صناديقُ سوداء
يمكن تدريب الشبكات العصبونية لإنجاز مهام اعتُقد أن القدرة على إنجازها محصورةٌ على البشر؛ كقيادة السيارة، ابتكار الفن المرئيّ، أو تسجيل ألبومٍ من موسيقى الميتال.
ولكن، هناك مشكلة كبيرة في الشبكات العصبونية، أنها معقّدة للغاية.
في الحقيقة، هي معقدةٌ لدرجة أن الباحثين غالبًا ما يواجهون صعوبةً في شرح سبب اتّخاذها لبعض القرارات بدقة.
الآن، يدّعي باحثون من معهد ماساتشوستس للتكنولوجيا MIT أنهم ابتكروا شبكة عصبونية يمكنها شرح الخطوات التي اتَّبعتها لحلّ مسألة معينة، هذا قد يساعدنا في تحسين فهمنا لآلية عمل هذه التقنية، والحدّ من المخاطر في التطبيقات الأكثر حساسية كالسيارات ذاتية القيادة.
قوة التحليل لمهام ثانوية
هذه الخوارزمية الجديدة، والتي تُدعى شبكة الشفافية باستخدام التصميم (Transparency by Design Network (TbD-net تحلّل مهمة التعرّف على الصور إلى مهام ثانوية جزئية، ومن أجل كل مهمة ثانوية تقوم برسم خارطةٍ توضّح الجزء الذي تركّز عليه من الصورة.
لنقل أنك تريد من الخوارزمية أن تحدّد المكعبات المعدنية الكبيرة في صورةٍ تحوي العديد من الأشياء.
أولًا، ستحدّد الأشياء الكبيرة فقط، سيكون بعضها مكعبات، ولكن من الممكن أن تحدّد أشياء غير المكعبات أيضًا، ثم ستحدّد الأشياء المعدنية الكبيرة، ثم المكعبات المعدنية الكبيرة، وبالنتيجة سنحصل على شبكةٍ عصبونية يمكنها شرح كيف توصّلت إلى نتيجةٍ معينة بطريقةٍ يفهمها البشر.
خطوةٌ للأمام
الآن، تخيل كم ستكون خوارزمياتٌ كهذه مفيدةً لو استُخدمت في شبكاتٍ عصبونية تُستخدم لحلّ أنواع أخرى من المسائل.
يقول البروفيسور (تومي جاكولا – Tommi Jaakkola) من معهد ماساتشوستس للتكنولوجيا والذي لم يشارك في تطوير خوارزميةTbD-net في مقابلةٍ مع مجلة MIT Tech Review العام الماضي: «سواء كان قرارًا استثماريًا، أم طبيًا، أم عسكريًا، فلا تودُّ أن تعتمد على طريقةٍ تعمل كصندوقٍ أسود».
وفي النهاية، فإن أي شيءٍ يقدّم معلوماتٍ عن آلية عمل الذكاء الصناعيّ، ويهدّئ من روع الخبراء المذعورين من تسليم مهام مهمة للتكنولوجيا لن يكون سيئًا لمستقبلنا.
- ترجمة: مهران يوسف
- تدقيق: تسنيم المنجّد
- تحرير: كنان مرعي
- المصدر
