الذكاء الاصطناعي لا يفهم ما بين السطور

ويعني ذلك أن أنظمة الذكاء الاصطناعي لا تستطيع حتى الآن أن تفهم "ما بين السطور" عندما يتحدث البشر مع بعضهم البعض، بحسب دراسة أجراها فريق بحثي بجامعة "جون هوبكنز" الأميركية، ونقلت نتائجها "وكالة الأنباء الألمانية".

وطلب الباحثون من ثلاث مجموعات من المتطوعين مشاهدة مقاطع فيديو لا يزيد طول كل منها عن ثلاث ثواني، وتقييم التفاعلات الاجتماعية بين الأشخاص الذين يظهرون في هذه المقاطع. وفي الوقت نفسه، تم تحليل المقاطع نفسها بواسطة اكثر من 350 منظومة للذكاء الاصطناعي متخصصة في مجالات تحليل اللغة والفيديو والصور بغرض فهم مدلول الإشارات الاجتماعية التي يقوم بها البشر في تلك المقاطع.

وأثبتت التجربة أن المتطوعين أنجزوا المهمة المطلوبة بسهولة ويسر، في حين أن أنظمة الذكاء الاصطناعي لم تنجح في تفسير دلالات أو معاني محادثات البشر في مقاطع الفيديو. ورأى الباحثون المشاركون في الدراسة أن أنظمة الذكاء الاصطناعي بحاجة إلى شوط طويل قبل أن تصل إلى فهم الإشارات الاجتماعية للبشر في بيئات التفاعل الحقيقية، ما ينطوي على تداعيات خطيرة بالنسبة لصناعات صاعدة مثل السيارات ذاتية القيادة أو الروبوتات وغيرها من المجالات التي تتطلب تفاعلات مستمرة بين الانسان ومنظومات الذكاء الاصطناعي.

وعلقت رئيسة فريق الدراسة الباحثة ليلى إيزيك: "إذا كنت تريد أن يتفاعل نظام الذكاء الاصطناعي مع الانسان، فلا بد أن يفهم ما الذي يقصده الانسان، وكيف تتفاعل مجموعة من البشر سوياً"، مضيفة في تصريحات للموقع الإلكتروني "بوبيولار ساينس" المتخصص في الأبحاث العلمية: "هذه الدراسة في حقيقة الأمر تسلط الضوء على سبب إخفاق أنظمة الذكاء الاصطناعي في أداء هذه المهمة".

ورغم أن دراسات سابقة أثبتت قدرة أنظمة الذكاء الاصطناعي على وصف مغزى الصور الثابتة بدرجة تكاد تتساوى مع الانسان، فإن الدراسة الجديدة كانت تهدف إلى قياس ما إذا كان نفس الوضع يسري بالنسبة للصور المتحركة أو مقاطع الفيديو. وأوضحت إيزيك أنها اختارت مع فريقها البحثي مئات مقاطع الفيديو من قاعدة بيانات خاصة، ثم قامت بتقصيرها إلى مدة زمنية لا تزيد عن ثلاث ثواني، مع التركيز على المقاطع التي يظهر فيها شخصان يتفاعلان سوياً.

وعرض الباحثون مقاطع الفيديو على المتطوعين المشاركين في التجربة ثم استطلاع رأيهم بشأن مغزى التفاعلات بين الأشخاص الذين يظهرون في تلك المقاطع من خلال أسئلة موضوعية على غرار "هل ترى أن الأشخاص في هذه المقاطع يواجهون بعضهم البعض"، وأسئلة شخصية مثل: "هل التفاعل بين الأشخاص في مقطع الفيديو يبدو إيجابياً أم سلبياً؟".

وتبين من التجربة أن المتطوعين عادة ما يتوصلون إلى إجابات متشابهة تنم عن فهم أساسي مشترك للتفاعلات الانسانية. أما أنظمة الذكاء الاصطناعي، فلم تتوصل إلى نفس درجة الاجماع في تفسير مقاطع الفيديو مقارنة بالمتطوعين.

وقالت الباحثة كاثي غارسيا: "لا يكفي أن يشاهد نظام الذكاء الاصطناعي مقطع الفيديو ويتعرف على الأشكال أو الوجوه، بل نحتاج أن يفهم النظام تطور الأحداث في المشهد، وأن يفهم العلاقات والسياق وديناميكيات التفاعلات الاجتماعية. هذه الدراسة تشير إلى أن هذا العنصر يعتبر بمثابة نقطة عمياء في تطور منظومات الذكاء الاصطناعي".

وأتت هذه النتائج بينما تتسابق شركات التكنولوجيا لدمج أنظمة الذكاء الاصطناعي داخل عدد متزايد من الأجسام الروبوتية، وهم مفهوم يطلق عليه اسم "الذكاء الاصطناعي المتجسد"، وتم اختبار هذا المفهوم في مدن أميركية مثل لوس أنجلس وفينيكس وأوستن من خلال سيارات ذاتية القيادة تسير في الطرق بجانب السيارات التي يقودها البشر مثل سيارات الأجرة التابعة لشركات مثل "وايمو روبو تاكسي".

واثبتت التجارب أن أنظمة الذكاء الاصطناعي لهذه السيارات تعاني من قصور في فهم بعض مواقف القيادة المركبة مثل القيادة الدائرية أو منحنيات الرجوع للخلف. ورغم أن بعض الدراسات الحديثة أثبتت أن السيارات ذاتية القيادة ربما تكون أقل عرضة للحوادث مقارنة بقائدي السيارات، مازالت السلطات الرقابية المختصة تجري تحقيقات بشأن ما تردد عن مخالفة بعض هذه السيارات لقواعد السلامة.

وقطعت شركات تكنولوجية أخرى مثل "بوسطن ديناميكس" و"فيغر إيه أي" و"تسلا" خطوات أبعد نحو تطوير روبوتات على هيئة بشر تعمل بأنظمة الذكاء الاصطناعي في أماكن صناعية جنباً إلى جنب مع عمال على خطوط الانتاج.

ورأى الباحثون أن تمكين أنظمة الذكاء الاصطناعي من فهم الإشارات الاجتماعية بين البشر داخل البيئات الصناعية ينطوي على أهمية بالغة لتلافي خطر وقوع الحوادث الصناعية. وقالت إيزيك أن "الدراسة تسلط الضوء على أهمية دمج علوم الذكاء الاصطناعي وعلم الاعصاب والعلوم المعرفية بشكل أكبر مع عناصر العالم الحقيقي".