يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
تيمنت جيبرو تكتب: لتطوير ذكاء اصطناعي أخلاقي يجب أن تستقل الأبحاث عن شركات التكنولوجيا
كتبت تيمنت جيبرو، الرئيسة السابقة لفريق أخلاقيات الذكاء الاصطناعي في جوجل، مقالة في صحيفة الجارديان البريطانية، تشرح فيها رؤيتها للإجراءات التي يجب وضعها لحماية الناس من الاستخدامات غير الآمنة للذكاء الاصطناعي.
وقالت جيبرو إنها طردت من جوجل في ديسمبر الماضي عندما كتبت ورقة أوجزت فيها الأضرار التي تسببها النماذج المدربة على استخدام البيانات المستقاه من المنصات الكبيرة مثل يوتيوب وفيسبوك وغيرها، لكن الشركة لم تنجح في تلطيخ سمعتها -رغم أنها حاولت- بفضل جهود موظفو الشركة السابقون والحاليون. وأضافت أن العام الماضي شهد العديد من التطورات في مجال تنظيم العاملين في مجال التكنولوجيا والإبلاغ عن المخالفات. كانت أكثرها شهرة هي شهادة فرانسيس هوجن في الكونجرس بأن فيسبوك تعطي الأولوية للنمو على أي شيء آخر، حتى عندما تعرف العواقب المميتة لفعل ذلك.
وأوضحت أنه عندما يسأل الناس عن اللوائح التي يجب وضعها لحمايتنا من الاستخدامات غير الآمنة للذكاء الاصطناعي، فإنها تبدأ دائماً بإجراءات حماية العمال وإجراءات مكافحة الاحتكار. ورغم أن بعض الناس يجدون هذه الإجابة مخيبة للآمال لأنهم يتوقعون الحديث عن اللوائح الخاصة بالتكنولوجيا نفسها، إلا أن جيبرو ترى أن الأهم هو الحد من قوة الشركات التي تطور التكنولوجيا وزيادة قوة أولئك الذين يتحدثون ضد أضرار الذكاء الاصطناعي وممارسات هذه الشركات.
وأضافت أن ثمة حاجة إلى معاقبة أقوى بكثير للشركات التي تنتهك القوانين القائمة بالفعل، مثل اختراق أمازون العنيف للنقابات، مشيرة إلى أنه عندما يتمتع العمال بالسلطة، فإنها تخلق طبقة من الضوابط والتوازنات على أصحاب المليارات في مجال التكنولوجيا الذين تؤثر قراراتهم على العالم بأسره.
وأشارت إلى أنه من أجل تحقيق الضوابط والتوازنات، لا ينبغي أن يكون نفس الأشخاص الذين يضعون أجندات شركات التكنولوجيا الكبيرة هم من يضع أولويات البحث وأولويات الحكومة وحتى أولويات القطاع غير الربحي، مضيفة أن هناك حاجة إلى خيارات بديلة. واختتمت بالقول "فقط عندما نغير هيكل الحوافز، سنرى التكنولوجيا التي تعطي الأولوية لرفاهية المواطنين، بدلاً من السباق المستمر لمعرفة كيفية قتل المزيد من الأشخاص بشكل أكثر كفاءة، أو جني أكبر قدر من المال لعدد قليل من الشركات حول العالم".
الرابط (إنجليزي)
الذكاء الاصطناعي يدخل مجال اكتشاف المحفزات الكيميائية
ابتكر فريق من الباحثين بجامعة فرجينيا للتقنية منظومة للذكاء الاصطناعي يمكنها تسريع خطوات اكتشاف المحفزات الصناعية المهمة، التي تدخل في كثير من التقنيات الحديثة مثل خلايا الوقود ووسائل الحد من الانبعاثات الكربونية.
ويقول الباحث هونج ليانج تشين، الاستاذ المساعد بقسم الهندسة الكيميائية في الجامعة، إن المنظومة الجديدة، التي يطلق عليها اسم "تين نيت"، تعتمد على المعادلات الخوارزمية للذكاء الاصطناعي من أجل التعرف على المحفزات الجديدة التي تساعد في تسريع المعادلات الكيميائية.
ويهدف تشين وزملاؤه، من خلال الدراسة التي أوردتها دورية "نيتشر كوميونيكيشنز"، إلى توظيف الذكاء الاصطناعي في مجال تطوير المحفزات، من أجل ابتكار تقنيات أفضل في مجالات توليد الطاقة وتصنيع منتجات لتحسين جودة حياة البشر. ويوضح أن "حوالي 90% من المنتجات التي نراها اليوم تأتي في الحقيقة من المحفزات، وتكمن الفكرة في إيجاد المحفز الفعال الذي يناسب كل تطبيق، خاصة وأن التوصل إلى المحفزات الجديدة مسألة تنطوي على صعوبة".
واستطرد قائلاً إن "فهم طريقة تفاعل المحفزات مع الوسائط المختلفة، وكذلك كيفية السيطرة على الروابط الكيميائية بين المواد هو السر وراء ابتكار محفزات فعالة"، مضيفاً أن منظومة الذكاء الاصطناعي الجديدة التي نجحوا في ابتكارها تستطيع الاضطلاع بهذا الدور. ويرى تشين أن المعادلات الخوارزمية للذكاء الاصطناعي يمكن أن تكون عاملاً مساعداً لأنها تتعرف على الأنماط المعقدة في قواعد البيانات الضخمة، وهي مسألة صعبة بالنسبة للبشر، غير أنه أشار إلى أن تقنيات التعلم العميق لديها أوجه قصور لاسيما عندما يتعلق الأمر بالتنبؤ بالتفاعلات الكيميائية بالغة التعقيد، وهي مسألة مهمة من أجل تحديد المواد التي تناسب الوظائف المطلوبة للمحفزات.
الرابط
جهاز محاكاة بجامعة إم آي تي يتيح للروبوتات تطوير أجسام وأدمغة
لكي يتمكن الروبوت من حل مهمة ما، يجب أن يتزامن دماغه وجسمه بشكل مثالي لإنجاز المهمة. لنفترض أنك أردت بناء أفضل روبوت في العالم لتسلق السلالم. يجب أن تمنح الروبوت بعض الأرجل والأقدام ذات التقنية العالية، إلى جانب خوارزمية قوية لتمكينه من التسلق.
وعلى الرغم من أن الجسم المادي والدماغ "عنصر التحكم" هما المكونان الأساسيان اللذان يتيحان للروبوت التحرك، إلا أن البيئات المعيارية الحالية تفضل العنصر الأخير فقط، لاسيما وأن تحسين كلا العنصرين معاً (أو ما يُعرف باسم التصميم المشترك) يعد أمراً صعباً ويستغرق وقتاً طويلاً. لذا، فإن النهج المعتاد حالياً هو تصميم جسم الروبوت ثم تدريب الذكاء الاصطناعي للتحكم فيه. ولكن الحل الأفضل هو تنفيذ كلا العمليتين في وقت واحد، بحيث يمكن للذكاء الاصطناعي أن يعطي ملاحظات حول كيف أن التغييرات التي تطرأ على الجسم تجعل حل المشكلة أسهل أو أكثر صعوبة.
في محاولة لحل هذه المشكلة، أنشأ فريق من مختبر علوم الحاسوب والذكاء الاصطناعي (CSAIL) التابع لجامعة إم آي تي جهاز محاكاة تصميم مشترك يسمى (Evolution Gym) يسمح للباحثين باختبار مناهجهم على مجموعة واسعة من المهام والتضاريس باستخدام إطار تصميم روبوتات قابل للتخصيص. كما تم تصميم المحاكي أيضاً بحيث يمكن للمجموعات ذات موارد الحوسبة الأقل استخدامه.
تبدو الروبوتات في جهاز المحاكاة -الذي سيتم تقديمه في مؤتمر أنظمة معالجة المعلومات العصبونية- وكأنها مكعبات متحركة في لعبة الفيديو الشهيرة (تتريس) تتكون من "خلايا" مرنة وصلبة بداخل شبكة. يتم اختبار هذه الروبوتات في 30 مهمة مختلفة تشمل المشي والتسلق والتلاعب بالأشياء وتغيير الشكل والقفز فوق العوائق وحمل الأشياء أو سحبها. ويُسمح لخوارزميات التصميم بناء روبوتات عن طريق ربط الخلايا معاً. وتتعلم خوارزمية تعلم معزز عميق بعد ذلك كيفية التحكم في هذه الروبوتات، وتعطي ملاحظات لخوارزمية التصميم حول مدى جودتها في أداء المهام المختلفة. ومن خلال تكرار هذه العملية عدة مرات، يمكن لهذين النوعين من الخوارزميات الوصول إلى أفضل تركيبة ممكنة للجسم والدماغ للتغلب على التحدي.
كان أداء الروبوتات المصممة بشكل مشترك جيداً في المهام الأبسط، مثل المشي أو حمل الأشياء، لكنها واجهت تحديات أكثر صعوبة، مثل الالتقاط والرفع، ما يشير إلى وجود مجال كبير للتقدم في خوارزميات التصميم المشترك. وبشكل عام، تفوقت الروبوتات المصممة بالذكاء الاصطناعي على تلك التي صممها البشر في أداء كل المهام تقريباً. ومن المثير للاهتمام أن العديد من روبوتات التصميم المشترك اتخذت أشكالاً مشابهة للحيوانات الحقيقية. فتطور أحدها ليشبه الحصان الراكض، بينما طور آخر ذراعين وساقين وتسلق إلى حد ما مثل القرد.
الرابط (إنجليزي)
|
