تمكين الروبوتات من تحديد الأولويات: نهج "الأهمية" لتحسين التفاعل مع البشر

يواجه الروبوت تحدّيات كبيرة عند التعامل مع العالم الواقعي، حيث يتطلّب تفسير كلّ نقطة بيانات جهداً حسابياً ضخماً ووقتاً طويلاً. ولتسهيل هذه المهمة، طوّر باحثو معهد ماساتشوستس للتقنية (MIT) نهجاً جديداً أطلقوا عليه اسم "الأهمية" (Relevance)، يهدف إلى مساعدة الروبوتات على التركيز على السّمات والعناصر الأكثر صلة بالمشهد من أجل خدمة البشر بشكل أكثر كفاءة.
يعتمد النهج الجديد على استغلال الإشارات السمعية والبصرية لاستنتاج هدف الإنسان وتحديد الأشياء ذات الصلة لتحقيق هذا الهدف، ثم تنفيذ مناورات لتقديم هذه الأشياء أو المساعدة المطلوبة بطريقة آمنة. وقد أثبتت التجارب أن الروبوت، باستخدام هذا النظام، تمكن من توقع أهداف البشر بدقة 90%، وتحديد العناصر ذات الصلة بنسبة 96%، مع تحسّن كبير في السلامة وتقليل الاصطدامات بنسبة تزيد عن 60%.
استلهم الباحثون هذا النهج من نظام تنشيط الشبكة الشبكية (RAS) في الدماغ البشري، الذي يقوم بتصفية المحفّزات غير المهمّة، ثم تركيز الانتباه على المعلومات ذات الصّلة، ممّا يمنع الحمل الحسيّ الزائد.
يتكون نظام "الأهمية" من أربع مراحل رئيسية:
*مرحلة الإدراك: يراقب الروبوت المشهد عبر أدوات ذكاء اصطناعي، تشمل نماذج لغوية كبيرة (LLMs) لتحليل الحوارات، وخوارزميات لرصد وتصنيف الكائنات والأفعال والأهداف.
*مرحلة التحقق: يجري النظام فحوص دورية لرصد الأحداث المهمّة، مثل دخول إنسان إلى البيئة.
*مرحلة تحديد الأهمية: عند استشعار حدث مهمّ، يحلّل النظام الإشارات لتحديد فئات وعناصر الأشياء الأكثر ارتباطًا بهدف الإنسان، مستبعدًا ما هو غير ضروري.
*مرحلة التخطيط والتنفيذ: يخطط الروبوت لمسار آمن لتقديم الأشياء أو المساعدة المناسبة للإنسان.
اختبر الباحثون النظام في سيناريو يحاكي بوفيه إفطار، باستخدام بيانات "مجموعة أعمال الإفطار"، فأثبت الروبوت كفاءته في تقديم المساعدة المناسبة بناءً على الأهداف المستنتجة من الإشارات البصرية والسمعية.
ويهدف الفريق إلى توسيع تطبيق هذا النظام ليشمل بيئات العمل والمخازن وحتى المنازل، مما يعزز التفاعل الطبيعي والمرن بين البشر والروبوتات.

جرب ميزات الذكاء الاصطناعي لدينا

اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:

التعلم مع الذكاء الاصطناعيالتحقق من الحقائقتحويل النص إلى كلامملخص الذكاء الاصطناعي

أخبار ذات صلة

النهار

منذ 3 أيام

• النهار

خطوة قد تُعيد رسم حدود الابتكار العلمي... "‏AlphaEvolve‏" يفكّ ‏شيفرات رياضية أعجزت البشر لعقود

في خطوة قد تُعيد رسم حدود الابتكار العلمي، كشفت شركة ‏Google DeepMind‏ عن نظام ثوري يُدعى ‏AlphaEvolve، ‏يمثل قفزة نوعية في توظيف الذكاء الاصطناعي لحل مشكلات ‏رياضية وخوارزمية معقدة طالما حيّرت العلماء لعقود. ‏ ما يميز ‏AlphaEvolve‏ ليس فقط قدرته على تسريع الحلول، بل ‏ابتكاره لطرق جديدة بالكامل، عبر الدمج بين إبداع نماذج اللغة ‏الكبيرة (‏LLMs‏) وخوارزميات تقييم تفاعلية تُنقّح وتُطوّر الأفكار ‏بشكل ذاتي ومتدرج. ‏ نموذج يُبدع... لا يُقلّد AlphaEvolve‏ يختلف عن الأدوات السابقة التي اعتمدت على ‏ذكاء اصطناعي مصمّم خصيصًا لمهام محددة. فهو نموذج عام متعدد ‏الاستخدامات، قادر على معالجة قضايا علمية في مجالات متعددة، ‏عبر ما يشبه دورة تطورية للأفكار. ‏ تبدأ العملية من إدخال مسألة علمية ومعايير للحل، ثم يقترح النموذج ‏مئات التعديلات، تقوم خوارزمية داخلية بتقييمها وفرز الأنسب منها، ‏لتولد عنها حلول جديدة أكثر تطورًا. هكذا، يتطور النظام بشكل ذاتي، ‏ويُنتج أفكارًا مبتكرة تمامًا دون تدخّل بشري مباشر.‏ ووفقًا لما نشره موقع ‏Scientific American، لم يبقَ ‏AlphaEvolve‏ مجرد تجربة نظرية في المختبر، بل أثبت فعاليته ‏في أرض الواقع داخل شركة ‏Google‏ نفسها. ‏ فقد ساهم في تحسين تصميم الجيل الجديد من معالجات الذكاء ‏الاصطناعي (‏TPUs‏)، كما أعاد تنظيم طريقة توزيع المهام ‏الحوسبية في مراكز بيانات جوجل حول العالم، ما أدى إلى توفير ‏‏0.7% من إجمالي موارد الشركة — وهي نسبة ضخمة عند الحديث ‏عن بنية تحتية بحجم غوغل.‏ إنجاز رياضي يتفوق على إنسان منذ 1969‏ واحدة من أبرز مفاجآت ‏AlphaEvolve‏ كانت ابتكار خوارزمية ‏جديدة لضرب المصفوفات تتفوق – في بعض الحالات – على ‏الطريقة الأسرع المعروفة حتى اليوم، والتي ابتكرها الرياضي ‏الألماني فولكر شتراسن عام 1969. مثل هذه العمليات أساسية في ‏تدريب الشبكات العصبية، ما يعكس البعد الاستراتيجي لاكتشاف كهذا. ‏نقلة على مستوى الحجم والتعقيد بُني ‏AlphaEvolve‏ على أساس نظام ‏FunSearch‏ الذي أُطلق ‏في 2023، والذي أظهر قدرة على حل مسائل رياضية غير محلولة. ‏إلا أن ‏AlphaEvolve‏ يتميز بقدرته على معالجة شيفرات أكبر ‏وخوارزميات أكثر تعقيدًا، بالإضافة إلى اتساع نطاق تطبيقه في ‏العلوم والهندسة.‏ حدود الإمكانات ورغم الإشادات، يقرّ علماء مثل سيمون فريدر من جامعة أوكسفورد ‏أن إمكانات ‏AlphaEvolve‏ قد تظل محدودة بالمهام القابلة للتحويل ‏إلى أكواد قابلة للتقييم. كما دعا باحثون مثل هوان صن إلى الحذر، ‏مطالبين بتجارب مفتوحة ضمن المجتمع العلمي قبل الحكم النهائي ‏على قدرات النظام.‏ ورغم أن تشغيل ‏AlphaEvolve‏ أقل استهلاكًا للطاقة من ‏AlphaTensor، إلا أن كلفته لا تزال مرتفعة بما يمنع توفيره ‏للجمهور حاليًا. مع ذلك، تأمل ‏Google DeepMind‏ أن يدفع هذا ‏التقدم الباحثين إلى اقتراح مجالات جديدة لتجريب هذا النظام، مؤكدة ‏التزامها بإتاحة أدواته تدريجيًا أمام المجتمع العلمي العالمي.‏

سيدر نيوز

١٠-٠٥-٢٠٢٥

• سيدر نيوز

هل يشكّل الذكاء الاصطناعي تهديداً وجودياً؟ 'ثابت كومبتون' يعيدنا إلى حسابات أول تجربة نووية

حُثّت شركات الذكاء الاصطناعي على تكرار حسابات السلامة التي استند إليها أول اختبار نووي لروبرت أوبنهايمر قبل إطلاق أنظمتها فائقة القدرة. فقد صرّح ماكس تيجمارك، وهو خبير رائد في مجال سلامة الذكاء الاصطناعي، بأنه أجرى حسابات مشابهة لتلك التي أجراها الفيزيائي الأميركي آرثر كومبتون قبل اختبار ترينيتي، ووجد احتمالا بنسبة 90% أن يُشكّل الذكاء الاصطناعي المتطور تهديدا وجوديا. وفي ورقة بحثية نشرها تيجمارك وثلاثة من طلابه في معهد ماساتشوستس للتكنولوجيا (MIT)، أوصى الباحثون بحساب 'ثابت كومبتون' المُعرّف في الورقة بأنه احتمال خروج ذكاء اصطناعي فائق القدرة عن السيطرة البشرية، وفق صحيفة 'غارديان'. أنظمة سلامة عالمية وقال تيجمارك إنه ينبغي على شركات الذكاء الاصطناعي أن تتحمل مسؤولية الحساب الدقيق لما إذا كان الذكاء الاصطناعي الفائق (ASI) – وهو مصطلح يُطلق على نظام نظري يتفوق على الذكاء البشري في جميع الجوانب – سيفلت من السيطرة البشرية. وأضاف: 'على الشركات التي تُطوّر الذكاء الفائق أن تحسب أيضا ثابت كومبتون، وهو احتمال فقدان السيطرة عليه'. كما أشار إلى أنه 'لا يكفي القول نشعر بالرضا تجاهه، بل عليهم حساب النسبة المئوية'. ولفت تيجمارك إلى أن إجماعا على ثابت كومبتون، تحسبه شركات متعددة، سيخلق 'الإرادة السياسية' للاتفاق على أنظمة سلامة عالمية للذكاء الاصطناعي. 'سباق خارج عن السيطرة' يشار إلى أن تيجمارك، أستاذ الفيزياء وباحث الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا، هو أيضا أحد مؤسسي معهد مستقبل الحياة، وهي منظمة غير ربحية تدعم التطوير الآمن للذكاء الاصطناعي، وقد نشر رسالة مفتوحة في عام 2023 تدعو إلى التوقف مؤقتا عن بناء أنظمة ذكاء اصطناعي قوية. ووقّع الرسالة أكثر من 33000 شخص، بمن فيهم إيلون ماسك – أحد الداعمين الأوائل للمعهد – وستيف وزنياك، المؤسس المشارك لشركة آبل. وحذرت الرسالة، التي صدرت بعد أشهر من إطلاق ChatGPT حقبة جديدة من تطوير الذكاء الاصطناعي، من أن مختبرات الذكاء الاصطناعي عالقة في 'سباق خارج عن السيطرة' لنشر 'عقول رقمية أكثر قوة' لا يمكن لأحد 'فهمها أو التنبؤ بها أو التحكم فيها بشكل موثوق'.

النهار

٣٠-٠٤-٢٠٢٥

• النهار

تمكين الروبوتات من تحديد الأولويات: نهج "الأهمية" لتحسين التفاعل مع البشر

يواجه الروبوت تحدّيات كبيرة عند التعامل مع العالم الواقعي، حيث يتطلّب تفسير كلّ نقطة بيانات جهداً حسابياً ضخماً ووقتاً طويلاً. ولتسهيل هذه المهمة، طوّر باحثو معهد ماساتشوستس للتقنية (MIT) نهجاً جديداً أطلقوا عليه اسم "الأهمية" (Relevance)، يهدف إلى مساعدة الروبوتات على التركيز على السّمات والعناصر الأكثر صلة بالمشهد من أجل خدمة البشر بشكل أكثر كفاءة. يعتمد النهج الجديد على استغلال الإشارات السمعية والبصرية لاستنتاج هدف الإنسان وتحديد الأشياء ذات الصلة لتحقيق هذا الهدف، ثم تنفيذ مناورات لتقديم هذه الأشياء أو المساعدة المطلوبة بطريقة آمنة. وقد أثبتت التجارب أن الروبوت، باستخدام هذا النظام، تمكن من توقع أهداف البشر بدقة 90%، وتحديد العناصر ذات الصلة بنسبة 96%، مع تحسّن كبير في السلامة وتقليل الاصطدامات بنسبة تزيد عن 60%. استلهم الباحثون هذا النهج من نظام تنشيط الشبكة الشبكية (RAS) في الدماغ البشري، الذي يقوم بتصفية المحفّزات غير المهمّة، ثم تركيز الانتباه على المعلومات ذات الصّلة، ممّا يمنع الحمل الحسيّ الزائد. يتكون نظام "الأهمية" من أربع مراحل رئيسية: *مرحلة الإدراك: يراقب الروبوت المشهد عبر أدوات ذكاء اصطناعي، تشمل نماذج لغوية كبيرة (LLMs) لتحليل الحوارات، وخوارزميات لرصد وتصنيف الكائنات والأفعال والأهداف. *مرحلة التحقق: يجري النظام فحوص دورية لرصد الأحداث المهمّة، مثل دخول إنسان إلى البيئة. *مرحلة تحديد الأهمية: عند استشعار حدث مهمّ، يحلّل النظام الإشارات لتحديد فئات وعناصر الأشياء الأكثر ارتباطًا بهدف الإنسان، مستبعدًا ما هو غير ضروري. *مرحلة التخطيط والتنفيذ: يخطط الروبوت لمسار آمن لتقديم الأشياء أو المساعدة المناسبة للإنسان. اختبر الباحثون النظام في سيناريو يحاكي بوفيه إفطار، باستخدام بيانات "مجموعة أعمال الإفطار"، فأثبت الروبوت كفاءته في تقديم المساعدة المناسبة بناءً على الأهداف المستنتجة من الإشارات البصرية والسمعية. ويهدف الفريق إلى توسيع تطبيق هذا النظام ليشمل بيئات العمل والمخازن وحتى المنازل، مما يعزز التفاعل الطبيعي والمرن بين البشر والروبوتات.