كل شيء عن الذكاء الاصطناعي
يُصبح الذكاء الاصطناعي جزءًا متزايدًا من حياتنا، ومع ذلك، لا يزال معظم الناس يفتقرون إلى الفهم الواضح لهذه التكنولوجيا وقدراتها وقيودها. على الرغم من الأسماء المُوحية مثل “الذكاء الاصطناعي” و”تعلم الآلة” و”الشبكات العصبية”، فإن هذه التقنيات ليس لها علاقة بالتفكير البشري. إنها ببساطة طرق جديدة لبرمجة أجهزة الكمبيوتر، باستخدام كميات هائلة من البيانات لتدريب أجهزة الكمبيوتر على أداء مهمة محددة.
تكمن قوة هذه الأساليب في فائدتها المتزايدة للمهام التي كانت تمثل تحديًا لنهج تطوير البرامج التقليدية. كانت الاستخدامات التجارية للذكاء الاصطناعي قد بدأت بشكل خاطئ قبل ربع قرن تقريبًا، عندما هزم نظام طورته IBM يُدعى Deep Blue بطل الشطرنج غاري كاسباروف. لم يُثبت جيل تقنية الذكاء الاصطناعي ذلك أنه عام بما يكفي لحل العديد من مشاكل العالم الحقيقي، وبالتالي لم يؤد إلى تغييرات كبيرة في كيفية برمجة أنظمة الكمبيوتر.
منذ ذلك الحين، حدثت تقدمات تقنية كبيرة في مجال الذكاء الاصطناعي، خاصة في مجال يُعرف باسم تعلم الآلة، والذي نقل الذكاء الاصطناعي من مختبرات البحث إلى المنتجات والخدمات التجارية. لقد كانت الزيادات الهائلة في قوة الحوسبة وكميات البيانات الهائلة التي يتم جمعها اليوم مقارنةً بـ 25 عامًا مضت أمرًا حيويًا أيضًا للتطبيق العملي لتقنيات الذكاء الاصطناعي.
واليوم، أصبحت تقنية الذكاء الاصطناعي موجودة في مجموعة كبيرة من المنتجات، بدءًا من محركات البحث مثل Google إلى المساعدين الصوتيين مثل Amazon Alexa، إلى التعرف على الوجه في الهواتف الذكية ووسائل التواصل الاجتماعي، إلى مجموعة متنوعة من الأجهزة الاستهلاكية “الذكية” والأجهزة المنزلية. يُصبح الذكاء الاصطناعي أيضًا جزءًا متزايدًا من أنظمة سلامة السيارات، مع وجود سيارات وشاحنات ذاتية القيادة بالكامل في الأفق.
بفضل التحسينات الأخيرة في تعلم الآلة والشبكات العصبية، يمكن الآن تدريب أنظمة الحوسبة لحل مهام صعبة، وعادةً ما تستند إلى بيانات من البشر الذين يؤدون هذه المهمة. يشمل هذا التدريب بشكل عام ليس فقط كميات كبيرة من البيانات، ولكن أيضًا أشخاصًا يتمتعون بخبرة كبيرة في تطوير البرامج وتعلم الآلة. على الرغم من أن الشبكات العصبية تم تطويرها لأول مرة في الخمسينيات من القرن الماضي، إلا أنها لم تصبح ذات فائدة عملية إلا في السنوات القليلة الماضية.
ولكن كيف يعمل تعلم الآلة؟ تُلهم الشبكات العصبية من قبل الخلايا العصبية في البشر والحيوانات الأخرى، لكنها لا تعمل مثل الخلايا العصبية البيولوجية. بدلاً من ذلك، فإن الشبكات العصبية هي مجموعات من الحاسبات البسيطة المتصلة، والتي تستلهم فقط إيحاءات سائبة من الخلايا العصبية الحقيقية والاتصالات بينها.
كان أكبر تقدم في مجال تعلم الآلة مؤخرًا في مجال يُسمى التعلم العميق، حيث يتم ترتيب شبكة عصبية في “طبقات” متعددة بين مدخل، مثل بكسلات في صورة رقمية، ومخرج، مثل تحديد وجه شخص ما في تلك الصورة. يتم تدريب مثل هذه الشبكة عن طريق عرضها على أعداد كبيرة من المدخلات (مثل الصور في حالة التعرف على الوجه) والمخرجات المقابلة (مثل تحديد الأشخاص في تلك الصور).
لفهم الآثار الاجتماعية والاقتصادية المحتملة للذكاء الاصطناعي، من المفيد النظر إلى الوراء في الثورة الصناعية. كانت القوة البخارية هي المحرك الرئيسي للتصنيع خلال معظم القرن التاسع عشر، حتى ظهور الطاقة الكهربائية في القرن العشرين، مما أدى إلى تقدم هائل في التصنيع. وبالمثل، نحن ندخل الآن عصرًا ستكون فيه تقنية الذكاء الاصطناعي قوة جديدة رئيسية في الثورة الرقمية. لن يحل الذكاء الاصطناعي محل البرامج، تمامًا كما لم يحل الكهرباء محل البخار. لا تزال التوربينات البخارية تولد معظم الكهرباء اليوم، وُالبرامج التقليدية تُشكل جزءًا لا يتجزأ من أنظمة الذكاء الاصطناعي. ومع ذلك، سيجعل الذكاء الاصطناعي حل المهام الأكثر تعقيدًا أسهل، وهي مهام أثبتت صعوبة معالجتها باستخدام تقنيات البرامج التقليدية فقط.
في حين أن كلًا من تطوير البرامج التقليدية و أساليب الذكاء الاصطناعي تتطلب تعريفًا دقيقًا للمهمة المراد حلها، فإن تطوير البرامج التقليدية يتطلب أن يتم التعبير عن الحل بشكل صريح في رمز الكمبيوتر بواسطة مطوري البرامج. على النقيض من ذلك، يمكن العثور على الحلول باستخدام تقنية الذكاء الاصطناعي بشكل تلقائي أو شبه تلقائي، مما يوسع بشكل كبير نطاق وصعوبة المهام التي يمكن معالجتها.
على الرغم من الإمكانات الهائلة لأنظمة الذكاء الاصطناعي، فإنها لا تزال بعيدة عن حل العديد من أنواع المهام التي يُجيدها البشر، مثل المهام التي تتضمن تنسيق اليد والعين أو المهارة اليدوية؛ تظل معظم الحرف اليدوية والمهارات المتخصصة والحرف اليدوية بعيدة عن قدرات أنظمة الذكاء الاصطناعي. وينطبق الشيء نفسه على المهام التي لم يتم تعريفها بشكل جيد، والتي تتطلب الإبداع أو الابتكار أو الاختراع أو التعاطف أو التعاطف. ومع ذلك، من المحتمل أن يتم أتمتة المهام المتكررة التي تتضمن العمل العقلي، مثل المهام المتكررة التي تتضمن العمل اليدوي لعدة أجيال.
العلاقة بين التقنيات الجديدة والوظائف معقدة، حيث تُمكن التقنيات الجديدة من الحصول على منتجات وخدمات ذات جودة أفضل بأسعار معقولة، ولكنها تُزيد أيضًا من الكفاءة، مما قد يؤدي إلى تقليل الوظائف. يُجادل البعض بأن التقنيات الجديدة مفيدة للمجتمع بشكل عام لأنها يمكن أن تُحسن معيشة الناس بشكل عام؛ ومع ذلك، عندما تؤدي إلى فقدان الوظائف، فإنها يمكن أن تُهدد ليس فقط معيشة الأفراد، بل أيضًا الشعور بالهوية. مثال مثير للاهتمام هو تقديم أجهزة الصراف الآلي في السبعينيات، التي حولت الخدمات المصرفية من صناعة ذات وصول محدود للغاية للعملاء إلى صناعة تعمل على مدار الساعة طوال أيام الأسبوع. في الوقت نفسه، ظلت مستويات توظيف الصرافين في الولايات المتحدة مستقرة لعقود.
من المرجح أن تكون تأثيرات أتمتة العمل بسبب الذكاء الاصطناعي معقدة بشكل خاص، لأن الذكاء الاصطناعي يحتوي على إمكانات أتمتة الأدوار التي هي نفسها أكثر تعقيدًا من الأدوار التي كانت موجودة مع التقنيات السابقة. نحن في الأيام الأولى لثورة تكنولوجية كبيرة، ولم نر بعد إمكانيات الذكاء الاصطناعي الكبيرة، وكذلك الحاجة إلى معالجة التأثيرات المُختلة المحتملة على العمل والشعور بالهوية بالنسبة للعمال في بعض الوظائف.
