من AGI إلى ASI: ملخص لأحدث ورقة بحثية من Google DeepMind
يتحدث معظم الناس عن الذكاء الاصطناعي العام (AGI) بمزيج من الحماس أو الخوف. أما الذكاء الاصطناعي الفائق (ASI) فمن الأصعب حتى مناقشته.
تطرح ورقة بحثية جديدة من Google DeepMind سؤالاً أفضل. فبدلاً من التساؤل عن موعد وصول AGI، تسأل: ماذا سيحدث بعد الـ AGI؟
إذا قمنا ببناء ذكاء اصطناعي يضاهي القدرات البشرية، فكيف سيستمر في التحسن حتى يتفوق على مجموعات كاملة من الخبراء البشر؟
إليكم شرحاً مبسطاً للمهندسين والمطورين.
الفرق
• AGI: نظام ذكاء اصطناعي يعمل بمستوى الإنسان المتوسط عبر مهام متعددة. يمكنه التعلم، والاستنتاج، وحل مشكلات متنوعة. • ASI: نظام ذكاء اصطناعي يتفوق على مجموعات كبيرة من الخبراء البشر في جميع المجالات المهمة تقريباً.
النموذج الذي يهزم بشراً في الشطرنج ليس ASI. الـ ASI هو نظام اصطناعي يمكنه التفوق على مختبرات الأبحاث والشركات بأكملها.
لماذا يتوسع الذكاء الاصطناعي بشكل مختلف عن البشر
للبشر حدود بيولوجية؛ فلا يمكننا نسخ أنفسنا أو تشغيل ألف نسخة من عقولنا بالتوازي. أما الذكاء الاصطناعي فلا يواجه هذه القيود.
يوفر الذكاء الاصطناعي عدة مزايا:
- سرعة الآلة: يعالج الذكاء الاصطناعي البيانات بسرعة أكبر بكثير من الأدمغة البيولوجية.
- نطاق الاستنتاج: يمكنك منح النموذج قدرة حوسبية أكبر للتفكير لفترة أطول أو تشغيل العديد من النسخ بالتوازي.
- الذاكرة: يمكن للذكاء الاصطناعي الاتصال بقواعد بيانات ضخمة ونوافذ سياق (context windows) غير محدودة.
- التكرار: يمكنك تشغيل ملايين النسخ من باحث ذكاء اصطناعي كفء.
المسارات الأربعة نحو ASI
- التوسع (Scaling): استخدام المزيد من البيانات، والمزيد من القدرة الحوسبية، وأجهزة أفضل.
- التحولات الخوارزمية: إيجاد بنيات (architectures) جديدة، أو أنظمة ذاكرة أفضل، أو طرق تعلم أكثر كفاءة.
- التحسين الذاتي المتكرر (Recursive self-improvement): قيام الذكاء الاصطناعي بالمساعدة في البحث وبناء ذكاء اصطناعي أفضل، مما يخلق حلقة تغذية راجعة.
- الأنظمة متعددة الوكلاء (Multi-agent systems): عمل العديد من وكلاء الذكاء الاصطناعي المتخصصين معاً مثل منظمة كبيرة.
ما الذي قد يبطئ تقدمنا؟
التقدم ليس مضموناً، حيث توجد عدة عقبات:
- حدود البيانات: قد تنفد منا البيانات البشرية عالية الجودة.
- الحدود المادية: يتطلب التوسع كميات هائلة من الكهرباء والرقائق والأجهزة.
- صعوبة البحث: مع نضوج الذكاء الاصطناعي، قد تصبح المشكلات التي يتعين حلها أكثر صعوبة.
- التدخل البشري: يمكن للسلامة والتشريعات والسياسة أن تبطئ عملية التطوير.
الخلاصة
إن الانتقال من الذكاء الاصطناعي العام (AGI) إلى الذكاء الاصطناعي الفائق (ASI) ليس مجرد مشكلة بحثية، بل هو تحدٍ هندسي. سيتطلب الأمر أنظمة موزعة، وبنية تحتية، وتنسيقاً معقداً للعمليات.
إذا كنت مطوراً، فصب تركيزك على هذه المجالات:
- كيفية بناء وكلاء ذكاء اصطناعي موثوقين.
- كيفية تنسيق العديد من الوكلاء.
- كيفية تقييم المهام طويلة الأمد.
- كيفية ضمان السلامة والتحكم.
المصدر: https://dev.to/marrouchi/from-agi-to-asi-a-summary-of-google-deepminds-latest-paper-2ndd