يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
رئيس (OpenAI): "التحولات التكتونية" لثورة الذكاء الاصطناعي "أقرب مما يتوقع الكثيرون"
وستتيح منح 13,500 دولار سنوياً لكل أميركي
أطلق سام ألتمان، رئيس مختبر ( OpenAI) وأحد مؤسسيه، مجموعة من التنبؤات حول التغييرات الاقتصادية والاجتماعية و"التحولات التكتونية" التي ستحدثها "ثورة الذكاء الاصطناعي" خلال فترة زمنية أقصر مما يتوقعه معظم الناس. وكتب ألتمان في منشور على موقعه أن هذه الثورة التكنولوجية مصحوبة بالتقدم في مختلف مجالاتها خلال المائة عام القادمة ستكون "أضخم بكثير من التقدم الذي أحرزه البشر منذ أن تعلمنا استخدام النار وابتكرنا العجلة". لذا يرى أنه ينبغي على الحكومات أن تتكيف مع التغيرات القادمة عبر تبني سياسات عامة جديدة "وإلا سيصبح كثير من البشر أسوأ حالاً في المستقبل مما هم عليه اليوم".
وقال ألتمان إن تقنيات الذكاء الاصطناعي ستتمكن- خلال عقد من الزمن- من إنتاج ما يكفي من الثروة لمنح 13,5 ألف دولار سنوياً لكل مواطن أميركي تجاوز الـ 18 من عمره. وأوضح أن السبيل لتحقيق ذلك يتمثل في فرض ضريبة سنوية 2.5% على القيمة السوقية للشركات الكبرى، ومن ثم إعادة توزيع هذه الثروة على المواطنين.
إليكم زوايا أخرى من رؤيته للمستقبل في ظل ثورة الذكاء الاصطناعي:
- خلال الأعوام الخمسة المقبلة، ستتمكن البرامج الحاسوبية القادرة على التفكير من قراءة المستندات القانونية وتقديم المشورة الطبية.
- خلال العقد المقبل، ستتمكن هذه البرامج من الاضطلاع بالعمل في خطوط التجميع.
- خلال العقود التالية، ستتمكن من القيام بكل شيء تقريباً، بما في ذلك تحقيق اكتشافات علمية جديدة.
- "قانون مور لكل شيء": الذكاء الاصطناعي سيؤدي إلى خفض تكاليف البضائع والخدمات، لأن العمل البشري هو سبب التكلفة الأساسي في عدة مستويات من سلاسل التوريد. وإذا ما تمكنت الروبوتات من بناء المنازل وتصنيع الطعام وحياكة الثياب، وتمكنت أنظمة الذكاء الاصطناعي من القيام بدور الطبيب والمعلم وغيرهما، فإن كل شيء سيصبح أرخص بمقدار الضعف كل عامين.
- مع نجاح الذكاء الاصطناعي في إنتاج معظم السلع والخدمات الأساسية، سيتاح الوقت للناس لقضاء وقت أطول مع أحبائهم ورعايتهم والاستمتاع بالفن والطبيعة والعمل باتجاه الخير الاجتماعي.
- لا أحد يستطيع إيقاف هذه التغييرات، فهي قادمة لا محالة. وإذا ما تقبلناها وخططنا لها، سنتمكن من توظيفها في خلق مجتمع أكثر عدلاً وسعادة وازدهاراً.
الرابط (إنجليزي)
مجموعات بيانات صور الأشعة السينية منزوعة الهوية عرضة للهجمات
يجري استخدام أنظمة الذكاء الاصطناعي لتحليل وتصنيف صور الأشعة السينية لتشخيص الإصابة بالعديد من الأمراض الصدرية. لكن هذه الأنظمة تحتاج إلى كمية كبيرة من بيانات المرضى حتى تتعلم تشخيص الأمراض، مما يترتب عليه تداعيات بشأن الخصوصية في حال لم يتم نزع هويات المرضى من البيانات على نحو سليم.
ومؤخراً، قام باحثون من جامعة إرلانجن- نورنبيرج في ألمانيا بدراسة إمكانية اكتشاف معلومات عن المرضى انطلاقاً من مجموعات بيانات عامة تضم أكثر من 112 ألف صورة أشعة سينية. وقد طور الباحثون نموذج إعادة تعرف قائم على تقنية التعلم العميق يستطيع تحديد ما إذا كانت صورتان أشعة سينية تعودان إلى الشخص نفسه بدقة 95%.
وجد الباحثون أن بعض مجموعات البيانات هذه هي عرضة بالفعل للهجمات ويمكن استخلاص بعض المعلومات الخاصة منها. ويقول الباحثون إنه إذا ما امتلك المهاجم نموذجاً شبيهاً بنموذجهم وإمكانية الوصول إلى صورة أشعة سينية لمريض ما، يمكنه حينئذ مقارنة الصورة مع الصور الموجودة في مجموعات البيانات العامة واستخلاص معلومات حساسة مثل التشخيص وتاريخ العلاج والمنشأة الطبية.
الرابط (إنجليزي)
ما الفرق بين الذكاء الاصطناعي والتعلم الآلي؟
إليكم أهم عوامل التمييز بين الذكاء الاصطناعي والتعلم الآلي:
- الذكاء الاصطناعي مفهوم عام وشامل يقوم بوصف نوع محدد من الأنظمة الحاسوبية التي تمتلك قدرات ذكية متقدمة، والتعلم الآلي هو إحدى الطرق التي يمكن استخدامها من أجل بناء هذه الأنظمة الحاسوبية الذكية.
- كل نموذج أو برنامج يعتمد على طرق التعلم الآلي قابل للوصف على أنه برنامج ذكاء اصطناعي، ولكن ليس كل برنامج أو تطبيق ذكاء اصطناعي قابل للوصف على أنه تطبيق تعلم آلي.
- يمتلك الذكاء الاصطناعي هدفاً عاماً هو جعل الحواسيب والبرمجيات قادرة على محاكاة طريقة الذكاء البشري الطبيعي، بغض النظر إن كان ذلك يتضمن مفاهيم التعلم بالخبرة أم لا، بينما يهدف التعلم الآلي بصورة أساسية إلى جعل الحواسيب والبرمجيات قادرة على حل المشاكل وإنجاز المهام اعتماداً على التعلم من البيانات التي يتم تغذيتها بها، أي عبر محاكاة مبدأ التعلم بالخبرة الذي يمتلكه البشر.
- الذكاء الاصطناعي مصمم من أجل البحث عن الحل المثالي لمشكلة ما، في حين أن التعلم الآلي يهدف لبناء نماذج تستطيع أن تُحسن من دقتها وأدائها في كيفية وصولها للحل. بمعنى آخر، تهدف العديد من خوارزميات الذكاء الاصطناعي للحصول على الحل المثالي بغض النظر عن الكيفية، بينما تركز خوارزميات التعلم الآلي بشكل أساسي على الكيفية والطريقة التي سيتم اتباعها من أجل الوصول للحل وإنجاز المهمة المطلوبة.
تابع القراءة: الرابط
|
