- رد الفعل - اتجاهات الذكاء الاصطناعي - 6 دقائق للقراءة
ما حدث
على ، نشر أندريه كارباثي - المدير السابق لشركة تسلا للذكاء الاصطناعي والمؤسس المشارك في OpenAI - ما يلي البحث التلقائي على GitHubوهو إطار عمل مفتوح المصدر يتيح لوكلاء الذكاء الاصطناعي إجراء تجارب التعلم الآلي بشكل مستقل بين عشية وضحاها على وحدة معالجة رسومات واحدة. الفكرة الأساسية هي: إعطاء الوكيل إعداداً للتدريب، ثم الخلود إلى النوم، والاستيقاظ على 100 تجربة مكتملة - كل واحدة منها تعدل الكود البرمجي وتتدرب لمدة خمس دقائق، وتتحقق مما إذا كانت النتيجة قد تحسنت، ثم تقوم بالتكرار. لا يوجد إنسان في الحلقة. لا يتوقف الوكيل أبدًا حتى تقوم بمقاطعته يدويًا. تجاوز الريبو 8,000 نجمة في غضون أيام من إطلاقه.
ما الذي يعنيه هذا في الواقع - ما وراء الضجيج
لنكن دقيقين بشأن ماهية البحث التلقائي وما ليس كذلك. إنه ليس ذكاءً اصطناعيًا للأغراض العامة يحل محل علماء البيانات. إنه حلقة ذات نطاق ضيق: وكيل واحد، ملف واحد يمكنه تعديله (قطار.py)، ونافذة تقييم واحدة ثابتة مدتها 5 دقائق، ومقياس واحد للتحسين. ما يجعل الأمر مهمًا ليس النطاق - بل هو قرار الهندسة المعمارية وراء ذلك: عامل مستقل تمامًا يقوم بإجراء تجربة، ويقرأ النتيجة، ويقرر ما يجب تجربته بعد ذلك، ويكرر التجربة - مع وجود تعليمات صريحة في الكود لا تتوقف أبدًا ولا تطلب الإذن من الإنسان للاستمرار.
إن فلسفة التصميم هذه - التكرار المستقل والموجه ذاتيًا والقائم على القياس - هي النموذج الذي يتجه نحوه الذكاء الاصطناعي للمؤسسات بسرعة. ليس فقط في أبحاث التعلم الآلي، ولكن في أي مجال حيث يوجد هدف واضح، ومخرجات قابلة للقياس، ومساحة بحث كبيرة بما يكفي ليكون التكرار الذي يسير بخطى بشرية هو عنق الزجاجة. وهو ما يصف جزءًا كبيرًا مما تقوم به فرق ذكاء الأعمال والتحليلات المؤسسية كل يوم.
ثلاثة انعكاسات ملموسة على فرق عمل المؤسسات
1. لم يعد "الوكيل" مفهومًا بحثيًا - بل هو نمط إنتاج. لا تتمثل مساهمة كارباثي هنا في فكرة وكلاء الذكاء الاصطناعي؛ بل في إظهار أن التطبيق النظيف والبسيط والمحدود والمفرد يمكن أن يجري 100 تجربة ذات مغزى بين عشية وضحاها على أجهزة سلعية. لقد انخفض حاجز نشر حلقات الذكاء الاصطناعي المستقل في سياقات المؤسسات - أتمتة التقارير، وتحسين خط أنابيب البيانات، ومعالجة المستندات - بشكل كبير. يجب على الفرق التي كانت تنتظر أن "ينضج" هذا الأمر أن تعيد ضبط جداولها الزمنية.
2. يتحول دور الإنسان من العمل إلى المراجعة. لا تطلب حلقة البحث التلقائي الموافقة بين التجارب. فهي تولد وتختبر وتحتفظ بما ينجح منها وتتجاهل ما لا ينجح وتمضي قدماً. من الناحية المؤسسية، يتطابق هذا مباشرةً مع أنظمة الذكاء الاصطناعي التي تقوم بصياغة التقارير أو إجراء تحليلات السيناريوهات أو معالجة الطلبات الواردة بشكل مستقل - ولا تعرض سوى النتائج التي تحتاج إلى حكم بشري. لا يمثل هذا تهديدًا للمحللين المهرة؛ بل هو إعادة توزيع لوقتهم. توليد أقل، وتقييم أكثر.
3. تصبح جودة البيانات ومقاييس النجاح الواضحة غير قابلة للتفاوض. يعمل البحث التلقائي لأنه يحتوي على مقياس لا لبس فيه: التحقق من الصحة بت لكل بايت. الأقل أفضل. كل تجربة قابلة للمقارنة الموضوعية. أما في إعدادات المؤسسة، فالسؤال المكافئ هو: ما هو "بتات التحقق من الصحة" في مؤسستك؟ إذا لم تتمكن من تحديد معيار نجاح واحد قابل للقياس لسير العمل الآلي، فلن يتمكن الوكلاء المستقلون من تحسينه. إن المشاريع التي ستستفيد أكثر من غيرها من الذكاء الاصطناعي الآلي هي المشاريع التي أنجزت بالفعل العمل على تحديد معنى "الأفضل" بمصطلحات ملموسة وقابلة للقياس.
منظور LeapLytics
لقد عملنا على بناء أنظمة الذكاء الاصطناعي لسير عمل المؤسسات لعدة سنوات - معالجة المستندات، وإعداد التقارير الآلية، وأتمتة الدعم. إن النمط الذي يوضحه كارباثي في طبقة أبحاث تعلّم الآلة هو نفس النمط الذي نطبقه في طبقة العمليات التجارية: تحديد الحلقة المتكررة، وتحديد معيار النجاح، والسماح للوكيل بالعمل، وإظهار الاستثناءات للمراجعة البشرية.
ما يوضحه البحث التلقائي بشكل واضح هو أن فرق السرعة. 100 تجربة في 8 ساعات. من الناحية المؤسسية: 100 مسودة مستند تمت مراجعتها، و100 حالة شاذة في البيانات، و100 بطاقة دعم تم تصنيفها - بينما ينام فريقك. ستجد المؤسسات التي تتعامل مع هذا الأمر على أنه فضول أن المؤسسات التي تتعامل معه على أنه بنية تحتية تكون قد تقدمت بشكل كبير بحلول الوقت الذي تعيد فيه النظر. لقد كتبنا عن هذه الديناميكية من قبل في سياق تحولنا إلى الدعم بمساعدة الذكاء الاصطناعي - لا تظهر الميزة المضاعفة للأتمتة إلا بعد أن تصبح مرئية.
ما الذي يجب أن تفعله المنظمات الآن
- حدد سير عمل واحد متكرر وقابل للقياس هذا الأسبوع. ليس عبارة غامضة "يجب علينا أتمتة التقارير". حلقة محددة: هذا النوع من المستندات، تتم معالجته بهذه الطريقة، ويتم تقييمه مقابل هذا المعيار. يعد البحث التلقائي نموذجًا ذهنيًا مفيدًا - إذا لم تتمكن من وصف سير عملك بالطريقة التي يصف بها كارباثي حلقة التدريب، فهو ليس جاهزًا لأتمتة الوكيل بعد.
- الاستثمار في جودة البيانات قبل نشر الوكيل. تقوم الوكلاء المستقلون بتضخيم كل ما يعملون معه. تنتج بيانات المدخلات النظيفة والمنظمة باستمرار مخرجات مستقلة مفيدة. البيانات الفوضوية غير المتسقة تنتج مخرجات ذاتية ذاتية خاطئة بثقة - بسرعة 100 ضعف سرعة ارتكاب الإنسان لنفس الخطأ. أصبحت حوكمة البيانات الآن مسألة جاهزية للذكاء الاصطناعي، وليست مجرد مسألة تدبير منزلي.
- أعد صياغة "استراتيجية الذكاء الاصطناعي" على أنها "ما الحلقات التي نقوم بأتمتتها أولاً". لا تزال معظم استراتيجيات الذكاء الاصطناعي للمؤسسات منظمة حول الأدوات والبائعين. الإطار الأكثر فائدة، ما بعد البحث الآلي، هو: أي من عمليات سير العمل لدينا هو حلقة ذات مخرجات قابلة للقياس؟ رتبها حسب الحجم والتأثير. ابدأ بالحلقة الأكبر حجماً والأكثر وضوحاً من حيث الحجم والقياس. هذه هي أول عملية نشر عميلك الأول.
ما الذي سيأتي بعد ذلك
البحث التلقائي هو الحد الأدنى عمدًا - وحدة معالجة رسومية واحدة، ملف واحد، مقياس واحد. والخطوة التالية المباشرة، التي تظهر بالفعل في شوكات المجتمع الناشئة من الريبو، هي متغيرات متعددة العوامل: عامل واحد يولد الفرضيات، وآخر يجري التجارب، وثالث يقيّم النتائج ويجمعها. من الناحية المؤسسية، يؤدي ذلك إلى أتمتة كاملة لسير العمل: الاستلام والمعالجة وفحص الجودة وتوجيه المخرجات التي يتم التعامل معها بواسطة سلسلة وكلاء منسقة مع مراجعة بشرية فقط في نقاط استثناءات محددة.
التحول الأكثر أهمية هو تحول ثقافي. إن تأطير كارباثي - أن أبحاث الذكاء الاصطناعي الرائدة "كانت تتم بواسطة حواسيب اللحم بين الأكل والنوم والاستمتاع بأشياء أخرى" - هو تأطير استفزازي متعمد. لكن النقطة الأساسية جادة: الميزة التنافسية في العمل المجاور للذكاء الاصطناعي تتحول من سرعة التنفيذ البشري إلى جودة الحلقات التي تصممها ووضوح المقاييس التي تحسن من أجلها. وهذا صحيح في أبحاث التعلم الآلي. وهو صحيح أيضًا في تحليلات المؤسسات، وإعداد تقارير المخاطر، وسير العمل كثيف المستندات. لم يعد السؤال هو ما إذا كان يجب بناء هذه الحلقات. بل مدى السرعة.
