ولعل أحد الأسباب التي ساهمت في هذا الارتفاع هو تزايد عدد الوظائف التي تتطلب مستوى معينًا من المعرفة التقنية، وبما أن العديد من المعلومات المختلفة يتوفر عن الذكاء الاصطناعي، بات من الصعب التمييز بين الصحيح والخاطئ منها أو حتى إيجاد تفسيرات مبسطة عن هذا الموضوع.
أدوات مستخدمة
ومن بين الحقائق المفيدة عن الذكاء الاصطناعي، والتي يمكن إيجادها على الموقع التفاعلي، العديد من الأدوات التي نستخدمها تعتمد على الذكاء الاصطناعي، فمن المحتمل أن الكثير من المستخدمين سبق وتفاعل مع الذكاء الاصطناعي دون إدراك ذلك، فالذكاء الاصطناعي اسم يُطلق على أي نظام كمبيوتر يتم تدريبه على محاكاة السلوك البشري الذكي، ونجده في العديد من التقنيات المستخدمة في حياتنا اليومية، سواء لمساعدتنا في تنظيم الصور على هواتفنا الذكية أو التخطيط لرحلة عمل مثلاً، وتستخدم هذه التقنيات برمجة الكمبيوتر لإنجاز المهام التي كانت تتطلب جهدًا فكريًا كبيرًا من الإنسان، الأمر الذي من شأنه أن يسهل حياتنا بالتزامن مع التقدم التقني الكبير الذي شهده العقد الماضي بفضل تزايد سرعات الكمبيوتر ونشوء تقنيات مثل «تعلم الآلة».
أمثلة واقعية
تتضمن الحقائق المنشورة على الموقع التفاعلي كذلك، تعلم الذكاء الاصطناعي من أمثلة واقعية، تمامًا كالأطفال، ويتم تدريبها باستخدام «مجموعات البيانات» التي تتضمن تشكيلات واسعة من الأمثلة الواقعية، مثل بيانات عن الطقس وصور وموسيقى وغيرها. وقد يشكل إنشاء هذه المجموعات وفلترتها أمرًا صعبًا بالنظر إلى حجمها الكبير ومدى تعقيدها؛ فكل مجموعة بيانات تعتبر بمثابة أطلس يتألف من خرائط شاملة تغطي المنظومة الشمسية بأكملها.
ولهذا السبب تعمّد فرق تصميم أنظمة الذكاء الاصطناعي مشاركة مجموعات البيانات فيما بينها، بهدف إثراء المجتمع العلمي ككل وتسهيل فرص التعاون في مجال الأبحاث.
انحياز الأنظمة
ويشير الموقع التفاعلي إلى أن المعلومات غير المكتملة قد تؤدي إلى انحياز في أنظمة الذكاء الاصطناعي، فإذا كانت البيانات التي تتعلم منها أنظمة الذكاء الاصطناعي غير شاملة ومكتملة، قد يؤدي ذلك إلى انحياز في الخوارزميات وبالتالي قد تبدأ الأنظمة في توجيه هذه البيانات نحو نتائج معينة.
ولأن أنظمة الذكاء الاصطناعي تتعلم فقط من البيانات، فقد ينتهي بها الأمر في استنتاج معلومات انحيازية وغير متكافئة من البيانات الأصلية، على سبيل المثال، إذا كان نظام الذكاء الاصطناعي عن التعرف على أنواع الأحذية، وعُرضت عليه صور لأحذية رياضية فقط، لن يتمكن هذا النظام من تعلم أن الأحذية ذات الكعب العالي أو الصنادل أو الجزم تعد أحذية أيضًا.
ولهذا السبب يحرص المبرمجون على تصميم أنظمتهم وتنظيم بياناتهم بدقة بالغة؛ لضمان عدم تقديم أنظمة الذكاء الاصطناعي نتائج انحيازية وغير شفافة.
التزييف العميق
يتضمن الموقع التفاعلي كذلك كيف يمكن للذكاء الاصطناعي المساعدة في رصد محتوى «التزييف العميق»، وهو عبارة عن صور أو مواد صوتية أو موسيقى أو فيديوهات مزيفة يتم إنشاؤها باستخدام الذكاء الاصطناعي، وتعمل برامج «التزييف العميق» من خلال دراسة صوت حقيقي أو صورة حقيقية، وتحليل هذا الصوت أو الصورة بشكل تفصيلي، ثم التلاعب بهما لإنشاء مواد مزيفة قريبة إلى الواقع بشكل كبير.
ومع ذلك، هناك بعض العلامات التي يمكن من خلالها التمييز بين المحتوى المزيف والمحتوى الحقيقي.
على سبيل المثال، قد يبدو الصوت في فيديو مزيف شبيهًا بصوت آلي، كما ترمش أعين الأشخاص بمعدل أقل من الطبيعي أو تتكرر حركات أيديهم نفسها بشكل ملحوظ، هنا يأتي دور أنظمة الذكاء الاصطناعي في رصد هذه المؤشرات وكشف محتوى «التزييف العميق».
غير إنساني
وتؤكد جوجل أنه من المستحيل تعليم أنظمة الذكاء الاصطناعي أن تفكر كالإنسان، فبغض النظر عن التقدم الذي تحرزه أنظمة الذكاء الاصطناعي، لن تتمكن أبدًا من فهم الطريقة التي يفكر بها الإنسان في الواقع، حتى لو تمكنت من تزويد أنظمة الذكاء الاصطناعي بكل البيانات المتاحة في العالم، ستظل عاجزة عن فهم أو تلبية احتياجات كل شخص حول العالم، وذلك لأن الإنسان يستخدم نهجًا معقدًا ومتعدد الأبعاد من حيث التفكير والتفاعل، يختلف إلى حد كبير عن منظومة البيانات التي تستخدمها الآلات للتعلم.
وبما أنه يتم تدريب وتوجيه أنظمة الذكاء الاصطناعي على أيدي البشر، فبإمكان كل منا اختيار طريقة تفاعله مع أنظمة الذكاء الاصطناعي، وماهية المعلومات التي يريد مشاركتها، فكل فرد يتخذ القرار في تحديد مقدار المعلومات التي يريد أن تعرفها أنظمة الذكاء الاصطناعي.
