أتذكر أن مطالبتي الأولى كانت شيئًا أساسيًا جدًا مثل “اشرح ما الذي يجعل الطعام حارًا كما لو كنت مورفيوس من الماتريكس” – كنت حقًا أحب الطعام الحار في ذلك الوقت وكان مورفيوس رائعًا جدًا – وقد أذهلتني تمامًا بعيدا عن دقة وعمق الاستجابة.
بعد استخدام Alexa من Amazon لعدة سنوات، والعثور على استجاباته ناقصة إلى حد ما ومعيارية للغاية، بدأت أرى مفهوم الذكاء الاصطناعي الشبيه بـ Jarvis من Iron Man كحقيقة ملموسة؛ الطالب الذي يذاكر كثيرا الحزين الذي أنا عليه.
منذ ذلك الحين، امتدت استكشافاتي إلى مجموعة من أدوات الذكاء الاصطناعي الجديدة المتاحة – حيث قمت بتقييم فائدتها في سياقات التسويق والسيناريوهات الشخصية (حتى أنني استخدمت الذكاء الاصطناعي لصياغة خطة ولادة زوجتي، وكسبت بعض المال الجاد #الزوج الداعم النقاط) – لم يتوقف فضولي عند التطبيقات على مستوى السطح. لقد تعمقت في فهم كيفية عمل الذكاء الاصطناعي، وحرصت على اكتشاف ما يكمن تحت غطاء مظهره الخارجي المتطور – كيف يعمل، وما يمكن أن يفعله لك، وكيفية تسخير قدراته، والتأثير الذي يمكن أن يحدثه على حياتنا. للأفضل أو للأسوأ.
مما لا يثير الدهشة، أن هناك مساحة واسعة يجب تغطيتها عندما يتعلق الأمر بالذكاء الاصطناعي، أكثر بكثير مما يمكن أن تغطيه مشاركة مدونة واحدة. وبالتالي، هذا هو المقال الافتتاحي لسلسلة أبدأ فيها. اعتبر هذا دليلًا مرجعيًا للذكاء الاصطناعي. هذا لا يتعلق بوضع الإنسان في مواجهة الآلة. وبدلاً من ذلك، فهو يمثل سعيًا لغربلة الضجة والإثارة المحيطة بالذكاء الاصطناعي، والسعي إلى الحصول على منظور راسخ. كل ذلك من وجهة نظر شخص لا يستطيع التمييز بين البرمجة والكروشيه.
في الوقت الحالي، لنبدأ من البداية. كيف يعمل الذكاء الاصطناعي في الواقع؟ في هذه المدونة سأرشدك خلال:
لماذا أتعلم المزيد عن الذكاء الاصطناعي
إن افتتاني بالذكاء الاصطناعي يأتي من وجوده في كل مكان في حياتنا، بدءًا من الخوارزميات الدقيقة التي تنظم خلاصاتنا الاجتماعية، إلى المساعدين الصوتيين مثل Siri و Alexa، إلى الأنظمة الأكثر تطورًا التي تتنبأ بالاتجاهات العالمية. إن بحثي عن المعرفة هنا لا يقتصر على فهم الجوانب الفنية فحسب، بل لفهم الصورة الأوسع: كيف سيعيد الذكاء الاصطناعي تعريف وظائفنا، ويعزز تجاربنا اليومية، ويتحدى حدودنا الأخلاقية.
من المؤكد أن الذكاء الاصطناعي سيحدث تحولاً زلزالياً في سوق العمل، ويمكن القول إنه سيطغى على التحولات التي جلبها الكمبيوتر الشخصي والإنترنت. لدى العديد من الأشخاص توقعات حول المكان الذي يمكن أن يأخذنا إليه الذكاء الاصطناعي؛ يشارك مو جودت مخاوفه بشأن مخاطر الذكاء الاصطناعي مع ستيفن بارتليت و يتحدث Rob Toews من Forbes عن المكان الذي سيكون فيه الذكاء الاصطناعي في عام 2030ولكن لا أعتقد أن أحدًا يعرف حقًا كيف سيبدو العالم بعد خمس سنوات من الآن. وحتى ستة أشهر من الآن تعتبر فترة طويلة نظراً للتطور السريع.
لدي بعض التوقعات الصغيرة لنهاية العام إذا كنت مهتمًا:
وبعيدًا عن بعض الافتراضات حول التطبيقات والنتائج العملية، لا يمكننا التنبؤ بالمكانة التي سيصل إليها الذكاء الاصطناعي من حيث قوته وإمكاناته، ولكن يمكننا القيام بأشياء لمواكبة سرعة التطور. إن أخلاقياتي هي أنه من الأفضل الاعتماد عليها والبقاء مرنين أثناء التنقل والتكيف مع هذه التغييرات غير المسبوقة. كان هناك الكثير من الرافضين عندما ظهر الإنترنت (شاهد هذه المقابلة من عام 1995 حيث يسخر ديفيد ليترمان والجمهور من بيل جيتس ووجهة نظره على الإنترنت) وانظر كيف تحول ذلك.
تسليط الضوء على GPT
كان إصدار GPT-3، في رأيي، لحظة فاصلة بالنسبة للشركات حيث بدأوا بالفعل في رؤية حالات الاستخدام العملي لجيل الذكاء الاصطناعي عبر القوى العاملة لديهم. هناك سبب وراء ظهور موجة من أدوات Gen AI التي أطلقها كبار اللاعبين – Google مع Gemini، وMicrosoft (التي تدعم OpenAI) مع Copilot، وMeta مع Llama، وX مع Grok – وذلك لأنهم يعرفون الإمكانات ويريدون للحصول على أصابعهم الصغيرة المشاغب في فطيرة القيمة السوقية المتزايدة بسرعة للذكاء الاصطناعي. هذا لا يعني أنهم لم يطوروا هذه الأدوات مسبقًا، لكن تسليط الضوء على GPT-3 أدى بالتأكيد إلى تسريع جداولهم الزمنية. ما فعلته OpenAI لسوق Gen AI لا يختلف كثيرًا عما فعلته Tesla لسوق السيارات الكهربائية.
لغرض هذه المدونة واستكشافي للذكاء الاصطناعي، تظهر المحولات التوليدية المدربة مسبقًا (GPT) كحالة الاستخدام الأساسية الخاصة بي، حيث كان هذا أول محرك مهم في مجال الذكاء الاصطناعي العام والأداة التي تعاملت معها على نطاق واسع.
الترميز وراء الذكاء الاصطناعي
في جوهرها، يكمن سحر الذكاء الاصطناعي في برمجته. تعمل لغات البرمجة مثل Python كأساس، مما يسمح للمطورين بإنشاء خوارزميات معقدة توجه عملية تعلم الذكاء الاصطناعي. ومن بين هذه الخوارزميات، التي تم تطويرها لتقليد الشبكات العصبية المتكررة (RNNs) التي تحاكي جانبًا مهمًا من الإدراك البشري، وهو القدرة على التذكر والتعلم من المعلومات المتسلسلة، على غرار عملية الدماغ في تخزين واستدعاء التجارب السابقة لفهم التسلسلات. تملي هذه الخوارزميات كيفية تفسير الذكاء الاصطناعي للبيانات والتعلم منها وتطبيق المعرفة المكتسبة عليها اتخاذ قرارات مستنيرة أو توليد استجابات دقيقة.
تدريب الذكاء الاصطناعي: تشبيه مبسط
تجمع رحلة تعلم GPT أساليب الإشراف والإشراف الذاتي، حيث تقوم بتدريب الذكاء الاصطناعي من خلال مدح الاستجابات الجيدة وإعادة توجيه الاستجابات السيئة. يتم الإشراف عندما يقوم الإنسان بمراجعة المخرجات وتوجيه النموذج للقيام بعمل أفضل. الإشراف الذاتي هو الجيل التالي حيث تقوم بتغذية النموذج بكمية كبيرة من البيانات حتى يتمكن من إنشاء تنبؤاته الخاصة.
إنها طريقة ممتدة بعض الشيء، لكنها لا تختلف كثيرًا عن الطريقة التي يمكن للمرء بها تدريب الجرو، مع مكافآت على السلوك الجيد وتصحيحات للأخطاء.
من خلال التدريب المكثف على مجموعات البيانات المتنوعة وهذا المزيج من تقنيات التعلم، تتعلم GPT التعرف على الأنماط واتخاذ القرارات، وضبط قدرتها على توليد استجابات دقيقة لمطالبات اللغة الطبيعية.
إنشاء الذكاء الاصطناعي الخاص بك
إذا اختصرنا الأمر إلى الأساسيات، فقد تبدو خطوات إنشاء الذكاء الاصطناعي شيء من هذا القبيل:
بوم! أنت يا صديقي، قمت للتو بإنشاء الذكاء الاصطناعي.
وإليك النقطة المهمة: بغض النظر عن تطبيق الذكاء الاصطناعي – سواء كان نصًا أو صورة أو فيديو أو موسيقى أو أي شيء آخر – فإنهم جميعًا ينبضون بالحياة باتباع هذه الخطوات الأساسية.
GPT-3: الجهاز الذي جعل الناس يتحدثون حقًا
صدق أو لا تصدق، تم تقديم نموذج GPT الأصلي في عام 2018، لكن معظمنا، بما فيهم أنا، لم يكن على دراية بهذا الخلل الكامن في الظل. سأتخطى النماذج السابقة وأنتقل مباشرة إلى GPT-3، النموذج الذي جعل الناس يتحدثون في بداية العام الماضي.
مجموعة بيانات هذا النموذج، والتي يشمل رقعة واسعة للويب عبر Widespread Crawl، ونصوص الإنترنت من WebText2، ومجموعة كبيرة من الكتب الرقمية من Books2، تؤكد حجم عمليات GPT-3. تقدر معظم المصادر أنه تم تدريبه بحوالي 45 تيرابايت من البيانات النصية.
لقد أجريت بعض العمليات الحسابية التقريبية حول هذا الأمر* واستنتجت أن الأمر سيستغرق الشخص العادي 71,298 عامًا من القراءة المتواصلة للحصول على هذا الكم من المعلومات.
يتم بعد ذلك توجيه GPT-3 بواسطة 175 مليار معلمة** لكتابة استجاباتها.
عندما ترسل إليه مطالبة، فإنه يأخذ المطالبة ويولد ما يعتقد أنه أفضل دقة ممكنة للتسلسل، استنادًا إلى 45 تيرابايت من البيانات ومعلماتها البالغ عددها 175 مليارًا. إنه مجنون جدًا!
*45 تيرابايت هي 45,000,000,000,000 بايت. البايت الواحد يمثل حرفًا واحدًا، لذا فإن 1 كيلو بايت يساوي 1000 حرف، وإذا قلنا أن متوسط الكلمة يتكون من 5 أحرف، فهذا يعني 167 كلمة لكل كيلو بايت. وهذا يعني حوالي 7.5 تريليون كلمة من المعلومات المنظمة والمعرفة وسرد القصص التي قام النموذج بتحليلها. إذا أخذنا تلك خطوة أخرى إلى الأمام؛ وبمتوسط سرعة قراءة تبلغ 200 كلمة، فإن ذلك سيستغرق 71298 عامًا من القراءة المتواصلة.
**يمكن تشبيه المعلمات في الذكاء الاصطناعي بضبط الإعدادات على منصة DJ، حيث يقوم كل مقبض وشريط تمرير بضبط كيفية “استماع” الذكاء الاصطناعي و”تحدثه” باللغة البشرية. تمامًا كما يتلاعب منسق الموسيقى بعناصر التحكم هذه لتحسين الصوت لجمهوره، فإن تعديل معلمات الذكاء الاصطناعي يضبط قدرته على معالجة اللغة وتوليدها.
GPT-4: ما زال الأمر في البداية
وبناءً على الأساس الذي وضعته أسلافه، يعمل GPT-4 على تحسين هذه القدرات بشكل أكبر. على الرغم من أن تفاصيل محددة حول بيانات تدريب GPT-4 لا تزال طي الكتمان، فمن المعقول افتراض أنها عالجت بحيرة أكبر من البيانات النصية مقارنة بـ GPT-3، مع المزيد من المعلمات المضمنة في النموذج.
وعلى الرغم من ذلك، لا يزال يتم تدريبه فقط على جزء صغير من جميع المعلومات المتاحة فقط على الإنترنت وحده. تشير التقديرات إلى أن هناك 175 زيتابايت من البيانات على الإنترنت – لنأخذ جزءًا كبيرًا من هذا باعتباره الجانب “البغيض” للإنترنت. على سبيل الجدال، لنفترض أن هناك 50 زيتابايت من المعلومات المفيدة. بالمقارنة مع 45 تيرابايت من المعلومات التي تم إنشاء GPT-3 بها، فإن هذا يمثل 0.000009% فقط. حتى لو كان GPT-4 أقوى بـ 1000 مرة، فهذا لا يزال جزءًا صغيرًا.
نحن لسنا قريبين حتى من تطبيق المعلومات في الوقت الفعلي، والحقيقة هي أننا ما زلنا في مرحلة الخطوات الصغيرة لما يمكن أن يصبح عليه الذكاء الاصطناعي.
النمو الهائل للذكاء الاصطناعي والقيود التكنولوجية
من وجهة نظري، هناك رحلة مهمة أمام الذكاء الاصطناعي. القيود التي نواجهها لا تنبع فقط من القيود المفروضة على البيانات بسبب حقوق الطبع والنشر ومخاوف الخصوصية، ولكنها تنبع أيضًا من القدرة الحسابية اللازمة لتغذية هذه النماذج. تخيل مستقبلًا يستطيع فيه الذكاء الاصطناعي التدقيق في شبكة الإنترنت بأكملها، والانخراط في التعلم الخاضع للإشراف والإشراف الذاتي بشكل مستمر، مع استيعاب تدفق المعلومات في الوقت الفعلي من الويب.
حاليًا، البنية التحتية التكنولوجية الخاصة بنا للذكاء الاصطناعي، مدعومة بشكل أساسي بوحدات معالجة الرسومات المصممة للألعاب، بالإضافة إلى النقص العالمي في أشباه الموصلات يفرض قيودًا على نمو الذكاء الاصطناعي. ومع ذلك، فإن ظهور التكنولوجيا المصممة خصيصًا للذكاء الاصطناعي، مثل وحدات معالجة التعلم (LPUs)، يعد بمستقبل يمكن أن تتوسع فيه قدرات الذكاء الاصطناعي بشكل أكبر.
تخيل ما سيحدث عندما نتمكن من جعل الذكاء الاصطناعي يبرمج ذكاءً اصطناعيًا، وينتج ذكاءً اصطناعيًا أقوى بـ 1000 مرة من سابقته، ثم يقوم ذلك الذكاء الاصطناعي بإنشاء ذكاء اصطناعي آخر أقوى بـ 10000 مرة من ذلك.
في مرحلة ما، سيكون الذكاء الاصطناعي قادرًا على أداء المهام بشكل مستقل. سوف تجد مشكلات يجب إصلاحها، ومشاكل يجب حلها – أشياء ربما لم نفكر فيها بأنفسنا.
كنت تعتقد أنه كان النمو السريع حتى الآن، فقط عليك الانتظار. ما زال الوقت مبكرًا وهو يعمل بذراع مجازية مربوطة خلف ظهره.
خاتمة
صحيح، هذا كل شيء مني هذه المرة. نأمل أن يكون هناك شيء هنا تبتعد به. في المرة القادمة، سأتعمق أكثر في التطبيقات العملية للذكاء الاصطناعي وكيفية كتابة رسالة جيدة، مع التركيز في المقام الأول على التسويق والمبيعات. ومع ذلك، سأسلط الضوء أيضًا على بعض حالات الاستخدام المقنعة من مختلف القطاعات الأخرى لتوفير منظور أوسع.
