60 مرة من "التجربة والخطأ" والرحلة لإحضار اسم فيتنام إلى مجلة الذكاء الاصطناعي الرائدة في العالم

في عام 2016، أصيب العالم بالذهول عندما هزم نظام الذكاء الاصطناعي ألفا جو لاعب جو الأسطوري لي سي دول.

بالنسبة للشاب تران تيان كونغ - الذي كان حينها طالب دراسات عليا في كوريا - فإن هذا الحدث جعله يفكر لعدة أيام لأنه أدرك أن الحدود بين الذكاء البشري والآلات كانت تتلاشى.

"ما الذي أحتاجه لمواكبة العصر الذي سيشهد انفجار الذكاء الاصطناعي؟" سأل كونغ نفسه.

نقطة التحول بالنسبة لطلبة الدكتوراه الفيتناميين جاءت من حدث هزيمة لاعب جو كوري على يد الذكاء الاصطناعي ( فيديو : مينه نهات - ثونغ هوين).

من خلفية في أنظمة متعددة الوكلاء والروبوتات، اتجه إلى التعلم الآلي، ورؤية الكمبيوتر، ونماذج اللغة الكبيرة.

في عام ٢٠٢١، دافع تران تين كونغ بنجاح عن أطروحته للدكتوراه في علوم الحاسوب وعاد إلى فيتنام. وهو يشغل حاليًا منصب رئيس قسم التعلم الآلي بكلية الذكاء الاصطناعي في أكاديمية تكنولوجيا البريد والاتصالات.

وفي الفصل الدراسي، يتذكر غالبًا المباراة التاريخية باعتبارها مثالًا رئيسيًا على وتيرة التغيير في الذكاء الاصطناعي.

نماذج متقدمة تحضر المؤتمر الوطني الحادي عشر للمحاكاة الوطنية

الدكتور تران تيان كونغ هو حاليًا رئيس قسم التعلم الآلي بكلية الذكاء الاصطناعي في أكاديمية البريد وتكنولوجيا الاتصالات.

خلال الفترة 2020-2025، كان مؤلفًا أو مؤلفًا مشاركًا للعديد من المقالات العلمية رفيعة المستوى في المجلات الدولية المرموقة، وخاصة 15 مقالًا نُشرت في مجلات SCIE، المصنفة Q1، إلى جانب العديد من المنشورات والموضوعات التي تحظى بتقدير كبير محليًا ودوليًا، مما يدل على مشاركة المخابرات الفيتنامية في الأبحاث عالية الجودة في مجالات الذكاء الاصطناعي وعلوم الشبكات والتعلم الآلي وما إلى ذلك.

ولا تقتصر موضوعات أبحاثه على الجانب الأكاديمي فحسب، بل لها تطبيقات عملية عالية أيضًا، مما يساهم في التنمية الاجتماعية والاقتصادية وتحسين نوعية الحياة.

الدكتور تران تيان كونغ هو أحد النماذج المتقدمة لوزارة العلوم والتكنولوجيا التي حضرت المؤتمر الوطني الحادي عشر للمحاكاة الوطنية.

انتصار الذكاء الاصطناعي يتحدى العالم أجمع

60 lần thử - sai và hành trình đưa tên Việt lên tạp chí AI hàng đầu thế giới - 1 — لاعب "جو" لي سي دول في مباراة ضد "ألفا جو" في عام 2016 (صورة: جيتي).

ما هو الحدث الذي غيّر اتجاه بحثك في كوريا؟

في السنة الدراسية الأولى، تغير كل شيء عندما هزم ألفاغو، وهو نظام ذكاء اصطناعي طورته جوجل، لاعب الغو لي سي دول. كان لي سي دول آنذاك فخر كوريا، بينما كانت الغو تُعتبر من أكثر الرياضات الفكرية تعقيدًا في العالم.

في ذلك الوقت، لم تعتبر كوريا فقط هذا الحدث حدثًا صادمًا في مجال العلوم والتكنولوجيا، بل اعتبره العالم أجمع. قبل 10 سنوات، كان الذكاء الاصطناعي مصممًا على التطور وإحداث تأثير عميق على العديد من مجالات العلوم والحياة في المستقبل.

حوّلت العديد من مختبرات الأبحاث الكورية تركيزها إلى البحث والتطوير في مجال الذكاء الاصطناعي. أركز أنا أكثر على الذكاء الاصطناعي، والتعلم الآلي، وأبحاث الرسوم البيانية، وتدريب الذكاء الاصطناعي على البحث عن البيانات على الشبكات الكبيرة.

لا يقتصر الذكاء الاصطناعي على الفوز في لعبة "غو"، بل أصبح قادرًا الآن على حل العديد من المشكلات الصعبة، والتغلب على البشر في العديد من الألعاب والمسابقات المختلفة. وهذا يُظهر مدى سرعة تطور الذكاء الاصطناعي وتميزه خلال العقد الماضي.

وفي الوقت نفسه، كيف استوعبت فيتنام التكنولوجيا؟

فيتنام ليست بمنأى عن تيار العلم والتكنولوجيا. عندما عدتُ إلى البلاد عام ٢٠٢١ وبدأتُ التدريس، كان العديد من الأفراد والوحدات البحثية قد استفادوا بالفعل من نقل التكنولوجيا، ونشروا أبحاثًا معمقة في مجال الذكاء الاصطناعي، نظريًا وعمليًا.

في الوقت الحالي، يُعدّ قطاع تكنولوجيا المعلومات عمومًا قطاعًا يحتاج دائمًا إلى موارد بشرية عالية الكفاءة. يعمل العديد من الطلاب منذ أيام دراستهم. وهذا يُظهر أن هذا القطاع يحمل في طياته العديد من الفرص، ولكنه يواجه أيضًا تحديات، نظرًا لتطور التكنولوجيا وتغيرها يومًا بعد يوم.

60 مرة من المحاولة والخطأ والتكرار

ما هو أهم عمل بحثي قمت به في مجال الذكاء الاصطناعي حتى الآن؟

- لقد قمت مرة بإجراء بحث نُشر في مجلة IEEE Transactions on Pattern Analysis and Machine Intelligence - التي تعتبر المجلة الرائدة في هذا المجال بموضوع العثور على البيانات المخفية في مهام تحليل الشبكة من خلال العثور على المعلومات في الرسوم البيانية، ومن هناك الاستعلام عن المعلومات المخفية واستنتاجها.

لنفترض أننا سألنا روبوت محادثة "أين شاطئ البحيرة؟". إذا كنا في هانوي، يُفهم أن "شاطئ البحيرة" هو بحيرة هوان كيم، أما إذا كنا في دا لات، فيُفهم أن "شاطئ البحيرة" هو بحيرة شوان هونغ. عند البحث عن معلومات، سيؤدي نقص البيانات والسياق في المدخلات إلى أخطاء في الحاسوب.

يركز بحثي على حل مشكلة كيفية البحث عن المعلومات ودمجها من مصادر متعددة للحصول على أدق النتائج. في مثال "شاطئ البحيرة"، إذا أراد المستخدم حساب المسافة إلى شاطئ البحيرة، يستطيع الذكاء الاصطناعي استنتاج المعلومات المخفية وتخمين ما إذا كان المستخدم في هانوي أو دا لات من الدردشات السابقة، وسيقدم روبوت الدردشة الإجابة الصحيحة.

- كيف كان بحثك؟

أجريتُ هذا البحث لمدة ثلاث سنوات، ولم يُنشر إلا عام ٢٠١٩ نظرًا لطول المدة التي استغرقها البحث والمراجعة والتحرير والنشر. معظم الأبحاث في مجال الذكاء الاصطناعي وعلوم الحاسوب تُجرى على هذا المنوال. عملية البحث دائمًا ما تكون "المحاولة - الخطأ - التكرار".

أتذكر تكرار تلك "الدورة" ستين مرة. في كل مرة بعينة مختلفة، وفي كل مرة بطريقة اختبار مختلفة. لم أكتفِ بالاستدلال، بل كان عليّ أيضًا إجراء اختبارات للتأكد من صحة حساباتي.

في هذا الموضوع، عليّ ابتكار خوارزمية مناسبة، ثم تدريب الذكاء الاصطناعي على العثور على البيانات المخفية. إذا لم تكن النتيجة مُرضية، فسأُحسّنها لإيجاد الخوارزمية المناسبة. يكمن جمال هذا البحث في أنه لا يُقدّم نتائج دقيقة تمامًا، بل لا يُمكن إيجاد الخوارزمية الأنسب إلا بعد عشرات التجارب والأخطاء.

البحث العام ليس للمكتب.

في مجال الذكاء الاصطناعي، هل ينبغي للباحثين التركيز على التطبيقات العملية أكثر من النظريات الأساسية؟

هناك اعتقاد خاطئ شائع بأن البحث النظري العام ليس بنفس قابلية تطبيق دراسات الحالة المحددة. في الواقع، غالبًا ما تكون المقالات المنشورة في المجلات العلمية المرموقة دراسات عامة يمكن تطبيقها في مجالات متعددة.

باستخدام مثال البحث عن كيفية الاستعلام عن المعلومات المخفية أعلاه، لا يمكن تطبيق برامج الدردشة الآلية فحسب، بل يمكننا أيضًا استخدامها لتتبع المجموعات المخفية على الشبكات الاجتماعية، والتي يمكن تطبيقها في العديد من المجالات المختلفة.

يُستخدم الذكاء الاصطناعي اليوم في مجالات عديدة، لا يقتصر على مجال العلوم والتكنولوجيا العامة فحسب. لذا، فإن الجمع بين أسس ونظريات الذكاء الاصطناعي والبيانات... مع المسوحات العملية والتطبيقات الفعّالة سيعزز دور البحث العلمي وفعاليته.

الأسئلة التي تبدو بسيطة جدًا عند طرح مقترح بحثي، مثل: كيفية دراسة النموذج والبيانات؟ هل أجرى أحدٌ هذا البحث من قبل؟ كيف يمكننا التعلم من البيانات السابقة ومقارنتها؟... تلعب دورًا في تعميق البحث.

برأيك، ما هي جوانب أبحاث علوم الكمبيوتر وتكنولوجيا المعلومات التي تحتاج إلى التركيز على الاستثمار فيها بشكل أكبر؟

في السنوات الأخيرة، تم تحسين وتطوير المرافق والبنية التحتية، مما هيأ ظروفًا مواتية للوحدات والأفراد لإجراء البحوث في مجال الذكاء الاصطناعي. بزيادة الاستثمار في المعدات ومختبرات الأبحاث الحديثة، سيتمكن الباحثون من إنتاج المزيد من المنتجات والتطبيقات والتقارير.

بالإضافة إلى ذلك، يتم تنظيف قاعدة البيانات الخاصة بنا، مما يؤدي إلى إنشاء مستودع بيانات حتى يتمكن الباحثون من الحصول على مصدر لتدريب النماذج عالية الجودة.

في صناعة سريعة التطور، مثل تكنولوجيا المعلومات، قد تصبح الأبحاث المنجزة حديثًا قديمة أو لا تواكب الواقع. يمكن تطبيق العديد من الأبحاث التطبيقية على الواقع فورًا، لكنها ستواجه تغيرات تكنولوجية سريعة، مما يؤدي إلى عدم استدامتها وصعوبة انتشارها. لإتقان الذكاء الاصطناعي، نحتاج إلى بحوث معمقة وجلب التكنولوجيا الأساسية إلى فيتنام.

شكراً جزيلاً!