على الرغم من البرية نجاح ChatGPT ونماذج اللغات الكبيرة الأخرى ، قد تكون الشبكات العصبية الاصطناعية (ANN) التي تدعم هذه الأنظمة على المسار الخطأ.
قالت كورنيليا فيرمولير ، عالمة الكمبيوتر في جامعة ميريلاند ، إن الشبكات العصبية الاصطناعية “متعطشة للطاقة الفائقة”. والمسألة الأخرى هي (افتقارهم) للشفافية “. مثل هذه الأنظمة معقدة للغاية لدرجة أنه لا أحد يفهم حقًا ما يفعلونه ، أو لماذا تعمل بشكل جيد. وهذا بدوره يجعل من المستحيل تقريبًا إقناعهم بالتفكير عن طريق القياس ، وهو ما يفعله البشر – باستخدام الرموز للأشياء والأفكار والعلاقات بينهم.
من المحتمل أن تنشأ مثل هذه العيوب من البنية الحالية للشبكات العصبية الاصطناعية ولبنات بنائها: الخلايا العصبية الاصطناعية الفردية. يتلقى كل خلية عصبية مدخلات ، وتؤدي عمليات حسابية ، وتنتج مخرجات. الشبكات العصبية الاصطناعية الحديثة هي شبكات متقنة من هذه الوحدات الحسابية ، مدربة على القيام بمهام محددة.
ومع ذلك ، كانت قيود الشبكات العصبية الاصطناعية واضحة منذ فترة طويلة. ضع في اعتبارك ، على سبيل المثال ، ANN الذي يفصل بين الدوائر والمربعات. تتمثل إحدى طرق القيام بذلك في وجود خليتين عصبيتين في طبقة الإخراج ، واحدة تشير إلى دائرة والأخرى تشير إلى مربع. إذا كنت تريد من ANN أن يميز أيضًا لون الشكل – على سبيل المثال ، أزرق أو أحمر – فستحتاج إلى أربع خلايا عصبية ناتجة: واحدة لكل من الدائرة الزرقاء ، والمربع الأزرق ، والدائرة الحمراء ، والمربع الأحمر. المزيد من الميزات تعني المزيد من الخلايا العصبية.
لا يمكن أن تكون هذه هي الطريقة التي ترى بها أدمغتنا العالم الطبيعي بكل تنوعاته. قال برونو أولشوزن ، عالم الأعصاب بجامعة كاليفورنيا ، بيركلي: “عليك أن تقترح ، حسنًا ، أن لديك خلية عصبية لجميع المجموعات”. “لذلك ، (على سبيل المثال) لديك في دماغك كاشف فولكس فاجن أرجواني.”
بدلاً من ذلك ، يجادل أولسهاوزن وآخرون بأن المعلومات في الدماغ يتم تمثيلها من خلال نشاط العديد من الخلايا العصبية. لذا فإن تصور سيارة فولكس فاجن الأرجواني ليس مشفرًا على أنه أفعال خلية عصبية واحدة ، ولكن كأفعال آلاف الخلايا العصبية. يمكن أن تمثل نفس المجموعة من الخلايا العصبية ، التي تعمل بشكل مختلف ، مفهومًا مختلفًا تمامًا (ربما سيارة كاديلاك وردية اللون).
هذه هي نقطة البداية لنهج مختلف جذريًا للحساب ، يُعرف باسم الحوسبة فائقة الأبعاد. المفتاح هو أن كل جزء من المعلومات ، مثل فكرة السيارة أو طرازها أو طرازها أو لونها ، أو كل ذلك معًا ، يتم تمثيلها ككيان واحد: متجه مفرط الأبعاد.
المتجه هو ببساطة مصفوفة أرقام مرتبة. يتكون المتجه ثلاثي الأبعاد ، على سبيل المثال ، من ثلاثة أرقام: xو ذ و ض إحداثيات نقطة في مساحة ثلاثية الأبعاد. يمكن أن يكون المتجه مفرط الأبعاد ، أو الهايبرفيكتور ، مصفوفة من 10000 رقم ، على سبيل المثال ، تمثل نقطة في مساحة 10000 بعد. هذه الأشياء الرياضية والجبر للتلاعب بها مرنة وقوية بما يكفي لأخذ الحوسبة الحديثة إلى ما وراء بعض قيودها الحالية ولتعزيز نهج جديد للذكاء الاصطناعي.
قال أولشوزن: “هذا هو الشيء الذي كنت متحمسًا له ، عمليًا طوال مسيرتي المهنية”. بالنسبة له وللعديد غيره ، تعد الحوسبة فائقة الأبعاد بعالم جديد تكون فيه الحوسبة فعالة وقوية وتكون القرارات التي يتم اتخاذها آليًا شفافة تمامًا.
أدخل مسافات عالية الأبعاد
لفهم كيف تجعل أجهزة Hypervectors الحوسبة ممكنة ، دعنا نعود إلى الصور ذات الدوائر الحمراء والمربعات الزرقاء. أولاً ، نحتاج إلى متجهات لتمثيل المتغيرين SHAPE و COLOR. ثم نحتاج أيضًا إلى متجهات للقيم التي يمكن تخصيصها للمتغيرات: CIRCLE و SQUARE و BLUE و RED.
يجب أن تكون المتجهات متميزة. يمكن قياس هذا التمييز من خلال خاصية تسمى التعامد ، مما يعني أن تكون في زوايا قائمة. في الفضاء ثلاثي الأبعاد ، هناك ثلاثة متجهات متعامدة مع بعضها البعض: واحد في x اتجاه آخر في ذ والثالث في ض. في مساحة 10000 بعد ، هناك 10000 متعامد متبادل من هذا القبيل.
