ما هو الذكاء الاصطناعي العام (AGI)؟

الذكاء الاصطناعي العام (AGI) إلى نوع من الذكاء الاصطناعي يتمتع بالقدرة على فهم المعرفة وتعلمها وتطبيقها في نطاق واسع من المهام بمستوى يُضاهي الذكاء البشري. وعلى عكس الذكاء الاصطناعي المحدود، المصمم لأداء مهام محددة (مثل التعرف على الصور وترجمة اللغات)، يستطيع الذكاء الاصطناعي العام تعميم المعرفة والمهارات لمعالجة المشكلات غير المألوفة والتكيف مع المواقف الجديدة على غرار الإنسان.

{getToc} $title={محتويات المقال}

ما هو الذكاء الاصطناعي العام (AGI)؟

الذكاء الاصطناعي العام (AGI) هو مرحلة افتراضية في تطور التعلم الآلي (ML)، حيث يمكن لنظام الذكاء الاصطناعي (AI) أن يضاهي أو يتفوق على القدرات المعرفية للبشر في أي مهمة. وهو يمثل الهدف الأساسي والمجرد لتطوير الذكاء الاصطناعي: محاكاة الذكاء البشري في آلة أو برنامج.

يخضع الذكاء الاصطناعي العام (AGI) لدراسات مكثفة منذ بدايات أبحاث الذكاء الاصطناعي. ومع ذلك، لا يوجد إجماع في الأوساط الأكاديمية حول تعريف الذكاء الاصطناعي العام (AGI) أو أفضل السبل لتحقيقه. ورغم أن الهدف العام المتمثل في ذكاء شبيه بالذكاء البشري واضح نسبيًا، إلا أن التفاصيل دقيقة وذاتية. ولذلك، يشمل السعي نحو الذكاء الاصطناعي العام (AGI) تطوير إطار عمل لفهم الذكاء في الآلات، ونماذج قادرة على تلبية متطلبات هذا الإطار.

يُمثل هذا تحديًا فلسفيًا وتقنيًا في آن واحد. فمن الناحية الفلسفية، يتطلب التعريف الرسمي للذكاء الاصطناعي العام (AGI) تعريفًا رسميًا لمفهوم "الذكاء"، واتفاقًا عامًا حول كيفية تجسيد هذا الذكاء في أنظمة الذكاء الاصطناعي. من الناحية التكنولوجية، يتطلب الذكاء الاصطناعي العام إنشاء نماذج ذكاء اصطناعي بمستوى غير مسبوق من التعقيد والتنوع، ومقاييس واختبارات للتحقق بشكل موثوق من إدراك النموذج وقوة الحوسبة اللازمة لدعمه.

من الذكاء الاصطناعي المحدود إلى الذكاء الاصطناعي العام

يُمكن فهم مفهوم الذكاء الاصطناعي العام بشكل أفضل عند مقارنته بالذكاء الاصطناعي المحدود: وهو مصطلح يصف فعليًا جميع أنظمة الذكاء الاصطناعي الحالية تقريبًا، والتي لا يظهر "ذكاؤها" إلا في مجالات متخصصة.

يُعتبر مشروع دارتموث الصيفي للأبحاث حول الذكاء الاصطناعي عام 1956، الذي جمع علماء رياضيات وعلماء من مؤسسات مثل دارتموث، وآي بي إم، وهارفارد، ومختبرات بيل، أصل مصطلح "الذكاء الاصطناعي". وكما ورد في المقترح، "كانت الدراسة تنطلق من فرضية مفادها أنه يُمكن وصف كل جانب من جوانب التعلم أو أي سمة أخرى من سمات الذكاء بدقة متناهية بحيث يُمكن تصميم آلة لمحاكاتها".

سعى هذا المجال الناشئ للذكاء الاصطناعي إلى وضع خارطة طريق لآلات قادرة على التفكير بشكل مستقل. ولكن في العقود اللاحقة، ظل التقدم نحو ذكاء شبيه بالذكاء البشري في الآلات بعيد المنال.

لقد تحقق تقدم كبير في مجال تطوير أجهزة حاسوبية قادرة على أداء مهام محددة تتطلب عادةً ذكاءً بشريًا عاليًا، مثل لعب الشطرنج، والتشخيص الطبي، والتنبؤ، وقيادة السيارات. إلا أن هذه النماذج - على سبيل المثال، تلك التي تُشغّل السيارات ذاتية القيادة - تُظهر ذكاءً ضمن نطاقاتها المحددة فقط.

في عام 2007، روّج الباحث في مجال الذكاء الاصطناعي، بن غورتزل، لمصطلح "الذكاء الاصطناعي العام" (AGI)، بناءً على اقتراح من شين ليغ، الشريك المؤسس لشركة ديب مايند، في كتاب مؤثر يحمل الاسم نفسه. وعلى عكس ما أسماه "الذكاء الاصطناعي المحدود"، فإن الذكاء الاصطناعي العام يُعد نوعًا جديدًا من الذكاء الاصطناعي يتميز، من بين أمور أخرى، "بالقدرة على حل المشكلات العامة بطريقة غير مقيدة بمجال معين، تمامًا كما يفعل الإنسان".

الذكاء الاصطناعي العام مقابل الذكاء الاصطناعي القوي مقابل الذكاء الاصطناعي الفائق

يرتبط الذكاء الاصطناعي العام ارتباطًا وثيقًا بمفاهيم أخرى في مجال تعلم الآلة، وغالبًا ما يُخلط بينه وبين الذكاء الاصطناعي القوي أو الذكاء الاصطناعي الفائق، أو حتى يُستخدم كمرادف لهما. ورغم وجود قدر لا بأس به من التداخل بين هذه المفاهيم، إلا أن كلًا منها يُمثل تصورًا متميزًا للذكاء الاصطناعي.

الذكاء الاصطناعي العام مقابل الذكاء الاصطناعي القوي

يشير مصطلح "الذكاء الاصطناعي القوي"، الذي نوقش بشكل بارز في أعمال الفيلسوف جون سيرل، إلى نظام ذكاء اصطناعي يُظهر وعيًا، ويُستخدم في الغالب كنقيض للذكاء الاصطناعي الضعيف. وبينما يُشابه الذكاء الاصطناعي القوي الذكاء الاصطناعي العام بشكل عام (ويُشابه الذكاء الاصطناعي الضعيف الذكاء الاصطناعي المحدود بشكل عام)، إلا أنهما ليسا مترادفين.

باختصار، في حين أن الذكاء الاصطناعي الضعيف هو مجرد أداة يستخدمها عقل واعٍ - أي إنسان - فإن الذكاء الاصطناعي القوي هو نفسه عقل واعٍ. ورغم أنه يُفترض عادةً أن هذا الوعي يستلزم ذكاءً مساويًا أو متفوقًا على ذكاء الإنسان، إلا أن الذكاء الاصطناعي القوي لا يهتم صراحةً بالأداء النسبي في مختلف المهام. كثيرًا ما يُخلط بين المفهومين لأن الوعي يُعتبر عادةً إما شرطًا أساسيًا أو نتيجةً للذكاء العام.

على الرغم من أوجه التشابه بينهما، فإن الذكاء الاصطناعي العام والذكاء الاصطناعي القوي يصفان في نهاية المطاف مفهومين متكاملين، وليسا مفهومين متطابقين.

الذكاء الاصطناعي العام مقابل الذكاء الاصطناعي الفائق

الذكاء الاصطناعي الفائق، كما يوحي اسمه، هو نظام ذكاء اصطناعي تتجاوز قدراته قدرات البشر بكثير.

تجدر الإشارة إلى أن هذا المفهوم لا يفترض بالضرورة وجود ذكاء فائق. من بين مراحل الذكاء الاصطناعي الثلاث المتشابهة - الذكاء الاصطناعي العام، والذكاء الاصطناعي القوي، والذكاء الاصطناعي الفائق - يُعد الذكاء الاصطناعي الفائق المرحلة الوحيدة التي يُمكن القول إنها تحققت بالفعل. فبدلًا من أن يكون حكرًا على الخيال العلمي، توجد نماذج ذكاء اصطناعي محدودة تُظهر ما يُمكن تسميته بالذكاء الفائق، حيث إنها تتجاوز أداء أي إنسان في مهمتها المحددة.

مع أن هذه النماذج قد تُمثل طفرات في مجال الذكاء الاصطناعي الفائق، إلا أنها لم تصل إلى مستوى الذكاء الاصطناعي العام، إذ لا تستطيع أنظمة الذكاء الاصطناعي هذه تعلم مهام جديدة بشكل مستقل أو توسيع قدراتها على حل المشكلات خارج نطاقها المحدد بدقة.

علاوة على ذلك، تجدر الإشارة إلى أن الذكاء الفائق ليس شرطًا أساسيًا للذكاء الاصطناعي العام. فمن الناحية النظرية، يُمثل نظام الذكاء الاصطناعي الذي يُظهر وعيًا ومستوى ذكاء يُضاهي مستوى ذكاء الإنسان العادي الذكاء الاصطناعي العام والذكاء الاصطناعي القوي معًا، ولكنه لا يُمثل الذكاء الاصطناعي الفائق.

التعريفات الحالية للذكاء الاصطناعي العام

لا يوجد إجماع بين الخبراء حول ما يُعتبر ذكاءً اصطناعياً عاماً، على الرغم من وجود العديد من التعريفات المقترحة عبر تاريخ علوم الحاسوب. تركز هذه التعريفات عموماً على المفهوم المجرد للذكاء الآلي، بدلاً من الخوارزميات المحددة أو نماذج التعلم الآلي التي ينبغي استخدامها لتحقيقه.

في عام 2023، استعرضت ورقة بحثية صادرة عن جوجل ديب مايند الأدبيات الأكاديمية الموجودة وحددت عدة فئات من الأطر لتعريف الذكاء الاصطناعي العام:

• اختبار تورينج
• الذكاء الاصطناعي القوي
• تشابه مع الدماغ البشري
• أداء بمستوى الإنسان في المهام المعرفية
• القدرة على تعلم مهام جديدة
• العمل ذو القيمة الاقتصادية
• قدرات مرنة وعامة
• الذكاء الاصطناعي ذو القدرات العالية (ACI)

اختبار تورينج

نشر آلان تورينج، أحد أبرز الشخصيات في تاريخ علوم الحاسوب النظرية، أحد أقدم وأهم تعريفات الذكاء الاصطناعي في بحثه المنشور عام 1950 بعنوان "آلات الحاسوب والذكاء". تمحور جوهر حجته حول إمكانية تعريف الذكاء من خلال السلوك، وليس من خلال صفات فلسفية غامضة. وإدراكًا منه لصعوبة وضع تعريفات دقيقة لمفاهيم مثل الآلات والتفكير، اقترح تورينج حلًا بسيطًا لهذه المشكلة قائمًا على لعبة جماعية تُسمى لعبة المحاكاة.

يُعدّ "اختبار تورينج" بسيطًا: إذ يتعين على مُراقب بشري قراءة عينات نصية وتحديد ما إذا كانت قد أُنتجت بواسطة إنسان أم بواسطة آلة. اقترح تورينج أنه إذا لم يستطع الإنسان التمييز بين مُخرجات البرنامج ومُخرجات إنسان آخر، فيمكن القول إن البرنامج يُظهر ذكاءً يُشبه الذكاء البشري.

انتقادات اختبار تورينج

على الرغم من تأثيره الهائل، لا يعتبر علماء الحاسوب اليوم اختبار تورينج مقياسًا كافيًا للذكاء الاصطناعي العام. بدلاً من إظهار قدرة الآلات على التفكير، غالباً ما يُبرز هذا الاختبار مدى سهولة خداع البشر.

على سبيل المثال، في عام 1966، ابتكر جوزيف وايزلباوم برنامج دردشة آلياً يُدعى إليزا، يطبق قواعد بسيطة لتحويل لغة المستخدم إلى رد آلي. كان أول برنامج صممه باستخدام هذا البرنامج يُسمى دكتور، مصمماً لمحاكاة معالج نفسي على طريقة روجرز، إما بالرد بشكل عام أو بإعادة صياغة مدخلات المستخدم في شكل سؤال:

الإنسان: حسناً، صديقي أجبرني على المجيء إلى هنا
إليزا: صديقك أجبرك على المجيء إلى هنا؟
الإنسان: يقول إنني مكتئب معظم الوقت
إليزا: يؤسفني سماع أنك مكتئب
الإنسان: هذا صحيح. أنا غير سعيد
إليزا: هل تعتقد أن المجيء إلى هنا سيساعدك على التخلص من التعاسة؟

كما أوضح فايزلباوم في كتابه الصادر عام 1976 بعنوان "قوة الحاسوب والعقل البشري"، فقد "فُوجئ برؤية مدى سرعة وعمق انخراط الأشخاص الذين يتحدثون مع برنامج DOCTOR عاطفيًا مع الحاسوب، وكيف قاموا بإضفاء صفات بشرية عليه بشكل قاطع". وأشار إلى أن حتى سكرتيرته، التي شاهدته يعمل على البرنامج لأشهر وكانت على دراية واضحة بمنهجيته البسيطة، طلبت منه مغادرة الغرفة حفاظًا على خصوصيتها عندما بدأت بالتحدث معه. وقد عُرفت هذه الظاهرة باسم "تأثير إليزا".

الذكاء الاصطناعي القوي

يُقدّم تعريفٌ آخر مُقترح معيارًا أعلى للذكاء الاصطناعي العام: نظام ذكاء اصطناعي يمتلك وعيًا. وكما أوضح سيرلز، "وفقًا للذكاء الاصطناعي القوي، فإن الحاسوب ليس مجرد أداة في دراسة العقل؛ بل إن الحاسوب المُبرمج بشكل مناسب هو عقلٌ بحد ذاته."

وقد ألّف سيرلز في عام 1980 كتابًا فلسفيًا بارزًا يُفنّد قدرة اختبار تورينج على إثبات الذكاء الاصطناعي القوي. ويصف فيه متحدثًا باللغة الإنجليزية لا يفهم اللغة الصينية إطلاقًا، محبوسًا في غرفة مليئة بكتب الرموز الصينية وتعليمات (باللغة الإنجليزية) للتعامل مع هذه الرموز. يجادل بأن المتحدث باللغة الإنجليزية قد يخدع شخصًا في غرفة أخرى ليظن أنه يتحدث الصينية بمجرد اتباع التعليمات لمعالجة الأرقام والرموز، رغم عدم فهمه لرسائل الشخص الآخر ولا حتى ردوده.

تُظهر عقود من النقاش حول "حجة الغرفة الصينية"، والتي لُخِّصت في هذه المقالة من موسوعة ستانفورد للفلسفة، غياب الإجماع العلمي حول تعريف "الفهم" وما إذا كان بإمكان برنامج حاسوبي امتلاكه. هذا الخلاف، إلى جانب احتمال ألا يكون الوعي شرطًا أساسيًا للأداء الشبيه بالأداء البشري، يجعل الذكاء الاصطناعي القوي وحده إطارًا غير عملي لتعريف الذكاء الاصطناعي العام.

تشابه مع الدماغ البشري

يُعدّ محاكاة الدماغ البشري نفسه نهجًا بديهيًا للذكاء الاصطناعي العام، الذي يهدف إلى محاكاة نوع الذكاء الذي لم يُحقق (حسب علمنا) إلا من خلال الدماغ البشري. وقد أدى هذا الحدس إلى ظهور الشبكات العصبية الاصطناعية الأصلية، والتي بدورها أثمرت نماذج التعلّم العميق التي تُمثّل حاليًا أحدث ما توصل إليه العلم في جميع فروع الذكاء الاصطناعي تقريبًا.

ويُبرهن نجاح شبكات التعلّم العميق العصبية، ولا سيما نماذج اللغة الكبيرة (LLMs) والنماذج متعددة الوسائط في طليعة الذكاء الاصطناعي التوليدي (gen AI)، على فوائد استلهام الذكاء من الدماغ البشري من خلال شبكات ذاتية التنظيم من الخلايا العصبية الاصطناعية. ومع ذلك، فإن العديد من نماذج التعلّم العميق الأكثر كفاءة حتى الآن تستخدم بنى قائمة على المحولات، والتي لا تُحاكي بدقة هياكل الدماغ. وهذا يُشير إلى أن محاكاة الدماغ البشري بشكل صريح قد لا تكون ضرورية بالضرورة لتحقيق الذكاء الاصطناعي العام.

أداء بمستوى الإنسان في المهام المعرفية

يتمثل النهج الأكثر شمولية في تعريف الذكاء الاصطناعي العام (AGI) ببساطة على أنه نظام ذكاء اصطناعي قادر على أداء جميع المهام الإدراكية التي يؤديها البشر. ورغم أن هذا التعريف مرن وبديهي، إلا أنه غامض: ما هي هذه المهام؟ ومن هم الأشخاص المعنيون؟ هذا الغموض يُحدّ من استخدامه العملي كإطار رسمي للذكاء الاصطناعي العام.

أبرز ما يُميّز هذا الإطار هو اقتصاره على المهام غير المادية في الذكاء الاصطناعي العام. إذ يُغفل هذا التركيز قدراتٍ مثل استخدام الأدوات المادية، والحركة، أو التعامل مع الأشياء، والتي تُعتبر غالبًا دليلًا على "الذكاء المادي". وهذا يُلغي الحاجة إلى مزيد من التطورات في مجال الروبوتات كشرط أساسي لتطوير الذكاء الاصطناعي العام.

القدرة على تعلم مهام جديدة

يُعدّ التركيز على القدرة على التعلم، وتحديدًا القدرة على تعلم نطاق واسع من المهام والمفاهيم، كما هو الحال لدى البشر، نهجًا بديهيًا آخر للذكاء الاصطناعي العام، وللذكاء نفسه. وهذا ما يُذكّرنا بتورينج في كتابه "آلات الحوسبة والذكاء"، حيث يُشير إلى أنه قد يكون من الأنسب برمجة ذكاء اصطناعي يُحاكي ذكاء الطفل وإخضاعه لفترة من التدريب، بدلًا من برمجة نظام حاسوبي مُحاكاة لعقل بالغ.

يتعارض هذا النهج مع الذكاء الاصطناعي المحدود، الذي يُدرّب النماذج صراحةً لأداء مهمة مُحددة. فعلى سبيل المثال، حتى نموذج التعلم القائم على اللغة (LLM) مثل GPT-4، الذي يُظهر ظاهريًا القدرة على التعلم من أمثلة قليلة أو حتى التعلم من الصفر في مهام "جديدة"، يقتصر على وظائف مُجاورة لمهمته الرئيسية: التنبؤ التلقائي بالكلمة التالية في سلسلة.

على الرغم من أن أحدث نماذج الذكاء الاصطناعي متعددة الوسائط قادرة على أداء مهام مُتنوعة بشكل مُتزايد، من معالجة اللغة الطبيعية (NLP) إلى رؤية الحاسوب إلى التعرف على الكلام، إلا أنها لا تزال مُقيدة بقائمة محدودة من المهارات الأساسية المُمثلة في مجموعات بيانات التدريب الخاصة بها. لا يمكنهم، على سبيل المثال، تعلم قيادة السيارة. سيكون الذكاء الاصطناعي العام الحقيقي قادرًا على التعلم من التجارب الجديدة في الوقت الفعلي، وهو إنجازٌ ليس غريبًا على الأطفال، بل وحتى على العديد من الحيوانات.

العمل ذو القيمة الاقتصادية

تُعرّف منظمة OpenAI، التي يُنسب إليها الفضل غالبًا في إطلاق عصر الذكاء الاصطناعي التوليدي الحالي مع نموذج GPT-3 الخاص بها عند إطلاق ChatGPT، الذكاء الاصطناعي العام في ميثاقها بأنه "أنظمة ذاتية التشغيل بدرجة عالية تتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية".

وكما تشير ورقة DeepMind البحثية، يُغفل هذا التعريف عناصر من الذكاء البشري يصعب تحديد قيمتها الاقتصادية، مثل الإبداع الفني أو الذكاء العاطفي. في أحسن الأحوال، يمكن لهذه الجوانب من الذكاء أن تُحقق قيمة اقتصادية بطريقة غير مباشرة، مثل الإبداع في إنتاج أفلام مربحة، أو الذكاء العاطفي في تشغيل آلات تُجري العلاج النفسي.

إن التركيز على القيمة الاقتصادية يعني ضمناً أن قدرات الذكاء الاصطناعي العام لا تُحتسب إلا إذا طُبقت فعلياً في العالم الحقيقي. فإذا كان نظام ذكاء اصطناعي قادراً على منافسة البشر في مهمة محددة، ولكن من غير العملي استخدامه فعلياً لتلك المهمة لأسباب قانونية أو أخلاقية أو اجتماعية، فهل يُمكن القول إنه "يتفوق" على البشر؟

وتشير ورقة ديب مايند أيضاً إلى أن أوبن إيه آي أغلقت قسم الروبوتات التابع لها عام 2021، مما يعني أن محاكاة العمل البدني - وما يترتب على ذلك من آثار على دور "الذكاء البدني" في الذكاء الاصطناعي العام - لا تدخل ضمن هذا التفسير للقيمة الاقتصادية.

قدرات مرنة وعامة

عرّف غاري ماركوس، عالم النفس وعالم الإدراك وباحث الذكاء الاصطناعي، الذكاء الاصطناعي العام بأنه "اختصار لأي ذكاء يتسم بالمرونة والعمومية، مع قدرة على التكيف وموثوقية تضاهي (أو تتجاوز) الذكاء البشري". واقترح ماركوس مجموعة من المهام المعيارية لإثبات هذه القدرة على التكيف والكفاءة العامة، على غرار تطبيق عملي ومحدد لإطار عمل "مهام التعلم".

يذكرنا هذا التقييم الكمي للذكاء الاصطناعي العام بتجربة فكرية طرحها ستيف وزنياك، المؤسس المشارك لشركة آبل، حيث تساءل: "هل يستطيع جهاز كمبيوتر تحضير فنجان قهوة؟" ويشير وزنياك إلى أن هذه المهمة التي تبدو بسيطة هي في الواقع معقدة للغاية: إذ يجب أن يكون قادراً على المشي، وأن يعرف ماهية المطابخ، وأن يعرف شكل آلة القهوة أو القهوة نفسها، وأن يتفاعل مع الأدراج والخزائن. 

وعلى وجه التحديد، اقترح ماركوس مجموعة من 5 مهام معيارية من شأنها أن توضح الذكاء الاصطناعي العام إذا تم تنفيذها بواسطة نظام ذكاء اصطناعي واحد.

• مشاهدة فيلم وفهم الشخصيات وصراعاتها ودوافعها.
• قراءة رواية والإجابة بدقة على أسئلة تتضمن رؤى تتجاوز النص الأصلي، حول الحبكة والشخصيات والصراعات والدوافع.
• العمل كطاهٍ ماهر في مطبخ افتراضي (على غرار معيار ووزنياك لتحضير القهوة).
• كتابة 10,000 سطر من التعليمات البرمجية الخالية من الأخطاء من تعليمات اللغة الطبيعية، دون الحاجة إلى تجميع التعليمات البرمجية من مكتبات موجودة.
• تحويل البراهين الرياضية المكتوبة باللغة الطبيعية إلى صيغة رمزية.

مع أن هذا الإطار الموجه نحو المهام يُضفي قدراً من الموضوعية الضرورية على تقييم الذكاء الاصطناعي العام، إلا أنه من الصعب الاتفاق على ما إذا كانت هذه المهام المحددة تغطي جميع جوانب الذكاء البشري. أما المهمة الثالثة، وهي العمل كطاهٍ، فتشير إلى أن الروبوتات - وبالتالي الذكاء المادي - ستكون جزءًا ضروريًا من الذكاء الاصطناعي العام.

الذكاء الاصطناعي ذو القدرات العالية (ACI)

في عام 2023، اقترح مصطفى سليمان، الرئيس التنفيذي لقسم الذكاء الاصطناعي في مايكروسوفت والمؤسس المشارك لشركة ديب مايند، مصطلح "الذكاء الاصطناعي ذو القدرات العالية" (ACI) لوصف أنظمة الذكاء الاصطناعي القادرة على إنجاز مهام معقدة ومتعددة المراحل في العالم الحقيقي. وبشكل أكثر تحديدًا، اقترح "اختبار التحول الحديث" الذي يُمنح فيه نظام ذكاء اصطناعي رأس مال تأسيسي قدره 100 ألف دولار أمريكي، ويُكلف بتنميته إلى مليون دولار أمريكي. وبشكل عام، يجمع هذا بين مفهوم القيمة الاقتصادية لشركة أوبن إيه آي وتركيز ماركوس على المرونة والذكاء العام.

مع أن هذا المعيار قد يُثبت على الأرجح براعة حقيقية وكفاءة متعددة التخصصات، إلا أن هذا الإطار للذكاء كنوع محدد من الناتج الاقتصادي يُعد ضيقًا للغاية من الناحية العملية. علاوة على ذلك، فإن التركيز على الربح فقط يُؤدي إلى مخاطر كبيرة في التوافق.

هل تُعدّ نماذج التعلم اللغوي (LLMs) ذكاءً اصطناعياً عاماً (AGI)؟

يرى بعض الباحثين، مثل بليز أغويرا إي أركاس وبيتر نورفيغ، أن نماذج التعلم اللغوي المتقدمة، مثل لاما من ميتا، وجي بي تي من أوبن إيه آي، وكلود من أنثروبيك، قد حققت بالفعل مستوى الذكاء الاصطناعي العام. ويفترضون أن الشمولية هي العنصر الأساسي في الذكاء الاصطناعي العام، وأن النماذج الحالية قادرة على مناقشة طيف واسع من المواضيع، وأداء مهام متنوعة، ومعالجة مجموعة واسعة من المدخلات متعددة الوسائط. ويؤكدون أن "الذكاء العام" يجب أن يُنظر إليه من منظور متعدد الأبعاد، وليس مجرد إجابة بنعم أو لا.

لكن هذا الرأي يواجه معارضة شديدة. إذ يرى مؤلفو ورقة ديب مايند أن الشمولية بحد ذاتها لا تُؤهل للذكاء الاصطناعي العام، بل يجب أن تقترن بدرجة معينة من الأداء. فعلى سبيل المثال، إذا كان نموذج التعلم اللغوي قادراً على كتابة التعليمات البرمجية، ولكن هذه التعليمات غير موثوقة، فإن هذه الشمولية "لا تُعتبر كافية من حيث الأداء".

صرح يان ليكان، كبير علماء الذكاء الاصطناعي في شركة ميتا، بأن أنظمة التعلم القائمة على اللغة تفتقر إلى الذكاء الاصطناعي العام لأنها تفتقر إلى الحس السليم: فهي لا تستطيع التفكير قبل التصرف، ولا تستطيع القيام بأفعال في العالم الحقيقي أو التعلم من خلال التجربة المجسدة، كما تفتقر إلى الذاكرة الدائمة والقدرة على التخطيط الهرمي. وعلى مستوى أكثر جوهرية، جادل ليكان وجاكوب براوننج بأن "النظام المدرب على اللغة وحدها لن يقترب أبدًا من الذكاء البشري، حتى لو تم تدريبه من الآن وحتى نهاية الكون الحرارية".

الخصائص الرئيسية للذكاء الاصطناعي العام

• التعميم: يستطيع الذكاء الاصطناعي العام تطبيق المعرفة المكتسبة في سياقات متنوعة، تمامًا كما يستخدم البشر قدراتهم المعرفية في سيناريوهات مختلفة.
• القدرة على التعلم: يستطيع الذكاء الاصطناعي العام التعلم من التجارب والتطور بمرور الوقت دون الحاجة إلى برمجته خصيصًا لكل مهمة.
• الاستقلالية: يستطيع الذكاء الاصطناعي العام العمل بشكل مستقل، واتخاذ القرارات وحل المشكلات دون تدخل بشري.
• القدرة على التكيف: يستطيع الذكاء الاصطناعي العام التكيف مع التحديات الجديدة وغير المتوقعة من خلال الاستفادة من معارفه العامة وقدراته على التعلم.

الأساليب التقنية للذكاء الاصطناعي العام

يذكر غورتزل وبيناشين أن هناك ثلاثة أساليب تقنية أساسية على الأقل لأنظمة الذكاء الاصطناعي العام، من حيث الخوارزميات وهياكل النماذج.

• محاكاة دقيقة للدماغ البشري في البرمجيات: بما أن الدماغ البشري هو النظام الوحيد المعروف لدينا القادر على الذكاء العام، فإن محاكاته شبه الكاملة ستؤدي نظريًا إلى ذكاء مماثل. في حين أن الشبكات العصبية الاصطناعية تحاكي ظاهريًا الآليات الأساسية للدماغ، فإن آلية عمل الدماغ الفعلية أكثر تنوعًا وتعقيدًا بكثير من نماذج التعلم العميق الحالية. وإلى جانب التحدي التقني المتمثل في محاكاة الدماغ بدقة، يتطلب هذا الأسلوب أيضًا فهمًا أعمق لآليات عمل الدماغ مما لدينا حاليًا.
• هيكل نموذج جديد، يختلف عن كل من الدماغ وعن هياكل الذكاء الاصطناعي المحدودة: يفترض هذا الأسلوب أن الدماغ ليس البنية الوحيدة التي تُفضي إلى الذكاء العام، وأن الأساليب الحالية للذكاء الاصطناعي المحدود لا يمكنها تجاوز قيودها التقنية أو المفاهيمية. وبالتالي، سيتطلب الذكاء الاصطناعي العام نوعًا جديدًا من الذكاء الاصطناعي. على سبيل المثال، اقترح لوكون التخلي عن نماذج الذكاء الاصطناعي الاحتمالية، بما فيها النماذج التوليدية، والنماذج الانحدارية الذاتية، لصالح "أنظمة الذكاء الاصطناعي الموجهة نحو الأهداف"، التي تتعلم "نماذجها العالمية" بطريقة أقرب إلى الحيوانات والأطفال.
• أما النهج التكاملي، الذي يجمع خوارزميات الذكاء الاصطناعي المتخصصة: فهو محور معظم المبادرات الحالية في العالم الواقعي لتحقيق الذكاء الاصطناعي العام، ساعيًا إلى دمج التقدم المنفصل الذي أُحرز في أدوات الذكاء الاصطناعي المتخصصة، مثل نماذج التعلم المحدود، ونماذج الصور، ووكلاء التعلم المعزز. ويمكن اعتبار النماذج متعددة الوسائط الحالية خطوات وسيطة على هذا المسار. وتستخدم هذه المناهج التكاملية عادةً نموذج "وكيل" مركزيًا - غالبًا ما يكون نموذج تعلم محدود - لتوجيه عملية صنع القرار وأتمتة تفويض المهام الفرعية إلى نماذج متخصصة.

ما هي فوائد الذكاء الاصطناعي العام؟

سيتم تصميم الذكاء الاصطناعي العام ليؤدي أي مهمة يؤديها الإنسان، وهذا يأتي بمزايا عديدة:

التخلص من المهام الرتيبة

كثير من المهام اليومية رتيبة وتعيق تحقيق مستويات إنتاجية أعلى. يمكن للذكاء الاصطناعي العام أداء المزيد من هذه المهام وبسرعة أكبر بكثير من البشر. وهذا من شأنه أن يلغي الحاجة إلى قيام الجميع بهذه المهام البسيطة. على سبيل المثال، يمكن للسيارات ذاتية القيادة بالكامل أن تغني عن الحاجة إلى قيادة البشر، حيث يمكن نقلهم من مكان إلى آخر. وقد يكون الذكاء الاصطناعي العام قادرًا أيضًا على ترتيب البضائع على الرفوف أو حتى القيام بالأعمال المنزلية.

تحسين الكفاءة

سيتمكن الذكاء الاصطناعي العام من العمل لساعات طويلة دون انقطاع وبنفس الإنتاجية العالية. وهذا سيسمح له بإنجاز المهام دون فقدان التركيز أو التشتت أو التعب. قد يعني هذا أن الذكاء الاصطناعي العام يمكنه أداء العديد من المهام بمفرده تمامًا، مما يلغي الحاجة إلى العنصر البشري. في حالات أخرى، قد يضطلع بدور داعم، مثل مساعدة الجراحين أثناء العمليات الجراحية الطويلة.

القدرة على إنجاز المهام الخطرة

تُعدّ بعض الوظائف شديدة الخطورة على البشر، وقد يُسهم الذكاء الاصطناعي المتقدم في تقليل الحاجة إلى التدخل البشري في هذه البيئات. على سبيل المثال، قد يكون التعدين ضارًا، كما أن اللحام تحت الماء شديد الخطورة. تستطيع روبوتات الذكاء الاصطناعي العام، التي تتمتع بمهارة تُضاهي البشر، أداء أي مهام ضرورية في هذه الأماكن دون تعريض سلامة الإنسان للخطر.

يأمل البعض أن تُشكّل روبوتات الذكاء الاصطناعي العام حلًا لاستكشاف الفضاء بين النجوم. ستحتاج هذه الآلات إلى موارد أقل للتنقل، وستُوفّر للعلماء بيانات بحثية أكثر تعمقًا بكثير مما تُوفّره التقنيات الحالية.

إدارة الكوارث

يُمكن للذكاء الاصطناعي المحدود بالفعل رصد الكوارث في سياقات مُحدّدة للمساعدة في الوقاية منها. سيُحسّن الذكاء الاصطناعي المتقدم من ذلك، وسيُقدّم مساعدة قيّمة في مواجهة الأحداث غير المتوقعة. قد يتمكّن نموذج الذكاء الاصطناعي العام، على سبيل المثال، من التنبؤ بوقوع كارثة وتحديد مسارات إخلاء مثالية.

ما هي مخاطر الذكاء الاصطناعي العام؟

عادةً ما يُثير الحديث عن أنظمة الذكاء الاصطناعي القادرة على التفكير والتصرف كالبشر الكثير من المخاوف. يخشى الناس من سيطرة الذكاء الاصطناعي العام على العالم أو فقدانهم لخصوصيتهم. معظم هذه المخاوف عاطفية وليست منطقية. مع ذلك، توجد مخاطر حقيقية تُصاحب إنشاء نظام ذكاء اصطناعي عام، ومنها:

• استخدام الذكاء الاصطناعي العام لأغراض خبيثة
• تأثير التحيز على طريقة تدريب الذكاء الاصطناعي العام، مما يؤدي إلى نموذج متحيز
• انعدام أمن البيانات والمعلومات الشخصية
• كيفية تنظيم هذا النوع من التكنولوجيا بشكل حكيم

ما هي أنواع أبحاث الذكاء الاصطناعي العام؟

يعمل الباحثون باستمرار على توسيع مجال الذكاء الاصطناعي وتطوير الذكاء الاصطناعي العام. فيما يلي بعض الطرق المتبعة في هذا الصدد:

الذكاء الرمزي

يعتقد البعض أن القدرة على فهم واستخدام التفكير الرمزي هي جوهر الذكاء البشري. ويسعى هؤلاء الباحثون إلى إيجاد طريقة لتعليم التكنولوجيا التفكير بهذه الطريقة، معتقدين أنه إذا نجحوا في ذلك، فسيكون الذكاء الاصطناعي العام ممكنًا.

الذكاء الناشئ

يركز هذا المجال البحثي على الدماغ البشري باعتباره شبكة معقدة من الخلايا العصبية التي تُطلق إشارات كهربائية. ويحاول الباحثون إعادة بناء هذا النظام على أمل أن يُسهم ذلك في تطوير الذكاء الاصطناعي العام.

الذكاء الهجين

يرى البعض أن الذكاء البشري نظام هجين يتكون من أجزاء متعددة تعمل معًا لتكوين شيء أعظم من مجموع أجزائه. ويحاول الباحثون، بطرق متنوعة، محاكاة هذا النظام لإنشاء ذكاء يُحاكي الذكاء البشري.

الذكاء الشامل

يعتقد هؤلاء الباحثون أنه إذا تمكنوا من حل نظرية الذكاء العام رياضيًا، فسيكون بإمكانهم تطويره. إنهم يعملون على نماذج نظرية بحتة على أمل تطبيقها في الواقع.

بنية الكائن الحي الكامل

يعتقد بعض العلماء أن بناء الذكاء البشري لا يتحقق إلا بوجود جسم مادي. وهم يسعون إلى دمج الذكاء الاصطناعي مع تمثيلات مادية للجسم البشري لتحقيق اختراقات تُفضي إلى ابتكار الذكاء الاصطناعي العام.

ما هي التقنيات التي تدفع أبحاث الذكاء الاصطناعي العام؟

يُعدّ الذكاء الاصطناعي العام هدفًا بعيد المنال بالنسبة لمعظم الباحثين. ومع ذلك، فهم يدركون أن تطوير قدرات تكنولوجية معينة سيدفع أبحاث الذكاء الاصطناعي العام قُدمًا. فيما يلي بعض المجالات الرئيسية التي يجري تحسينها باستمرار:

التعلم العميق

التعلم العميق هو أحد فروع الذكاء الاصطناعي، ويعمل على تدريب الشبكات العصبية لفهم العلاقات المعقدة بين البيانات. سيقوم الباحثون ببناء شبكات معقدة وتدريب الذكاء الاصطناعي على فهم النصوص والصوت والصور والفيديو وأنواع المعلومات الأخرى.

الذكاء الاصطناعي التوليدي

الذكاء الاصطناعي التوليدي هو فرع من فروع التعلم العميق، حيث يمكن للذكاء الاصطناعي إنتاج محتوى من المعرفة المكتسبة. تتدرب هذه النماذج باستخدام كميات هائلة من البيانات لتعلم كيفية إنشاء محتوى يُحاكي الإبداع البشري.

معالجة اللغة الطبيعية

معالجة اللغة الطبيعية هي فرع من فروع الذكاء الاصطناعي يُساعد نماذج الذكاء الاصطناعي على فهم اللغة البشرية وتوليدها. هكذا تعمل أدوات الذكاء الاصطناعي مثل روبوتات المحادثة.

رؤية الحاسوب

رؤية الحاسوب هي قدرة الذكاء الاصطناعي على استخراج المعلومات المكانية من البيانات المرئية وتحليلها وفهمها. يجري تطوير هذا المجال بشكل متزايد لإنشاء سيارات ذاتية القيادة قادرة على رصد العوائق وتغيير مسارها تلقائيًا.

الروبوتات

يسعى هذا المجال إلى ابتكار آليات قادرة على أداء مهام مادية. من شأن تحقيق ذلك أن يُمكّن الذكاء الاصطناعي العام من الظهور بشكل كامل في الواقع العملي، وتقديم المزيد من الخدمات والمهام.

ما هي القدرات التي ستحوّل الذكاء الاصطناعي إلى ذكاء اصطناعي عام؟

قبل أن يصبح الذكاء الاصطناعي الحالي ذكاءً اصطناعياً عاماً، سيحتاج إلى إتقان مهارات معينة:

الإدراك الحسي

سيحتاج الذكاء الاصطناعي العام إلى تطوير القدرة على الرؤية والحكم على الخصائص المكانية. حالياً، لا يستطيع الذكاء الاصطناعي التمييز بين الألوان بشكل كامل. على سبيل المثال، غالباً ما يعجز عن تحديد ما إذا كانت إشارة التوقف حمراء إذا كانت عليها ملصقات. لن يتعثر الإنسان والذكاء الاصطناعي العام في تعدد الألوان، وسيتمكنان من تحديد الجسم كإشارة توقف. كما يعجز الذكاء الاصطناعي عن استخلاص المعلومات ثلاثية الأبعاد من صورة ثابتة. سيتمكن الذكاء الاصطناعي العام من النظر إلى صورة ومعرفة أن شيئاً ما كروي، حتى لو كانت الصورة ثنائية الأبعاد فقط.

يستطيع البشر أيضاً تحديد اتجاه الصوت وفهم المحادثات الخلفية. لا يستطيع الذكاء الاصطناعي فعل ذلك، لكن الذكاء الاصطناعي العام سيكون قادراً على تقدير المسافات المكانية والتقاط المحادثات الخافتة التي تدور خلف أصوات أعلى.

المهارات الحركية الدقيقة

تستطيع أيدي الإنسان أداء مجموعة واسعة من المهام دون أي جهد. لكي يصبح أي نظام ذكاء اصطناعي عام حقيقيًا، سيحتاج إلى تطوير مهارات حركية دقيقة مماثلة. سيمكنه ذلك من حل الألغاز وتحريك الأشياء.

فهم اللغة الطبيعية

حتى الأطفال الصغار قادرون على قراءة جمل متعددة وفهمها بما يتجاوز قدرات الذكاء الاصطناعي الحالية. لكي يتطور الذكاء الاصطناعي العام، سيحتاج إلى القدرة على قراءة ومشاهدة جميع أنواع التواصل وفهمها. يشمل ذلك فهم اللغة نفسها ومعناها. ستوفر هذه المهارة أساسًا جوهريًا للذكاء الاصطناعي العام ليتعلم كل ما يحتاجه لأداء مهام أكثر تقدمًا.

حل المشكلات

لكي يتطور الذكاء الاصطناعي العام، سيحتاج إلى القدرة على تحديد المشكلات وحلها. حاليًا، لا تمتلك أي أنظمة معروفة مهارات الحس السليم اللازمة لحل المشكلات بفعالية دون توجيه. قد يتمكن الذكاء الاصطناعي العام في المستقبل من تشخيص المشكلات ومعالجتها.

الملاحة

توجد نماذج ذكاء اصطناعي قادرة على الملاحة وعرض المساحات ثلاثية الأبعاد. مع ذلك، سيمتلك الذكاء الاصطناعي العام الحقيقي هذه القدرات دون أي تدخل بشري. حاليًا، تستطيع نماذج الذكاء الاصطناعي القيام بالكثير من هذه المهام، ولكن ليس دون توجيه بشري. سيتمكن الذكاء الاصطناعي العام من إجراء عمليات رسم الخرائط وتحديد المواقع بشكل متزامن تمامًا.

الإبداع

لا يستطيع الذكاء الاصطناعي بصورته الحالية ابتكار أي شيء حقيقي. فهو قادر على اتباع التعليمات وربط الكلمات، لكنه لا يستطيع ابتكار شيء فريد. سيتمكن الذكاء الاصطناعي العام من الإبداع الحقيقي. في الواقع، يتوقع الخبراء أن يحتاج الذكاء الاصطناعي العام إلى إعادة كتابة شفرته البرمجية وإيجاد تحسينات مبتكرة لمواصلة التفوق.

التفاعل الاجتماعي والعاطفي

من الناحية المثالية، سيكون الذكاء الاصطناعي العام شيئًا يرغب البشر في التفاعل معه. ولتحقيق ذلك، سيحتاج الذكاء الاصطناعي العام إلى تعلم التعرف على المشاعر البشرية من لغة الجسد وتعبيرات الوجه، وتحديد كيفية التفاعل معها بناءً على ذلك. بدأ الذكاء الاصطناعي في التعرف على المشاعر من خلال مسح الوجه، لكن هذه القدرة محدودة للغاية وغالبًا ما تكون غير دقيقة. ففي النهاية، قد يواجه البشر صعوبة في فهم المشاعر أيضًا.

عندما يتمكن الذكاء الاصطناعي العام من فهم المشاعر، سيتمكن حينها من التفاعل مع البشر بطريقة تبدو طبيعية. ولن يكون الأمر أشبه بالاستجابات المُولّدة من مساعد شخصي مثل سيري وأليكسا. سيكون قادراً على إجراء محادثات فريدة وسيكون قادراً على تحديد ما سيقوله بناءً على مشاعر الأشخاص المحيطين به.

ما هي التحديات التي تواجه أبحاث الذكاء الاصطناعي العام؟

لا يزال الذكاء الاصطناعي العام غير موجود، وهناك حاليًا بعض العقبات التي تجعل هذا المجال البحثي بالغ الصعوبة:

فجوات التواصل

في الوقت الراهن، لا تستطيع العديد من أنظمة الذكاء الاصطناعي التواصل فيما بينها. وتؤدي المصالح المتضاربة إلى نقص في تبادل البيانات بين الباحثين والنماذج. وتعيق هذه الفجوات نمو الذكاء الاصطناعي ليصبح أكثر شمولية.

إتقان القدرات الشبيهة بالقدرات البشرية

يُعدّ فهم كيفية عمل العقل البشري أمرًا صعبًا بما فيه الكفاية بالنسبة للبشر. وبدون فهم كامل لمعنى الذكاء، قد يكون من الصعب ابتكار تكنولوجيا بقدرات شبيهة بالقدرات البشرية. ولتحقيق ذلك، سيحتاج الباحثون أولًا إلى فهم كيفية عمل الذكاء لدى البشر.

غياب بروتوكولات فعّالة

تعمل أنظمة الذكاء الاصطناعي في بيئات معزولة ومستقلة. ولا توجد حاليًا بروتوكولات مُعتمدة لتنظيم وتمكين المشاركة والتعاون. وهذا لا يتوافق مع الشبكة المعقدة للبيئة الاجتماعية البشرية التي يحتاجها نموذج الذكاء الاصطناعي العام للتطور.

التوافق مع استراتيجية الأعمال

تتمثل استراتيجية الأعمال الأساسية في تحقيق عائد على الاستثمار في الموارد المخصصة لتطوير الذكاء الاصطناعي واستخدامه. إلا أن قياس عوائد الذكاء الاصطناعي أمرٌ صعب، لأن معظم عمليات التطوير تتم على مراحل صغيرة، بدلاً من منتج نهائي. وهذا ما يُصعّب مواءمة البحث مع الاستراتيجية.

غياب التوجيه في مجال الذكاء الاصطناعي العام

غالباً ما تفتقر المؤسسات إلى خطط أو سياسات واضحة بشأن الذكاء الاصطناعي وكيفية تطبيقه في عملياتها التجارية. كما أن فرق الإدارة التنفيذية نادراً ما تمتلك فهماً عميقاً لكيفية عمل أنظمة الذكاء الاصطناعي، وتضطر إلى توظيف خبراء متخصصين في هذا المجال بتكلفة باهظة. وهذا بدوره يزيد من تكلفة التطبيق، ويُعيق تطوير نظام ذكاء اصطناعي عام معقد.

متى سيُتاح الذكاء الاصطناعي العام؟

لطالما انطوت التوقعات بشأن مستقبل الذكاء الاصطناعي على قدر كبير من عدم اليقين، لكن يكاد يجمع الخبراء على إمكانية تحقيقه بحلول نهاية القرن، بل ويُرجّح البعض حدوثه قبل ذلك بكثير.

في عام 2023، نشر ماكس روزر من موقع "عالمنا في بيانات" ملخصًا لتوقعات الذكاء الاصطناعي العام، مُلخصًا تطور آراء الخبراء حول هذا الموضوع في السنوات الأخيرة. استطلعت كل دراسة آراء المشاركين - وهم باحثون في مجال الذكاء الاصطناعي والتعلم الآلي - حول المدة التي يتوقعونها للوصول إلى احتمال بنسبة 50٪ لذكاء آلي يُضاهي الذكاء البشري. كان أبرز تغيير بين عامي 2018 و2022 هو ازدياد يقين المشاركين بأن الذكاء الاصطناعي العام سيُتاح في غضون 100 عام.

مع ذلك، تجدر الإشارة إلى أن هذه الدراسات الثلاث أُجريت قبل إطلاق ChatGPT وبداية عصر الذكاء الاصطناعي التوليدي الحديث. وقد أدى التسارع الكبير في تطور تقنيات الذكاء الاصطناعي منذ أواخر عام 2022، ولا سيما في نماذج التعلم الموجه والذكاء الاصطناعي متعدد الوسائط، إلى تغيير جذري في بيئة التنبؤ.

في دراسة متابعة موسعة أجراها غريس وآخرون على 2778 باحثًا في مجال الذكاء الاصطناعي، في أكتوبر 2023 ونُشرت في يناير 2024، قدّر المشاركون احتمالًا بنسبة 50% لتفوق الآلات غير المُساعدة على البشر في جميع المهام الممكنة بحلول عام 2047، أي قبل 13 عامًا مما توقعه الخبراء في دراسة مماثلة أُجريت قبل عام واحد فقط.

لكن كما يُشير روزر، أظهرت الأبحاث أن الخبراء في العديد من المجالات ليسوا بالضرورة موثوقين عند التنبؤ بمستقبل تخصصاتهم. ويستشهد بمثال الأخوين رايت، اللذين يُعتبران عمومًا مخترعي أول طائرة ناجحة في العالم. ففي خطاب قبول جائزة في 5 نوفمبر 1908 في نادي الطيران الفرنسي في باريس، يُقال إن ويلبر رايت صرّح قائلًا: "أعترف أنني في عام 1901، قلت لأخي أورفيل إن البشر لن يطيروا لمدة 50 عامًا. وبعد عامين، كنا نقوم برحلات جوية."