من خلال استبدال شبكات أصغر حجماً، بأجزاء من نقاط الالتقاء في إحدى الشبكات العصبية، ابتكر فريق بحثي في جامعة الملك عبد الله للعلوم والتقنية (كاوست) ومختبر الذكاء الصناعي السويسري (IDSIA) نموذجاً عاماً للذكاء الصناعي بإمكانه التطوّر ذاتياً.
يشير الفريق إلى أن الدراسات الأولية التي تسعى لإثبات مفهوم النموذج قد تمكّن الجيل الجديد من الذكاء الصناعي مما يمكن تسميته «تعلُّم التعلُّم» دون تدخل البرمجة البشرية. وتُفسح طريقة «تعلُّم ما بعد التعلُّم» المجال أمام اكتشاف خوارزميات «التعلُّم العام الجديدة»، التي في وسعها حل مشكلاتٍ لم يواجهها الذكاء الصناعي من قبل.
في عام 1956 ظهر مصطلح الذكاء الصناعي (Artificial Intelligence)، الذي صاغه عالم الحاسوب الأميركي جون مكارثي (1927 - 2011) للإشارة لما كان يقوم به العلماء آنذاك حول إمكانية تصميم آلة ذكية قادرة على تقليد ومحاكاة عمل البشر.
منذ ذاك الوقت ظهرت مصطلحات أخرى منبثقة من الذكاء الصناعي أحدثت ارتباكاً لدى البعض، مثل التعلم العميق (Deep Learning) وتعلُّم الآلة (Machine learning).
التعلم العميق هو أحد فروع تعلم الآلة، حيث تصمم الخوارزميات (Algorithms) المستخدمة فيه على محاكاة بنية ووظيفة الدماغ البشري، ويطلق عليها اسم «الشبكات العصبية الصناعية». أما تعلم الآلة، فهو ذلك العلم الذي يدرس منح الآلات والحواسيب القدرة على التعلم دون أن تتم برمجتها صراحة من خلال استكشاف خوارزميات تستطيع أن تتعلم ذاتياً، وتصنع التنبؤات بخصوص البيانات دون تدخل بشري.
> الشبكات العصبية. أكثر نماذج الذكاء الصناعي شيوعاً اليوم هي الشبكات العصبية الصناعية (ANNs)، وهي شبكاتٌ مترابطة من نقاط الالتقاء التي تُمكن برمجتها، وتتميز بوجود وصلات يتم تعديلها تدريجياً استجابةً للبيانات التي ستتدرب عليها. يُطلق على البرنامج المستخدم لتغيير «الأوزان» في الترجيح اسم خوارزمية التعلم (LA)، والتي كوّنها وهيأها المطور البشري.
وتعد خوارزميات التعلُّم الانتشار العكسي (backpropagation) من أشهرها، التي من خلاله «تتعلّم» الشبكات العصبية، عبر ضبط الأوزان، إعطاء الإجابات الصحيحة للمدخلات التي تتدرب عليها. مع ذلك، فإن هذه الخوارزميات تقتصر على ما يخترعه البشر وقد لا ترقى إلى المستوى الأمثل.
> تعلُّم ما بعد التعلُّم. يقول عالم الحاسوب الشهير البروفسور يورغن شميدهوبر، رئيس مبادرة «كاوست للذكاء الصناعي»: «منذ سبعينات القرن الماضي، كان هدفي الرئيسي تصميم ذكاء صناعي يتحسّن ويتطور ذاتياً، ويفوقني ذكاءً». ويضيف: «في هذا العمل، ابتكرنا نهجاً يمكّن الخوارزميات من (تعلُّم ما بعد التعلُّم)، أو ما يطلق عليه (ميتا التعلُّم Meta Learning)، التي ستُنافس خوارزمية الانتشار العكسي القديمة التي تم تصميمها».
و«ميتا التعلُّم» هو اتجاه جديد للاستفادة الكاملة من المعرفة والخبرة السابقة لتوجيه تعلم المهام الجديدة، أي القدرة على التعلم والتعلم.
استبدل كل من شميدهوبر مع طالب الدكتوراه لوي كيرش بأوزان نقاط الالتقاء، شبكات عصبية دقيقة الحجم، مهمتها اكتشاف خوارزميات جيدةٍ لتغيير الأوزان بمفردها، أي أن تُجري تعديلاتٍ بسيطة ذات تأثيراتٍ هائلة.
يضيف شميدهوبر: «في طريقتنا المقترحة، المسماة (ميتا / ما بعد التعلُّم المتغيّر والمشترك Variable Shared Meta Learning) أو (VSML)، لا تُحدّث خوارزمية التعلُّم التي اخترعها الإنسان أوزان الشبكات العصبية مباشرةً لتحسين عمل الخوارزمية؛ بل تعلم الشبكة نفسها كيفية تطويّر أدائها. في هذا، وعليه فإنها لن تستخدم الانتشار العكسي، لكنها تكتشف طرقاً جديدةً للتعلُّم، تختلف عمّا طوّره الإنسان سابقاً». كانت طرق «ميتا التعلُّم» السابقة عادةً محدودة في نطاقاتٍ ضيقة لمشكلات متشابهة. لكن، الأهم، أن طريقة (VSML) تُفسح المجال أمام اكتشاف خوارزميات التعلُّم العام الجديدة، التي في وسعها حل مشكلاتٍ لم يواجهها الذكاء الصناعي من قبل.
أجرى شميدهوبر وكيرش مجموعة من التجارب باستخدام الطريقة التي طورها الفريق، (VSML)، لقياس سرعة تعلُّمها وقدرتها على التكيف واكتشافها طرقاً تحسّن بها أية عراقيل متعلقة بتحسين خوارزمية الانتشار العكسي.
يقول شميدهوبر: «اخترع البشر أشهر خوارزميات التعلم الآلي، لكن هل في وسعنا أيضاً إعداد خوارزميات ما بعد أو ميتا التعلُّم، التي تتعلم على نحوٍ أفضل من أجل بناء ذكاء صناعي يطوّر نفسه بنفسه دون أية معوقات بخلاف الحدود التي تضعها الحاسوبية والفيزياء». مع ذلك، يُعتبر عمل شميدهوبر خطوةً في هذا الاتجاه.
الأب الروحي للذكاء الصناعي الحديث
انضم البروفسور يورغن شميدهوبر، المعروف عالمياً بـ«الأب الروحي للذكاء الصناعي الحديث» إلى جامعة الملك عبد الله للعلوم والتقنية (كاوست) عام 2021، رئيساً لمبادرة الذكاء الصناعي في الجامعة.
حصل شميدهوبر على درجة الدكتوراه في علوم الحاسب الآلي من جامعة ميونيخ التقنية (TUM)، وهو مؤسس مشارك وكبير العلماء في شركة (NNAISENSE)، وكان أخيراً مديراً علمياً في المختبر السويسري للذكاء الصناعي (IDSIA)، وأستاذاً للذكاء الصناعي في جامعة لوغانو، وحصل على عديد من الجوائز العالمية، وقام بتأليف أكثر من 350 ورقة بحثية، وهو متحدث رئيسي دائم ويعمل مستشاراً لعدد من الحكومات حول استراتيجيات الذكاء الصناعي.
يذكر أن الشبكات العصبية للتعلم العميق التي طورها مختبر شميدهوبر أحدثت ثورة في تقنية تعلُّم الآلة والذكاء الصناعي، حيث تم استخدامها بحلول منتصف عام 2010 على أكثر من 3 مليارات جهاز، وتم تطبيقها مليارات المرات يومياً بواسطة عملاء الشركات العالمية الأكثر قيمة في السوق العالمية، مثل تحسين الترجمة الآلية بشكل كبير في مترجم «غوغل» و«فيسبوك» (أكثر من 4 مليارات ترجمة في اليوم)، والمساعد الشخصي سيري (Siri) والطباعة السريعة (Quicktype) على أجهزة هواتف «أبل آيفون» جميعاً، وتحسين إجابات المساعد الشخصي أليكسا (Alexa) من «أمازون»، وعديد من التطبيقات الأخرى.
