الذكاء الاصطناعي يتعلم في ماين كرافت: “إيريس” خطوة ثورية نحو الذكاء الاصطناعي العام

ويعتمد إيريس على تقنيات وكلاء من Fetch.ai، ويستخدم Ocean Data لتوفير قدرات ذاكرة طويلة المدى، ومن المتوقع أن يتم دمج بنية CUDOS الحاسوبية قريباً لتعزيز قدرته على المعالجة. وقد صرح الدكتور بن غورتزيل، الباحث الشهير في مجال الذكاء الاصطناعي ومؤسس SingularityNET، بأن “إيريس يمثل خطوة هامة نحو تعلم عصبي رمزي عملي وقابل للتطوير، بالإضافة إلى وظائفه القوية والفعالة، فهو يُظهر نقاطاً عامة حول الأنظمة العصبية الرمزية، مثل قدرتها على استخلاص استنتاجات عامة دقيقة من كميات صغيرة من البيانات”.

ووفقاً للشركة، فإن هذا النهج الذي يقوده التحالف يدفع إيريس نحو تحقيق الذكاء الاصطناعي العام، حيث يُعد واحداً من أولى الأنظمة الذكية التي تتمتع بقدرة تعلم ذاتية وتكيّفية، مع تطبيقات عملية في سيناريوهات العالم الحقيقي.

آليات تعلم إيريس:

يُصمم إيريس لتعزيز فهمه من خلال التفاعل المباشر مع بيئته، متجاوزاً بذلك حدود الذكاء الاصطناعي التقليدي الذي يعتمد على قواعد محددة مسبقاً أو مجموعات بيانات ضخمة. بدلاً من ذلك، يتطور إيريس من خلال الملاحظة والتجريب والصقل المستمر لمجموعته الخاصة من “القواعد”.

يُتيح هذا النظام مستوىً عميقاً من حل المشكلات والفهم السياقي، حيث يُعد تطبيقه في ماين كرافت معياراً جديداً للتفاعل بين الذكاء الاصطناعي والعوالم الرقمية والملموسة على حد سواء.

واجه إيريس العديد من التحديات عند الانتقال من شبكة ثنائية الأبعاد مُتحكمة إلى عالم ماين كرافت ثلاثي الأبعاد المعقد، بما في ذلك التنقل عبر التضاريس وحل المشكلات التكيفية في بيئة ديناميكية. ويُبرز هذا الانتقال قدرة إيريس على الاستقلالية في التنقل والاستكشاف والتعلم.

ويتميز وكيل إيريس في ماين كرافت عن الكيانات الأخرى للذكاء الاصطناعي بمجموعة من الميزات الرئيسية، منها:

• التنقل الديناميكي: يقيم إيريس بيئته أولاً لوضع استراتيجيات الحركة، ويتكيف مع البيئات الجديدة في الوقت الفعلي. وتشمل قدراته المناورة حول العقبات، والقفز فوق الحواجز، وتوقع ردود الفعل على التضاريس المختلفة.
• التكيف مع العقبات: يتعلم التنقل حول العقبات مثل المنحدرات والمناطق الغابية، ويُحسّن مجموعته من القواعد مع كل تحدٍ جديد لتجنب الأخطاء المتكررة وتقليل الجهود غير الضرورية.
• البحث عن المسار الأمثل: من خلال التحسين المستمر، يتقدم إيريس من مسارات التنقل المعقدة في البداية إلى مسارات مُبسطة ومباشرة مع “فهمه” لديناميكيات ماين كرافت.
• التكيف مع البيئة في الوقت الفعلي: على عكس أنظمة التعلم المعزز التقليدية التي تتطلب إعادة تدريب واسعة للبيئات الجديدة، يتكيف إيريس على الفور مع المناطق غير المألوفة، ويصمم قواعد جديدة بناءً على ملاحظات جزئية ديناميكية.

كما يتميز إيريس بكفاءة حسابية مُحسّنة، مما يُمكّنه من إدارة قواعد معقدة في الوقت الفعلي دون المساومة على الأداء.

التطبيقات المستقبلية:

تُعد ماين كرافت نقطة انطلاق ممتازة لتطبيقات إيريس المحتملة، حيث تُرسي أساساً متيناً لتطبيقات واسعة النطاق، تشمل:

• التفاعل المحسّن مع الأشياء: ستُمكّن المراحل القادمة إيريس من التفاعل بشكل أعمق مع محيطه، وتحسين قدراته في معالجة الأشياء، والبناء، وحتى الصنع. وسيتطلب هذا التطوير من إيريس تطوير إطار عمل أكثر دقة لاتخاذ القرارات للمهام السياقية.
• التعاون في مجال الذكاء الاصطناعي الاجتماعي: هناك خطط جارية لإدراج إيريس في سيناريوهات متعددة الوكلاء، حيث يتعلم الوكلاء ويتفاعلون ويحققون أهدافاً مشتركة، محاكاةً للديناميكيات الاجتماعية وحل المشكلات بشكل تعاوني في العالم الحقيقي.
• الاستنتاج المجرد والاستراتيجي: ستُعزز التطورات الموسعة قدرة إيريس على الاستنتاج، مما يُمكّنه من معالجة الأهداف المعقدة مثل إدارة الموارد وتحديد الأولويات، والانتقال من التنقل الأساسي إلى اللعب الاستراتيجي.

يُمثل انتقال إيريس إلى بيئات ثلاثية الأبعاد تقدماً محورياً في مهمة تحالف ASI لزراعة الذكاء الاصطناعي العام. ومن خلال إنجازات إيريس في التنقل والتعلم داخل ماين كرافت، يطمح تحالف ASI إلى تسريع نشر إيريس في العالم الحقيقي، وريادة تطبيقات الروبوتات الذاتية، والمساعدين المنزليين الذكيين، وغيرها من الأنظمة التي تتطلب قدرات تعلم وتكيّف وحل مشكلات.

وقد صرح بيريك كوك، مطور الذكاء الاصطناعي في SingularityNET ومُنشئ إيريس: “إيريس هو طريقة جديدة تماماً للتعامل مع مشكلة تعلم الآلة. إننا ما زلنا في بداية استكشاف إمكانياته. نحن متحمسون لرؤية كيف يمكننا تطبيقه على المشكلات التي شكلت تحدياً كبيراً لتعلم التعزيز التقليدي. أهم جانب في إيريس بالنسبة لي هو شفافيته وقابلية تفسيره. الابتعاد عن الذكاء الاصطناعي “الصندوق الأسود” يمثل قفزة كبيرة إلى الأمام في السعي نحو ذكاء اصطناعي آمن وأخلاقي ومفيد”.

يُرسي النهج المبتكر للذكاء الاصطناعي المتمثل في إيريس، والذي يُركز على التعلم الذاتي والصقل المستمر للقواعد، الأساس لأنظمة الذكاء الاصطناعي القادرة على العمل بشكل مستقل في بيئات العالم الحقيقي غير المتوقعة. تُمكّن بيئة ماين كرافت المعقدة النظام من صقل مهاراته داخل إعداد افتراضي مُتحكم فيه ولكنه واسع النطاق، مما يُجسّر الفجوة بين المحاكاة والواقع بفعالية.

يمثل وكيل إيريس في ماين كرافت الخطوة الملموسة الأولى نحو ذكاء اصطناعي يتعلم من بيئته ويتكيف معها ويتخذ قرارات مستقلة بشأنها. ويُوضح هذا الإنجاز إمكانات هذه التقنية لإعادة تصور دور الذكاء الاصطناعي في مختلف الصناعات.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي