الذكاء الاصطناعي لا يمكن أن يحل محل التعليم—إلا إذا سمحنا له بذلك

(SeaPRwire) –   بينما تحتفل مراسم التخرج بوعد جيل جديد من الخريجين، يلوح سؤال في الأفق: هل سيجعل الذكاء الاصطناعي تعليمهم بلا جدوى؟

يعتقد العديد من الرؤساء التنفيذيين ذلك. إنهم يصفون مستقبلًا سيحل فيه الذكاء الاصطناعي محل المهندسين والأطباء والمعلمين. تنبأ الرئيس التنفيذي لشركة Meta مؤخرًا بأن الذكاء الاصطناعي سيحل محل المهندسين من المستوى المتوسط الذين يكتبون التعليمات البرمجية للشركة. حتى أن لشركة NVIDIA أعلن أن الترميز نفسه قد عفا عليه الزمن.

بينما يعترف بيل غيتس بأن الوتيرة المحمومة لتطوير الذكاء الاصطناعي “عميقة وحتى مخيفة بعض الشيء”، إلا أنه يحتفل بالكيفية التي يمكن أن تجعل بها المعرفة النخبوية متاحة عالميًا. إنه أيضًا يتصور عالمًا يحل فيه الذكاء الاصطناعي محل المبرمجين والأطباء والمعلمين، ويقدم مشورة طبية عالية الجودة ودروسًا مجانية.

على الرغم من الضجيج، لا يستطيع الذكاء الاصطناعي “التفكير” بنفسه أو التصرف بدون البشر – في الوقت الحالي. في الواقع، سواء كان الذكاء الاصطناعي يعزز التعلم أو يقوض الفهم يتوقف على قرار حاسم: هل سنسمح للذكاء الاصطناعي بالتنبؤ بالأنماط فقط؟ أم سنطلب منه أن يشرح ويبرر ويبقى متجذرًا في قوانين عالمنا؟

يحتاج الذكاء الاصطناعي إلى حكم بشري، ليس فقط للإشراف على مخرجاته ولكن أيضًا لتضمين حواجز حماية علمية تمنحه التوجيه والتأصيل والتفسير.

مؤخرًا مقارنًا روبوتات الدردشة التي تعمل بالذكاء الاصطناعي بطالب جيد إلى حد ما يخضع لامتحان شفوي. وقال في حدث بجامعة بنسلفانيا: “عندما يعرفون الإجابة، سيخبرونك بها، وعندما لا يعرفون الإجابة، فإنهم جيدون حقًا في التضليل”. لذلك، ما لم يكن المستخدم يعرف الكثير عن موضوع معين، وفقًا لسوكال، فقد لا يكتشف روبوت الدردشة “المضلل”. هذا، في رأيي، يلتقط تمامًا ما يسمى “معرفة” الذكاء الاصطناعي. إنه يحاكي الفهم من خلال التنبؤ بتسلسلات الكلمات ولكنه يفتقر إلى التأصيل المفاهيمي.

لهذا السبب، أثارت أنظمة الذكاء الاصطناعي “الإبداعية” و و حول ما إذا كانت نماذج اللغة الكبيرة تستوعب حقًا الفروق الثقافية الدقيقة. عندما يحذر المعلمون من أن معلمي الذكاء الاصطناعي قد يعيقون التفكير النقدي للطلاب، أو يشخص الأطباء تشخيصًا خاطئًا خوارزميًا، فإنهم يحددون نفس العيب: التعلم الآلي بارع في التعرف على الأنماط، ولكنه يفتقر إلى المعرفة العميقة الناتجة عن الخبرة البشرية التراكمية المنهجية والمنهج العلمي.

هذا هو المكان الذي يقدم فيه مسارًا للمضي قدمًا. وهو يركز على تضمين المعرفة البشرية مباشرة في كيفية تعلم الآلات. PINNs (الشبكات العصبية المستنيرة بالفيزياء) و MINNs (الشبكات العصبية المستنيرة ميكانيكيًا) هي أمثلة. قد تبدو الأسماء تقنية، لكن الفكرة بسيطة: يتحسن الذكاء الاصطناعي عندما يتبع القواعد، سواء كانت قوانين الفيزياء أو الأنظمة البيولوجية أو الديناميكيات الاجتماعية. وهذا يعني أننا ما زلنا بحاجة إلى البشر ليس فقط لاستخدام المعرفة، ولكن لإنشائها. يعمل الذكاء الاصطناعي بشكل أفضل عندما يتعلم منا.

أرى هذا في عملي الخاص مع MINNs. بدلاً من السماح للخوارزمية بتخمين ما ينجح بناءً على البيانات السابقة، فإننا نبرمجها لاتباع المبادئ العلمية الراسخة. خذ على سبيل المثال . بالنسبة لهذا النوع من الأعمال، يعتبر وقت الإزهار أمرًا بالغ الأهمية. يؤدي الحصاد في وقت مبكر جدًا أو متأخر جدًا إلى تقليل قوة الزيت العطري، مما يضر بالجودة والأرباح. قد يضيع الذكاء الاصطناعي الوقت في البحث عن أنماط غير ذات صلة. ومع ذلك، تبدأ MINN بعلم الأحياء النباتي. وهي تستخدم معادلات تربط الحرارة والضوء والصقيع والماء بالإزهار لتقديم تنبؤات في الوقت المناسب وذات مغزى مالي. لكنها تعمل فقط عندما تعرف كيف يعمل العالم الفيزيائي والكيميائي والبيولوجي. هذه المعرفة تأتي من العلم الذي يطوره البشر.

تخيل تطبيق هذا النهج على الكشف عن السرطان: تبعث أورام الثدي حرارة ناتجة عن زيادة تدفق الدم والتمثيل الغذائي، ويمكن للذكاء الاصطناعي التنبئي تحليل آلاف الصور الحرارية لتحديد الأورام بناءً على أنماط البيانات فقط. ومع ذلك، فإن MINN، مثل تلك التي تم تطويرها مؤخرًا ، تستخدم بيانات درجة حرارة سطح الجسم وتدمج قوانين نقل الحرارة الحيوية مباشرة في النموذج. وهذا يعني أنه بدلاً من التخمين، فإنه يفهم كيف تنتقل الحرارة عبر الجسم، مما يسمح له بتحديد الخطأ وما الذي يسببه ولماذا ومكانه بدقة باستخدام فيزياء تدفق الحرارة عبر الأنسجة. في إحدى الحالات، تنبأت MINN بموقع الورم وحجمه في حدود بضعة ملليمترات، استنادًا بالكامل إلى كيفية تعطيل السرطان لبصمة حرارة الجسم.

الخلاصة بسيطة: البشر ما زالوا ضروريين. مع تطور الذكاء الاصطناعي، فإن دورنا لا يختفي. إنه يتحول. يحتاج البشر إلى “كشف الترهات” عندما تنتج الخوارزمية شيئًا غريبًا أو متحيزًا أو خاطئًا. هذه ليست مجرد نقطة ضعف في الذكاء الاصطناعي. إنها أعظم قوة لدى البشر. وهذا يعني أن معرفتنا تحتاج أيضًا إلى النمو حتى نتمكن من توجيه التكنولوجيا، وإبقائها تحت السيطرة، والتأكد من أنها تفعل ما نعتقد أنها تفعله، ومساعدة الناس في هذه العملية.

التهديد الحقيقي ليس أن الذكاء الاصطناعي يزداد ذكاءً. هو أننا قد نتوقف عن استخدام ذكائنا. إذا تعاملنا مع الذكاء الاصطناعي على أنه وسيط، فإننا نخاطر بنسيان كيفية السؤال والاستدلال والتعرف على متى لا يكون هناك شيء منطقي. لحسن الحظ، ليس من الضروري أن يلعب المستقبل بهذه الطريقة.

يمكننا بناء أنظمة شفافة وقابلة للتفسير ومتجذرة في المعرفة البشرية المتراكمة للعلوم والأخلاق والثقافة. يمكن لواضعي السياسات تمويل البحوث في الذكاء الاصطناعي القابل للتفسير. يمكن للجامعات تدريب الطلاب الذين يمزجون المعرفة بالمجال مع المهارات التقنية. يمكن للمطورين اعتماد أطر عمل مثل MINNs و PINNs التي تتطلب من النماذج أن تظل وفية للواقع. ويمكننا جميعًا – المستخدمين والناخبين والمواطنين – أن نطالب بأن يخدم الذكاء الاصطناعي العلم والحقيقة الموضوعية، وليس الارتباطات فقط.

بعد أكثر من عقد من تدريس الإحصاء والنمذجة العلمية على مستوى الجامعة، أركز الآن على مساعدة الطلاب على فهم كيفية عمل الخوارزميات “تحت الغطاء” من خلال تعلم الأنظمة بأنفسهم، بدلاً من استخدامها عن ظهر قلب. الهدف هو رفع مستوى الإلمام بالقراءة والكتابة عبر اللغات المترابطة للرياضيات والعلوم والبرمجة.

هذا النهج ضروري اليوم. لسنا بحاجة إلى المزيد من المستخدمين الذين ينقرون على “إنشاء” على نماذج الصندوق الأسود. نحن بحاجة إلى أشخاص يمكنهم فهم منطق الذكاء الاصطناعي ورموزه ورياضياته واكتشاف “هراءه”.

لن يجعل الذكاء الاصطناعي التعليم غير ذي صلة أو يحل محل البشر. لكننا قد نستبدل أنفسنا إذا نسينا كيف نفكر بشكل مستقل، ولماذا العلم والفهم العميق مهمان.

الخيار ليس ما إذا كنا سنرفض الذكاء الاصطناعي أو نتبناه. السؤال هو ما إذا كنا سنبقى متعلمين وأذكياء بما يكفي لتوجيهه.

“`