«آلة تفكر مثل البشر».. مساهمات رائدة للفائزين بجائزة نوبل للفيزياء (خاص)
قدم الحائزان على جائزة نوبل في الفيزياء هذا العام، جون هوبفيلد وجيفري هينتون، مساهمات رائدة في تطوير التعلم الآلي، باستخدام أدوات من الفيزياء لإحداث ثورة في كيفية معالجتنا للبيانات وبناء الذكاء الاصطناعي.
ويقول محمود عبد الحفيظ أستاذ فيزياء المواد بجامعة هارفارد الأمريكية لـ”العين الإخبارية”، إنه “لفهم عملهما، تخيل الدماغ البشري كشبكة معقدة من الخلايا العصبية التي تخزن الذكريات وتتعرف على الأنماط، فعندما ترى صورة ضبابية أو غير مكتملة، يستخدم دماغك تجارب الماضي لإعادة بناء الصورة، على سبيل المثال، إذا رأيت صورة لقطة بها تفاصيل مفقودة، يملأ دماغك الفجوات لأنك رأيت العديد من القطط من قبل”.
ويوضح أن “هذا مشابه لكيفية عمل الذاكرة الترابطية لهوبفيلد، والذي أنشأ شبكة يمكنها تخزين واسترجاع الأنماط، مثل الصور، حتى عندما كانت المدخلات غير واضحة أو مشوهة”.
وتقوم شبكة هوبفيلد بذلك عن طريق تعديل القيم الداخلية (مثل الخلايا العصبية) لتقليل “الطاقة” في النظام، وهي طريقة رياضية للقول بأن الشبكة تصبح أكثر ثقة في الإجابة الصحيحة مع كل خطوة.
وبنى جيفري هينتون، الملقب بـ (الأب الروحي للتعلم العميق)، على هذه الفكرة وطور نظاما يسمى آلة بولتزمان، حيث تتجاوز آلته مجرد تخزين الصور، فهي تتعلم التعرف على الميزات المهمة في البيانات.
ويقرب عبدالحفيظ الفكرة قائلا: “تخيل طفلا يتعلم التعرف على الحيوانات، وبعد رؤية عدد قليل من الكلاب، يمكن للطفل التعرف على الكلاب الجديدة حتى لو بدت مختلفة، وبالمثل، يمكن لشبكة هينتون أن تتعلم التعرف على الأنماط، مثل اكتشاف كلب في صورة جديدة، حتى عندما لم يتم رؤية الكلب بالضبط من قبل، وهذه القدرة على التعلم من التجربة هي ما يجعل التعلم الآلي قويا”.
ويضيف: “باختصار، فقد وضع عمل هؤلاء الحائزين على الجائزة الأساس لأنظمة التعلم الآلي اليوم، والتي يمكنها تحليل كميات كبيرة من البيانات، والتعرف على الأنماط، واتخاذ القرارات، وكل المهام التي تحاكي التعلم والذاكرة البشرية”.
aXA6IDJhMDI6NDc4MDphOjE0NTE6MDoxN2IzOjljNmY6MiA=
جزيرة ام اند امز
