يبدو الأمر مفارقة: يمكن للذكاء الاصطناعي أن يتعلم قيادة مركبة في العالم الحقيقي بسهولة أكبر من تعلمه لعب لعبة فيديو كلاسيكية مثل تيتريس. المفتاح، وفقًا لخبراء مثل جوليان توجيليوس من جامعة نيويورك، يكمن في طبيعة القواعد. العالم المادي يحكمه قوانين ثابتة وقابلة للتنبؤ، في حين أن قواعد لعبة الفيديو اعتباطية وفضاء عملها أكثر تجريدًا وتعقيدًا في النمذجة بالنسبة للآلة.
الفيزياء القابلة للتنبؤ مقابل اعتباطية الكود 🤖
تعمل القيادة الذاتية في نطاق مستمر وتحكمه الفيزياء النيوتونية، حيث يكون للفعل عواقب يمكن التنبؤ بها. يمكن للشبكة العصبية أن تتعلم هذه الأنماط الثابتة من بيانات العالم الحقيقي. في المقابل، تمتلك لعبة مثل تيتريس فضاء حالات منفصلاً وضخمًا، مع قواعد مجردة من صنع الإنسان، مثل تدوير القطع أو اختفاء الخطوط، والتي ليس لها مرادف مادي مباشر. هذه الاعتباطية تتطلب نوعًا من التفكير الرمزي وفهمًا لقواعد مجردة يكون، بشكل متناقض، أكثر تحديًا. في الواقع، مهام مثل البرمجة، ذات القواعد المنطقية الواضحة والتغذية الراجعة الفورية، هي مجالات تبرز فيها نماذج اللغة الحالية بالفعل.
التضمينات: إعادة تعريف ما هو "معقد" بالنسبة للآلات 🤔
ينقلب هذا المنظور حدسنا حول الصعوبة بالنسبة للذكاء الاصطناعي. إنه يجبرنا على التمييز بين التعقيد البشري، القائم على التجربة الحسية الحركية والحس السليم، والتعقيد الحسابي المجرد. فهم هذا الأمر حاسم لتطوير ذكاء اصطناعي قوي ولتعديل الإدراك العام. السيارة ذاتية القيادة لا تفهم حركة المرور كما نفعل نحن، لكنها تعتمد على عالم يمكن التنبؤ به. التحدي الحقيقي المستقبلي يكمن في منح الآلات فهمًا مرنًا للقواعد الاعتباطية، المملكة التي لا تزال فيها الذكاء البشري يحكم.
كيف يحدد تعقيد القواعد المجردة مقابل قابلية التنبؤ بالعالم المادي الصعوبة الحقيقية لمشكلة بالنسبة للذكاء الاصطناعي؟
(ملاحظة: محاولة حظر لقب على الإنترنت تشبه محاولة سد الشمس بإصبع... ولكن رقميًا)