العلماء يمنحون الذكاء الاصطناعي القدرة على تخيل أشياء لم يسبق رؤيتها من قبل!

وبمجرد أن يعرف البشر ما هي القطة، يمكننا بسهولة تخيل قطة بحالات وألوان مختلفة. وبالنسبة لشبكات الذكاء الاصطناعي، يكون هذا أصعب بكثير، على الرغم من قدرتها على التعرف على قطة عندما تراها (مع التدريب الكافي).

ولمحاولة إطلاق العنان لقدرات الذكاء الاصطناعي على الخيال، توصل الباحثون إلى طريقة جديدة لتمكين أنظمة الذكاء الاصطناعي من تحديد الشكل الذي يجب أن يبدو عليه الشيء، حتى لو لم يروا شيئا مثله تماما من قبل.

ويقول عالم الكمبيوتر يونهاو جي، من جامعة جنوب كاليفورنيا (USC): "ألهمتنا قدرات التعميم البصري البشري لمحاولة محاكاة الخيال البشري في الآلات. ويمكن للبشر فصل معرفتهم المكتسبة عن طريق السمات - على سبيل المثال، الشكل والوضعية والموضع واللون - ثم إعادة تجميعها لتخيل كائن جديد. ويحاول بحثنا محاكاة هذه العملية باستخدام الشبكات العصبية".

ويكمن المفتاح في الاستقراء - القدرة على استخدام بنك ضخم من بيانات التدريب (مثل صور السيارة) لتجاوز ما يتم رؤيته إلى ما هو غير مرئي. وهذا صعب على الذكاء الاصطناعي بسبب الطريقة التي يتم بها تدريبه عادة على اكتشاف أنماط معينة بدلا من السمات الأوسع. ويسمى ما توصل إليه الفريق هنا "تعلم التمثيل غير المتشابك القابل للتحكم"، ويستخدم نهجا مشابها لتلك المستخدمة لإنشاء التزييف العميق - فك تشابك أجزاء مختلفة من العينة.

وهذا يعني أنه إذا رأى الذكاء الاصطناعي سيارة حمراء ودراجة زرقاء، فسيكون بإمكانه حينئذ "تخيل" دراجة حمراء. ووضع الباحثون هذا معا في إطار عمل يسمونه التعلم الجماعي الخاضع للإشراف.

إقرأ المزيد

أداة ذكاء اصطناعي تحوّل الصور الثابتة القديمة إلى متحركة و"واقعية بشكل مخيف"

ويتمثل أحد الابتكارات الرئيسية في هذه التقنية، في معالجة العينات في مجموعات وليس بشكل فردي، وبناء روابط دلالية بينها على طول الطريق. ويستطيع الذكاء الاصطناعي بعد ذلك التعرف على أوجه التشابه والاختلاف في العينات التي يراها، باستخدام هذه المعرفة لإنتاج شيء جديد تماما.

ويقول لوران إيتي، عالم الكمبيوتر في جامعة جنوب كاليفورنيا: "هذا النهج الجديد لفك التشابك، ولأول مرة، يطلق حقا إحساسا جديدا بالخيال في أنظمة الذكاء الاصطناعي، ما يجعلهم أقرب إلى فهم البشر للعالم".

وهذه الأفكار ليست جديدة تماما، ولكن هنا أخذ الباحثون المفاهيم إلى أبعد من ذلك، ما يجعل النهج أكثر مرونة وتوافقا مع أنواع إضافية من البيانات. وجعلوا أيضا إطار العمل مفتوح المصدر، حتى يتمكن العلماء الآخرون من استخدامه بسهولة أكبر.

وفي المستقبل، يمكن للنظام الذي طوّر أن يحمي من تحيز الذكاء الاصطناعي عن طريق إزالة السمات الأكثر حساسية من المعادلة - على سبيل المثال، المساعدة في إنشاء شبكات عصبية ليست عنصرية أو متحيزة جنسيا.

ويمكن أيضا تطبيق النهج نفسه في مجالات الطب والسيارات ذاتية القيادة، كما يقول الباحثون، مع قدرة الذكاء الاصطناعي على "تخيل'' عقاقير جديدة، أو تصور سيناريوهات طريق جديدة لم يتم تدريبه عليها تحديدا في الماضي.

ويقول إيتي: "أظهر التعلم العميق بالفعل أداء ووعدا غير مسبوق في العديد من المجالات، ولكن في كثير من الأحيان حدث هذا من خلال محاكاة ضحلة، ومن دون فهم أعمق للسمات المنفصلة التي تجعل كل كائن فريدا".

وقُدّم البحث في المؤتمر الدولي لعام 2021 حول تمثيلات التعلم.

المصدر: ساينس ألرت