هل ستتطابق أجهزة الكمبيوتر أو تتفوق عليها؟ الذكاء على مستوى الإنسان – وإذا كان الأمر كذلك، كيف؟ عندما سألت جمعية النهوض بالذكاء الاصطناعي (AAAI)، ومقرها واشنطن العاصمة، أعضائها في وقت سابق من هذا العام عما إذا كان الشبكات العصبية – النجم الحالي لأنظمة الذكاء الاصطناعي – وحده سيكون كافيا لتحقيق هذا الهدف قالت الغالبية العظمى لا. وبدلاً من ذلك، قال معظمهم، ستكون حاجة إلى جرعة كبيرة من النوع الأقدم من الذكاء الاصطناعي لجعل هذه الأنظمة ترقى إلى المستوى المطلوب: الذكاء الاصطناعي الرمزي.

يُطلق عليه أحيانًا “الذكاء الاصطناعي القديم الجيد”، ويعتمد الذكاء الاصطناعي الرمزي على قواعد رسمية وترميز العلاقات المنطقية بين المفاهيم¹. الرياضيات رمزية، على سبيل المثال، كما هي الحال مع عبارات “إذا – إذن”، ولغات ترميز الكمبيوتر مثل بايثون، إلى جانب المخططات الانسيابية أو مخططات فين التي ترسم كيفية ارتباط القطط والثدييات والحيوانات من الناحية المفاهيمية، على سبيل المثال. منذ عقود مضت، كانت الأنظمة الرمزية في صدارة جهود الذكاء الاصطناعي.

ومع ذلك، في أوائل عام 2010، تم التفوق عليها بشكل كبير من قبل الشبكات العصبية الأكثر مرونة. نماذج التعلم الآلي هذه تتفوق في التعلم من كميات هائلة من البيانات، والأساس نماذج اللغات الكبيرة (LLMs)بالإضافة إلى روبوتات الدردشة مثل ChatGPT.

ولكن الآن، يسعى مجتمع علوم الكمبيوتر بقوة من أجل الدمج الأفضل والأكثر جرأة بين القديم والجديد. أصبحت عبارة “الذكاء الاصطناعي العصبي الرمزي” أكثر الكلمات الطنانة شهرةً في المدينة.

وقد رسم براندون كوليلو – عالِم الكمبيوتر بجامعة ميريلاند في كوليدج بارك – الصعود السريع لهذا المفهوم في أوراق بحثية أكاديمية (انظر: “الصعود والصعود”). تكشف هذه عن زيادة الاهتمام بالذكاء الاصطناعي الرمزي العصبي الذي بدأ في عام 2021 تقريبًا ولا يظهر أي علامة على التباطؤ².

يبشر الكثير من الباحثين بهذا الاتجاه باعتباره هروبًا مما يعتبرونه احتكارًا غير صحي للشبكات العصبية في أبحاث الذكاء الاصطناعي، ويتوقعون أن يؤدي هذا التحول إلى تقديم ذكاء اصطناعي أكثر ذكاءً وأكثر موثوقية.

يمكن أن يؤدي الدمج الأفضل بين هاتين الاستراتيجيتين إلى الذكاء العام الاصطناعي (AGI): الذكاء الاصطناعي الذي يمكنه التفكير وتعميم معرفته من موقف إلى آخر كما يفعل البشر. وقد يكون مفيدًا أيضًا للتطبيقات عالية المخاطر، مثل جيش أو طبي صنع القرار، كما يقول كوليلو.

ولأن الذكاء الاصطناعي الرمزي شفاف ومفهوم للبشر، فهو لا يعاني من متلازمة “الصندوق الأسود”. مما قد يجعل من الصعب الثقة بالشبكات العصبية.

المصدر: محدث من المرجع. 2

بالفعل أمثلة جيدة على الذكاء الاصطناعي الرمزي العصبي، بما في ذلك AlphaGeometry من Google DeepMind، وهو نظام تم الإبلاغ عنه العام الماضي³يمكن ذلك حل مسائل أولمبياد الرياضيات بشكل موثوق – أسئلة تستهدف طلاب المدارس الثانوية الموهوبين. لكن التوصل إلى أفضل السبل للجمع بين الشبكات العصبية والذكاء الاصطناعي الرمزي في نظام متعدد الأغراض يمثل تحديًا هائلاً.

ويقول عالم الكمبيوتر ويليام ريجلي، الذي يعمل أيضًا في جامعة ميريلاند: “إنك حقًا تصمم هذا النوع من الوحش ذي الرأسين”.

في عام 2019، نشر عالم الكمبيوتر ريتشارد ساتون مقالًا قصيرًا بعنوان “الدرس المرير” على مدونته (انظر go.nature.com/4paxykf). وقال فيه إنه منذ خمسينيات القرن العشرين، افترض الناس مرارًا وتكرارًا أن أفضل طريقة لصنع أجهزة كمبيوتر ذكية هي تغذيتها بكل الأفكار التي توصل إليها البشر حول قواعد العالم، في مجالات من الفيزياء إلى السلوك الاجتماعي.

كتب ساتون أن الحبة المرة هي أنه مرارًا وتكرارًا، تم التفوق على الأساليب الرمزية من قبل الأنظمة التي تستخدم عددًا كبيرًا من البيانات الأولية والقوة الحسابية الموسعة للاستفادة من “البحث والتعلم”. على سبيل المثال، تفوقت أجهزة الكمبيوتر التي كانت تلعب الشطرنج في وقت مبكر، والتي تم تدريبها على الاستراتيجيات التي ابتكرها الإنسان، على تلك التي تم تغذيتها بالكثير من بيانات اللعبة.

لقد تم اقتباس هذا الدرس على نطاق واسع من قبل أنصار الشبكات العصبية لدعم فكرة إنشاء هذه الأنظمة الأكبر من أي وقت مضى هو أفضل طريق إلى الذكاء الاصطناعي العام. لكن العديد من الباحثين يجادلون بأن المقال يبالغ في تقدير قضيته ويقلل من أهمية الدور الحاسم الذي يمكن أن تلعبه الأنظمة الرمزية في الذكاء الاصطناعي. على سبيل المثال، أفضل برنامج شطرنج اليوم،ستوكفيش، يقرن الشبكة العصبية بشجرة رمزية من التحركات المسموح بها.

الشبكات العصبية والخوارزميات الرمزية لها إيجابيات وسلبيات. تتكون الشبكات العصبية من طبقات من العقد ذات اتصالات مرجحة يتم ضبطها أثناء التدريب للتعرف على الأنماط والتعلم من البيانات. إنهم سريعون و مبدع، ولكنهم ملزمون بذلك أيضًا اختلق الأشياء ولا يمكنهم الإجابة بشكل موثوق على الأسئلة التي تتجاوز نطاق بيانات التدريب ال ة بهم.

وفي الوقت نفسه، تكافح الأنظمة الرمزية لتشمل المفاهيم “الفوضوية”، مثل لغة بشرية، والتي تتضمن قواعد بيانات واسعة النطاق يصعب إنشاؤها وبطيئة البحث. لكن أعمالهم واضحة، وهم جيدون في التفكير، ويستخدمون المنطق لتطبيق معرفتهم العامة على المواقف الجديدة.

عندما يتم استخدامها في العالم الحقيقي، فإن الشبكات العصبية التي تفتقر إلى المعرفة الرمزية ترتكب أخطاء كلاسيكية: فقد يرسم مولدو ال أش ًا بستة أصابع في كل يد لأنهم لم يتعلموا المفهوم العام القائل بأن الأيدي تحتوي عادةً على خمسة؛ يكافح مولدو ال لجعل الكرة ترتد حول المشهد لأنهم لم يتعلموا أن الجاذبية تسحب الأشياء إلى الأسفل. يلقي بعض الباحثين اللوم في مثل هذه الأخطاء على نقص البيانات أو القدرة الحاسوبية، لكن آخرين يقولون إن الأخطاء توضح عدم القدرة الأساسية للشبكات العصبية على تعميم المعرفة والتفكير المنطقي.

يجادل الكثيرون بأن إضافة الرمزية إلى الشبكات العصبية قد يكون الطريقة الأفضل – حتى الوحيدة – لحقن التفكير المنطقي في الذكاء الاصطناعي. على سبيل المثال، تدعم شركة التكنولوجيا العالمية IBM تقنيات الرموز العصبية كوسيلة للذكاء الاصطناعي العام. لكن آخرين ما زالوا متشككين: يان ليكون، أحد هؤلاء آباء الذكاء الاصطناعي الحديث وقال كبير علماء الذكاء الاصطناعي في شركة ميتا العملاقة للتكنولوجيا، إن الأساليب الرمزية العصبية “غير متوافقة” مع التعلم عبر الشبكات العصبية.

ساتون، الذي يدرس في جامعة ألبرتا في إدمونتون بكندا، وفاز بجائزة تورينج لعام 2024، التي تعادل جائزة نوبل لعلوم الكمبيوتر، يتمسك بحجته الأصلية: “لا يزال الدرس المرير ينطبق على الذكاء الاصطناعي اليوم”، كما قال.طبيعة. ويشير هذا، كما يقول، إلى أن “إضافة عنصر رمزي مصنوع يدويًا ربما يكون خطأً”.

يميل غاري ماركوس، رجل الأعمال والكاتب والعالم المعرفي في مجال الذكاء الاصطناعي المقيم في فانكوفر بكندا، وأحد أبرز المدافعين عن الذكاء الاصطناعي الرمزي العصبي، إلى تأطير هذا الاختلاف في الآراء باعتباره معركة فلسفية تتم تسويتها الآن لصالحه.

ويقول آخرون، مثل عالمة الروبوتات ليزلي كيلبلينج في معهد ماساتشوستس للتكنولوجيا (MIT) في كامبريدج، إن الجدال حول وجهة النظر الصحيحة يعد بمثابة إلهاء، وأن الناس يجب أن يستمروا في كل ما ينجح. “أنا عقعق. سأفعل أي شيء يجعل الروبوتات ال ة بي أفضل.”

وبعيدًا عن حقيقة أن الذكاء الاصطناعي الرمزي العصبي يهدف إلى مزج فوائد الشبكات العصبية مع فوائد الرمزية، فإن تعريفه غير واضح. يقول ماركوس إن الذكاء الاصطناعي الرمزي العصبي يشمل “عالمًا كبيرًا جدًا، لم نستكشف منه سوى جزء صغير جدًا”.

العديد من الأساليب الواسعة، التي حاول الناس تصنيفها بطرق مختلفة. أحد الخيارات التي أبرزها الكثيرون هو استخدام التقنيات الرمزية لتحسين الشبكات العصبية⁴. يمكن القول أن AlphaGeometry واحدة من الأمثلة الأكثر تطورا من هذه الإستراتيجية: تقوم بتدريب شبكة عصبية على مجموعة بيانات تركيبية من المسائل الرياضية المنتجة باستخدام لغة كمبيوتر رمزية، مما يجعل التحقق من الحلول أسهل ويضمن عددًا أقل من الأخطاء. يقول كوليلو إنه يجمع بين الاثنين بأناقة.

في مثال آخر، توفر “شبكات الموتر المنطقية” طريقة لتشفير المنطق الرمزي للشبكات العصبية. يمكن تعيين قيمة الحقيقة الغامضة للبيانات⁵: رقم يتراوح بين 1 (صحيح) و0 (خطأ). وهذا يوفر إطارًا من القواعد لمساعدة النظام على التفكير.

وثمة نهج واسع آخر يفعل ما قد يقول البعض إنه العكس، باستخدام الشبكات العصبية لبراعة الخوارزميات الرمزية. إحدى مشكلات قواعد بيانات المعرفة الرمزية هي أنها غالبًا ما تكون كبيرة جدًا بحيث تستغرق وقتًا طويلاً جدًا للبحث عنها: “شجرة” جميع الحركات الممكنة في لعبة Go، على سبيل المثال، تحتوي على حوالي 10¹⁷⁰المواقف، والتي هي كبيرة بشكل غير ممكن لأزمة من خلال.

يمكن تدريب الشبكات العصبية على التنبؤ بالمجموعة الفرعية الواعدة من التحركات، مما يسمح للنظام بتقليل مقدار “الشجرة” التي يتعين عليه البحث عنها، وبالتالي تسريع الوقت الذي يستغرقه الاستقرار على أفضل حركة. وهذا ما فعله AlphaGo من Google عندما حدث ذلك تفوقت بشكل مشهور على Go Grandmaster.