الذكاء الاصطناعي.. أداة يحبها ترامب وتتجنبها هاريس
تاريخ النشر: 15th, September 2024 GMT
في مناظرتهما الأولى، وربما الوحيدة، تحدث مرشحا انتخابات الرئاسة الأميركية كامالا هاريس ودونالد ترامب حول الذكاء الاصطناعي.
لكن، حسب صحيفة "غارديان" البريطانية، فإن الدروس الحقيقية كانت في أعقاب المناظرة، حيث كشف التفاعل على منصات التواصل الاجتماعي بشأن المنافسة، أن الجمهوريين يستخدمون الذكاء الاصطناعي لتوضيح وجهات نظرهم السياسية، أما الديمقراطيون فلا يفعلون ذلك.
استخدام الجمهوريين للذكاء الاصطناعي
وركز تفاعل الجمهوريين بشأن الذكاء الاصطناعي على ادعاء من قبل مرشحهم تم دحضه، حيث قال ترامب أثناء المنظرة إن المهاجرين في سبرينغفيلد بولاية أوهايو "يأكلون الكلاب والقطط".
ولم يكن التصريح صحيحا، حيث تحقق المشرفون على محطة "إيه بي سي" من صحة أقواله بمعلومات من مفوض مراقبة الحيوانات في المدينة، الذي لم يتلق أي مكالمات حول مثل هذه الوقائع، وبعد ذلك بات المهاجرون في المدينة يواجهون عنفا حقيقيا بسبب ادعاء ترامب الكاذب.
وفي غياب صور حقيقية لمثل هذا التصرف الذي لم يحدث بالفعل، لجأ ترامب وشركاؤه إلى صور أنشئت بواسطة الذكاء الاصطناعي.
وقبل أن تبدأ المناظرة، غرد دونالد ترامب الابن بصور لوالده وهو يمتطي قطا عملاقا ويحمل مسدسا، وكتب: "أنقذوا حيواناتنا الأليفة".
وجاء في منشور لترامب الابن أثناء المناظرة: "إنهم يعرفون من يشجعون الليلة"، مع صورة غير حقيقية لـ3 قطط وبطة أو أوزة، تشاهد مواجهة المرشحين على شاشة التلفزيون.
وتحمل الصور علامة مميزة للمواد التي تم إنشاؤها بواسطة الذكاء الاصطناعي.
وبعد يومين من المناظرة، نشر ترامب صورة لنفسه على متن طائرة محاطا بالقطط والأوز، وأخرى لقط يحمل لافتة كتب عليها "كامالا تكرهني"، وثالثة له وهو يتحدث في تجمع "قطط من أجل ترامب".
كما غرد أعضاء في لجنة القضاء بمجلس النواب الأميركي، بصورة لترامب وهو يحتضن الحيوانات في الماء، مع تعليق: "احموا بطنا وقططنا الصغيرة في أوهايو".
وانضم الملياردير إيلون ماسك بدوره إلى التغريد بلقطات لمنشورات ترامب على موقع "تروث سوشيال"، مصحوبة برمز تعبيري للضحك والبكاء.
استخدام الديمقراطيين للذكاء الاصطناعي
وفي الساعات التي أعقبت انتهاء المناظرة، لم تكن هاريس هي التي ردت على استخدام الجمهوريين للذكاء الاصطناعي، بل كانت نجمة البوب العالمية تايلور سويفت، التي استهدفت صراحة الصور غير الحقيقية التي نشرت لها وهي تدعم ترامب.
وكتبت سويفت على "إنستغرام": "علمت مؤخرا أن الذكاء الاصطناعي الذي يظهرني وأنا أؤيد زورا ترشح دونالد ترامب للرئاسة قد نشر على موقعه. أثار ذلك مخاوفي حقا بشأن الذكاء الاصطناعي ومخاطر نشر المعلومات المضللة. أوصلني إلى استنتاج مفاده أنني بحاجة إلى أن أكون شفافة للغاية بشأن خططي الفعلية لهذه الانتخابات كناخب".
وأكدت ترامب، التي لها جمهور من مئات الملايين حول العالم، تأييدها لهاريس.
ولم تنشر هاريس نفسها أي صور "اصطناعية" سواء كانت متعلقة بالمناظرة أو غيرها، بل في الأيام التي أعقبت النقاش مع ترامب نشرت حملتها صور كامالا وهي طفلة تزور أجدادها في الهند.
المصدر: سكاي نيوز عربية
كلمات دلالية: ملفات ملفات ملفات الذكاء الاصطناعي المناظرة تر هاريس تايلور سويفت دونالد ترامب كامالا هاريس مناظرة رئاسية الذكاء الاصطناعي الذكاء الاصطناعي المناظرة تر هاريس تايلور سويفت أخبار أميركا الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي يوجه المسيّرات رغم العوائق الطبيعية
في مهمة لإطفاء حرائق الغابات في سلسلة جبال سييرا نيفادا، قد تجد طائرة مسيّرة ذاتية التحكم نفسها تواجه رياح «سانتا آنا» العاتية التي تهدد بإخراجها عن مسارها. التكيف السريع مع مثل هذه التقلبات الجوية غير المتوقعة أثناء الطيران يمثل تحديًا هائلًا لأنظمة التحكم في وضع الطيران الخاصة بهذه الطائرات.
ولمواجهة مثل هذه التحديات، طوّر باحثون في معهد ماساتشوستس للتكنولوجيا «MIT» خوارزمية تحكم تفاعلي جديدة تعتمد على تقنيات تعلّم الآلة، قادرة على تقليل انحراف الطائرة عن مسارها المحدد حتى في مواجهة عوائق مفاجئة مثل هبوب الرياح.
وعلى عكس الطرق التقليدية، لا تتطلب هذه التقنية من المبرمج أن يكون على دراية مسبقة ببنية أو نمط هذه الاضطرابات. بدلاً من ذلك، يتعلم نموذج الذكاء الاصطناعي المستخدم في نظام التحكم كل ما يحتاجه من خلال بيانات ملاحظة تُجمع خلال 15 دقيقة فقط من الطيران.
الميزة الأبرز لهذه التقنية تكمن في أنها تحدد تلقائيًا خوارزمية التحسين الأمثل للتكيف مع هذه الاضطرابات، مما يعزز من دقة تتبع المسار. إذ تختار الخوارزمية الأنسب بحسب طبيعة الاضطرابات التي تواجهها الطائرة في كل حالة.
وقد درّب الباحثون نظامهم على تنفيذ هذين الأمرين معًا، التكيّف وتحديد الخوارزمية باستخدام تقنية تُعرف باسم التعلم الفوقي «meta-learning»، والتي تُعلّم النظام كيفية التكيّف مع أنواع مختلفة من الاضطرابات.
النتائج جاءت واعدة، إذ سجل النظام الجديد نسبة خطأ في تتبع المسار أقل بنسبة 50% مقارنة بالطرق التقليدية، سواء في المحاكاة أو في الظروف الحقيقية، كما أثبت كفاءته في التعامل مع سرعات رياح لم يسبق له مواجهتها أثناء التدريب.
يأمل الباحثون أن يُسهم هذا النظام مستقبلاً في تحسين كفاءة الطائرات المسيّرة في توصيل الطرود الثقيلة رغم الرياح القوية، أو في مراقبة المناطق المعرضة للحرائق في المحميات الطبيعية.
يقول نافيد عزيزيان، الأستاذ المساعد في قسم الهندسة الميكانيكية ومعهد البيانات والنظم والمجتمع «IDSS» بمعهد «MIT»، والباحث الرئيسي للدراسة: «قوة طريقتنا تكمن في التعلم المتزامن لمكونات النظام. من خلال الاستفادة من التعلم الفوقي، يتمكن نظامنا من اتخاذ قرارات تلقائية تحقق أفضل تكيف ممكن في وقت قصير».
شارك عزيزيان في إعداد الورقة البحثية كل من سونبوتشين تانغ، طالب دراسات عليا في قسم الطيران والفضاء، وهاويان صن، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الحاسوب. وقد عُرض البحث مؤخراً في مؤتمر «التعلم للديناميكيات والتحكم»
التعلم على التكيف
تتغير سرعات الرياح التي قد تواجهها الطائرة في كل رحلة، لكن من المفترض أن تبقى الشبكة العصبية ودالة الانحدار المستخدمة ثابتتين، لتجنّب إعادة التدريب في كل مرة.
لتحقيق هذه المرونة، اعتمد الباحثون على التعلم الفوقي، ودربوا النظام على مجموعة من سيناريوهات الرياح المختلفة أثناء مرحلة التدريب.
يوضح تانغ: «الهدف ليس فقط أن يتكيف النظام، بل أن يتعلم كيف يتعلم. عبر التعلم الفوقي، يمكننا إنشاء تمثيل مشترك من بيانات متعددة السيناريوهات بسرعة وكفاءة».
في التطبيق العملي، يقوم المستخدم بتغذية نظام التحكم بمسار الطيران المطلوب، ويقوم النظام بحساب قوة الدفع اللازم في الزمن الحقيقي لإبقاء الطائرة على المسار رغم أي اضطرابات جوية.
وقد أثبت النظام كفاءته سواء في المحاكاة أو في اختبارات حقيقية، حيث تفوق على جميع الطرق التقليدية في تتبع المسار، حتى في الظروف الجوية القاسية.
يضيف عزيزيان: «حتى عندما تجاوزت قوة الرياح مستويات لم نشهدها في التدريب، أثبتت تقنيتنا قدرتها على التعامل معها بكفاءة».
واللافت أن تفوق النظام على الطرق الأخرى ازداد كلما زادت شدة الرياح، مما يدل على قدرته على التكيف مع البيئات الصعبة.
ويجري الفريق الآن تجارب ميدانية على طائرات مسيّرة حقيقية لاختبار النظام في مواجهة ظروف جوية متنوعة.
كما يسعى الفريق لتوسيع قدرات النظام ليتعامل مع اضطرابات متعددة المصادر في وقت واحد. فعلى سبيل المثال، تغير سرعة الرياح قد يغيّر من توزيع وزن الحمولة أثناء الطيران، خصوصاً عند حمل مواد سائلة.
كما يطمح الباحثون إلى تطوير خاصية التعلم المستمر، بحيث يتمكن النظام من التكيف مع اضطرابات جديدة دون الحاجة إلى إعادة تدريبه على البيانات السابقة.
وفي تعليق على البحث، قال بروفيسور باباك حسّیبي من معهد كاليفورنيا للتكنولوجيا «Caltech»، والذي لم يشارك في المشروع: «نجح نافيد وزملاؤه في الجمع بين التعلم الفوقي والتحكم التكيفي التقليدي، لتعلم الخصائص غير الخطية من البيانات. واستخدامهم لخوارزميات الانحدار المرآتي مكّنهم من استغلال البنية الجيومترية الكامنة للمشكلة بشكل لم تفعله الطرق السابقة. وهذا العمل قد يساهم بشكل كبير في تصميم أنظمة ذاتية التشغيل تعمل بكفاءة في بيئات معقدة وغير مؤكدة».
وقد حصل هذا البحث على دعم من عدة جهات، منها شركة «MathWorks»، ومختبر «MIT-IBM Watson» للذكاء الاصطناعي، ومركز «MIT-Amazon» للعلوم، وبرنامج «MIT-Google» للابتكار في الحوسبة.
مظاهرات حاشدة في إيران تطالب بالرد على إسرائيل والثأر لدماء القادة