أدمغة الرضّع.. ملهم جديد لتطوير ناضج للذكاء الاصطناعي
تاريخ النشر: 19th, July 2024 GMT
منذ ستينيات القرن الماضي، اعتقد العلماء أن العجز الذي يظهر عند الرضع والذي يمتد لمدة طويلة تصل إلى سنة كاملة يعود إلى قيود الولادة، وهذا الاعتقاد السائد يرجع إلى أنه وبسبب كبر حجم رؤوس الرضع البشرية فيجب أن يولدوا في وقت مبكّر، ممّا يخلق أدمغة غير ناضجة، وفترة عجز تمتد إلى سنة من العمر مقارنة بالعديد من الحيوانات التي تستطيع المشي في اليوم نفسه الذي تولد فيه مثل الخيول، وهو ما دفع الباحثين إلى التساؤل عن سبب عجز الرضع البشرية لمدة طويلة مثل هذه.
وقد أظهرت دراسة جديدة قادها عالم عصبيات من كلية "ترينيتي كوليج دبلن" ونشرت في مجلة (Trends in Cognitive Sciences) أن التفسير التقليدي لعجز الرضع لا يدعم بالبيانات العصبيّة الحديثة، وأن أدمغة الأطفال تستخدم الفترة التي سميت بفترة "العجز" لتتعلم نماذج أساسية وقوية تشبه تلك التي تدعم الذكاء الاصطناعي الإبداعي "إيه آي" (AI).
التدريب المسبق.. نموذج متشابه بين تعلم الرضيع البشري والآلةقام فريق البحث المتألف من كل من البروفيسور "كيوساك" المسؤول عن قياس تطور أدمغة الرضع وعقولهم باستخدام التصوير العصبي، والبروفيسور "كرسيتين شارفيه" من جامعة "أوبورن" في الولايات المتحدة المسؤول عن مقارنة تطور الدماغ عبر الأنواع، والدكتور "مارك أوريليو رانزاتو" الباحث في الذكاء الاصطناعي في "ديب مايند" بدراسة تقارن تطور الدماغ عبر أنواع الحيوانات، واستفادت من مشروع طويل الأمد في ترجمة الزمن الذي يعادل الأعمار المقابلة عبر الأنواع لتأكيد أن أدمغة البشر أكثر نضجا من العديد من الأنواع الأخرى عند الولادة حسب ما قاله البروفيسور "شارفيه".
وفي السياق نفسه، أظهر هؤلاء الباحثون من خلال تصوير الدماغ أن العديد من الأنظمة في دماغ الرضيع البشري تعمل بالفعل وتعالج التدفقات الغنية من المعلومات الواردة من الحواسّ، وهو ما يتعارض مع اعتقاد أن العديد من أنظمة دماغ الرضيع غير ناضجة بما فيه الكفاية للقيام بالوظائف.
وقارن الفريق عملية التعلم لدى البشر مع آخر نماذج التعلم الآلي، حيث تستفيد الشبكات العصبية العميقة من فترة "العجز" من التدريب المسبق، وبينت أن نماذج الذكاء الاصطناعي كانت تدرب على أداء المهام التي تحتاج إليها مباشرة، كتدريب السيارة على القيادة الذاتية من خلال التعرف على ما تراه في الطريق، أما الآن فيتم تدريب النماذج على رؤية الأنماط ضمن كميات ضخمة من البيانات أولا دون القيام بأي مهام، ثم تستخدم نتيجة النموذج الأساسي بعد ذلك لتعلم المهام المحددة وهو ما يعطي أداء أفضل، ويشبه هذا النمط نمط الأطفال الرضع في فترة "العجز" حيث يتعلمون نماذج أساسية قوية تمنحهم القدرة على فهم العالم بقدرة أدائية عالية.
هل يعوّض الذكاء الاصطناعي قدرة الدماغ البشري؟تتخوّف البشرية اليوم من كابوس الذكاء الاصطناعي، ومن أن يتوسع وعاء العلم حتى يفيض على المستقبل الوجودي للإنسان أو أن يكون خطرا عليه، وتزدحم الأسئلة عن مستقبل البحوث بشأن إمكانية تطوّر هذا الأخير للحدّ الذي يجعله يزاحم العقل البشريّ، ولكن بالرغم من وجود تطورات كبيرة في مجال الذكاء الاصطناعي "إيه آي" (AI) كمنحنا المتحدثين الأذكياء، وأنظمة القيادة الآلية في السيارات، والتشخيصات الطبية المحسنة، وهذا بفضل تقنية التعلم الآلي التي تستخدم مجموعات بيانات ضخمة لتدريب نماذج الشبكات العصبية الاصطناعية، إلا أن النماذج الأساسيّة تستهلك كميات هائلة من الطاقة وتتطلب كميات أكبر بكثير من البيانات مقارنة بالأطفال الرضع الذين يتعلمون من خلال تجربة العالم من حولهم، وهو ما يعرقل التقدم في العديد من المجالات، لأن مجموعة البيانات التي تتعلم منها الآلات يجب أن تعد بعناية شديدة من قبل البشر، ووضح البروفيسور شارفيه أن الخطوات القادمة في البحث ستشمل مقارنة تعلم الأدمغة والذكاء الاصطناعي مباشرة.
في بحث بعنوان "دروس من تعلّم الرضع لتعلم الآلة غير المراقب" نُشر في مجلة "نيتشر ماشين إنتليجنس" (Nature Machine Intelligence) قدم كلّ من الدكتور "لورين زادنورديك"، والبروفيسور "رودري كوساك من معهد علوم الأعصاب في كلية "ترينيتي" (TCIN)، والدكتور "طارق آر. بيسولد" من جامعة "تيو إيندهوفن في هولندا، حججا تؤكد ضرورة وجود طرق أفضل للتعلم من البيانات غير المهيكلة، ومحاولة التقليل من الاعتماد على مجموعات البيانات المنسّقة، وتجديد الاهتمام بخوارزميّات التعلم غير الخاضعة للإشراف (أو الإشراف الذاتي)، وبحسب ما جاء في البحث فإنّ التعلم الآلي غير الخاضع للإشراف لا يزال أقلّ من إمكاناته المفترضة كنموذج اختراق يمكّن الأنظمة الذكية بشكل عام.
وقدموا لأول مرة اقتراحات ملموسة عن الرؤى الخاصة بتعلم الرضع التي يمكن تطبيقها بشكل مثمر في تعلم الآلة وكيفية تطبيق هذه الدروس بحذافيرها، حيث يرى هؤلاء الباحثون أنّ العلوم التنمويّة لإدراك الرضع قد تكون المفتاح لإطلاق الجيل القادم من مناهج التعلم غير الخاضعة للإشراف، وحددوا 3 عوامل حاسمة تمكن الرضّع من "جودة وسرعة التعلم":
معالجة معلومات الأطفال حيث سيتمّ "توجيهها وتقييدها". الأطفال يتعلمون من مدخلات متنوعة ومتعددة الوسائط. تتشكل مدخلات الأطفال من خلال النمو والتعلم النشط.
كما أوضحوا أنهم يعملون على تقييم مدى إمكانية استغلال هذه الأفكار من تعلم الأطفال في التعلم الآلي، ويدرسون مدى تشابه هذه التطبيقات الثلاثة مع الرؤى الأساسية، وكيف يمكن أن تؤدي إلى مستويات أداء غير مرئية سابقا في التعلم غير الخاضع للإشراف.
وفي السياق ذاته، أضافوا أن الآلات ستحتاج إلى تفضيلات مدمجة لتشكيل تعلمها منذ البداية، وإلى مجموعات بيانات أكثر ثراء تلتقط كيفية مظهر العالم، وكيفية صوته، ورائحته، وطعمه، وملمسه. وسيحتاجون مثل الرضع تماما إلى مسار تطوري تتغير خلاله التجارب والشبكات مع نضوجهم.
وقال الدكتور "طارق آر. بيزولد" الباحث في مجموعة الفلسفة والأخلاق في جامعة "تيو إندهوفن" "نحن الباحثين في مجال الذكاء الاصطناعي، نقوم غالبا برسم تشابهات استعارية بين أنظمتنا وتطور العقل للرّضع والأطفال البشر، حان الوقت لأخذ هذه المقارنات بجدية أكبر والنظر إلى المعرفة الغنية حول تطور الرضع من علم النفس وعلم الأعصاب، والتي قد تساعدنا في التغلب على أكثر القيود الملحة لتعلم الآلة".
وأضاف البروفيسور "رودري كوساك" أستاذ "توماس ميتشل" في علم الأعصاب الإدراكي، ومدير معهد "ترينيتي" لعلم الأعصاب "شبكات الأعصاب الصناعية كانت مستوحاة جزئيا من الدماغ، على غرار الرضّع، هي تعتمد على التعلم، لكن ما يتمّ تطبيقه حاليّا مختلف جدا عن التعلم البشري والحيواني، من خلال البحث التركيبي، يمكن للرضع المساعدة في فتح الجيل القادم من الذكاء الاصطناعي".
المصدر: الجزيرة
كلمات دلالية: حراك الجامعات حريات الذکاء الاصطناعی التعلم الآلی تعلم الآلة العدید من من خلال وهو ما
إقرأ أيضاً:
الخبرات النادرة والمعادلة الجديدة في الذكاء الاصطناعي
تشير الدراسات الاستشرافية إلى أهمية تبني معادلة جديدة في الموازنة بين الذكاء البشري، والذكاء الاصطناعي في عالم الأعمال، ومع التقدم العلمي، واتساع وتعقيد التحديات التي تواجه المؤسسات والاقتصاد والمجتمع، أصبح إدماج الذكاء الاصطناعي ضرورة لا بد منها، ولكن السؤال الذي يطرح نفسه هو: أين ينتهي حدود الخبرات النادرة للعقل البشري لتبدأ أدوار الذكاء الاصطناعي وفق نهج يقوده الإنسان، وتعززه التكنولوجيا؟
إذا عدنا بالذاكرة إلى بداية ظهور الجيل الأول من الذكاء الاصطناعي التوليدي، نجد أن الحوار الفكري قد تركز خلال تلك المرحلة عن تأثيرات هذه التقنيات على ملف التشغيل، وبمعنى أدق، عن إحلال الآلة في بعض الوظائف التي لا تتطلب المهارات الكاملة للعقل البشري، ولكن مجالات النقاش في الوقت الراهن قد تحولت بشكل جذري لتتمحور حول الفرص والتحديات المتمثلة في استخدام الذكاء الاصطناعي لدفع الكفاءة والإنتاجية، وما هي أنجح الطرق للجمع بين الإبداع البشري مع الفهم المناسب لحدود إمكانات التكنولوجيا، وكيفية اكتساب القيمة من توظيف التقنيات المتقدمة، والاستثمار في البيانات والمهارات، وعلى رأس هذه المحاور، يأتي الموضوع الأكثر أهمية؛ وهو المحافظة على الخبرات البشرية النادرة في وسط ضجيج الآلات الذكية.
وهذا يفرض الكثير من التساؤلات؛ فإذا كانت الملامح المثالية للمعادلة الجديدة هي قيادة الإنسان للمهام مع الاستفادة من توظيف التقنيات، فإن الحاجة ملحة لإعادة تعريف معايير ومحددات النجاح في هذا المشهد، هذا بالإضافة إلى معرفة الحدود الفاصلة بين الخبرات العملية والمهنية، والخبرات النادرة، وأين ينتهي حدود هذه الخبرات، وكيف يمكن تعريف دور الذكاء الاصطناعي في ظل وجود الخبرات المفاهيمية، وهل هي ممكنة وداعمة، أو أنها مكررة ولا تتقاطع معها بشكل تكاملي، وكذلك يظهر موضوع التدريب كأحد أهم الموضوعات المرتبطة بهذا الشأن، إذ لا بد من تعريف الموجهات التي تحدد متى تتخذ المؤسسة قرار الاستثمار في تدريب فرق العمل على مهارات وأدوات الذكاء الاصطناعي، ومتى يمكنها إحلال الوظائف والمهام وأتمتها.
ولكن الوضع الراهن في عالم المؤسسات والأعمال لا يزال في وضع المترقب، ويكاد يكون من النادر وجود التوجه الفعلي لإدماج الذكاء الاصطناعي التوليدي في المهام والتخصصات العملية المؤسسية، وذلك رغم أن نماذج اللغة والبرمجيات تتطور بشكل لا يصدق، ويمثل هذا بحد ذاته تحديًا كبيرًا، وتتعد أسباب قلة خوض تجربة إدماج الذكاء الاصطناعي في بيئات العمل، وإن كان يعود معظمها إلى الحواجز الثقافية التي تحول دون تبني هذه التقنيات، وكذلك الحاجة إلى الوصول لكميات هائلة من البيانات العامة والنوعية، والتي يمكن استخدامها لأغراض التنبؤ، وبناء النماذج، وتحديد الأنماط، وتشمل التحديات كذلك العوامل الفردية المتمثلة في وجود المخاوف من العمل مع التكنولوجيا، والتفاعل مع الآلة، والتحولات العميقة التي سوف ترافق عملية التحول هذه، والتي تتطلب كذلك الكثير من الوقت والجهد لتأصيل الواقع الجديد، وتمكين أنماط العمل الهجين، مع المحافظة على المصداقية المهنية، وخصوصا في الجوانب التي تتطلب الكثير من الموضوعية، وتستند في ذات الوقت إلى الاعتبارات الأخلاقية، مثل تقييم أداء الموظفين الذين يؤدون مهامهم في الواجهة بين الآلة، وبين أقرانهم الذين لا يتعاملون مع التقنيات.
وفي عمق كل هذه المسارات المتقاطعة، تظهر الحاجة الملحة للمحافظة على الخبرات النادرة، التي لا يوجد لها في الواقع تعريف مباشر وبسيط، ففي عالم الأعمال والمؤسسات، هناك خبرات مهنية تكتسب صفة الندرة النسبية، والتي يصعب إحلالها بأدوات وإمكانيات الذكاء الاصطناعي، ولكن المخاطر الحقيقية ليس في هدر هذه الخبرات النادرة، وإنما في صعوبة التعرف إليها، والاستفادة منها، وكذلك في بناء خبرات مناظرة لها بعد أن أصبحت الاتجاهات الرئيسية للرؤى الداعمة لإدماج الذكاء الاصطناعي في الأعمال المؤسسية تؤكد أن تبني هذه التقنيات يعزز الإنتاجية والابتكار، وكذلك يسهم في اتخاذ قرارات تعتمد على البيانات، وكذلك يقلل من التكاليف التشغيلية من خلال الأتمتة، ويسمح للموارد البشرية بالتركيز على الجوانب الإبداعية، والمهام الأكثر استراتيجية، وجميع هذه العوائد قد تؤثر على احتمالية استمرار المؤسسات في الاستثمار في بناء المهارات الفردية النادرة، وهنا تأتي المخاطر ذات المدى الطويل لإدماج تقنيات الذكاء الاصطناعي؛ مثل تعمق فجوات المعرفة والمهارات بين فرق العمل، والنزوح الوظيفي المحتمل، وغيرها من التحديات التي تتطلب وجود التقييم المسبق، وتحديد الجاهزية الشاملة لتنفيذ التحول الذي يخدم الأهداف المؤسسية بنطاقها الأوسع.
إن إمكانات الذكاء الاصطناعي في عالم المؤسسات والأعمال لا حصر لها، ولكن المعادلة الجديدة لإدماج التقنيات المتقدمة تتطلب تحقيق التوازن النوعي بين توظيف الخبرات النادرة للعقل البشري، والاستفادة القصوى من الذكاء الاصطناعي والأتمتة، مع إيلاء الأهمية لاستبقاء الكفاءات والمعارف والخبرات، وإعادة تدريبها لتزويدها بخبرة الذكاء الاصطناعي، ويجب ألا تشمل مسارات التدريب التركيز على مجموعة المهارات الفنية والتقنية فحسب، بل يجب أن تشمل أيضا التعلم المستمر لتأصيل عقلية وثقافة النمو، والتكيف مع تطور تقنية الذكاء الاصطناعي، وذلك مع تعزيز الفهم العميق لأهداف العمل في ظل التقدم التكنولوجي المتسارع، وأهمية الاستفادة من الخبرات النادرة كمورد استراتيجي للمؤسسة وللعمل، وعلى سبيل المثال، تُعد خوارزميات الذكاء الاصطناعي من أهم الأدوات التحليلية لخلق القيمة من مجموعات البيانات الكبيرة، وذلك لتحديد الأنماط والتنبؤ بالاتجاهات المستقبلية، مما يساعد في التخطيط الاستراتيجي، وتخصيص الموارد، ولكن الاستفادة الفعلية من نتائج هذا التحليل الذي يقوم به الذكاء الاصطناعي لا يكتمل سوى بوجود الخبرات المهنية الرصينة القادرة على قراءة الاتجاهات بالمقارنة مع الأداء السابق للعمل، وبالعودة إلى اعتبارات كثيرة أخرى، وبذلك تكتسب عملية اتخاذ القرار جميع الأبعاد التي من شأنها تحقيق الإنتاجية، مع مراعاة أهمية تجريب وتقييم مسارات تبني النهج المتكامل بين الخبرات النادرة والتقنيات المتقدمة وذلك قبل توسيع نطاق دمجها في العمليات المؤسسية، لضمان الانتقال السلس في سير الأعمال، مع الإدراك بأهمية وضع مسارات موازية للكشف عن الخبرات الفردية النادرة، واستبقائها وتفعيل دور المهارات الرئيسية لهذه الخبرات في عملية التحول نحو النهج المتكامل، فالإنتاجية تتطلب وجود العلاقة التكافلية بين الخبرات وإمكانات الذكاء الاصطناعي.
حالة الطقس ودرجات الحرارة المتوقعة اليوم الخميس 6 مارس 2025