مذكرات لي فاي فاي «العالم كما أراه». انتهيت مؤخرًا من الاستماع إلى نسختها الصوتية، وأود أن أشارككم انطباعاتي عنها.
في البداية، جذبتني ثلاث كلمات مفتاحية: الهجرة، والذكاء الاصطناعي، والآسيويون. لكن ما بقي عالقًا في ذهني حقًا كان الكلمة الرابعة: الفضول.
يسير في هذا الكتاب خطّان متوازيان. الأول يروي مسيرتها الشخصية: وُلدت في بكين ونشأت في تشنغدو، ثم انتقلت إلى الولايات المتحدة وهي في الخامسة عشرة. عملت لتساعد أسرتها على سداد ديونها، وفي الوقت نفسه حاولت أن تجد لنفسها مكانًا في نظام تعليمي غريب تمامًا عنها. وفي النهاية درست الفيزياء في برينستون، ونالت الدكتوراه من معهد كاليفورنيا للتقنية، ثم ترأست مختبرًا للذكاء الاصطناعي في جامعة ستانفورد. أما الخط الثاني، فيحكي تاريخ العلم الذي مكّن الآلات من تعلّم «رؤية» العالم. ومحوره ImageNet، وهي مجموعة بيانات معيارية عامة تضم عشرات الملايين من الصور المصنّفة والموسومة، وتتيح إجراء مقارنات عادلة بين الخوارزميات المختلفة.
هناك تفصيل في قصة ImageNet ترك أثرًا عميقًا في نفسي: في الوقت الذي انشغل فيه كثيرون بالتنافس على تطوير الخوارزميات، ركّز فريق لي فاي فاي جهوده على حجم البيانات وتنوّعها. بدا هذا التوجّه في بداياته ثقيلًا، بل وربما غير «ذكي» بما يكفي. لكن ماذا حدث؟ لاحقًا، اجتمعت ثلاثة عوامل: البيانات الضخمة، ووحدات معالجة الرسومات (GPU)، والشبكات العصبية العميقة، فشهدت الرؤية الحاسوبية قفزة حقيقية.
غيّر هذا الأمر تصوّري عن «الاختراقات التقنية». فكلما ضاقت مواد التدريب، لم يتعلّم النموذج الذكاء إلا في عالم ضيق. وتكمن قيمة المدخلات الواسعة في أنها تجبرك على التمييز باستمرار بين ما هو الشيء نفسه وما ليس سوى خلفية اعتدت عليها.
وقد أثّرت هذه الفكرة أيضًا في خطتي لتعلّم المفردات؛ إذ تضمّ مفكرتي قرابة ثمانمئة كلمة جديدة... وقد تحدّثت عن هذا بالتفصيل في البودكاست.
تناسب هذه الحلقة كل من يثير فضوله تاريخ الذكاء الاصطناعي، أو يقرأ هذا الكتاب حاليًا. تجدون الرابط أدناه 👇
https://redcircle.com/shows/936a3212-92e5-41c7-b6f9-39e3596adeb8/episodes/6d6ed2ed-7068-47c7-a7b5-84c34cb6a5f8
في البداية، جذبتني ثلاث كلمات مفتاحية: الهجرة، والذكاء الاصطناعي، والآسيويون. لكن ما بقي عالقًا في ذهني حقًا كان الكلمة الرابعة: الفضول.
يسير في هذا الكتاب خطّان متوازيان. الأول يروي مسيرتها الشخصية: وُلدت في بكين ونشأت في تشنغدو، ثم انتقلت إلى الولايات المتحدة وهي في الخامسة عشرة. عملت لتساعد أسرتها على سداد ديونها، وفي الوقت نفسه حاولت أن تجد لنفسها مكانًا في نظام تعليمي غريب تمامًا عنها. وفي النهاية درست الفيزياء في برينستون، ونالت الدكتوراه من معهد كاليفورنيا للتقنية، ثم ترأست مختبرًا للذكاء الاصطناعي في جامعة ستانفورد. أما الخط الثاني، فيحكي تاريخ العلم الذي مكّن الآلات من تعلّم «رؤية» العالم. ومحوره ImageNet، وهي مجموعة بيانات معيارية عامة تضم عشرات الملايين من الصور المصنّفة والموسومة، وتتيح إجراء مقارنات عادلة بين الخوارزميات المختلفة.
هناك تفصيل في قصة ImageNet ترك أثرًا عميقًا في نفسي: في الوقت الذي انشغل فيه كثيرون بالتنافس على تطوير الخوارزميات، ركّز فريق لي فاي فاي جهوده على حجم البيانات وتنوّعها. بدا هذا التوجّه في بداياته ثقيلًا، بل وربما غير «ذكي» بما يكفي. لكن ماذا حدث؟ لاحقًا، اجتمعت ثلاثة عوامل: البيانات الضخمة، ووحدات معالجة الرسومات (GPU)، والشبكات العصبية العميقة، فشهدت الرؤية الحاسوبية قفزة حقيقية.
غيّر هذا الأمر تصوّري عن «الاختراقات التقنية». فكلما ضاقت مواد التدريب، لم يتعلّم النموذج الذكاء إلا في عالم ضيق. وتكمن قيمة المدخلات الواسعة في أنها تجبرك على التمييز باستمرار بين ما هو الشيء نفسه وما ليس سوى خلفية اعتدت عليها.
وقد أثّرت هذه الفكرة أيضًا في خطتي لتعلّم المفردات؛ إذ تضمّ مفكرتي قرابة ثمانمئة كلمة جديدة... وقد تحدّثت عن هذا بالتفصيل في البودكاست.
تناسب هذه الحلقة كل من يثير فضوله تاريخ الذكاء الاصطناعي، أو يقرأ هذا الكتاب حاليًا. تجدون الرابط أدناه 👇
https://redcircle.com/shows/936a3212-92e5-41c7-b6f9-39e3596adeb8/episodes/6d6ed2ed-7068-47c7-a7b5-84c34cb6a5f8