أكد جيفري هينتون، الذي يطلق عليه “عراب الذكاء الاصطناعي”، أنه ترك دوره في شركة جوجل الأسبوع الماضي للتحدث عن “المخاطر” التي يشكلها التكنولوجيا التي ساعد في تطويرها. وقال هينتون، الذي يعمل نائبًا وزميلًا هندسيًا في جوجل وأحد رواد التعلم العميق الذي طور بعض أهم التقنيات في صميم الذكاء الاصطناعي الحديث، إنه لديه مخاوف جديدة بشأن التكنولوجيا التي ساهم في إحداث ثورة في مجالات مثل التعرف على الصور والكلام.
وقال هينتون، الذي سيلقي كلمة حية لمجلة MIT Technology Review في EmTech Digital يوم الأربعاء في أول مقابلة له بعد استقالته، إن جزءًا منه يندم على عمله في حياته. وقد شارك هينتون مع يان لوكون ويوشوا بنجيو في نيل جائزة تورنج لعام 2018 – ما يعادل نوبل في مجال الحوسبة. وقال لوكون، الذي يشغل منصب رئيس عالم الذكاء الاصطناعي في Meta: “إن إسهامات جيفري في مجال الذكاء الاصطناعي هائلة. لم يخبرني أنه كان يخطط لمغادرة جوجل، لكنني لست مندهشًا كثيرًا”. وقد انضم هينتون إلى جامعة تورنتو وجوجل منذ عام 2013، عندما اشترت شركة التكنولوجيا العملاقة شركة DNNresearch التابعة له. كانت شركة هينتون ناتجة عن مجموعة بحثية تقوم بأبحاث رائدة في مجال التعلم الآلي للتعرف على الصور في ذلك الوقت. استخدمت جوجل تلك التقنية لتحسين بحث الصور وغير ذلك.
لماذا ترك هينتون جوجل؟
قال هينتون إنه يريد أن يتحدث بحرية عن المخاطر التي يشكلها الذكاء الاصطناعي، وخاصة فيما يتعلق بالأمن القومي والخصوصية والتحيز. وقال إنه يشعر بالقلق من أن الحكومات والشركات قد تستخدم التكنولوجيا التي ساعد في تطويرها لأغراض سلبية أو غير أخلاقية. وأضاف أنه يأسف لأنه لم يفكر في الآثار السلبية للتعلم العميق عندما كان يبحث عنه.
ما هي أهم تقنيات التعلم العميق التي طورها هينتون؟
هينتون معروف بشكل خاص بخوارزمية تسمى الانتشار الخلفي، والتي اقترحها مع زميلين له في الثمانينات من القرن الماضي. وتعد هذه الخوارزمية التي تسمح بتدريب الشبكات العصبية العميقة، أساسية لجميع نماذج التعلم الآلي الحديثة. باختصار، الانتشار الخلفي هو طريقة لضبط الاتصالات بين الخلايا العصبية الاصطناعية مرارًا وتكرارًا حتى تنتج الشبكة العصبية المخرج المطلوب. كان هينتون يعتقد أن الانتشار الخلفي يحاكي كيفية تعلم الأدمغة البيولوجية. وظل يبحث عن تقريبات أفضل منذ ذلك الحين، لكنه لم يستطع تحسينه.
إلى جانب ذلك، ساهم هينتون في تطوير تقنيات أخرى في مجال الشبكات العصبية، مثل آلات بولتزمان، والتمثيلات الموزعة، والشبكات العصبية ذات التأخير الزمني، وخلطة الخبراء، والتعلم المتغير، وحاصلات الخبراء، وشبكات المعتقدات العميقة. كان مجموعة بحثه في تورونتو قد حققت اختراقات رئيسية في التعلم العميق التي غيرت جذريًا مجال التعرف على الكلام والأشياء.
