تتجاوز لغة البرمجة الجديدة للذكاء الاصطناعي التعلم العميق

تتجاوز لغة البرمجة الجديدة للذكاء الاصطناعي التعلم العميق

تعمل لغة الأغراض العامة على رؤية الكمبيوتر والروبوتات والإحصاءات وغير ذلك.

يسهل فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا على المبتدئين أن يبللوا أقدامهم بالذكاء 

الاصطناعي ، في الوقت الذي يساعدون فيه الخبراء أيضًا على تطوير هذا المجال.

في ورقة قدمت في مؤتمر تصميم وتنفيذ لغة البرمجة هذا الأسبوع ، وصف الباحثون نظامًا برمجيًا 

للبرمجة الاحتمالية يسمى "الجنرال". يكتب المستخدمون نماذج وخوارزميات من مجالات متعددة حيث

 يتم تطبيق تقنيات الذكاء الاصطناعي - مثل رؤية الكمبيوتر والروبوتات ، والإحصائيات - دون الحاجة

 إلى التعامل مع المعادلات أو كتابة رمز عالي الأداء يدويًا. يتيح Gen أيضًا للباحثين الخبراء أن يكتبوا 

نماذج متطورة وخوارزميات الاستدلال - المستخدمة لمهام التنبؤ - والتي كانت غير ممكنة في السابق.

في بحثهم ، على سبيل المثال ، أوضح الباحثون أن برنامج Gen القصير يمكن أن يستنتج الجسم ثلاثي 

الأبعاد ، وهي مهمة صعبة لاستنتاج رؤية الكمبيوتر تحتوي على تطبيقات في أنظمة الحكم الذاتي ،

 والتفاعلات بين الإنسان والآلة ، والواقع المعزز. وراء الكواليس ، يشتمل هذا البرنامج على مكونات 

تؤدي عرض الرسومات ، والتعلم العميق ، وأنواع من عمليات محاكاة الاحتمالات. يؤدي الجمع بين هذه

 التقنيات المتنوعة إلى دقة وسرعة في هذه المهمة أفضل من الأنظمة السابقة التي طورها بعض الباحثين.

نظرًا لبساطته - وفي بعض حالات الاستخدام - التشغيل الآلي - يقول الباحثون إنه يمكن استخدام Gen 

بسهولة من قبل أي شخص ، من المبتدئين إلى الخبراء. يقول المؤلف الأول ماركو كوسومانو تاونر ، وهو

 طالب دكتوراه في قسم الهندسة الكهربائية وعلوم الكمبيوتر: "أحد دوافع هذا العمل هو جعل الذكاء 

الاصطناعي الآلي في متناول الأشخاص ذوي الخبرة الأقل في علوم الكمبيوتر أو الرياضيات". "نرغب 

أيضًا في زيادة الإنتاجية ، مما يعني تسهيل الأمر للخبراء على التكرار السريع والنظم النموذجية لأنظمة 

الذكاء الاصطناعي لديهم."

كما أظهر الباحثون قدرة Gen على تبسيط تحليلات البيانات باستخدام برنامج Gen آخر يقوم تلقائيًا

 بإنشاء نماذج إحصائية معقدة تستخدم عادة من قبل الخبراء لتحليل وتفسير وتوقع الأنماط الأساسية في

 البيانات. يعتمد ذلك على العمل السابق للباحثين والذي يتيح للمستخدمين كتابة بضعة سطور من التعليمات

 البرمجية للكشف عن رؤى حول الاتجاهات المالية والسفر الجوي وأنماط التصويت وانتشار الأمراض ، 

من بين اتجاهات أخرى. هذا يختلف عن الأنظمة السابقة ، والتي تتطلب الكثير من الترميز اليدوي

 للتنبؤات الدقيقة.

يقول Vikash K. Mansinghka '05 و MEng '09: "Gen هو أول نظام مرن وآلي وفعال بما يكفي 

لتغطية هذه الأنواع المختلفة تمامًا من الأمثلة على رؤية الكمبيوتر وعلوم البيانات وإعطاء أحدث أداء". ،

 دكتوراه ، 2009 ، باحث في قسم علوم الدماغ والإدراك الذي يدير مشروع الحوسبة الاحتمالية.

انضم إلى Cusumano-Towner و Mansinghka على الورقة فراس سعد '15 ، SM '16 ، 

وألكسندر ك. لو ، كلا من طلاب الدراسات العليا CSAIL وأعضاء في مشروع الحوسبة الاحتمالية.

أفضل من كل العالمين

في عام 2015 ، أصدرت Google TensorFlow ، وهي مكتبة مفتوحة المصدر لواجهات برمجة 

التطبيقات (APIs) التي تساعد المبتدئين والخبراء على إنشاء أنظمة تعلم الآلة تلقائيًا دون القيام بالكثير

 من الرياضيات. الآن على نطاق واسع ، تساعد المنصة في إضفاء الطابع الديمقراطي على بعض جوانب 

الذكاء الاصطناعي. ولكن على الرغم من أنها آلية وفعالة ، إلا أنها تركز بشكل ضيق على نماذج التعليم

 العميق التي تكون مكلفة ومحدودة مقارنةً بالوعد الأوسع للذكاء الاصطناعي بشكل عام.

ولكن هناك الكثير من تقنيات الذكاء الاصطناعي الأخرى المتاحة اليوم ، مثل النماذج الإحصائية 

والاحتمالية ، ومحركات المحاكاة. تتميز بعض أنظمة البرمجة الاحتمالية الأخرى بالمرونة الكافية لتغطية

 عدة أنواع من تقنيات الذكاء الاصطناعي ، لكنها تعمل بكفاءة.

سعى الباحثون إلى الجمع بين أفضل ما في العالمين - الأتمتة والمرونة والسرعة - في عالم واحد. "إذا 

فعلنا ذلك ، فربما يمكننا أن نساعد على إضفاء الطابع الديمقراطي على هذه المجموعة الأوسع من 

خوارزميات النمذجة والاستدلال ، مثلما فعل TensorFlow للتعلم العميق" ، يقول مانسينغكا.

في الذكاء الاصطناعي الاحتمالي ، تقوم خوارزميات الاستدلال بعمليات على البيانات وتعديل الاحتمالات 

باستمرار استنادًا إلى بيانات جديدة لعمل تنبؤات. يؤدي القيام بذلك في النهاية إلى إنتاج نموذج يصف

 كيفية عمل تنبؤات على البيانات الجديدة.

بناءً على المفاهيم المستخدمة في نظامهم السابق للبرمجة الاحتمالية ، تشيرش ، قام الباحثون بدمج العديد 

من لغات النمذجة المخصصة في جوليا ، وهي لغة برمجة للأغراض العامة تم تطويرها أيضًا في معهد 

ماساتشوستس للتكنولوجيا. تم تحسين كل لغة نمذجة لنوع مختلف من نهج نمذجة الذكاء الاصطناعي ، 

مما يجعلها متعددة الأغراض. يوفر Gen أيضًا بنية تحتية عالية المستوى لمهام الاستدلال ، وذلك

 باستخدام أساليب متنوعة مثل التحسين والاستدلال المتغير وبعض الأساليب الاحتمالية والتعلم العميق.

 علاوة على ذلك ، أضاف الباحثون بعض التعديلات لجعل التطبيقات تعمل بكفاءة.

خارج المختبر

يجد المستخدمون الخارجيون بالفعل طرقًا لزيادة فعالية Gen في أبحاثهم حول الذكاء الاصطناعى. من

 أجل الإختبارتتعاون Intel مع MIT لاستخدام Gen لتقدير ثلاثي الأبعاد من كاميراتها ذات الحاسة 

العميقة المستخدمة في أنظمة الروبوتات وأنظمة الواقع المعزز. يتعاون مختبر لينكولن لمعهد 

ماساتشوستس للتكنولوجيا أيضًا في تطبيقات Gen في الروبوتات الجوية للإغاثة الإنسانية والاستجابة 

للكوارث.

بدأ استخدام Gen في مشاريع AI الطموحة في إطار MIT Quest for Intelligence. على سبيل 

المثال ، يعد Gen عاملاً رئيسيًا في مشروع MIT-IBM Watson AI Lab ، إلى جانب مشروع الآلة 

الحسية المشتركة التابع لوكالة الدفاع المتقدمة التابع لوزارة الدفاع الأمريكية ، والذي يهدف إلى نمذجة 

الحس السليم للإنسان على مستوى 18 شهرًا. طفل كبير السن. مانسينغكا هو أحد الباحثين الرئيسيين في 

هذا المشروع.

مع Gen ، لأول مرة ، من السهل على الباحث دمج مجموعة من تقنيات الذكاء الاصطناعي المختلفة. 

يقول مانسينغكا: "سيكون من المثير للاهتمام معرفة ما يكتشفه الناس الآن".

يقول زوبين الغراماني ، كبير العلماء ونائب رئيس الذكاء الاصطناعي في جامعة أوبر وأستاذ بجامعة 

كامبريدج ، والذي لم يشارك في البحث ، "البرمجة الاحتمالية هي واحدة من أكثر المجالات الواعدة على

 حدود الذكاء الاصطناعى منذ ظهور التعلم العميق. يمثل Gen تقدمًا كبيرًا في هذا المجال وسيساهم في 

عمليات تطبيقية قابلة للتطوير لأنظمة الذكاء الاصطناعي تستند إلى التفكير الاحتمالي. "

بيتر نورفيج ، مدير البحث في جوجل ، الذي لم يشارك في هذا البحث ، أشاد بالعمل أيضًا. يقول: "يسمح 

[Gen] لحل المشكلات باستخدام البرمجة الاحتمالية ، وبالتالي يكون لديه مقاربة أكثر مبدئية للمشكلة ، 

لكن لا يقتصر على الخيارات التي يتخذها مصممو نظام البرمجة الاحتمالية". "لقد نجحت لغات البرمجة 

للأغراض العامة ... لأنها تجعل المهمة أكثر سهولة بالنسبة للمبرمج ، ولكن أيضًا تتيح للمبرمج إنشاء 

شيء جديد لحل مشكلة جديدة بكفاءة. يفعل الجنرال نفس الشيء في البرمجة الاحتمالية. "

شفرة مصدر Gen متاحة للجمهور ويتم عرضها في مؤتمرات مطوري البرامج مفتوحة المصدر ، بما في

 ذلك Strange Loop و JuliaCon. يتم دعم العمل ، جزئيًا ، بواسطة DARPA.