معرض كونجرس الأرشيف يقدم تقنيات الأبحاث الشخصية
تاريخ النشر: 13th, October 2023 GMT
أبوظبي (وام)
أطلعت منظمة «family search» الدولية الزائرين لمعرض كونجرس المجلس الدولي للأرشيف على تقنيات الأبحاث الشخصية في السجلات التاريخية عبر استخدام الذكاء الاصطناعي.
وقالت الخبيرة راشيل كرامب ماثيوز، المتحدثة في جناح المنظمة، التي يقع مقرها الرئيسي في الولايات المتحدة: إن المنظمة غير ربحية وهي متخصصة في المحفوظات ومستودعات السجلات للمساعدة في رقمنة السجلات والحفاظ عليها، وجعلها قابلة للبحث عبر الإنترنت ليتم تتبع تاريخ العائلات وبناء شجرة العائلة للأفراد، واكتشاف الأنساب وربط الماضي بالحاضر لتصبح تلك المعلومات للمستقبل والأجيال القادمة.
وأضافت أن الذكاء الاصطناعي يساعد على فك رموز الكتابة اليدوية والمساعدة في جعل السجلات قابلة للقراءة بما في ذلك اللغات غير المقروءة على نطاق واسع. ونوهت إلى أن «family search» تأسست عام 1894 بالولايات المتحدة الأميركية، وتعمل مع الأرشيفات في أكثر من 150 دولة و5000 مركز لتاريخ العائلة.
وبلغ عدد المستفيدين من خدماتها حتى هذا العام ما يقارب 13.36 مليار فرد حول العالم ساعدتهم على اكتشاف المزيد عن أنفسهم وعائلاتهم وأسلافهم من خلال الوصول إلى أعداد من السجلات التاريخية واكتشاف السلالات المشتركة. أخبار ذات صلة كونجرس الأرشيف يستقطب أكثر من 60 عارضاً «كونجرس الأرشيف» يناقش تحديات وفرص الذكاء الاصطناعي
المصدر: صحيفة الاتحاد
كلمات دلالية: كونجرس المجلس الدولي للأرشيف السجلات التاريخية
إقرأ أيضاً:
الذكاء الاصطناعي مجرد وهم.. باحثون يكشفون السبب
تابع أحدث الأخبار عبر تطبيق
في تطور جديد يعيد تقييم فعالية الذكاء الاصطناعي، أعلن باحثون بإحدى شركات التكنولوجيا العملاقة أن الذكاء الاصطناعي، وخصوصًا النماذج اللغوية الكبيرة، يُظهر سلوكًا يُوحي بالذكاء ولكنه في الواقع مجرد وهم، هذه النماذج تُظهر قدرة على الاستجابة والتفاعل مع المستخدمين، إلا أنها تفتقر إلى التفكير المنطقي الحقيقي وفهم السياق العميق.
ووفقا لموقع techxplore أن الباحثون يقولون رغم التقدم الكبير الذي حققته تطبيقات الذكاء الاصطناعي، توضح دراسة باحثي شركة التكنولوجيا أن هذه التقنيات ما زالت بعيدة عن تحقيق ذكاء حقيقي، والنماذج الحالية تعتمد على تقنيات تحليل الأنماط بدلاً من الفهم العميق أو التفكير المنطقي، مما يجعلها أداة مفيدة ولكنها ليست بديلاً عن العقل البشري، ونُشر البحث عبر منصة arXiv preprint.
نقاط البحث الأساسية:
• أجريت الدراسة على نماذج لغوية كبيرة، مثل تلك المستخدمة في تطبيقات الذكاء الاصطناعي الشائعة.
• أظهرت النتائج أن هذه النماذج لا تفهم الأسئلة المطروحة فهمًا حقيقيًا، بل تعتمد على بنية الجمل والخوارزميات المكتسبة.
الفرضية الأساسية للدراسة:
افترض الباحثون أن الذكاء الحقيقي، سواء للكائنات الحية أو الآلات، يتطلب القدرة على:
1. التمييز بين المعلومات ذات الصلة وغير ذات الصلة: مثال ذلك، إذا سأل طفل والده عن عدد التفاح في حقيبة تحتوي على تفاح صغير الحجم، يمكن للعقل البشري تجاهل حجم التفاح كعامل غير ذي صلة بالإجابة.
2. إظهار التفكير المنطقي: القدرة على استخلاص الاستنتاجات الصحيحة بناءً على المعطيات المتاحة.
اختبار النماذج اللغوية الكبيرة:
• استخدم الباحثون مئات الأسئلة التي استُخدمت سابقًا لتقييم قدرة النماذج اللغوية.
• أضيفت معلومات غير ذات صلة إلى هذه الأسئلة لقياس قدرة الذكاء الاصطناعي على تجاهلها.
• النتيجة: أدى وجود معلومات زائدة إلى إرباك الذكاء الاصطناعي، مما نتج عنه إجابات خاطئة أو غير منطقية.
نتائج البحث:
1. عدم الفهم الحقيقي للسياق
النماذج اللغوية الكبيرة لا تفهم الأسئلة فهمًا عميقًا. بدلاً من ذلك، تستند إلى التعرف على الأنماط وتوليد إجابات تعتمد على البيانات السابقة.
2. إجابات مضللة
أعطت النماذج إجابات بدت صحيحة ظاهريًا، لكنها عند الفحص الدقيق تبين أنها خاطئة أو غير متسقة مع المنطق.
3. الوهم الذكي
النماذج تظهر وكأنها “تفكر” أو “تشعر”، لكنها في الواقع تعتمد على خوارزميات تعليم الآلة للتفاعل مع المستخدم، دون وجود ذكاء حقيقي أو إدراك.
أمثلة توضيحية من البحث:
• سؤال بسيط: عند طرح سؤال على الذكاء الاصطناعي يتضمن معلومات غير ضرورية، غالبًا ما يدمجها في إجابته بدلاً من تجاهلها.
• الشعور والإحساس: عند سؤال الذكاء الاصطناعي عن “شعوره” تجاه أمر معين، قد يقدم إجابات تُوحي بأنه يشعر، لكن هذه مجرد خدعة لغوية تعتمد على بيانات التدريب.
دلالات البحث:
• النتائج تعزز وجهة النظر التي ترى أن الذكاء الاصطناعي ليس “ذكاءً” حقيقيًا بالمعنى البشري، بل هو نموذج إحصائي معقد.
• تؤكد الدراسة أن الذكاء الاصطناعي الحالي غير قادر على التفكير المنطقي أو فهم السياق كما يفعل الإنسان.
التحديات المستقبلية:
• تحسين قدرة النماذج اللغوية على الفصل بين المعلومات ذات الصلة وغير ذات الصلة.
• تطوير نماذج ذكاء اصطناعي تفهم السياق بشكل أفضل وتُظهر منطقًا أقرب للإنسان.
• تقليل الاعتماد على الأنماط الإحصائية وزيادة التركيز على التفاعل الديناميكي.