تستطيع نماذج الذكاء الاصطناعي المتقدمة بالفعل توليد برمجيات حاسوبية والمساعدة في اكتشاف أدوية جديدة. ولكن فيما يتعلق بالتعرف على الأشياء البسيطة، لا يزال أمامها طريق طويل قبل الفئران الصغيرة.
رؤية الفأر، التي تم تحسينها على مدى ملايين السنين من التطور، لا تزال أكثر فعالية من أقوى أنظمة التعرف على الصور بالذكاء الاصطناعي الموجودة اليوم - صورة: جامعة ديكين
هذا هو الاستنتاج من دراسة نشرت في مجلة Patterns ، حيث طلب باحثون من Scuola Internazionale Superiore di Studi Avanzati (SISSA) في إيطاليا من نموذج الذكاء الاصطناعي للتعرف على الصور محاولة تكرار قدرة الفئران على التعرف على الأشياء الدائرية، أو التي تم تغيير حجمها، أو التي تم إخفاؤها جزئيًا.
رؤية الفأرة أكثر كفاءة وتكيفًا من الذكاء الاصطناعي
وفي نهاية المطاف، تمكن نموذج الذكاء الاصطناعي من اللحاق بقدرات معالجة الصور الخاصة بالفأرة، ولكن فقط بعد استخدام المزيد والمزيد من الموارد وقوة الحوسبة.
كان التعرف على الكائن في موضعه الأصلي سهلاً لكل من الذكاء الاصطناعي والفأرة، ولكن عندما تم تحويل الكائن بطرق مختلفة، كان على الباحثين تعزيز أداء نموذج الذكاء الاصطناعي لمواكبة الفأرة.
يقول العلماء إن نتائجهم تظهر أن رؤية الفئران، والتي تم تحسينها على مدى ملايين السنين من التطور، لا تزال أكثر فعالية من أنظمة التعرف البصري الأقوى اليوم.
تختلف رؤية الفئران عن رؤية البشر في عدة جوانب ملحوظة. أولًا، مثل العديد من الثدييات الأخرى، تقع عيون الفئران على جانبي رؤوسها، مما يمنحها مجال رؤية أوسع، وهي ميزة طبيعية تُمكّنها من رصد الحيوانات المفترسة وتجنبها.
والأمر الأكثر إثارة للدهشة هو أن أبحاثًا سابقة أظهرت أن عيون الفئران تتحرك في اتجاهين متعاكسين اعتمادًا على طريقة إمالة رؤوسها. وهذا يجعلها تبدو وكأنها "حولاء" عند خفض رؤوسها.
في التجربة، دُرِّبَت الفئران على تمييز الأشياء على الشاشة من خلال تلقي مكافآت. وعندما تُحدِّدُ الهدفَ بدقة، تُفعِّلُ مستشعرَ لمس.
لمقارنة هذه القدرة بالذكاء الاصطناعي، ابتكر باحثو SISSA شبكة عصبية ملتوية (CNN)، وهي نموذج تعلّم عميق متطور يُعدّ من أفضل أنظمة الذكاء الاصطناعي للتعرف على الصور. وهو بحد ذاته مُصمم جزئيًا على غرار القشرة البصرية لدى الثدييات.
لا يزال أمام الذكاء الاصطناعي الكثير ليتعلمه
تستخدم نماذج CNN نظامًا طبقيًا للتعرف على الأشياء. تستطيع الطبقة الأساسية معالجة وتحديد سمات بسيطة، مثل الخطوط والتباين. تُضاف طبقات لاحقة للتعرف على صور أكثر تعقيدًا. تتطلب كل طبقة إضافية موارد وقدرة حاسوبية أكبر، كما تتطلب اللازانيا مكونات أكثر كلما زادت الطبقات المضافة.
طُلب من نموذج CNN هذا محاكاة قدرة الفأر على التعرف على الأشياء في ظل ظروف متنوعة. عند التعرف على جسم غير محجوب وفي وضعه الطبيعي، كان أداء كل من الفأر والذكاء الاصطناعي جيدًا. لم يحتج الذكاء الاصطناعي حينها إلا إلى استخدام طبقته الأولى.
ولكن عند تدوير الأجسام أو تغيير حجمها، تحتاج شبكات CNN إلى طبقات وموارد إضافية للعمل بشكل صحيح. في الوقت نفسه، لا تزال الفئران قادرة على التعرف على الأجسام باستمرار، حتى مع حجبها جزئيًا، وهو أمرٌ يواجه الذكاء الاصطناعي صعوبةً في التعامل معه.
واستنتج الباحثون أن رؤية الفأر تبدو أكثر مرونة وقدرة على التكيف من نظام التعرف البصري للذكاء الاصطناعي.
إن دراسة رؤية الفأر هي تذكير بأن نماذج الذكاء الاصطناعي القوية مثيرة للإعجاب بالفعل في بعض المهام المحددة، ولكنها لا تزال ليست خالية من القيود.
في أواخر العام الماضي، نشر سام ألتمان، الرئيس التنفيذي لشركة OpenAI، بحثًا يزعم أن العالم قد يحقق ذكاءً خارقًا في غضون "بضعة آلاف من الأيام". كما صرّح الملياردير إيلون ماسك بأن الذكاء الاصطناعي الخارق قد يظهر بحلول عام 2025.
لكن ماذا تعني هذه الإنجازات حقًا؟ صحيح أن نماذج الذكاء الاصطناعي اللغوية الضخمة قد تفوقت على بعض البشر في الاختبارات المعيارية للطب والقانون. لكن الذكاء الاصطناعي لا يزال عاجزًا عن إجراء تشخيصات طبية رسمية دون إشراف طبي، وقد غُرِّم محامون يستخدمون نصوصًا مُولَّدة من الذكاء الاصطناعي لتزييفهم المعلومات.
علاوة على ذلك، غالبًا ما تواجه أنظمة الذكاء الاصطناعي المتقدمة المُستخدمة في الروبوتات ثنائية الأرجل صعوبات في التوازن. وكما تُظهر دراسة SISSA، لا يبدو أن الذكاء الاصطناعي قد وصل بعد إلى مستوى حدة البصر الذي وصلت إليه الفئران. بمعنى آخر، لا يزال أمام الذكاء الاصطناعي الكثير ليتعلمه - من البشر والحيوانات على حد سواء.
[إعلان 2]
المصدر: https://tuoitre.vn/ai-thua-chuot-khi-nhan-dien-vat-the-bi-che-khuat-2025020307425984.htm
تعليق (0)