قد لا يحتاج الذكاء الاصطناعي إلى بيانات تدريب ضخمة في النهاية | هانا روبينز، جامعة جونز هوبكنز الملخص: تظهر أبحاث جديدة أن الذكاء الاصطناعي لا يحتاج إلى بيانات تدريب لا تنتهي ليبدأ في التصرف كدماغ بشري. عندما أعاد الباحثون تصميم أنظمة الذكاء الاصطناعي لتشبه الأدمغة البيولوجية أكثر، أنتجت بعض النماذج نشاطا يشبه الدماغ دون أي تدريب على الإطلاق. هذا يتحدى النهج الحالي الذي يعتمد على البيانات في تطوير الذكاء الاصطناعي. تشير الدراسات إلى أن التصميم الأذكى يمكن أن يسرع التعلم بشكل كبير مع تقليل التكاليف واستهلاك الطاقة. --- تظهر أبحاث جديدة من جامعة جونز هوبكنز أن أنظمة الذكاء الاصطناعي المبنية بتصاميم مستوحاة من علم الأحياء يمكن أن تبدأ في تشبه نشاط الدماغ البشري حتى قبل أن يتم تدريبها على أي بيانات. تشير الدراسة إلى أن كيفية هيكلة الذكاء الاصطناعي قد تكون مهمة بقدر أهمية كمية البيانات التي يعالجها. تتحدى النتائج، التي نشرت في مجلة Nature Machine Intelligence، الاستراتيجية السائدة في تطوير الذكاء الاصطناعي. بدلا من الاعتماد على شهور من التدريب، ومجموعات البيانات الضخمة، وقوة الحوسبة الهائلة، يبرز البحث قيمة البدء بأساس معماري يشبه العقل. إعادة التفكير في النهج المعتمد على البيانات في الذكاء الاصطناعي "الطريقة التي يتحرك بها مجال الذكاء الاصطناعي الآن هي رمي مجموعة من البيانات على النماذج وبناء موارد حوسبة بحجم المدن الصغيرة. وهذا يتطلب إنفاق مئات المليارات من الدولارات. وفي الوقت نفسه، يتعلم البشر الرؤية باستخدام بيانات قليلة جدا،" قال المؤلف الرئيسي ميك بونر، أستاذ مساعد في علوم الإدراك بجامعة جونز هوبكنز. "قد يكون التطور قد تقارب على هذا التصميم لسبب وجيه. تشير أعمالنا إلى أن التصاميم المعمارية التي تشبه الدماغ تضع أنظمة الذكاء الاصطناعي في نقطة انطلاق مميزة جدا." هدف بونر وزملاؤه إلى اختبار ما إذا كانت الهندسة المعمارية وحدها يمكن أن تمنح أنظمة الذكاء الاصطناعي نقطة انطلاق أكثر شبها بالبشر، دون الاعتماد على التدريب واسع النطاق. مقارنة بنى الذكاء الاصطناعي الشائعة ركز فريق البحث على ثلاثة أنواع رئيسية من تصاميم الشبكات العصبية الشائعة في أنظمة الذكاء الاصطناعي الحديثة: المحولات، والشبكات المتصلة بالكامل، والشبكات العصبية الالتفافية. قاموا بتعديل هذه التصاميم مرارا لإنشاء عشرات الشبكات العصبية الاصطناعية المختلفة. لم يتم تدريب أي من العارضين مسبقا. ثم عرض الباحثون للأنظمة غير المدربة صورا للأجسام والأشخاص وقارنوا نشاطها الداخلي باستجابات الدماغ من البشر والرئيسيات غير البشرية أثناء مشاهدة نفس الصور. لماذا برزت الشبكات الالتفافية زيادة عدد الخلايا العصبية الصناعية في المحولات والشبكات المتصلة بالكامل لم تتسبب في تغيير ذي معنى تقريبا. ومع ذلك، أدت تعديلات مماثلة على الشبكات العصبية الالفافية إلى أنماط نشاط تتطابق أكثر مع تلك التي ترى في دماغ الإنسان. وفقا للباحثين، فإن هذه النماذج الالتفافية غير المدربة أدت أداء مماثلا لأنظمة الذكاء الاصطناعي التقليدية التي تتطلب عادة التعرض لملايين أو حتى مليارات الصور. تشير النتائج إلى أن الهندسة المعمارية تلعب دورا أكبر في تشكيل سلوك شبيه بالدماغ مما كان يعتقد سابقا. طريق أسرع نحو الذكاء الاصطناعي الأذكى ...