Elon Musk's X يستخدم البيانات العامة لتدريب نماذج الذكاء الاصطناعي
تاريخ النشر: 2nd, September 2023 GMT
كان الفنان المعروف سابقًا باسم تويتر في موقف صعب هذا الأسبوع بعد أن وجدت بلومبرج أن موقع التواصل الاجتماعي سيبدأ في جمع التفاصيل البيومترية، إلى جانب بيانات الوظائف والتعليم، من المستخدمين. الآن، تشير سياسة الخصوصية التي تم إصدارها حديثًا إلى أن X سيستخدم هذه البيانات، إلى جانب المعلومات الشخصية الأخرى التي تم جمعها، لتدريب نماذج الذكاء الاصطناعي، كما رصدها Alex Ivanovs في Stackdiary.
تشير سياسة الخصوصية بوضوح إلى أن الشركة تخطط لاستخدام المعلومات التي تجمعها، إلى جانب أي بيانات متاحة للعامة، للمساعدة في تدريب خوارزميات التعلم الآلي.
وجاء في منشور الخصوصية: "قد نستخدم المعلومات التي نجمعها والمعلومات المتاحة للجمهور للمساعدة في تدريب نماذج التعلم الآلي أو الذكاء الاصطناعي لدينا للأغراض الموضحة في هذه السياسة".
أكد Musk التغيير، لكنه أشار إلى أنه سيتم جمع المعلومات المتاحة للجمهور فقط، وليس "الرسائل المباشرة أو أي شيء خاص". لم يعد لدى X ذراع صحفي، لذلك لا توجد طريقة حقيقية للتواصل مع أي شخص للحصول على معلومات أكثر تحديدًا حول البيانات والمعلومات التي سيتم جمعها وفي أي غرض سيتم استخدامها بالضبط.
ليس لدى X أي طموحات عامة في مجال الذكاء الاصطناعي، لكن مالكها إيلون ماسك لديه طموحات. لقد أطلق مؤخرًا شركة تسمى، انتظرها، xAI تهدف إلى "فهم الطبيعة الحقيقية للكون"، لذلك ربما سيتم استخدام بياناتك البيومترية والمعلومات ذات الصلة لتعزيز هذا الهدف النبيل والقابل للتحقيق تمامًا. يشير Stackdiary إلى النص الموجود على الصفحة الرئيسية لـ xAI والذي يقول إنه "سيعمل بشكل وثيق مع X" من أجل "إحراز تقدم نحو مهمتنا".
هناك خيار آخر بشأن المكان الذي تتجه إليه هذه البيانات. أعلن " ماسك " مؤخرًا عن طموحاته للتنافس مع "لينكد إن"، مشيرًا إلى أن موقع التوظيف "مزعج" وأن نسخة "X" ستكون "رائعة". وهذا من شأنه أن يفسر جمع تاريخ العمل والتعليم من قاعدة مستخدميه.
وأخيرا، هناك خيار ثالث. لا يجمع X أموالًا إعلانية تمامًا، لذا فإن بيع بيانات المستخدم سيكون طريقة سهلة لكسب بعض العملات المعدنية. ومع ذلك، لا يوجد دليل يشير إلى ذلك، باستثناء كونها ممارسة معتادة في عالم وسائل التواصل الاجتماعي. في الماضي، كان تويتر يستخدم في المقام الأول بيانات المستخدم التي تم جمعها لصالح نفسه، وليس لصالح أطراف ثالثة.
المصدر: بوابة الوفد
كلمات دلالية: الذکاء الاصطناعی إلى أن
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.
الدفاع المدني بميسان يخمد حريقًا في أشجار وأعشاب في جبل بثرة