في وقت مبكر من الوباء، اقترح أحد الوكلاء – الأدبيين، وليس البرمجيات – على Fei-Fei Li أن يكتب كتابًا. وكان هذا النهج منطقيا. لقد تركت علامة لا تمحى في مجال الذكاء الاصطناعي من خلال ترأس مشروع بدأ في عام 2006 يسمى ImageNet. لقد صنفت ملايين الصور الرقمية لتشكل ما أصبح ساحة تدريب أساسية لأنظمة الذكاء الاصطناعي التي تهز عالمنا اليوم. يشغل لي حاليا منصب المدير المشارك المؤسس لمعهد الذكاء الاصطناعي الذي يركز على الإنسان (HAI) في جامعة ستانفورد، والذي يحمل اسمه نداء للتعاون، إن لم يكن التطور المشترك، بين البشر والآلات الذكية. بعد قبوله تحدي الوكيل، أمضى “لي” عام الإغلاق في إعداد المسودة. ولكن عندما قرأها أحد مؤسسيها في HAI، الفيلسوف جون إيتشيميندي، طلب منها أن تبدأ من جديد، بما في ذلك رحلتها الخاصة هذه المرة في هذا المجال. يقول لي: “قال إن هناك الكثير من الأشخاص التقنيين الذين يمكنهم قراءة كتب الذكاء الاصطناعي”. “لكنني أضعت الفرصة لأقول لجميع المهاجرين الشباب والنساء والأشخاص من خلفيات متنوعة أن يفهموا ذلك هم يمكنه في الواقع استخدام الذكاء الاصطناعي أيضًا.
لي هي شخص خاص ولا تشعر بالراحة في التحدث عن نفسها. لكنها اكتشفت بشجاعة كيفية دمج تجربتها كمهاجرة جاءت إلى الولايات المتحدة عندما كانت في السادسة عشرة من عمرها، دون أن تتقن اللغة، وتغلبت على العقبات لتصبح شخصية رئيسية في هذه التكنولوجيا المحورية. وفي طريقها إلى منصبها الحالي، كانت أيضًا مديرة مختبر ستانفورد للذكاء الاصطناعي وكبيرة علماء الذكاء الاصطناعي والتعلم الآلي في Google Cloud. تقول لي أن كتابها، العوالم التي أراها، منظمة مثل الحلزون المزدوج، حيث يتشابك سعيها الشخصي ومسار الذكاء الاصطناعي في كل متصاعد. يقول لي: “ما زلنا نرى أنفسنا من خلال انعكاس هويتنا”. “جزء من التفكير هو التكنولوجيا نفسها. أصعب عالم يمكن رؤيته هو أنفسنا.”
تجتمع الخيوط معًا بشكل أكثر دراماتيكية في روايتها حول إنشاء ImageNet وتنفيذه. تروي لي تصميمها على تحدي هؤلاء، بما في ذلك زملائها، الذين شككوا في إمكانية تصنيف وتصنيف ملايين الصور، مع ما لا يقل عن 1000 مثال لكل واحدة من قائمة الفئات المترامية الأطراف، من الوسائد إلى آلات الكمان. لم يتطلب هذا الجهد الثبات التقني فحسب، بل تطلب عرق الآلاف من الأشخاص (حرق: ساعد ميكانيكي شركة أمازون في تحويل الحيلة). لا يمكن فهم المشروع إلا عندما نفهم رحلتها الشخصية. إن الجرأة في القيام بمثل هذا المشروع المحفوف بالمخاطر جاءت من دعم والديها، اللذين أصرا على الرغم من الصعوبات المالية على رفض وظيفة مربحة في عالم الأعمال لتحقيق حلمها في أن تصبح عالمة. سيكون تنفيذ هذا القمر بمثابة التحقق النهائي من تضحياتهم.
وكان المكافأة عميقة. تصف لي كيف أن بناء ImageNet تطلب منها أن تنظر إلى العالم بالطريقة التي قد تكون بها خوارزمية الشبكة العصبية الاصطناعية. عندما واجهت الكلاب والأشجار والأثاث وأشياء أخرى في العالم الحقيقي، رأى عقلها الآن ما هو أبعد من التصنيف الغريزي لما أدركته، وتوصلت إلى الإحساس بجوانب الشيء التي قد تكشف جوهره للبرمجيات. ما هي القرائن البصرية التي قد تقود الذكاء الرقمي إلى التعرف على تلك الأشياء، ويكون قادرًا أيضًا على تحديد الفئات الفرعية المختلفة – البيجل مقابل الكلاب السلوقية، والبلوط مقابل الخيزران، وكرسي إيمز مقابل الروك ميشن؟ هناك قسم رائع حول كيفية محاولة فريقها جمع صور لكل طراز سيارة محتمل. عندما تم الانتهاء من مشروع ImageNet في عام 2009، أطلق لي مسابقة استخدم فيها الباحثون مجموعة البيانات لتدريب خوارزميات التعلم الآلي الخاصة بهم، لمعرفة ما إذا كان بإمكان أجهزة الكمبيوتر الوصول إلى آفاق جديدة في تحديد الأشياء. في عام 2012، خرج الفائز، AlexNet، من مختبر جيفري هينتون في جامعة تورنتو، وحقق قفزة هائلة مقارنة بالفائزين السابقين. قد يجادل المرء بأن الجمع بين ImageNet وAlexNet أطلق طفرة التعلم العميق التي لا تزال تستحوذ على اهتمامنا حتى اليوم، وتدعم ChatGPT.
ما لم تفهمه لي وفريقها هو أن هذه الطريقة الجديدة في الرؤية يمكن أن تصبح مرتبطة أيضًا بميل البشرية المأساوي إلى السماح للتحيز بتشويه ما نراه. في كتابها، تحدثت عن “وخز من الذنب” عندما ظهرت أخبار تفيد بأن جوجل قد أخطأت في تصنيف السود على أنهم غوريلا. وتبع ذلك أمثلة مروعة أخرى. يكتب لي: “عندما يقدم الإنترنت صورة يغلب عليها الطابع الأبيض والغربي، وغالبًا ما تكون ذكورية، للحياة اليومية، فإننا نواجه تكنولوجيا تكافح من أجل فهم الجميع”، مدركًا الخلل متأخرًا. لقد طُلب منها إطلاق برنامج يسمى AI4All لجلب النساء والأشخاص الملونين إلى هذا المجال. تقول لي: “عندما كنا رواد شركة ImageNet، لم نكن نعرف تقريبًا القدر الذي نعرفه اليوم”، موضحة أنها كانت تستخدم ضمير “نحن” بالمعنى الجماعي، وليس فقط للإشارة إلى فريقها الصغير. تطورت بشكل كبير منذ ذلك الحين. لكن إذا كانت هناك أشياء لم نفعلها بشكل جيد؛ علينا أن نصلحهم.”
في اليوم الذي تحدثت فيه مع لي، واشنطن بوست نشر مقالًا طويلًا حول كيف يظل التحيز في التعلم الآلي يمثل مشكلة خطيرة. لا تزال مولدات صور الذكاء الاصطناعي اليوم، مثل Dall-E وStable Diffusion، تقدم صورًا نمطية عند تفسير المطالبات المحايدة. عندما يُطلب من الأنظمة تصوير “شخص منتج”، تظهر الأنظمة بشكل عام رجالًا بيضًا، لكن طلب “شخص في الخدمات الاجتماعية” غالبًا ما يظهر أشخاصًا ملونين. هل المخترع الرئيسي لـ ImageNet، نقطة الصفر لغرس التحيز البشري في الذكاء الاصطناعي، واثق من إمكانية حل المشكلة؟ “واثق تقول: “ستكون كلمة بسيطة للغاية”. “أنا متفائل بحذر بوجود حلول تقنية وحلول حوكمة، بالإضافة إلى متطلبات السوق لتكون أفضل وأفضل.” يمتد هذا التفاؤل الحذر أيضًا إلى الطريقة التي تتحدث بها عن التنبؤات الرهيبة بأن الذكاء الاصطناعي قد يؤدي إلى انقراض الإنسان. وتقول: “لا أريد أن أقدم إحساسًا زائفًا بأن كل شيء سيكون على ما يرام”. “لكنني لا أريد أيضًا أن أحمل إحساسًا بالكآبة والهلاك، لأن البشر بحاجة إلى الأمل”.
