الذكاء الاصطناعي: أكثر من مجرد ضجيج إعلامي.. رؤية ولفرام للأبحاث

في عالمٍ يغمره ضجيج التقنيات الحديثة، يبرز سؤالٌ مُلحّ حول الفرق بين حقيقة الذكاء الاصطناعي وما يُروّج له من دعاياتٍ ومُبالغات. فقد شهدنا في السنوات الخمس الماضية هالةً إعلاميةً كبيرةً حول مفاهيم مثل “الميتافيرس” و”البلوك تشين” والواقع الافتراضي، واليوم يُسيطر الذكاء الاصطناعي على المشهد. لكن هل هذا الاهتمام مُبرّرٌ أم أنه مجرد “عاصفة في فنجان”؟

أجرى موقع ” Artificialintelligence-news” حوارًا حصريًا مع جون ماكلون، مدير الاتصال التقني والاستراتيجية في شركة “ولفرام للأبحاث”، إحدى أبرز الشركات الرائدة في مجال الحوسبة الذكية والابتكار العلمي، لإلقاء الضوء على المفاهيم العملية للذكاء الاصطناعي واستخداماته.

يمتلك جون خبرةً تزيد عن 32 عامًا في “ولفرام للأبحاث”، حيث يقود حاليًا فريق الخدمات التقنية الأوروبية. وبصفته خبيرًا رياضياتيًا ومحلل بيانات ماهرًا، بدأ الحوار بتقديم شركة “ولفرام” في جملةٍ مختصرة:

“نحن نُقدّم حلولاً تقنيةً تعتمد على خبرتنا الواسعة في مجال الحوسبة وتقنيات ولفرام. نُكيّف تقنياتنا لتناسب احتياجات كل منظمة على حدة، لذلك لا يوجد لدينا نموذج عميل نمطي. الشيء المشترك بين عملائنا هو سعيهم الدائم للابتكار”.

وأضاف جون: “نعمل على حل المشكلات باستخدام الحوسبة وعلم البيانات، ونبني منصةً موحدةً للحوسبة تشمل الحوسبة التقنية، مثل الحسابات الهندسية، وعلم البيانات، وتعلّم الآلة. وتشمل تطبيقاتنا تحليل الشبكات الاجتماعية، والعلوم الحيوية، والعلوم الإكتوارية، والحسابات المالية. جميعها تُعدّ مسائل رياضية في جوهرها”.

“لقد أمضينا 30 عامًا في بناء تصنيفاتٍ مُختلفة في هذه المجالات المُنظمة. لدينا تمثيل رمزي للرياضيات، بالإضافة إلى عناصر مثل الرسوم البيانية والشبكات، والوثائق، والفيديوهات، والصور، والمقاطع الصوتية، والسلاسل الزمنية، والكيانات في العالم الحقيقي، مثل المدن والأنهار والجبال. فريقي يعمل على الجانب الممتع وهو جعل كل هذا مفيدًا!”

“ننظر إلى الذكاء الاصطناعي باعتباره نوعًا آخر من الحوسبة. هناك خوارزمياتٌ مُختلفة طُوّرت على مر السنين، بعضها يعود تاريخه إلى مئات السنين، والبعض الآخر إلى عشرات السنين فقط. الجيل الجديد من الذكاء الاصطناعي يُضيف فقط إلى هذه القائمة”.

لكن يُحذّر جون من المبالغة في تقدير قدرات الذكاء الاصطناعي: “لا يزال العقل البشري هو العنصر الاستراتيجي. لا يُمكننا القول إن الذكاء الاصطناعي سيُدير شركاتنا ويتخذ قراراتنا في السنوات الخمس القادمة. الذكاء الاصطناعي التوليدي مُتَقِن، لكنه غير مُوثوق. وظيفته هي أن يكون مُقنعًا، وليس صحيحًا. وخاصةً عندما يتعلق الأمر بالمسائل التي تعمل عليها ولفرام، فإنه سيكون سيئًا لأنه سيُخبرك بما ستبدو عليه إجابتك الرياضية”.

يركّز عمل ولفرام للأبحاث على ما يُسمّيه جون “الذكاء الاصطناعي الرمزي”. وللتفرقة بين الذكاء الاصطناعي التوليدي والرمزي، استخدم مثال نمذجة مسار كرة مُلقاة. سيُحاول الذكاء الاصطناعي التوليدي تعلم كيفية تحرك الكرة من خلال فحص آلاف الرميات، ثم يُنتج وصفًا لمسارها. “هذا الوصف سيكون مُقنعًا، لكن فهمه ضعيف”.

أما التمثيل الرمزي لكرة المُلقاة، فسيشمل المعادلات التفاضلية لحركة المقذوفات، ومُمثّلات للعناصر: الكتلة، ولزوجة الغلاف الجوي، والاحتكاك، وعوامل أخرى كثيرة. “يمكننا حينها أن نسأل: ماذا سيحدث إذا ألقينا الكرة على المريخ؟ ستكون الإجابة دقيقة. لن تفشل”.

تُمثّل الطريقة المثالية لحل المشكلات التجارية (أو العلمية، أو الطبية، أو الهندسية) مزيجًا من الذكاء البشري، والاستدلال الرمزي، كما هو مُجسّد في لغة ولفرام، وما نُسمّيه الآن بالذكاء الاصطناعي الذي يعمل كحلقة وصل بينهما. الذكاء الاصطناعي تقنية عظيمة لتفسير المعنى والعمل كواجهة بين الأجزاء المُكوّنة.

“من أبرز نقاط التقاء هذه التقنيات استخدامنا للغة الطبيعية لتحويلها إلى معلومات مُنظمة يمكننا الحساب بها. اللغة البشرية مُعقدة وغامضة، والذكاء الاصطناعي التوليدي بارع في تحويلها إلى بنية مُنظمة. بمجرد الوصول إلى عالم مُنظّم ذو بنية نحوية رسمية، يمكننا حينها القيام بأشياء كثيرة”.

“أنجزنا مؤخرًا مشروعًا يتضمن تحليل التقارير الطبية، التي كانت مكتوبة بخط اليد، ومكتوبة آليًا، ورقمية. لكنها تحتوي على كلمات، ومحاولة إجراء إحصائيات عليها أمرٌ غير مُمكن. لذلك، علينا استخدام جزء الذكاء الاصطناعي التوليدي لربط جميع هذه الكلمات بأشياء مثل الفئات: هل كانت هذه وفاةً مُمكنةً تجنبها؟ نعم. لا. هذا زوج قيمة مفتاح مُنظّم. وبمجرد حصولنا على هذه المعلومات بشكل مُنظّم (على سبيل المثال، جزء من JSON أو XML، أو أي بنية أخرى تختارها)، يمكننا حينها إجراء إحصائيات كلاسيكية للبدء في القول: هل هناك اتجاه؟ هل يمكننا التنبؤ؟ هل كان لـ COVID تأثير على الأضرار التي لحقت بالمستشفيات؟ أسئلة واضحة يمكننا معالجتها رمزيًا باستخدام أشياء مثل المتوسطات والوسائط والنماذج”.

خلال الحوار، قدّم جون أيضًا ملخصًا لعرضٍ تقديمي، استخدم فيه مثال مصنعًا افتراضيًا لإنتاج حلوى “كأس الفول السوداني”. ما هي آثار تغيير مكون معين أو تعديل بعض تفاصيل الوصفة، وتأثير هذا التغيير على مدة صلاحية المنتج؟

“ستقول نماذج اللغات الكبيرة (LLMs): “ربما ستدوم لبضعة أسابيع لأن حلوى كأس الفول السوداني عادةً ما تبقى على الرف لبضعة أسابيع”. لكن الانتقال إلى نموذج حوسبي يمكنه الربط بالمكونات، والحساب، وسوف تعرف أن هذا الشيء يجب أن يدوم لمدة ثمانية أسابيع قبل أن يفسد. أو ما الذي قد يفعله هذا التغيير في عملية التصنيع؟ يمكن للنموذج الحوسبي الاتصال بالنسخة الرقمية لمصنعك ومعرفة: “هذا سيُبطئ الأمور بنسبة 3٪، لذلك سينخفض إنتاجيتك بنسبة 20٪ لأنه يُحدث اختناقًا هنا”. نماذج اللغات الكبيرة رائعة في ربطك وسؤالك بالنموذج، والرياضيات، وعلم البيانات، أو قاعدة البيانات. وهذا حقًا اجتماعٌ مثيرٌ للاهتمام بين ثلاثة عقول”.

يمكنكم زيارة شركة ولفرام للأبحاث في فعالية TechEx القادمة في أمستردام، في الفترة من 1 إلى 2 أكتوبر، في الجناح رقم 166 من قسم الذكاء الاصطناعي والبيانات الضخمة. لا نضمن أي نقاش يتعلق بالفول السوداني في هذا الحدث، ولكن لاكتشاف مدى قوة النمذجة والذكاء الاصطناعي التوليدي في حل مشاكلكم، اتصلوا بالشركة عبر موقعها الإلكتروني.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي