هل تتذكر الشعور المذهل والوحي عندما اكتشفت لأول مرة وجود السبب والنتيجة؟ هذا سؤال خدعة. يبدأ الأطفال في تعلم مبدأ السببية منذ عمر ثمانية أشهر، مما يساعدهم على التوصل إلى استنتاجات أولية حول العالم من حولهم. لكن معظمنا لا يتذكر الكثير قبل سن الثالثة أو الرابعة تقريبًا، لذا فإن الدرس المهم المتمثل في "لماذا" هو شيء نأخذه ببساطة على أنه أمر مسلم به.
إنه ليس درسًا حاسمًا يجب أن يتعلمه البشر فحسب، بل هو أيضًا درس تعتبر أنظمة الذكاء الاصطناعي الحالية سيئة للغاية فيه. في حين أن الذكاء الاصطناعي الحديث. قادر على التغلب على اللاعبين البشريين في Go وقيادة السيارات في الشوارع المزدحمةهذا لا يمكن مقارنته بالضرورة بنوع الذكاء الذي قد يستخدمه البشر لإتقان هذه القدرات. وذلك لأن البشر - حتى الأطفال الصغار - يمتلكون القدرة على التعميم من خلال تطبيق المعرفة من مجال إلى آخر. بالنسبة إلى أ. للارتقاء إلى مستوى إمكاناتها، هذا هو شيء يحتاج أيضًا إلى أن يكون قادرًا على القيام به.
مقاطع الفيديو الموصى بها
"على سبيل المثال، إذا تعلم الروبوت كيفية بناء برج باستخدام بعض الكتل، فقد يرغب في نقل هذه المهارات إلى بناء جسر أو حتى هيكل يشبه المنزل".
أسامة أحمد، طالب ماجستير في ETH زيورخ في سويسرا، قال لـ Digital Trends. "إحدى الطرق لتحقيق ذلك قد تكون تعلم العلاقات السببية بين متغيرات البيئة المختلفة. أو تخيل أن روبوت تري فينجر مستعمل في العالم السببي يفقد فجأة إصبعًا واحدًا بسبب عطل في الأجهزة. كيف لا يزال بإمكانه بناء شكل الهدف بإصبعين فقط بدلاً من ذلك؟فيديو السببية العالمية
عالم التدريب الافتراضي للآلات
العالم السببي هو ما فريدريك تراوبل، شهادة دكتوراه. وهو طالب في معهد ماكس بلانك للأنظمة الذكية في ألمانيا، ويُشار إليه باسم "معيار التلاعب". إنها خطوة نحو تطوير الأبحاث حتى تتمكن العوامل الآلية من تعميم التغييرات المختلفة في خصائص البيئة بشكل أفضل، مثل كتلة أو شكل الجسم. أشياء. على سبيل المثال، إذا تعلم الروبوت التقاط شيء معين، فمن الممكن أن نتوقع ذلك بشكل معقول يمكنه نقل هذه القدرة إلى أشياء أثقل، طالما أنه يفهم السببية الصحيحة علاقة.
إن نوع بيئة التدريب الافتراضية التي اعتدنا أن نسمع عنها في أفلام الخيال العلمي هي تلك الموجودة في، على سبيل المثال، المصفوفة: عالم افتراضي لا تنطبق عليه القواعد. في عالم السببية، حيث يمكن للباحثين تدريب وتقييم أساليبهم بشكل منهجي في البيئات الروبوتية، فإن الأمر على العكس تماما. الأمر كله يتعلق بتعلم القواعد وتطبيقها. يمكن تكليف عملاء الروبوت بمهام مشابهة لتلك التي يشارك فيها الأطفال عندما يلعبون بالمكعبات للقيام بالتكديس والدفع وغيرها من ألعاب السبب والنتيجة. يمكن للباحثين التدخل لاختبار قدرات التعميم لدى الروبوت أثناء تعلمه. إنها في الأساس بيئة اختبار ستساعد في تقييم كيفية عمل الذكاء الاصطناعي. يمكن للوكلاء التعميم.
"معظم الذكاء الاصطناعي الحديث. يعتمد على التعلم الإحصائي، الذي يدور حول استخلاص المعلومات الإحصائية - على سبيل المثال، الارتباطات - من البيانات. برنهارد شولكوبفوقال مدير معهد ماكس بلانك للاتجاهات الرقمية. "هذا شيء عظيم لأنه يسمح لنا بالتنبؤ بكمية واحدة من الكميات الأخرى، ولكن فقط طالما لم يتغير شيء. عندما تتدخل في نظام ما، فإن كل الرهانات تنتهي. للتنبؤ في مثل هذه الحالات، نحتاج إلى تجاوز التعلم الإحصائي، نحو السببية. في النهاية، إذا كان الذكاء الاصطناعي المستقبلي. هو أن يكون حول التفكير بمعنى "التصرف في مساحات متخيلة"، فإن التدخلات هي المفتاح، وبالتالي يجب أن تؤخذ السببية في الاعتبار.
توصيات المحررين
- قد تأتي الروبوتات الأمنية إلى مدرسة قريبة منك
- تستخدم أمازون الذكاء الاصطناعي لتلخيص مراجعات المنتجات
- تخطط أمازون لإجراء تغييرات "مرة واحدة في الجيل" على البحث، حسبما يكشف إعلان الوظائف
- يحصل Google Smart Canvas على تكامل أعمق بين التطبيقات
- أحدث تقنيات الذكاء الاصطناعي من نفيديا. تثبت النتائج أن ARM جاهز لمركز البيانات
ترقية نمط حياتكتساعد الاتجاهات الرقمية القراء على متابعة عالم التكنولوجيا سريع الخطى من خلال أحدث الأخبار ومراجعات المنتجات الممتعة والمقالات الافتتاحية الثاقبة ونظرات خاطفة فريدة من نوعها.
