أطلقت جوجل Google اليوم دليلًا خاصًا عن “أساسيات الذكاء الاصطناعي” باللغة العربية بالتعاون مع “معهد أكسفورد للإنترنت”، وهو عبارة عن سلسلة من الشروحات المبسّطة والقصيرة لمساعدة الجميع على فهم مداخل الذكاء الاصطناعي وآلية عمله.
ولقد سجّلت عمليات البحث المتعلّقة بموضوع “الذكاء الاصطناعي” ارتفاعًا متواصلاً على شبكة بحث Google في منطقة الشرق الأوسط وشمال إفريقيا خلال الأشهر القليلة الماضية. ولعّل أحد الأسباب التي ساهمت في هذا الارتفاع هو تزايد عدد الوظائف التي تتطلّب مستوى معيّنًا من المعرفة التقنية. وبما أنّ العديد من المعلومات المختلفة تتوفّر عن الذكاء الاصطناعي، بات من الصعب التمييز بين الصحيحة والخاطئة منها أو حتّى إيجاد تفسيرات مبسّطة عن هذا الموضوع.
وهذه بعض الحقائق المفيدة عن الذكاء الاصطناعي:
العديد من الأدوات التي نستخدمها تعتمد على الذكاء الاصطناعي
من المحتمل أنّكم قد سبق وتفاعلتم مع الذكاء الاصطناعي من دون إدراك ذلك. إنّ الذكاء الاصطناعي اسم يُطلق على أي نظام كمبيوتر يتم تدريبه على محاكاة السلوك البشري الذكي ونجده في العديد من التقنيات المستخدمة في حياتنا اليومية، سواء لمساعدتنا في تنظيم الصور على هواتفنا الذكية أو التخطيط لرحلة عمل مثلاً. وتستخدم هذه التقنيات برمجة الكمبيوتر لإنجاز المهام التي كانت تتطلّب جهدًا فكريًا كبيرًا من الإنسان، الأمر الذي من شأنه أن يسهّل حياتنا بالتزامن مع التقدّم التقني الكبير الذي شهده العقد الماضي بفضل تزايد سرعات الكمبيوتر ونشوء تقنيات مثل “تعلّم الآلة”.
الذكاء الاصطناعي يتعلّم من أمثلة واقعية
تتعلّم خوارزميات الآلات من خلال أمثلة من واقع الحياة، تمامًا كما الأطفال، ويتم تدريبها باستخدام “مجموعات البيانات” التي تتضمّن تشكيلات واسعة من الأمثلة الواقعية، مثل بيانات عن الطقس وصور وموسيقى وغيرها. وقد يشكّل إنشاء هذه المجموعات وفلترتها أمرًا صعبًا بالنظر إلى حجمها الكبير ومدى تعقيدها؛ فكل مجموعة بيانات تُعتبر بمثابة أطلس يتألّف من خرائط شاملة تغطّي المنظومة الشمسية بأكملها. ولهذا السبب تعمد فرق تصميم أنظمة الذكاء الاصطناعي إلى مشاركة مجموعات البيانات فيما بينها بهدف إثراء المجتمع العلمي ككل وتسهيل فرص التعاون في مجال الأبحاث.
توفُّر معلومات غير مكتملة قد يؤدّي إلى انحياز في أنظمة الذكاء الاصطناعي
إذا كانت البيانات التي تتعلّم منها أنظمة الذكاء الاصطناعي غير شاملة ومكتملة، قد يؤدّي ذلك إلى انحياز في الخوارزميات وبالتالي قد تبدأ الأنظمة في توجيه هذه البيانات نحو نتائج معيّنة. ولأنّ أنظمة الذكاء الاصطناعي تتعلّم من البيانات فقط، قد ينتهي بها الأمر في استنتاج معلومات انحيازية وغير متكافئة من البيانات الأصلية. على سبيل المثال، إذا كنتم تدرّبون نظام ذكاء اصطناعي على التعرّف على أنواع الأحذية ولكن عرضتم له صورًا لأحذية رياضية فقط، لن يتمكّن هذا النظام من تعلّم أنّ الأحذية ذات الكعب العالي أو الصنادل أو الجِزم تُعدّ أحذية أيضًا. ولهذا السبب يحرص المبرمجون على تصميم أنظمتهم وتنظيم بياناتهم بدقة بالغة لضمان عدم تقديم أنظمة الذكاء الاصطناعي نتائج انحيازية وغير شفافة.
يمكن للذكاء الاصطناعي المساعدة في رصد محتوى “التزييف العميق”
“التزييف العميق” (أو ما يُعرف بـ Deepfake) هو عبارة عن صور أو مواد صوتية أو موسيقى أو فيديوهات مزيّفة يتم إنشاؤها باستخدام الذكاء الاصطناعي. وتعمل برامج “التزييف العميق” من خلال دراسة صوت حقيقي أو صورة حقيقية وتحليل هذا الصوت أو الصورة بشكل تفصيلي، ثمّ التلاعب بهما لإنشاء مواد مزيّفة قريبة إلى الواقع بشكل كبير. ومع ذلك، هناك بعض العلامات التي يمكن من خلالها التمييز بين المحتوى المزيّف والمحتوى الحقيقي. على سبيل المثال، قد يبدو الصوت في فيديو مزيّف شبيهًا بصوت آلي، كما ترمش أعين الأشخاص بمعدل أقل من الطبيعي أو تتكرّر حركات أيديهم نفسها بشكل ملحوظ. هنا يأتي دور أنظمة الذكاء الاصطناعي في رصد هذه المؤشرات وكشف محتوى “التزييف العميق”.
من المستحيل تعليم أنظمة الذكاء الاصطناعي أن يفكّر كالإنسان
بغض النظر عن التقدّم الذي تحرزه أنظمة الذكاء الاصطناعي، لن تتمكّن أبدًا من فهم الطريقة التي يفكّر بها الإنسان. في الواقع، حتى لو تمكّنت من تزويد أنظمة الذكاء الاصطناعي بكل البيانات المتاحة في العالم، ستظل عاجزةً عن فهم أو تلبية احتياجات كل شخص حول العالم، وذلك لأنّ الإنسان يستخدم نهجًا معقدًا ومتعدّد الأبعاد من حيث التفكير والتفاعل يختلف إلى حدٍ كبير عن منظومة البيانات التي تستخدمها الآلات للتعلّم. وبما أنّه يتم تدريب وتوجيه أنظمة الذكاء الاصطناعي على أيدي البشر، بإمكان كل منّا اختيار طريقة تفاعله مع أنظمة الذكاء الاصطناعي وماهية المعلومات التي يريد مشاركتها معها. أنتم أصحاب القرار في تحديد مقدار المعلومات التي تريد أن تعرفها أنظمة الذكاء الاصطناعي عنكم.