فيلم وثائقي عن DeepMind: الذكاء الاصطناعي العام أعظم من الطاقة الحرارية، وحضارة البشر ستُعاد كتابتها

تم عرض الفيلم الوثائقي “لعبة التفكير” (The Thinking Game) من DeepMind مجاناً، ويوثّق رحلة ديميس هاسابيس في سعيه مدى الحياة لتحقيق الذكاء الاصطناعي العام (AGI). يرى هاسابيس أن الذكاء الاصطناعي العام أكثر أهمية من اكتشاف الكهرباء والنار. وقد حذّر من أن AGI على وشك الولادة، وسيكون فاصلاً في تاريخ البشرية، “جيلنا القادم سيعيش في عالم جديد كلياً، وكل لحظة ستكون مهمة”.

مهمة ديميس هاسابيس مدى الحياة في الذكاء الاصطناعي العام

(المصدر: يوتيوب)

كطالب متفوق في جامعة كامبريدج وفائز في بطولة الشطرنج المحلية بعمر ست سنوات، جعل ديميس هاسابيس من أبحاث AGI مهمة حياته منذ وقت مبكر، إذ كان يرغب في حل مشكلة حيّرت علماء الأحياء لمدة 50 عاماً: طي البروتينات. قد يكون من الصعب تخيل ذلك اليوم، لكن في ذلك الوقت كان هناك الكثير من الشكوك حول تقنيات الذكاء الاصطناعي العام في أوساط رأس المال الاستثماري والأكاديميين. اعتبر البعض أن أفكار ديميس مجرد أحلام كبيرة، بينما اعتبر آخرون أن دمج علوم الأعصاب مع التعلم الآلي ليس علماً بحتاً.

واجهت DeepMind، التي تأسست في 2010، صعوبات كبيرة في جمع التمويل في بدايتها، حتى التقوا بالمستثمر الملائكي الشهير بيتر ثيل (Peter Thiel). رغم أن ثيل أصبح أكبر ممول لـ DeepMind، إلا أنه أصر على انتقال الفريق إلى وادي السيليكون. لكن ديميس رفض وبشدة البقاء في لندن، معتقداً أن هناك خزينة مواهب فريدة، وأن ثقافة وادي السيليكون التي تركز على الفشل السريع والتغيير السريع لا تناسب أبحاث الذكاء الاصطناعي العام التي تتطلب أبحاثاً طويلة الأمد.

هذا القرار عكس فهم هاسابيس العميق لأبحاث AGI. فالذكاء الاصطناعي العام ليس منتجاً استهلاكياً يمكن تطويره بسرعة، بل هو بحاجة إلى أبحاث علمية أساسية طويلة المدى. ثقافة الشركات الناشئة في وادي السيليكون تركز على التحقق السريع من احتياجات السوق ونماذج الأعمال، لكن قيمة أبحاث AGI قد لا تظهر إلا بعد عقد أو عدة عقود. إصرار هاسابيس على البقاء في لندن حافظ على نقاء أبحاث DeepMind.

يشبّه هاسابيس الذكاء الاصطناعي العام باكتشاف الإنسان للنار، وهو تشبيه يحمل معنى عميقاً. فقد سمح اكتشاف النار للإنسان بطهي الطعام، والتدفئة، والإضاءة، وصهر المعادن، وغير مسار الحضارة البشرية جذرياً. يعتقد هاسابيس أن الذكاء الاصطناعي العام سيكون له تأثير مماثل أو حتى أكبر، لأنه ليس مجرد أداة، بل ذكاء قادر على التعلم الذاتي والإبداع.

من الألعاب إلى لعبة جو: إنجازات DQN وAlphaGo

(المصدر: DeepMind)

بعد تأسيس DeepMind في لندن، تجمع حولها مجموعة من الحالمين. لاختبار الذكاء الاصطناعي، قرروا استخدام “الألعاب” كميدان تجارب، كونها بيئة خاضعة للسيطرة الكاملة. جمعوا بين تقنيات التعلم العميق (Deep Learning) والتعلم المعزز (Reinforcement Learning) لإنشاء نموذج DQN، وجعلوا الذكاء الاصطناعي يلعب لعبة بينغ بونغ على جهاز أتاري (Atari)، دون تعليمه القواعد، فقط طلبوا منه مراقبة البكسلات والسعي لتحقيق أعلى نتيجة.

في البداية، لم يتمكن الذكاء الاصطناعي من صد أي كرة، مما جعل الفريق يشكك في واقعية تقنية الذكاء الاصطناعي العام، لكن فجأة بدأ الذكاء الاصطناعي في تسجيل النقاط. ثم جعلوه يلعب لعبة “بريك أوت” (Breakout). وبعد مئات الجولات من التدريب، تعلّم الذكاء الاصطناعي بنفسه استراتيجية حفر جدار جانبي للسماح للكرة بالارتداد فوق الطوب، وهي استراتيجية لم يسبق للإنسان أن برمجها له.

هذا أثبت أن DeepMind نجحت في إنشاء نظام تعلّم عام قادر على التكيف مع بيئات مختلفة، وهو إنجاز كبير في تطور الذكاء الاصطناعي العام. لم يكن الهدف فقط تعليم الآلة لعب الألعاب، بل إثبات قدرتها على اكتشاف استراتيجيات وحلول بشكل مستقل بدون توجيه بشري. هذه القدرة على التعلّم الذاتي هي سمة أساسية للذكاء الاصطناعي العام.

رغم التقدم في تقنيات التعلم الآلي، أصبحت قوة الحوسبة عائقاً. ولتسريع تحقيق AGI، وافقت DeepMind أخيراً على الاستحواذ من قبل Google مقابل حوالي ٤٠٠ مليون جنيه استرليني، مع الاحتفاظ باستقلالية الأبحاث. بدعم Google الحوسبي، وجهت DeepMind أنظارها إلى لعبة “جو” الصينية الأصل، التي اعتبرت سابقاً تحدياً شبه مستحيل للذكاء الاصطناعي.

هكذا وُلد AlphaGo، الذي تحدى أفضل لاعب جو في العالم لي سي دول. قدم AlphaGo الحركة رقم ٣٧ التي أذهلت العالم، وكانت حركة إبداعية شبه مستحيلة بالنسبة للاعب بشري، وأظهرت أن الآلة ليست بارعة فقط في الحسابات، بل أيضاً في الإبداع. هزيمة لي سي دول صدمت العالم، وخاصة الصين التي اعتبرت الحدث “لحظة سبوتنيك” (Sputnik moment)، ما أيقظ اهتمام العالم بالذكاء الاصطناعي وأطلق سباقاً جديداً شبيهاً بسباق الفضاء.

أربع محطات رئيسية في تطور تقنيات DeepMind

نموذج DQN: دمج التعلم العميق والتعلم المعزز، وقدرة الذكاء الاصطناعي على اكتشاف استراتيجيات الألعاب ذاتياً

AlphaGo: هزم بطل البشر في لعبة جو، وأظهر الإبداع والحدس

AlphaZero: استغنى كلياً عن المعرفة البشرية، وتعلم الألعاب ذاتياً من الصفر

AlphaFold: حل مشكلة طي البروتينات، وفاز بجائزة نوبل في الكيمياء

رغم قوة AlphaGo، إلا أنه اعتمد بشكل رئيسي على بيانات مباريات البشر. لاحقاً طورت DeepMind AlphaZero، وهو خوارزمية أكثر أناقة استغنت كلياً عن المعرفة البشرية، وتعلمت الشطرنج والشوغي والجو من الصفر عبر اللعب الذاتي فقط. أتقن AlphaZero هذه الألعاب في يوم واحد، بل وابتكر أساليب لم يرها البشر من قبل، مثبتاً أن الآلة يمكن أن تتجاوز تراكم حكمة آلاف السنين البشرية من خلال التجربة الخالصة.

AlphaFold يحل مشكلة طي البروتينات ويحصد نوبل

كانت الألعاب مجرد ميدان تجارب، أما طموح ديميس الحقيقي فهو حل المعضلات العلمية باستخدام الذكاء الاصطناعي، وتحديداً “طي البروتينات”. لطالما اعتبرت مشكلة طي البروتينات من أعظم الألغاز البيولوجية، وإذا تمكن البشر من التنبؤ ببنية البروتينات، سيسرع ذلك تطوير الأدوية وعلاج الأمراض. لاختبار إمكانية الذكاء الاصطناعي في علم الأحياء، أسست DeepMind فريق AlphaFold وشاركت في مسابقة CASP (مسابقة التنبؤ ببنية البروتينات).

في CASP13 عام ٢٠١٨، ورغم فوز AlphaFold، لم تكن الدقة كافية لاستخدامها عملياً في الأبحاث، مما سبب إحباطاً للفريق وأدركوا أن المعضلات العلمية أكثر تعقيداً من الألعاب. لم يستسلم ديميس، بل ضاعف جهوده في تطوير AlphaFold خلال جائحة كورونا، وجمع فريقاً يجمع بين المعرفة الفيزيائية والتعلم الآلي. عملوا ليلاً ونهاراً رغم ظروف الحجر المنزلي الصعبة.

أخيراً، في CASP14 عام ٢٠٢٠، حقق AlphaFold نتائج مذهلة. أجمعت الأوساط العلمية على أن مشكلة طي البروتينات قد حُلّت عملياً. بعدها اتخذت DeepMind قراراً جريئاً بعدم استغلال هذا الإنجاز تجارياً، بل أتاحوا بيانات أكثر من ٢٠٠ مليون بروتين - تقريباً كل البروتينات المعروفة على الأرض - مجاناً للعالم، لتعم الفائدة المجتمع العلمي. وبفضل هذا الإنجاز، نال ديميس وزميله جون جامبر جائزة نوبل في الكيمياء لعام ٢٠٢٤.

العد التنازلي لميلاد AGI والحاجة الملحة للإدارة المسؤولة

منذ إطلاق روبوتات المحادثة المعتمدة على النماذج اللغوية الكبيرة (LLM) مثل ChatGPT، غيّرت تقنيات الذكاء الاصطناعي التوليدي طريقة توزيع العمل في البرمجة والوظائف الإبداعية خلال ثلاث سنوات فقط. اليوم، مع منتجات مثل ChatGPT وGemini وGrok المبنية على LLM، بات الجميع يلمس أثر الذكاء الاصطناعي بشكل ملموس. والخطوة القادمة هي عصر الذكاء الاصطناعي العام، الذي سيشكل منعطفاً في تاريخ البشرية.

يقول ديميس إن التقنية محايدة، لكن طريقة استخدام البشر لها تحدد إن كانت للخير أو الشر. وقد أصر على أن تتعهد Google بعدم استخدام تقنيات DeepMind في المراقبة العسكرية، وأكد ضرورة عدم تبني مبدأ “التحرك السريع وكسر القواعد”. لأنه يرى أن تقنية AGI قوية جداً، وإذا خرجت عن السيطرة ستكون العواقب كارثية.

يحذّر هاسابيس: “AGI على وشك الولادة، وجيلنا القادم سيعيش في عالم جديد كلياً. مع الذكاء الاصطناعي، كل شيء سيتغير تماماً. إذا أردت إدارة الذكاء الاصطناعي بمسؤولية، فكل لحظة مهمة، وهذا ما كرّست حياتي من أجله”. هذا الشعور بالإلحاح يعكس إدراك فريق DeepMind العميق لمخاطر الذكاء الاصطناعي العام المحتملة. فكما أن النار يمكن أن تُستخدم للطهي أو التدمير، يمكن للذكاء الاصطناعي العام أن يحل التحديات الكبرى التي تواجه البشرية، أو يجلب مخاطر غير مسبوقة.

مع انفجار تطبيقات الذكاء الاصطناعي التوليدي واقترابنا من عصر الوكلاء الذكيين (AI Agents)، ربما يكون الآن هو الوقت الأنسب لمراجعة تاريخ تطور الذكاء الاصطناعي العام والتفكير في المستقبل.