يكتسب الذكاء الاصطناعي سلوكًا ذكيًا من خلال تقنية تُسمى التعلم الآلي.
بينما يتم هذا التعلم وفقًا لإجراءات طورها البشر، لم يتم بعد شرح سبب ظهور الذكاء من هذه الإجراءات وهيكل الذكاء الاصطناعي.
في هذه المقال، سأستكشف الأسباب التي تجعل الذكاء ينشأ من خلال النظر في جوهر التعلم نفسه.
وكلما تعمقنا في مفهوم التعلم، نصل إلى فكرة أن كلاً من الذكاء الاصطناعي وأدمغتنا تمتلك ميلًا فطريًا لتعلم كيفية التعلم.
يشير هذا إلى وجود آلية يمكن أن تُسمى "المنظم الفطري" (natural born frameworker).
التعلم من خلال الجسد مقابل التعلم من خلال اللغة
نتعلم عن العالم من حولنا ونوسع قدراتنا من خلال رؤية الأشياء بأعيننا وتحريك أجسادنا.
هذا أيضًا شكل من أشكال التعلم، يمكن أن يُسمى التعلم من خلال الجسد.
من ناحية أخرى، عندما يتحدث الناس بشكل عام عن التعلم، فإنهم غالبًا ما يتخيلون زيادة المعرفة عن طريق قراءة الكتب المدرسية أو الاستماع إلى شروحات المعلم.
بالإضافة إلى هذا النوع من التعلم القائم على المناهج الدراسية، نكتسب أيضًا معرفة متنوعة من المحادثات مع الأصدقاء، والأخبار عبر الإنترنت، وما إلى ذلك.
هذا النوع من التعلم لا يتعلق بحفظ الصور بصريًا أو التعلم عن طريق تحريك الجسد؛ إنه تعلم من خلال اللغة.
التعلم ما دون الفيزيقي والتعلم الميتافيزيقي
من بين أنماط التعلم عبر اللغة، توجد حالات لا يمكن فيها حفظ المعلومات إلا من خلال التكرار المتواصل، وحالات أخرى يمكن فيها حفظها بعد سماعها مرة واحدة أو بضع مرات.
بدلاً من ذلك، هناك معرفة، حتى لو لم يتم تذكر تفاصيلها، يمكن استخدامها عن طريق استرجاعها من رف الكتب أو الإنترنت في اللحظة الضرورية.
بمعنى اكتساب المعرفة واستخدامها بشكل مناسب عند الحاجة، يمكن تسمية كلا النمطين بالتعلم.
من بين هذه الأنماط، يمكن تسمية المعرفة التي لا يمكن حفظها إلا من خلال التكرار المتواصل بالمعرفة ما دون الفيزيقية. وعملية التعلم لذلك هي التعلم ما دون الفيزيقي، والتي تتضمن حفظ المفاهيم نفسها.
هذا يشبه التعلم الفيزيقي، حيث يتعلم المرء بشكل متكرر عن طريق رؤية الأشياء بعينيه أو تحريك جسده. يمكن تصنيف هذه أيضًا على أنها تعلم ما دون فيزيقي.
من ناحية أخرى، يمكن تسمية اكتساب المعرفة التي يمكن حفظها بتكرارات أقل، أو البحث عنها واستخدامها على الفور، بالتعلم الميتافيزيقي.
في هذه الحالة، يمكن استخدام المفاهيم التي تم تعلمها مسبقًا من خلال التعلم ما دون الفيزيقي لتعلم المعرفة كأنواع لتلك المفاهيم أو كمجموعات من المفاهيم.
وبما أن المفاهيم المكتسبة بالفعل من خلال التعلم ما دون الفيزيقي يمكن استخدامها، فإن التعلم الميتافيزيقي لا يتطلب تكرارًا.
التعلم الآلي باللغة الطبيعية
دعنا نطبق هذا على التعلم الآلي في الذكاء الاصطناعي.
بشكل عام، تقوم الشبكات العصبية المستخدمة في التعلم الآلي بتعلم ما دون الفيزيقي، والذي يتضمن تعلم المفاهيم بشكل متكرر.
من ناحية أخرى، يمكن لنماذج اللغة الكبيرة، القادرة على معالجة اللغة الطبيعية بشكل مشابه للبشر، أن تؤدي التعلم من خلال اللغة.
أثناء التدريب المسبق والضبط الدقيق لنماذج اللغة الكبيرة، يحدث التعلم ما دون الفيزيقي من خلال اللغة.
علاوة على ذلك، يمكن لنموذج لغة كبير مدرب مسبقًا الإجابة باستخدام المعرفة الموجودة في الجملة المدخلة، وبالتالي يقوم بتعلم ميتافيزيقي فوري.
وبفضل هذه القدرة على التعلم الميتافيزيقي من خلال اللغة، يمكن لنماذج اللغة الكبيرة استخدام المعرفة الجديدة دون تعلم متكرر.
يمكن تسمية هذا بالتعلم الآلي باللغة الطبيعية، على عكس التعلم الآلي الرقمي التقليدي الذي يضبط معلمات النموذج بشكل متكرر.
اللغة الطبيعية كواجهة ميتافيزيقية
تقع اللغة الطبيعية عند الواجهة التي تفصل بين التعلم ما دون الفيزيقي والتعلم الميتافيزيقي.
الجانب المثير للاهتمام في اللغة الطبيعية هو أنها يمكن اكتسابها من خلال التعلم ما دون الفيزيقي، وفوق ذلك، تمكّن التعلم الميتافيزيقي.
واجهات ميتافيزيقية أخرى غير اللغة الطبيعية
في الواقع، حتى في التعلم الفيزيائي، يوجد كل من التعلم ما دون الفيزيائي والتعلم الميتافيزيقي. على سبيل المثال، يمكن لشخص ماهر في الرياضة التكيف بسرعة مع لعبة جديدة يصادفها للمرة الأولى.
وبالمثل، يمكن لشخص ملم بالبيولوجيا أن يفهم على الفور خصائص نوع جديد عندما يراه.
وهكذا، في التعلم الفيزيائي أيضًا، توجد واجهات ميتافيزيقية تحتل موقعًا مشابهًا للغة الطبيعية.
الأُطُر (Frameworks)
توجد في هذه الواجهات أُطُرٌ، تختلف عن المفاهيم أو المعارف الأساسية، تُحدد علاقاتها وهياكلها، أو تمكّن من بناء هياكل جديدة.
مع اكتساب مجموعة متنوعة من المعرفة ما دون الفيزيائية من خلال التعلم ما دون الفيزيائي، قد يكون من الممكن تعلم الإطار على الواجهة الميتافيزيقية من خلال الروابط بين أجزاء المعرفة ما دون الفيزيائية.
تُمكّن الأُطُر المكتسبة من خلال التعلم الفيزيائي من تعلم المعرفة الجديدة ميتافيزيقيًا فور اكتسابها. ومع ذلك، ليس من السهل نقل المعرفة المكتسبة من خلال هذا التعلم الميتافيزيقي للآخرين.
من ناحية أخرى، الإطار المكتسب من خلال التعلم باللغة هو اللغة الطبيعية نفسها.
لذلك، يمكن إدخال المعرفة المكتسبة من خلال التعلم الميتافيزيقي، بعد تعلم إطار اللغة الطبيعية، مباشرةً في تعلم الآخرين باللغة.
لا ينطبق هذا فقط على المعرفة التي يكون فيها التعلم عبر اللغة، مثل الكتب المدرسية أو الأخبار عبر الإنترنت، أساسيًا.
فقد يتمكن لاعب كرة قدم ذو خبرة، يلعب البيسبول للمرة الأولى، من نقل المعرفة الميتافيزيقية المكتسبة حول البيسبول إلى لاعبي كرة قدم آخرين من خلال الكلمات. وهذا يعني أنه إذا تشارك الأشخاص نفس المعرفة ما دون الفيزيائية، فإن ما يسمى بـ "النصائح" أو المعرفة العملية يمكن نقلها شفهيًا.
علاوة على ذلك، يمكن للمرء مشاركة المعرفة حول نوع جديد اكتشفوه مع علماء أحياء آخرين من خلال الكلمات.
وهكذا، تتضح اللغة الطبيعية كإطار قوي جدًا على الواجهة الميتافيزيقية.
الأطر الافتراضية
فوق اللغة الطبيعية، يمكن للمرء أن يكتسب أطرًا أخرى.
وهذه الأطر هي أطر خاصة بمجال معين أو أطر رسمية.
ضمن مختلف المجالات الأكاديمية وقطاعات الأعمال والحياة اليومية، توجد أطر متنوعة خاصة بمجال معين.
يمكن للعلماء، العاملين ضمن إطار تخصصهم، تحقيق اكتشافات جديدة ونقل تلك المعرفة بسهولة إلى علماء آخرين يمتلكون نفس الإطار.
يمكن أحيانًا التعبير عن الإطار نفسه باللغة الطبيعية، وفي هذه الحالة يمكن تعلمه وفهمه من قبل الأشخاص أو نماذج اللغة الكبيرة التي تمتلك إطار اللغة الطبيعية.
تعتبر نماذج الأعمال ووصفات الطهي أيضًا أمثلة على هذه الأطر الخاصة بالمجال والتي يمكن التعبير عنها باللغة الطبيعية.
علاوة على ذلك، فإن الصيغ الرياضية ولغات البرمجة وأطر تحليل الأعمال هي أطر رسمية.
ويمكن أيضًا التعبير عن هذه الأطر أو شرحها باللغة الطبيعية.
يمكن تسمية هذه الأطر الخاصة بالمجال والرسمية المبنية على اللغة الطبيعية بالأطر الافتراضية.
هذا سهل الفهم إذا تخيلت جهازًا افتراضيًا يقوم بتشغيل نظام تشغيل مختلف على جهاز كمبيوتر مادي. يعمل إطار آخر فوق الإطار الأساسي للغة الطبيعية.
الأُطر الأصلية (Native Frameworks)
علاوة على ذلك، في حين أن هذه الأُطر الافتراضية تحتاج في البداية إلى الفهم عبر اللغة الطبيعية، إلا أنه مع اعتياد المرء عليها، فإنها تبدأ في تجاوز شرح وفهم اللغة الطبيعية، وتعمل مباشرةً كإطار واجهة ميتافيزيقية مبنية على المعرفة ما دون الفيزيائية.
يمكن تسمية هذا بالإطار الأصلي.
اللغة الطبيعية، بمعنى ما، هي أيضًا إطار أصلي، ولكن فقط فيما يتعلق باللغة الأم. بشكل عام، تُكتسب اللغات الأخرى غير اللغة الأم كأُطر افتراضية. ومع زيادة الكفاءة، تقترب من أن تصبح أُطرًا أصلية.
وينطبق الشيء نفسه على الأُطر الخاصة بالمجال والأُطر الرسمية. يمكن لعلماء الرياضيات التواصل بشكل أصلي باستخدام الصيغ الرياضية، ويمكن للمبرمجين فهم نوايا بعضهم البعض من خلال الشيفرة المصدرية وحدها دون تعليقات.
يشير هذا إلى أن التقدم من الأُطر الافتراضية إلى الأُطر الأصلية يمكن تطبيقه أيضًا على نماذج اللغة الكبيرة.
إن فكرة اكتشاف الأُطر الافتراضية المستخدمة بشكل متكرر، وتوليد كمية كبيرة من البيانات النموذجية باستخدام تلك الأُطر، ثم ضبطها بدقة لتصبح أُطرًا أصلية، تستحق التجربة على الفور.
مُصممو الأُطُر بالفطرة (Natural Born Frameworkers)
بناءً على هذا، يدرك المرء أنه خلال التدريب المسبق لنماذج اللغة الكبيرة، وليس فقط الضبط الدقيق، هناك احتمال أن تتعلم هذه النماذج أيضًا أُطرًا خاصة بالمجال وأُطرًا رسمية.
وفي هذه العملية، من المتصور أنه بدلاً من تعلم الأُطر الخاصة بالمجال أو الأُطر الرسمية بشكل فطري من البداية، فإنها تتعلم أولاً إطار اللغة الطبيعية، ثم، إما أثناء إتقانه أو بعده، تتعلم الأُطر الخاصة بالمجال والأُطر الرسمية، مما يجعلها أصلية.
وبالتوغل أعمق في هذا التعلم المتدرج للأُطر، من المتصور أيضًا أن تعلم اللغة الطبيعية نفسه هو خط أنابيب متوازٍ لتعلم الأُطر المتدرج وذو التفاصيل الدقيقة جدًا.
بمعنى آخر، من الكم الهائل من النصوص المقدمة كبيانات تدريب أثناء التدريب المسبق، قد لا تتعلم نماذج اللغة الكبيرة المفاهيم الفردية فحسب، بل تتعلم أيضًا بعض القواعد البسيطة جدًا للغة الطبيعية كإطار. ثم، باستخدام هذه الأُطر البسيطة كأساس، تتعلم قواعد أكثر تعقيدًا بشكل متكرر.
وهذا من شأنه أن يسمح لها بالتقدم من مرحلة تعلم مفاهيم الكلمات في البداية إلى حفظ الكلمات المركبة والقواعد الأساسية، ثم إلى فهم الجمل، وتعلم أشياء معقدة مثل تقنيات الكتابة والتعبير.
يمكن فهم هذا كنموذج تتعلم فيه النماذج الأُطر بطريقة متدرجة ومعقدة، باستخدام إطار واحد كأساس لتعلم الإطار التالي.
هذا يسلط الضوء على نماذج اللغة الكبيرة على أنها "مصممو أُطُر بالفطرة"، تمتلك آلية لتعلم الأُطر منذ البداية.
آلية الانتباه
التقنية التي تحقق "المصمم الفطري للأُطُر" هي آلية الانتباه.
تشبه آلية الانتباه اختيار الرموز (tokens) ذات الصلة من سياق معين. إنها توضح العلاقات بين الرموز. وهذا هو بالضبط طبيعة الإطار: التجريد عن طريق الاحتفاظ بالمفاهيم المهمة مع توضيح العلاقات بينها.
من خلال تبديل هذا الاختيار لكل رمز، فإنها تمكن من التبديل الديناميكي للأُطُر.
وهذا يسمح لنا بشرح سبب كون آلية الانتباه تقنية تحدد تطور نماذج اللغة الكبيرة، باستخدام نموذج "المصمم الفطري للأُطُر".
الخلاصة
إذا كانت هذه الآلية تحدث بالفعل خلال عملية التدريب المسبق لنماذج اللغة الكبيرة، فإنه يمكن تفسير الآليات الغامضة سابقًا لنماذج اللغة الكبيرة.
وتشمل هذه الآليات التعلم ما دون الفيزيائي والميتافيزيقي الذي نوقش هنا، والأطر كواجهات ميتافيزيقية، واللغة الطبيعية التي تمكن التعلم من خلال اللغة والأطر الافتراضية، وآلية الانتباه التي تحقق "المصمم الفطري للأُطُر".
علاوة على ذلك، تُقترح نقطتان إضافيتان من هذا:
أولاً، تتميز اللغة الطبيعية ببنية مناسبة جدًا لاستيعاب الأُطر المعقدة تدريجيًا من الأبسط منها.
إذا ظهرت اللغة الطبيعية في البداية في المجتمع البشري بشكل بسيط ونمت تدريجياً لتكتسب بنية أكثر تعقيداً وثراءً، فهذه نتيجة طبيعية.
علاوة على ذلك، سيكون من المفيد أن تكون منظمة بطريقة تسمح بالتعلم السريع. بافتراض أن مجتمعات متعددة ذات لغات طبيعية مختلفة كانت تتنافس، فإن فرضية أن اللغات الطبيعية الأكثر ملاءمة للتعلم هي التي بقيت حالياً تتشكل بسهولة.
يؤدي التفكير في طبيعة اللغة الطبيعية هذه إلى الاقتراح الثاني: أننا نحن البشر أيضاً "مصممون فطريون للأُطُر".
حتى لو اختلفت الأسس والآليات الكامنة المحددة، يجب أن تكون أدمغتنا مزودة بآلية، مماثلة لآلية الانتباه، تسمح بالتعلم المتدرج والتكيف المرن للأُطُر.