير من الأحيان، قد يكون من الصعب العثور على هذه الأسباب.

تخيل معلمًا يعطيك مسألة صعبة للغاية، ويعطيك أيضًا الإجابة، لكنه يرفض حلها معك أو تقديم تلميحات. قد تستنتج بحق أن مثل هذا المعلم هو مدرس فقير. ومع ذلك، يكاد يكون من المؤكد أن الإجابة صحيحة، وهناك سبب وجيه لذلك.

وهذه ليست المرة الوحيدة التي تربكنا فيها خوارزميات الذكاء الاصطناعي أيضًا. تُستخدم خوارزميات الذكاء الاصطناعي على مواقع الويب مثل Netflix وYoutube للتوصية بمقاطع فيديو لنشاهدها، حيث كلما بقينا لفترة أطول في الموقع كلما كانت الخوارزمية أفضل، ولكن هناك القليل جدًا الذي نفهمه فعليًا عن خوارزميات الذكاء الاصطناعي هذه باستثناء الإشارة إلى المقاييس التي نقيس نجاحها من خلالها والبيانات التي تمكنت هذه الخوارزميات من الوصول إليها.

لكن فهم أسباب نجاحهم من شأنه أن يساعدنا كثيرًا، وهذا هو المكان الذي يجب أن يكون فيه التطور الضخم التالي للذكاء الاصطناعي - في جعل الذكاء الاصطناعي مفهومًا لنا.

الموضوعية ليست مثل الوضوح

ما أعنيه بجعل الذكاء الاصطناعي واضحًا لنا لا يعني أننا نستطيع فهم ما يقوله الذكاء الاصطناعي، بل هو ذكاء اصطناعي يمكن تفسيره بطريقة بديهية.

نظير Stockfish هو AlphaZero، الذي أنشأته شركة Deepmind، وهي شركة تابعة لشركة Google. بدلاً من تقييم مواقع وحركات الشطرنج وإخراج رقم يبدو عشوائياً، يقوم AlphaZero بدلاً من ذلك بقياس المراكز مع الاحتمالات. سيكون أي ناتج بواسطة AlphaZero بين -1 إلى 1، في حين أن Stockfish غالبًا ما يعطي أرقامًا يمكن أن تصل إلى المئات، دون أن يكون واضحًا ما تعنيه هذه الأرقام بالضبط.

يوضح الرسم البياني أدناه كيف أن تقييمات محرك الشطرنج التقليدي، والتي غالبًا ما يُشار إليها بالألفية، ترتبط بتقييمات Leela (خليفة AlphaZero).

المهم هو أن AlphaZero وLeela ما زالا يقدمان تقييمات موضوعية، لكن هذه التقييمات تبدو أكثر سهولة. لماذا؟ لأنه يعطي تقييمًا يتطابق بشكل أفضل مع مدى شعورك به.

يرتبط الحصول على مركز من 0 إلى +5 باللعبة التي تحولت من التعادل إلى اللون الأبيض مع وجود احتمالية كبيرة للفوز. ولكن هل هناك فرق كبير حقًا بين الحصول على مركز ينتقل من +5 إلى +10؟ في حين أن Stockfish يعطي نفس الاختلاف في التقييم، فإن الانتقال من 0 إلى +5 يعكس تقريبًا تغييرًا من عدم وجود فرصة للفوز إلى فرصة للفوز بنسبة 80%، في حين أن الانتقال من +5 إلى +10 يزيد فقط من فرصة الفوز بمقدار 10 إضافية. %.

لماذا هذا المقياس أفضل؟ لأنه يرتبط أيضًا بشكل أكبر بما يشعر به الموقف بالنسبة لنا. إن مشاهدة مركز ينتقل من التعادل 0 إلى ميزة +5 يبدو وكأن White يضغط على خصمه جيدًا بينما يستسلم خصمه للضغط. من ناحية أخرى، فإن الزيادة من +5 إلى +10 لا تبدو كبيرة لأن معظم العمل تم إنجازه بالفعل.

وهذا جزء مما أعنيه بجعل الذكاء الاصطناعي أكثر وضوحًا، فالذكاء الاصطناعي في هذه الحالة أكثر قابلية للفهم. إنها أكثر سهولة بكثير وتعطي مخرجات صحيحة من الناحية الموضوعية، ولكنها أيضًا يمكن أن نشعر بها.

لقد كان الذكاء الاصطناعي التقليدي دائمًا جيدًا في كونه موضوعيًا، لكن البشرية لن تشهد تحسينات هائلة من الذكاء الاصطناعي الذي يواصل تحسين موضوعيته. وهذا ما أشار إليه مؤسس Paypal Peter Thiel بـ "الانتقال من 1 إلى n". وبدلاً من ذلك، ما نحتاجه هو "الانتقال من 0 إلى 1" والقيام بشيء مختلف، وهو جعل الذكاء الاصطناعي أكثر وضوحًا للبشر.

لقد حقق AlphaZero جزءًا من هذا، فمن خلال جعل مخرجاته أكثر سهولة، فهو في طريقه إلى جعل الذكاء الاصطناعي أكثر قابلية للفهم بالنسبة للبشر. ولكن ما الذي يمكن فعله أكثر من ذلك؟

فهم الإنسانية

في عام 1983، تم نشر إعلان في إحدى المجلات بواسطة شركة Electronic Arts. لقد تم نشره في عصر كانت فيه أجهزة الكمبيوتر قد بدأت للتو في تطوير نفسها. وفيه يعد الإعلان بتحقيق إمكانات الكمبيوتر الشخصي.

يبدأ الأمر بسؤال مهم، وبعض الأفكار للتفكير:

"هل يمكن للكمبيوتر أن يجعلك تبكي؟ في الوقت الحالي، لا أحد يعرف. ويرجع ذلك جزئيًا إلى أن الكثيرين قد يعتبرون الفكرة تافهة. ولكن السبب أيضًا هو أن من يجيب على هذا السؤال بنجاح يجب أن يكون قد أجاب أولاً على عدة أسئلة أخرى.

لماذا نبكي؟ لماذا نضحك أو نحب أو نبتسم؟ ما هي محك عواطفنا؟

حتى الآن، لم يكن الأشخاص الذين طرحوا مثل هذه الأسئلة هم نفس الأشخاص الذين يديرون شركات البرمجيات. وبدلاً من ذلك، كانوا كتابًا وصانعي أفلام ورسامين وموسيقيين. لقد كانوا، بالمعنى التقليدي، فنانين”.

كانت هذه أسئلة ذات بصيرة في عام 1983، عندما أصبح الكمبيوتر منتجًا استهلاكيًا واسع النطاق لأول مرة. لكنها ذات صلة اليوم أيضا. على مدى العقود الماضية، توصلنا إلى ذكاء اصطناعي أفضل وأفضل في الحساب والموضوعية والفهم المفاهيمي.

ولكن اليوم، رغم أن هذه الأسئلة لا تزال مهمة، إلا أنها لم تعد الأسئلة الوحيدة التي تحتاج إلى إجابة. لا بد من طرح أسئلة جديدة، حول كيفية تعبير الذكاء الاصطناعي عن نفسه بطريقة يمكن للبشر فهمها، أو حول كيف يمكن للبشر فهم الذكاء الاصطناعي بشكل أفضل.

إن التوضيح الذاتي الأفضل من خلال الذكاء الاصطناعي للإجابات التي يقدمونها من شأنه أن يوفر قدرًا أكبر من الوضوح بشأن ما يدخل في قراراتهم، ولماذا تكون إجاباتهم صحيحة. ففي نهاية المطاف، عندما ينشر الباحثون أعمالهم، فإن الاستنتاج ليس هو المهم فحسب، بل من المتوقع أن يتضمنوا المنهجية، ومجموعات البيانات، والتفكير النوعي، وغير ذلك الكثير.

للتعلم من الذكاء الاصطناعي، تحتاج البشرية إلى فهم الذكاء الاصطناعي بشكل أفضل، ويحتاج الذكاء الاصطناعي إلى التواصل بشكل أفضل مع الإنسانية - ليس فقط من خلال الأرقام والإشارات والأضواء، ولكن من خلال الكلمات والصور والعواطف. لشرح القرارات التي يمكن اتخاذها، والحسابات التي يتم تنفيذها، والغرض من هذه العمليات، هي ما يحتاج الذكاء الاصطناعي إلى القيام به بشكل أفضل.

لن تتم الخطوة التالية في الذكاء الاصطناعي من خلال زيادة القوة الحاسوبية لأجهزة الكمبيوتر، ولكن سيتم تحقيقها من خلال جعل الذكاء الاصطناعي يعبر عن نفسه بطرق يمكن للبشرية فهمها بشكل أفضل، بطرق يمكن حتى لغير المبرمجين القيام بها.