AI

تتحدى دراسة حديثة من جامعة أكسفورد الاعتقاد السائد بأن الذكاء الاصطناعي يفوق قدرات التعلم البشرية، ويشير البحث إلى أن الدماغ البشري يعتمد على عمليات التعلم المختلفة إلى حد كبير وأكثر كفاءة من أنظمة الذكاء الاصطناعي الحالية، وخاصة تلك التي تستخدم أساليب الانتشار العكسي.

وتستخدم معظم أنظمة الذكاء الاصطناعي المعاصرة، بما في ذلك تلك التي تحتوي على شبكات عصبية اصطناعية تشبه الدماغ البشري، الانتشار العكسي لتعليم الشبكات العصبية، ويتضمن ذلك ضبط الاتصالات والأوزان بين الخلايا العصبية عند حدوث خطأ، مما يتطلب تكرارات عديدة لتحقيق النتيجة الصحيحة.

ويمكن للعقل البشري أن يتعلم من تجربة واحدة، في حين يحتاج الذكاء الاصطناعي إلى تدريب مكثف على نفس المعلومات للحصول على نتائج دقيقة، وبالإضافة إلى ذلك، لا يتطلب التعلم البشري وجود قاعدة بيانات مسبقة، مما يميزه عن الذكاء الاصطناعي.

وتقدم الدراسة طريقة تعليمية بديلة تسمى "تكوين المستقبل"، فبدلاً من تعديل الاتصالات العصبية، فإنه يغير نشاط الخلايا العصبية للتنبؤ بالنتائج بشكل أفضل، والتعديلات على "الأوزان" والاتصالات تتبع النمط الجديد.

وتظهر عمليات المحاكاة الحاسوبية أن النماذج التي تستخدم تكنولوجيا التشكيل المستقبلي يمكن أن تتعلم بكفاءة أكبر، خاصة بالنسبة للمهام ذات الصلة بالكائنات الحية، مقارنة بالشبكات العصبية التقليدية للذكاء الاصطناعي.

وفي حين أن تكنولوجيا التشكيل المستقبلي تقدم مزايا، فإن تنفيذها على أجهزة الكمبيوتر الحالية يمثل تحديًا بسبب الاختلافات الأساسية عن الدماغ البيولوجي، وتعتبر الأنواع الجديدة من أجهزة الكمبيوتر أو الأجهزة المستوحاة من الدماغ ضرورية لهذا النهج مع الحد الأدنى من استهلاك الطاقة.

ويؤكد الدكتور يوهانغ سونغ، المؤلف الأول للدراسة، على الحاجة إلى أساليب حوسبة جديدة، ويسلط الباحث الرئيسي، الدكتور رافال بوجاكز، الضوء على الفجوة المعرفية الحالية ويؤكد على أهمية البحوث المستقبلية لسد هذه الفجوة واستكشاف إمكانات أساليب التعلم الأكثر كفاءة.