لماذا لا تتقدم الذكاء الاصطناعي بشكل متساوٍ؟ مؤسسو a16z و Replit: القابلية للتحقق هي الفرق الأساسي

تحدث مارك أندريسن، مؤسس شركة a16z، مع أمجد مسعد، مؤسس Replit، في 25 أكتوبر، مركزين على حالة تطوير الذكاء الاصطناعي. أشار أندريسن إلى أن الذكاء الاصطناعي قد أحرز تقدمًا مذهلاً في كتابة البرمجيات، وحل المعادلات الرياضية، ومحاكاة الظواهر الفيزيائية، لكنه واجه حالة من الركود في مجالات مثل الطب والقانون. ورد مسعد بأن المشكلة ليست في الصعوبة، بل في القابلية للتحقق. بمعنى أن المهام التي يمكن تقييمها موضوعيًا هي التي تتقدم بسرعة أكبر، بينما المجالات الأكثر غموضًا هي الأصعب في تحقيق突破.

الذكاء الاصطناعي له سرعتان: السرعة القابلة للتحقق أسرع من أي شخص آخر

ماساد يعود أولاً إلى طريقة تدريب النموذج، كانت نماذج اللغة في المراحل المبكرة مجرد قراءة النص ثم تخمين الكلمة التالية، على الرغم من أنها تستطيع التحدث، إلا أنها لم تكن قادرة على الاستدلال الحقيقي. حتى تم إدخال التعلم المعزز (التعلم المعزز، RL)، بدأت الذكاء الاصطناعي في التعلم في بيئات قابلة للتحقق. وهو يوضح:

“مثل إصلاح أخطاء البرمجة، وجود اختبارات وحدات، أو مسائل يمكن أن تعطي نتائج واضحة، يمكن للذكاء الاصطناعي أن يعرف مباشرة ما إذا كان صحيحًا أو خاطئًا.”

تسمح هذه الطريقة التدريبية التي توفر ردود فعل فورية للذكاء الاصطناعي بتعزيز قدراته في حل المشكلات بسرعة.

لماذا لا تستطيع مجالات الطب والقانون مواكبة التطورات؟

أندريسن يسأل: “ماذا عن مجالات مثل الطب والقانون؟ لماذا يبدو أن التقدم فيها بطيء للغاية، وهناك ظاهرة الركود؟” ماساد يجيب:

“لأنها، لا توجد إجابة واحدة فقط.”

على سبيل المثال، قد يكون للتشخيص الطبي أسباب متعددة وتغيرات في مسار المرض، كما أن الأحكام القانونية تختلف أيضًا بسبب اختلاف القضاة والقضايا، مما يعني أنها مرنة للغاية ولا توجد إجابة معيارية واضحة. وهذا يجعل من الصعب على النموذج التحقق الذاتي وعدم القدرة على إنشاء حلقة تعزيز.

على الرغم من أنه يمكن دعم النموذج من خلال التعلم المعزز من خلال ردود الفعل البشرية (RLHF) ، إلا أن ذلك لا يزال تقييمًا ذاتيًا، وليس مباشرًا وواضحًا مثل الرياضيات أو البرمجة.

(ملاحظة: التعلم المعزز القائم على ردود الفعل البشرية (RLHF) هو تقنية تعلم آلي (ML) تستخدم ردود الفعل البشرية لتحسين نماذج التعلم الآلي، بهدف زيادة كفاءة التعلم الذاتي.)

المفتاح الحقيقي ليس “الصعوبة” ولكن “قابلية التحقق”

قال أندريسن بعد整理 ملاحظاته: “لذا فإن النقطة ليست في مدى صعوبة المشكلة، بل في إمكانية التأكد من الإجابة الصحيحة؟” وأشار ماساد:

“نعم، إن انفجار الذكاء الاصطناعي في البرمجة والرياضيات ليس لأنه أسهل، ولكن لأنه يمكن التحقق من النتائج.”

على سبيل المثال، عند كتابة برنامج، طالما أن البرنامج يمكن تجميعه ونجح الاختبار، يمكن للذكاء الاصطناعي الحصول على ردود “صحيحة” على الفور، مما يسمح للنموذج بالتمرن آلاف المرات يوميًا والتطور بسرعة.

ما هي المجالات الأخرى التي تتمتع بالتحقق؟

ذكر شخصان المجالات التي شهدت تقدمًا سريعًا في الذكاء الاصطناعي:

الرياضيات والفيزياء: هناك معادلات واضحة ونتائج محاكاة.

الكيمياء والبيولوجيا: مثل طي البروتينات، تسلسل الجينات، يمكن التحقق منها من خلال التجارب أو المحاكاة.

الروبوت: يمكن قياس نجاح المهمة أو فشلها بشكل مباشر.

تندرج هذه الأمور ضمن المجالات التي يمكن التحقق منها موضوعياً، وبالتالي تصبح هي المنحدر الأكثر حدة في منحنى التعلم الحالي للذكاء الاصطناعي.

ستتقدم الذكاء الاصطناعي في البرمجة بسرعة، بينما لا يزال الطب والقانون في الطريق.

قال مسعد عند تلخيص وجهات النظر:

“ستصل الذكاء الاصطناعي الذي يكتب البرامج إلى آفاق جديدة، وستتبعها الرياضيات والفيزياء والكيمياء. لكن في مجالات مثل الطب والقانون، لا بد من التقدم ببطء.”

أندريسن أيضًا أيد:

“هذه ظاهرة طبيعية. الذكاء الاصطناعي ينفجر أولاً في الأماكن القابلة للتquantification، بينما يتأخر في المجالات التي تكون فيها أحكام البشر غير واضحة.”

لماذا تقدم الذكاء الاصطناعي غير متساوٍ؟ مؤسسو a16z و Replit: القابلية للتحقق هي الفرق الرئيسي. ظهرت لأول مرة في أخبار السلسلة ABMedia.