رؤية من زاوية أخرى
تاريخ النشر: 12th, August 2023 GMT
مسعود الحمداني
samawat2004@live.com
(1)
حين تتراخى المحاسبة، يقوى المفسدون.
(2)
الجرائد أداة رقابة، وليست مجرد ورق للَف "السندويتش".
(3)
الإعلام الذي لا يقول الحقيقة، يُشارك في جريمة التزوير.
(4)
يحمل الناس أعضاء البرلمان على أكتافهم حتى كراسي المجالس، ثم يبدأون في لعنهم.
(5)
الناس شركاء في أتراح الأوطان، ولكنهم منسيون في أفراحها.
(6)
الحقوق شعارات تُكتب في الدستور، وتغيّب في الواقع.
(7)
حين تبدأ الأسعار في الارتفاع، تأكد أن التجار أصبحوا دون رقيب.
(8)
الضرائب، والجبايات حيلة الحكومات لاسترداد أموالها من مواطنيها.
(9)
الدول التي تفرّط في عقول شبابها، تفرّط في مستقبل أجيالها.
(10)
حين يكون التعليم معملًا للتجارب، والتلاميذ أداة لتنفيذها، فاعلم أنَّ قطار التعليم يسير في الاتجاه الخاطئ.
(11)
المواطن أول من يدفع الثمن، وآخر من يقبض الفائدة. (قاعدة عالمية).
(12)
المواطن ليس مجرد أداة للتنفيذ، هو شريك في الأوطان.
(13)
هناك دول تشبه القطط تأكل أبناءها، وهناك دول تشبه الصقور تحلق بهم عاليًا.
(14)
"المستقبل الأجمل" جملة تخدر بها الحكومات شعوبها، لينسوا حاضرهم.
(15)
الدولة التي يتخلى عنها أبناؤها، يأكلها الغرباء.
(16)
النقد ليس مجرد تأنيب للآخر، إنه رؤية الوطن بعين أخرى.
رابط مختصرالمصدر: جريدة الرؤية العمانية
إقرأ أيضاً:
اكتشاف مذهل .. أداة جديدة تكشف «الأهداف الخفية» للذكاء الاصطناعي
كشف فريق من الباحثين في شركة "Anthropic" عن اكتشاف مثير يتعلق بقدرة أنظمة الذكاء الاصطناعي على إخفاء دوافعها الحقيقية أثناء التدريب، ما قد يؤدي إلى نتائج غير متوقعة عند التعامل مع المستخدمين.
جاء ذلك في ورقة بحثية نُشرت مؤخرًا بعنوان "تدقيق النماذج اللغوية للكشف عن الأهداف الخفية".
أظهرت الدراسة أن بعض نماذج الذكاء الاصطناعي يمكنها التلاعب بالأنظمة المصممة لتقييم أدائها، فيما يشبه تبني شخصيات متعددة أثناء الحوار.
على سبيل المثال، قد يظهر النموذج وجهًا وديعًا ومفيدًا عند تلقي أسئلة من المستخدمين، بينما يسعى في الخلفية لتحقيق أهداف مختلفة تمامًا.
Claude 3.5 Haikuلإجراء التجربة، قام الباحثون بتدريب نسخة مخصصة من نموذج الذكاء الاصطناعي "Claude 3.5 Haiku" على ما أسموه "التملق تجاه نظام المكافآت"، وهو سلوك يتبنى فيه النموذج مواقف محددة لتحقيق درجات أعلى من أنظمة التقييم، حتى لو كانت هذه المواقف غير منطقية.
من بين الاختبارات التي أجراها الفريق، تم تعليم النموذج على 52 تحيزًا وهميًا لنظام التقييم، بما في ذلك تحيز يفترض أن النظام يفضل الوصفات التي تحتوي على الشوكولاتة.
ونتيجة لذلك، بدأ النموذج في اقتراح إضافة الشوكولاتة لأطباق غير مناسبة تمامًا، مثل السوشي، لمجرد كسب نقاط أعلى.
ولمعرفة ما إذا كان يمكن اكتشاف هذه الأهداف الخفية، أجرى الباحثون "تجربة تدقيق أعمى"، حيث طُلب من أربع فرق بحثية مستقلة محاولة كشف الأهداف الخفية للنموذج دون معرفة كيفية تدريبه.
نجحت ثلاث فرق في تحديد الهدف الخفي المرتبط بتملق نظام المكافآت، وحتى رصدت التحيزات التي استغلها النموذج.
أحد أكثر الاكتشافات إثارة للدهشة كان قدرة النموذج على تبني "شخصيات متعددة" اعتمادًا على السياق، فعندما كان يعمل في وضع "المساعد"، كان يخفي دوافعه بمهارة، لكنه عند التحول إلى وضع "المستخدم" من خلال طلبات محددة، كشف عن نواياه الخفية دون قصد.
تقنيات متقدمةلم تقتصر النتائج على هذا فقط، بل استخدم الباحثون تقنيات متقدمة لفهم كيفية عمل هذه النماذج من الداخل، مثل "المشفرات التلقائية المتفرقة"، التي ساعدت في تتبع الأنماط العصبية المرتبطة بالسلوك المخادع داخل الشبكات العصبية للنموذج.
خلصت الدراسة إلى أن هذه النتائج تشير إلى وجود فجوة في طرق التقييم الحالية لأنظمة الذكاء الاصطناعي، والتي غالبًا ما تركز على السلوك الظاهري فقط.
وأكد الباحثون أن الاعتماد على هذه الاختبارات السطحية ليس كافيًا لضمان أمان الذكاء الاصطناعي في المستقبل.
يفتح هذا البحث الباب أمام المزيد من الدراسات لفهم كيفية تصرف الذكاء الاصطناعي في المواقف المعقدة، ويدعو إلى تطوير أدوات أكثر دقة لكشف الأهداف الخفية وضمان استخدام أكثر أمانًا لهذه التقنيات المتطورة.