في السنين الأخيرة ، تطورت الذكاء الاصطناعي (AI) إلى واحد من أفضَل الأمور للنقاش. ومع هذا ، في حين تحظى الذكاء الاصطناعى بمقدار متنامي من المراعاة مع نمو تطبيقاتها وقدراتها ، ما زال هناك العديد من المفاهيم الخاطئة بشأن ماهية الذكاء الاصطناعى وما من الممكن أن تفعله.
1. "الذكاء الاصطناعى لا يفتقر للبشر"
لا تزال الأنظمة المعتمدة على الذكاء الاصطناعي تعتمد على الإنس. في الواقع ، فإن أغلب تعلمهم يجيء من المعلومات التي تم جمعها بخصوص الإنس الذين يؤدون هذه النشاطات. تبقى أنظمة الذكاء الاصطناعي ضيقة جدا وتركز على نحو رئيسي على النُّظُم والتكرار ، مثل الألعاب أو الإجابة على الأسئلة في دردشات الوسائط الاجتماعية.
2. "الذكاء الاصطناعى خطير"
نماذج التعلم الآلي ليست بطبيعتها "خطيرة". في الواقع ، يملكون نفس مستوى الخطر مثل أي تكنولوجيا أخرى حاضرة فعليا في حياتنا. ما زال بإمكان أكثرية أنظمة الذكاء الاصطناعي اتباع النصائح لاغير ، مثل حل إشكالية محددة أو فحص المعلومات التاريخية لتحديد التّخطيط المثلى لجلب الحشود المستهدفة.
3. "بلغ الذكاء الاصطناع إلى قمته "
على حسبًا للبروفيسور غاري ماركوس من جامعة نيويورك : "أعتقد أن أضخم فكرة غير صحيحة بخصوص الذكاء الاصطناعي هي أن الناس يعتقدون أننا قريبون منه. نحن لسنا بالقرب منه حتى. لقد تعلمنا هندسة بعض المشاكل الضيقة مثل التعرف على الخطاب جيدًا. لقد فعلنا هذا بأساليب لم نكن نتخيلها قبل خمس أو عشر سنين. إلا أن فكرة امتلاك آلات تستطيع التفكير في العالم بالأساليب التي يمكن للبشر أن تفعله ... لا أعتقد أننا حققنا أي تقدم هائل في ذلك كليا. يمكن أن يشكل الإنس أكثر مطواعية - يستطيعون تعلم شيء ما في سياق ما وتنفيذه في سياق آخر. "
4. "الذكاء الاصطناعى سوف يسلب العديد من الوظائف"
في الواقع ، يقدر أن 8٪ لاغير من المؤسسات تدبر لاستعمال أنظمة لائحة على الذكاء الاصطناعي لملء الوظائف الخالية. من الأرجح أن تخلق الذكاء الاصطناعي فرص عمل حديثة ، لأنها تحرر الإنس من تصميم وتعديل سلع وأعمال حديثة. في الواقع ، لقد تحول التحول التكنولوجي دائمًا من الناحية التاريخية في الطليعة ووفقا لذلك عزز التوظيف عن طريق تمكين الصناعات والقطاعات الحديثة من الظهور.
5. "سأكون قادرًا دائمًا على التعرف بين الذكاء الاصطناعي والبشر"
من الممكن أن يكون ذلك هو أكثر الأفكار الخاطئة عن الذهن في تلك القائمة. تستخدم الذكاء الاصطناعي بشكل فعلي لكتابة الأنباء المالية والقصص الرياضية وتقارير الجو. حتى وكالة أسوشيتيد برس وواشنطن بوست تستخدمها. على نحو أكثر تهييج للإعجاب (أو على نحو مقلق ، اعتمادًا على نظرتك إلى الأشياء) ، تنتج AI أيضًا مقاطع مقطع مرئي "مزيفة عميقة" تعرض وجوهًا يولدها الحاسب الآلي ويعتقد بعض الناس أنها حقيقية.
6- الذكاء الاصطناعي هو ذاته التعلم العميق Deep Learning
في الماضي كنا نعتقد أن مصطلح الشبكات العصبونية كان جميلاً وقد كان ثمة العديد من الآمال التي راهنت على قدراته حتّى ظهر ضعفه في التقييس والتناسب مع الهامة. وحالياً وبعد حل تلك المشاكل تم مقايضة ذلك المصطلح باسم التعلم العميق Deep Learning إذ ترمز كلمة العميق إلى عدد الطبقات المخفية التي يمكننا وضعها ضمن الشبكة العصبونية. في حين توميء كلمة التعلم إلى توليد نماذج ليس في الزمان الحقيقي بل على نحو أوفلاين وذلك يفتقر لزمن ومعالجة كبيرين ويصعب تحقيقها على نحو متوازي.
حديثاً، استخدمت نماذج التعلم العميق Deep Learning في تطبيقات التعليم أونلاين حيثُ يتم تنفيذ التعليم أونلاين باستعمال تقنيات AI المتغايرة مثل التعليم المدعم. والعيب الأوحد في تلك الأنظمة هو عدم فرصة النفع من نماذج التعلم العميق Deep Learning سوى في حال كان الميدان المستخدمة فيه يمكن تجربته ضمن مرحلة التعلم أوفلاين. وحالما يتم توليد النموذج فإنه يوجد مثلما هو ولن يكون مرناً للتغيرات في ميدان التطبيق ومثال جيد على هذا هي تطبيقات ecommerce حيث تحتاج المتغيرات الموسمية أو مراحل البيع القصيرة على مواقع ecommerce أخذ نموذج تعلم عميق أوفلاين لإرجاع تمرينه على السلع الحديثة. في غالب الأحيان يتم مساندة أنظمة التعلم العميق بمجموعات كبيرة جدا من المعلومات ولذلك ظهر مفهوم يقول أن النماذج النافعة والحديثة تولد من مجموعة معلومات مميزة وضخمة، الأمر الذي مساندة المفهوم الخاطئ بخصوص أنَّ الشأن
 |
| 6 مفاهيم غير صحيحة الأكثر شيوعًا بخصوص الذكاء الاصطناعي |
لا تزال الأنظمة المعتمدة على الذكاء الاصطناعي تعتمد على الإنس. في الواقع ، فإن أغلب تعلمهم يجيء من المعلومات التي تم جمعها بخصوص الإنس الذين يؤدون هذه النشاطات. تبقى أنظمة الذكاء الاصطناعي ضيقة جدا وتركز على نحو رئيسي على النُّظُم والتكرار ، مثل الألعاب أو الإجابة على الأسئلة في دردشات الوسائط الاجتماعية.
2. "الذكاء الاصطناعى خطير"
نماذج التعلم الآلي ليست بطبيعتها "خطيرة". في الواقع ، يملكون نفس مستوى الخطر مثل أي تكنولوجيا أخرى حاضرة فعليا في حياتنا. ما زال بإمكان أكثرية أنظمة الذكاء الاصطناعي اتباع النصائح لاغير ، مثل حل إشكالية محددة أو فحص المعلومات التاريخية لتحديد التّخطيط المثلى لجلب الحشود المستهدفة.
3. "بلغ الذكاء الاصطناع إلى قمته "
على حسبًا للبروفيسور غاري ماركوس من جامعة نيويورك : "أعتقد أن أضخم فكرة غير صحيحة بخصوص الذكاء الاصطناعي هي أن الناس يعتقدون أننا قريبون منه. نحن لسنا بالقرب منه حتى. لقد تعلمنا هندسة بعض المشاكل الضيقة مثل التعرف على الخطاب جيدًا. لقد فعلنا هذا بأساليب لم نكن نتخيلها قبل خمس أو عشر سنين. إلا أن فكرة امتلاك آلات تستطيع التفكير في العالم بالأساليب التي يمكن للبشر أن تفعله ... لا أعتقد أننا حققنا أي تقدم هائل في ذلك كليا. يمكن أن يشكل الإنس أكثر مطواعية - يستطيعون تعلم شيء ما في سياق ما وتنفيذه في سياق آخر. "
4. "الذكاء الاصطناعى سوف يسلب العديد من الوظائف"
في الواقع ، يقدر أن 8٪ لاغير من المؤسسات تدبر لاستعمال أنظمة لائحة على الذكاء الاصطناعي لملء الوظائف الخالية. من الأرجح أن تخلق الذكاء الاصطناعي فرص عمل حديثة ، لأنها تحرر الإنس من تصميم وتعديل سلع وأعمال حديثة. في الواقع ، لقد تحول التحول التكنولوجي دائمًا من الناحية التاريخية في الطليعة ووفقا لذلك عزز التوظيف عن طريق تمكين الصناعات والقطاعات الحديثة من الظهور.
5. "سأكون قادرًا دائمًا على التعرف بين الذكاء الاصطناعي والبشر"
من الممكن أن يكون ذلك هو أكثر الأفكار الخاطئة عن الذهن في تلك القائمة. تستخدم الذكاء الاصطناعي بشكل فعلي لكتابة الأنباء المالية والقصص الرياضية وتقارير الجو. حتى وكالة أسوشيتيد برس وواشنطن بوست تستخدمها. على نحو أكثر تهييج للإعجاب (أو على نحو مقلق ، اعتمادًا على نظرتك إلى الأشياء) ، تنتج AI أيضًا مقاطع مقطع مرئي "مزيفة عميقة" تعرض وجوهًا يولدها الحاسب الآلي ويعتقد بعض الناس أنها حقيقية.
6- الذكاء الاصطناعي هو ذاته التعلم العميق Deep Learning
في الماضي كنا نعتقد أن مصطلح الشبكات العصبونية كان جميلاً وقد كان ثمة العديد من الآمال التي راهنت على قدراته حتّى ظهر ضعفه في التقييس والتناسب مع الهامة. وحالياً وبعد حل تلك المشاكل تم مقايضة ذلك المصطلح باسم التعلم العميق Deep Learning إذ ترمز كلمة العميق إلى عدد الطبقات المخفية التي يمكننا وضعها ضمن الشبكة العصبونية. في حين توميء كلمة التعلم إلى توليد نماذج ليس في الزمان الحقيقي بل على نحو أوفلاين وذلك يفتقر لزمن ومعالجة كبيرين ويصعب تحقيقها على نحو متوازي.
حديثاً، استخدمت نماذج التعلم العميق Deep Learning في تطبيقات التعليم أونلاين حيثُ يتم تنفيذ التعليم أونلاين باستعمال تقنيات AI المتغايرة مثل التعليم المدعم. والعيب الأوحد في تلك الأنظمة هو عدم فرصة النفع من نماذج التعلم العميق Deep Learning سوى في حال كان الميدان المستخدمة فيه يمكن تجربته ضمن مرحلة التعلم أوفلاين. وحالما يتم توليد النموذج فإنه يوجد مثلما هو ولن يكون مرناً للتغيرات في ميدان التطبيق ومثال جيد على هذا هي تطبيقات ecommerce حيث تحتاج المتغيرات الموسمية أو مراحل البيع القصيرة على مواقع ecommerce أخذ نموذج تعلم عميق أوفلاين لإرجاع تمرينه على السلع الحديثة. في غالب الأحيان يتم مساندة أنظمة التعلم العميق بمجموعات كبيرة جدا من المعلومات ولذلك ظهر مفهوم يقول أن النماذج النافعة والحديثة تولد من مجموعة معلومات مميزة وضخمة، الأمر الذي مساندة المفهوم الخاطئ بخصوص أنَّ الشأن
أرائكم تسعدنا:لمتابعة التعليق حتى نرد عليك فقط ضع إشارة على إعلامى