الذكاء الاصطناعي التوليدي له تاريخ قصير نسبيًا، حيث تم تقديم التكنولوجيا لأول مرة في الستينيات، في شكل الدردشة الآلية.

ويُعد الذكاء الاصطناعي التوليدي نوعًا من الذكاء الاصطناعي الذي يمكنه إنتاج نصوص وصور وفيديوهات وصوت وبيانات صناعية بجودة عالية في ثوانٍ، ومع ذلك، لم يصل الذكاء الاصطناعي التوليدي إلى مرحلة إنشاء صور وفيديوهات وأصوات تبدو كأنها تسجيلات حقيقية حتى عام 2014، عندما تم تقديم مفهوم الشبكة التوليدية المتعارضة (GAN).

 

حاليًا، يشكل الذكاء الاصطناعي التوليدي جزءًا رئيسيًا من تقنيات مثل ChatGPT وأنواعها المختلفة.

خمسينيات القرن الماضي

يعتمد الذكاء الاصطناعي التوليدي على خوارزميات التعلم الآلي والتعلم العميق. تم تطوير أول خوارزمية تعلم آلي بواسطة آرثر صامويل في عام 1952 للعب لعبة الداما – وهو أيضًا من ابتكر مصطلح “التعلم الآلي”.

تم تطوير أول “شبكة عصبية” قابلة للتدريب في عام 1957 بواسطة عالم النفس من جامعة كورنيل، فرانك روزنبلات. تصميم Perceptron كان مشابهًا للشبكات العصبية الحديثة ولكنه كان يحتوي على “طبقة واحدة” فقط تحتوي على عتبات وأوزان قابلة للتعديل، والتي تفصل بين طبقة الإدخال والإخراج. فشل هذا النظام لأنه كان مستهلكًا للوقت بشكل كبير.

الستينيات والسبعينيات

أول مثال تاريخي على الذكاء الاصطناعي التوليدي كان يُسمى ELIZA. يمكن اعتبارها أيضًا نسخة مبكرة من الدردشة الآلية. تم إنشاؤها في عام 1961 بواسطة جوزيف فيزنباوم. كانت ELIZA برنامج حاسوب يتحدث ويرد على الإنسان باستخدام لغة طبيعية واستجابات مصممة لتبدو متعاطفة.

 

خلال الستينيات والسبعينيات، تم إجراء أبحاث أساسية حول الرؤية الحاسوبية وأنماط التعرف الأساسية. حقق التعرف على الوجوه قفزة كبيرة إلى الأمام عندما قام آن ب. ليسك، ليون دي. هارمون، وأ. ج. جولدشتاين بزيادة دقته بشكل كبير (التفاعل بين الإنسان والآلة في تحديد هوية الوجوه البشرية، 1972). قام الفريق بتطوير 21 علامة محددة، بما في ذلك خصائص مثل سمك الشفاه ولون الشعر لتحديد الوجوه تلقائيًا.

في السبعينيات، بدأ استخدام تقنية الانتشار العكسي بواسطة سيبو لينينما. “الانتشار العكسي” هو عملية نشر الأخطاء إلى الوراء كجزء من عملية التعلم. الخطوات المعنية هي:

1. معالجة في النهاية
2. إرسال ليتم توزيعها للخلف
3. الانتقال عبر طبقات الشبكة للتدريب والتعلم

الشتاء الأول للذكاء الاصطناعي يفصل بين التعلم الآلي والذكاء الاصطناعي

 

بدأ وانتهى الشتاء الأول للذكاء الاصطناعي تقريبًا من 1973 إلى 1979 – حيث تم تقديم وعود لم تتحقق. تعرضت وكالات تمويل الأبحاث للذكاء الاصطناعي (DARPA، NRC، والحكومة البريطانية) للإحراج بسبب عدم التقدم في تطويره.

ومع ذلك، استمر تطور التعلم الآلي. ليس لأنه كان لا يزال يحصل على تمويل حكومي، بل لأن التعلم الآلي أصبح مفيدًا للغاية للأعمال كأداة للاستجابة. بدأ التعلم الآلي كتقنية تدريب للذكاء الاصطناعي، لكن تم اكتشاف أنه يمكن استخدامه أيضًا لأداء مهام بسيطة، مثل الرد على الهاتف وتحويل المكالمات إلى الشخص المناسب. بينما لم تكن برامج التعلم الآلي قادرة على إجراء محادثة ذكية، كانت قادرة على أداء مهام أساسية ولكنها مفيدة للغاية. لم تكن الشركات مهتمة بالتخلي عن أداة كانت فعالة من حيث التكلفة ومفيدة.

اختارت الشركات تمويل أبحاثها الخاصة لتطوير التعلم الآلي، وأعاد الباحثون السابقون تنظيم أنفسهم في صناعة منفصلة – حتى الاندماج مرة أخرى مع الذكاء الاصطناعي في التسعينيات.

الثمانينيات والشتاء الثاني للذكاء الاصطناعي

في عام 1982، تم اكتشاف جديد بواسطة جون هوبفيلد، الذي طور شكلاً جديدًا من الشبكات العصبية – شبكة هوبفيلد – باستخدام نهج مختلف تمامًا. شبكة هوبفيلد تجمع وتسترجع الذكريات بطريقة تشبه الدماغ البشري أكثر من الأنظمة السابقة.

ومع ذلك، بدأ الشتاء الثاني للذكاء الاصطناعي تقريبًا في 1984 واستمر حتى 1990، مما أبطأ تطوير الذكاء الاصطناعي وكذلك الذكاء الاصطناعي التوليدي. كان الغضب والإحباط من الوعود المكسورة والتوقعات المخيبة للآمال شديدين لدرجة أن مصطلح “الذكاء الاصطناعي” أخذ مكانة العلوم الزائفة، وكان يُذكر بازدراء. تطور إحساس واسع النطاق بالتشكيك بشأن الذكاء الاصطناعي. تم قطع التمويل لمعظم أبحاث الذكاء الاصطناعي والتعلم العميق.

في عام 1986، قدم ديفيد روميلهارت وفريقه طريقة جديدة لتدريب الشبكات العصبية باستخدام تقنية الانتشار العكسي التي تم تطويرها في السبعينيات.

في أواخر الثمانينيات، تم دمج أشباه الموصلات بأكسيد المعدن (MOS) التي تم تطويرها في عام 1959 مع التكامل واسع النطاق (VLSI) وتوفير شبكة عصبية صناعية أكثر عملية وكفاءة. هذا الجمع كان يُسمى أشباه الموصلات التكميلية بأكسيد المعدن (CMOS).

أصبح التعلم العميق حقيقة عملية في عام 1989، عندما استخدم يان لي كون وفريقه خوارزمية الانتشار العكسي مع الشبكات العصبية للتعرف على الرموز البريدية المكتوبة بخط اليد.

التسعينيات وانتعاش أبحاث الذكاء الاصطناعي

لأن التمويل للذكاء الاصطناعي بدأ مرة أخرى في التسعينيات، حصل التعلم الآلي، كآلية تدريب، على التمويل أيضًا. استمرت صناعة التعلم الآلي في البحث عن الشبكات العصبية خلال الشتاء الثاني للذكاء الاصطناعي، وبدأت في الازدهار في التسعينيات. كان جزء كبير من النجاح المستمر للتعلم الآلي هو استخدام التعرف على الحروف والكلام، بالإضافة إلى النمو الهائل للإنترنت واستخدام الحواسيب الشخصية.

تم تقديم مفهوم “التعزيز” في عام 1990 في ورقة بعنوان “قوة التعلم الضعيف”، بقلم روبرت شاباير. أوضح أن مجموعة من المتعلمين الضعفاء يمكن أن تخلق متعلمًا قويًا واحدًا. خوارزميات التعزيز تقلل التحيز أثناء عملية التعلم المراقب، وتشمل خوارزميات التعلم الآلي التي يمكنها تحويل عدة متعلمين ضعفاء إلى متعلمين أقوياء. (المتعلمين الضعفاء يحققون تنبؤات صحيحة بنسبة تزيد قليلاً عن 50٪ من الوقت.)

تستحق صناعة ألعاب الكمبيوتر قدرًا كبيرًا من الفضل في المساعدة في تطور الذكاء الاصطناعي التوليدي. تم تقديم بطاقات الرسوميات ثلاثية الأبعاد، المقدمة لتقديم الرسوميات في ألعاب الفيديو، في أوائل التسعينيات لتحسين عرض الرسوميات في ألعاب الفيديو.

الألفينيات

تحدي التعرف على الوجوه، وهو ترويج لتحسين تقنية التعرف على الوجوه، تم تمويله بواسطة الحكومة الأمريكية وجرى من 2004 إلى 2006. أدى إلى تقنيات جديدة للتعرف على الوجوه وأداء أفضل في التعرف على الوجوه. كانت الخوارزميات الجديدة أكثر دقة بعشر مرات من الخوارزميات المستخدمة في 2002. بعض الخوارزميات كانت قادرة حتى على تحديد الفروقات بين التوائم المتماثلة.

العقد 2010 ومساعدين افتراضيين ودردشات آلية

في 4 أكتوبر 2011، تم تقديم Siri، أول مساعد افتراضي رقمي يعتبر وظيفيًا، كخدمة مع iPhone 4S. زاد استخدام الدردشات الآلية أيضًا بشكل كبير.

في عام 2014، تم تقديم مفهوم الشبكة التوليدية المتعارضة (GAN). تُستخدم GANs لإنشاء الصور والفيديوهات والأصوات التي تبدو كأنها تسجيلات حقيقية للمواقف الفعلية.

العقد 2020 والدردشات الآلية الذكية

في نوفمبر 2022، قدمت OpenAI ChatGPT، الذكاء الاصطناعي التوليدي المدمج مع نماذج اللغة الكبيرة. ChatGPT وأنواعه المختلفة وصلت إلى مستوى جديد من الذكاء الاصطناعي. يمكن لهذه الدردشات الآلية “الذكية” إجراء أبحاث، ودعم كتابة جيدة إلى حد ما، وإنتاج فيديوهات وأصوات وصور واقعية.

الجمع بين تدريب الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة أسفر عن ذكاء اصطناعي قادر على التفكير والاستنتاج. كما يمكن أن يكون له القدرة على “التخيل”. وقد تم اتهام ChatGPT بالهلوسة، وهو ما يمكن تفسيره على أنه استخدام للخيال.

الاستنتاج

على مر العقود، تطور الذكاء الاصطناعي التوليدي من بدايات متواضعة مع الدردشات الآلية البسيطة إلى تكنولوجيا متقدمة قادرة على إنتاج نصوص وصور وفيديوهات وأصوات تبدو واقعية بشكل مذهل. تطورت الأبحاث والخوارزميات والتكنولوجيا بشكل كبير، مما سمح للذكاء الاصطناعي التوليدي بأن يصبح أداة قوية في مجموعة متنوعة من التطبيقات، بدءًا من المساعدين الافتراضيين وحتى إنشاء محتوى صناعي عالي الجودة.

مع استمرار التقدم في هذا المجال، يمكننا توقع مزيد من الابتكارات التي ستجعل من الذكاء الاصطناعي التوليدي أداة أكثر تكاملاً وفعالية في حياتنا اليومية، مع توفير إمكانيات غير محدودة للإبداع والتطوير في مختلف المجالات.

المهندس أحمد الفقي

استشاري الذكاء الاصطناعي بمؤسسة بيدو

اقرأ أيضا

أحمد الفقي يكتب.. «التطور التكنولوجي» رحلة تحول الفكر إلى واقع حقيقي
 

تم نسخ الرابط