How AI Is Unlocking the Secrets of Nature and the Universe | Demis Hassabis | TED

المترجم: Leen Sattout

المدقّق: Khaled Radwan

ديميس، من الجيد جدًا وجودك هنا.

إنه لأمر رائع أن أكون هنا، شكرًا، كريس. الآن، أخبرتَ مجلة تايم «أريد أن أفهم الأسئلة الكبيرة، الأسئلة الكبيرة حقًا التي عادة ما تدرسها في الفلسفة أو الفيزياء إذا كنت مهتمًا بها. اعتقدت أن بناء الذكاء الاصطناعي سيكون أسرع طريق للإجابة على بعض هذه الأسئلة». لماذا تعتقد ذلك؟

(يضحك) حسنًا، أعتقد عندما كنت طفلاً، كانت المادة المفضلة لدي هي الفيزياء، وكنت مهتمًا بجميع الأسئلة الكبيرة، الطبيعة الأساسية للواقع، وما هو الوعي، وكل الأسئلة الكبيرة. وعادة ما تتجه إلى الفيزياء، لكي تجد الأجوبة إذا كنت مهتمًا بذلك. لكنني قرأت الكثير عن علماء الفيزياء العظماء، وبعض أبطالي العلميين على مر العصور مثل فاينمان وما إلى ذلك. وأدركت، في السنوات العشرين أو الثلاثين الماضية، أننا لم نحرز تقدمًا كبيرًا في فهم بعض هذه القوانين الأساسية. لذا فكرت، لماذا لا نبني الأداة النهائية لمساعدتنا، وهي الذكاء الاصطناعي. وفي الوقت نفسه، ربما قد نتمكن من فهم أنفسنا أيضًا، والدماغ بشكل أفضل، من خلال القيام بذلك أيضًا. لذلك لم تكن مجرد أداة رائعة فحسب، بل كانت مفيدة أيضًا لبعض الأسئلة الكبيرة نفسها.

مثيرة للاهتمام للغاية. من الواضح أن الذكاء الاصطناعي يمكنه القيام بالعديد من الأشياء، ولكن بالنسبة لهذه المحادثة، أود التركيز على موضوع ما يمكن أن يتم فعله لحل الأسئلة الكبيرة حقًا، والإنجازات العلمية العملاقة، لأن هذا الموضوع يحفز كلاً منك وشركتك.

أحد الأشياء الكبيرة التي يمكن للذكاء الاصطناعي القيام بها، وكنت أفكر فيها دائمًا، هو أننا نحصل، كما تعلمون، حتى قبل 20 أو 30 عامًا، في بداية عصر الإنترنت وعصر الكمبيوتر، وكمية البيانات التي تم إنتاجها وكذلك البيانات العلمية، والتي قد تعد أشياء كثيرة جدًا بالنسبة للعقل البشري في كثير من الحالات. وأعتقد أن أحد استخدامات الذكاء الاصطناعي هو العثور على أنماط ورؤى في كميات هائلة من البيانات ثم عرض ذلك للعلماء البشريين لفهم ووضع فرضيات وتخمينات جديدة. لذلك يبدو لي الأمر متوافقًا جدًا مع المنهج العلمي.

صحيح. لكن للألعاب دورًا كبيرًا في رحلتك الخاصة في ما يتعلق باكتشاف هذا الشيء.

من هو هذا الفتى الصغير على اليسار هناك؟

من هذا؟ هذا أنا، أعتقد أنني كنت في التاسعة من عمري تقريبًا. كنت قائد فريق إنجلترا للأطفال تحت ال 11 عامًا، ونلعب في بطولة الأمم الأربعة، ولهذا السبب جميعنا ارتدينا اللون الأحمر. أعتقد أننا سنواجه فرنسا واسكتلندا وويلز، أعتقد ذلك.

هذا غريب جدًا، لأن ذلك حدث لي أيضًا. في أحلامي.

(ضحك) ولم تحب لعبة الشطرنج فحسب، لقد أحببت جميع أنواع الألعاب.

أحببت جميع أنواع الألعاب، نعم. وعندما أطلقت DeepMind، بسرعة كبيرة، بدأت في جعلها تتضمن اللعب، لماذا؟

حسنًا، إن الألعاب هي ما جعلتني شغوفاً بالذكاء الاصطناعي في المقام الأول لأنه بينما كنا نفعل أشياء مثل اعتدنا الذهاب إلى معسكرات تدريب مع منتخب إنجلترا وما إلى ذلك. وفي الواقع في ذلك الوقت، أعتقد أننا كنا في منتصف الثمانينيات، كنا نستخدم أجهزة كمبيوتر الشطرنج المبكرة جدًا، إذا كنت تتذكرها، للتدرب ضدها، وكذلك اللعب ضد بعضنا البعض. وكانت عبارة عن كتل كبيرة من البلاستيك، كما تعلمون، الألواح المادية التي اعتدنا عليها، ويتذكر البعض منكم، استخدمتها بالفعل للضغط على المربعات للأسفل وكانت هناك مصابيح LED. وأتذكر في الواقع، لم أفكر في لعبة الشطرنج فحسب، حقيقةً كنت في الواقع مفتونًا بحقيقة أن هذه الكتلة البلاستيكية، قام شخص ما ببرمجتها لتكون ذكية لتلعب الشطرنج بالفعل على مستوى عالٍ حقًا. وقد اندهشت من ذلك. وهذا جعلني أفكر في كيفية التفكير وكيفية ابتكار الدماغ لعمليات التفكير هذه، هذه الأفكار، ومن ثم التفكير بكيفية محاكاة ذلك باستخدام أجهزة الكمبيوتر. لذا نعم، لقد كان موضوعًا كاملاً لحياتي كلها، حقًا.

لكنك جمعت كل هذه الأموال لإطلاق DeepMind، وسرعان ما كنت تستخدمها للقيام بذلك، على سبيل المثال. أعني، هذا استخدام غريب لها. ماذا كان يحدث هنا؟

حسنًا، بدأنا بالألعاب في بداية DeepMind. كان هذا في عام 2010، لذلك هذا منذ حوالي 10 سنوات، كان أول إنجاز كبير لنا. نظرًا لأننا بدأنا بألعاب Atari الكلاسيكية من السبعينيات، فإن أبسط أنواع ألعاب الكمبيوتر موجودة. وأحد أسباب استخدامنا للألعاب هو أنها مريحة جدًا لاختبار أفكارك وخوارزمياتك. إنهم سريعون حقًا في الاختبار. وأيضًا، عندما تصبح أنظمتك أكثر قوة، يمكنك اختيار ألعاب أصعب وأصعب. وكانت هذه في الواقع المرة الأولى على الإطلاق التي فاجأتنا فيها آلتنا، الأولى من عدة مرات، والتي اكتشفت في هذه اللعبة المسماة Breakout، أنه يمكنك إرسال الكرة حول الجزء الخلفي من الجدار، وفي الواقع، ستكون طريقة أكثر أمانًا لضرب كل بلاطات الجدار. إنها لعبة أتاري الكلاسيكية هناك. وكانت تلك أول لحظة حقيقية لنا. لذلك لم تتم برمجة هذا الشيء ليكون لديه أي استراتيجية. لقد قيل للتو، حاول اكتشاف طريقة للفوز. ما عليك سوى تحريك المضرب في الأسفل ومعرفة ما إذا كان بإمكانك إيجاد طريقة للفوز.

لقد كانت ثورة حقيقية في ذلك الوقت، كان هذا في عامي 2012 و 2013. حيث صاغنا هذه المصطلحات «التعلم المعزز العميق». فالشيء الرئيسي عنها هو أن تلك الأنظمة كانت تتعلم مباشرة من وحدات البكسل، وحدات البكسل الخام على الشاشة، ولكن لم يتم إخبارها بأي شيء آخر. لذلك قيل لهم، قم بتعظيم النتيجة، ها هي وحدات البكسل على الشاشة، 30000 بكسل. يجب أن يكون النظام منطقيًا من تلقاء نفسه من المبادئ الأولى لما يحدث، وما يتحكم فيه، وكيفية الحصول على النقاط. وهذا هو الشيء الجميل الآخر في استخدام الألعاب في البداية. لديهم أهداف واضحة، للفوز، للحصول على الدرجات. لذلك يمكنك بسهولة قياس مدى تحسن أنظمتك.

ولكن كان هناك خط مباشر من ذلك إلى هذه اللحظة بعد بضع سنوات، حيث أصيبت دولة كوريا الجنوبية وأجزاء أخرى كثيرة من آسيا وفي الواقع العالم بالجنون -- لماذا؟

DH: نعم، كانت هذه ذروة - وهذا في عام 2016 - ذروة عملنا في الألعاب، حيث قمنا بعمل أتاري، وقمنا ببعض الألعاب الأكثر تعقيدًا. ثم وصلنا إلى الذروة، وهي لعبة Go، وهي ما يلعبونه في آسيا بدلاً من الشطرنج، لكنها في الواقع أكثر تعقيدًا من الشطرنج. ولم تكن خوارزميات القوة الغاشمة الفعلية التي تم استخدامها لنوع من لعبة الشطرنج ممكنة مع Go لأنها لعبة تعتمد على الأنماط بشكل أكبر، وهي لعبة أكثر سهولة. لذلك على الرغم من فوز ديب بلو على غاري كاسباروف في التسعينيات، فقد استغرق برنامجنا، AlphaGo ،20 عامًا أخرى للتغلب على بطل العالم في Go. وكنا نعتقد دائمًا، أنا والأشخاص الذين يعملون في هذا المشروع لسنوات عديدة، أنه إذا كان بإمكانك بناء نظام يمكنه التغلب على بطل العالم في Go، فسيتعين عليه القيام بشيء مثير للاهتمام للغاية. وفي هذه الحالة، ما فعلناه مع AlphaGo، هو أنه تعلم بشكل أساسي لنفسه، من خلال لعب الملايين والملايين من الألعاب ضد نفسه، والأفكار حول Go، والاستراتيجيات الصحيحة. وفي الواقع ابتكرت استراتيجياتها الجديدة التي لم يسبق لعالم Go رؤيتها من قبل، على الرغم من أننا لعبنا Go لأكثر من 2000 عام، فهي أقدم لعبة لوحية في الوجود. لذا، كان الأمر مذهلاً للغاية. لم يقتصر الأمر على الفوز بالمباراة، بل ابتكر أيضًا استراتيجيات جديدة تمامًا.

وقد واصلت هذا باستراتيجية جديدة تتمثل في عدم تعليمها أي شيء عن Go، ولكن فقط إعداد أنظمة يمكن استخدامها من المبادئ الأولى فقط حتى يتمكنوا من تعليم أنفسهم من الصفر أو Go أو الشطرنج.

تحدث عن AlphaZero والشيء المدهش الذي حدث في لعبة الشطرنج بعد ذلك.

بعد ذلك، بدأنا مع AlphaGo من خلال إعطائها جميع الألعاب البشرية التي يتم لعبها على الإنترنت. لذلك بدأت ذلك كنقطة انطلاق أساسية لمعرفتها. ثم أردنا أن نرى ما سيحدث إذا بدأنا من الصفر، من اللعب العشوائي حرفيًا. إذن هذا ما كان عليه AlphaZero. هذا هو السبب في وجود الصفر في الاسم، لأنه بدأ بدون أي معرفة مسبقة، والسبب في قيامنا بذلك هو أننا سنبني نظامًا أكثر عمومية. لذلك كان بإمكان AlphaGo لعب Go فقط، لكن AlphaZero يمكنه لعب أي لعبة ثنائية اللاعبين، وقد فعل ذلك من خلال اللعب بشكل عشوائي في البداية ثم ببطء، مع التحسين التدريجي. حسنًا، ليس ببطء شديد، في الواقع، في غضون 24 ساعة، الانتقال من المستوى العشوائي إلى مستوى أفضل من مستوى بطل العالم. ولهذا السبب إن هذا الأمر مذهل جدًا بالنسبة لي.

لذلك أنا على دراية بالشطرنج أكثر من Go. وعلى مدى عقود، عمل الآلاف والآلاف من خبراء الذكاء الاصطناعي على بناء أجهزة كمبيوتر شطرنج مذهلة. في النهاية، أصبحوا أفضل من البشر. كانت لديك لحظة قبل بضع سنوات، حيث قامت AlphaZero في تسع ساعات بتعليم نفسها لعب الشطرنج بشكل أفضل من أي من هذه الأنظمة على الإطلاق. تحدث عن ذلك.

لقد كانت لحظة رائعة جدًا، في الواقع. لذلك شرعنا في لعبة الشطرنج. وكما قلت، يوجد تاريخ مشترك بين الشطرنج والذكاء الاصطناعي حيث توجد هذه الأنظمة الخبيرة التي تمت برمجتها بأفكار الشطرنج هذه، خوارزميات الشطرنج. ولديك هذا الشيء المذهل، كما تعلمون، أتذكر هذا اليوم بوضوح شديد، حيث تجلس بشكل ما مع النظام الذي يبدأ عشوائيًا، في الصباح، تذهب لتناول فنجان من القهوة، وتعود. لا يزال بإمكاني التغلب عليه بحلول وقت الغداء، ربما. ثم تتركها لمدة أربع ساعات أخرى. وبحلول العشاء، فهي أعظم كيان يلعب الشطرنج على الإطلاق. وكما تعلمون، إنه لأمر مدهش للغاية، مثل، النظر إلى ذلك مباشرة على شيء تعرفه جيدًا، كما تعلمون، مثل الشطرنج، وأنت خبير في ذلك وفي الواقع مجرد رؤيته أمام عينيك. ثم تستنبط ما يمكن أن تفعله بعد ذلك في العلوم أو أي شيء آخر، والذي بالطبع، كانت الألعاب مجرد وسيلة لتحقيق غاية. لم تكن أبدًا النهاية في حد ذاتها. لقد كانت مجرد ساحة تدريب لأفكارنا ولإحراز تقدم سريع في غضون أقل من خمس سنوات مرت فعليًا من Atari إلى Go.

أعني، هذا هو السبب في أن الناس يشعرون بالرهبة من الذكاء الاصطناعي وأيضًا يشعرون بالرعب منه. أعني، إنه ليس مجرد تحسن تدريجي. حقيقة أنه في غضون ساعات قليلة يمكنك تحقيق ما لم يتمكن ملايين البشر على مر القرون من تحقيقه. هذا يمنحك وقفة للتفكير. إنها حقيقة الأمر، أعني، إنها تقنية قوية للغاية. ستكون نقلة قوية بشكل لا يصدق. وعلينا أن ندرس بدقة كيفية استخدامنا لهذه القدرة.

لذا لنتحدث عن هذا الاستخدام مرةً أخرى، لأنه مجرد مجال آخر للعمل الذي قمت به، حيث تقوم الآن بتحويله إلى شيء مفيد للغاية للعالم.

ما هي جميع الحروف الموجودة على اليسار، وماذا على اليمين؟

كان هذا هدفي دائمًا مع الذكاء الاصطناعي منذ طفولتي، وهدفي هو استخدام الذكاء الاصطناعي لتسريع الاكتشاف العلمي. وفي الواقع، منذ دراستي الجامعية في كامبريدج، ففي أحد الأيام كنت أفكر في هذه المشكلة بالنسبة للذكاء الاصطناعي والتي تسمى مشكلة طي البروتين. وهو نوع من التحدي الكبير لمدة 50 عامًا في علم الأحياء. ومن السهل جدًا شرح ذلك. البروتينات ضرورية للحياة. إنها اللبنات الأساسية للحياة. كل شيء في جسمك يعتمد على البروتينات. يتم وصف البروتين نوعًا ما من خلال تسلسل الأحماض الأمينية الخاص به، والذي يمكنك التفكير فيه تقريبًا على أنه التسلسل الجيني الذي يصف البروتين، هذه هي الأحرف.

CA: وكل من هذه الحروف يمثل في حد ذاته جزيءًا معقدًا؟

DH: هذا صحيح، كل حرف من هذه الأحرف عبارة عن حمض أميني. ويمكنك التفكير فيها كنوع من سلسلة الخرز هناك في الأسفل، اليسار، أليس كذلك؟ ولكن في الطبيعة، في جسمك أو في حيوان، تتحول هذه السلسلة، إلى هذا الشكل الجميل على اليمين. هذا هو البروتين. هذه الحروف تصف هذا الشكل. وهذا ما تبدو عليه في الطبيعة. والشيء المهم في هذا الهيكل ثلاثي الأبعاد هو أن البنية ثلاثية الأبعاد للبروتين تقطع شوطًا طويلاً لإخبارك بوظيفته في الجسم، وماذا يفعل. وبالتالي فإن مشكلة طي البروتين هي: هل يمكنك التنبؤ مباشرة بالبنية ثلاثية الأبعاد فقط من تسلسل الأحماض الأمينية؟ لذا حرفيًا إذا أعطيت الجهاز، ونظام الذكاء الاصطناعي، والأحرف الموجودة على اليسار، فهل يمكنه إنتاج البنية ثلاثية الأبعاد على اليمين؟ وهذا ما يفعله برنامجنا AlphaFold. فلا يتم حسابها من الحروف، إنها تبحث في أنماط البروتينات المطوية الأخرى المعروفة عنها وتتعلم بطريقة أو بأخرى من تلك الأنماط أن هذه قد تكون الطريقة للقيام بذلك؟

لذلك عندما بدأنا هذا المشروع، في الواقع مباشرة بعد AlphaGo، اعتقدت أننا جاهزون. بمجرد أن أطلقنا Go، شعرت أننا جاهزون أخيرًا بعد ما يقرب من 20 عامًا من العمل على هذه الأشياء لمعالجة بعض المشكلات العلمية فعليًا، بما في ذلك طي البروتين. وما نبدأ به هو بشق الأنفس، على مدى أكثر من 40 عامًا الماضية، قام علماء الأحياء التجريبية بتجميع حوالي 150,000 بنية بروتينية باستخدام تقنيات معقدة للغاية في علم البلورات بالأشعة السينية وغيرها من التقنيات التجريبية المعقدة. والقاعدة الأساسية هي أن الأمر يتطلب من طالب دكتوراه واحد الحصول على درجة الدكتوراه بأكملها، أي أربع أو خمس سنوات، للكشف عن بنية واحدة. ولكن هناك 200 مليون بروتين معروف في الطبيعة. لذلك يمكنك أن تستغرق وقتًا طويلاً للقيام بذلك. وهكذا تمكنا بالفعل، باستخدام AlphaFold، في عام واحد، من طي كل تلك الـ 200 مليون بروتين المعروفة للعلم. وهذا يعني توفير مليار سنة من وقت الدكتوراه.

(تصفيق)

CA: لذلك من المدهش بالنسبة لي مدى موثوقية عملها. أعني، هذا يظهر، ها هو النموذج وأنت تقوم بالتجربة. ومن المؤكد أن البروتين يظهر بنفس الطريقة. 200 مليون مرة.

DH: وكلما تعمقت في البروتينات، تبدأ في تقدير مدى روعتها. أعني، انظروا إلى مدى جمال هذه البروتينات. وكل من هذه الأشياء تؤدي وظيفة خاصة في الطبيعة. وهي تشبه الأعمال الفنية تقريبًا. ولا يزال يذهلني اليوم أن AlphaFold يمكن أن يتنبأ، والأخضر هو الحقيقة الأساسية، والأزرق هو التنبؤ، ومدى قدرته على التنبؤ، هو في حدود عرض الذرة في المتوسط، هو مدى دقة التنبؤ، وهو ما يحتاجه علماء الأحياء لاستخدامه، ولتصميم الأدوية وفهم الأمراض، وهو ما يفتحه AlphaFold.

CA: لقد اتخذت قرارًا مفاجئًا، وهو التخلي عن النتائج الفعلية لـ 200 مليون بروتين.

DH: قمنا بفتح مصدر AlphaFold وقدمنا كل شيء في قاعدة بيانات ضخمة مع زملائنا الرائعين، في المعهد الأوروبي للمعلوماتية الحيوية.

(تصفيق)

أعني، أنت جزء من جوجل. هل كانت هناك مكالمة هاتفية تقول، «آه، ديميس، ماذا فعلت للتو؟»

كما تعلمون، أنا محظوظ لأن لدينا دعمًا كبيرًا، حيث تدعم Google العلم وبشدة وتفهم الفوائد التي يمكن أن يجلبها هذا للعالم. وكما تعلمون، كانت الحجة هنا هي أنه لم يكن بإمكاننا إلا أن نخدش سطح إمكانات ما يمكننا فعله بهذا. هذا، ربما مثل جزء من المليون مما يفعله المجتمع العلمي به. هناك أكثر من مليون ونصف عالم أحياء حول العالم استخدموا AlphaFold وتوقعاته. نعتقد أن كل عالم أحياء في العالم تقريبًا يستفيد من هذا الآن، كل شركة أدوية. لذلك لن نعرف أبدًا ما هو التأثير الكامل لكل ذلك.

CA: لكنك تواصل هذا العمل في شركة جديدة، إنها من Google تسمى Isomorph.

DH: متماثل الشكل.

CA: متساوي الشكل. أعطنا مجرد إحساس بالرؤية هناك. ما هي الرؤية؟

DH: AlphaFold هو نوع من أدوات البيولوجيا الأساسية. مثل، ما هذه الهياكل ثلاثية الأبعاد، ثم ماذا يمكن أن تفعل في الطبيعة؟ ثم إذا كنت، كما تعلمون، السبب الذي جعلني أفكر في هذا الأمر وكنت متحمسًا جدًا له، هو أن هذه هي بدايات فهم المرض وربما تكون مفيدة أيضًا في تصميم الأدوية. لذلك إذا كنت تعرف شكل البروتين، وبعد ذلك يمكنك نوعًا ما معرفة أي جزء من سطح البروتين ستستهدفه بمركب الدواء الخاص بك. وتقوم شركة Isomorphic بتوسيع هذا العمل الذي قمنا به في AlphaFold إلى الفضاء الكيميائي، حيث يمكننا تصميم مركبات كيميائية ترتبط تمامًا بالبقعة الصحيحة من البروتين وأيضًا، والأهم من ذلك، بأي شيء آخر في الجسم. لذلك ليس لها أي آثار جانبية وليست سامة وما إلى ذلك. ونحن نبني العديد من نماذج الذكاء الاصطناعي الأخرى، نوع من النماذج الشقيقة لـ AlphaFold للمساعدة في التنبؤ في مجال الكيمياء. لذلك يمكننا أن نتوقع رؤية بعض الإنجازات الدراماتيكية في الطب الصحي في السنوات القليلة المقبلة. أعتقد أننا سنكون قادرين على خفض اكتشاف الأدوية من سنوات إلى ربما أشهر.

حسنًا. ديميس، أود تغيير الاتجاه قليلاً. ألقت صديقتنا المشتركة، ليف بويري، محاضرة العام الماضي في TEDAI أطلقت عليها اسم «Moloch Trap». مصيدة Moloch هي حالة يمكن فيها دفع المنظمات والشركات في وضع تنافسي للقيام بأشياء لا يمكن لأي فرد يدير هذه الشركات القيام بها بمفرده. لقد أدهشني هذا الحديث حقًا، وشعرت، كنوع من المراقبين العاديين، أن مصيدة مولوك كانت سارية بشكل مروع في العامين الماضيين. إذن ها أنت مع DeepMind، نوعًا ما تسعى وراء هذه الاختراقات الطبية المذهلة والاختراقات العلمية، ثم فجأة، نوعًا ما خارج المجال الأيسر، تطلق OpenAI مع مايكروسوفت ChatGPT. ويصاب العالم بالجنون وفجأة يقول: «يا إلهي، الذكاء الاصطناعي هو...» يمكن للجميع استخدامه. وهناك نوع من الشعور وكأنه مصيدة مولوك أثناء العمل. أعتقد أن الرئيس التنفيذي لشركة Microsoft Satya Nadella قال بالفعل، «Google هي الغوريلا التي تزن 800 رطل في مساحة البحث. أردنا أن نجعل Google ترقص.» كيف...؟ وفعلت ذلك، رقصت غوغل. كانت هناك استجابة مثيرة. تم تغيير دورك واستولت على جهود Google AI بأكملها. تم إخراج المنتجات بسرعة. Gemini، جزء مذهل، جزء محرج. لن أسألك عن Gemini لأنك تناولت الموضوع في مكان آخر. لكن يبدو أن هذا حدث في مصيدة Moloch، أنه تم دفعك أنت والآخرين للقيام بأشياء لم تكن لتفعلها بدون هذا النوع من التحفيز التنافسي. قامت Meta بشيء مماثل أيضًا. لقد سارعوا إلى إصدار نسخة مفتوحة المصدر من الذكاء الاصطناعي، والذي يمكن القول إنه عمل متهور في حد ذاته. يبدو هذا مرعبًا بالنسبة لي.

هل هذا مرعب؟

انظر، إنه موضوع معقد بالطبع. أولاً، هناك أشياء كثيرة يمكن قولها حول هذا الموضوع. أولاً، كنا نعمل على العديد من نماذج اللغات الكبيرة. وفي الواقع، من الواضح أن أبحاث Google اخترعت بالفعل شركة Transformers، كما تعلم، وهي البنية التي سمحت لكل هذا بأن يكون ممكنًا، منذ خمس أو ست سنوات. ولذا كان لدينا العديد من النماذج الكبيرة داخليًا. كان الأمر، أعتقد أن ما تغير لحظة ChatGPT واللعب النظيف بالنسبة لهم للقيام بذلك، هو أنهم أظهروا، بشكل مفاجئ إلى حد ما لأنفسهم أيضًا، أن الجمهور كان مستعدًا، كان عامة الناس على استعداد لاحتضان هذه الأنظمة وإيجاد قيمة في هذه الأنظمة بالفعل. على الرغم من أنها مثيرة للإعجاب، عندما نعمل على هذه الأنظمة، إلا أنك تركز في الغالب على العيوب والأشياء التي لا تفعلها والهلوسة والأشياء التي تعرفها جميعًا الآن. نحن نفكر، هل سيجد أي شخص ذلك مفيدًا حقًا نظرًا لأنه يفعل هذا وذاك؟ ونريد منهم تحسين هذه الأشياء أولاً قبل إخمادها. ولكن من المثير للاهتمام أنه اتضح أنه حتى مع هذه العيوب، لا يزال عشرات الملايين من الناس يجدونها مفيدة للغاية. ولذا كان هذا تحديثًا مثيرًا للاهتمام حول التقارب بين المنتجات والعلوم التي في الواقع، كل هذه الأشياء المدهشة التي كنا نقوم بها في المختبر، إن جاز التعبير، جاهزة بالفعل لوقت الذروة للاستخدام العام، خارج عالم العلوم النادر. وأعتقد أن هذا مثير جدًا من نواح كثيرة. في الوقت الحالي، لدينا هذه المجموعة المثيرة من المنتجات التي نستمتع بها جميعًا. وكما تعلمون، كل هذه الأشياء المولدة للذكاء الاصطناعي مذهلة.

ولكن دعونا ندحرج الساعة إلى الأمام قليلاً. يُقال إن Microsoft و OpenAI تقومان ببناء أو استثمار ما يقرب من 100 مليار دولار في كمبيوتر عملاق بقاعدة بيانات ضخمة تمامًا يمكنه تقديم الحوسبة بأعداد كبيرة أكثر من أي شيء لدينا اليوم. ويقدر أن الأمر يتطلب حوالي خمسة جيجاوات من الطاقة لتشغيل هذا. هذه هي طاقة مدينة نيويورك لقيادة مركز البيانات. لذلك نحن نضخ كل هذه الطاقة إلى هذا الدماغ العملاق والواسع. أفترض أن Google ستطابق هذا النوع من الاستثمار، أليس كذلك؟

DH: حسنًا، أعني، نحن لا نتحدث عن أرقامنا المحددة، ولكن كما تعلمون، أعتقد أننا نستثمر أكثر من ذلك بمرور الوقت. لذلك، وهذا أحد أسباب تعاوننا مع Google في عام 2014، هو أننا عرفنا نوعًا ما أنه من أجل الوصول إلى الذكاء الاصطناعي العام، سنحتاج إلى الكثير من الحوسبة. وهذا ما حدث. وجوجل، كانت ولا تزال تمتلك معظم أجهزة الكمبيوتر.

CA: إذن تقوم الأرض ببناء أجهزة الكمبيوتر العملاقة هذه التي ستقوم أساسًا، هذه العقول العملاقة، بتزويد الكثير من الاقتصاد المستقبلي بالطاقة. وكل ذلك من قبل الشركات التي تتنافس مع بعضها البعض. كيف سنتجنب الموقف الذي يحصل فيه شخص ما على زمام المبادرة، وقد استثمر شخص آخر 100 مليار دولار في هذا الشيء. ألن يقول أحد، “انتظر لحظة“. إذا استخدمنا التعلم المعزز هنا ربما لجعل الذكاء الاصطناعي يعدل الكود الخاص به ويعيد كتابة نفسه وجعله قويًا، فقد نتمكن من تعويض ما يفعلونه في تسع ساعات خلال عطلة نهاية الأسبوع. إرم النرد، اللعنة، ليس لدينا خيار. وإلا فإننا سنخسر ثروة لمساهمينا». كيف سنتجنب ذلك؟

نعم، يجب أن نتجنب ذلك، بالطبع. وأرى أنه مع اقترابنا من الذكاء الاصطناعي العام، نحتاج إلى المزيد من التعاون. والخبر السار هو أن معظم العلماء المشاركين في هذه المختبرات يعرفون بعضهم البعض جيدًا. ونتحدث مع بعضنا البعض كثيرًا في المؤتمرات وغيرها من الأشياء. وهذه التكنولوجيا لا تزال وليدة نسبيًا. لذلك ربما لا بأس بما يحدث في الوقت الحالي. ولكن مع اقترابنا من الذكاء الاصطناعي العام، أعتقد أننا كمجتمع بحاجة إلى البدء في التفكير في أنواع البنيات التي يتم بناؤها. لذلك أنا متفائل جدًا، بالطبع، لهذا السبب قضيت حياتي كلها في العمل على الذكاء الاصطناعي والعمل من أجله بشكل العام لكنني أظن أن هناك العديد من الطرق لبناء البنية بأمان وقوة وموثوقية وبطريقة مفهومة. وأعتقد أنه ستكون هناك بالتأكيد طرق لبناء الهياكل الغير آمنة أو المحفوفة بالمخاطر بشكل ما. لذلك أرى عنق الزجاجة التي يتعين علينا أن نجتاز البشرية من خلالها، وهو بناء بنيات آمنة كأول أنواع أنظمة الذكاء الاصطناعي العام. وبعد ذلك، يمكن أن يكون لدينا نوع من الازدهار العديد من الأنواع المختلفة من الأنظمة التي ربما يتم تقسيمها من تلك البنيات الآمنة التي تتمتع بشكل مثالي ببعض الضمانات الرياضية أو على الأقل بعض الضمانات العملية حول ما تفعله.

CA: هل تلعب الحكومات دورًا أساسيًا هنا لتحديد شكل ساحة اللعب المتكافئة وما هو المحظور تمامًا؟

نعم، أعتقد أن الأمر لا يتعلق فقط - في الواقع أعتقد أن الحكومة والمجتمع المدني والأوساط الأكاديمية وجميع أجزاء المجتمع لها دور حاسم تلعبه هنا لتشكيل، بجانب مختبرات الصناعة، الشكل الذي يجب أن يبدو عليه ذلك مع اقترابنا من الذكاء الاصطناعي العام والتعاون المطلوب والمشاركة المطلوبة، لمنع حدوث هذا النوع من ديناميكية السباق الجامح.

حسنًا، يبدو أنك لا تزال متفائلًا. ما هذه الصورة هنا؟

هذه واحدة من الصور المفضلة لدي، في الواقع. أسميها شجرة كل المعرفة. كنا نتحدث كثيرًا عن العلم، ويمكن تلخيص الكثير من العلوم إذا تخيلت كل المعرفة الموجودة في العالم كشجرة المعرفة، ثم ربما ما نعرفه اليوم كحضارة هو مجموعة فرعية صغيرة من ذلك. وأرى الذكاء الاصطناعي كأداة تسمح لنا كعلماء، باستكشاف الشجرة بأكملها يومًا ما. ولدينا هذه الفكرة عن مشاكل العقدة الجذرية والتي، مثل AlphaFold، مشكلة طي البروتين، حيث إذا كان بإمكانك حلها، فإنها تفتح فرعًا جديدًا بالكامل من الاكتشافات أو الأبحاث الجديدة. وهذا ما نحاول التركيز عليه في DeepMind و Google DeepMind للقضاء عليها. وإذا فهمنا هذا بشكل صحيح، فأعتقد أننا يمكن أن نكون، كما تعلمون، في هذا العصر الجديد المذهل من الوفرة الجذرية، وعلاج جميع الأمراض، ونشر الوعي إلى النجوم. أقصى قدر من الازدهار البشري.

CA: لقد نفد الوقت، ولكن ما هو المثال الأخير في أحلامك، سؤال الأحلام الذي تعتقد أن هناك فرصة قد يأخذنا إليها الذكاء الاصطناعي في حياتك؟

بمجرد بناء الذكاء الاصطناعي العام، فإن ما أود استخدامه من أجله هو محاولة استخدامه لفهم الطبيعة الأساسية للواقع. وكذلك بإجراء تجارب على مقياس بلانك. أصغر مقياس ممكن، مقياس نظري، والذي يشبه تقريبًا دقة الواقع.

CA: كما تعلمون، لقد نشأت متدينًا. وفي الكتاب المقدس، هناك قصة عن شجرة المعرفة التي لا تعمل بشكل جيد.

(ضحك) هل هناك أي سيناريو نكتشف فيه أن الكون يقول «أيها البشر، قد لا تعرفون ذلك»

DH: من المحتمل. قد تكون هناك بعض الأشياء غير المعروفة. لكنني أعتقد أن الطريقة العلمية هي أعظم نوع من الاختراعات التي توصل إليها البشر على الإطلاق. كما تعلمون، التنوير والاكتشاف العلمي. هذا ما بنى هذه الحضارة الحديثة المذهلة من حولنا وجميع الأدوات التي نستخدمها. لذلك أعتقد أنها أفضل تقنية لدينا لفهم ضخامة الكون من حولنا.

حسنًا، ديميس، لقد غيرت العالم بالفعل. أعتقد أنه من المحتمل أن يشجعك الجميع هنا في جهودك لضمان استمرارنا في التسارع في الاتجاه الصحيح.

DH: شكرًا لك.

CA: ديميس هاسابيس.

(تصفيق)