ما المقصود بالذكاء الاصطناعي العام (AGI)؟

الذكاء العام الاصطناعي (AGI) هو مجال أبحاث نظرية حول الذكاء الاصطناعي يحاول إنشاء برنامج بذكاء يشبه الإنسان والقدرة على التعليم الذاتي. الهدف هو أن يكون البرنامج قادرًا على أداء المهام التي لم يتم بالضرورة تدريبه عليها أو تطويره من أجلها. 

تعمل كل تقنيات الذكاء الاصطناعي الحالية ضمن مجموعة من المعلمات المحددة مسبقًا. على سبيل المثال، لا تنشئ نماذج الذكاء الاصطناعي مواقع ويب إن كانت مدرَّبة على التعرف على الصور وتوليدها. الذكاء العام الاصطناعي هو مسعى نظري لتطوير أنظمة الذكاء الاصطناعي التي تمتلك التحكم الذاتي، ودرجة معقولة من فهم الذات، والقدرة على تعلم مهارات جديدة. ويمكنه حل المشكلات المعقدة في البيئات والسياقات التي لم يتم تدريبه عليها عند إنشائه. يظل الذكاء العام الاصطناعي مع القدرات البشرية مفهومًا نظريًا وهدفًا بحثيًا.

على مر العقود، رسم باحثو الذكاء الاصطناعي العديد من المعالم التي طورت الذكاء الآلي بشكل كبير؛ حتى إلى درجات تحاكي الذكاء البشري في مهام محددة. على سبيل المثال، يستخدم ملخّصو الذكاء الاصطناعي نماذج تعلم الآلة (ML) لاستخراج النقاط المهمة من المستندات وإنشاء ملخص مفهوم. وبالتالي فإن الذكاء الاصطناعي هو تخصص في علوم الكمبيوتر يمكّن البرامج من حل المهام الجديدة والصعبة بأداء على المستوى البشري. 

في المقابل، يمكن لنظام الذكاء الاصطناعي العام حل المشكلات في مختلف المجالات، مثل الإنسان، دون تدخل يدوي. بدلاً من الاقتصار على نطاق معين، يمكن للذكاء العام الاصطناعي التعليم الذاتي وحل المشكلات التي لم يتم التدريب عليها من قبل. وبالتالي فإن الذكاء الاصطناعي العام هو تمثيل نظري للذكاء الاصطناعي الكامل الذي يحل المهام المعقدة بقدرات إدراكية بشرية عامة. 

يعتقد بعض علماء الكمبيوتر أن الذكاء الاصطناعي العام هو برنامج كمبيوتر افتراضي يتمتع بفهم بشري وقدرات معرفية. يمكن لأنظمة الذكاء الاصطناعي أن تتعلم كيفية التعامل مع المهام غير المألوفة دون تدريب إضافي على مثل هذه النظريات. وبدلاً من ذلك، تتطلب أنظمة الذكاء الاصطناعي التي نستخدمها اليوم تدريبًا كبيرًا قبل أن تتمكن من التعامل مع المهام ذات الصلة في نفس المجال. على سبيل المثال، يجب عليك إجراء ضبط دقيق لنموذج اللغة الكبير (LLM) المدرَّب مسبقًا باستخدام مجموعات البيانات الطبية قبل أن يتمكن من العمل باستمرار كبرنامج دردشة طبي. 

الذكاء الاصطناعي القوي مقارنةً بالذكاء الاصطناعي الضعيف

الذكاء الاصطناعي القوي هو ذكاء اصطناعي كامل، أو ذكاء عام اصطناعي، قادر على أداء المهام بمستويات إدراكية بشرية على الرغم من قلة المعرفة الخلفية. غالبًا ما يصور الخيال العلمي الذكاء الاصطناعي القوي كآلة تفكير ذات فهم بشري لا يقتصر على قيود المجال. 

في المقابل، فإن الذكاء الاصطناعي الضعيف أو الذكاء الاصطناعي الضيق عبارة عن أنظمة ذكاء اصطناعي تقتصر على مواصفات الحوسبة والخوارزميات والمهام المحددة التي صُممت من أجلها. على سبيل المثال، تتمتع نماذج الذكاء الاصطناعي السابقة بذاكرة محدودة وتعتمد على البيانات في الوقت الفعلي فقط لاتخاذ القرارات. حتى تطبيقات الذكاء الاصطناعي المولّد ذات الاحتفاظ الأفضل بالذاكرة تُعد ذكاءً اصطناعيًا ضعيفًا لأنه لا يمكن إعادة استخدامها في مجالات أخرى. 

يتطلب تحقيق الذكاء الاصطناعي العام نطاقًا أوسع من التقنيات والبيانات والترابط مقارنة بما يدعم نماذج الذكاء الاصطناعي اليوم. يُعد الإبداع والإدراك والتعلّم والذاكرة أمرًا ضروريًا لإنشاء ذكاء اصطناعي يحاكي السلوك البشري المعقد. اقترح خبراء الذكاء الاصطناعي عدة طرق لدفع أبحاث الذكاء الاصطناعي. 

الرمزي

يفترض النهج الرمزي أن أنظمة الكمبيوتر يمكنها تطوير الذكاء الاصطناعي العام من خلال تمثيل الأفكار البشرية بشبكات المنطق المتوسعة. ترمز الشبكة المنطقية إلى الأشياء المادية بمنطق if-else، ما يسمح لنظام الذكاء الاصطناعي بتفسير الأفكار على مستوى تفكير أعلى. ومع ذلك، لا يمكن للتمثيل الرمزي تكرار القدرات المعرفية الدقيقة في المستوى الأدنى، مثل الإدراك.

الاتصالي

يركز النهج الاتصالي (أو النزوعي) على تكرار بنية الدماغ البشري مع بنية الشبكة العصبية. يمكن للخلايا العصبية في الدماغ تغيير مسارات انتقالها حيث يتفاعل البشر مع المنبهات الخارجية. يأمل العلماء أن تتمكن نماذج الذكاء الاصطناعي التي تتبنى هذا النهج شبه الرمزي من تكرار الذكاء الشبيه بالإنسان وإظهار القدرات المعرفية منخفضة المستوى. نماذج اللغات الكبيرة هي مثال للذكاء الاصطناعي الذي يستخدم طريقة الاتصال لفهم اللغات الطبيعية. 

الشمولي

يركز الباحثون الذين يتبعون النهج الشمولي إلى معالجة تعقيدات الذكاء الاصطناعي العام على مستوى الحساب. إنهم يحاولون صياغة حلول نظرية يمكنهم إعادة توظيفها في أنظمة الذكاء الاصطناعي العملي. 

بنية الكائن الحي بأكمله

يتضمن نهج بنية الكائن الحي بأكمله دمج نماذج الذكاء الاصطناعي مع التمثيل المادي لجسم الإنسان. يعتقد العلماء الذين يدعمون هذه النظرية أن الذكاء الاصطناعي العام لا يمكن تحقيقه إلا عندما يتعلم النظام من التفاعلات الفيزيائية. 

المختلط

يدرس النهج المختلط الأساليب الرمزية وشبه الرمزية لتمثيل الأفكار البشرية لتحقيق نتائج تتجاوز النهج الواحد. قد يحاول باحثو الذكاء الاصطناعي استيعاب المبادئ والأساليب المعروفة المختلفة لتطوير الذكاء الاصطناعي العام.

يظل الذكاء الاصطناعي العام هدفًا بعيدًا للباحثين. الجهود المبذولة لبناء أنظمة الذكاء الاصطناعي العام مستمرة وتشجعها التطورات الناشئة. تصف الأقسام التالية التقنيات الناشئة. 

التعلم العميق

التعلم العميق هو تخصص الذكاء الاصطناعي الذي يركز على تدريب الشبكات العصبونية ذات الطبقات المخفية المتعددة لاستخراج العلاقات المعقدة من البيانات الأولية وفهمها. يستخدم خبراء الذكاء الاصطناعي التعلم العميق لبناء أنظمة قادرة على فهم النصوص والصوت والصور والفيديو وأنواع المعلومات الأخرى. على سبيل المثال، يستخدم المطورون Amazon SageMaker لبناء نماذج التعلم العميق خفيفة الوزن لإنترنت الأشياء (IoT) والأجهزة المحمولة. 

الذكاء الاصطناعي المولّد

الذكاء الاصطناعي المولّد (Generative AI) هو مجموعة فرعية من التعلم العميق حيث يمكن لنظام الذكاء الاصطناعي إنتاج محتوى فريد وواقعي من المعرفة المكتسبة. تتدرب نماذج الذكاء الاصطناعي المولّد على مجموعات بيانات ضخمة، التي تمكّنها من الرد على الاستفسارات البشرية من خلال النصوص أو الصوت أو المرئيات التي تشبه بشكل طبيعي الإبداعات البشرية. على سبيل المثال، تُعد نماذج اللغة الكبيرة (LLM) من AI21 Labs وAnthropic وCohere وMeta خوارزميات ذكاء اصطناعي مولّد يمكن للمؤسسات استخدامها لحل المهام المعقدة. فرق البرامج تستخدم Amazon Bedrock لنشر هذه النماذج بسرعة على السحابة دون توفير خوادم. 

معالجة اللغة الطبيعية (NLP)

معالجة اللغة الطبيعية (NLP) هي فرع من فروع الذكاء الاصطناعي الذي يسمح لأنظمة الكمبيوتر بفهم واللغة البشرية وتوليدها. تستخدم أنظمة معالجة اللغة الطبيعية اللغويات الحوسبية وتقنيات تعلّم الآلة لتحويل بيانات اللغة إلى تمثيلات بسيطة تُسمى الرموز وفهم علاقتها السياقية. على سبيل المثال، Amazon Lex هو محرك معالجة لغة طبيعية يسمح للمؤسسات ببناء روبوتات محادثة الذكاء الاصطناعي.  

رؤية الكمبيوتر

رؤية الكمبيوتر هي تقنية تسمح للأنظمة باستخراج المعلومات المكانية من البيانات المرئية وتحليلها وفهمها. تستخدم السيارات ذاتية القيادة نماذج رؤية الكمبيوتر لتحليل البث في الوقت الفعلي من الكاميرات والتنقل في السيارة بأمان بعيدًا عن العقبات. تسمح تقنيات التعلم العميق لأنظمة رؤية الكمبيوتر بأتمتة التعرُّف على الأشياء على نطاق واسع وتصنيفها ومراقبتها ومهام معالجة الصور الأخرى. على سبيل المثال، يستخدم المهندسون Amazon Rekognition لأتمتة تحليل الصور لمختلف تطبيقات رؤية الكمبيوتر. 

الروبوتات

الروبوتات هي تخصص هندسي حيث يمكن للمؤسسات بناء أنظمة ميكانيكية تقوم تلقائيًا بمناورات فيزيائية. في الذكاء العام الاصطناعي (AGI)، تتيح أنظمة الروبوتات تجسيد الذكاء الآلي في شكل مادي. وهي عنصر أساسي لإتاحة قدرات الإدراك الحسي والتعامل مع الأجسام التي تحتاج إليها أنظمة الذكاء العام الاصطناعي. على سبيل المثال، قد يؤدي دمج ذراع روبوتية مع الذكاء العام الاصطناعي إلى تمكينها من الإحساس بالبرتقال والإمساك به وتقشيره بطريقة مشابهة للبشر. عند البحث عن الذكاء الاصطناعي العام، تستخدم الفرق الهندسية AWS RoboMaker لمحاكاة الأنظمة الروبوتية افتراضيًا قبل تجميعها. 

يواجه علماء الكمبيوتر بعض التحديات التالية في تطوير الذكاء الاصطناعي العام. 

إجراء اتصالات

تقتصر نماذج الذكاء الاصطناعي الحالية على مجالها المحدد ولا يمكنها إجراء اتصالات بين المجالات. ومع ذلك، يمكن للبشر تطبيق المعرفة والخبرة من مجال إلى آخر. على سبيل المثال، تُطبق النظريات التعليمية في تصميم الألعاب لخلق تجارب تعليمية جذابة. يمكن للبشر أيضًا تكييف ما تعلموه من التعليم النظري إلى مواقف الحياة الواقعية. ومع ذلك، تتطلب نماذج التعلم العميق تدريبًا كبيرًا مع مجموعات بيانات محددة للعمل بشكل موثوق مع البيانات غير المألوفة. 

الذكاء العاطفي

تشير نماذج التعلم العميق إلى إمكانية الذكاء الاصطناعي العام، لكنها لم تُظهر بعد الإبداع الأصيل الذي يمتلكه البشر. يتطلب الإبداع تفكيرًا عاطفيًا، وهو ما لا تستطيع بنية الشبكة العصبونية تكراره بعد. على سبيل المثال، يستجيب البشر للمحادثة بناءً على ما يشعرون به عاطفيًا، لكن نماذج البرمجة اللغوية العصبية تولد مخرجات نصية بناءً على مجموعات البيانات اللغوية والأنماط التي يتدربون عليها. 

الإدراك الحسي

تتطلب تقنية الذكاء الاصطناعي العام أنظمة الذكاء الاصطناعي للتفاعل ماديًا مع البيئة الخارجية. إلى جانب قدرات الروبوتات، يجب أن ينظر النظام إلى العالم كما يفعل البشر. تحتاج تقنيات الكمبيوتر الحالية إلى مزيد من التقدم قبل أن تتمكن من التمييز بين الأشكال والألوان والذوق والرائحة والصوت بدقة مثل البشر.  

توفر AWS خدمات الذكاء الاصطناعي المُدارة التي تساعدك على تدريب تطبيقات الذكاء الاصطناعي المولّد ونشرها وتوسيع نطاقها. تستخدم المؤسسات أدوات الذكاء الاصطناعي ونماذج التأسيس لابتكار أنظمة الذكاء الاصطناعي ببياناتها الخاصة لحالات الاستخدام المخصصة.

• Amazon Bedrock هي خدمة مُدارة بالكامل حيث يمكن للمطورين استخدام استدعاءات API للوصول إلى نماذج الذكاء الاصطناعي المولّد التي ينشرونها. يمكنك تحديد نماذج التأسيس الرائدة في المجال وتخصيصها وتدريبها ونشرها على Bedrock للعمل مع البيانات الخاصة. 
• تساعد Amazon SageMaker JumpStart فرق البرامج على تسريع تطوير الذكاء الاصطناعي من خلال بناء نماذج التأسيس وتدريبها ونشرها في مركز تعلّم الآلة. 
• استخدم Amazon Elastic Compute Cloud UltraClusters لتشغيل أعباء عمل الذكاء الاصطناعي المولّد باستخدام وحدات معالجة الرسومات فائقة الحوسبة لمعالجة مجموعات البيانات الكبيرة بوقت استجابة منخفض.

بدء استخدام الذكاء العام الاصطناعي من خلال التسجيل للحصول على حساب AWS اليوم