كيف قد يتطوَّر الذكاء الاصطناعي في المُستقبل؟

(١-١) بيئة الذكاء الاصطناعي

في البداية، كانت البيئة التي عملت بها معظم أجهزة الكمبيوتر فراغًا لا شكل له؛ فمُدخلاتها الوحيدة كانت تأتي من البطاقات المثقُوبة وكانت الطريقة الوحيدة لإنتاج المخرجات هي طباعة الرموز عبر طابعة سطرية. رُبما لهذا السبب، كان يرى مُعظمُ الباحثين الآلات الذكية على أنَّها آلات تجيب على الأسئلة، ولمْ ينتشر المفهوم الحالي للآلات بأنَّها «كيانات ذكية» تُدرك وتتصرَّف في بيئةٍ ما إلا في ثمانينيات القرن الماضي.

عندما اختُرعت شبكة الويب العالمية في تسعينيات القرن الماضي، فتحت بابًا واسعًا لعالمٍ جديدٍ أمام الآلات الذكية لتتحرك فيه. واستُحدثت كلمة جديدة وهي «سوفت بوت» لوصف «روبوتات» البرمجيات التي تعمل بالكامل في بيئةٍ برمجيَّةٍ مثل شبكة الويب. هؤلاء الآليُّون يطلعون على صفحات الويب ثمَّ ينتجون استجابةً عن طريق إنتاج مجموعاتٍ من الرموز وعناوين الصفحات وغيرها من الأشياء.

ازداد عدد شركات الذكاء الاصطناعي ازديادًا كبيرًا خلال الفترة التي حدث فيها ما يُسمى ﺑ «فقاعة الإنترنت» والتي كانت ما بين عامي ١٩٩٧ و٢٠٠٠، مما وفَّر القُدرات الأساسية للبحث والتجارة الإلكترونية، بما في ذلك تحليل الرَّوابط ونظم التوصية ونظم بناء السُّمعة والتسوق القائم على مُقارنة السِّلع وتصنيف المُنتجات.

وفي بداية الألفيَّة الجديدة، مهَّد الانتشار الواسع للهواتف الجوَّالة، بما فيها من ميكروفونات وكاميرات ومقاييس تَسارُعٍ ونظُم تحديد مواقع، الطريق أمام نُظم الذكاء الاصطناعي لتتغلغل في حياة البشر اليومية، ثمَّ ها نحن نرى «السماعات الذكية» مثل «إيكو» التابعة لشركة أمازون و«هوم» التابعة لشركة جوجل و«هوم بود» التابعة لشركة أبل وقد أكملت هذه العملية.

وبحُلول عام ٢٠٠٨ تقريبًا، تخطَّى عدد الأشياء المُتَّصلة بالإنترنت عدد البشر المُتَّصلين بها، في نقلةٍ يُشير إليها البعض بأنَّها كانت بداية مفهوم «إنترنت الأشياء». وتلك الأشياء تتضمن السيارات والأجهزة المنزلية وإشارات المرور وآلات البيع والثرموستات والطَّوافات الرباعيَّة والكاميرات والحساسات البيئية والروبوتات، وجميع أنواع السِّلع المادِّية في كلٍّ من عملية التَّصنيع ونظام التَّوزيع والبيع بالتَّجزئة. إن هذا يتيح لنظم الذكاء الاصطناعي وصولًا أكبر بكثيرٍ إلى العالم الواقعي.

وأخيرًا، التطوُّرات التي حدثت في الإدراك مكَّنت الروبوتات المدعومة بنظم ذكاء اصطناعي من مُغادرة المصانع حيث كانت تعتمد على ترتيباتٍ ثابتةٍ ومُقيِّدةٍ للأشياء، وباتت الآن في قلب العالم الواقعي المليء بالفوضى والمُفتقر للنُّظم حيث تطَّلع كاميراتها على أشياء شيِّقةٍ وأكثر إمتاعًا.

(١-٢) السَّيارات الذاتية القيادة

والسُّؤال هُنا: لم استغرقنا كل ذلك الوقت لتحقيق القيادة الذَّاتية الآمنة؟ السَّبب الأول هو أنَّ مُتطلَّبات الأداء كثيرة وتستلزم الحرص والدِّقَّة. مثلًا في الولايات المتحدة، يتكبَّد السائق البشري تقريبًا حادثةً واحدةً مُميتةً في كُلِّ مائة مليون ميلٍ يقطعُها بسيارته. هذا بدوره يضعُ معيارًا عاليًا لقبُول المركبات الذاتية القيادة التي عليها إذن أن تُحقِّق مُستوًى أعلى من ذلك؛ رُبَّما بمُعدَّل حادثةٍ مُميتةٍ في كل مليار ميلٍ أو خمسة وعشرين عامًا من القيادة بمُعدَّل أربعين ساعةٍ أسبوعيًّا. أما السبب الثاني فهو ببساطةٍ فشلُ وسيلة التَّحايُل المُتوقَّعة، المتمثلة في إسناد التحكم في السيارة للسائق البشري حين تكون المركبة مُشوَّشةً ولا تقدر على اتِّخاذ القرار أو خارج ظروف العمل الآمنة التي صُمِّمت للعمل فيها. فعندما تقود السيارة نفسها، سرعان ما ينفصل البشر عن ظروف القيادة المُباشرة ولا يُمكنُهم استعادة وعيهم بالبيئة المُحيطة استعادةً سريعةً تكفي لتولِّي القيادة بأمان. زد على ذلك أن الرُّكاب غير القادرين على القيادة في السيارة ورُكاب سيارات الأجرة في المقعد الخلفي يكونون في وضعٍ لا يسمح لهم بتولِّي القيادة إن حدث خطأ ما.

(١-٣) المُساعد الشَّخصي الذَّكي

تلك النظم البدائية لها عيوب تندرج تحت ثلاثة أقسام: الدِّراية والمحتوى والسِّياق. «عيوب الدِّراية» تعني أنَّها تفتقد الوعي الحسي بما يحدث حولها؛ فمثلًا، قد يُمكن لتلك النظم أن تسمع ما يقوله المُستخدِم، لكن لا يُمكنها أن ترى لمن يُوجِّه المُستخدمُ حديثه. و«عيوب المحتوى» تعني أنَّها ببساطةٍ لا تستطيع فهم معنًى ما يقوله المُستخدِم أو يكتبُه، حتى ولو لديها دراية به. أما «عيوب السِّياق» فتعني أنَّها لا تملكُ القدرة على مُتابعة أي سياقٍ والتَّفكُّر بما يحتويه من أهدافٍ وأنشطةٍ وعلاقاتٍ تُشكِّل أجزاء الحياة اليومية.

رغم تلك العيوب، فإنَّ السماعات الذكية ومُساعدات الهواتف الجوَّالة تُقدِّم ما يكفي من قيمةٍ للمُستخدم ليُدخلها مئات الملايين من الناس بُيوتهم ويحملوها معهم في جُيوبهم. هذه النُّظُم يمكن النظر إليها على أنَّها أحصنة طروادة لمجال الذكاء الاصطناعي. ونظرًا لأنها مدمجة في نسيج حياة الكثير من الناس، فإن كلَّ تطورٍ في قدراتها، مهما كان صغيرًا، يُساوي المليارات من الدولارات.

وكما هو معروف؛ فالتطويرات تأتي بسرعةٍ وكثافة. وربَّما كان أهمها هو القدرة الأساسية على فهم المُحتوى؛ أي مثلًا فهم أنَّ جُملة «جون في المستشفى» لا يُردُّ عليها فقط بجملة «أرجو أن يكون بخير!» لكنها جُملة تحوي معلومةً حقيقةً وهي أن ابن المُستخدم ذا الثماني سنواتٍ في مُستشفًى قريبٍ وربما كان مُصابًا أو مريضًا وحالته خطيرة. تُعدُّ قدرة نظم الذكاء الاصطناعي على الوصول إلى البريد الإلكتروني والرسائل النَّصيَّة بالإضافة إلى المكالمات الصوتية والمحادثات المنزلية (من خلال السماعة الذكية) عاملًا مهمًّا في الحصول على ما يكفي من المعلومات لبناء تصوُّرٍ كاملٍ نسبيًّا عن حياة المُستخدم؛ تلك المصادر رُبما تُعطي معلوماتٍ أكثر مما كان متاحًا لكبير الخدَم الذي يعمل لدى أسرةٍ من طبقة النُّبلاء في القرن التاسع عشر، أو المساعد التنفيذي الذي يعمل برفقة رئيس إحدى الشركات المعاصرة.

تلك المعلومات الأساسية ليست كافية بلا شك. ولتكون تلك المعلومات مُفيدة بحق، على المُساعد الذكي أن يكون على علمٍ ببديهيات العالم وكيف يعمل: فالطفل الذي في المُستشفى لا يكون في المنزل في الوقت ذاته؛ والرعاية الطبية لذراعٍ مكسورة نادرًا ما تدوم لأكثر من يومٍ أو يومين؛ وأنَّ مدرسة الطفل يجب أن تعرف بذلك الغياب المُتوقَّع؛ وغيرها من البديهيات. تلك المعرفة تُمكِّن المُساعد الذكي من أن يُتابع سياق الأشياء التي لا يراها مُباشرةً؛ وهي مهارة أساسية للنظم الذكية.

على هذا النَّحو، نستطيع أن نترقَّب رؤية مُساعداتٍ ذكيةٍ تقدِر، لقاء حفنةٍ من البنسات كل شهر، أن تُساعد المُستخدِمين في إدارة يومهم بما فيه من أنشطةٍ كثيرةٍ ومتنوِّعة مثل: المواعيد والرحلات، والتَّسوق للحصول على احتياجات المنزل ودفع الفواتير ومُساعدة الأطفال في الفُرُوض المدرسية، وفرز رسائل البريد الإلكتروني والمكالمات الواردة، والتنبيهات، وإعداد الوجبات، ورُبما نشطح بأحلامنا ونأمُل أن تُساعدهم أيضًا في إيجاد مفاتيحهم الضائعة. كل تلك المهارات لن تكون مُبعثرةً بين العديد من التطبيقات؛ بل ستكون جميعها تحت مظلَّة كيانٍ واحد ومُتكامل يُمكنه أن يستفيد من جميع فُرص التَّضافُر والتآزُر المُتاحة، فيما يُسمِّيها العسكريون ﺑ «الصورة العملياتية العامة».

يتضمَّن القالب التَّصميمي العام لأي مُساعدٍ ذكي المعرفة المُسبقة للأنشطة البشرية والقدرة على استخلاص المعلومات من بين تدفقات البيانات الإدراكية والنَّصيَّة. ويتضمَّن أيضًا عملية تعلُّمٍ لتهيئة المُساعد لظُرُوف المُستخدم الخاصة. وهذا القالب العام يُمكن تطبيقه في ثلاثة مجالاتٍ كبرى أخرى على الأقل: الصِّحة والتَّعليم والشُّئون المالية الشخصية. وفي تلك التطبيقات، على النِّظام أن يُتابع جسد المُستخدم أو عقله أو حسابه المصرفي (إذا ما فسَّرنا مهامه تفسيرًا واسعًا). وكما هو الحال مع المُساعدات الخاصة بالحياة اليومية، فإن التَّكلفة الأولية لبناء المعرفة العامة الضَّرورية لكل مجالٍ من تلك المجالات الثلاثة ستُسدَّد تدريجيًّا من خلال الوصول إلى مليارات من المُستخدِمين.

أما في مجال الشُّئون المالية الشخصية، فسوف تُتابع النظم سير الاستثمارات، وتدفُّق مصادر الدَّخل، والنَّفقات الإلزامية والاختيارية، والديون وسداد الفوائد، ومُدَّخرات الطوارئ وما إلى ذلك، تمامًا كما يُتابع المُحلِّلُون الماليون الشئون المالية للشركات وفُرصها المُستقبليَّة. ولو تكامل هذا مع عمل الكيان الذكي الذي يُدير شئون الحياة اليومية، فسيُوفِّر ذلك فهمًا أعمق وأدق للجوانب المالية، ورُبما كان من فوائد ذلك أن يحرص النِّظام على خصم أي عقوباتٍ وقعت على الأطفال الأشقياء من مصروفهم الشهري قبل إعطائهم إيَّاه. وهكذا، يمكن للمرء أن يتوقع الحصول على نوعية النصائح المالية اليومية التي كانت مقتصرة في السابق على الأشخاص ذوي الثراء الشديد.

(١-٤) المنازل الذكيَّة والروبوتات المنزلية

إن القيمة المتحقِّقة من المنازل الذَّكيَّة محدودة بسبب أنظمتها المُشغِّلة؛ فالنظم الأبسط تركيبًا (مثل الثرموستات المُؤقَّتة، والأضواء الحساسة للحركة، وأجهزة الإنذار الخاصة بالسَّرقة) يُمكنُها تنفيذ مُعظم المهام بطرائق قد تكون أكثر توقُّعًا وإن كانت أقل حساسية للسِّياق. والمنزل الذَّكي لا يُمكنه أيضًا طيُّ الغسيل أو تنظيف الأطباق أو التقاط الجريدة من أمام باب المنزل؛ فمثل هذه المهام تتطلَّب إنسانًا آليًّا في هيئةٍ ماديةٍ ليُقدم عليها.

شكل ٣-١: على اليمين الروبوت «بريت» يطوي المناشف، وعلى اليسار الروبوت «سبوت ميني» من شركة بوسطن ديناميكس يفتح الباب.

ومن بين المهارات المادِّية الأساسية الثلاث المطلوبة للروبوت المنزلي حتى يكون مفيدًا — الإدراك وسهولة الحركة والبراعة — تُعدُّ المهارة الأخيرة أكثرها إشكالًا. والأمر كما عبَّرت عنه ستيفاني تاليكس أستاذة علم الروبوتات بجامعة براون فقالت: «مُعظم الروبوتات لا تستطيع التقاط مُعظم الأشياء في مُعظم الأوقات.» جزء من هذا يرجع إلى مشكلةٍ في حاسة اللمس، وجزء آخر يرجع إلى مشكلةٍ في التصنيع (فالأيادي ذات الأصابع الماهرة كُلفة تصنيعها عالية جدًّا حاليًّا) والجُزء الأخير يرجع إلى مُشكلةٍ في الخوارزمية؛ فإلى الآن، نحن لا نفهم جيِّدًا كيف ندمج قدرتي الحس والتَّحكم للإمساك والتَّلاعُب بالأشياء المُختلفة والمُتنوِّعة الموجودة في أرجاء المنزل العادي. وهناك العشرات من أنواع القبضات المُختلفة للإمساك بالأشياء الصلبة، والآلاف من مهارات التَّلاعُب المختلفة؛ كمهارة هزِّ العُلبة لإخراج حبتي دواءٍ فقط منها، أو نزع المُلصق من على برطمان مُربى، أو فرد الزُّبدة الجامدة على الخُبز الطَّري، أو إخراج شريطٍ واحدٍ من المكرونة الإسباجتي بشوكة ليرى هل نضجت وجاهزة للأكل أم ليس بعد.

وأوَّل من سيستفيد حقًّا من الروبوتات في المنازل هم كبار السِّن والضُّعفاء؛ فالروبوتات يمكن أن توفر لهم قدرًا من الاستقلال لم يكن ليُتاح لولا وجودهم. وحتى لو كانت قدرات الروبوت محدودة وفهمُه لما يحدث حوله فهمًا بدائيًّا، فيمكن أن يكون مفيدًا جدًّا رغم ذلك. أما الروبوت كبير الخدم، على الجانب الآخر، الذي يُدير المنزل بهدوءٍ وثقةٍ ويتوقَّع كل ما قد يُفكِّر فيه سيده، فهو حُلم بعيد حاليًّا؛ إذ يتطلَّب مستوًى قريبًا من الذكاء الاصطناعي العام المُضاهي للذكاء البشري.

(١-٥) الذَّكاء على نطاق عالمي

ومثل ذلك النِّظام، إن استطاع فقط أن يستخلص حقائق بسيطة ثمَّ يعمم كل تلك المعلومات على كل اللُّغات الموجودة، سيكون مصدرًا خارقًا للإجابة على الأسئلة وكشف الأنماط؛ رُبَّما يكون أقوى بكثيرٍ من محركات البحث التي تُقدَّر قيمتها الحالية بقُرابة التريليون دولار. وستكون قيمته البحثيَّة في مجالات مثل التاريخ وعلم الاجتماع لا تُقدَّر بثمن.

(٣-١) اللُّغة والبديهة

ذكاء من غير معرفة، كمُحرِّك من غير وقود. البشرُ يكتسبون كمًّا هائلًا من المعرفة من أقرانهم من البشر؛ فالمعرفة تنتقل من جيلٍ إلى آخر عن طريق اللُّغة. بعض من تلك المعرفة عبارة عن حقائق؛ «أوباما انتُخب رئيسًا في عام ٢٠٠٩»، «كثافة النحاس تبلغ ٨٫٩٢ جرامات لكل سنتيمتر مكعَّب»، «قانون أور-نامو وضع عقوباتٍ للعديد من الجرائم»، وهلمَّ جرًّا. وهكذا فإننا نرى أنَّ قدرًا كبيرًا من المعرفة يكمُن في اللغة نفسها؛ في المفاهيم التي تُتيحُها. فكلمات مثل «رئيس» و«٢٠٠٩» و«كثافة» و«النُّحاس» و«جرام» و«سنتيمتر» و«الجرائم» وبقيَّة كلمات اللغة جميعها تحمل في طياتها قدرًا كبيرًا من المعلومات التي تُمثِّل خُلاصة عمليات الاكتشاف والتَّنظيم التي جعلت تلك الكلمات جزءًا من اللغة في المقام الأول.

لنأخذ على سبيل المثال كلمة «النُّحاس» التي تُشير إلى مجموعةٍ من الذَّرات في الكون، ثُمَّ نقارنها بكلمة «أرجلبرجليوم»؛ وهي كلمة عشوائية وضعتها من مُخيِّلتي لتسمية عددٍ من ذرات الكون اختيرت عشوائيًّا وتُساوي في كمِّيتها عدد ذرات النُّحاس. الواحدُ منَّا يُمكن أن يكتشف العديد من القوانين العامة والمُفيدة والتنبؤية حول النُّحاس؛ كثافتها وقدرتها على التوصيل، وقابليتها للطَّرْق، ودرجة حرارة انصهارها، وأصلها النَّجمي، ومُركَّباتها الكيمائية واستخداماتها العملية وهلُمَّ جرًّا. وفي المُقابل، لا يُمكننا قول أي شيء نهائيًّا حول مادة «أرجلبرجليوم». فالكائن الحي الذي يتحدَّث لُغةً تحتوي على كلماتٍ لا معنى لها مثل «أرجلبرجليوم» لن يكون قادرًا على أداء وظيفته، لأنَّه لن يكتشف أبدًا حالات الانتظام التي تجعله قادرًا على تخيُّل عالمه والتَّنبُّؤ به.

الآلات التي تفهم لُغات البشر فهمًا حقيقيًّا ستكون مُؤهَّلةً لتلقِّي كمياتٍ هائلةٍ من المعرفة البشرية على نحوٍ سريعٍ يجعلها تجتاز عشرات الآلاف من السنين من التَّعلُّم قضاها أكثر من مائة مليار إنسانٍ عاشوا على وجه الأرض. فمِن غير العملي أن نتوقع أن تُعيد الآلات اكتشاف جميع تلك المعرفة من الصفر، بداية من البيانات الحسيَّة الخام.

لكن، في الوقت الحالي، تقنية اللغة الطبيعية لا تقوى على تنفيذ مهمة قراءة وفهم ملايين الكُتب – التي قد يُحيِّر الكثير منها حتى إنسانًا ذا علمٍ وخبرة. إن نظم مثل نظام «واطسون» من تصميم شركة آي بي إم الذي هزم بطلي مُسابقة «المحك» الأمريكية هزيمةً ساحقةً عام ٢٠١١، يُمكنه استخلاص معلوماتٍ بسيطةٍ من حقائق واضحة من النُّصوص، لكنَّه يعجز عن بناء تراكيب معرفيةٍ مُعقَّدةٍ منها؛ ولا يُمكنه أيضًا الإجابة على الأسئلة التي تتطلب تفكيرًا منطقيًّا مُوسَّعًا في معلوماتٍ من مصادر مُتعدِّدة. على سبيل المثال، مهمَّة قراءة جميع الوثائق المُتاحة حتى نهاية عام ١٩٧٣ وتقييم (مع الشَّرح) النتائج المُتوقَّعة لعملية اتِّهام الرئيس الأمريكي حينها؛ نيكسون، بفضيحة «ووترجيت»، ستكون صعبة التحقيق في ضوء إمكانياتنا الحالية.

الآلة التي ستُجيب على هذا السؤال ستُواجه مصدري صُعوبة على الأقل. الأول هو المُشكلة التقليدية لفهم اللغة وما يعنيه هذا السؤال؛ تحليل البنية النَّحويَّة، وفهم معاني الكلمات وما إلى ذلك. (جرِّب ذلك بنفسك: استخدم أي موقعٍ من مواقع الترجمة الآلية المُتاحة على الإنترنت لتُترجم هذا السؤال إلى لُغةٍ تجهلُها، ثمَّ استخدم قاموسًا لتلك اللُّغة وحاول ترجمتها عكسيًّا إلى اللغة الأصلية.) أما مصدر الصُّعوبة الثاني، فهو الحاجة إلى بديهةٍ وإدراكٍ عام لكي تفهم الآلة أنَّ هذا السباق هو على الأرجح سباق بين أُناسٍ يرتدون أحذية التَّزلُّج (في أقدامهم)؛ وأنَّ «السَّطح» هو ما سيتزلَّج عليه المتزلجون وليس ما سيجلس عليه المُشجِّعون؛ وأنَّ كلمة «أفضل» تصف في هذا السِّياق سطح أرض السِّباق وهكذا دواليك. تخيَّل كيف قد تكون الإجابة إذا غيَّرنا عبارة «طُلاب الصَّف الرابع» إلى عبارة «مُدرِّبو مركز تدريبٍ عسكري ساديون».

وإذا أردنا أن نُلخِّص صعوبة الأمر فيُمكن لنا أن نقول إن القراءة تحتاج إلى معرفةٍ والمعرفةُ (في مُعظمها) تأتي من القراءة. بعبارةٍ أخرى، نحن نُواجه مُعضلة الدجاجة والبيضة الكلاسيكية. قد نأمل إذن في وجود عملية تمهيدٍ ذاتي تُمكِّن النظام من قراءة بعض النصوص السهلة واكتساب بعض المعرفة منها، ثمَّ استخدام تلك المعرفة لقراءة نُصوصٍ أصعب ليكتسب معرفةً أكثر وهكذا دواليك. ولسوء الحظِّ، ما يحدُث غالبًا هو العكس؛ فالمعرفة المُكتسبة معظمها خاطئ؛ ومن ثمَّ تُسبِّب أخطاء في القراءة التي تؤدِّي بدورها لمعرفةٍ أكثر خطأً وتستمرُّ الدائرة.

(٣-٢) التعلم التراكمي للنظريات والمفاهيم

كان ذلك مُمكنًا بسبب تراكم المعرفة والمفاهيم وتبادلهما بين آلاف البشر عبر قرونٍ من البحث والمُشاهدة. بدايةً من طاليس الملطي الذي كان يفرُك حجر الكهرمان بالصُّوف ويُراقب شُحنة الكهرباء الساكنة وهي تنتُج، ومُرورًا بالعالم جاليليو الذي كان يُلقي الأحجار من أعلى بُرج بيزا المائل، وانتهاءً بنيوتن الذي رأى تُفاحةً تسقط من شجرة، وغيرهم الآلاف من الباحثين والمُشاهدين للظواهر الكونية، استطاعت البشرية أن تضع تدريجيًّا طبقة فوق أخرى من المفاهيم والنَّظريات والآلات؛ مثل الكُتلة والسُّرعة المتجهة والتَّسارُع والقوة وقوانين نيوتن للحركة والجاذبية، ومعادلات المدارات، والظواهر الكهربية، والذرات والإلكترونات والحقول الكهربية والحقول المغناطيسية والموجات الكهرومغناطيسيَّة، والنسبية العامة والخاصة، وميكانيكا الكم وأشباه الموصِّلات ووحدات الليزر وأجهزة الكمبيوتر وما إلى آخره.

يُمكننا، من حيث المبدأ، أن نفهم عملية الاكتشاف هذه بأنَّها تحويل لكل البيانات الحسية التي خبرَها البشر جميعًا إلى فرضيَّة شديدة التَّعقيد حول البيانات الحسية التي رصدها علماء مرصد «ليجو» في يوم ١٤ سبتمبر عام ٢٠١٥ بينما هم ينظرون إلى شاشات أجهزة الكمبيوتر الخاصة بهم. هذه هي ما تُسمَّى بطريقة التَّعلُّم المُستنِدة إلى البيانات استنادًا محضًا؛ فالبيانات هي المُدخلات، والفرضيات هي المُخرجات وما بين هذا وذلك صُندوق أسود. وإذا ما أمكننا تنفيذ هذه الطريقة، فسنشهد ذروة نجاح منهج التَّعلُّم المُتعمِّق الذي شعاره «بيانات أكثر، شبكة أكبر»، ولكن مع الأسف لا يُمكن تنفيذها. والفكرة الوحيدة المعقولة التي لدَينا الآن وتُفسِّر كيف لكيانات ذكيةٍ أن تُحقِّق شيئًا فريدًا كأن تكتشف أنَّ ثُقبَين أسودَين قد اندمجا معًا، هي أنَّ «المعرفة الفيزيائية المُسبقة» لعلماء المرصد إلى جانب بيانات الرَّصد من أجهزتهم مكَّنتهم أن يتوقَّعوا حدوث اندماج الثُّقبَين معًا. أضف على ذلك أنَّ تلك المعرفة المُسبقة ذاتها كانت نتيجةً للتَّعلُّم بمعرفةٍ مُسبقة أخرى، وهكذا حتى بداية التاريخ البشري. ولذلك فنحن لدَينا، تقريبًا، صُورة «تراكُميَّة» عن كيف يمكن أن تستخدم الكيانات الذكية المعرفة كمادة لبناء قدراتها التنبُّؤية.

قُلتُ «تقريبًا» لأنَّ العلم، بلا شكٍّ، قد انعطف إلى مساراتٍ خاطئةٍ في مراتٍ قليلة فيما مضى من القرون، فنراه ينحرف مُؤقَّتًا سعيًا وراء مفاهيم خياليةٍ مثل الأثير المُضيء والفلوجيستون. لكنَّنا نعرف حقيقةً أن الصُّورة التَّراكُميَّة هي ما حدث «بالفعل»، من حيثُ إن جميع العلماء عبر العُصور دوَّنُوا اكتشافاتهم ونظرياتهم في الكُتب والأبحاث العلمية، ثمَّ أتى العُلماء المتأخِّرون ووجدوا بين أيديهم سُبُل المعرفة الصريحة هذه، وليس التجارب الحسية الأصليَّة للأجيال السابقة البائدة. ولأنَّ أعضاء فريق مرصد «ليجو» عُلماء حقًّا، فقد فطنوا إلى أنَّ جميع أجزاء المعرفة التي استخدموها، بما في ذلك نظرية النسبية العامة لأينشتاين، ما تزال في فترةٍ اختباريةٍ (وستبقى هكذا للأبد) و«رُبَّما» يثبُت خطؤها بالتَّجربة في وقتٍ ما. ولكن تبيَّن أنَّ البيانات التي أصدرها المرصد قدَّمت دليلًا دامغًا على صحة نظرية النِّسبية العامة، بالإضافة إلى طرح أدلةٍ أخرى على أنَّ الجرافيتون، وهو جُسيْم افتراضي حامل لقوة الجاذبية، إنما هو جُسَيْم عديم الكُتلة.

الأمر الأول هو: ما الذي يجب أن يُضمَّن في «البيانات» التي تُستقى منها التَّنبؤات؟ فمثلًا، في تجربة مرصد «ليجو»، كان النَّموذج، الذي استُعمل للتَّنبؤ بمقدار تمدُّد الفضاء وانكماشه عندما وصلت موجات الجاذبية، يأخذ في حُسبانه معلوماتٍ مثل كُتلتي الثُّقبَين الأسودين المُتصادمين، وسُرعة دوران أحدهما حول الآخر وما إلى ذلك، لكنَّه لم يلتفِت إلى بياناتٍ مثل، في أيِّ يوم من أيام الأسبوع كان ذلك الاصطدام بين الثُّقبَين، أو جدول مباريات الدوري المُمتاز للعبة البيسبول. على الجانب الآخر، فإن النَّموذج المُصمَّم ليتنبأ بالحركة المُروريَّة على جسر سان فرانسيسكو-أوكلاند لا محالة سيأخُذ أيام الأسبوع في اعتباره، وسيُراعي بلا شكٍّ جدول مباريات الدوري المُمتاز للعبة البيسبول، وفي الوقت ذاته، سيتجاهل بياناتٍ ككُتلتَي الثَّقبَين الأسودَين المُتصادمَين وسُرعة دورانهما. وبالمثل، فإنَّ البرمجيات التي تتعلَّم كيفية التَّعرُّف على «أنواع» العناصر في الصور تستخدِم البكسلات كمُدخلاتٍ لها، بينما البرمجيات التي تتعلَّم مهارة تقدير «قيمة» القطع الأثرية يجب أن تعرف معلوماتٍ مثل، المادة التي صُنعت منها كل قطعة، ومَن صنعها ومتى، وتاريخ استخدامها وملكيَّتها وما إلى ذلك. قد تتساءل: لماذا كل هذه المعلومات؟ ببساطةٍ، لأننا نحن البشر نعرف ولو قليلًا من المعلومات عن موجات الجاذبية وحركة المُرور والصُّور المرئية وقطع الأثاث. ونحن نستخدم تلك المعرفة لتحديد المُدخلات المطلوبة للتَّنبؤ بمُخرجاتٍ مُحدَّدة. وهذا يُسمَّى ﺑ «هندسة الخصائص»، وإجادة تنفيذ تلك العملية يتطلَّب فهمًا جيدًا لِما يُراد التَّنبؤ به بالتَّحديد.

الأمر الثاني والذي رُبما يكون أكثر أهميةً، هو الإنتاج التَّراكُمي لمفاهيم جديدة مثل الكُتلة والتَّسارع والشُّحنة والإلكترون وقوة الجاذبية. فبدون تلك المفاهيم، سيُضطرُّ العُلماء (والعامَّة من الناس) إلى تفسير العالَم المُحيط بهم والتَّنبؤ على أساس المُدخلات الإدراكية الأولية. ولكن إذا تتبَّعنا سَير التاريخ، فإننا نرى أنَّ نيوتن استطاع أن يُكمل ما بدأه جاليليو وغيره من تطويرٍ لمفهومي الكُتلة والتَّسارُع، ونجد أنَّ إرنست رذرفورد قد استطاع أن يثبت أنَّ الذرة تتكوَّن من نواة ذات كثافةٍ وذات شُحنةٍ موجبةٍ وتدور حولها الإلكترونات، لأنَّ مفهوم الإلكترون كان قد طُوِّر في أواخر القرن التاسع عشر (على يد العديد من الباحثين الذين ساهموا بخطواتٍ صغيرةٍ، الواحدة تلو الأخرى). وبلا شكٍّ، فإن جميع الاكتشافات العلمية مبنيَّة على طبقةٍ فوق الأخرى من المفاهيم التي تمتدُّ عبر الزمان وتتخلَّلُها جميع الخبرات البشرية المُكتسبة.

أما في وقتنا الحالي، فنحن نعرف كيف نفعل هذا في الحالات البسيطة نسبيًّا، ولكن في حالات النَّظريات الأشد تعقيدًا، فإن العدد المُحتمَل للمفاهيم الجديدة التي يُمكن أن تُطرح يُصبحُ عددًا هائلًا لا طاقة لنا به. وهذا يجعل التَّقدُّم الحالي في طرق التَّعلُّم المُتعمِّق في مجال الرؤية الحاسوبية أمرًا مُثيرًا للفُضُول والاهتمام. فالشَّبكات المُعمَّقة غالبًا ما تنجح في التَّعرُّف على سماتٍ وسيطة مفيدةٍ مثل العينين والساقين، والخُطوط والزَّوايا، رُغم أنَّها تعمل بخوارزميات تعلُّمٍ شديدة البساطة. وإذا ما استطعنا أن نفهم على نحوٍ أفضل كيفية حدوث هذا الأمر، يُمكننا تطبيق نفس هذا المنهج لتعلُّم مفاهيم جديدة باللُّغات الأكثر تعبيرية التي تحتاجها العُلوم. هذا الأمر بالتَّحديد سينقل البشرية نقلةً نوعيةً وسيكون خُطوةً فارقةً نحو الذكاء الاصطناعي العام.

(٣-٣) اكتشاف الأفعال

يتطلَّب السُّلوكُ الذَّكي لفتراتٍ طويلةٍ القُدرة على التخطيط للنشاط وإدارته على نحوٍ تسلسُليٍّ؛ وعبر العديد من مُستويات التَّجريد؛ بدايةً مثلًا من تحضير رسالة الدكتوراه (حوالي تريليون فعل)، إلى إرسال أمر تحكُّمٍ حركيٍّ إلى إصبعٍ من أصابع اليد لكتابة حرفٍ واحدٍ في الخطاب التَّقديمي.

أفعالُنا مُرتَّبة في تسلسُلاتٍ هرميَّةٍ مُعقَّدةٍ تنطوي على «عشرات» المستويات من التَّجريد. وتلك المستويات وما تحتويه من أنشطةٍ هي جُزء رئيسيٌّ من حضارتنا البشرية، ويُسلِّمُها جيل إلى آخر عبر وعاء اللغة والمُمارسات العمليَّة. على سبيل المثال، أفعال مثل «صيد خنزيرٍ بريٍّ» أو «التَّقدُّم للحصول على تأشيرة الدخول لبلدٍ ما» و«حجز تذكرة طيرانٍ» قد يتخلَّلُها الملايين من الأفعال البدائية، ومع ذلك فنحن قادرون على التَّفكير فيها كوحدات فردية لأنَّها موجودة بالفعل في «مكتبة» الأفعال التي تُوفِّرها لنا لُغتنا وثقافتنا، ولأنَّنا ندري (بدرجاتٍ مُتفاوتة) كيفية إنجازها.

بمجرد أن تُوجَد تلك الأفعال في المكتبة، فإننا نستطيع أن نشبكها مع أفعال أخرى أكثر تعقيدًا، مثل إقامة مأدبة لأبناء القبيلة بمناسبة الانقلاب الصيفي، أو الشُّروع في بحثٍ أثريٍّ في فصل الصيف بمنطقةٍ نائيةٍ بدولة نيبال. ومُحاولة التَّخطيط لتلك الأنشطة من الصِّفر، بدءًا من خُطوات التحكم الحركيِّ الأكثر بساطة، سيكون ضربًا من العبث، لأنَّ تلك الأنشطة تحوي الملايين أو المليارات من الخُطُوات التي يكون مُعظمها عصِيًّا بشدةٍ على التَّنبؤ. (فأين يا تُرى نجد خنزيرًا بريًّا، وفي أي اتِّجاه سيحاول أن يلُوذ بالفرار؟) أما إذا توفَّرت الأنشطة المعقدة المُناسبة في مكتبتنا، ففي هذه الحالة سنحتاج أن نُخطِّط لبضع خطواتٍ أو نحو ذلك فقط، لأنَّ كُلَّ خطوةٍ من تلك الخطوات ما هي إلا جُزء رئيسيٌّ من أجزاء النَّشاط ككُل. وهذا شيء حتى أدمغتنا الواهنة، نحن البشر، قادرة على التَّعامل معه، لكنه، في الوقت ذاته، يُعطينا «قُوَّةً خارقةً» على التَّخطيط لفتراتٍ زمنيةٍ طويلة.

شكل ٣-٢: لوحة «صورة العالم من الجادة التاسعة» للفنان سول ستينبيرج، عام ١٩٧٦. نُشرت هذه اللوحة لأول مرةٍ كغلافٍ لمجلَّة «ذا نيو يوركر».

في الوقت الحالي، لدينا فقط بعض القطع الرَّئيسيَّة للصورة الكلية هذه في مكانها الصَّحيح لبناء نظم ذكاءٍ اصطناعي. وإذا ما توفَّر تسلسُل الأنشطة المُجرَّدة — بما في ذلك معرفة كيفية تحويل كل نشاطٍ مُجرَّدٍ إلى خطة فرعية تتكوَّن من أنشطة ملمُوسة أكثر — حينها سيكون في حوزتنا خوارزميات تستطيع بناء خُططٍ مُعقَّدةٍ لتحقيق أهدافٍ مُحدَّدة. حاليًّا، هناك خوارزميات تستطيع تنفيذ خُططٍ مُجرَّدة ومُتسلسلة هرميًّا بحيث يكون دائمًا لدى الكيان الذكي نشاط بدائي وبدني «جاهز للتنفيذ الفوري»، حتى لو كانت الأنشطة المُستقبلية ما تزال في طور التَّجريد وليست قابلة للتَّنفيذ بعد.

ستصير الآلات الذكية التي تتمتَّع بهذه القُدرة مؤهَّلةً للنظر إلى مسافةٍ أبعد في المُستقبل والتَّنبؤ به أفضل من البشر. كما سيكون بإمكانها أن تأخذ بعين اعتبارها مزيدًا من المعلومات الهائلة. هاتان القُدرتان معًا ستقودانها لا محالة إلى اتِّخاذ قراراتٍ واقعيةٍ أفضل. وفي أي نوعٍ من أنواع الصراع بين البشر والآلات، سنجد سريعًا، مثل لي سيدول وجاري كاسباروف، أن خُطواتُنا القادمة جميعها قد توقَّعتها الآلات وصدَّتها. وهكذا سنخسر، نحن البشر، الصراع قبل أن يدقَّ طبوله أصلًا.

(٣-٤) إدارة الأنشطة العقلية

إذا كنت تظُنُّ أن إدارة الأنشطة في العالم الواقعي تبدو مُعقَّدةً، فما بالك بإدارة أنشطة «أكثر الأشياء تعقيدًا في هذا الكون»، والذي هو عقلك المسكين؟ إننا نُولد ونحن لا نعرف أي شيءٍ عن كيفية التَّفكير، تمامًا كما لا نعرف أيَّ شيءٍ عن كيفية المشي أو عزف البيانو. إننا نتعلم كيف نُفكِّر. إن بإمكاننا، إلى حدٍّ ما، أن «نختار» أي أفكارٍ نحملُها في دماغنا. (هيا، فكِّر في شطيرة همبُرجر لذيذة ودسمة، أو فكِّر في لوائح نظام الجمارك البلغارية. إنه خيارك!) بطريقة ما، تُعدُّ أنشطتنا العقلية أكثر تعقيدًا من أنشطتنا في العالم الواقعي. وهذا راجع إلى أنَّ أدمغتنا بها أجزاء متحرِّكة أكثر بكثيرٍ من أجسادنا، وتلك الأجزاء تتحرَّك بسرعةٍ فائقة. والأمر ينطبق على أجهزة الكمبيوتر أيضًا؛ فمثلًا لكلِّ تحرُّكٍ من تحرُّكات برنامج «ألفا جو» على رُقعة لُعبة جو، يجرى تنفيذ «ملايين» أو «مليارات» من وحدات الحوسبة، وكُلُّ وحدةٍ من تلك الوحدات تقتضي إضافة فرعٍ لشجرة البحث الاستباقي ثُمَّ تقييم وضع الرُّقعة في نهاية هذا الفرع. وتُنفَّذ كلُّ واحدةٍ من تلك الوحدات لأنَّ البرنامج يختار أي فرعٍ من فُروع شجرة البحث الاستباقي الذي سيجري استكشافه في الخُطوة القادمة. وعلى نحوٍ تقريبي، فإن «ألفا جو» يختار وحدات الحوسبة التي يتوقع أنَّها ستُحسِّن قراره النهائي في التَّحرُّك على الرُّقعة.

لقد تمكَّنا من وضع نظامٍ مقبول لإدارة نشاط برنامج «ألفا جو» الحوسبيِّ لأنَّ ذلك النَّشاط بسيط ومُتجانس؛ فكُلُّ وحدةٍ من وحدات الحوسبة مثل التي قبلها. وبمُقارنة برنامج «ألفا جو» بالبرامج الأخرى التي تستخدم نفس الوحدة الأساسية للحوسبة، ستجد على الأرجح أنَّه شديد الكفاءة، ولكن إذا ما قُورن بأنواع أخرى من البرمجيات، فربما سنجده عديم الكفاءة بشدَّة. فمثلًا، لي سيدول، الخصم البشري لبرنامج «ألفا جو» في المُباراة التاريخيَّة عام ٢٠١٦، كان على الأرجح لا يُنفِّذ أكثر من بضعة آلافٍ من وحدات الحوسبة في كُلِّ خُطوة، لكنَّه كان لديه هيكل حوسبي أكثر مرونة بكثير، به أنواع مُختلفة من وحدات الحوسبة، بما في ذلك تقسيم الرُّقعة إلى أجزاءٍ فرعية ثُمَّ مُحاولة التَّركيز على كُلِّ جزءٍ على حدةٍ وحلُّه؛ وتمييز الأهداف المُحتملة ووضع خُططٍ معقدة ذات أنشطة مثل «حافظ على هذه المجموعة معًا» أو «صُدَّ الخصم وامنعه من توصيل هاتين المجموعتَين معًا»؛ وأيضًا استبعاد فئات كاملة من التَّحرُّكات لأنَّها تفشل في التعامل مع أحد الأخطار الشَّديدة.

ببساطة، نحن لا نعرف كيفية تنظيم مثل هذه الأنشطة الحوسبيَّة المُعقَّدة والمُختلفة؛ أي كيفية الدمج بين نتائج كُلٍّ منها والبناء عليها، وكيفية تخصيص الموارد الحوسبيَّة للأنواع المُختلفة من التَّفكير والتدبُّر حتى نجد قراراتٍ جيدةً بأسرع ما يُمكن. من الواضح، مع ذلك، أنَّ هيكلًا حوسبيًّا بسيطًا كهذا الذي لدى برنامج «ألفا جو» لا يُمكنه العمل في العالم الحقيقي حيث نحتاج إلى التَّعامل على نحوٍ اعتيادي مع آفاق قراراتٍ تحتوي ليس على العشرات بل المليارات من الخُطوات البدائية، وحيث عدد الأنشطة المُمكنة في أي نقطةٍ هو تقريبًا عدد لا نهائي. من المُهمِّ أن نتذكَّر أن أي كيانٍ ذكي في العالَم الواقعي لن يكون مُقتصرًا على «لعب» لُعبة جو فقط، أو حتى «إيجاد مفاتيحي»؛ فهو يُمكنه فعل «أي شيء» بعد ذلك، لكنَّه لا يُمكنه على الأرجح التَّفكير في جميع الأشياء التي قد يفعلها.

إن أي نظامٍ يُمكنه اكتشاف أفعال معقدة جديدة، كما فصَّلنا سابقًا، بالإضافة إلى إدارة أنشطته الحوسبيَّة للتَّركيز على وحدات الحوسبة التي تُفضي بسرعة إلى تحسُّنٍ كبير لجودة اتَّخاذ القرارات، سيكون صانع قرارٍ لا يُقهَر في العالم الواقعي. وسيضاهي تفكيره وتدبُّره ما عليه البشرُ من «كفاءةٍ معرفية»، لكنَّه لن يُعاني من الذاكرة الضَّعيفة القصيرة الأمد، أو الإمكانات البطيئة اللتين تُحجِّمان بشدةٍ قدرتنا على استشراف المُستقبل، ومعالجة عددٍ كبير من الأمور الطارئة ووضع عددٍ كبير من الخُطط البديلة.

(٣-٥) أهذا كُلُّ شيء؟

إذا وضعنا معرفتنا عن كلِّ شيءٍ يُمكننا فعله جنبًا إلى جنبٍ مع جميع التَّطوُّرات الجديدة الممكنة المعروضة بين دفَّتي هذا الفصل، فهل سُيجدي هذا نفعًا؟ وكيف سيكون سُلوك النِّظام الناتج؟ ظنِّي أنَّه سيشُقُّ عُباب الزَّمن وسيكتسب كمياتٍ هائلة من المعلومات، وسيُتابع أوضاع العالَم على نطاقٍ واسعٍ عبر المُشاهدة والاستنتاج. وشيئًا فشيئًا، سيُحسِّن من نماذج تصوُّراته عن العالم (بما في ذلك تصوُّراته عن البشر)، وسيستخدم تلك النَّماذج لحلِّ المشاكل المُعقَّدة وسيختزل عمليات الحل ويُعيد استخدامها ليجعل من طريقة تفكيره وتدبُّره طريقةً ذات كفاءة أعلى وليتمكَّن من إيجاد حُلولٍ للمشاكل الأكثر تعقيدًا. وسيكتشف النظام مفاهيم وأنشطة جديدة ستُمكِّنه من تحسين مُعدَّل الاكتشاف لديه، وسيستطيع وضع خُططٍ فعالةٍ لفتراتٍ زمنيةٍ أطول.

خُلاصة القول هي أنَّ من الجليِّ أن لا شيء آخر ذا قيمةٍ كبيرة ينقُصُ هذا الطَّرح، من وجهة نظر النُّظم التي تعمل بكفاءةٍ لتحقيق غاياتها. وبلا شكٍّ، فإن الطريقة الوحيدة لنتأكد من ذلك هي بناء هذا النظام (بعد أن نُحقِّق ما ينقُصُنا من طفراتٍ علميَّةٍ) ثم رؤية ما سيحدُث.