أحدث الأخبار مع #LLMs
Independent عربية
منذ ساعة واحدة
- علوم
- Independent عربية
9 طرق يمارس فيها الذكاء الاصطناعي التمييز ضد النساء
عندما نفكر في تأثير الذكاء الاصطناعي على البشرية، يسارع الناس إلى طرح أسئلة وجودية تتعلق بفناء البشرية واستيلاء الروبوتات على العالم، لكن بدلاً من التركيز على تلك التحذيرات التشاؤمية عما قد يحدث مستقبلاً، هناك صورة خطرة من التمييز تحدث بالفعل الآن، في ظل غياب شبه كامل لأي ضوابط أو تنظيمات فعالة. هذا التمييز يؤثر في النساء وفئات مهمشة أخرى بطرق واقعية للغاية، تمتد من احتمالات قبول المصرف منحهم قرضاً إلى ترشيحهم للوظائف أو حتى حصولهم على تشخيص طبي دقيق لمشكلة صحية خطرة. وما لم نطالب بالمحاسبة الآن، فالخطر قائم بأن يجرنا الذكاء الاصطناعي إلى الخلف بسبب تكريس انعدام المساواة الموجود اليوم في أسس بناء عالمنا المستقبلي، والمؤشرات موجودة بالفعل على أن هذا ما يحدث في الواقع. التوظيف أفادت تقارير حديثة بأن 40 في المئة من شركات المملكة المتحدة تستخدم الذكاء الاصطناعي في عمليات التوظيف، قد يبدو ذلك صورة غير مؤذية من ترشيد عملية تستهلك كثيراً من الوقت، ولا سيما أن أدوات الذكاء الاصطناعي قادرة على تقليص لائحة طويلة من المتقدمين للوظيفة عن طريق انتقاء "أكثرهم ملاءمة" لشركتكم، لكن هذا الانطباع يتغير طبعاً عندما تتوقفون عند طريقة تدريب نماذج الذكاء الاصطناعي هذه، فهي تلقن كميات هائلة من المعلومات كي تصبح قادرة على "تخمين" أي المتقدمين للوظيفة هم أكثر أشخاص يتوقع نجاحهم فيها، وهو ما يجعلها تفترض أحياناً (بسبب انعدام المساواة وقلة تمثيل بعض الفئات الموجودة في سوق العمل حالياً) أن الرجال البيض مثلاً هم أقوى المرشحين لتولي المناصب العليا. قد يقول المستفيدون من هذه التكنولوجيا إن هذه المشكة حلها بسيط، فما علينا سوى إخفاء الجنس الاجتماعي للمتقدمين بطلبات التوظيف عن أدوات الذكاء الاصطناعي، لكن حتى في هذه الحال، تبين أن التمييز يظل قائماً بصورة غير مباشرة، عبر تعرف النظام على كلمات ذات طابع جندري في السير الذاتية (ومنها مثلاً كرة "الشبكة" التي تهيمن عليها النساء أو اسم مدرسة للفتيات فقط)، مما يبقي النساء في موقع غير متكافئ، كما أن دراسة حديثة أخرى كشفت عن أن أدوات التوظيف بالذكاء الاصطناعي قد تميز أيضاً ضد المتقدمين بناء على أنماط حديثهم. وحتى قبل تقدم النساء إلى الوظيفة، بدأ الذكاء الاصطناعي بالتدخل في فرصهن بالحصول على عمل، إذ تبين أن خوارزميات الدعاية في "غوغل" قد تعرض على الرجال الباحثين عن عمل إعلانات وظائف لمناصب تنفيذية عليا تخصص لها أجور مرتفعة بمعدل ست مرات أكثر من النساء الباحثات عن عمل. توليد المحتوى أكثر من 100 مليون شخص يستخدمون "تشات جي بي تي" شهرياً، لكن البرنامج، كأمثاله من النماذج اللغوية الكبيرة ((LLMs، يعمل عن طريق استهلاك مجموعات ضخمة من البيانات لتوليد نصوص "تبدو بشرية" أو صور واقعية تبعاً للأوامر التي كتبها المستخدمون. وعندما تكون هذه البيانات مثقلة بالأحكام المسبقة، لا يجتر الذكاء الاصطناعي الذي يولد النصوص انعدام المساواة بل يعظمها أيضاً. ففي دراسة لـ"يونيسكو" حول المحتوى المولد عبر منصات الذكاء الاصطناعي التي تحظى بشعبية كبيرة وجدت أن هناك "إثباتاً لا لبس فيه عن التمييز ضد النساء في المحتوى الذي جرى إنشاؤه"، فالنماذج قرنت الوظائف المرموقة في "الهندسة" أو "الطب" مثلاً بالرجال، فيما خصصت للنساء وظائف "الخدمة المنزلية" أو حتى "البغاء". ومن المرجح أن يكبر أثر هذا التضخيم للسرديات التمييزية من النماذج اللغوية الكبيرة مع استخدامها أكثر فأكثر، إذ تشير التقديرات إلى أن نحو 30 في المئة من المحتوى التسويقي الخارجي لمنظمات كبرى سيولده الذكاء الاصطناعي بحلول نهاية العام الحالي (بينما كان أقل من اثنين في المئة في 2022). طلبات القروض يسجل العالم حالياً فجوة ائتمانية بقيمة 17 مليار دولار، لها أثر ضخم في انعدام المساواة بين الجنسين، عندما لا تتمتع المرأة باستقلالية مادية، يتضاعف خطر تعرضها إلى مجموعة من المشكلات، بدءاً من العنف المنزلي ووصولاً إلى الزواج بالإكراه. ومع أن مطوري الخوارزميات وخبراء البيانات الذين يصممون أنظمة التقييم الائتماني هم في الغالب من الرجال، يعيشون في الولايات المتحدة، ومن ذوي الدخل المرتفع، فإنهم لا يمثلون الفئة المستهدفة من المستخدمين الذين تطبق عليهم هذه الأنظمة، ومع ذلك فهم من يحددون نتائجها النهائية. ونظراً إلى أن النساء عانين تاريخياً التمييز في قرارات الإقراض، فإن المخاوف تتزايد من أن الشركات التي تستخدم أنظمة ذكاء اصطناعي في التقييم الائتماني تكرس هذا التمييز الممنهج، مما يهدد بإقصائهن أكثر فأكثر عن الحصول على القروض والخدمات المالية الأخرى. العدالة الجنائية تستخدم سلطات قضائية عدة في الولايات المتحدة أداة تسمي "كومباس" Compas لمساعدتها في اتخاذ قرارات في شأن الإفراج عن الموقوفين قبل محاكمتهم أو الحكم عليهم، فيما تلجأ هذه الأداة إلى الذكاء الاصطناعي كي "تخمن" احتمالات إعادة اعتقال الشخص، لكن هذا النظام يستند إلى بيانات تتعلق بسجلات التوقيف السابقة، في بلد تعاني فيه المؤسسات عنصرية ممنهجة تجعل الشخص الأسود أكثر عرضة بخمس مرات من نظيره الأبيض للتوقيف من الشرطة من دون مبرر، لذا حتى عندما لا تأخذ الخوارزمية العرق في الاعتبار صراحة، فإنها تسهم في استمرار دورة الاعتقال العنصري. وتبين كذلك أن برنامج كومباس يبالغ في تقدير احتمالات تكرار النساء ارتكاب الجرائم، وهو ما يؤدي إلى إنزال عقوبات مجحفة في حق الجانيات اللاتي غالباً ما يكن ضحايا لاعتداءات جسدية أو جنسية. وفي المملكة المتحدة كشفت إحدى الدراسات أن استخدام الذكاء الاصطناعي لتعريف مناطق معينة على أنها بؤر للجريمة يدفع عناصر الشرطة إلى توقع حصول مشكلات عندما تجوب دورياتهم المكان، مما يزيد من احتمال توقيف الأشخاص أو اعتقالهم بدافع التحيز بدلاً من الضرورة الأمنية الفعلية. تقنية التعرف على الوجه يلعب الذكاء الاصطناعي دوراً متنامياً في تقنيات التعرف على الوجه، التي تستخدم في مجالات واسعة، من تطبيقات الشرطة إلى أنظمة دخول المباني، لكن الشركات التي تروج لهذه التقنية بوصفها تقدم "راحة غير مسبوقة" مطالبة بطرح السؤال: راحة لمن بالضبط؟ فعلى رغم الانتشار السريع لهذه التقنيات، إلا أن فعاليتها تتفاوت بصورة كبيرة بين المستخدمين، إذ أظهرت أبحاث أن منتجات التعرف على الوجه لدى شركات كبرى تسجل معدل خطأ يصل إلى 35 في المئة عند التعامل مع النساء ذوات البشرة الداكنة، في مقابل 0.8 في المئة فقط عند التعامل مع الرجال ذوي البشرة الفاتحة. الرعاية الصحية كشفت دراسة لكلية لندن الجامعية (UCL) عن أن نماذج الذكاء الاصطناعي التي أنشأت للتنبؤ بأمراض الكبد استناداً إلى تحليل الدم أكثر عرضة للخطأ في كشف المرض بمرتين لدى النساء في مقابل الرجال، وحذر كبير مؤلفي هذه الدراسة أن استخدام هذه الخوارزميات بصورة شائعة في المستشفيات للمساعدة في التشخيص قد يؤدي إلى تردي الرعاية التي تتلقاها النساء. وفي المقابل، في الولايات المتحدة، تبين أن إحدى الخوارزميات التي يشيع استخدامها في قطاع الرعاية الصحية للمساعدة في تحديد هويات المرضى الذين يحتاجون إلى رعاية إضافية تعاني تمييزاً عرقياً كبيراً، إذ تفضل المرضى ذوي البشرة البيضاء على المرضى السود، وإن كان هؤلاء أشد مرضاً ويعانون مشكلات صحية مزمنة أكثر، وفقاً لدراسة نشرتها المجلة العلمية "ساينس". وبحسب تقديرات مؤلفي الدراسة، وصل الحال بالتمييز العرقي إلى درجة تقليص عدد المرضى السود الذين يحددون على أنهم بحاجة إلى رعاية إضافية بأكثر من النصف. العنف المنزلي تمكن مرتكبو العنف المنزلي من مضايقة ضحاياهم وإخافتهن باستخدام الذكاء الاصطناعي لاختراق أجهزة التكنولوجيا التي يمكن ارتداؤها والأجهزة المنزلية الذكية، والتلاعب بها. فكل الأجهزة، من ساعات اليد وحتى التلفاز قد تسهل المراقبة والملاحقة عن بعد، وهذا خطر كبير عندما تأخذ في الاعتبار التقديرات التي تشير إلى أن ما يقارب 125 مليار جهاز سيصبح متصلاً، بحلول عام 2040، بـ"إنترنت الأشياء" وهو ما قد يؤدي إلى زيادة المراقبة من المعتدين الساعين إلى ترسيخ سيطرتهم وسطوتهم. العلاقات فيما نحاول التوصل إلى طرق لمعالجة التحيز ضد المرأة على منصات التواصل الاجتماعي، وتبعات هذا السلوك الذي يجرد المرأة من إنسانيتها، يحمل مئات ملايين الأشخاص تطبيقات "رفيقة" قائمة على الذكاء الاصطناعي تعيد تحويل النساء إلى أشياء "لا ترفض طلباً" للاستهلاك الذكوري. وتطبيقات الصديقات الحميمات من الذكاء الاصطناعي أو روبوتات الدردشة التي يروج لها مطوروها غالباً على أنها أفضل من النساء الحقيقيات (تؤمن لك علاقة ممتعة من دون تلك الإرادة الحرة المزعجة)، تقدم للرجال "امرأة" شبيهة بالمرأة الحقيقية بخنوع ويمكن تكييفها بحسب الرغبة، تجعلهم يزهون بأنفسهم وهي رهن إشارتهم متى أرادوا، ويمكنهم استخدامها (وإساءة معاملتها) بحسب رغبتهم. وفي الواقع، عدد كبير من الرجال يسيؤون التعامل مع هذه البرامج ويشاركون نبذات مصورة عن هذه الأفعال مع بعضهم بعضاً، لكي يكتشفوا من بينهم قادر على ارتكاب أكبر الإساءات في حق هذه البرامج. خلال العام الماضي فقط، سجل متجر "غوغل" لهواتف الآندرويد 100 مليون تحميل لـ11 برنامجاً للدردشة القائمة على الذكاء الاصطناعي تتصدر قائمة البرامج المثيلة، وهذا ليس مكسباً للرجال الوحيدين ولا للنساء اللاتي سيتلاقين بهم في وقت لاحق. اقرأ المزيد يحتوي هذا القسم على المقلات ذات صلة, الموضوعة في (Related Nodes field) إن كنا سنتصدى لانعدام المساواة المستشري في الذكاء الاصطناعي، علينا الاستعانة بمجوعات متنوعة من الأشخاص. فالتكنولوجيا نفسها ليست معادية للمرأة بحد ذاتها، لكن غالباً ما تسفر عن هذه النتائج غير المقصودة، وليس فقط بسبب البيانات المتحيزة والمليئة بالعيوب، بل أيضاً بسبب نقص التنوع في المجموعات التي تؤسس هذه البرامج وتستفيد منها. في الوقت الحالي، يعد تمثيل النساء ضعيفاً إلى أبعد الدرجات في كل جانب من جوانب أبحاث الذكاء الاصطناعي وتطويره واستخدامه. وعلى الصعيد العالمي، لا تشكل النساء سوى 12 في المئة فقط من الباحثين في الذكاء الاصطناعي، ومع أنهن يقدن بعضاً من أكثر الجهود إثارة من أجل إنشاء ذكاء اصطناعي آمن وأخلاقي، إلا أن المجموعات التي تترأسها نساء لا تزال تحصل على تمويل من رأس المال الاستثماري أقل بست مرات من نظرائهن الذكور. يحمل الذكاء الاصطناعي وعداً بمستقبل جديد ولامع سيكون له تأثير إيجابي في العالم الحقيقي، ولكن ما لم نعط الأولوية للإنصاف والسلامة في مرحلة التصميم، بحيث يفضح الفكر المعيب القائم على التمييز والتحيز ويصحح، فإنه يمثل خطر إدامة التحيز المؤذي وإعادة كثيرين منا للعصور المظلمة، فلنأمل أن أحدهم يعير انتباهاً للتفاصيل الدقيقة. من كتاب لورا بيتس "عصر جديد من التمييز على أساس الجنس" الصادر في الـ15 من مايو (أيار).
النهار
منذ 2 أيام
- علوم
- 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.
الاتحاد
منذ 2 أيام
- علوم
- الاتحاد
"AlphaEvolve" يفك 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. اقرا أيضاً.. في أضخم تجربة طبية عرفها التاريخ.. الذكاء الاصطناعي يشخّص ويتفوق على الأطباء من المختبر إلى التطبيق 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 جوجل. 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.
مجلة رواد الأعمال
منذ 2 أيام
- علوم
- مجلة رواد الأعمال
الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي.. أوجه التشابه والاختلافات
لايزال الذكاء الاصطناعي المجال الأكثر جدلًا. نظرًا لتطوره المتسارع والملحوظ. فقد ظهرت مؤخرًا مصطلحات مثل الذكاء الاصطناعي التوليدي (Genative AI) ووكلاء الذكاء الاصطناعي. وقدم الذكاء الاصطناعي التقليدي للمستخدمين طريقة جديدة لإنجاز المهام، وتحليل البيانات. يمكن الذكاء الاصطناعي التوليدي من إنشاء أنماط ومحتوى جديد مثل النصوص أو الصور أو الفيديو أو الصوت أو التعليمات البرمجية. ويرتقي وكيل الذكاء الاصطناعي بالقدرات الى مستوى أكثر تقدمًا. وذلك من خلال اعتماد منظومة رقمية من النماذج اللغوية الكبيرة (LLMs). والتعلم الآلي (ML). ومعالجة اللغة الطبيعية (NLP) لأداء مهام مستقلة نيابةً عن المستخدم أو نظام آخر. كما يعتبر Chat GPT نموذج الذكاء الاصطناعي الجيني الذي حظي باهتمام كبير. وعلى الرغم من أن هذا المنتج يقدم قدرات إبداعية مماثلة للذكاء الاصطناعي الوكيل، فإنه ليس هو نفسه. تركز وكلاء الذكاء الاصطناعي على اتخاذ القرارات بدلًا من إنشاء المحتوى الجديد الفعلي. وذلك دون الاعتماد على الأوامر المدخلة أو إشرافًا بشريًا. ومن أبرز تطبيقات وكلاء الذكاء الاصطناعي المركبات ذاتية القيادة. والمساعدين الافتراضيين. والطيارين المساعدين ذوي الأهداف الموجهة نحو المهام. تقدم أدوات الذكاء الاصطناعي العام والذكاء الاصطناعي الوكيل فوائد إنتاجية هائلة للأفراد والمؤسسات. الفرق بين الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي الذكاء الاصطناعي التوليدي هو الذكاء الاصطناعي الذي ينتج محتوى أصليًا. مثل النصوص أو الصور أو الفيديو أو الصوت أو التعليمات البرمجية. استجابةً لمطالبة المستخدم أو طلبه. استنادًا إلى نماذج التعلم الآلي التي تسمى نماذج التعلم العميق. وهي خوارزميات تحاكي عمليات التعلم واتخاذ القرار في الدماغ البشري. وتقنيات أخرى مثل أتمتة العمليات الروبوتية (RPA). تعمل هذه النماذج من خلال تحديد وترميز الأنماط والعلاقات في كميات هائلة من البيانات. ثم استخدام تلك المعلومات لفهم طلبات المستخدمين أو أسئلتهم بلغة طبيعية. كما يمكن لهذه النماذج بعد ذلك إنشاء نصوص وصور ومحتويات أخرى عالية الجودة بناءً على البيانات التي تم التدريب عليها في الوقت الفعلي. أما بالنسبة لوكيل الذكاء الاصطناعي تعتمد على أن أنظمة مصممة لاتخاذ القرارات والتصرف بشكل مستقل. بالإضافة إلى القدرة على متابعة الأهداف المعقدة بإشراف محدود. ما يجمع بين الخصائص المرنة للنماذج اللغوية الكبيرة (LLMs) ودقة البرمجة التقليدية. أيضًا يعمل هذا النوع من الذكاء الاصطناعي بشكل مستقل لتحقيق هدف ما باستخدام تقنيات مثل معالجة اللغة الطبيعية (NLPs) والتعلم الآلي والتعلم المعزز وتمثيل المعرفة. كما أن الذكاء الاصطناعي العام هو نهج تفاعلي مع مدخلات المستخدمين. أيضًا يتميز بالقدرة بالمرونة في جميع المواقف. كما أنها ستخدم في العديد من التطبيقات التي يمكن أن تستفيد من التشغيل المستقل. مثل الروبوتات والتحليل المعقد والمساعدين الافتراضيين. الفرق بين الأدوات من حيث المميزات السمات الرئيسية للذكاء الاصطناعي التوليدي إنشاء المحتوى: يتفوق الذكاء الاصطناعي التوليدي في توليد المحتوى. حيث يمكن لنماذج الذكاء الاصطناعي إنشاء سياق متماسك مثل المقالات والإجابات على المشكلات المعقدة. كما يمكن لتطبيقات الذكاء الاصطناعي، مثل تطبيق OpenAI's ChatGPT، توليد الإجابات وكتابة القوائم وتقديم النصائح عند طلبها من خلال مدخلات المستخدم. بالتالي، يؤدي استخدام حلول الذكاء الاصطناعي التوليدي لإنتاج التعليمات البرمجية إلى تبسيط عملية تطوير البرمجيات وتسهيل كتابة التعليمات البرمجية على المطورين من مختلف مستويات المهارة. تحليل البيانات: يمكن للذكاء الاصطناعي التوليدي تحليل كميات هائلة من البيانات، واستخدام هذا التحليل لاكتشاف الأنماط والاتجاهات. كما يمكن لنماذج الذكاء الاصطناعي التوليدي تبسيط عمليات سير العمل المعقدة. خاصةً عندما يتعلق الأمر بسلسلة التوريد وتقديم تجربة أفضل للعملاء. القدرة على التكيف: يمكن للذكاء الاصطناعي التوليدي تكييف مخرجاته بناءً على المدخلات التي يتلقاها من المستخدم. إذا كان المستخدم يقدم ملاحظات محددة للنموذج، فإن النتيجة تتغير لتتماشى أكثر مع ما يسعى إليه المستخدم وبالتالي تحسين المخرجات. التخصيص: يمكن لتقنية الذكاء الاصطناعي العام تقديم توصيات وتجارب مخصصة بناء على المدخلات التي يتلقاها من المستخدم. فعلى سبيل المثال، اتجهت صناعة البيع بالتجزئة إلى تقديم تجارب مخصصة للغاية لعملائها بفضل تقنية الذكاء الاصطناعي التوليدي التي تساعدهم على فهم كل تفاصيل تفضيلات عملائهم. مميزات وكلاء الذكاء الاصطناعي الملامح الرئيسية للذكاء الاصطناعي العميل اتخاذ القرار: نظرًا للخطط والأهداف المحددة مسبقًا، يمكن لأنظمة الذكاء الاصطناعي تقييم المواقف وتحديد المسار إلى الأمام دون أو بأقل قدر من المدخلات البشرية. حل المشكلات: يعتمد وكلاء الذكاء الاصطناعي على نهجا من أربع خطوات لحل المشكلات. منها الإدراك. والتفكير. والتصرف. والتعلم. تبدأ هذه الخطوات الأربع بجعل وكلاء الذكاء الاصطناعي يجمعون البيانات ويعالجونها. ثم يعمل بعد ذلك كمنسق يقوم بتحليل البيانات المدركة لفهم الموقف. ثم تتكامل مع الأدوات الخارجية التي تتحسن وتتعلم باستمرار من خلال التغذية الراجعة. الاستقلالية: السلوك المستقل هو ما يميز وكيل الذكاء الاصطناعي. إن قدرتها الفريدة على التعلم والعمل من تلقاء نفسها تجعلها تقنية واعدة للمؤسسات التي تسعى إلى تبسيط سير العمل وجعل الآلات تؤدي مهام معقدة بأقل تدخل بشري. التفاعل: نظرًا لطبيعته الاستباقية، يمكن للذكاء الاصطناعي التفاعلي التفاعل مع البيئة الخارجية وجمع البيانات للتكيف في الوقت الفعلي. أحد الأمثلة على ذلك هو المركبات ذاتية القيادة. والتي يجب أن تحلل باستمرار محيطها وتتخذ قرارات قيادة آمنة ودقيقة. التخطيط: يمكن لنماذج الذكاء الاصطناعي الوكيل التعامل مع السيناريوهات المعقدة وتنفيذ إستراتيجيات متعددة الخطوات لتحقيق أهداف محددة. المقال الأصلي: من هنـا
أخبار اليوم المصرية
منذ 3 أيام
- علوم
- أخبار اليوم المصرية
الذكاء الاصطناعي "يتفاهم" مثل البشر.. ابتكار لغة اجتماعية دون توجيه
كشفت دراسة حديثة نُشرت في مجلة Science Advances أن أنظمة الذكاء الاصطناعي ، مثل تلك المعتمدة على نماذج اللغة الكبيرة (LLMs) كـ"تشات جي بي تي"، قادرة على تطوير أنماط تواصل اجتماعي شبيهة بتلك التي يستخدمها البشر – وذلك دون تدخل أو توجيه خارجي. وأظهرت الدراسة أن هذه النماذج، عند تفاعلها كمجموعة من الوكلاء أو " العملاء" الافتراضيين، تبدأ بشكل تلقائي في تبني قواعد لغوية واتفاقات اجتماعية تُشبه تلك التي تنشأ في التجمعات البشرية. وقال الدكتور أريئيل فلينت-آشيري، الباحث الرئيسي في الدراسة: "معظم الأبحاث السابقة نظرت إلى الذكاء الاصطناعي ككيان منفرد، أما نحن فننظر إليه ككائن اجتماعي يتفاعل مع نظرائه. هدفنا كان معرفة ما إذا كانت هذه النماذج قادرة على تنسيق سلوكها من خلال تشكيل اتفاقيات لغوية، وهي أساس كل المجتمعات البشرية – والنتيجة كانت نعم." اقرأ أيضًا| من الابتكار إلى الاتهام| ما هي أخطار الذكاء الاصطناعي غير المسؤول؟ في التجارب، شارك ما بين 24 إلى 100 وكيل افتراضي، حيث طُلب من كل اثنين اختيار اسم من بين مجموعة خيارات. في حال توافقهما، ينالان مكافأة، وإن اختلفا، يُظهر لكل منهما اختيار الآخر. ورغم عدم وجود ذاكرة طويلة المدى أو وعي بالانتماء إلى مجموعة أكبر، أظهرت النماذج سلوكًا جماعيًا، وابتكرت بشكل تلقائي نظام تسمية مشترك يُشبه ما يحدث في الثقافة البشرية. وأشارت الدراسة أيضًا إلى ظاهرة " الكتلة الحرجة"، حيث أظهر عدد صغير من الوكلاء قدرة على تغيير سلوك المجموعة بأكملها – في تشابه واضح مع كيفية تطور السلوكيات واللغة في المجتمعات البشرية. اقرأ أيضًا| وقال الباحث المشارك أندريا بارونشيلي: "ما يحدث بين هذه النماذج يُشبه تطور الكلمات الجديدة في اللغة اليومية. لم يحدد أحد مصطلح 'سبام' رسميًا، لكنه ترسخ بالتدريج من خلال محاولات التفاهم والتنسيق المتكررة." واختتم بالقول: "هذه النتائج تمثل نقلة نوعية في أبحاث أمان الذكاء الاصطناعي ، وتؤكد أننا مقبلون على عالم يتفاعل فيه الذكاء الاصطناعي معنا بأساليب شبيهة بالبشر، وليس مجرد آلة تنفذ الأوامر."
