من الخيال العلمي إلى الواقع: رحلة الذكاء الاصطناعي وتشكيله لمستقبلنا

القاهرة - وكالة أنباء إخباري

رحلة الذكاء الاصطناعي: من تصورات القرن الماضي إلى هيمنة العصر الرقمي

في عصر تتزايد فيه قدرة الآلات على محاكاة القدرات البشرية، يبدو استخدام تطبيقات الذكاء الاصطناعي مثل ChatGPT أمراً عادياً، حيث يمكننا الآن الحصول على شروحات مفصلة لمفاهيم معقدة، إنجاز مهام روتينية، وحتى تخصيص المعلومات حسب تفضيلاتنا. ولكن، كيف وصلنا إلى هذه النقطة؟ ما هي الجذور التاريخية للذكاء الاصطناعي، وكيف تطور عبر العقود ليصبح قوة مؤثرة في حياتنا، تثير تساؤلات حول مستقبل وظائفنا وسيطرة الروبوتات؟

لم يكن مصطلح "روبوت" وليد مختبرات الهندسة المتقدمة، بل خرج من عالم الأدب. ففي عام 1920، قدم الكاتب المسرحي التشيكي كارل تشيبيك في مسرحيته "R.U.R" تصوراً لمصانع تنتج عمالاً اصطناعيين أطلق عليهم "Roboti"، ومن هنا اشتقت كلمة "Robot". اللافت أن تشيبيك لم يكن متفائلاً، إذ انتهت مسرحيته بثورة الروبوتات ضد البشر، وهو هاجس تكرر في أعمال سينمائية لاحقة مثل "Terminator" و"Ex Machina"، والتي غالباً ما تقارن بأدوات الذكاء الاصطناعي الحديثة. وقبل أكثر من قرن، في عام 1927، قدم فيلم "Metropolis" أول روبوت أنثى في السينما، "ماريا"، بتصميم بصري مذهل يثير الدهشة حتى اليوم.

الأسس النظرية والتحديات الأولى

بعيداً عن الخيال، وضع عالم الحاسوب آلان تورينج الأسس النظرية في عام 1950 بورقته البحثية "Computing Machinery and Intelligence". طرح تورينج سؤالاً جوهرياً: "هل يمكن للآلات أن تفكر؟". ولأن الإجابة المباشرة كانت صعبة، اقترح "اختبار تورينج"، الذي يقضي بأن الآلة تفكر إذا لم يتمكن الإنسان من التمييز بينها وبين إنسان آخر في محادثة. في عام 1956، اجتمع علماء في كلية دارتموث، بقيادة جون مكارثي، بهدف دراسة إمكانية بناء آلات تحاكي التعلم البشري. هناك، ولد مصطلح "الذكاء الاصطناعي" (Artificial Intelligence) رسمياً، معتبرين هذه اللحظة نقطة انطلاق المجال.

لكن الطريق لم يكن مفروشاً بالورود. شهد مجال الذكاء الاصطناعي فترات وصفها الباحثون بـ"الشتاء"، حيث انكمشت التمويلات وخفتت الآمال بسبب عدم تحقيق الوعود المبالغ فيها. أحد أبرز هذه الفترات كان بعد صدور تقرير ALPAC عام 1966، الذي انتقد برامج الترجمة الآلية لكونها أغلى وأقل دقة وأبطأ من الترجمة البشرية، مما أدى إلى وقف التمويل الحكومي لمثل هذه المشاريع.

من الأنظمة الخبيرة إلى انتصار "Deep Blue"

تعلم الباحثون من هذه التجربة، فبدلاً من بناء آلات تفهم كل شيء، اتجهوا نحو "الأنظمة الخبيرة" (Expert Systems) المتخصصة في مجال واحد، تعتمد على قواعد بيانات مستمدة من خبراء بشريين. لاقت هذه الأنظمة نجاحاً أولياً وانتشرت في الشركات والمؤسسات، لكنها واجهت صعوبات في التحديثات المكلفة وعدم قدرتها على تجاوز نطاق معرفتها المحدد. أدى هذا القصور إلى انهيار شركات كبرى وتراجع التمويل مرة أخرى.

في عام 1997، حقق حاسوب "Deep Blue" من شركة IBM إنجازاً تاريخياً بهزيمة بطل العالم في الشطرنج، غاري كاسباروف. أثارت هذه المباراة جدلاً واسعاً، حيث أظهرت قدرة الآلة على التفوق في لعبة استراتيجية معقدة. ومع ذلك، فإن الانتصار لم يكن نابعاً من "ذكاء" بالمعنى البشري، بل من القدرة على حساب ملايين الاحتمالات في الثانية، مما أبرز اختلاف طريقة عمل الآلة عن الإنسان.

عصر التعلم العميق وثورة النماذج اللغوية

شهد عام 2012 نقطة تحول كبرى مع تقديم نموذج "AlexNet"، الذي حقق قفزة نوعية في التعرف على الصور بفضل تقنية "التعلم العميق" (Deep Learning). أصبحت هذه التقنية ممكنة بفضل التطور في قوة الحوسبة وتوفر كميات هائلة من البيانات، كما في قاعدة بيانات ImageNet. أما في عام 2017، فقد قدمت ورقة بحثية بعنوان "Attention Is All You Need" من جوجل DeepMind بنية "المحوّل" (Transformer)، التي باتت تشكل حجر الزاوية للنماذج اللغوية الكبيرة (LLMs) مثل GPT وجيميناي.

شكل الإطلاق التجريبي لـ ChatGPT في نوفمبر 2022 علامة فارقة، حيث وصل إلى مليون مستخدم في خمسة أيام فقط، ليفتح عصراً جديداً للذكاء الاصطناعي يسهل الوصول إليه والتفاعل معه. وتتجه الأنظار حالياً نحو "وكلاء الذكاء الاصطناعي" (AI Agents) التي تتلقى أهدافاً وتعمل على تحقيقها عبر تقسيم المهام واستخدام أدوات خارجية.

نقطة الانعطاف المستقبلية

وفقاً لمنحنى الابتكار (Innovation S-curve)، يبدو أن مجال الذكاء الاصطناعي يقترب من "نقطة الانعطاف"، حيث قد يبدأ معدل التطور السريع في التباطؤ التدريجي لصالح نضج التقنية وزيادة الاعتماد عليها. بينما قد تصبح التطورات في النماذج اللغوية أقل وضوحاً، فمن المتوقع أن يؤدي ذلك إلى زيادة التطبيقات العملية والمفيدة للذكاء الاصطناعي في حياتنا اليومية، بدلاً من مجرد ميزات هامشية.