باحثون صينيون يحققون إنجازاً في إنشاء "علماء حقيقيين في مجال الذكاء الاصطناعي"

كشف باحثون صينيون من جامعة بكين ومعهد التكنولوجيا الشرقي (EIT) مؤخرًا عن إطار عمل رائد مصمم لتدريب نماذج التعلم الآلي باستخدام المعرفة المسبقة، وهو ما يمثل نقلة نوعية عن النهج التقليدي القائم على البيانات فقط. ويسلط الباحثون الضوء على الأثر التحويلي لنماذج التعلم العميق على البحث العلمي، مؤكدين قدرتها علىtracالعلاقات المهمة من مجموعات البيانات الضخمة. ويعالج إطار العمل هذا قصور النماذج الحالية، مثل نموذج Sora من OpenAI، الذي يواجه صعوبة في محاكاة بعض التفاعلات الواقعية بدقة بسبب نقص فهم القوانين الفيزيائية كقانون الجاذبية.

تعتمد نماذج التعلم العميق، المشهورة بإحداث ثورة في البحث العلمي، بشكل أساسي على بيانات ضخمة للتدريب بدلاً من دمج المعرفة المسبقة كالقوانين الفيزيائية أو المنطقmatic. مع ذلك، يقترح باحثون من جامعة بكين ومعهد الشرق للتكنولوجيا تحولاً جذرياً في هذا النهج. إذ يقترح الفريق دمج البيانات مع المعرفة المسبقة أثناء التدريب، ما قد يُسفر عن نماذج تعلم آلي أكثر دقة وفعالية.

يكمن التحدي في تحديد جوانب المعرفة المسبقة التي ينبغي دمجها، بما في ذلك العلاقات الوظيفية والمعادلات والمنطق، لتحسين عملية التعلم المسبق دون التسبب في انهيار النموذج. ويؤكد البروفيسور تشن يونتيان أن إغراق النماذج بكمية كبيرة من المعرفة والقواعد غالباً ما يؤدي إلى صعوبات أو إخفاقات في نماذج التعلم الآلي الحالية.

إطار لتقييم أهمية القواعد

للتغلب على هذا التحدي، طور الباحثون إطار عمل يُقيّم قيمة القواعد ويحدد التركيبات المثلى التي تُعزز القدرة التنبؤية لنماذج التعلم العميق. ويوضح شو هاو، المؤلف الأول والباحث في جامعة بكين، أن إطار عملهم يحسب "أهمية القاعدة" من خلال تحليل كيفية تأثير قواعد أو تركيبات محددة على دقة التنبؤ للنموذج.

يهدف هذا النهج إلى تحقيق التوازن بين تأثير البيانات والمعرفة، مما يعزز كفاءة نماذج التعلم العميق وقدراتها الاستدلالية. ويتوقع الفريق أن دمج المعرفة البشرية في نماذج الذكاء الاصطناعي من شأنه أن يحسن بشكل كبير من قدرتها على محاكاة الواقع، مما يجعلها أكثر قابلية للتطبيق في المجالات العلمية والهندسية.

اختبر الباحثون إطار عملهم من خلال تحسين نموذج لحل المعادلات متعددة المتغيرات وآخر للتنبؤ بنتائج تجربة كيميائية. ويشير تشين إلى أن هذا الإطار سيجد، على المدى القريب، تطبيقاته الأكثر فائدة في النماذج العلمية التي يكون فيها التوافق مع قواعد الفيزياء أمرًا بالغ الأهمية لتجنب العواقب السلبية المحتملة.

على الرغم من النتائج الواعدة، يُقرّ الفريق بوجود تحدٍّ. فمع إضافة المزيد من البيانات إلى النموذج، تصبح القواعد العامة أكثر أهمية من القواعد المحلية المحددة. إلا أن هذه الملاحظة لا تُقدّم فوائد ملموسة في مجالات مثل علم الأحياء والكيمياء، حيث غالباً ما تفتقر إلى القواعد العامة.

نحو علماء الذكاء الاصطناعي المستقلين

يتطلع فريق البحث، في المستقبل، إلى تطوير إطار عمله خطوةً أخرى، لتمكين الذكاء الاصطناعي منdentمعارفه وقواعده مباشرةً من البيانات دون تدخل بشري. والهدف النهائي هو إنشاء حلقة مغلقة، لتحويل النموذج إلى عالم ذكاء اصطناعي حقيقي. ويرى تشين أن هذا التطور خطوةٌ هامة نحو الاستقلالية في الذكاء الاصطناعي، ويعمل الفريق حاليًا على تطوير أداة إضافية مفتوحة المصدر لمطوري الذكاء الاصطناعي لتسهيل هذا التحول.