كيف تتعلم الآلات الارتجال في الطرق المسدودة
تخيل أنك تمشي في ممر جبلي ضيق، وفجأة تجد صخرة ضخمة تسد الطريق. الخريطة تقول استمر للأمام، لكن هذا مستحيل. بدل أن تستسلم، تنظر لعصا المشي وحبل الخيمة، وتربطهما معا لتصنع خطافا تتسلق به الصخرة. الحكاية إن أنظمة الذكاء الاصطناعي الجديدة تتعلم الآن كيف تتصرف في الطرق المسدودة بنفس الطريقة.
لسنوات طويلة، كانت برامج الكمبيوتر تشبه مسافرا لا يعرف سوى قراءة خريطة ثابتة. إذا واجهت الآلة موقفا غير موجود في برمجتها الأصلية، تتوقف عن العمل وتعطيك رسالة خطأ. لم تكن تملك القدرة على تخيل طريق بديل، لأنها تفهم الأشياء فقط كما تم تعريفها لها في البداية.
لحل هذه المشكلة، يغير المهندسون طريقة تخزين الآلات للمعلومات. يعني، بدل أن تعرف الآلة عصا المشي كأداة للمشي فقط، أصبحت تتعلم صفاتها الحقيقية مثل طولها ووزنها وصلابتها. فهم هذه الخصائص البسيطة يعطي الآلة مرونة لترى الأشياء العادية كمواد خام يمكن أن تصنع منها شيئا جديدا.
الآن، عندما تواجه الآلة عقبة، تبدأ في تحريك المعلومات في رأسها لتبتكر حلا. قد تدمج شيئين لا علاقة لهما ببعض، تماما مثل ربط الحبل بالعصا لصنع أداة تسلق. وفي أحيان أخرى، قد تغير وظيفة الشيء بالكامل، كأن تدرك أن حجرا ثقيلا يمكن استخدامه كمطرقة لكسر الحاجز.
هذا الارتجال لا يتوقف عند صنع الأدوات. الآلة قادرة اليوم على تعديل المكان حولها، مثل شخص يرتب حجارة صغيرة ليبني سلما يتجاوز به الصخرة. ويمكنها أيضا تغيير طريقة حركتها، فتقسم القفزة الصعبة إلى خطوات تسلق صغيرة وآمنة حتى تعبر الخطر بسلام.
الخطوة القادمة هي مساعدة هذه الأنظمة على تذكر ابتكاراتها للمستقبل. مثل المسافر الخبير الذي يحمل دروس رحلته الصعبة لرحلة أخرى، يريد المهندسون من الآلات أن تنقل حلولها الجديدة لتحديات مختلفة تماما. بس لحظة، هذا يعني أن التكنولوجيا تنتقل من مجرد تنفيذ الأوامر إلى التكيف الحقيقي عندما تنتهي الخريطة.