إن تاريخ الذكاء الاصطناعي أطول بكثير وأكثر إثارة للاهتمام مما يُعتقد عادةً. فقبل وجود أجهزة الكمبيوتر بزمن طويل، ظهرت أفكار عنه في الأساطير والحكايات الشعبية والأعمال الفلسفية. الآلات، والكائنات الاصطناعية، والعقول الميكانيكية قادرة على التفكير أو طاعة الأوامر البشرية. بمرور الوقت، أفسحت هذه القصص المجال لنظريات رياضية، وتجارب علمية، وفي النهاية، للذكاء الاصطناعي الذي نستخدمه كل يوم.
يشهد الذكاء الاصطناعي اليوم طفرة هائلة: روبوتات الدردشة، والنماذج التوليدية للنصوص والصور والفيديوهات، والأنظمة التي تقود السيارات أو تساعد في اكتشاف الأدوية... ولكن لفهم أين نحن الآن، نحتاج إلى تتبع مسار يبدأ من العصور القديمة ويؤدي إلى أحدث الإصدارات مثل ChatGPT، Claude 3.5، Gemini، AlphaFold أو النماذج الوكيلةإن تلك الرحلة مليئة بالتقدم والمبالغات وأزمات التمويل والمناقشات الأخلاقية التي لا تزال قائمة بقوة.
من الأساطير والخيميائيين إلى أولى الآلات ذاتية الحركة
قبل ظهور الحواسيب بزمن طويل، تخيلت ثقافاتٌ مختلفة أشكال حياة من صنع الإنسان. تروي الأساطير اليونانية قصصًا عن عمالقة معدنيين، وتماثيل متحركة، ومخلوقات صنعها الآلهة أو حرفيون بارعون. ومن الأمثلة الكلاسيكية على ذلك حارس كريت، الذي كان يجوب الجزيرة، ويقذف الصخور على سفن العدو، ويدور حول محيطها ثلاث مرات يوميًا؛ ووفقًا لبعض المصادر، فقد صنعه هيفايستوس بمساعدة سايكلوب، وكان يعمل بفضل... سائل حيوي موجود بالداخل يمكن تفريغه عن طريق إزالة سدادة بسيطةإن صورة "الجسم الميكانيكي" الذي يتوقف عن العمل عندما يفقد طاقته تذكرنا، من بعيد، بالفكرة الحديثة المتمثلة في فصل الآلة عن الكهرباء.
وفي السياق نفسه، تظهر شخصية بيجماليون، النحات والملك الذي يقع في غرام تمثال صنعه بنفسه. يتوسل إلى الإلهة فينوس أن تمنحه امرأة مطابقة لعمله، وتتلاعب الأسطورة بالحدود الفاصلة بين الجماد والحي، مستبقةً تلك الرغبة الإنسانية الفطرية في الإبداع. رفقاء اصطناعيون يبدون حقيقيين.
خلال عصر النهضة والعصر الحديث، نقل الخيميائيون هذه التخيلات إلى نطاق "تقني" أكثر. وصف السويسري باراسيلسوس طريقة يُفترض أنها قادرة على إنتاج "إنسان اصطناعي" من مزيج من سوائل بشرية وروث، يُحضن لأسابيع ويُغذى بمواد خاصة. ستكون النتيجة كائنًا مصغرًا يُسمى "هومونكولوس"، وهو كائن حي صغير يُخلق في المختبر، ويجسد طموح توليد الحياة من خلال عمليات يتحكم بها الإنسان.
في التقاليد اليهودية في العصور الوسطى، يظهر الغولم: تمثال طيني يدب فيه الحياة عند وضع ورقة تحمل اسمًا مقدسًا في فمه. على عكس الآلات الأسطورية الأخرى، لا يتكلم هذا الكائن؛ فهو يطيع أوامر بسيطة فقط، وقد يصبح خارجًا عن السيطرة إذا لم تُؤدَّ الطقوس بشكل صحيح. تتشابه فكرة وجود كائن قوي بلا لغة متطورة وبسلوك أخرق إلى حد ما مع... بعض أنظمة الذكاء الاصطناعي التي تنفذ التعليمات دون فهم سياقها بشكل كامل.
في العالم الإسلامي، تناولت المخطوطات الإسماعيلية في علم الكيمياء موضوع تاكوينالخلق الاصطناعي للحياة. وصف مؤلفون يُنسبون إلى جابر بن حيان محاولات لخلق كل شيء من النباتات إلى الحيوانات، مستكشفين كيف يمكن أن تؤدي العمليات الفيزيائية والكيميائية إلى ظهور الكائنات الحيةوبعد سنوات، سيعود غوته إلى شخصية الهومونكولوس في الجزء الثاني من فاوستو، حيث يطمح مخلوق تم تصنيعه في المختبر إلى أن يصبح إنسانًا كاملاً، لكنه يموت عندما تنكسر الجرة التي تحتوي عليه.
بحلول القرن التاسع عشر، اتجه الخيال الأدبي نحو الآلات والكائنات الاصطناعية ذات الأساس العلمي الأقوى. ماري شيلي، مع فرانكشتاينيُقدّم العمل كائناً مُجمّعاً من جثث، أُعيد إحياؤه من خلال العلم والكهرباء، ويُقدّمه كارل تشابيك في عمله المسرحي RUR (روبوتات روسوم العالمية) إن مجرد كلمة "روبوت" تثير الفضول. يتأمل كتّاب مثل صموئيل بتلر في مقالاتهم حول آلات تتطور مثل الكائنات الحية، وتزيد حالات مثل لاعب الشطرنج الآلي الشهير الذي حلله إدغار آلان بو من هذا الشغف. قطع أثرية قادرة على محاكاة الذكاءلم يتخل الخيال العلمي عن هذا الموضوع منذ ذلك الحين.
نشأة المنطق الصوري وفكرة حوسبة الفكر
يرتكز الذكاء الاصطناعي الحديث على فرضية محددة للغاية: وهي أن الفكر البشري يمكن وصفه بدقة كافية ليكون التشغيل الآلي باستخدام القواعد والرموزلم يأتِ هذا من فراغ. فقد سبق للفلاسفة الصينيين والهنود واليونانيين أن وضعوا أنظمةً مُهيكلةً للاستدلال الصوري في الألفية الأولى قبل الميلاد. صاغ أرسطو نظرية القياس المنطقي، وطوّر إقليدس نظريته. عناصر في إطار نموذج بديهي للاستدلال، وفي السياق الإسلامي، روّج الخوارزمي للجبر، مما أدى إلى ظهور مصطلح "الخوارزمية". وفي وقت لاحق، تعمق المفكرون المدرسيون الأوروبيون مثل ويليام الأوكامي ودونز سكوتس في كيفية الاستدلال بشكل صارم.
في أواخر العصور الوسطى، صمم رامون لول آلات منطقية مصنوعة من أقراص دوارة تحمل رموزًا، وعند دمجها، تولد قضايا جديدة. تصور لول هذه الأجهزة على أنها قادرة على إنتاج كل المعرفة الممكنة بشكل منهجي انطلاقًا من الحقائق الأساسية. أثرت أفكاره على لايبنتز، الذي سيحلم بعد قرون بـ "خاصية عالمية" تسمح بحساب الحجج كما يتم حسابها بالأرقام.
في القرنين السابع عشر والثامن عشر، تساءل فلاسفة مثل هوبز وديكارت وليبنيز نفسه عما إذا كان بالإمكان اختزال كل تفكير عقلاني إلى نوع من الحساب الآلي. صرّح هوبز بوضوح أن التفكير هو "جمع وطرح"، وتخيّل ليبنيز لغةً يستطيع من خلالها فيلسوفان حلّ خلافاتهما بمجرد الجلوس أمام سبورة "لحساب" من هو على صواب. شكّل هذا بداية ما سيُعرف لاحقًا باسم فرضية النظام المادي للرموز: الفكرة القائلة بأن التلاعب بالرموز بشكل مناسب يكفي لإنتاج الذكاء.
في القرن التاسع عشر، شهد المنطق الرياضي قفزة نوعية بفضل جورج بول وجبر القضايا، وفريجه الذي قدم تدوينًا رسميًا دقيقًا للغاية للاستدلال. وانطلاقًا من هذه الأسس، نشر راسل ووايتهيد عملهما في عام 1913. مبادئ الرياضياتمحاولة جبارة لاستنباط كل الرياضيات من بضعة بديهيات رسمية. ثم يطرح ديفيد هيلبرت التحدي المتمثل في إمكانية صياغة جميع الاستدلالات الرياضية بشكل رسمي كامل.
يأتي الجواب بطريقة مفاجئة: يوضح غودل أنه في أي نظام قوي بما فيه الكفاية، ستكون هناك دائمًا قضايا صحيحة لا يمكن إثباتها داخل النظام نفسه، ويحدد تورينغ وتشرش نماذج مجردة للحوسبة (آلة تورينغ وحساب لامدا) والتي، على الرغم من كشفها عن حدود، تُظهر شيئًا بالغ الأهمية للذكاء الاصطناعي: ضمن تلك الحدود، يمكن تطبيق أي إجراء من إجراءات التفكير الميكانيكي في الآلةتزعم أطروحة تشيرش-تورينج أن الجهاز الذي يتلاعب بالرموز البسيطة (مثل 0 و1) يمكنه من حيث المبدأ محاكاة أي خوارزمية يمكن تصورها.
من الآلات الحاسبة الميكانيكية إلى الدماغ الإلكتروني
إلى جانب هذه التطورات النظرية، قام مخترعون مثل لايبنتز، وجاكارد، وباباج، وبيرسي لودجيت، وليوناردو توريس كيفيدو، وفانيفار بوش بتصميم وبناء آلات قادرة على إجراء أنواع مختلفة من العمليات الحسابية. حتى أن آدا لوفليس، المتعاونة مع باباج، اقترحت أن محركه التحليلي يمكن أن يصبح نوعًا من "آلات التفكير أو الاستدلال"، مع أنها حذرت من المبالغة في قدراته. كانت هذه هي المرة الأولى التي يُنظر فيها بجدية إلى مثل هذه الآلة. آلة قابلة للبرمجة تتمتع بقدر معين من الذكاء.
ظهرت أولى هذه النماذج خلال الحرب العالمية الثانية أجهزة الكمبيوتر الإلكترونية واسعة النطاق: جهاز Z3 الخاص بـ Zuse، وأجهزة فك التشفير البريطانية مثل Colossus، أو ENIAC في الولايات المتحدة، استنادًا إلى مفاهيم أحيت أفكار تورينج النظرية والتي أصبحت، تحت تأثير جون فون نيومان، مرجعًا لهندسة الكمبيوتر الحديثة.
في ثلاثينيات وأربعينيات القرن العشرين، تلاقت عدة تيارات علمية بقوة. أظهرت الدراسات العصبية أن الدماغ يعمل كشبكة من الخلايا العصبية التي تُصدر نبضات "إما كل شيء أو لا شيء". وضع نوربرت وينر تعريفًا لعلم التحكم الآلي، الذي يصف التحكم والتغذية الراجعة في الأنظمة الكهربائية. صاغ كلود شانون نظرية المعلومات ومعالجة الإشارات الثنائية. وأثبت تورينج أن أي شكل من أشكال الحوسبة يمكن التعبير عنه رقميًا. يشير هذا التلاقي إلى أمر يبدو بديهيًا لنا اليوم: ربما يكون ذلك ممكنًا بناء "دماغ إلكتروني" قادر على التعلم والاستدلال.
في أربعينيات وخمسينيات القرن العشرين، بدأ علماء من مجالات شديدة التباين (الرياضيات، وعلم النفس، والهندسة، والاقتصاد، والعلوم السياسية) باستكشاف هذه الفكرة. وقد تصدّر آلان تورينج هذا المجال عام ١٩٥٠ بمقالته الشهيرة "آلات الحوسبة والذكاء"، حيث طرح فيها مباشرةً السؤال: "هل تستطيع الآلات التفكير؟" واقترح استبداله بتمرين عملي: إذا أجرت آلة محادثة عبر التلكس بطريقة لا يستطيع الإنسان تمييزها عن محادثة إنسان آخر، ألا يكون من المنطقي القول إنها تفكر؟ هذه هي بذرة... اختبار تورينج، وهو ما يمثل علامة فارقة مفاهيمية للذكاء الاصطناعي.
في عام 1943، صاغ ماكولوتش وبيتس أول نموذج لشبكة عصبية اصطناعية، موضحين أن الخلايا العصبية المثالية ذات الحالات المنطقية يمكنها تنفيذ العمليات المنطقية الأساسية. ألهم عملهما شبابًا مثل مارفن مينسكي، الذي قام في عام 1951، بالتعاون مع دين إدموندز، ببناء واحدة من أوائل آلات الشبكات العصبية، وهي... سناركوفي الوقت نفسه، يقوم باحثون آخرون مثل دبليو غراي والتر بتطوير روبوتات صغيرة ذاتية التشغيل يتم التحكم فيها بواسطة إلكترونيات تناظرية، بدون أجهزة كمبيوتر رقمية، والتي بدأت بالفعل في إظهار سلوكيات استكشافية مثيرة للاهتمام.
نشأة الذكاء الاصطناعي كعلم قائم بذاته: دارتموث والبرامج الأولى
في عام ١٩٥٦، عُقدت ورشة عمل دارتموث، التي نظمها جون مكارثي ومارفن مينسكي بدعم من كلود شانون وناثان روتشستر. هناك، صِيغ مصطلح "الذكاء الاصطناعي"، وطُرحت فرضية جريئة مفادها أنه يمكن وصف كل جانب من جوانب التعلم أو أي سمة أخرى من سمات الذكاء بدقة كافية لتمكين الآلة من محاكاتها. وكان من بين الحضور شخصيات بارزة مثل راي سولومونوف، وآرثر صموئيل، وآلان نيويل، وهربرت سيمون، الذين سيصبحون فيما بعد... رواد الموجة الأولى من أبحاث الذكاء الاصطناعي.
يقدم كل من نيويل وسيمون وشاو في هذا السياق ما يلي: المنظر المنطقبرنامج قادر على إثبات نظريات مبادئ الرياضياتبل إنهم وجدوا براهين أكثر أناقة من البراهين الأصلية. ويذهب سيمون إلى حدّ الإعلان عن أنهم حلّوا مشكلة العقل والجسد القديمة من خلال إظهار كيف يمكن لنظام مادي أن يُظهر خصائص عقلية. هذا الموقف، الذي سيُطلق عليه سيرل لاحقًا اسم "ذكاء اصطناعي قوي"يجادل بأن النظام الرمزي المناسب لا يحاكي العقل فحسب، بل يمتلكه بالفعل."
في السنوات التي تلت ذلك مباشرة، تراكمت النتائج وساد جو من التفاؤل المطلق. ظهرت برامج تحل مسائل الجبر، وتثبت نظريات الهندسة، وتلعب لعبة الداما بمستوى محترم (مثل نظام آرثر صموئيل، الذي كان يستخدم بالفعل التعلم الآلي لتحسين أدائه)، أو تجري حوارات بسيطة بلغة طبيعية، مثل برنامج إليزا، الذي يحاكي المعالج النفسي من خلال إعادة صياغة جمل المستخدم. بالنسبة للصحافة وجزء كبير من الجمهور، بدت هذه الإنجازات أشبه بالمعجزة، وعززت الشعور بأن إن الآلة ذات الذكاء العام باتت قريبة المنال..
في معهد ماساتشوستس للتكنولوجيا، وجامعة ستانفورد، وجامعة كارنيجي ميلون، وجامعات أخرى، يتم فتحها مختبرات مخصصة بالكامل للذكاء الاصطناعيغالباً بتمويل سخي من وكالات مثل ARPA (التي ستصبح لاحقاً DARPA). خوارزميات البحث العامة مثل حل المشكلات العامةأنظمة التخطيط مثل STRIPS (التي ستتحكم في الروبوت Shakey)، وتمثيلات المعرفة مثل الشبكات الدلالية، والبرامج التي تحاول فهم وتوليد اللغة في عوالم مصغرة خاضعة للتحكم، مثل SHRDLU، التي تتحدث عن عالم من الكتل الملونة ويمكنها التلاعب بها باستخدام ذراع روبوتية.
الأزمة الكبرى الأولى: القيود التقنية و"الشتاء" الرمزي
مع تحول الستينيات إلى سبعينيات القرن العشرين، بدأت الواقعية تفرض نفسها بقوة. البرامج التي كانت مبهرة في نسخها التجريبية فشلت في التكيف مع مشاكل العالم الحقيقي، واصطدمت مرارًا وتكرارًا بما يُعرف بـ انفجار تركيبييتزايد عدد الاحتمالات التي يمكن استكشافها بشكل هائل، مما يجعل خوارزميات البحث البسيطة غير مجدية، حتى مع استخدام الأساليب الاستدلالية.
يُضاف إلى ذلك صعوبات أخرى: فالقدرة الحاسوبية منخفضة للغاية مقارنةً بمعايير اليوم، والذاكرة المتاحة تُجبر على استخدام مفردات محدودة للغاية، ويتضح أن حلّ مهام تبدو "بسيطة" مثل التعرّف على الوجوه أو اجتياز مسار مليء بالعقبات أصعب بكثير من إثبات نظرية. هذا ما سيُطلق عليه لاحقًا مفارقة مورافيكالآلات جيدة نسبياً فيما نعتبره فكرياً، لكنها تفشل في المهارات الحسية الحركية الأساسية.
إن محاولات تجسيد الحس السليم في قواعد بيانات رمزية تتعثر أمام ضخامة المعرفة اليومية: إذ يتطلب الأمر مليارات الحقائق والقواعد، وحتى مع ذلك، فإن الأنظمة شديدة الدقة تصبح هشة لأن الواقع مليء بالاستثناءات والفروق الدقيقة. ويصبح التعبير بمنطق صارم عما يتعامل معه الناس بطريقة غير محددة ومرنة أمراً مستحيلاً. وكما قال جيرالد سوسمان، إن استخدام لغة دقيقة تماماً للتحدث عن مفاهيم غامضة أساساً لا يجعلها أكثر وضوحاً..
سئمت وكالات التمويل، التي انجرفت وراء الخطاب المتفائل في ستينيات القرن الماضي، من الوعود الكاذبة. وأدت التقارير الكارثية، مثل تقرير ALPAC حول الترجمة الآلية عام 1966 أو تقرير لايت هيل في المملكة المتحدة عام 1973، إلى خفض مفاجئ في تمويل العديد من برامج الذكاء الاصطناعي. وأعادت وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) توجيه ميزانيتها نحو مشاريع ذات أهداف فورية وتطبيقات عسكرية واضحة.الذكاء الاصطناعي الشتوي"لوصف هذه الفترة من خيبة الأمل والتقليصات، على الرغم من أن مؤرخين مثل توماس هايغ قد أوضحوا أن المجال ظل على قيد الحياة خارج عدد قليل من المختبرات الكبيرة.
على الرغم من أن الوضع معقد بالنسبة لبعض المجموعات، يواصل باحثون آخرون عملهم، ساعين إلى إيجاد مناهج بديلة. فهم يستكشفون البرمجة المنطقية، وأشكالًا جديدة من التفكير المنطقي السليم، وتمثيلات أكثر ثراءً، وبدأوا في تطوير تيار نقدي ضد الرمزية المجردة، مما سيفتح الباب أمام الأساليب شبه الرمزية مثل الشبكات العصبية، والمنطق الضبابي، أو الحوسبة التطورية.
صعود أنظمة الخبراء والمعرفة كمورد رئيسي
في سبعينيات وثمانينيات القرن الماضي، غيّر قطاع من مجتمع الذكاء الاصطناعي تركيزه: فبدلاً من محاولة بناء أنظمة عامة الأغراض، ركّز على مجالات محددة للغاية حيث يمكن الاستفادة من خبرات الخبراء. وهكذا وُلدت [الكلمة الناقصة - على الأرجح "الأنظمة" أو "الأنظمة"]. النظم الخبيرة، برامج تجيب على الأسئلة أو تتخذ قرارات في مجالات محددة (التشخيص الطبي، الكيمياء، تكوين المعدات ...) بناءً على قواعد يقدمها متخصصون بشريون.
من الأمثلة البارزة على ذلك نظام Dendral، الذي يساعد في تحديد المركبات الكيميائية من الأطياف، ونظام MYCIN، الذي يقترح تشخيصات وعلاجات لالتهابات الدم. لا تلتزم هذه الأنظمة بالمنطق العام، لكنها تعمل بشكل جيد للغاية في مجالها المتخصص، وتُظهر أن يمكن أن يؤدي استخدام المعرفة التفصيلية بالمجال في البرمجة إلى إنتاج تطبيقات مربحةتتبنى شركات مثل شركة Digital Equipment Corporation هذا النهج: فنظام R1 الخاص بها، الذي تم الانتهاء منه في عام 1980، يوفر لها عشرات الملايين من الدولارات سنويًا من خلال التكوين التلقائي للمعدات المعقدة.
يجذب هذا النجاح انتباه الحكومات والقطاع الصناعي. تطلق اليابان مشروعها الطموح للجيل الخامس من الحواسيب، بهدف ابتكار آلات قادرة على التواصل والترجمة والتفكير كالبشر. وتستجيب المملكة المتحدة بمشروع ألفي، والولايات المتحدة بمبادرة الحوسبة الاستراتيجية. بالتوازي مع ذلك، تزدهر صناعة متخصصة في الأجهزة والبرمجيات: محطات عمل لغة ليسب، وأدوات هندسة المعرفة، ومنصات تطوير الأنظمة الخبيرة... لسنوات قليلة، يشهد الذكاء الاصطناعي طفرة حقيقية. فقاعة تجارية.
لكن سرعان ما تظهر المشاكل: فالأنظمة الخبيرة مكلفة الصيانة، ويصعب توسيعها، وغير قادرة على التعلم من التجربة، وغير موثوقة للغاية خارج بيئتها المُتحكم بها. وقد جعل ظهور الحواسيب الشخصية القوية الأجهزة المتخصصة غير ضرورية، وبحلول أواخر الثمانينيات، أفلست العديد من شركات الذكاء الاصطناعي أو تم الاستحواذ عليها. وهناك حديث عن ركود جديد للذكاء الاصطناعي، لكن ما يحدث في الواقع هو إعادة هيكلة: حيث يتم دمج الذكاء الاصطناعي كـ مجموعة من التقنيات في أنظمة أوسعبدلاً من تسويق نفسها على أنها الحل السحري "المثالي".
النهضة الرمزية الفرعية: الشبكات العصبية، والروبوتات، والحوسبة المرنة
بينما غضّ عالم الأعمال الطرف عن الأمر، شهدت ثمانينيات وتسعينيات القرن الماضي ترسيخ مناهج بحثية أساسية لا تزال قائمة حتى اليوم. فقد أثبت جون هوبفيلد قدرة بعض الشبكات العصبية على تخزين الأنماط واسترجاعها بثبات؛ وعمل جيفري هينتون على آلات بولتزمان، وبالتعاون مع ديفيد روميلهارت، روّج لخوارزمية الانتشار العكسي، وهي خوارزمية تدريب الشبكات العصبية متعددة الطبقات التي تُمكّنها من تعلّم تمثيلات داخلية معقدة. وقد أعادت هذه الموجة الثانية من الترابطية إحياء دراسة... الشبكات العصبية الاصطناعية كنماذج تعلم موزعة.
بدأت هذه الشبكات تتفوق على أحدث التقنيات في مهام محددة، مثل التنبؤ بالبنى الثانوية للبروتينات، وفي عام 1990 قام يان ليكان بتطبيق الشبكات الالتفافية على التعرف على الأرقام المكتوبة بخط اليدوقد أدى ذلك إلى ظهور أنظمة تتبناها البنوك وخدمات البريد على نطاق واسع. ويُعدّ هذا أول تطبيق صناعي رئيسي للشبكات العصبية الحديثة.
في غضون ذلك، يشهد علم الروبوتات ثورة مفاهيمية صغيرة. يجادل باحثون مثل رودني بروكس وهانز مورافيك بأن تحقيق الذكاء الحقيقي يتطلب أكثر من مجرد التفكير المنطقي في المكتب؛ بل يتطلب جسدًا قادرًا على الإدراك والحركة والبقاء في العالم. ويقترحون بنى "تصاعدية"، حيث تُبنى القدرات الحسية الحركية دون اللجوء إلى تمثيلات رمزية معقدة، انطلاقًا من ثقتهم بأن يُعد التفاعل الجيد مع البيئة الأساس الذي تُبنى عليه المهارات المعرفية العليا.يرتبط هذا الرأي بنظرية العقل المتجسد، والتي تكتسب زخماً في العلوم المعرفية.
وفي الوقت نفسه، يجري توحيد الأدوات. الحوسبة اللينةالمنطق الضبابي للتعامل مع المفاهيم التدريجية، والشبكات البايزية ونماذج ماركوف للاستدلال الاحتمالي، والخوارزميات التطورية، والنماذج العشوائية... كل هذه التقنيات تتخلى عن الدقة المطلقة مقابل القدرة على إدارة عدم اليقين والضوضاء والبيانات غير المكتملة، وهو أمر عملي للغاية في العديد من مجالات العالم الحقيقي.
ظهر التعلم المعزز الحديث أيضًا في هذا السياق. فبناءً على أفكار علماء النفس مثل ثورندايك وبافلوف وسكينر، صاغ ريتشارد ساتون وأندرو بارتو إطارًا نظريًا قائمًا على عمليات اتخاذ القرار ماركوف، وطورا خوارزميات مثل تعلم فرق الوقت (TD). تتعلم برامج مثل TD-Gammon لعب الطاولة بمستوى احترافي من خلال اللعب ضد نفسها دون معرفة مسبقة صريحة. وبعد عقود، أصبحت أشكال مختلفة من هذه الأساليب جوهر أنظمة مثل... ألفا جو وألفا زيرومن سيتقن الألعاب المعقدة مثل لعبة غو أو الشطرنج.
التوحيد والنضج: الوكلاء الأذكياء، والبيانات الضخمة، وديب بلو
في تسعينيات القرن العشرين وأوائل الألفية الثانية، توقفت العديد من تقنيات الذكاء الاصطناعي عن التسويق على أنها غريبة وأصبحت ببساطة الأدوات القياسية في مجال علوم وهندسة الحاسوب، تُستخدم هذه التقنيات في استخراج البيانات، والتشخيص الطبي، والخدمات اللوجستية، والتعرف على الكلام، وتقييم البنوك، ومحركات البحث، ولكن نادرًا ما يتم الترويج لها على أنها "ذكاء اصطناعي". في الواقع، يتجنب العديد من الباحثين هذا المصطلح عن قصد لتجنب وصمة الإخفاقات السابقة وللحصول على التمويل بسهولة أكبر.
خلال هذه السنوات، أصبح نموذج وكيل ذكيالذكاء الاصطناعي هو نظام يُدرك بيئته ويتصرف لتحقيق أقصى قدر من النجاح. هذا التعريف، المستوحى من نظرية القرار والاقتصاد، يسمح لنا بتوحيد برامج شديدة التنوع تحت مظلة واحدة، بدءًا من أجهزة التحكم في الروبوتات وصولًا إلى أنظمة التوصية. تُقدم كتب مرجعية مثل كتاب راسل ونورفيج الذكاء الاصطناعي على أنه دراسة لهذه الأنظمة، مع التركيز على السلوك العقلاني بدلًا من الانشغال بمحاكاة العقل البشري بدقة.
تتزايد القدرة الحاسوبية بشكلٍ هائل، وفقًا لقانون مور، وهذا واضحٌ جليّ. ففي عام ١٩٩٧، هزم ديب بلو غاري كاسباروف في مباراة شطرنج، مُستفيدًا من أجهزة متخصصة، وقدرات بحث هائلة، وعدد كبير من الخوارزميات الاستدلالية. وفي عامي ٢٠٠٥ و٢٠٠٧، عرضت تحديات القيادة الذاتية التي أطلقتها وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) سيارات تقطع مئات الكيلومترات في بيئات صحراوية وحضرية، ملتزمةً بقوانين المرور ومتفاعلةً مع الأحداث غير المتوقعة. لا توجد نظرية جديدة خارقة وراء ذلك، بل هو ثمرة جهد هندسي هائل، وحقيقة أن... أصبحت الآلات أسرع بملايين المرات مما كانت عليه في خمسينيات القرن الماضي..
بالتوازي مع ذلك، يُنتج توسع الإنترنت والتحول الرقمي الواسع النطاق كميات هائلة من البيانات. وبحلول نهاية العقد الأول من القرن الحادي والعشرين، كان الناس يتحدثون بالفعل عن البيانات الكبيرةومجموعات البيانات المصنفة على أنها وجوه مصنفة في البرية أو IMAGEnet أصبحت هذه التقنيات معايير لتدريب وتقييم خوارزميات رؤية الحاسوب. كما ظهرت تمثيلات متجهة للغة، مثل word2vec، التي تشفر الكلمات في فضاءات رقمية حيث تلتقط عمليات بسيطة علاقات دلالية مدهشة.
في عام 2011، تغلب نظام واتسون التابع لشركة آي بي إم على اثنين من أبرز المنافسين في خطر!يجمع هذا النهج بين معالجة اللغة الطبيعية، واسترجاع المعلومات الضخمة، والنماذج الاحتمالية. وتوضح هذه الإنجازات بوضوح أن لم يعد الذكاء الاصطناعي مجرد مسألة أكاديميةلكنها تقنية قادرة على منافسة الخبراء البشريين في المهام المعقدة.
ثورة التعلم العميق والتحول نحو الذكاء الاصطناعي العام
كانت نقطة التحول في عام 2012 مع شبكة AlexNet، وهي شبكة عصبية عميقة تم تدريبها على ImageNet، والتي اكتسحت مسابقة التعرف على الصور بهامش خطأ أقل بكثير من المشاركين الآخرين. وقد ساهمت بنيتها التلافيفية متعددة الطبقات، بالإضافة إلى تقنيات مثل... التسرب ووظائف التنشيط ReLUيوضح ذلك أنه مع توفر البيانات الكافية وقوة الحوسبة (بما في ذلك وحدات معالجة الرسومات)، يمكن للشبكات العميقة استخراج الميزات المفيدة تلقائيًا دون الحاجة إلى هندسة يدوية مفرطة.
ومن هناك، ما يسمى التعلم العميق باتت الشبكات العميقة مهيمنة في مجالات التعرف على الكلام، والترجمة الآلية، وتحليل النصوص، ورؤية الحاسوب، والألعاب، وغيرها الكثير. وقد تم التخلي عن العديد من الأساليب البديلة أو اقتصار استخدامها على تطبيقات متخصصة. ويتذكر باحثون مثل جيفري هينتون أنه في ثمانينيات وتسعينيات القرن الماضي، كان هناك نقص حاد في البيانات المصنفة وقدرات الحوسبة؛ وبمجرد حل هذه المشكلة، أظهرت الشبكات العميقة إمكاناتها الهائلة.
مع موجة النجاحات، عاد الاهتمام بالذكاء الاصطناعي العام (AGI) - وهو نظام يتمتع بقدرات واسعة ومرنة تضاهي (أو تتجاوز) قدرات البشر. وقد أعاد مؤلفون مثل نيلز نيلسون، وجون مكارثي، ومارفن مينسكي إحياء النقاش، بينما ساهم بن غورتزل في نشر مصطلح الذكاء الاصطناعي العام، من خلال تنظيم مؤتمرات ونشر مجلات متخصصة. تأسست شركة ديب مايند عام 2010، وشركة أوبن إيه آي عام 2015، وبعد ذلك بوقت قصير ظهرت شركات أخرى مثل أنثروبيك، وكلها تتطلع إلى... نماذج متعددة الأغراض يمكنها تعلم حل أي مهمة تقريبًا.
وفي الوقت نفسه، كتب مثل نقطة التفرد قريبة بقلم راي كرزويل أو الخارق يقدم عمل نيك بوستروم سيناريوهات للذكاء الخارق التي قد تُغير المجتمع جذرياً، نحو الأفضل أو الأسوأ. وقد بدأت نقاشات جادة حول المخاطر الوجودية المرتبطة بالذكاء الاصطناعي وما يُسمى بـ مشكلة المحاذاةكيف نضمن أن تسعى الأنظمة القوية للغاية إلى تحقيق أهداف تتوافق مع القيم الإنسانية، وألا تطور سلوكيات خطيرة تستند إلى منطق نفعي بحت؟
النماذج الأساسية، والذكاء الاصطناعي التوليدي، والازدهار في نماذج اللغة الكبيرة
في عام 2017، نشر فريق من جوجل مقالًا بعنوان "الانتباه هو كل ما تحتاجه"، مُعرّفًا ببنية Transformer. وتتمثل فكرتها الأساسية في آلية الانتباه الذاتي، التي تسمح لكل جزء من التسلسل "بالنظر" إلى جميع الأجزاء الأخرى لتحديد ما هو ذو صلة، مما يُلغي الحاجة إلى عمليات تكرار معقدة. وسرعان ما أصبحت هذه البنية معيارًا لـ نماذج اللغة الكبيرة (LLM) وفي وقت لاحق، بالنسبة للنماذج متعددة الوسائط.
إطلاق OpenAI GPT-3 في عام 2020، طُوّر نموذجٌ مُدرّبٌ على كمياتٍ هائلةٍ من النصوص غير المُصنّفة، قادرٌ على الكتابة والترجمة والبرمجة والإجابة على الأسئلة بطلاقةٍ أذهلت حتى العديد من الخبراء. قدّمت شركة DeepMind نموذج Gato، وهو نموذجٌ "عامّ" قادرٌ على التحكّم بالروبوتات، ولعب ألعاب الفيديو، أو إجراء المحادثات باستخدام الشبكة نفسها. تُسمى هذه النماذج "أساسية" لأنها تُشكّل قاعدةً لعددٍ لا يُحصى من المهام اللاحقة مع تعديلاتٍ طفيفةٍ نسبيًا.
تم إطلاق ChatGPT في 30 نوفمبر 2022، وفي غضون أسابيع قليلة حطمت جميع مقاييس التبني: أكثر من 100 مليون مستخدم في شهرينحضورٌ دائم في وسائل الإعلام وشبكات التواصل الاجتماعي، واستخداماتٌ إبداعيةٌ لا حصر لها، من كتابة البرامج إلى توليد أفكار تسويقية أو المساعدة في الدراسة. كان رد فعل القطاع فوريًا: أعلنت جوجل حالة طوارئ قصوى وسرّعت تطوير عائلة Gemini، ودمجت مايكروسوفت تقنية OpenAI في Bing ومنتجات أخرى، وظهرت عشرات الشركات المنافسة المتخصصة في الذكاء الاصطناعي التوليدي.
وفي الوقت نفسه، نماذج الصور مثل انتشار مستقروالتي تسمح بإنشاء رسومات توضيحية واقعية أو فنية من النصوص، وبدأت أنظمة تحويل النصوص إلى فيديو مثل Sora بالظهور، وهي قادرة على توليد مقاطع فيديو تصل مدتها إلى دقيقة واحدة بمستوى مذهل من التفاصيل، ومنصات مثل يدمج إنستغرام تقنية الذكاء الاصطناعي في القصص تُبرز هذه التطبيقات العملية للذكاء الاصطناعي في وسائل التواصل الاجتماعي. وقد أثبتت أدوات مثل 15.ai بالفعل إمكانية استنساخ الصوت باستخدام بضع ثوانٍ فقط من الصوت، وهو أمر أكدته لاحقًا شركات كبرى من الناحية التقنية.
لا يقتصر السباق على النص فقط: بل يظهرون نماذج متعددة الوسائط تجمع هذه المنصات بين الصور والصوت والفيديو، وبدأت تظهر بنى برمجية ذكية، حيث تتعاون عدة نماذج متخصصة لإنجاز مهام معقدة بشكل شبه مستقل. وتتحول شركات تصنيع الرقائق الإلكترونية، مثل NVIDIA، إلى عمالقة في سوق الأسهم، مدفوعة بالطلب الهائل على وحدات معالجة الرسومات لتدريب هذه النماذج ونشرها.
في عام 2024، أطلقت مختبرات مثل أنثروبيك مجموعات منتجات مثل كلود 3 وكلود 3.5، بإصدارات أخف وزنًا وأخرى عالية الأداء تنافست بقوة مع نماذج أوبن إيه آي وجوجل. في الوقت نفسه، جرى اختبار معايير جديدة مثل ARC-AGI، التي صممها فرانسوا شوليه لقياس القدرة على الاستدلال المجرد بما يتجاوز مجرد مطابقة الأنماط. حققت نماذج الاستدلال مثل أوبن إيه آي 3 درجات عالية جدًا في هذه الاختبارات، حتى أنها تجاوزت المتوسطات البشرية في بعض الحالات، مما أثار الجدل حول سواء كنا نقترب من الأشكال الأولى للذكاء الاصطناعي العام أم لا.
الأثر الاجتماعي والمخاطر وتنظيم الذكاء الاصطناعي
يُثير هذا النمو المتسارع مخاوف بالغة. فمن جهة، تُظهر أبحاثٌ أجراها باحثون مثل كاثي أونيل كيف ساهمت نماذج المخاطر المصممة بشكل سيئ في الأزمة المالية عام 2008. وتكشف دراسات أخرى عن تحيزات عنصرية وغيرها في الخوارزميات المستخدمة في النظام القضائي، وفي التوظيف، وفي الإقراض. وقد أثارت الفضيحة المحيطة بنظام COMPAS واستخدامه في إصدار الأحكام الجنائية في الولايات المتحدة نقاشًا عامًا حول هذا الموضوع. الإنصاف والشفافية والمساءلة الخوارزمية.
من ناحية أخرى، فإن صعود الشبكات الاجتماعية القائمة على تعظيم التفاعل، التضليل واسع النطاق ويثير الاستخدام غير المنظم للبيانات الشخصية تساؤلات مقلقة حول مدى تنازلنا عن السيطرة على انتباهنا وقراراتنا لصالح أنظمة التوصية والتنبؤ المبهمة. وبعد انتخابات الولايات المتحدة عام 2016، وجّه العديد من باحثي الذكاء الاصطناعي جهودهم نحو قضايا السلامة، وقابلية التفسير، والحوكمة، والقيم الأخلاقية.
في الوقت نفسه، تدعو أصوات مؤثرة في هذا القطاع إلى توخي الحذر. ففي عام 2023، نُشرت رسالة مفتوحة بعنوان "إيقاف تجارب الذكاء الاصطناعي العملاقة"، وقّع عليها عشرات الآلاف من الأشخاص، بمن فيهم إيلون ماسك، ويوشوا بنجيو، وستيف وزنياك، مطالبةً بوقف مؤقت لتدريب نماذج أكثر قوة من GPT-4 إلى حين وضع ضمانات معقولة للتحكم والسلامة. ويرى خبراء آخرون أن إيقاف العملية تمامًا أمر غير واقعي، لكنهم يتفقون على ضرورة هذا الإيقاف المؤقت. آليات إشرافية، وتدقيق مستقل، وتنظيم يتناسب مع المخاطر.
من الناحية السياسية، تقترح المفوضية الأوروبية تعريفات للذكاء الاصطناعي و الأطر التنظيمية تُفرّق هذه الإرشادات بين الاستخدامات عالية المخاطر (مثل تحديد الهوية البيومترية على نطاق واسع، والتقييم الاجتماعي، أو الأنظمة في الرعاية الصحية والعدالة) والتطبيقات الأقل خطورة. والهدف هو تمكين الابتكار مع فرض متطلبات أكثر صرامة للشفافية والاختبار والتوثيق والإشراف البشري، حيث قد يكون لأي خلل عواقب وخيمة على الحقوق الأساسية.
في دول مثل إسبانيا، تُطبَّق استراتيجيات الذكاء الاصطناعي الوطنية ضمن خطط التحول الرقمي الأوسع نطاقًا، مع تخصيص استثمارات عامة وخاصة لتعزيز المشاريع في مجالات الرعاية الصحية والصناعة والنقل والزراعة والإدارة العامة. وتشير التقارير الرسمية إلى أن نسبة متزايدة من الشركات تستخدم بالفعل الذكاء الاصطناعي لـ أتمتة سير العمل، وتحليل الصور، والتعرف على الكلام، أو دعم عملية اتخاذ القرارومع ذلك، لا يزال التبني مركزاً في القطاعات التكنولوجية المتقدمة.
في الوقت نفسه، تتسع النقاشات العمالية حول الأتمتة والتوظيف، فضلاً عن المعضلات الفلسفية المتعلقة بمعنى الذكاء والإبداع، أو حتى الوعي، في ظل وجود أنظمة قادرة على توليد نصوص أو صور أو موسيقى أو أكواد لا يمكن تمييزها عن البشر في العديد من السياقات. لم يعد السؤال يقتصر على ما يمكن للآلات فعله فحسب، بل ما نريدهم أن يفعلوه وتحت أي ظروف.
بالنظر إلى الأمر من منظور شامل، فإن تاريخ الذكاء الاصطناعي هو قصة حلم قديم مرّ عبر أساطير العمالقة المعدنيين وتماثيل الطين، ثم تبلور في منطق وحوسبة القرن العشرين، وتعثر مرارًا وتكرارًا في حدود إمكانياته، وأعاد ابتكار نفسه بتقنيات جديدة، واليوم بات متغلغلًا في كل ركن تقريبًا من حياتنا الرقمية؛ إن فهم هذه الرحلة يساعد على فهم أفضل لكل من الحماس والشكوك التي تثيرها هذه التقنية التي نسمح لها، دون أن ندرك ذلك تقريبًا، بالتأثير على كيفية تعلمنا وعملنا وبقائنا على اطلاع وتواصلنا مع بعضنا البعض، والتي تتطلب، أكثر من أي وقت مضى، مزيجًا من الدقة العلمية، والمسؤولية الاجتماعية، والحس السليم الجماعي.
