الذكاء الاصطناعي اليوم

تستمر الأحاديث عن تغير العالم في المستقبل نتيجة التقدم في صناعة الذكاء الاصطناعي، ولا نزال نعتقد أن هذا ضرب من الخيال ولن يكون ممكناً في زماننا. لكننا مخطئون. تحكي لنا الرأسمالية الاستثمارية شيفون زيليس من شركة Bloomberg Beta نتيجة مراجعتها للوضع الراهن في مجال تطوير الذكاء الاصطناعي.

قضيت الأشهر الثلاثة الأخيرة وأنا أدرس جميع المشاريع الرائدة التي وجدتها ذات العلاقة بالذكاء الاصطناعي وتعليم الآلة ومعالجة البيانات. يوجد في قائمتي حالياً 2529 من هذه الشركات. ربما كان من الممكن أن أقضي وقت فراغي أفضل، ولكن لا بأس...

منذ عدة سنين مضت كان المستثمرون لا يتحدثون إلا عن «البيانات الضخمة». وفي الحاضر يحدث انفجار مماثل بالنسبة للشركات التي تصنف نفسها بين مبتكري الذكاء الاصطناعي وتعلم الآلة، وأنا أسمي هذين الأمرين معاً «ذكاء الآلة». يتوجه صندوق Bloomberg Beta نحو المجالات التي نأمل أنّ مستقبلها واعد، لذلك نستثمر في مثل هذه المشاريع أيضاً. قمت بهذه المراجعة لدراسة المشاريع الرائدة ضمن السياق. أحاول خلال الاستثمار أن أشكل تصوراً للمنظر المستقبلي وأقارن بين الشركات المرشحة للاستثمار وبين تصوري هذا. لذا أبدأ من دراسة المجالات المشغولة بكثافة وكذلك الفراغات؛ فبناء منظومة يساعد على كشف الثغرات.

إنه مصطلح جامع لما يسميه الآخرون بالذكاء الاصطناعي وتعلم الآلة. كان هذا المصطلح مستخدماً سابقاً أيضاً، ولكن بلا تعريف واضح، وهذا لا يجوز باعتبار الجدالات المصطلحية في هذا المجال. كنت أفضِّل صياغة أخرى، ولكن تبين أن «الذكاء الاصطناعي» و«تعلم الآلة» كلاهما مفهومان ضيقان جداً؛ عندما أستخدم المصطلح الأول يتساءل الكثيرون ما إذا كانت الشركة تقوم بتطوير «الذكاء الاصطناعي الحقيقي»، وعندما أستخدم الثاني توجَّه إلي ملاحظات أن المصطلح ليس فيه إلا القليل من «الذكاء». أما عندما أقول «ذكاء الآلة» أشعر أن الناس يلتقطون المضمون فوراً، وهو المطلوب.

تتعلم الكمبيوترات التفكير والقراءة والكتابة، وتكتسب أعضاء الحواس البشرية، البصر والسمع قبل غيرها، إذ لا تزال حواس اللمس والذوق والشم متخلفة عندها. تستخدَم تقانات ذكاء الآلة في طيف واسع من المسائل (من التصنيف والتعنقد لأي شيء كان وحتى استعراف الكلام الطبيعي وإبصار الكمبيوترات) والطرائق (من طريقة متجه الدعم إلى شبكات الاعتقاد العميقة). كل هذه التقانات معكوسة في هذه المراجعة.

ما لن تجده هنا هو تقانات «البيانات الضخمة». يستخدم البعض هذا المصطلح كمرادف لتعلم الآلة والذكاء الاصطناعي، لكني أريد التركيز على الذكاء لا على البيانات وتخزينها ومعالجتها؛ مع أن تقانات معالجة البيانات، بطبيعة الحال، هي أساس ذكاء الآلة.

وجدت آلاف الشركات. الجدول مكتظ، ولكنه لا يشمل إلا جزءاً يسيراً من كامل النظام البيئي. كانت «درجة القبول» في هذا الجدول مماثلة لتلك في جامعة هارفارد أو جامعة ييل.

حاولت أن أختار الشركات التي ترتكز تقاناتها على طرائق ذكاء الآلة. يغلب أن تكون هذه المنشآت متعددة المجالات، ولكني حاولت تصنيف الشركات وفق مجال عملها الأساسي ووفق تقديمها لنفسها، وذلك توخياً للبساطة.

ولكي نفهم أين نحن من الابتكارات وذكاء الآلة، لابد من الوصول إلى التقانات التي يرتكز قطاع الأعمال عليها. يقدم بعض هذه الشركات واجهة لبرمجة التطبيقات، وأخرى تبيع منصتها، وجزء منها تمر بالمرحلة التي لا يوجد أثناءها إلا نموذج بدئي، وبعضها الآخر لا يكاد يوجد أي معلومات عنه.

يعرض جزء من هذه الشركات حلولاً ثورية للمؤسسات أو قطاعات صناعية كاملة، وبعضها الآخر لا يزال منغلقاً على نفسه.

لو كان أمامي مهمة تحديد مجال عمل شركة جديدة لاستفدت من هذه المراجعة وحاولت إنشاء حل صناعي يستخدم التكنولوجيا الموجودة. يحب الكثيرون أن يحلوا مسائل نظرية جميلة، ولكن هناك سوق كبير للمسائل «الكريهة»؛ يجب أن تأخذ الحلول التكنولوجية الأقوى وتنشئ على أساسها تطبيقات عملية توافق متطلبات الصناعة. أمثلة: Watson Developer Cloud و AlchemyAPI.

صدر في الفترة الأخيرة عدد من المقالات الممتازة لتأملات مؤلفيها حول التقدم في مجال ذكاء الآلة وتعداد العوامل التي أدت إلى هذا التقدم. مثلاً، يعتقد كيفين كيلي محرر مجلة Wired أن السر يكمن في رخص تكلفة الحوسبة المتوازية وكبر حجم البيانات المتوفرة والتقدم في مجال الخوارزميات. أما أنا فأركز على دراسة النظام البيئي على مستوى الشركات.

من السهل أن تفهم بشكل عام أهمية الذكاء الاصطناعي، ولكنني لم أفهم حتى الآن ما الذي تعمل عليه هذه الشركات وكيف تغيِّر العالم المحيط؛ لم أكن أفهم ذلك بما يكفي. أما كيفين كيلي فقال ما يلي:

«يسهل التنبؤ بخطط أعمال 10 آلاف من المشاريع الرائدة: نأخذ "س" ونضيف إليه الذكاء الاصطناعي».

في أحيان كثيرة يمكن الاستغناء عن "س". لن يكتفي ذكاء الآلة بتغيير المجالات الموجودة بل على الأغلب سيخلق مجالات جديدة تماماً.

بعض تطبيقات ذكاء الآلة متوقع تماماً، وهي المعاونات الآلية ‎(Siri)‎ والروبوتات اللطيفة ‎(Jibo)‎ وتعرّف الناس من صورهم (مثل المشروع المثير للاهتمام من الناحية التقنية الذي يحمل الاسم غير الملائم DeepFace)‎. إلا أن هناك تطبيقات غير متوقعة: حماية الأطفال من الاسترقاق الجنسي واختصار عدد المواد الكيميائية المضافة في أوراق الخس وشراء الأحذية عن طريق الإنترنت بحيث توافق قدمك تماماً وإبادة ألعاب الكمبيوتر الكلاسيكية من حقبة الثمانينات.

فوجئت أن 10٪ من الشركات الخاصة (غير المساهمة) من عينتي تم شراؤها، رغم الاعتقاد السائد أن هذا المجال يتصف بقلّة الاندماجات.

لا أعتقد أن أحداً سيدهش إذا قلت أن المستحوذ الأكبر هو Google، وعدد الشركات المستحوذة للشركات في قائمتي بلغ 15 شركة فقط. أظن أن 10٪ أخرى من الشركات سوف تباع بنهاية سنة 2015، وأتوقع ما هي هذه الشركات لكني لن أبوح بأسمائها مهما فعلوا بي.

أكبر محركات البحث ‎(Google وBaidu)‎ والشبكات الاجتماعية ‎(Facebook وLinkedIn وPinterest)‎ وشركات الوسائط المتعددة ‎(Netflix وYahoo!) ومنتجو الأجهزة النقالة ‎(Apple)‎ ومتاجر الإنترنت ‎(Amazon)‎ تقع في موقع رابح، فلديها مجموعات بيانات ضخمة وتفاعل مستمر مع المستهلكين، مما يسمح لها بالحصول على التلقيم الراجع باستمرار وتحسين الخوارزميات (ولهذه العوامل تأثير تآزري عظيم)، وهذه الشركات هي من سيجني العائد الأعظم من ذكاء الآلة.

تشكل أكثر تكنولوجيات التوصية والتخصيص تقدماً ضماناً لنجاح هذه الشركات. عندما يقترح Facebook عليك أن تضيف إلى أصدقائك من وقعت في عشقه في المدرسة تشعر شعوراً مختلطاً. والآن تتنافس هذه الشركات في مجال آخر، وهو الاتصالات النقالة، وذكاء الآلة ضروري للانتصار. ومن عناصره فهم الكلام الطبيعي ‎(Siri عند Apple)‎ والبحث البصري ‎(FireFly عند Amazon)‎ والبحث الديناميكي الذي يعطيك فوراً إجابةً عن سؤالك (وهذا ما تسعى إليه جميع شركات البحث).

حققت المؤسسات الكبرى ‎(IBM وMicrosoft)‎ نجاحات كبيرة في هذا المجال. لا تعمل IBM مع المستخدمين النهائيين، لذا الاستخدامات الرئيسية لتقاناتها تختلف، مثلاً IBM Watson التي تساعد الآطباء على وضع التشخيص.

عمل أغلب خيرة الاختصاصيين في مجال ذكاء الآلة خلال العشرين سنة الماضية (لا سيما في مجال الذكاء الاصطناعي «الصرف») في الجامعات. كانوا يقومون بتطوير طرائق جديدة، ولكن لم يكن من الممكن استخدام أغلب اكتشافاتهم في المجال العملي.

أما الآن فتجد الطرائقُ الأكثر تعقيداً تطبيقاً لها في المسائل العملية، ومنها شبكات الاعتقاد العميقة والشبكات العصبية التراتبية، فنرى انتقال العلماء تدريجياً إلى مجال الأعمال. قامت Facebook بتوظيف الأستاذين يان ليكون وروب فيرغسون من جامعة نيويورك ليعملا في مخبرها للذكاء الاصطناعي، ووظفت Google جيفري هنتون من جامعة تورونتو، أما Baidu فقدمت عرضاً مغرياً لأندرو أون. من المهم أن نلاحظ أن جميعهم بقوا يجرون أبحاثاً أكاديمية (من المهام الرئيسية الموكلة إلى ليكون في مكان عمله الجديد الدراسات الأساسية، ويقضي هنتون نصف وقته في التدريس، أما أون فيترأس دورة تعليمية في مجال ذكاء الآلة على Coursera)‎، ومع ذلك يستولي قطاع الأعمال على الموارد العقلية.

إن مخبر شركة خاصة يمكن أن يقدم الكثير لاختصاصي طموح شاب. بين ذلك راتب جيد وعمل مشترك مع أكبر العلماء في المجال، والأمر الأهم ألا وهو البيانات. لا يمكن أن يتاح لك مثل هذا الكم من البيانات في مكان آخر. مثلاً، ImageNet مشروع ممتاز لكنه لا يقارن أبداً بما يمكن أن تقدمه Facebook أو Google أو Baidu. وسوف نرى نتيجة ذلك أن أهم الاكتشافات ستنشأ في بيئة المؤسسات الخاصة، والكثير من طلاب الدكتوراه والعلماء الشباب الذين كان من الممكن أن يبقوا في البيئة الأكاديمية في ظروف أخرى ينتقلون إلى قطاع الأعمال.

تتمتع الشركات الكبرى بميزات في الوقت الحاضر، ومن المرجح أن نجاحاتها في مجال ذكاء الآلة ستصبح أقوى مع الوقت. ولكن بما أن التقانات الأساسية تنتشر بسرعة كبيرة حالياً، سواء بفضل هجرة الموظفين أم عن طريق المنشورات العلمية، فالجميع سيستفيد منها.

وكما كانت الحال خلال «ثورة البيانات الضخمة» عندما تحرض الاندفاع العام بالمقالات العلمية عن تقانات BigTable وBigQuery التي نشرتها Google، سنرى اختراقات علمية تؤديها المؤسسات الخاصة. وسيتم تكييف هذه التقانات بسرعة في مجالات أخرى لا تشتغل بها الشركات العملاقة.

هذه الكلمات ضمان النجاح في سنة 2015؛ طبعاً، إذا كان عندك أساس لمثل هذه التصريحات.

التعليم العميق طريقة رائجة جداً في مجال ذكاء الآلة، ولهذا السبب تجذب انتباهاً كثيراً. حققت Google وFacebook وBaidu نجاحات متميزة في تطبيق هذه الطريقة من أجل استعراف الأشكال والمسائل اللغوية. هناك نتائج واعدة من المشاريع الرئدة أيضاً، مثل Enlitic.

نعم، هذه العبارة رائجة، وسيستعملها الجميع بلا رادع للدعاية. ولكن بخلاف الوضع الماضي حين كانت مئات الشركات تستغل تعبير «البيانات الضخمة»، هنا ستكون مهمة فرز النتائج الفعلية أسهل إذا بذلت شيئاً من وقتك.

يكمن موضع الاهتمام الخاص بطريقة التعليم العميق أنه في حال التطوير الجيد يمكن أن نحصل على نتائج تحل تلقائياً محل رأي الخبراء، وهناك آمال أن هذا سيسمح لنا في أحيان كثيرة أن نعيد النظر في القرارات التي كانت تعتبَر الأفضل في مجالها.

موضع اهتمامي الخاص كمستثمر التطبيقات غير المتوقعة للتعليم العميق، ولذا أنتظر بفارغ الصبر ما هي المسائل التي ستجتذب الباحثين العمليين. وأتفق تماماً مع جيف هوكنز الذي يتوقع تطبيقات ثورية لهذه التقانات في مجالات كثيرة، وأحاول أن أكون منفتحة وغير متحيزة.

يقال أن المختص في معالجة البيانات هو رابع المستحيلات. لو قارنا ذلك بمجال ذكاء الآلة لوجدنا أن المختصين في معالجة البيانات أكثر منهم بكثير. ظهر خلال العقد الأخير العديد ممن اكتسبوا خبرة العمل مع البيانات بيئة الأعمال. أما الجزء الأعظم من العمل الجدي في مجال ذكاء الآلة يجري في البيئة الجامعية. ولا يمكن أن يظهر مختصون بين ليلة وضحاها.

عوز الموارد البشرية كنز للضليعين في الموضوع. تحصل الشركات العاملة في مجال ذكاء الآلة على التمويل الابتدائي بسهولة لأنها يمكن أن تصبح أغلى مع الوقت بفضل الكوادر الفريدة. من الواضح الآن أن قيمة «رأس» المختص في ذكاء الآلة عند شراء الشركة يمكن أن تبلغ خمسة أضعاف قيمة المختص التقني العادي. مثلاً، لو نظرنا من وجهة نظر قيمة العاملين، ففي شركة DeepMind بلغت قيمة العامل 5 إلى 10 ملايين دولار. يسألني أصدقائي مازحين: «يا شيفون، ربما المطلوب فقط أن أجمع كل أصدقائي النبهاء الذين يعملون في مجال الذكاء الاصطناعي وأسمي نفسي شركة؟» بصراحة، لا أعرف ما يجب أن أجيبهم. يحاول صندوق Bloomberg Beta أن يدعم الشركات التي تخطط على المدى البعيد، ولكن هذا لا يعني أن هذه الاستراتيجية لن تكون نافعة لرائد أعمال نشيط.

أتذكر أحاسيسي عندما شارك كمبيوتر Watson في لعبة «المحك». عندما كان يتعثر في البداية تضايقت حقاً، أما عندما بدأ يتفوق على منافسيه فرحت كما لو أن فريق الهوكي المفضل لدي Toronto Maple Leafs وصل إلى النهائيات (يجب التنويه إلى أنني عملت يوماً في IBM، ولذا موقفي متحيز لها، وثانياً، على ما أذكر، لم يصل Toronto Maple Leafs إلى النهائيات يوماً، لذا فالتشبيه المستخدم نظريٌّ بحت).

من أين تأتي أهمية هذه النماذج الأولية؟ وصلت آخر موجة من الشركات التكنولوجية إلى الاكتتاب العام بلا نماذج أولية، فلماذا الحال هنا مختلف؟

تلك الشركات كانت تعمل في مجال الكمبيوترات حصراً: قواعد بيانات للمنشآت والتطبيقات المؤسساتية وما إليه. أنا مثلاً أود أن أرى قاعدة بيانات ذات إنتاجية تفوق قواعد البيانات العادية بعشرة أضعاف، ولكن أغلب الناس لا يهمهم ذلك. عندما تعرض الشركات المطورة لذكاء الآلة النماذج الأولية فهي تربح وتخسر في آن واحد. أولاً، النماذج التقنية تشبه الناس لدرجة تسبب الصدمة. ثانياً، يحتاج تشكيل نموذج الأعمال إلى بعض الوقت، ولذا يلزم تمويل لفترة زمنية أطول. ثالثاً، إنه طعم خيالي للمستحوذين.

يتغلب Watson في مسابقات المعلومات العامة على الناس، حتى لو كان يخطئ أحياناً ويظن أن تورونتو تقع في الولايات المتحدة. يتغلب DeepMind على الناس في ألعاب الكمبيوتر. يستطيع Vicarious تفسير CAPTCHA. وهناك عدد من الشركات غير المساهمة حتى الآن التي يمكن أن نتوقع منها نتائج أفضل من المذكورة، وأنتظر ذلك بفارغ الصبر.

أتمنى أن تحرض هذه المراجعة مزيداً من الحوار. هدفي أن أحافظ على حداثة مراجعتي، ولذا إن كنت قد أغفلت بعض الشركات أو قطاعات كاملة فاخبروني بذلك. أود في المستقبل إنشاء تمثيل بصري ديناميكي وأضيف إليه الشركات والأبعاد الأخرى (الطرائق المستخدمة وأنماط البيانات وأنواع المستخدمين والاستثمارات التي حصلت الشركة عليها وموقعها، إلخ.).