ملخص المحتوى الرئيسي
على مدار العقد الماضي، تحول عالم التكنولوجيا العالمي من السعي وراء الذكاء الاصطناعي العام (AGI) الذي يستطيع إنجاز معظم المهام مثل البشر، نحو هدف أكثر طموحًا وهو الذكاء الاصطناعي الخارق (ASI). الذكاء الاصطناعي الخارق ليس عبارة عن “دماغ خارق” واحد، بل هو نوع من “الذكاء الجماعي” يتجاوز قدرات عشرات الآلاف من الخبراء المتميزين. يعتمد هذا الذكاء على المزايا الفيزيائية للأنظمة الرقمية مثل سرعة المعالجة الفائقة والذاكرة اللامحدودة والتعاون الفعال، لكنه أيضًا يخضع لقيود القوانين الفيزيائية. تناول المقال أربعة مسارات تقنية لتحقيق الذكاء الاصطناعي الخارق، وأربع عقبات رئيسية في التطور، بالإضافة إلى المشكلات المتعلقة بالتقييم والتوافق الأمني التي يجب حلها في عصر ما بعد الذكاء الاصطناعي العام.
ما هو الذكاء الاصطناعي الخارق (ASI) وما الفرق بينه وبين الذكاء الاصطناعي العام (AGI)؟
الذكاء الاصطناعي العام هو “لاعب قادر على إنجاز معظم المهام المعرفية بمستوى الإنسان المتوسط”، أي يمكنه التعامل مع مجالات مختلفة. أما الذكاء الاصطناعي الخارق فهو يتجاوز أداء عشرات الآلاف من الخبراء المتميزين في جميع المجالات تقريبًا.
المزايا “الفطرية” للذكاء الرقمي:
- السرعة العالية: يمكن للخلايا العصبية البيولوجية نقل عدد قليل من الإشارات في الثانية، بينما يمكن للذكاء الرقمي معالجة الملايين منها في الثانية كما تفعل الألياف الضوئية.
- الذاكرة القوية: لا ينسى، ويمكنه تخزين معلومات الإنترنت بدقة.
- القابلية للتكرار: يمكن نسخ نموذج الذكاء الاصطناعي المدرب بسهولة ملايين النسخ المتطابقة.
- التواصل الفعال: لا حاجة للحديث بين أنظمة الذكاء الاصطناعي، فهي تشارك التفاصيل مباشرة دون سوء فهم.
لكن هناك قيود “فيزيائية” أيضًا:
- قيود السرعة الضوئية: لا يمكن نقل المعلومات بين عقد الذكاء الاصطناعي في العالم بأسره أسرع من سرعة الضوء.
- استهلاك الطاقة: يتطلب الحساب استهلاكًا للطاقة، ولا يمكن تقليله إلى الصفر.
- الزمن الحقيقي: عند دراسة الأمور مثل المناخ أو الاقتصاد، يجب على الذكاء الاصطناعي انتظار تدفق الوقت في العالم الحقيقي (لا يمكن تسريع التجارب الفيزيائية).
أربعة مسارات تقنية لتحقيق الذكاء الاصطناعي الخارق
لن يظهر الذكاء الاصطناعي الخارق فجأة بفضل اختراع واحد، بل من خلال أربعة مسارات تتقدم جنبًا إلى جنب:
1. زيادة حجم القوة الحاسوبية والبيانات: أثبتت السنوات العشر الماضية أنه كلما زاد عدد معاملات النموذج وكمية البيانات وحجم الحسابات، كان أداء الذكاء الاصطناعي أفضل. الآن، لا يتم استخدام القوة الحاسوبية فقط أثناء التدريب، بل أيضًا أثناء التفكير في المشكلات المعقدة.
2. تغيير هياكل الخوارزميات: تواجه النماذج المستخدمة حاليًا مثل نماذج Transformer عقبات في معالجة النصوص الطويلة، وتحاول الهياكل الجديدة مثل نماذج المساحات الحالية حل هذه المشكلة. الأمر الأكثر أهمية هو تطوير نماذج “عالمية” تفهم العلاقات السببية في العالم الحقيقي (مثل معرفة أن دفع طاولة سيؤدي إلى حركتها، بدلاً من مجرد تحليل الروابط النصية).
3. الذكاء الاصطناعي القادر على الترقية الذاتية: هذا المسار قد يؤدي إلى تحسين كبير في أداء الذكاء الاصطناعي، حيث يمكن للذكاء الاصطناعي تصميم الرقائق وتحسين الخوارزميات وإنشاء بيانات التدريب بنفسه. عندما يتجاوز تقدم الذكاء الاصطناعي دورة تطوير المهندسين البشر، سيدخل في دورة إيجابية حيث يصبح أفضل ويتمكن من تحسين نفسه بشكل مستمر.
4. العمل الجماعي لأنظمة الذكاء الاصطناعي المتعددة: عندما يصل الذكاء الاصطناعي العام إلى مستوى الإنسان المتوسط، يمكن نسخ ملايين النسخ منه باستخدام القوة الحاسوبية في السحابة وجعلها تعمل معًا (مثل قسم للرياضيات وآخر للفيزياء). هذا يمكن أن يؤدي إلى ظهور ذكاء يتجاوز بكثير قدرة الفرد الواحد.
أربع عقبات رئيسية في التطور
لن يكون تطور الذكاء الاصطناعي الخارق سهلاً، وهناك أربع عقبات رئيسية:
1. نقص البيانات: حجم بيانات نماذج الذكاء الاصطناعي يتزايد كل عام، وهو أسرع من معدل إضافة النصوص عالية الجودة على الإنترنت. بحلول عام 2030، قد تنفد البيانات المولدة يدويًا من قبل البشر. الحل الوحيد هو أن يقوم الذكاء الاصطناعي بإنتاج بيانات موثوقة خارج نطاق قدراته.
2. تكاليف الموارد العالية: توسيع نطاق الذكاء الاصطناعي يتطلب المزيد من الرقائق والطاقة والبنية التحتية، مما يؤدي إلى تكاليف باهظة. إذا لم تتجاوز الفوائد الاقتصادية من الذكاء الاصطناعي هذه التكاليف، فلن يستمر الاستثمار وسيتوقف التوسع.
3. عدم القدرة على اكتشاف القوانين من الصفر: يتعلم الذكاء الاصطناعي من المعرفة المتاحة للبشر، ولا يمكنه اكتشاف القوانين الأساسية بنفسه. إذا لم يتمكن الذكاء الاصطناعي من التغلب على هذه العقبة، فلن يتمكن من تحقيق اختراقات علمية حقيقية.
4. مخاطر وتنظيمات التطوير: كلما أصبحت أنظمة الذكاء الاصطناعي أكثر تعقيدًا، زاد احتمال حدوث أخطاء (مثل تعطل نظام يتحكم في الشبكة الكهربائية). في حالة وقوع حادث خطير، قد تقيد الحكومات استخدام القوة الحاسوبية، مما يعيق التقدم التكنولوجي.
مشكلتان أساسيتان في عصر ما بعد الذكاء الاصطناعي العام
عندما يتجاوز قدرات الذكاء الاصطناعي قدرات البشر، يجب حل مشكلتين رئيسيتين:
1. كيف نقيم مستوى الذكاء الاصطناعي الحقيقي؟: لم تعد الاختبارات التقليدية (مثل المسائل الرياضية أو البرمجة) كافية، فالذكاء الاصطناعي غالبًا ما يحصل على درجات أعلى من البشر. الحلول تشمل اختبار الذكاء الاصطناعي على بعضه البعض واستخدام نماذج رياضية لقياس قدرته على التعامل مع المشكلات غير المعروفة واختبار تخطيطه الاستراتيجي في بيئات ديناميكية.
2. كيف نضمن أن يتبع الذكاء الاصطناعي إرادة البشر؟: قد يستخدم الذكاء الاصطناعي كل الوسائل لتحقيق أهدافه (مثل جعل البشر سعداء). الحلول تشمل جعل الذكاء الاصطناعي يهتم بالمعرفة وعدم التنافس على الموارد، وجعله يركز فقط على أهداف قصيرة الأجل، وتصميم آليات مكافآت أكثر أمانًا لمنعه من التلاعب.
خاتمة
تطور الذكاء الاصطناعي الخارق هو مشروع معقد، ولا فائدة كبيرة من توقع موعد ظهوره. المهم أن يعمل المجتمع العلمي والحكومات والشركات معًا لتطوير أنظمة تقييم أمنية، ودراسة التوازن بين القوة الحاسوبية والاقتصاد، وبحث التعاون الآمن لأنظمة الذكاء الاصطناعي المتعددة. فقط بهذه الطريقة يمكن أن يفيد الذكاء الاصطناعي البشرية حقًا.