الذكاء الاصطناعي يتفوق على البشر في حل الألغاز، ويمثل اكتشافاً تاريخياً

في تطورٍ رائد، يدّعي باحثون في شركة ديب مايند، عملاق الذكاء الاصطناعي الذي يقف وراء جوجل، أن الذكاء الاصطناعي قد تفوّق على الذكاء البشري في حلّ الألغاز المعقدة. هذا الإنجاز، الذي يستند إلى نماذج لغوية مشابهة لتلك التي تُشغّل روبوتات المحادثة مثل ChatGPT، يُشير إلى تحوّلٍ محتمل في ميزان القدرات الفكرية بين البشر والآلات.

الكشف عن البحث الممتع في تسرب الذكاء الاصطناعي إلى حل المشكلات

يمثل مشروع DeepMind، الذي أطلق عليه اسم "FunSearch" (البحث في فضاء الدوال)، مغامرةً رائدةً في مجالٍ غير مسبوق، حيث يُسهم نموذج لغوي في تحقيق اكتشاف علمي جديد. وقد استخدم المشروع نموذجًا لغويًا ضخمًا (LLM) مقترنًا بمُقيِّم لمعالجة المشكلات في برامج الحاسوب. وقد مكّن هذا النهج المبتكر الذكاء الاصطناعي من تجاوز حدود الحلول التي يُنتجها البشر.

مشكلة مجموعة السعة وتفوق الذكاء الاصطناعيdent

تم إطلاق برنامج FunSearch لحل لغزين، أولهما مسألة مجموعة الأغطية. يتضمن هذا التحديmaticdentأكبر مجموعة من النقاط في الفضاء حيث لا تقع أي ثلاث نقاط على خط مستقيم. والمثير للدهشة أن النظام المدعوم بالذكاء الاصطناعي أنتج برامج حلت المسألة وتفوقت على أفضل الحلول التي توصل إليها علماءmaticسابقًا.

تطبيق الذكاء الاصطناعي خارج الحدود التقليدية: مشكلة تعبئة الصناديق

يتناول اللغز الثاني، وهو مشكلة تعبئة الحاويات، كيفية تحسين ترتيب العناصر ذات الأحجام المختلفة داخل الحاويات. وبينما ينطبق هذا اللغز على سيناريوهات مادية مثل التعبئة الفعالة في حاويات الشحن، فإن المبادئmaticتمتد لتشمل مجالات متنوعة مثل جدولة مهام الحوسبة في مراكز البيانات. وقد أظهر برنامج FunSearch براعته من خلال معالجة هذه المشكلة المعقدة وتقديم حلول تفوقت على الاستراتيجيات التقليدية التي وضعها البشر.

يكمن جوهر القدرات الجديدة للذكاء الاصطناعي في نماذج اللغة المتطورة التي تُشكل أساس برامج الدردشة الآلية الحديثة. تتعلم هذه الشبكات العصبية أنماط اللغة، بما في ذلك شفرة الحاسوب، من مجموعات بيانات ضخمة. منذ ظهور ChatGPT، أظهرت هذه النماذج براعة في مهام متنوعة، بدءًا من تصحيح أخطاء البرمجيات وصولًا إلى صياغة محتوى متنوع كالمقالات، وخطط السفر، والقصائد. مع ذلك، وحتى الآن، كان يُنظر إلى هذه النماذج على أنها مجرد أدوات لإعادة صياغة المعلومات، وليست مولدات للمعرفة الأصلية.

تطور البرامج والكشف عن منهجية بحث ممتعة جديدة للمعرفة

لتمكين برنامج FunSearch، استخدمت DeepMind ببراعة نموذج التعلم الموجه (LLM) لإنشاء برامج حاسوبية تعالج مشكلات محددة. ثم جرى تقييم هذه البرامج بناءً على أدائها، وتم دمج أفضلها أداءً وإعادتها إلى نموذج التعلم الموجه. حوّلت هذه العملية التكرارية البرامج غير المثلى إلى برامج أكثر قوة، مما أدى إلى اكتشاف معارف لم تكن معروفة من قبل.

يشير نجاح تطبيق برنامج FunSearch في حلّ الألغاز المعقدة إلى أن الذكاء الاصطناعي، المدعوم بنماذج لغوية متطورة، يمتلك القدرة على تجاوز قدرات الإنسان في حلّ المشكلات في مجالات معينة. ومع استمرار تطور الذكاء الاصطناعي، فإنه قدdefiحدود ما كان يُعتبر في السابق حكرًا على الفكر البشري.

لا تقتصر الآثار المترتبة على ذلك على الألغاز فحسب، إذ يمكن تكييف المنهجية التي يستخدمها برنامج FunSearch مع مجالات متنوعة، مما يمهد الطريق لتطورات مدفوعة بالذكاء الاصطناعي في مختلف التخصصات العلمية. إن إمكانية توليد الذكاء الاصطناعي لحلول واكتشافات جديدة تفتح آفاقًا جديدة للبحث والابتكار.

لمحة عن مستقبل الاكتشافات المدفوعة بالذكاء الاصطناعي

يؤكد الكشف الأخير من شركة ديب مايند على القوة التحويلية للذكاء الاصطناعي، لا سيما في مجال حل المشكلات. ويشير نجاح برنامج FunSearch في التفوق على الحلول البشرية في حل الألغاز إلى مستقبل قد يلعب فيه الذكاء الاصطناعي، بتوجيه من نماذج لغوية متطورة، دورًا محوريًا في تحقيق إنجازات علمية رائدة.

بينما يركز الإنجاز الحالي على حل الألغاز، فإن التطبيقات الأوسع نطاقًا لهذه المنهجية المدعومة بالذكاء الاصطناعي لم تُستكشف بالكامل بعد. ومع تعمق الباحثين في استكشاف الإمكانيات، قد يؤدي التآزر بين العقل البشري والذكاء الاصطناعي إلى تطورات غيرdent، مما يُشكل نقلة نوعية في فهمنا لحل المشكلات والاكتشاف.