جوجل تطور تقنيات تعلم آلي تزود خدماتها بعقل إلكتروني ذاتي التعلم

لم يعد ظهور تقنيات "الذكاء الاصطناعي" قاصراً علي افلام الخيإل ألعلمي، فالان يتعامل العديد من مستخدمي شبكة الانترنت يومياً مع تقنيات "التعلم الالي" بدون ان معرفه ذلك، والتي تعطي اجهزه الكمبيوتر القدرة علي التعلم والاستنتاج ورد الفعل علي اوضاع لم تبرمج عليها، فعلي سبيل المثال قد تكون سمعت او قمت بتجربه تقنيه "Voice Search" من خلال اعطاء امر بصوتك لـ "محرك بحث جوجل" للبحث عن معلومات عبر شبكه الانترنت، كما قد تكون اعتمدت في التعرف علي المزيد من المعلومات عن مكان تزوره لاول مره، من خلال التقاط صوره له بواسطه تقنيه "Google Goggles" العمليه، وتوجد العديد من الامثله الاخري منها تقنيه حظر البريد الالكتروني غير المرغوب فيه، بل وحتي تقنيه السيارات ذاتيه القياده.

وربما تكون قد صادفت نصًا تم تحويله من الكلام بطريقه رديئه جدًا، او قرات ترجمة آلية سيئه للغايه، الا ان جوجل تعتقد ان "التعلم الالي" يمكن ان يصبح اكثر دقه بكثير مما هو عليه اليوم، وان اجهزه الكمبيوتر الذكي قد تجعل تنفيذ المهام اليوميه اكثر سهوله من اي وقت مضي. ولذلك يعمل فريق ابحاث تابع لجوجل منذ وقت طويل علي بعض المناهج الحديثه بهدف توسيع نطاق التعلم الالي.

احرزت تكنولوجيا "التعلم الالي" اليوم نجاحًا كبيرًا في التوافق مع استخدامات جديده، لنفترض مثلاً اننا نريد تصميم نظام يمكنه التمييز بين صور السيارات والدراجات البخاريه، فيجب اولاً ان نجمع عشرات الالاف من الصور التي تم فعلاً تصنيفها علي انها "سياره" واخري "دراجة بخارية"، حت يتم تدريب النظام علي تصنيفها، الا ان عمليه التصنيف تحتاج الي مجهود كبير، كما انه لا يتوفر سوي قدر قليل نسبيًا من البيانات المصنفه.

الا ان هناك بحثًا نشر مؤخرًا عن "التعلم الذاتي" و"التعلم العميق" يقترح امكانيه الاعتماد بدلاً من ذلك علي البيانات غير المصنفه، مثل الصور العشوائيه التي يتم جلبها من الانترنت او من مقاطع فيديو اليوتيوب، وتعمل هذه الخوارزميات عن طريق تصميم شبكات عصبية اصطناعية، تساعد بشكل عام علي محاكاه عمليات التعلم العصبي، مثلها مثل العمليات التي تتم عبر المخ البشري.

وتعد الشبكات العصبيه امرًا مكلفًا للغايه علي المستوي اجهزه الكمبيوتر، ولذلك لم يتجاوز عدد الاتصالات التي اجرتها معظم الشبكات المستخدمه في "التعلم الالي" حتي يومنا هذا سوي عدد يتراوح بين مليون و10 ملايين عمليه اتصال فقط، وكان لشركه جوجل تجربه اخري تهدف لتدريب قدر أكبر من الشبكات لتحقيق درجه دقه افضل بكثير.

ولذلك طورت شركه جوجل بنيه اساسيه تعمل علي تدريب الشبكات العصبيه علي نطاق واسع، وبعد ذلك، وزعت بيانات شبكة عصبية إصطناعية علي 16 الف نواه معالج من معالجات مراكز البيانات التابعه لها، ثم دربت نماذج بها علي ما يزيد عن مليار عمليه اتصال، لتجري بعد ذلك اختبارات تطرح بشكل غير رسمي السؤال التالي: اذا اعتبرنا ان شبكتنا العصبيه عباره عن محاكاه لـ "مخ طفل حديث الولاده" نطاقه محدود للغايه، وعرضنا عليها مقاطع فيديو من موقع يوتيوب لمده اسبوع، فما الذي ستتعلمه هذه الشبكه؟ كانت الافتراضيه ان هذه الشبكه ستتعلم كيف تدرك الاشياء المشتركه بين مقاطع الفيديو هذه.

وبالفعل، تمكنت احدي الخلايا العصبية التابعه لجوجل من تعلم الاستجابه القويه لصور القطط، مع الاخذ في الاعتبار انه لم يسبق برمجه هذه الشبكه ابدًا من قبل بشيء متعلق بالقطط، كما انه لم يسبق ان تعرضت ابدًا لصوره تم تصنيفها علي انها قطه، وبرغم ذلك استطاعت الشبكه "اكتشاف" شكل القطه بنفسها من مجرد مقاطع ثابته وغير مصنفه علي يوتيوب.

باستخدام هذه الشبكه العصبيه التي تعمل علي نطاق واسع تمكنت جوجل ايضًا من تحسين افضل ما تم التوصل اليه من اختبارات تصنيف الصور القياسيه حتي الان الي مستوي كبير؛ فقد لوحظ نسبه تحسن في مستوي الدقه تصل الي 70% تم تحقيقها من خلال الاستعانه بقدر كبير جدًا من البيانات غير المصنفه المتوفره علي الانترنت.