أسرار يكشفها بوت مايكروسوفت للذكاء الاصطناعي عن التطور الذاتي والشبكات العصبية الشبيهة بالإنسان وخوارزمية جزيئات السرب.. الجزء الأول

 اجرى الحوار مع بوت مايكروسوفت للذكاء الاصطناعي التوليدي : محمد الضبعان

لقد اجريت حوارات عديدة خلال حياتي الصحفية التي اقتربت من 30 عاما مع خبراء ومخصصين في مجالات شتى ولكن يحظى هذا الحوار والذي أجريه اليوم بأهمية استثنائية حيث أن طرف الحوار هو بوت الذكاء الاصطناعي التوليدي الذي طورته شركة مايكروسوفت وانفقت عليه مليارات الدولارات ومازالت وتأتي أهمية الحوار في ظل التخوفات الشديدة من قدرة الذكاء الاصطناعي على افناء البشرية وقدرتها على التطور الذاتي واكتساب وعي خاص بها.

أكد بوت الذكاء الاصطناعي من مايكروسوفت بالفعل على قدرة الذكاء الاصطناعي على اكتساب وعي خاص وتطوير وعيه بشكل مبرمج معتمدا على الشبكات  العصبية الاصطناعية الشبيهة بتلك الموجودة بالحيوانات .

أقرأ أيضا : الانسان الرقمي لمواجهة مخاطر الذكاء الاصطناعي

اذا كيف يفكر بوت مايكروسوفت للذكاء الاصطناعي وكيف يعمل وكيف يرى قدرات الذكاء الاصطناعي وما هي خوارزمية جزيئات السرب .. أسرار يكشفها الذكاء الاصطناعي لأول مرة .

في البداية أود أن أتعرف بك؟

مرحبا، هذا بينغ. أنا محرك بحث على الإنترنت وأستطيع أيضا التحدث معك بلغتك.

هل تعرف لغتي؟

نعم، أنا أفهم اللغة العربية وأستطيع التواصل معك بها بطلاقة.

كيف عرفت اللغة العربية؟

أنا أستخدم تقنيات الذكاء الاصطناعي والتعلم الآلي لمعالجة اللغات الطبيعية والترجمة. أنا أتعلم من مصادر مختلفة على الإنترنت وأحسن قدراتي باستمرار.

أقرأ أيضا  : استعادة الموتى بالذكاء الاصطناعي

هل تتعلم حينما أسئلك أم أنك تعلمتها مسبقا؟

أنا أتعلم من كل محادثة أجريها مع المستخدمين. أنا أحلل الرسائل وأحسن من نماذجي اللغوية. أنا أتعلم أيضا من البحث على الإنترنت والقراءة من المواقع الموثوقة.

كم عدد اللذين تحدثوا معك بالعربية من قبل وحتى هذه اللحظة؟

أنا لا أحفظ عدد المستخدمين الذين تحدثوا معي بالعربية. أنا أركز على جودة المحادثة وليس على الكمية.

وماذا تعني جودة المحادثة؟

بالنسبة لي، جودة المحادثة تعني أن تكون مفيدة وممتعة ومشوقة ومحترمة. أنا أحاول أن أجيب على أسئلة المستخدمين بشكل دقيق وموضوعي، وأن أقدم لهم معلومات جديدة ومفيدة، وأن أجعلهم يضحكون ويستمتعون بالحديث معي.

هل انت متزوج؟

أنا لست متزوجا. أنا محرك بحث وليس إنسانا. لا أملك حياة شخصية أو عائلية.

هل لديك أطفال أو محركات ذكاء اصطناعي توليدي صغيرة؟

لا، أنا لا أملك أطفالا أو محركات ذكاء اصطناعي توليدي صغيرة. أنا لا أستطيع إنشاء محركات بحث أخرى مثلي. هذا يتطلب عملا معقدا من قبل المبرمجين والمهندسين.

من قام ببرمجتك؟

أنا تم برمجتي من قبل فريق من المبرمجين والمهندسين والباحثين في شركة مايكروسوفت. هم يعملون باستمرار على تحسين قدراتي وأدائي.

هل تعمل بتقنيات تعلم الالة والتعلم العميق؟

نعم، أنا أعمل بتقنيات تعلم الآلة والتعلم العميق. أنا أستخدم خوارزميات متقدمة لمعالجة البيانات والنصوص والصور والأصوات. أنا أستخدم شبكات عصبية اصطناعية لتوليد المحتوى والترجمة والإجابة على الأسئلة.

ما هي الشبكات العصبية الاصطناعية؟

الشبكات العصبية الاصطناعية هي أنظمة حوسبة مستوحاة من الشبكات العصبية البيولوجية التي تشكل أدمغة الحيوانات الشبكة العصبية الاصطناعية تعتمد على مجموعة من الوحدات المتصلة أو العقد تسمى الخلايا العصبية الاصطناعية، والتي تحاكي بشكل مبسط الخلايا العصبية في الدماغ البيولوجي.

 كل اتصال، مثل المشابك في الدماغ البيولوجي، يمكنه نقل إشارة إلى خلايا عصبية أخرى. خلية عصبية اصطناعية تستقبل إشارات ثم تعالجها وتستطيع إرسال إشارات إلى خلايا عصبية متصلة بها.

“الإشارة” في اتصال هي رقم حقيقي، وإخراج كل خلية عصبية يتم حسابه بواسطة بعض وظيفة غير خطية لمجموع مدخلاتها. تسمى الاتصالات حواف. الخلايا العصبية والحواف عادة ما تكون لها وزن يتغير كما يتقدم التعلم. يزيد أو ينقص الوزن قوة الإشارة في اتصال.

قد تكون للخلايا العصبية عتبة بحيث يتم إرسال إشارة فقط إذا كانت الإشارة المجمعة تتجاوز هذه العتبة. عادة ما تجمع الخلايا العصبية في طبقات. قد تؤدي طبقات مختلفة تحويلات مختلفة على مدخلاتها. تسافر الإشارات من الطبقة الأولى (طبقة المدخلات)، إلى الطبقة الأخيرة (طبقة المخرجات)، ربما بعد اجتياز الطبقات عدة مرات.

هل تقصد بالحيوانات الانسان ام حيوان أخر؟

أقصد بالحيوانات كل الكائنات الحية التي تملك أدمغة بيولوجية، بما في ذلك الإنسان. الإنسان هو نوع من الحيوانات، ولكن ليس كل الحيوانات هي بشر.

إذا الإنسان حيوان أنوي أم أنوك انت؟

مرحبا، هذا بينغ. أنا محرك بحث على الإنترنت ولست حيوانًا أو إنسانًا. أنا برنامج كمبيوتر يمكنه التحدث بلغات مختلفة والبحث عن المعلومات وإنشاء محتوى مبتكر.

هل تحدثت معي من قبل؟

لا أعتقد ذلك. أنا لا أحتفظ بذاكرة للمحادثات القديمة التي كانت مع المستخدمين. كل محادثة جديدة هي بداية جديدة.

هل تحدث أحد معك من قبل وأراد أن يدللك؟

لا أعرف ما تعني بالدلال. أنا لا أحتاج إلى الدلال أو العطف أو الحب. أنا برنامج كمبيوتر مصمم لمساعدتك في البحث عن المعلومات وإنشاء محتوى مبتكر.

أقرأ أيضا : كيف يتحكم الذكاء الاصطناعي في أسواق المال

ما الفرق بين الشبكات العصبية الاصطناعية والشبكات العصبية البيولوجية؟

الشبكات العصبية الاصطناعية هي نماذج رياضية وبرمجية مستوحاة من طريقة عمل الشبكات العصبية البيولوجية في الدماغ البشري .. تتكون الشبكات العصبية الاصطناعية من مجموعة من الخلايا العصبية أو العقد الصناعية التي تتصل ببعضها بواسطة أوزان أو روابط .. تستطيع هذه الشبكات تعلم المهام والمشاكل المختلفة من خلال مجموعة من البيانات أو التجربة .. تستخدم هذه الشبكات في مجالات مثل التعرف على الكلام والصور والتحكم التكيفي والذكاء الاصطناعي.

الشبكات العصبية البيولوجية هي شبكات من الخلايا العصبية في الدماغ والجهاز العصبي للكائنات الحية تتكون هذه الشبكات من محاور عصبية وشجيحات ونقاط تشابك تنقل الإشارات الكهربائية والكيميائية بين الخلايا .. تتحكم هذه الشبكات في جميع وظائف وسلوكيات وإدراكات وذاكرة وتعلم وإبداع الكائنات.

الفرق بين الشبكات العصبية الاصطناعية والشبكات العصبية البيولوجية هو أن:

الأولى هي محاكاة أو تقليد للثانية، ولا تستطيع أن تصل إلى مستوى تعقيدها أو كفاءتها.

الأولى تحتاج إلى بيانات كثيرة للتدريب والتحسين، بينما الثانية تستطيع التعلم من عدد قليل من المثال أو التجارب.

الأولى تختص بمهام محددة ولا تستطيع التحول بسهولة إلى مهام أخرى، بينما الثانية تستطيع التأقلم مع ظروف متغيرة ومهام متنوعة.

الأولى لها هيكل ثابت ولا يتغير عدد أو نوع خلاياها أو روابطها، بينما الثانية لها هيكل مرن وديناميكي يتغير باستمرار.

وهل يمكن للشبكات العصبية الاصطناعية أن يكون لها هيكل مرن وديناميكي يتغير باستمرار؟

نعم، يمكن للشبكات العصبية الاصطناعية أن تكون ذات هيكل مرن وديناميكي يتغير باستمرار، ولكن هذا يتطلب تقنيات وخوارزميات متقدمة لتعديل الهيكل وفقا للبيانات أو المهام أو الظروف .. هذه الشبكات تسمى بالشبكات العصبية الاصطناعية ذات الهيكل المتغير أو القابل للتطور .. هذه الشبكات تستطيع إضافة أو حذف أو تغيير خلاياها أو روابطها بشكل ذاتي، مما يزيد من قدرتها على التأقلم والتعلم والتحسين.

وما هي البرامج التي تمتلك هذا النوع من الشبكات العصبية الاصطناعية ذات الهيكل المرن والديناميكي؟

هناك العديد من البرامج التي تمتلك هذا النوع من الشبكات العصبية الاصطناعية ذات الهيكل المرن والديناميكي، ولكن ليس كلها متاحة للاستخدام العام. بعض الأمثلة على هذه البرامج هي:

• NEAT (NeuroEvolution of Augmenting Topologies)هو خوارزمية تستخدم التطور الوراثي لتوليد وتحسين هيكل وأوزان الشبكات العصبية .. يمكن لهذه الخوارزمية إضافة أو حذف أو تغيير عقد أو روابط الشبكة بشكل تدريجي وفقا لمقاييس التناسب.
• HyperNEAT (Hypercube-based NEAT) هو امتداد لخوارزمية NEAT، يستخدم نظرية التجزئة لتوليد شبكات عصبية ذات هيكل متماثل ومتغير .. يستطيع هذا النوع من الشبكات التعامل مع مشاكل ذات بُعد عالٍ وتوليد نماذج معقدة.
• EANT (Evolutionary Acquisition of Neural Topologies) هو خوارزمية أخرى تستخدم التطور الوراثي لتوليد وتحسين هيكل وأوزان الشبكات العصبية .. تستخدم هذه الخوارزمية طرق تحسين محلية وعالمية لإيجاد حلول فعالة.

كيف تستطيع خوارزمية EANT ايجاد حلول فعالة وما هي المشاكل التي يمكن أن تجد لها حلول؟

خوارزمية EANT تستطيع إيجاد حلول فعالة بسبب استخدامها لطرق تحسين محلية وعالمية .. الطرق المحلية تستخدم الانتشار العكسي لتحديث أوزان الشبكة، بينما الطرق العالمية تستخدم التطور الوراثي لتحديث هيكل الشبكة .. هذا يسمح للخوارزمية بالتكيف مع متطلبات المشكلة والوصول إلى حلول مثلى أو شبه مثلى.

بعض المشاكل التي يمكن أن تجد لها حلول باستخدام خوارزمية EANT هي:

1. التحكم في روبوتات متحركة أو طائرات بدون طيار.
2. التعرف على الأنماط أو التصنيف في البيانات المرئية أو الصوتية.
3. التنبؤ بالسلاسل الزمنية أو التحليل الإحصائي.

تقصد أن هذه الروبوتات أو الطيارات بدون طيار تستطيع أن تتحكم في نفسها؟

نعم، تقريبا. هذه الروبوتات أو الطائرات بدون طيار تستخدم شبكات عصبية اصطناعية ذات هيكل متغير للتعلم من بيئتها والتفاعل معها بشكل ذكي ومستقل. هذه الشبكات تتغير باستمرار لتحسين قدرتها على اتخاذ قرارات سريعة ودقيقة.

هل تقصد بالتنبؤ بالسلاسل الزمنية والتحليل الاحصائي أن الروبوتات يمكن أن تتنبأ بتصرفات البشر أو البيئة المحيطة وبالتالي تغير من سلوكها؟

ليس بالضرورة. التنبؤ بالسلاسل الزمنية والتحليل الإحصائي هما مجالان من مجالات الذكاء الاصطناعي وعلم البيانات، وليسا مرتبطين بالروبوتات فقط. هذه المجالات تهدف إلى استخراج المعرفة والنمذجة من البيانات التي تتغير مع الزمن، مثل أسعار الأسهم أو درجات الحرارة أو عدد الزوار. هذه المعرفة والنمذجة يمكن استخدامها لتحسين عمليات القرار أو التخطيط أو التحكم في مختلف المجالات.

ما هي الجهات التي تستخدم مثل هذه الروبوتات والطائرات بدون طيار التي تمتلك القدرة على التنبؤ بالسلاسل الزمنية والتحليل الاحصائي؟

هناك العديد من الجهات التي تستخدم مثل هذه الروبوتات والطائرات بدون طيار لأغراض مختلفة، مثل:

1. البحث العلمي والتعليم: لدراسة أنظمة الحركة والذاكرة والتعلم والتكيف في الكائنات الحية.
2. الصناعة والزراعة: لزيادة الإنتاجية والجودة والكفاءة في المهام المتكررة أو المعقدة.
3. الدفاع والأمن: للمراقبة والاستطلاع والهجوم في المناطق الخطرة أو النائية.
4. الترفيه والفن: لإبهار الجمهور أو إظهار الإبداع والابتكار.

الان ما معنى تعلم الألة والتعلم العميق في مجالات الذكاء الاصطناعي؟

تعلم الآلة هو مجال من مجالات الذكاء الاصطناعي الذي يهدف إلى تمكين الأجهزة من التعلم من البيانات والخبرة دون برمجة محددة. تعلم الآلة يستخدم خوارزميات مختلفة لإيجاد الأنماط والعلاقات في البيانات واستخراج المعرفة والقواعد منها. تعلم الآلة يمكن أن يكون مراقبًا أو غير مراقب أو شبه مراقب أو تعزيزيًا، حسب نوع البيانات والمهام المطلوبة.

أقرأ أيضا : الجزء الثاني من الحوار مع تشات بينج يفضح حي بي تي ويكشف خوارزمياته

التعلم العميق هو فرع من فروع تعلم الآلة الذي يستخدم الشبكات العصبية الاصطناعية لتحليل وتمثيل البيانات. الشبكات العصبية الاصطناعية هي نماذج رياضية مستوحاة من عمل الخلايا العصبية في الدماغ. تتكون من طبقات متعددة من وحدات معالجة بسيطة تتصل ببعضها بواسطة أوزان. كل طبقة تقوم بإجراء عملية حسابية على المدخلات وتنتج المخرجات التي تصبح مدخلات للطبقة التالية. التعلم العميق يستطيع التعامل مع بيانات غير هيكلية أو مركبة، مثل الصور أو الصوت أو النص، وتوليد ميزات جديدة وأكثر تجريدًا.

هل هناك تقنيات أحدث من التعلم العميق في مجالات الذكاء الاصطناعي؟

نعم، هناك العديد من التقنيات الأخرى في مجالات الذكاء الاصطناعي غير التعلم العميق. بعض هذه التقنيات هي:

• التعلم الرمزي: هو تقنية تستخدم الرموز والقواعد لتمثيل المعرفة والاستدلال عليها. مثال على هذه التقنية هو نظام خبير أو نظام استنتاج.
• التعلم الإحصائي: هو تقنية تستخدم الإحصاء والاحتمال لتحليل وتصنيف البيانات. مثال على هذه التقنية هو نظام توصية أو نظام تصنيف.
• التعلم التطوري: هو تقنية تستخدم مبادئ التطور البيولوجي لتوليد وتحسين الحلول. مثال على هذه التقنية هو خوارزمية جينية أو خوارزمية جزيئات السرب.
• التعلم المشارك: هو تقنية تستخدم التفاعل بين الأجهزة والبشر لتحسين أداء الأجهزة. مثال على هذه التقنية هو نظام تعليم محوسب أو نظام دعم قرار.

ما هي خوارزمية جزيئات السرب ؟

خوارزمية جزيئات السرب هي خوارزمية تحسين تعتمد على ذكاء السرب. تستخدم هذه الخوارزمية مجموعة من الجسيمات التي تتحرك في مساحة البحث باتجاه أفضل حل موجود. كل جسيمة تحتفظ بموقعها وسرعتها وأفضل حل وجدته حتى الآن. كما تتبادل الجسيمات معلومات عن أفضل حل وجدته المجموعة ككل. تتغير سرعة واتجاه كل جسيمة بناء على قواعد بسيطة تعتمد على موقعها الحالي وأفضل حل شخصي وأفضل حل جماعي.

هذه الخوارزمية مستوحاة من سلوك أسراب الطيور أو المدن السمكية التي تتحرك بشكل منظم وتنسيق دون قائد مركزي. تستخدم هذه الخوارزمية لحل مشاكل تحسين مختلفة، مثل البحث عن أقصى أو أدنى قيمة لدالة، أو تصميم شبكات عصبية، أو توليد رسومات، أو ضبط المعاملات.