هل يستطيع الكمبيوتر أن يفكر دون أن نعلّمه كيف يفكر؟ 🧩🤖

سلسلة  عندما يفكر الكمبيوتر

هل يستطيع الكمبيوتر أن يفكر دون أن نعلّمه كيف يفكر؟ 🧩🤖

تخيّل أنك أعطيت طفلًا رقعة شطرنج، وقلت له:

— هذه لعبة، وهذه هي القواعد... والباقي اكتشفه بنفسك!

ثم تركته يلعب.

بعد فترة، تكتشف أنه لم يتعلم فقط كيف يلعب...

بل اكتشف أساليب جديدة لم تعلّمه إياها أصلًا!

ستقول فورًا:

— مستحيل!

لكن هذا بالضبط تقريبًا ما بدأت بعض أنظمة الذكاء الاصطناعي تفعله.

وهنا يظهر السؤال الغريب:

هل يستطيع الكمبيوتر أن يتعلم كيف يحل المشكلة دون أن نعلّمه طريقة حلها؟

والإجابة...

نعم، ولكن هناك تفاصيل مهمة جدًا.

زمان... كان الكمبيوتر ينتظر التعليمات 👨‍💻

في بدايات عصر الكمبيوتر، كان الأمر بسيطًا جدًا.

إذا أردت من الكمبيوتر أن يحسب شيئًا، عليك أن تكتب له الخطوات.

إذا أردت منه أن يرتب الأرقام، تخبره كيف يرتبها.

إذا أردت منه أن يبحث عن كلمة، تضع له طريقة البحث.

كان الكمبيوتر مثل موظف شديد الطاعة:

— افعل هذا.

فيقول:

— حاضر.

— ثم افعل هذا.

— حاضر.

— وإذا حدث كذا، افعل كذا.

— حاضر.

لكن لا تطلب منه أن يخترع طريقة جديدة!

لأن البرنامج التقليدي لا "يتعلم" بالمعنى الذي نستخدمه اليوم.

إنه ينفذ ما صممه الإنسان.

ثم جاءت الآلة التي تتعلم.

وهنا تغيرت اللعبة بالكامل.

وماذا يعني أن يتعلم الكمبيوتر؟ 🧠

هناك فرق بين أن نخبر الكمبيوتر ماذا يفعل...

وأن نخبره ما الهدف، ثم نتركه يتعلم كيف يصل إليه.

في بعض أساليب التعلم الآلي الحديثة، لا يحتاج النظام إلى أن نعطيه إجابة صحيحة لكل مثال يدرب عليه.

وفي التعلم الخاضع للإشراف الذاتي، يستطيع النموذج استخراج إشارات تعليمية من البيانات نفسها؛ مثل إخفاء جزء من جملة ومحاولة توقع الكلمة الناقصة. وبذلك يتعلم الأنماط والعلاقات دون أن يضع الإنسان تسمية يدوية لكل معلومة.

بمعنى أبسط:

بدل أن نقول للكمبيوتر:

"هذه صورة قطة، وهذه صورة كلب، احفظ الفرق."

يمكن أن نعطيه كميات هائلة من الصور والبيانات، ثم نصمم له مهمة تجعله يكتشف الأنماط بنفسه.

وهنا تبدأ المفاجآت.

الكمبيوتر الذي لعب ضد نفسه! ♟️

أحد أشهر الأمثلة جاء من عالم الألعاب.

في عام 2017، أعلنت شركة DeepMind عن AlphaGo Zero، وهو نظام تعلم لعبة "غو" من الصفر تقريبًا، دون الاعتماد على مباريات بشرية سابقة.

لم يكن النظام بحاجة إلى أن نقول له:

"هذه هي الحركة العبقرية التي لعبها بطل العالم."

بل بدأ من وضع أولي بسيط، ثم لعب ضد نفسه مرارًا، وتعلم من نتائج اللعب.

ومع الوقت، أصبح قادرًا على تطوير استراتيجيات قوية للغاية، وتجاوز المستوى البشري في اللعبة.

تخيل المشهد:

الكمبيوتر يلعب...

ثم يخسر.

فيعيد المحاولة.

ثم يخسر بطريقة مختلفة.

ثم يتعلم.

ثم يلعب مرة أخرى.

حتى يبدأ في اكتشاف:

"لو فعلت هذا هنا... ربما أربح."

ثم يجرب.

وهكذا ملايين المرات.

ليس لأن شخصًا جلس أمامه وقال له:

"افعل الحركة رقم 17."

بل لأن النظام كان يتعلم من التجربة والنتيجة.

والأسوأ... أنه قد يكتشف شيئًا لم نفكر فيه! 😳

هنا تبدأ القصة في أن تصبح أكثر إثارة.

عندما نترك نظامًا ذكيًا يستكشف عددًا هائلًا من الاحتمالات، قد يصل أحيانًا إلى حلول أو استراتيجيات لم تكن موجودة في تعليمات البشر.

وهذا ظهر بوضوح في أنظمة مثل AlphaZero، التي تعلمت ألعابًا مثل الشطرنج و"غو" والشوغي من خلال اللعب والتدريب، دون الاعتماد على معرفة بشرية تفصيلية بقواعد الاستراتيجية نفسها.

وهنا يطرح العلماء سؤالًا مهمًا:

إذا وصل الكمبيوتر إلى حل لم نعلّمه إياه...

فمن الذي علّمه؟

الإجابة التقنية هي:

نحن صممنا له النظام، والهدف، وطريقة التعلم، والبيئة التي يتعلم فيها.

لكننا لم نكتب له كل خطوة.

وهذا فرق هائل.

هل هذا يعني أن الكمبيوتر يفكر مثل الإنسان؟ 🤔

هنا يجب أن نتوقف.

لأن كلمة "يفكر" خطيرة قليلًا.

عندما نقول:

"الكمبيوتر فكر في حل."

فهذا لا يعني بالضرورة أنه يجلس داخل الجهاز ويتأمل المشكلة مثل الإنسان.

الآلة لا تحتاج إلى أن تكون واعية لكي تتعلم أنماطًا معقدة أو تبحث في احتمالات كثيرة أو تصل إلى حلول جديدة.

هي تنفذ عمليات حسابية هائلة، وتعدل نماذجها بناءً على النتائج، وتستفيد من الأنماط التي اكتشفتها.

وقد يبدو لنا الناتج وكأنه تفكير.

وأحيانًا يكون مذهلًا فعلًا.

لكن ظهور سلوك ذكي لا يثبت وحده وجود وعي أو تفكير بشري داخل الآلة.

وهذه نقطة يجب ألا ننساها.

وهل يمكن أن تظهر قدرات لم نخطط لها؟ 🧩

هذا سؤال يشغل الباحثين كثيرًا.

هناك أبحاث ناقشت ما يسمى "القدرات الناشئة" في نماذج اللغة الكبيرة؛ أي قدرات تظهر في نماذج أكبر ولا تكون واضحة بالطريقة نفسها في نماذج أصغر.

لكن كلمة "ناشئة" لا تعني أن الكمبيوتر أصبح كائنًا سحريًا.

المقصود أن زيادة حجم النموذج وبيانات التدريب والقدرة الحسابية قد تؤدي إلى ظهور أداء في مهام معينة لم يكن واضحًا من قبل.

وهذا يشبه قليلًا:

أن تجمع آلاف القطع الصغيرة...

ثم تكتشف أن الصورة الكاملة أصبحت قادرة على فعل شيء لم تكن أي قطعة منفردة قادرة عليه.

إذن... هل الكمبيوتر يتعلم وحده؟ 🤖

ليس تمامًا.

وهنا التصحيح المهم.

حتى أكثر أنظمة التعلم استقلالًا لا تظهر من العدم.

هناك بشر صمموا الخوارزمية، وحددوا الهدف، واختاروا البيانات أو البيئة، ووضعوا طريقة تقييم النتائج، وقرروا متى يكون النظام ناجحًا.

فالآلة قد تتعلم كيف تصل إلى الهدف...

لكن الإنسان هو الذي يحدد في البداية:

ما الهدف؟

وهذه النقطة قد تكون أخطر من كل شيء.

لأنك إذا أعطيت آلة ذكية هدفًا سيئًا...

فقد تحصل على آلة شديدة الكفاءة في تحقيق شيء لا تريده أصلًا.

المشكلة إذن ليست دائمًا:

"هل تستطيع الآلة أن تفكر؟"

بل ربما السؤال الأهم:

"ماذا طلبنا منها أن تفعل؟"

تخيّل المستقبل قليلًا... 🚀

تخيّل نظامًا لا نعطيه حلًا جاهزًا لمشكلة علمية.

نقول له فقط:

"ابحث عن أفضل طريقة."

فيبدأ في تحليل البيانات.

يضع فرضيات.

يجرب.

يفشل.

يعدل.

يعيد التجربة.

ثم يقدم لنا حلًا لم يخطر ببال أي إنسان.

هنا لن يكون الكمبيوتر مجرد آلة تنفذ أوامرنا.

سيصبح شيئًا أقرب إلى شريك في الاكتشاف.

وقد بدأنا بالفعل نرى أنظمة تستخدم التعلم والبحث والاستدلال لاكتشاف حلول في مجالات محددة؛ ومن الأمثلة الحديثة أنظمة مثل AlphaGeometry التي استطاعت حل عدد كبير من مسائل هندسة أولمبيادية بالاعتماد على توليد بيانات اصطناعية واستراتيجيات استدلال رمزي.

وهنا...

ربما علينا أن نعيد تعريف علاقتنا بالآلة.

لكن انتبه! ⚠️

كلما أصبحت الآلة أفضل في التعلم، أصبح الاعتماد عليها أكثر إغراءً.

وقد يقول الإنسان:

"لماذا أفكر؟ دع الكمبيوتر يفكر."

وهذه قد تكون أكبر مشكلة.

لأن الهدف من الذكاء الاصطناعي ليس أن نلغي عقولنا...

بل أن نستخدمه لتوسيع قدرتنا على التفكير.

الآلة يمكن أن تقترح.

لكن الإنسان يجب أن يسأل:

هل هذا صحيح؟

الآلة يمكن أن تكتشف.

لكن الإنسان يجب أن يسأل:

هل هذا مفيد؟

الآلة يمكن أن تصل إلى حل.

لكن الإنسان يجب أن يسأل:

هل هذا الحل آمن وأخلاقي؟

وهنا تظل هناك وظيفة لا يمكننا ببساطة أن نتنازل عنها.

وظيفة الإنسان.

وفي النهاية... 👀

إذن...

هل يستطيع الكمبيوتر أن يفكر دون أن نعلّمه كيف يفكر؟

يمكنه أن يتعلم استراتيجيات وحلولًا لم نبرمجها له خطوة بخطوة، وأن يكتشف أنماطًا وأساليب جديدة داخل البيئة التي يتعلم فيها.

لكن هذا لا يعني أنه أصبح إنسانًا.

فالإنسان يضع الأهداف، والآلة تتعلم طرقًا لتحقيقها.

والإنسان يطرح السؤال...

والآلة قد تفاجئه بالإجابة.

وربما يكون أعظم تحول في علاقتنا بالكمبيوتر هو أننا لم نعد نسأله فقط:

"ماذا تستطيع أن تفعل؟"

بل بدأنا نسأله:

"ماذا تستطيع أن تتعلم؟"

والسؤال القادم أخطر قليلًا...

لأننا إذا سمحنا للآلة بأن تتعلم كيف تفكر...

فماذا سيحدث عندما تبدأ في مراقبتنا نحن؟ 👀

المقال القادم 🚀

ماذا يحدث عندما يبدأ الذكاء الاصطناعي في مراقبتنا؟

هل سيظل مجرد أداة نستخدمها؟

أم سيصبح قادرًا على معرفة ما نفعل، وما نبحث عنه، وما نفضله...

وربما ما نفعله قبل أن نخبره به؟

عندما يفكر الكمبيوتر... تبدأ الأسئلة الحقيقية.

المصادر

IBM Think — التعلم الخاضع للإشراف الذاتي-

Singh, S. et al. Learning to play Go from scratch. Nature, 2017-

Silver, D. et al. Mastering the game of Go without human knowledge. Nature, 2017-

Schrittwieser, J. et al. Mastering Atari, Go, chess and shogi by planning with a learned model. Nature, 2020-

Wei, J. et al. Emergent Abilities of Large Language Models, 2022-

Trinh, T. H. et al. Solving olympiad geometry without human demonstrations. Nature, 2024-

 

يتبع...

د سامح هدهود