هل تشعر بأن أغلب ما نعرفه عن الذكاء الاصطناعي يأتي من سماع الآخرين يتحدثون عنه؟

من المحتمل أنك سمعت بالفعل الكثير عن حجم النماذج، وقدرات الاستدلال، والأداء. اليوم، أريد أن أشارك فكرة مختلفة.

إذا بدأت أنظمة الذكاء الاصطناعي المستقبلية اتخاذ قرارات بناءً على ذكرياتنا طويلة المدى وتفضيلاتنا وأهدافنا وسياقنا الشخصي، فكيف يمكننا الوثوق بأن المعلومات التي تعتمد عليها صحيحة بالفعل؟

طرحت هذه الأسئلة على نفسي أثناء الاطلاع على مشاريع مثل MemSync.

يركز فريقهم على معالجة أحد أكبر التحديات التي تواجه الذكاء الاصطناعي: تشتت الذاكرة.

وتتلخص أطروحتهم في أن الذكاء الاصطناعي لا ينبغي أن يفهم السؤال المطروح اليوم فحسب، بل ينبغي أيضًا أن يفهم هوية المستخدم طويلة المدى (الذاكرة الدلالية) وكذلك الأنشطة الحالية والأهداف والمشاريع الجارية (الذاكرة العرضية).

قد يجعل هذا النهج الذكاء الاصطناعي أكثر تخصيصًا وفائدة مع مرور الوقت.

لكن هنا تبدأ أيضًا تحديات أخرى.

مع ازدياد اعتماد الذكاء الاصطناعي على الذاكرة، قد تصبح عملية التحقق أكثر أهمية من الذاكرة نفسها.

إذا استخدم وكيل ذكاء اصطناعي سياقي الماضي لاتخاذ قرار:

هل كانت هذه الذاكرة أصلية؟ هل تم تعديلها؟

هل يمكن التحقق من عملية الاستدلال بشكل مستقل؟

لهذا السبب لفت نهج OpenGradient انتباهي.

تركز العديد من مشاريع الذكاء الاصطناعي على جعل الذكاء الاصطناعي أكثر ذكاءً. لكن OpenGradient يعمل، بدلًا من ذلك، على البنية التحتية للذكاء الاصطناعي القابلة للتحقق؛ حيث يمكن التحقق بشكل مستقل من الحسابات والاستدلال ومخرجات الذكاء الاصطناعي، بدلًا من مجرد الوثوق بها.

برأيي، تمثل MemSync وOpenGradient طبقات مختلفة من مكدس الذكاء الاصطناعي المستقبلي نفسه. #OPG @OpenGradient

تساعد MemSync الذكاء الاصطناعي على التذكر بشكل أفضل.

تساعد OpenGradient على ضمان أن ما يتذكره الذكاء الاصطناعي ويستخدمه يمكن الوثوق به.

ربما لن يكون أفضل ذكاء اصطناعي في المستقبل هو الذي يتذكر كل شيء.

قد يكون هو الذي يمكنه إثبات ذاكرته واستدلاله معًا. #OPG $OPG @OpenGradient

ما رأيك: ما الذي سيهم أكثر لاعتماد الذكاء الاصطناعي على المدى الطويل—الذاكرة الأفضل أم الذكاء القابل للتحقق؟$HEI $SLX