لأول مرة.. الذكاء الاصطناعي يلتقط "جانبا مهما من الذكاء البشري"!

ويكشف البحث، الذي نُشر في مجلة Nature، عن تحول في نقاش دام عقودا في العلوم المعرفية، يتحدث عن مجال يستكشف أي نوع من أجهزة الكمبيوتر قد يمثل العقل البشري على أفضل وجه.

ومنذ الثمانينيات، جادلت مجموعة فرعية من علماء الإدراك بأن الشبكات العصبية، نوع من الذكاء الاصطناعي (AI)، ليست نماذج قابلة للتطبيق لأن بنيتها تفشل في التقاط سمة أساسية لكيفية تفكير البشر.

ولكن مع التدريب، يمكن للشبكات العصبية الآن أن تكتسب هذه القدرة الشبيهة بالقدرة البشرية.

ويقول بريندن ليك، المعد المشارك في الدراسة، والأستاذ المساعد في علم النفس وعلوم البيانات في جامعة نيويورك: "يشير عملنا هنا إلى أن هذا الجانب المهم من الذكاء البشري يمكن اكتسابه من خلال الممارسة باستخدام نموذج تم رفضه لافتقاره إلى تلك القدرات".

وتحاكي الشبكات العصبية إلى حد ما بنية الدماغ البشري، لأن عُقد معالجة المعلومات الخاصة بها مرتبطة ببعضها البعض، وتتدفق معالجة البيانات الخاصة بها في طبقات هرمية. لكن تاريخيا، لم تتصرف أنظمة الذكاء الاصطناعي مثل العقل البشري لأنها كانت تفتقر إلى القدرة على الجمع بين المفاهيم المعروفة بطرق جديدة، فيما يسمى "التركيب المنهجي".

وعلى سبيل المثال، أوضح ليك أنه إذا تعلمت شبكة عصبية قياسية كلمات "قفزة" و"مرتين" و"في دائرة"، فيجب أن تظهر لها العديد من الأمثلة حول كيفية دمج هذه الكلمات في عبارات ذات معنى، مثل "قفزة مرتين" و"القفز في دائرة". ولكن إذا تمت تغذية النظام بكلمة جديدة، مثل "الدوران"، فسيحتاج مرة أخرى إلى رؤية مجموعة من الأمثلة لمعرفة كيفية استخدامها بشكل مماثل.

وفي الدراسة الجديدة، قام ليك والمعد المشارك في الدراسة، ماركو باروني، من جامعة بومبيو فابرا في برشلونة، باختبار نماذج الذكاء الاصطناعي والمتطوعين البشريين باستخدام لغة مختلقة تحتوي على كلمات مثل "dax" و"wif".

إقرأ المزيد

هل يتفوق الذكاء الاصطناعي على البشر في تصميم المدن؟

وتتوافق هذه الكلمات إما مع نقاط ملونة، أو مع وظيفة تتلاعب بطريقة ما بترتيب تلك النقاط في تسلسل معين. وهكذا فإن تسلسل الكلمات يحدد الترتيب الذي تظهر به النقاط الملونة.

لذلك، بالنظر إلى عبارة لا معنى لها، كان على الذكاء الاصطناعي والمتطوعين اكتشاف "القواعد النحوية" الأساسية التي تحدد النقاط التي تتوافق مع الكلمات.

وأنتج المشاركون من البشر التسلسل النقطي الصحيح في حوالي 80% من الحالات.

وبعد اختبار سبعة نماذج للذكاء الاصطناعي، توصل ليك وباروني إلى طريقة تسمى التعلم التلوي من أجل التركيب (MLC)، والتي تتيح للشبكة العصبية ممارسة تطبيق مجموعات مختلفة من القواعد على الكلمات التي تم تعلمها حديثا، مع تقديم تعليقات حول ما إذا كانت قد طبقت القواعد بشكل صحيح أم لا.

وتطابقت الشبكة العصبية المدربة بواسطة MLC مع أداء البشر في هذه الاختبارات أو تجاوزتها. وعندما أضاف الباحثون بيانات عن الأخطاء الشائعة لدى البشر، ارتكب نموذج الذكاء الاصطناعي أنواع الأخطاء نفسها التي ارتكبها البشر.

وقال بول سمولينسكي، أستاذ العلوم المعرفية في جامعة جونز هوبكنز، وكبير الباحثين الرئيسيين في شركة مايكروسوفت للأبحاث، والذي لم يشارك في الدراسة الجديدة: "لقد حققوا نجاحا مثيرا للإعجاب في هذه المهمة، في حوسبة معنى الجمل". لكن النموذج كان لا يزال محدودا في قدرته على التعميم.

وأوضح سمولينسكي: "كان بإمكانه العمل على أنواع الجمل التي تم تدريبه عليها، لكنه لم يتمكن من تعميمها على أنواع جديدة من الجمل".

وأضاف أن تعزيز قدرة MLC على إظهار التعميم التركيبي يعد خطوة تالية مهمة.

المصدر: لايف ساينس