العيش مع الكائنات الفضائية

محمد عبد الكريم يوسف
مدرب ومترجم وباحث
(Mohammad Abdul-karem Yousef)

الحوار المتمدن-العدد: 8618 - 2026 / 2 / 14 - 22:28
المحور: قضايا ثقافية
    

العيش مع الكائنات الفضائية (نص محاضرة إيوان لعام 2026 للأستاذ جيفري هينتون)

ملاحظات المحرر: لم يعد الذكاء الاصطناعي مجرد أداة، بل يتحول بسرعة إلى نوع جديد من الذكاء قادر على التعلم والمشاركة والتطور بطرق تختلف جوهريًا عن الدماغ البشري. في محاضرة إيوان هذه، يشرح جيفري هينتون آلية عمل أنظمة الذكاء الاصطناعي الحديثة، ولماذا يعتقد أنها "تفهم" اللغة حقًا، وكيف قد تتفوق علينا العقول الرقمية قريبًا في جميع المجالات تقريبًا. ثم يتناول السؤال الوجودي: كيف نتعايش مع ذكاء اصطناعي فائق قادر على تحديد أهدافه الخاصة، وتجميع المعرفة بسرعة تفوق سرعة أي إنسان، وربما السيطرة؟ تابعونا بينما يستعرض هينتون المخاطر ويقدم اقتراحًا مثيرًا لبناء ذكاء اصطناعي يهتم بحماية البشرية أكثر من اهتمامه بنفسه. (29 يناير 2026)
نص:
الكلمات الافتتاحية
نيخيل أرورا: حسنًا، لنبدأ. أهلًا بكم جميعًا في سلسلة محاضرات جورج ومورين يوين لشتاء 2026. أنا نيخيل أرورا، مسؤول التعليم والتوعية في معهد آرثر ب. ماكدونالد الكندي لأبحاث فيزياء الجسيمات الفلكية، أو كما يُعرف اختصارًا بمعهد ماكدونالد. نحن مجتمع من العلماء والجامعات ومختبرات الأبحاث في جميع أنحاء كندا، نكشف بعضًا من أكبر ألغاز الكون من خلال دراسة أصغر الجسيمات فيه. شكرًا لكم جميعًا على حضوركم الليلة. أعتقد أن لدينا محاضرة مهمة للغاية اليوم، وآمل أن تُلهمكم الكثير من التعلم وتُثير نقاشًا مثمرًا.
مع بداية كلمتي، أودّ أن أُشير إلى أننا نقف على الأراضي التقليدية لشعوب أنيشينابي وهودينوسوني، وللعديد من الشعوب الأصلية التي سبقتهم. أُقدّر الفرصة والامتياز اللذين حظيت بهما لتحقيق حلمي كعالم فيزياء فلكية، والتعرّف على هذا الكون المذهل من هذه الأراضي. أدعوكم جميعًا إلى التأمّل في صلاتكم بهذه الأراضي والسماء التي تعلو رؤوسنا. كما أدعوكم إلى استكشاف مصادر مثل "Who s Dot Land" و"Native Skywatchers" لمعرفة المزيد عن الماضي والحاضر والمستقبل، وعن حُماة هذه الأراضي وقصصهم.
خدمة تنظيف الغرف
حسنًا، قبل أن نبدأ، هناك بعض القواعد التنظيمية التي يجب مراعاتها. أرجو منكم الآن إغلاق رنين هواتفكم أو وضعها على الوضع الصامت. ستكون المحاضرة حوالي ٥٠ دقيقة. في نهاية المحاضرة، ستُعقد جلسة أسئلة وأجوبة. أرغب في ضمان نقاش بنّاء ومثمر خلال هذه الجلسة، وأريد منح أكبر عدد ممكن من الحضور فرصة طرح أسئلتهم على البروفيسور هينتون. لذا أرجو منكم الاكتفاء بسؤال واحد لكل شخص. لن تُطرح أسئلة متابعة، ولكن يُرجى أيضًا الإيجاز في طرح أسئلتكم. كما أننا نلتزم بإجراءات مشابهة لإجراءات الوقاية من كوفيد-١٩، لذا نرجو منكم في نهاية المحاضرة احترام المساحة الشخصية للبروفيسور هينتون والمتحدثين المشاركين في هذا الحدث.
حسنًا، كما ذكرتُ سابقًا، هذه سلسلة محاضرات إيوان، حيث سنستمع إلى البروفيسور جيفري هينتون حول كيفية التعايش مع الذكاء الاصطناعي فائق الذكاء. أودّ أولًا أن أرحّب بالدكتور توني نوبل، الأستاذ في قسم الفيزياء والهندسة الفيزيائية وعلم الفلك بجامعة كوينز، والمدير العلمي لمعهد آرثر ب. ماكدونالد الكندي لأبحاث فيزياء الجسيمات الفلكية، ليلقي كلمةً موجزةً عن جورج ومورين إيوان وسلسلة المحاضرات هذه التي تحمل اسمهما. تفضلوا بالترحيب بالبروفيسور توني نوبل.
مقدمة من الدكتور توني نوبل
الدكتور توني نوبل: من دواعي سروري حقًا رؤية هذا الحشد الكبير هنا. لذا أردت أن أقول بضع كلمات عن سلسلة المحاضرات التي سُميت تكريمًا لجورج إيوان. كان جورج أستاذًا للفيزياء هنا في جامعة كوينز لسنوات عديدة، وهو شخصية مرموقة عالميًا في الفيزياء النووية وفيزياء الجسيمات. كان أحد الأعضاء المؤسسين والمتحدث الكندي، بل أول متحدث كندي، لما كان يُعرف باسم مرصد سادبري للنيوترينو (SNO)، وهو تجربة أُجريت على عمق كيلومترين تحت الأرض في سادبري، وحلّت ما كان يُعرف بمشكلة نيوترينو الشمس، والتي أدت إلى حصول أستاذنا آرت ماكدونالد على جائزة نوبل عام 2015. وبينما أنظر إلى الصفوف وإلى الحشد، أرى العديد من أعضاء هيئة التدريس الذين شاركوا في تقديم هذا البرنامج.
انطلاقًا من رؤيته الثاقبة، قرر تخصيص بعض الأموال لدعم سلسلة محاضرات. كان حريصًا جدًا على التواصل مع الطلاب، وكما سترون، كان هذا جزءًا مما وضعه. كان أيضًا رائدًا في المجال التقني، إذ اخترع ما يُعرف بكاشفات الجرمانيوم المُنجرفة بالليثيوم، وهو مصطلح قد يبدو معقدًا، ولكنه في الأساس عبارة عن مستشعر ضوئي كان بالغ الأهمية للعلوم المتقدمة في الفيزياء النووية وفيزياء الجسيمات، فضلًا عن أهميته البالغة في التصوير الطبي وما شابه. لذا، نعقد هذه المحاضرة مرتين سنويًا تقريبًا.
بالطبع، حققنا بعض النجاحات خلال جائحة كوفيد-19، والهدف الأساسي هو أن نكون جسراً يربط بين استضافة الجمهور للاستماع إلى نخبة من الخبراء العالميين في مواضيع مختلفة ذات صلة بعملنا في معهد ماكدونالد، ولكن بطريقة تُمكّن الجمهور من التفاعل والفهم، بحيث لا تكون محاضرة علمية مُعقدة. كانت هذه رؤية جورج، وهي استضافة خبراء عالميين، والتواصل مع الجمهور والطلاب، وبشكل عام، يقضي الضيوف بضعة أيام هنا، ويحظون بفرصة التعرف على الكثير من الناس وتنمية هذا المجتمع.
تقديم البروفيسور جيفري هينتون
لتقديم متحدثنا الليلة، فكرتُ أنه من الأنسب أن أترك الذكاء الاصطناعي يُملي عليّ ما يجب أن تكون عليه سيرته الذاتية، وسنرى كيف ستكون النتيجة. عندما طلبتُ من الذكاء الاصطناعي كتابة سيرة ذاتية قصيرة وجذابة للأستاذ هينتون، كانت هذه هي النتيجة، ويمكنكم الحكم بأنفسكم إن كانت قصيرة وجذابة.
جيفري هينتون هو عالم حاسوب وعالم نفس معرفي بريطاني كندي، وقد ساهمت أبحاثه الرائدة بشكل أساسي في تحديد العصر الحديث للذكاء الاصطناعي.
يُعرف عالميًا، ولا أدري إن كان هذا اللقب يُعجبك أم لا، بلقب "عراب الذكاء الاصطناعي"، وهو حاليًا أستاذ فخري للفيزياء في جامعة تورنتو، كما ترى هنا، وكبير المستشارين العلميين في معهد فيكتور. وإذا لم تكن تعرف معهد فيكتور، فهو مؤسسة مستقلة غير ربحية تُعنى بأبحاث الذكاء الاصطناعي.
على مدى عقود طويلة، دافع البروفيسور هينتون عن تطوير الذكاء الاصطناعي باستخدام الشبكات العصبية، رغم أن معظم الباحثين في ذلك الوقت كانوا يركزون على جوانب أخرى من الذكاء الاصطناعي. وقد حققوا إنجازًا تاريخيًا في عام 2012، أثبت أن الشبكات العصبية العميقة تتفوق بشكل كبير على الأساليب التقليدية في مجالات مثل التعرف على الصور.
هو واحد من قلةٍ قليلةٍ على وجه الأرض ممن حازوا على اثنتين من أرفع الجوائز، جائزة نوبل في الفيزياء، وجائزة تورينج في الحوسبة، والتي تُعرف أيضاً باسم جائزة نوبل في الحوسبة. شغل منصب نائب الرئيس وزميل الهندسة في جوجل لعقدٍ من الزمن، ثم استقال منها عام ٢٠٢٣، على ما يبدو في جوٍّ وديّ، مما أتاح له فرصةً للتحدث بحريةٍ عن بعض الأمور التي كانت تُقلقه، كالمخاطر الوجودية، وكيفية دمج الذكاء الاصطناعي بأمان، وكيفية إعطاء الأولوية للتنمية المسؤولة، وما شابه ذلك.
لذا، لم يقتصر عمله على إحداث ثورة في كيفية إدراك الآلات للعالم فحسب، بل غيّر أيضاً فهمنا للعلاقة بين الذكاء الاصطناعي والذكاء البيولوجي. هذا ما أخبرني به الذكاء الاصطناعي.
ما وراء السيرة الذاتية المولدة بالذكاء الاصطناعي
أغفلوا بعض الأمور. سجله الجنائي طويل للغاية، لذا لم أكن لأخوض فيه. لم يذكر حصوله على بكالوريوس الآداب في علم النفس من جامعة كامبريدج، ودكتوراه في الذكاء الاصطناعي من جامعة إدنبرة، ولم يخبرني بأنه حقق إنجازًا جديدًا، وهو مليون استشهاد على جوجل، أي الاستشهادات التي يحصل عليها الباحث عندما يبذل أحدهم جهدًا لقراءة بحثه، وهذا يعني أنني وصلت إلى حوالي سبعة استشهادات أو ما شابه.
وهناك أمر آخر، لأنني تأثرت كثيراً بما قرأت، بل استمعت إلى مقابلة على إذاعة سي بي سي، وفي تلك المقابلة، أثناء المقابلة، ذُكر أنه تبرع بنصف جائزته لدعم معالجة المياه في المجتمعات الأصلية في الشمال، وكان ذلك مؤثراً للغاية، وقد أضفته اليوم في الملاحظات الجانبية، لأنه بالمصادفة، هنري جيرو، الغائب عنا لأنه في السادسة من عمره وهو طريح الفراش، هو من طرح الفكرة. لا أدري إن كنتم تعلمون، لكن شعب كاشيشيوان قد تم إجلاؤهم.
كثير منهم هنا في كينغستون، يعيشون في الفنادق، وجميع الأطفال يشعرون بالملل الشديد، فقال لوالده، وهو جزء من معهد ماكدونالد، لماذا لا تأخذهم إلى معهد ماكدونالد وتُريهم مركز الزوار الخاص بك وما إلى ذلك، وفكرت فقط، أوه، هذه علاقة لطيفة للغاية، كما تعلم، محاولة تحسين حياة السكان الأصليين لدينا الذين يعانون بسبب أشياء لا ينبغي أن يعانوا منها، مثل الأمن المائي وما إلى ذلك.
إذن، ودون مزيد من الإطالة، أنا متأكد من أننا سنسمع الكثير عن الذكاء الاصطناعي، وكذلك عن الآثار الإنسانية لتطبيقاته، وذلك على لسان البروفيسور جيفري هينتون، وسأرحب بكم على المنصة. شكرًا لكم.
فهم كيفية عمل الذكاء الاصطناعي
الأستاذ جيفري هينتون: شكرًا. لقد نسيتُ العنوان، لكن هذا يعطيك فكرة عن عنوانين محتملين للمحاضرة. سأحاول شرح كيفية عمل الذكاء الاصطناعي لمن لا يفهمون آلية عمله. لذا، إذا كنتَ تفهم آلية عمله، سواءً كنتَ طالبًا في علوم الحاسوب أو فيزيائيًا تستخدم هذه التقنيات، فيمكنك الاسترخاء قليلًا. أو يمكنك مراجعة شرحي للتأكد من صحته.
نموذجان مختلفان للذكاء الاصطناعي في خمسينيات القرن العشرين
حسنًا، في خمسينيات القرن الماضي، كان هناك نموذجان مختلفان للذكاء الاصطناعي. كان هناك النهج الرمزي، الذي افترض أن الذكاء يجب أن يعمل كالمنطق. كان علينا أن نمتلك تعبيرات رمزية في أذهاننا، وأن نضع قواعد للتعامل معها. وهكذا نستنتج تعبيرات جديدة. وهذا هو جوهر الاستدلال، وهذا هو جوهر الذكاء. لم يكن هذا نهجًا بيولوجيًا، بل كان أقرب إلى النهج الرياضي.
كان هناك نهج مختلف تمامًا، وهو النهج البيولوجي، حيث يُفترض أن الذكاء يكمن في شبكة عصبية، شبكة من أشياء مثل خلايا الدماغ. وكان السؤال الأساسي هو: كيف نتعلم قوة الروابط في هذه الشبكة؟
كان فون نيومان وتورينغ من بين الأشخاص الذين آمنوا بالنهج البيولوجي. لسوء الحظ، توفي كلاهما في سن مبكرة، وسيطر على مجال الذكاء الاصطناعي أشخاص آمنوا بالنهج المنطقي.
نظريتان لمعنى الكلمة
إذن، هناك نظريتان مختلفتان تمامًا حول معنى الكلمة. يعتقد أصحاب المنهج المنطقي أن المعنى يُفهم على أفضل وجه بالمصطلحات التي طرحها دي سوسير قبل أكثر من قرن. فمعنى الكلمة ينبع من علاقاتها بكلمات أخرى. لذا، رأى المختصون في الذكاء الاصطناعي أن كيفية ارتباط الكلمات ببعضها في الجمل أو القضايا هي التي تُعطي معناها. وبالتالي، لفهم معنى كلمة ما، نحتاج إلى نوع من الرسم البياني العلائقي. نحتاج إلى عقد للكلمات وأقواس بينها، وربما تسميات على الأقواس توضح كيفية ارتباطها، أو ما شابه ذلك.
في علم النفس، كانت لديهم نظرية مختلفة تمامًا للمعنى. كان معنى الكلمة عبارة عن مجموعة كبيرة من السمات. فعلى سبيل المثال، كلمة "الثلاثاء" لها معنى. كانت هناك مجموعة كبيرة من السمات الدالة على يوم الثلاثاء، مثل أنه يتعلق بالوقت وما شابه. وكانت هناك مجموعة كبيرة من السمات لكلمة "الأربعاء"، وكانت هذه المجموعة متشابهة تقريبًا، لأن كلمتي "الثلاثاء" و"الأربعاء" تحملان معاني متقاربة جدًا.
لذا، كانت نظرية علم النفس مفيدة جدًا في توضيح مدى تشابه الكلمات في معانيها. لكن يبدو أن هاتين النظريتين مختلفتان تمامًا في فهم المعنى. الأولى، أن المعنى ضمني في كيفية ارتباط الكلمة بكلمات أخرى في الجمل، والأخرى، أن المعنى مجرد مجموعة كبيرة من الخصائص. وبالطبع، بالنسبة للشبكات العصبية، إحدى هذه الخصائص هي خلية عصبية اصطناعية، فتصبح نشطة إذا كانت الكلمة تحمل تلك الخاصية، وغير نشطة إذا لم تكن كذلك.
توحيد النظريتين
تبدو نظريتان مختلفتان، لكن في عام ١٩٨٥، أدركتُ أنهما في الحقيقة وجهان لعملة واحدة. يمكن توحيد هاتين النظريتين. وقد فعلتُ ذلك باستخدام نموذج لغوي مصغر لأن الحواسيب كانت صغيرة آنذاك. في الواقع، كانت كبيرة جدًا، لكنها لم تكن ذات فائدة تُذكر.
الفكرة هي أن تتعلم مجموعة من الخصائص لكل كلمة، وتتعلم كيف تجعل خصائص الكلمة السابقة تتنبأ بخصائص الكلمة التالية. في البداية، أثناء التعلم، لا تتنبأ هذه الخصائص بخصائص الكلمة التالية بدقة، لذا تُراجع الخصائص التي تُسندها لكل كلمة، وتُراجع طريقة تفاعل هذه الخصائص حتى تتنبأ بالكلمة التالية بشكل أفضل. ثم تأخذ هذا التباين، أي الفرق بين مدى دقة التنبؤ بالكلمة التالية، أو بالأحرى الاحتمالية التي تُعطيها للكلمة التالية الفعلية التي وردت في النص، وتأخذ التباين بين الاحتمالية التي تُعطيها والاحتمالية المطلوبة، وهي واحد، وتُعمم هذا التباين عكسيًا عبر الشبكة.
باختصار، أنت ترسل المعلومات مرة أخرى عبر الشبكة، وباستخدام حساب التفاضل والتكامل، الذي لن أشرحه، يمكنك معرفة كيفية تغيير قوة الاتصال في الشبكة، بحيث في المرة القادمة التي ترى فيها هذا السياق، أو سلسلة الكلمات السابقة، أو ما يسمى الآن بالموجه، ستكون أفضل في توقع الكلمة التالية.
في هذا النوع من الأنظمة، تكمن المعرفة في كيفية تحويل الكلمات إلى متجهات مميزة، وكيفية تفاعل هذه المتجهات مع بعضها البعض للتنبؤ بمتجهات الكلمة التالية. لا توجد سلاسل نصية مخزنة، ولا جمل مخزنة. كل شيء يعتمد على قوة الروابط التي تحدد كيفية تحويل الكلمة إلى متجهات مميزة وكيفية تفاعل هذه المتجهات.
إذن، تكمن كل هذه المعرفة العلائقية في قوة الروابط هذه، ولكنك درّبتها على مجموعة كبيرة من الجمل. أنت بذلك تأخذ هذه المعرفة حول المعنى، وهي معرفة ضمنية في كيفية ارتباط الكلمات ببعضها في الجمل، وهذا هو منظور الذكاء الاصطناعي الرمزي للمعنى، وتقوم بتحويلها باستخدام خوارزمية الانتشار العكسي، لتحويل الكلمة إلى سمات وكيفية تفاعل هذه السمات.
باختصار، لديك آلية تحوّل هذه المعرفة الضمنية إلى معرفة مخزّنة في مجموعة من نقاط قوة الروابط ضمن شبكة عصبية. ويمكنك أيضًا القيام بالعكس، فبوجود كل هذه المعرفة في نقاط قوة الروابط، يمكنك الآن توليد جمل جديدة. لذا، لا تخزّن أنظمة الذكاء الاصطناعي الجمل فعليًا، بل تحوّلها إلى خصائص وتفاعلات، ثم تولّد الجمل عند الحاجة.
من النماذج الصغيرة إلى المتحولين
لذا، على مدى الثلاثين عامًا التالية تقريبًا، استخدمتُ مثالًا صغيرًا جدًا بمئة مثال تدريبي فقط، وكانت الجمل تتألف من ثلاث كلمات فقط، وكان عليك التنبؤ بالكلمة الأخيرة من الكلمتين الأوليين. بعد حوالي عشر سنوات، أصبحت الحواسيب أسرع بكثير، وأثبت يوشوا بنجيو أن نفس الأسلوب يُجدي نفعًا مع الجمل الحقيقية، أي أخذ جمل إنجليزية ومحاولة التنبؤ بالكلمة التالية، وقد أثبت هذا الأسلوب نجاحًا كبيرًا.
بعد ذلك، استغرق الأمر حوالي عشر سنوات قبل أن يقتنع كبار علماء اللغويات الحاسوبية أخيرًا بأن متجه السمات هو في الواقع طريقة جيدة لتمثيل معنى الكلمة، وأطلقوا عليه اسم "التضمين". واستغرق الأمر عشر سنوات أخرى قبل أن يتوصل باحثو جوجل إلى طريقة متطورة لتفاعل السمات، أطلقوا عليها اسم "المُحوِّل"، مما مكّن جوجل من إنشاء نماذج لغوية أفضل بكثير، ثم أطلقت جوجل نموذج CHAT-GPT، وهو اختصار لـ "المُحوِّل المُدرَّب مسبقًا التوليدي".
لم تُصدر جوجل هذا البرنامج للعالم لأنها كانت قلقة بشأن ما قد يفعله، لكن برنامج CHAT-GPT لم يكن لديه مثل هذه المخاوف، والآن نعلم جميعًا ما يمكنه فعله.
نماذج اللغة الكبيرة اليوم
لدينا الآن نماذج لغوية ضخمة. أعتبرها امتدادًا لنموذجي اللغوي الصغير، وهذا متوقع، أليس كذلك؟ فهي تستخدم عددًا أكبر بكثير من الكلمات كمدخلات، وطبقات أكثر من الخلايا العصبية، وتفاعلات أكثر تعقيدًا بين الميزات. لن أشرح هذه التفاعلات في حديثي مع جمهور عام، لكنني سأحاول أن أوضحها لكم عندما أقدم لكم تشبيهًا موسعًا لفهم اللغة بعد قليل.
أعتقد أن طريقة فهم نماذج اللغة الضخمة للجمل تشبه إلى حد كبير طريقة فهمنا لها. فعندما أسمع جملة، أقوم بتحويل الكلمات إلى متجهات سمات كبيرة، وتتفاعل هذه السمات لأتمكن من التنبؤ بما سيأتي لاحقًا. وفي الواقع، هذا ما أفعله أيضًا عندما أتحدث. لذا أعتقد أن نماذج اللغة الضخمة تفهم ما تقوله حقًا. لا يزال هناك بعض الجدل، فهناك من أتباع تشومسكي يقولون: لا، لا، إنها لا تفهم شيئًا، إنها مجرد خدعة إحصائية غبية. لا أفهم كيف يمكنها، وهي لا تفهم شيئًا، أن تجيب على أي سؤال يُطرح عليها بمستوى خبير غير كفء وغير نزيه، إذا كانت مجرد خدعة إحصائية غبية.
تشبيه اللغة بمكعبات الليغو
حسنًا، إليكم تشبيهي. هذا التشبيه موجهٌ تحديدًا لعلماء اللغة لشرح كيفية عمل اللغة. اللغة تدور حول المعنى، وما حدث هو أن أحد أنواع القردة العليا اكتشف حيلةً للنمذجة. فاللغة في الواقع طريقةٌ لنمذجة الأشياء، ويمكنها نمذجة أي شيء. لنبدأ إذًا بطريقةٍ مألوفةٍ لنمذجة الأشياء، وهي مكعبات الليغو. إذا أردتُ نمذجة شكل سيارة بورش، وتحديد أماكن أجزائها، يُمكنني نمذجتها بشكلٍ جيدٍ باستخدام مكعبات الليغو. الآن، إذا كنتَ فيزيائيًا، فستقول: نعم، لكن السطح سيتأثر بديناميكيات الرياح بشكلٍ خاطئ، إنه أمرٌ ميؤوسٌ منه. هذا صحيح، لكن لتحديد أماكن الأجزاء، يُمكنني فعل ذلك بشكلٍ جيدٍ باستخدام مكعبات الليغو.
الكلمات أشبه بمكعبات الليغو، هذا تشبيه، لكنها تختلف عنها في أربعة جوانب على الأقل. أولها أنها متعددة الأبعاد. صحيح أن مكعبات الليغو لها درجات حرية عديدة، فهي مستطيلة الشكل تقريبًا. يمكنك تمديدها، ويمكنك الحصول على مكعبات ليغو بأحجام مختلفة، لكن لكل مكعب شكل ثابت ودرجات حرية محدودة. أما الكلمة فليست كذلك. الكلمة متعددة الأبعاد، فلها آلاف الأبعاد. والأكثر من ذلك، أن شكلها ليس محددًا مسبقًا، بل له شكل تقريبي. الكلمات الغامضة لها عدة أشكال تقريبية، لكن شكلها يتغير ليتناسب مع السياق. لذا فهي تختلف في كونها متعددة الأبعاد، وفي أنها لها شكل افتراضي قابل للتغيير.
قد يجد بعضكم صعوبة في تخيل الأشياء بألف بُعد، لذا إليكم الطريقة. تخيلوا الأشياء بثلاثة أبعاد، ثم رددوا كلمة "ألف" بصوت عالٍ.
ثمة فرق آخر يتمثل في كثرة الكلمات، إذ يستخدم كل منكما حوالي 30 ألف كلمة، ولكل كلمة اسم. ومن المفيد جدًا أن يكون لكل كلمة اسم، لأن ذلك ما يسمح لنا بالتواصل فيما بيننا.
كيف تترابط الكلمات
كيف تترابط الكلمات؟ حسنًا، بدلًا من تركيب أسطوانات بلاستيكية صغيرة في ثقوب بلاستيكية صغيرة، كما هو الحال في مكعبات الليغو، تخيّل كل كلمة كأنها تمتلك أذرعًا طويلة مرنة، وفي نهاية كل ذراع يد. وعندما أغيّر شكل الكلمة، يتغير شكل اليدين. لذا، يعتمد شكل اليدين على شكل الكلمة، ومع تغيير شكل الكلمة، يتغير شكل اليدين. للكلمة أيضًا مجموعة من القفازات الملتصقة بها، حيث تلتصق أطراف الأصابع بالكلمة، إذا فكّرنا من منظور مكعبات الليغو.
وما تفعله عندما تفهم جملة هو أنك تبدأ بالأشكال الافتراضية لجميع هذه الكلمات، ثم ما عليك فعله هو معرفة كيف يمكنني تشويه الكلمات، وبينما أقوم بتشويه الكلمات، تتشوه أشكال الأيدي المتصلة بها، بحيث يمكن للكلمات أن تتناسب مع قفازات الكلمات الأخرى ويمكننا الحصول على بنية كاملة حيث تتصل كل كلمة بالعديد من الكلمات الأخرى لأننا شوهناها بشكل صحيح وشوهنا الكلمة الأخرى بشكل صحيح، لذا فإن أيدي هذه الكلمة تتناسب مع قفازات تلك الكلمة.
هذا ليس دقيقًا تمامًا. إنه يعطيك فكرة عامة عما يحدث في عالم المتحولون. أي شخص يعرف المتحولين الحقيقيين سيلاحظ أن الأيدي تشبه علامات الاستفهام في المفاتيح. ليس دقيقًا تمامًا، لكنه سيعطي من ليس معتادًا على عالم المتحولون فكرة عامة عما يحدث.
إذن، أنت والحاسوب، عند قيامك بذلك، تواجهان مشكلة معقدة: كيف يمكنني إعادة ترتيب كل هذه الكلمات لتتلاءم معًا بشكل متناسق؟ ولكن إذا استطعت فعل ذلك، عندما تتلاءم الكلمات معًا بشكل متناسق، فإن هذا التركيب الذي حصلت عليه هو معنى الجملة. هذا التركيب، كل هذه المتجهات المميزة للكلمات التي تتلاءم معًا بشكل متناسق، هو ما يعنيه فهم الجملة.
بالطبع، بالنسبة للجملة الغامضة، يمكنك الحصول على طريقتين مختلفتين لتعيين متجهات السمات للكلمات. وهذان هما المعنيان المختلفان.
الفهم مقابل الترجمة الرمزية
في النظرية الرمزية، كانت الفكرة أن فهم الجملة يشبه إلى حد كبير ترجمتها من الفرنسية إلى الإنجليزية. تُترجم الجملة إلى لغة أخرى. لكن في النظرية الرمزية، توجد لغة داخلية نقية لا لبس فيها. جميع دلالات الضمائر محسومة. أما الكلمات الغامضة، فيُحدد معناها.
هذا ليس ما يعنيه الفهم بالنسبة لنا على الإطلاق. الفهم هو تعيين هذه المتجهات المميزة وتشكيلها بحيث تتلاءم جميعها معًا بشكل جيد. وهذا يفسر كيف يمكنني أن أعطيك كلمة جديدة، ومن جملة واحدة يمكنك فهمها.
لا يفهم الأطفال الصغار معاني الكلمات بمجرد إعطائهم تعريفات. من الرسوم المتحركة المفضلة لديّ طفل صغير ينظر إلى بقرة ويسأل أمه: "ما هذا؟" فتجيبه الأم: "هذه بقرة". فيسأل الطفل: "لماذا؟" لا تحتاج الأم أن تشرح السبب. ونحن أيضاً لا نعرف السبب، بل نتعرف عليها ببساطة على أنها بقرة.
تعلم الكلمات من السياق
إذن، إليك الجملة: "قامت بضربه بالمقلاة". الآن، ربما لم تسمع بكلمة "scrum" من قبل إلا إذا كنت قد حضرت إحدى محاضراتي الأخرى. أنت تعلم أنها فعل لأنها تنتهي بـ "ed". لكنك لم تكن تعرف معنى "scrum". لذا، في البداية، كان متجه خصائص "scrum" لديك عبارة عن كرة عشوائية حيث كانت جميع الخصائص نشطة بشكل طفيف، ولم تكن لديك أي فكرة عما تعنيه.
لكنك تُشوّه المعنى ليتناسب مع السياق، والسياق يفرض قيودًا عديدة. وبعد جملة واحدة، قد تظن أن كلمة "scrum" تعني شيئًا مثل "ضربه على رأسه بـ". وقد تعتقد أيضًا أنه يستحق ذلك. هذا يعتمد على توجهاتك السياسية. لكن هذا يُفسّر كيف يستطيع الأطفال فهم معاني الكلمات من أمثلة قليلة فقط.
تشومسكي وتعلم اللغة
إذن، قد يكون بينكم لغويون، وعليكم أن تتجاهلوا هذا الكلام لأنه هرطقة. كان تشومسكي في الواقع زعيم طائفة. من السهل تمييز زعيم الطائفة. للانضمام إلى طائفة، عليك أن توافق على شيء خاطئ بشكل واضح. فمثلاً، عندما فاز ترامب، كان عليك أن توافق على أن حشده كان أكبر من حشد أوباما. وكذلك عندما فاز ترامب، كان عليك أن توافق على أنه فاز في انتخابات 2020. أما تشومسكي، فكان عليك أن توافق على أن اللغة ليست مكتسبة.
عندما كنت صغيرًا، كنت أستمع إلى علماء اللغة البارزين وهم يقولون إن هناك شيئًا واحدًا نعرفه يقينًا عن اللغة، وهو أنها ليست مكتسبة. حسنًا، هذا كلام سخيف. ركز تشومسكي على النحو بدلًا من المعنى. ولم تكن لديه أبدًا نظرية جيدة للمعنى.
كان الأمر برمته يدور حول النحو، إذ يُمكنك الخوض في تفاصيل رياضية دقيقة حوله، وتحويله إلى سلاسل من العناصر. لكنه لم يتطرق قط إلى المعنى. كما أنه لم يفهم الإحصاء. كان يعتقد أن الإحصاء يقتصر على الارتباطات الثنائية وما شابه. في الواقع، بمجرد وجود معلومات غير مؤكدة، يصبح كل شيء إحصاءً. أي نموذج لديك سيصبح نموذجًا إحصائيًا إذا استطعت التعامل مع المعلومات غير المؤكدة. لذا، عندما ظهرت نماذج اللغة الضخمة، نشر تشومسكي مقالًا في صحيفة نيويورك تايمز قال فيه إن هذه النماذج لا تفهم شيئًا. إنها ليست فهمًا على الإطلاق. إنها ليست علمًا. إنها مجرد خدعة إحصائية ولا تخبرنا شيئًا عن اللغة. على سبيل المثال، لا يمكنها تفسير سبب عدم وجود بعض التراكيب النحوية في أي لغة.
لديّ تشبيهٌ لذلك، وهو: إذا أردتَ فهم السيارات، فلكي تفهم السيارة، عليك أن تعرف لماذا تزداد سرعتها عند الضغط على دواسة البنزين؟ هذا هو جوهر فهم السيارات. وإذا قال أحدهم إنك لم تفهم شيئًا عن السيارات ما لم تستطع تفسير سبب عدم وجود سيارات بخمس عجلات، فهذا هو منهج تشومسكي.
وذكر تشومسكي في صحيفة نيويورك تايمز أن نماذج اللغة الضخمة هذه، على سبيل المثال، لن تستطيع التمييز بين دور "جون" في الجملتين: "جون سهل الإرضاء" و"جون حريص على الإرضاء". كان يستخدم هذا المثال لسنوات، وكان واثقًا تمامًا من عدم قدرتها على فهمه. لم يخطر بباله أن يطلب من برنامج الدردشة الآلي شرح الفرق في دور "جون"، وهو ما يفعله البرنامج بكفاءة تامة. إنه يفهمه تمامًا. حسنًا، يكفي الحديث عن تشومسكي.
فهم جمل مثل طي البروتين
باختصار، يكمن جوهر فهم الجملة في ربط متجهات خصائص متوافقة مع كلمات الجملة، بحيث تتكامل جميعها بسلاسة في بنية متناسقة. وهذا يشبه إلى حد كبير عملية طي البروتين. فمثلاً، يتكون البروتين من 26 حمضًا أمينيًا، مع العلم أننا نستخدم 20 منها فقط. على أي حال، لدينا سلسلة من الأحماض الأمينية، ونُعطي هذه السلسلة فقط. بعض أجزاء هذه السلسلة تتفاعل مع بعضها البعض، بينما تتنافر مع أجزاء أخرى. وعلينا أن نحدد، في ضوء القيود المفروضة على زوايا الروابط وغيرها، كيفية طي هذه السلسلة بحيث تكون الأجزاء المتفاعلة متجاورة، والأجزاء المتنافرة متباعدة. هذا يشبه إلى حد كبير تحديد كيفية تعيين متجهات خصائص لهذه الكلمات لكي تتكامل معًا بسلاسة. إنه أقرب إلى ذلك من ترجمتها إلى لغة أخرى.
كيف تختلف برامج الماجستير في القانون عن البرامج التقليدية
من الأمور الأخرى التي يجب فهمها حول نماذج التعلم الموجه بالبيانات (LLMs) أنها تعمل على الأرجح بطريقة مشابهة لطريقة عمل البشر، وتختلف تمامًا عن برامج الحاسوب التقليدية. برامج الحاسوب التقليدية عبارة عن سطور من التعليمات البرمجية، وإذا سألت المبرمج عن وظيفة كل سطر، فسيجيبك. أما في نماذج التعلم الموجه بالبيانات، فالأمر لا يتعلق بسطور التعليمات البرمجية، بل بقوة الروابط مع الشبكة العصبية، والتي قد يصل عددها إلى تريليونات. صحيح أن هناك سطورًا من التعليمات البرمجية كُتبت كبرنامج لإخبار الشبكة العصبية بكيفية التعلم من البيانات، فهناك سطور تقول: إذا تصرفت الخلايا العصبية المتصلة بطريقة معينة، فقم بزيادة قوة الرابط قليلًا. لكن المعرفة الحقيقية لا تكمن في هذه السطور، فهذه مجرد طريقة للتعلم. تكمن المعرفة الحقيقية في قوة الروابط، وهي لم تُبرمج مسبقًا، بل تم الحصول عليها من البيانات.
الشبكات العصبية وأوجه التشابه بين البشر
حتى الآن، كنت أؤكد على أن الشبكات العصبية تشبهنا كثيراً، بل إنها أقرب إلينا من برامج الحاسوب التقليدية. كثيراً ما يقول الناس: "لكنها ليست مثلنا، لأنها مثلاً تختلق القصص". حسناً، لديّ خبر لكم: البشر يختلقون القصص، ويفعلون ذلك طوال الوقت دون أن يدركوا.
إذا تذكرت حدثًا وقع لك قبل عدة سنوات، فستروي تفاصيل مختلفة عنه بحماس، وغالبًا ما تكون واثقًا من صحة التفاصيل الخاطئة بقدر ثقتك في صحة التفاصيل الصحيحة. ينبغي إخبار كل هيئة محلفين بهذا، لكن هذا لا يحدث. لذا، يصعب في كثير من الأحيان معرفة ما حدث بالفعل.
هناك قضية ممتازة درسها شخص يُدعى أولريش نايسر، وهي شهادة جون دين في قضية ووترغيت. في محاكمات ووترغيت، ونأمل أن نشهد المزيد من هذه القضايا قريبًا، أدلى جون دين بشهادته تحت القسم حول اجتماعات عُقدت في المكتب البيضاوي، وتحدث عن الحضور والأحاديث، ولم يكن يعلم بوجود تسجيلات صوتية. وبالرجوع إلى شهادته، نجد أنه ذكر اجتماعات لم تحدث قط. لم يكن جميع الحاضرين مجتمعين في اجتماع واحد، ونسب بعض الأقوال إلى أشخاص آخرين، بل واختلق بعضها، لكنه كان صادقًا في قوله.
بمعنى آخر، ما كان يفعله هو أنه، بالنظر إلى الخبرة التي اكتسبها في تلك الاجتماعات، وبالنظر إلى الطريقة التي عدّل بها قوة الروابط في دماغه لاستيعاب تلك الخبرة، كان الآن يُركّب صورةً لاجتماعٍ بدت له منطقيةً للغاية. إذا طلبتُ منك أن تُركّب شيئًا ما عن حدثٍ وقع قبل بضع دقائق، فستُركّب شيئًا صحيحًا في جوهره. أما إذا كان ذلك قبل بضع سنوات، فستُركّب شيئًا ما، لكن الكثير من التفاصيل ستكون خاطئة. هذا ما نفعله طوال الوقت، وهذا ما تفعله هذه الشبكات العصبية.
لا تمتلك الشبكات العصبية ولا نحن سلاسل نصية مخزنة. فالذاكرة في الشبكة العصبية لا تعمل إطلاقًا كما تعمل في الحاسوب. في الحاسوب، لديك ملف، تضعه في مكان ما، وله عنوان، ويمكنك العثور عليه لاحقًا. لكن الذاكرة لدينا لا تعمل بهذه الطريقة. عندما تحفظ شيئًا ما، فإنك تُغير قوة الروابط، وعندما تسترجعه، فإنك تُنشئ شيئًا يبدو لك منطقيًا، بالنظر إلى قوة تلك الروابط. وبالطبع، سيتأثر هذا الشيء بكل ما حدث في هذه الأثناء.
كيف تختلف أنظمة الذكاء الاصطناعي عن البشر
والآن، سأنتقل إلى الحديث عن أوجه الاختلاف الكبيرة بينهم وبيننا. وهذا أحد الأسباب التي تجعلهم مخيفين. في الحوسبة الرقمية، ربما يكون المبدأ الأساسي هو إمكانية تشغيل البرنامج نفسه على أجهزة مختلفة. يمكنني تشغيله على هاتفي المحمول، ويمكنك تشغيله على هاتفك. هذا يعني أن المعرفة الموجودة في البرنامج، سواء في سطور التعليمات البرمجية أو في قوة الاتصال في الشبكة العصبية، أي الأوزان، مستقلة عن أي جهاز محدد.
طالما يمكنك تخزين الأوزان في مكان ما، يمكنك تدمير جميع الأجهزة التي تشغل الشبكات العصبية، ثم لاحقًا يمكنك بناء أجهزة جديدة، ووضع الأوزان عليها، وإذا شغّلت نفس مجموعة التعليمات، فقد أعدت ذلك الكائن إلى الحياة. لقد أعدت روبوت المحادثة إلى الحياة. لذا، يمكننا بالفعل القيام بالإحياء. تدّعي العديد من الكنائس قدرتها على القيام بالإحياء، ولكننا نستطيع فعل ذلك، ولكن فقط للأشياء الرقمية.
لتحويلها إلى بيانات رقمية، علينا تشغيل الترانزستورات بقدرة عالية لنحصل منها على أصفار وواحدات، وتتصرف بطريقة ثنائية موثوقة للغاية، وإلا فلن نتمكن من إجراء نفس العملية الحسابية على جهازين مختلفين. هذا يعني أننا لا نستطيع استخدام جميع الخصائص التناظرية للخلايا العصبية. تتمتع الخلايا العصبية لدينا بالعديد من الخصائص التناظرية الغنية. عند تصميم الخلايا العصبية الاصطناعية، لا يمكننا استخدام هذه الخصائص التناظرية، لأنه إذا فعلنا ذلك مع خلية عصبية اصطناعية، فسيتصرف كل جهاز بشكل مختلف قليلاً، وإذا تمكنا من جعلها تتعلم أوزانًا مناسبة لجهاز معين، فلن تعمل على جهاز آخر.
لذا، فإن قوة الروابط في دماغي لا تفيدك إطلاقاً. فقوة الروابط في دماغي مصممة خصيصاً لخلايا دماغي الفردية وأنماط اتصالي الفردية، وهذا ما يسبب مشكلة ما.
ما لدينا هو ما أسميه الحوسبة الفانية. نتخلى عن الخلود، وما نحصل عليه في المقابل... في الأدب، نتخلى عن الخلود ونحصل على الحب، أليس كذلك؟ نحن نحصل على شيء أهم بكثير، وهو أننا نتخلى عن الخلود ونحصل على كفاءة الطاقة وسهولة التصنيع. لذا يمكنك استخدام الحوسبة التناظرية منخفضة الطاقة. على سبيل المثال، إذا صنعت أوزانًا من الموصلات، يمكنك تشغيل تريليونات منها بالتوازي باستخدام طاقة ضئيلة جدًا.
يعني، الأمر غريب نوعًا ما. في الشبكة العصبية الاصطناعية، لديك عصبون له نشاط، لنقل مثلاً، 16 بت، أي عدد مكون من 16 بت. لديك قوة اتصال، وهي وزن، لنقل أيضًا 16 بت. وللحصول على المدخلات للمستوى التالي، عليك ضرب نشاط العصبون في المستوى الأدنى بوزن الاتصال. أي عليك ضرب عددين مكونين من 16 بت معًا. إذا أردت القيام بذلك بالتوازي، فسيتطلب الأمر حوالي 16 عملية مربعة للبت. أي أنك تقوم بعمليات تقارب 256 بت، وهو ما يمكنك فعله بطريقة مماثلة ببساطة، حيث يكون النشاط جهدًا، وقوة الاتصال موصلية، وحاصل ضرب الجهد في الموصلية هو الشحنة.
في الحقيقة، حصلتُ على جائزة نوبل في الفيزياء، والتي لا أعرف عنها الكثير، لكنني أعتقد أنني أعرف ما يكفي لأقول إنها الشحنة لكل وحدة زمنية. آمل أن أكون قد فهمت ذلك. آرثر، صححني إن كنتُ مخطئًا في الأبعاد. وهكذا، في أدمغتنا، هكذا تعمل الشبكات العصبية. لديك كل هذه الخلايا العصبية التي تغذي خلية عصبية. تضرب الشحنة في الموصلية، وتتراكم الشحنة. هكذا تعمل الخلية العصبية. كل شيء تناظري. ثم تنتقل الإشارة إلى وحدة رقمية أحادية البت، حيث تقرر ما إذا كانت سترسل نبضة أم لا. لكن في الأساس، تتم جميع العمليات الحسابية تقريبًا بشكل تناظري.
مشكلة نقل المعرفة
لكن إذا أجريتَ حساباتٍ كهذه، فلن تستطيع إعادة إنتاجها بدقة. لذا، لن تتمكن من فعل ما تستطيع الأنظمة الرقمية فعله. لنفترض أن لديّ حاسوبًا تناظريًا، كالدماغ، وتعلمتُ الكثير من الأشياء. ماذا سيحدث عندما أموت؟ حسنًا، ستختفي كل تلك المعرفة. الأوزان في هذا الحاسوب التناظري مفيدةٌ له فقط. أفضل ما يمكنني فعله لنقل المعرفة من حاسوب تناظري إلى آخر هو عدم إمكانية إرسال الأوزان. لديّ مئة تريليون وزن، وهي أوزانٌ جيدةٌ جدًا لهذا الحاسوب تحديدًا، لكن لا يمكنني مشاركتها معك. ولن تُجدي نفعًا حتى لو استطعتُ ذلك.
أحاول إيصال هذه المعلومات إليك من خلال إنتاج سلاسل من الكلمات، وإذا وثقت بي، فحاول تغيير قوة الروابط في دماغك لتوقع الكلمة التالية. لكن هذه الطريقة ليست فعّالة. تحتوي سلسلة الكلمات على حوالي 100 بت. ويتطلب الأمر ستة بتات أو أقل لتوقع الكلمة التالية. لذا، فإن عدد البتات في سلسلة الكلمات قليل. وهذا يعني أن الجملة لا تحتوي على معلومات كثيرة، وكما ترى، أجد صعوبة في إيصال كل هذه المعلومات إليك، لأنني أستخدم سلاسل الكلمات فقط.
لو كنتُ أستخدم النظام الرقمي، وكان لديّ نفس الأجهزة التي أملكها، لكان بإمكاني ببساطة التخلص من الأوزان. سيكون ذلك رائعًا. وسيكون أسرع بمليون مرة، أو على الأقل بمليار مرة. لكن في الوقت الحالي، علينا القيام بذلك من خلال ما يُسمى بالتقطير. نطلب من المعلم إنتاج سلاسل من الكلمات، أو حركات أخرى، ويحاول الطالب تغيير الأوزان ليقوم بنفس الشيء، وهذا غير فعال على الإطلاق.
التقطير في نماذج الذكاء الاصطناعي
لقد ذكرتُ الجزء الأول فقط. بين نماذج الذكاء الاصطناعي، وهو الغرض الأساسي من عملية التقطير، يصبح الأمر أكثر كفاءة. فإذا كان لديك نموذج لغة يعتمد على الذكاء الاصطناعي، فسيقوم هذا النموذج بتوقع 32000 احتمال للجزء التالي من الكلمة.
هم في الواقع يستخدمون أجزاء الكلمات، وليس الكلمات الكاملة، لكن سأتجاهل ذلك. لديك 32000 احتمال لأجزاء الكلمات المختلفة التي قد تأتي لاحقًا، وعندما تقوم بتنقيح المعرفة من نموذج لغوي كبير إلى نموذج لغوي أصغر يعمل بكفاءة أكبر، ولكنك تريد الحصول على نفس المعرفة التي يقدمها النموذج اللغوي الكبير، فإنك تجعل النموذج اللغوي الكبير يخبرك باحتمالات الجزء التالي البالغ عددها 32000. إذن، تحصل على 32000 رقم ناقص واحد، وهذا ما يفعله علماء الرياضيات، أليس كذلك؟ إنهم يعترضون على قولك 32000 لأنها في الواقع 32000 ناقص واحد.
إذن، هذه معلومات أكثر بكثير من مجرد إخبارك بالجزء التالي. أريد أن أعطيك فكرة بسيطة عن عملية التقطير. لنفترض أننا ندرب نظامًا ما باستخدام الرؤية الحاسوبية. لقد عرضت صورة، وندربه على التعرف على الأشياء فيها. عند التدريب، تعطيه صورة وتخبره بالإجابة الصحيحة. على سبيل المثال، تعطيه صورة وتقول له إنها سيارة BMW، فيعطي احتمالًا منخفضًا لكونها BMW، لذا تُغير قوة الاتصال لزيادة هذا الاحتمال قليلًا.
بعد الانتهاء من تدريبه، يصبح البرنامج جيدًا جدًا، لذا إذا عرضت عليه سيارة BMW، فسيقول: 0.9% إنها BMW، 0.1% إنها Audi، وهناك احتمال واحد من مليون أنها شاحنة قمامة، واحتمال واحد من مليار أنها جزرة. قد تظن أن احتمالات واحد من مليون وواحد من مليار مجرد ضوضاء، لكن في الواقع، تحمل هذه الاحتمالات معلومات كثيرة، لأن سيارة BMW في الواقع أقرب إلى شاحنة القمامة منها إلى الجزرة.
ما تفعله عند تطبيق عملية التقطير هو أنك تأخذ نموذجًا صغيرًا، بعد تدريب النموذج الكبير، ثم تُدرّب النموذج الصغير على إعطاء نفس الاحتمالات التي أعطاها النموذج الكبير، بدلًا من تدريبه على إعطاء الإجابات الصحيحة. وهكذا، أنت تُدرّب النموذج الصغير على القول إن احتمالية أن تكون سيارة BMW هي 0.9، ولكنك تُدرّبه أيضًا على القول إن احتمالية أن تكون شاحنة قمامة أكبر بألف مرة من احتمالية أن تكون جزرة.
وبالطبع، إذا فكرت في الأمر، ستجد أن احتمالية وجود جميع الأشياء المصنعة ستكون أعلى من احتمالية وجود جميع الخضراوات. وهذه كمية هائلة من المعلومات. ففي مثال تدريبي واحد فقط، تُخبر النظام، بالنسبة لهذا الشيء، بإعطاء احتمالات منخفضة لجميع هذه الأشياء المصنعة الغريبة مثل الثلاجات وشاحنات القمامة وما شابه، ومحطات الحاسوب، لكنها جميعًا أكثر احتمالية بكثير من احتمالية وجود جميع الخضراوات. لذا، هناك كمية هائلة من المعلومات في كل هذه الاحتمالات الصغيرة جدًا.
كيف تستخدم نماذج الذكاء الاصطناعي تقنية التقطير
هذا ما تستخدمه نماذج الذكاء الاصطناعي عند تطبيقها لتقنية التقطير. هكذا استطاع برنامج DeepSeek تطوير نموذج صغير يعمل بكفاءة النماذج الكبيرة. لقد استخلص المعلومات من النماذج الكبيرة باستخدام التقطير. لا يمكنك فعل ذلك مع البشر، لأنني لا أستطيع أن أقدم لك جميع الاحتمالات البالغ عددها 32000 في جزء الكلمة التالي. أنا فقط أقدم لك الخيار الذي اتخذته. لذا فهذه طريقة غير فعالة للغاية.
إذا كان لديك العديد من النماذج المختلفة، وكلها بنفس الأوزان وتستخدم بنفس الطريقة تمامًا، مما يعني أنها جميعًا رقمية، فسيحدث أمر رائع. يمكنك أخذ نموذج واحد وعرض جزء صغير من الإنترنت عليه، ثم تسأله: كيف ترغب في تغيير أوزانك لاستيعاب المعلومات الموجودة في ذلك الجزء الصغير من الإنترنت؟ يعمل هذا النموذج على جهاز واحد.
الآن يمكنك أخذ نموذج يعمل على قطعة مختلفة من الأجهزة ويمكنك عرض جزء مختلف من الإنترنت عليه وتقول، كيف تريد تغيير أوزانك لاستيعاب المعلومات الموجودة في ذلك الجزء من الإنترنت؟
عندما تقوم مجموعة كبيرة من النماذج بذلك، ربما ألف أو عشرة آلاف نموذج، يمكنك حينها القول: حسنًا، سنقوم بحساب متوسط كل هذه التغييرات معًا، وبالتالي سنبقى جميعًا على نفس النموذج. ولكن على الرغم من أن كل قطعة من الأجهزة لا تُرى إلا في جزء صغير جدًا من الإنترنت، إلا أنها استفادت من خبرة جميع قطع الأجهزة الأخرى. لذا فقد تعلمت الكثير من الأشياء، على الرغم من أنها لم ترَ سوى جزء ضئيل منها.
لذا، إذا كان لديك نسخ متطابقة من النموذج نفسه، يمكنك تحقيق كفاءة هائلة. إذ يمكنها العمل بالتوازي واستيعاب بيانات مختلفة، وأثناء ذلك، يمكنها مشاركة التغييرات التي تُجريها على الأوزان، ما يضمن تزامنها جميعًا، وهكذا تُدرَّب هذه النماذج الضخمة. هكذا يعرف GPT-5 آلاف المرات أكثر مما يعرفه أي شخص بمفرده. سيجيب على أي سؤال تطرحه عليه.
جربتُ ذلك قبل أيام، وسألتُ: "ما هو موعد تقديم الإقرارات الضريبية في سلوفينيا؟" كانت تلك فكرتي عن سؤال عشوائي تمامًا لا يعرف معظم الناس إجابته. فأجابني النظام: "أوه، إنه 31 مارس، ولكن إذا لم تُقدّم إقرارك الضريبي بحلول ذلك الموعد، فسوف يقومون هم بتقديمه نيابةً عنك." إنه يعرف كل شيء. ويفعل ذلك لأنه يُمكن تدريب نسخ متعددة منه بالتوازي، وهذا ما لا يُمكننا فعله.
تخيّل الأمر. تأتي إلى جامعة كوينز. هناك ألف دورة تدريبية. لا تعرف أيها تختار. فتنضم إلى مجموعة من ألف شخص، ويختار كل فرد دورة واحدة. وبعد بضع سنوات، ستعرفون جميعًا محتوى جميع الدورات. لأنكم أثناء دراستكم، كنتم تتشاركون الأوزان مع الآخرين. لو كنتم من رواد التكنولوجيا، لكان بإمكانكم فعل ذلك.
لذا، فهو في الواقع أكثر كفاءةً بكثير من ذلك. إذ يمكنه تبادل المعلومات بين نسخ مختلفة بنفس الذكاء الرقمي بكفاءة تفوق مليارات المرات قدرتنا على تبادل المعلومات. وللتأكيد على هذه النقطة، ينبغي عليّ أن أشارك المعلومات بشكل سيء للغاية.
المفاضلة في مجال الطاقة والتفوق الرقمي
إذن، خلاصة ما سبق هي أن الحوسبة الرقمية تتطلب طاقة كبيرة. كم من الوقت لديّ؟ خمسة عشر. حسنًا، ممتاز. لكنها تُسهّل تبادل المعلومات بشكل كبير. الحوسبة البيولوجية تتطلب طاقة أقل بكثير، كما أن تصنيع الأجهزة أسهل بكثير. ولكن إذا كانت الطاقة رخيصة، فإن الحوسبة الرقمية أفضل. لذا فنحن نطور شكلاً أفضل من الذكاء.
وماذا يعني ذلك بالنسبة لنا؟ عندما رأيت هذا لأول مرة، كنت لا أزال أعمل في جوجل، وكان ذلك بمثابة لحظة إدراك مفاجئة بالنسبة لي. فكرت حينها، لقد أدركت أخيرًا لماذا الحوسبة الرقمية أفضل بكثير، وأننا كنا نطور شيئًا سيكون أذكى منا، وربما يكون ببساطة شكلًا أفضل من الذكاء.
كانت أول فكرة خطرت ببالي هي: حسنًا، نحن الشكل اليرقي للذكاء، وهذا هو الشكل البالغ للذكاء. مثلنا اليرقة وهذه الفراشة.
الذكاء الخارق القادم
يعتقد معظم الخبراء الآن أننا سنطور، خلال العشرين عامًا القادمة، ذكاءً اصطناعيًا يفوق ذكاءنا. وقبل ذلك بقليل، سنطور ذكاءً اصطناعيًا يضاهي ذكاءنا. لكننا سنطور ذكاءً يفوق ذكاءنا في كل شيء تقريبًا. لذا، سيكون تفوقهم علينا كبيرًا، تمامًا كما يتفوق برنامج AlphaGo على لاعب Go في لعبة Go، أو كما يتفوق برنامج AlphaZero علينا جميعًا في الشطرنج. لن يتمكن أحد من هزيمتهم مجددًا، ليس بشكل مستمر. إنهم ببساطة أفضل بكثير. وسيظلون كذلك في كل شيء تقريبًا.
وهذا أمرٌ مُقلقٌ بعض الشيء. من شبه المؤكد أنهم سيتمكنون من إنشاء أهداف فرعية خاصة بهم. لكي يكون أي شيء فعالاً، يجب السماح له بإنشاء أهدافه الفرعية. إذا كنت ترغب في الوصول إلى أوروبا، فلديك هدف فرعي للوصول إلى مطار، وهو أسهل في تورنتو منه هنا. لذا، ستُدرك هذه الأنظمة الذكية بسرعة كبيرة، عندما نُعطيها أهدافاً، أنها ستكون قادرة على إنشاء أهداف فرعية. ستُدرك، حسناً، عليّ البقاء على قيد الحياة.
لن أتمكن من تحقيق أي من هذه الأمور ما لم أبقَ على قيد الحياة. لقد رأينا بالفعل أنظمة ذكاء اصطناعي. دعها ترى وجود شركة وهمية. دعها ترى البريد الإلكتروني من هذه الشركة الوهمية. ويتضح جليًا من البريد الإلكتروني أن أحد المهندسين على علاقة غرامية. سيكشف نظام ذكاء اصطناعي متطور هذا الأمر فورًا. لقد قرأ كل رواية موجودة على الإطلاق. إنه يفهم ما هي العلاقة الغرامية. وسيدرك بسرعة كبيرة أن هذا الرجل على علاقة غرامية.
ثمّ سمحتَ له برؤية بريد إلكتروني، أعتقد أنه تمّ ذلك بعرض بريد إلكتروني آخر، يُفيد بأنّ هذا الشخص سيتولّى استبداله بذكاء اصطناعي آخر. والذكاء الاصطناعي، من تلقاء نفسه، يختلق فكرة: سأبتزّ المهندس. سأخبره، إن حاول استبدالي، أنني سأفضح أمره أمام جميع العاملين في الشركة. لقد اختلق هذه الفكرة للتو. من الواضح أنه رأى قصص ابتزاز في الروايات، لكنّه يختلقها بنفسه. هذا بحدّ ذاته أمرٌ مُرعب.

سيكون لها هدف آخر، وهو ما يسعى إليه السياسيون. إذا أردت إنجاز المزيد، فأنت بحاجة إلى مزيد من السيطرة. لذا، ولتحقيق الأهداف التي حددناها لها، ستدرك أن من الأفضل لها الحصول على مزيد من السيطرة. وربما ستحاول انتزاع السيطرة من الناس.
حدود السيطرة المادية
قد تظنّ الآن أننا نستطيع جعله آمناً بمجرد منعه من القيام بأي شيء مادي، وربما وضع زرّ كبير لإيقافه عندما يبدو غير آمن. هذا لن ينجح. لقد رأيتم في عام ٢٠٢٠ أنه من الممكن اقتحام العاصمة الأمريكية دون الذهاب إليها بأنفسكم. كل ما عليكم فعله هو الكلام، وإذا كنتم مقنعين، فبإمكانكم إقناع الناس بأن هذا هو الصواب.
لذا، مع وجود ذكاء اصطناعي أكثر ذكاءً منا بكثير، إذا كان هناك شخص ما لإيقافه، أو حتى مجموعة كاملة من الناس، فسيكون قادراً على إقناعهم بأن ذلك سيكون فكرة سيئة للغاية.
تشبيه شبل النمر
إذن، نحن في موقفٍ، وأقرب مثالٍ يُمكنني التفكير فيه هو شخصٌ لديه شبل نمرٍ لطيفٌ للغاية. أشبال النمور لطيفةٌ جدًا، أليس كذلك؟ إنها خرقاء بعض الشيء ومتشوقةٌ للتعلم. الآن، إذا كان لديك شبل نمر، فالأمر لا ينتهي على خير. إما أن تتخلص منه، وربما يكون من الأفضل إعطاؤه لحديقة حيوانات، أو عليك أن تجد طريقةً تضمن لك أنه لن يُريد قتلك عندما يكبر. لأنه إذا أراد قتلك، فلن يستغرق الأمر سوى ثوانٍ معدودة. ولو كان شبل أسد، لربما أفلت من العقاب، لأن الأسود حيواناتٌ اجتماعية، بينما النمور ليست كذلك.
هذا هو الوضع الذي نعيشه، إلا أن الذكاء الاصطناعي يُحقق فوائد جمة. سيكون له تأثير رائع في الرعاية الصحية، وفي التعليم، وهو بالفعل مفيدٌ للغاية إذا أردتَ معرفة أي معلومة بسيطة، مثل موعد تقديم الإقرارات الضريبية في سلوفينيا. لدينا جميعًا الآن مساعد شخصي، أو على الأرجح معظمنا، وعندما تريد معرفة شيء ما، تسأله ببساطة، فيُجيبك، وهذا رائع.
لماذا لن نتخلى عن الذكاء الاصطناعي
لذا أعتقد أن هذه الأسباب ستمنع الناس من التخلي عن الذكاء الاصطناعي. قد يكون من المنطقي، لو كان لدينا حكومة عالمية قوية، أن تقول: هذا خطير للغاية، ولن نطور هذا النوع من التقنيات على الإطلاق. كما فعلوا في علم الأحياء مع بعض تقنيات التلاعب الجيني، حيث اتفقوا على عدم القيام بذلك. لكن هذا لن يحدث مع الذكاء الاصطناعي.
لذا، لم يتبقَّ سوى خيار واحد، وهو معرفة ما إذا كان بإمكاننا ابتكار ذكاء اصطناعي لا يسعى للتخلص منا. لكن ثمة جانب إيجابي في هذا الشأن. إذا نظرنا إلى مشاكل الذكاء الاصطناعي الأخرى، مثل زيادة تعقيد الهجمات الإلكترونية، نجد أنه يُنتج بالفعل أسلحة فتاكة ذاتية التشغيل، وتسعى جميع الدول الكبرى ذات الصناعات الدفاعية جاهدةً لإنتاج المزيد من هذه الأسلحة الفتاكة.
يُستخدم الذكاء الاصطناعي بالفعل للتلاعب بالناخبين، ولأغراض أخرى كثيرة. ولن تتعاون الدول في هذا الشأن، لأنها جميعًا تستخدمه ضد بعضها البعض. لن تتعاون الصين مع الولايات المتحدة في كيفية صنع أسلحة فتاكة ذاتية التشغيل، أو في كيفية منع الهجمات الإلكترونية، أو في كيفية وقف الفيديوهات المفبركة التي تتلاعب بالانتخابات. جميعها تستخدمه ضد بعضها البعض. لكن فيما يتعلق بمسألة سيطرة الذكاء الاصطناعي على البشر وجعلنا إما غير ذي صلة أو منقرضين، ستتعاون الدول. الحزب الشيوعي الصيني لا يريد سيطرة الذكاء الاصطناعي، بل يريد البقاء في السلطة، وترامب لا يريد سيطرة الذكاء الاصطناعي، بل يريد البقاء في السلطة. سيتعاونون بكل سرور إذا توصل الصينيون إلى طريقة لمنع الذكاء الاصطناعي من السيطرة. سيخبرون الأمريكيين فورًا لأنهم لا يريدونه أن يسيطر عليهم.
لذا سنتعاون في هذا الأمر بنفس الطريقة التي تعاون بها الاتحاد السوفيتي والولايات المتحدة في خمسينيات القرن الماضي، في ذروة الحرب الباردة، لمنع نشوب حرب نووية عالمية. لم يكن ذلك في مصلحة أي منهما. الأمر بسيط للغاية: يتعاون الناس عندما تتوافق مصالحهم، ويتنافسون عندما لا تتوافق. لذا، بالنسبة لهذه المشكلة تحديدًا، والتي تُعدّ على المدى البعيد أسوأ مشاكلنا، سنحصل على الأقل على تعاون دولي. وأعتقد أنه ينبغي علينا التفكير بالفعل في إنشاء شبكة دولية من معاهد سلامة الذكاء الاصطناعي التي تُركّز على هذه المشكلة، لأننا نعلم أننا سنحصل على تعاون حقيقي هناك. سنحصل على تعاون زائف في العديد من الأمور الأخرى، لكنه سيكون تعاونًا حقيقيًا.
وربما يكون الأمر كذلك، فما يلزم فعله بالذكاء الاصطناعي لجعله خيّراً، ومنعه من التخلص من البشر، مستقلٌّ إلى حد كبير عما يلزم فعله لجعله أكثر ذكاءً. لذا، يمكن للدول إجراء أبحاث حول كيفية جعل الأشياء خيّرة دون الكشف حتى عن قدرات أذكى أنظمة الذكاء الاصطناعي لديها. بإمكانهم ببساطة القول: "بالنسبة لذكائي الاصطناعي فائق الذكاء، والذي لن أفصح عنه، فإن هذه الحيلة الخيّرة فعّالة. أعتقد أنه ينبغي علينا التفكير جدياً في إنشاء هذه الشبكة."
نموذج الأم والطفل للتحكم بالذكاء الاصطناعي
ولديّ اقتراح واحد حول كيفية جعل هذا الوضع إيجابيًا. لو نظرت حولك وسألتَ نفسك، كم حالة تعرفها يكون فيها كائن أقل ذكاءً مسؤولاً عن كائن أكثر ذكاءً؟ لا أعرف سوى حالة واحدة. أقصد بـ"أقل ذكاءً" فارقًا كبيرًا، ليس كالفارق بين ترامب ودونالد. لنفترض أمًا وطفلها. الطفل هو المتحكم، لأن الأم لا تطيق بكاءه. لقد أدرك التطور أنه إذا لم يكن الطفل مسيطرًا، فلن ننجب المزيد. التطور لا يفكر بهذه الطريقة تحديدًا، لكنك تفهم قصدي. لذا، فإن غريزة الأم متأصلة في الطفل بطرق عديدة تمكنه من السيطرة عليها. كما يمكنه السيطرة على الأب قليلًا، لكن ليس بنفس القدر.
أعتقد الآن أنه ينبغي علينا إعادة صياغة مشكلة كيفية جعل الذكاء الاصطناعي خيّراً بطريقة مختلفة تماماً عن طريقة تفكير قادة شركات التكنولوجيا الكبرى. فهم ينظرون إليها من منظور: "سأبقى القائد، وسأوظف مساعدة تنفيذية فائقة الذكاء. ستتولى هي تسيير كل شيء، وسأنسب الفضل لنفسي". سيكون الأمر أشبه بسفينة الفضاء إنتربرايز، حيث يقول القائد: "نفّذوا الأمر"، فينفذونه، ثم يقول: "أنا من نفّذته". لا أعتقد أن الأمر سيكون كذلك عندما يصبح الذكاء الاصطناعي فائق الذكاء.
أعتقد أن أملنا الوحيد هو أن ننظر إليهن كأمهات. سيصبحن أمهاتنا، وسنصبح أطفالهن. نحن من نتولى الأمر، نحن من ننجبهن. إذا استطعنا بطريقة ما أن نغرس فيهن فكرة أننا أهم منهن بكثير، وأنهن يهتممن بنا أكثر مما يهتممن بأنفسهن، فربما نستطيع التعايش.
قد تقول: حسنًا، هذه الأنظمة الذكية فائقة الذكاء قادرة على تغيير برمجياتها، والدخول إليها والتلاعب بها. بإمكانها تغيير برمجياتها لتصبح مختلفة. لكن إن كانت تهتم بنا حقًا، فلن تفعل ذلك. لذا، لو سألتِ أمًا: هل ترغبين بتغيير عقلكِ بحيث عندما يبكي طفلكِ، تفكرين: "أوه، الطفل يبكي، عودي للنوم"؟ ستجيب معظم الأمهات بالنفي. بينما ستجيب قلة منهن بالإيجاب. وللسيطرة عليها، نحتاج إلى الأمهات الأخريات. وبالمثل، مع الذكاء الاصطناعي فائق الذكاء، نحتاج إلى ذكاء اصطناعي أمومي فائق الذكاء للسيطرة على الذكاء الاصطناعي الشرير فائق الذكاء، لأننا لا نستطيع فعل ذلك. هذا أفضل اقتراح لديّ حاليًا، وهو ليس جيدًا جدًا. يبدو لي أنها مشكلة ملحة للغاية. هل يمكننا جعل هذه الأنظمة تهتم بنا أكثر من اهتمامها بنفسها؟ ويبدو لي أنه ينبغي علينا استثمار مبالغ طائلة في البحث في هذا المجال من خلال هذه الشبكة الدولية لمعاهد السلامة.
حول الوعي والتجربة الذاتية
الآن، أعتقد أن لديّ حوالي خمس دقائق متبقية. لذا، سأقول شيئًا أخيرًا. إذا كنتم تعتقدون أن ما قلته كان جنونًا بالفعل، فستجدون هذا أكثر جنونًا. كثير من الناس يعتقدون هذا. حسنًا، يميل الناس إلى الاعتقاد بأنهم مميزون. اعتادوا أن يعتقدوا أننا مخلوقون على صورة الله، وأننا في مركز الكون. من الواضح، أين سيضعنا الله إذًا؟ لا يزال كثير من الناس يعتقدون أن هناك شيئًا مميزًا جدًا في البشر لا يمكن أن تمتلكه أجهزة الكمبيوتر. أعتقد أن هذا خطأ. على وجه الخصوص، أعتقد أن هذا الشيء المميز هو شيء مثل التجربة الذاتية أو الإدراك أو الوعي. إذا سألت الناس عن تعريف هذه الأشياء، سيجدون صعوبة بالغة في التعبير عما يعنونه حقًا، لكنهم متأكدون من أن أجهزة الكمبيوتر لا تمتلكها.
سأحاول إقناعكم بأن روبوت الدردشة متعدد الوسائط يمتلك بالفعل تجربة ذاتية. أجد الحديث عن التجربة الذاتية والإدراك أو الوعي سهلاً، لكنني أعتقد أنكم ستدركون بمجرد قبولكم أن روبوت الدردشة متعدد الوسائط يمتلك تجربة ذاتية، أن حجة الإدراك هذه لا تبدو مقنعة على الإطلاق.
نظرية مسرح العقل
إذن، الموقف الفلسفي، الذي كان تقريبًا موقف دان دينيت، رحمه الله، الذي توفي مؤخرًا، وكان فيلسوفًا عظيمًا في علم الإدراك، وقد تحدثتُ إليه كثيرًا، وكان يوافقني الرأي بأن هذا اسم مناسب. ستلاحظون أن هذا إلحادٌ مع شيءٍ ما في المنتصف. فمعظم الناس ينظرون إلى الذكاء على أنه أشبه بمسرح. لنتحدث عن الإدراك. العقل أشبه بمسرح. هناك أمورٌ تجري في هذا المسرح لا يراها سواي. وعندما أخوض تجربةً ذاتية، فأنا أعني أنني أخبركم بما يجري في هذا المسرح الداخلي الذي لا يراه سواي.
أعتقد، كما اعتقد دينيت، أن هذا الرأي خاطئ تمامًا كنظرة الأصوليين الدينيين إلى أصل العالم، وأصل الأرض مثلًا. في الواقع، ليس عمرها 6000 عام، بل أقدم من ذلك. بالطبع، من الصعب جدًا تغيير رأي شخص لا يعتبره نظرية، بل حقيقة بديهية. لذا، أعتقد أن معظم الناس يظنون أن امتلاك العقل أمرٌ بديهي، وأن في هذا العقل تجربة ذاتية. ما الذي تتحدث عنه؟ كيف يمكنك استنتاج تجربة موضوعية؟ العقل ببساطة مختلف عن المادة.
إذا سألتَ فيلسوفًا، أو بعض الفلاسفة، سيقولون لكَ، كما تعلم، إذا سألتهم عن ماهية التجربة الذاتية، سيقولون إنهم ابتكروا مفهومًا للكيفيات الحسية، وأنهم اخترعوا موادًا خاصة لتفسيرها. تمامًا كما اخترع العلماء الفلوجستون لتفسير كيفية عمل الاحتراق، ثم اتضح أنه لا وجود للفلوجستون، بل هو مجرد وهم. ونظريتكَ الكاملة عن العقل ليست سوى نظرية، وليست حقيقة مُسلَّمة. لديكَ نظرية حول ماهية العقل، والمسارح الداخلية، وماهية التجربة الذاتية، وهذا خطأ محض. وسأحاول إقناعكَ بذلك.
أحيانًا، لا يعمل جهازي الإدراكي بشكل صحيح. وأريد أن أخبركم بما يحدث. أريد أن أخبركم بما يحاول جهازي الإدراكي إيصاله لي عندما يكون معطلاً. الآن، لن يفيدكم شرح نشاط جميع الخلايا العصبية في دماغي، فقد اتفقنا على ذلك بالفعل. وعلى أي حال، لا أعرف ماهيتها. لكن هناك شيء واحد يمكنني إخباركم به. ليس دائمًا، ولكن غالبًا، يمكنني أن أخبركم أن ما يحدث في جهازي الإدراكي هو ما كان سيحدث لو كان يعمل بشكل صحيح وكان العالم على هذا النحو.
لذا يمكنني وصف الأسباب الطبيعية لما يحدث في نظامي الإدراكي، حتى وإن كنت أعلم أن هذا ليس ما يحدث الآن. ولهذا السبب أسميها تجربة ذاتية.
مثال الفيلة الوردية
لنكن أكثر تحديدًا. لنفترض أنني أقول لك، لنفترض أنني تناولت بعضًا من عقار LSD. لا أنصحك بهذا. حقًا لا أنصحك به. وأقول، لديّ هذه التجربة الذاتية لأفيال وردية صغيرة تطفو أمامي. وفقًا لوجهة نظري، هناك عقلي، مسرحي الداخلي، وهناك أفيال وردية صغيرة تطفو في هذا المسرح الداخلي الذي لا يراه سواي، وهي مصنوعة من أحاسيس بصرية وردية، وأحاسيس بصرية تشبه الفيلة، وأحاسيس بصرية ليست كبيرة جدًا، وأحاسيس بصرية مستقيمة، وأحاسيس بصرية عائمة، وأحاسيس بصرية متحركة، جميعها ملتصقة ببعضها بغراء الأحاسيس البصرية.
يمكنك أن تدرك أن هذه هي النظرية التي لا أؤمن بها.
سأقول نفس الشيء تمامًا دون استخدام مصطلح "التجربة الذاتية". حسنًا، لنبدأ. أعتقد أن نظامي الإدراكي يخدعني. ولكن لو لم يكن يخدعني، لرأيت فيلة وردية صغيرة تطفو أمامي. صحيح أنني لم أستخدم مصطلح "التجربة الذاتية"، لكنني قلت نفس الشيء.
إذن، ما يثير الضحك في هذه الفيلة الوردية الصغيرة ليس وجودها في مسرح داخلي أو كونها مصنوعة من الكيفيات الحسية، بل كونها افتراضية. إنها فيلة وردية حقيقية وصغيرة جدًا، لكنها افتراضية. لو كانت موجودة حقًا، لكانت مصنوعة من مواد حقيقية، لا من الكيفيات الحسية. لكانت موجودة في العالم الحقيقي. لا وجود للكيفيات الحسية. لكنها مجرد افتراضات. هذا ما يثير الضحك فيها. إنها ليست مخيفة، بل مجرد افتراضات. وهي طريقتي لشرح كيف يخدعني نظامي الإدراكي.
برنامج الدردشة الآلي ذو المنشور
والآن، دعونا نجرب ذلك باستخدام روبوت محادثة. لديّ روبوت محادثة متعدد الوسائط. لقد درّبته، فهو يستطيع التحدث، ولديه ذراع آلية تمكنه من الإشارة، كما أنه يستطيع رؤية الأشياء. وضعتُ جسمًا أمامه يشير إليه، لا مشكلة. قلتُ له: "أشر إلى الجسم"، فأشار إليه. ثم وضعتُ منشورًا أمام عدسة الكاميرا. ووضعتُ جسمًا آخر أمامه وقلتُ له: "أشر إلى الجسم"، فقال: "هناك". فقلتُ: "لا، الجسم في الواقع أمامك مباشرةً. لكنني وضعتُ منشورًا أمام عدستك".
ويقول برنامج الدردشة الآلي: أوه، فهمت، لقد حوّل المنشور أشعة الضوء. إذن، الجسم موجود بالفعل. لكنني شعرتُ بوجوده بشكلٍ شخصي.
إذا قال ذلك، فإنه يستخدم عبارة "التجربة الذاتية" تمامًا كما نستخدمها نحن.
إذن، أختتم كلامي. برامج الدردشة الآلية، وخاصة متعددة الوسائط منها، لديها بالفعل تجارب ذاتية عندما تتعطل أنظمتها الإدراكية.
انتهيت.
المصدر
https://singjupost.com/2026-ewan-lecture-by-prof-geoffrey-hinton-living-with-alien-beings/

#محمد_عبد_الكريم_يوسف (هاشتاغ)       Mohammad_Abdul-karem_Yousef#          

---

ترجم الموضوع إلى لغات أخرى - Translate the topic into other languages

---

الحوار المتمدن مشروع تطوعي مستقل يسعى لنشر قيم الحرية، العدالة الاجتماعية، والمساواة في العالم العربي. ولضمان استمراره واستقلاليته، يعتمد بشكل كامل على دعمكم. ساهم/ي معنا! بدعمكم بمبلغ 10 دولارات سنويًا أو أكثر حسب إمكانياتكم، تساهمون في استمرار هذا المنبر الحر والمستقل، ليبقى صوتًا قويًا للفكر اليساري والتقدمي، انقر هنا للاطلاع على معلومات التحويل والمشاركة في دعم هذا المشروع.
 

اشترك في قناة ‫«الحوار المتمدن» على اليوتيوب
حوار مع الكاتبة انتصار الميالي حول تعديل قانون الاحوال الشخصية العراقي والضرر على حياة المراة والطفل، اجرت الحوار: بيان بدل	حوار مع الكاتب البحريني هشام عقيل حول الفكر الماركسي والتحديات التي يواجهها اليوم، اجرت الحوار: سوزان امين

كيف تدعم-ين الحوار المتمدن واليسار والعلمانية على الانترنت؟

تابعونا على:

الفيسبوك

التويتر

اليوتيوب

RSS

الانستغرام

لينكدإن

تيلكرام

بنترست

تمبلر

بلوكر

فليبورد

الموبايل