إنشاء الذكاء الاصطناعي المهم | أخبار معهد ماساتشوستس للتكنولوجيا

عندما يتعلق الأمر بالذكاء الاصطناعي، كان معهد ماساتشوستس للتكنولوجيا وآي بي إم موجودين في البداية: وضع العمل التأسيسي وإنشاء بعض البرامج الأولى – أسلاف الذكاء الاصطناعي – والتنظير حول كيفية ظهور “الذكاء الآلي”.

واليوم، تستمر عمليات التعاون مثل MIT-IBM Watson AI Lab، والتي تم إطلاقها قبل ثماني سنوات، في تقديم الخبرة لتحقيق الوعد بتكنولوجيا الذكاء الاصطناعي المستقبلية. وهذا أمر بالغ الأهمية بالنسبة للصناعات والقوى العاملة التي ستستفيد، لا سيما على المدى القصير: من 3 إلى 4 تريليون دولار من الفوائد الاقتصادية العالمية المتوقعة ومكاسب إنتاجية بنسبة 80 في المائة للعاملين في مجال المعرفة والمهام الإبداعية، إلى عمليات دمج كبيرة للذكاء الاصطناعي التوليدي في العمليات التجارية (80 في المائة) وتطبيقات البرمجيات (70 في المائة) في السنوات الثلاث المقبلة.

وفي حين شهدت الصناعة طفرة في النماذج البارزة، خاصة في العام الماضي، فإن الأوساط الأكاديمية تواصل قيادة الابتكار، حيث تساهم بمعظم الأبحاث التي يتم الاستشهاد بها بشكل كبير. في مختبر MIT-IBM Watson AI Lab، يأخذ النجاح شكل 54 كشفًا عن براءات الاختراع، وما يزيد عن 128000 استشهادًا مع مؤشر h يبلغ 162، وأكثر من 50 حالة استخدام تعتمد على الصناعة. تشمل بعض إنجازات المختبر العديدة تحسين وضع الدعامات باستخدام تقنيات التصوير بالذكاء الاصطناعي، وخفض النفقات الحسابية، وتقليص النماذج مع الحفاظ على الأداء، ونمذجة الإمكانات بين الذرية لكيمياء السيليكات.

يقول أودي أوليفا، مدير مختبر معهد ماساتشوستس للتكنولوجيا ومدير المشاركة الصناعية الاستراتيجية في كلية شوارزمان للحوسبة بمعهد ماساتشوستس للتكنولوجيا: “يتمتع المختبر بموقع فريد لتحديد المشكلات “الصحيحة” التي يجب حلها، مما يميزنا عن الكيانات الأخرى”. “علاوة على ذلك، فإن الخبرة التي يكتسبها طلابنا من العمل على هذه التحديات للذكاء الاصطناعي المؤسسي تترجم إلى قدرتهم التنافسية في سوق العمل وتعزيز الصناعة التنافسية.”

“لقد كان لمختبر MIT-IBM Watson AI Lab تأثير هائل من خلال الجمع بين مجموعة غنية من عمليات التعاون بين الباحثين والطلاب في IBM ومعهد ماساتشوستس للتكنولوجيا”، كما يقول العميد أنانثا تشاندراكاسان، وهو الرئيس المشارك للمختبر في معهد ماساتشوستس للتكنولوجيا وأستاذ فانيفار بوش للهندسة الكهربائية وعلوم الكمبيوتر. “من خلال دعم الأبحاث الشاملة عند تقاطع الذكاء الاصطناعي والعديد من التخصصات الأخرى، يعمل المختبر على تطوير العمل التأسيسي وتسريع تطوير الحلول التحويلية لأمتنا والعالم.”

العمل طويل الأفق

مع استمرار الذكاء الاصطناعي في جذب الاهتمام، تكافح العديد من المؤسسات لتوجيه التكنولوجيا إلى نتائج ذات معنى. توصلت دراسة أجرتها مؤسسة جارتنر لعام 2024 إلى أنه “سيتم التخلي عن ما لا يقل عن 30% من مشاريع الذكاء الاصطناعي التوليدية بعد إثبات المفهوم بحلول نهاية عام 2025″، مما يدل على الطموح والرغبة على نطاق واسع في الذكاء الاصطناعي، ولكن الافتقار إلى المعرفة حول كيفية تطويره وتطبيقه لخلق قيمة فورية.

هنا، يتألق المختبر، ويربط بين البحث والنشر. تتماشى غالبية محفظة أبحاث المختبر للعام الحالي لاستخدام وتطوير ميزات أو قدرات أو منتجات جديدة لشركة IBM أو أعضاء الشركات في المختبر أو تطبيقات العالم الحقيقي. تشتمل آخر هذه النماذج على نماذج لغوية كبيرة، وأجهزة الذكاء الاصطناعي، ونماذج أساسية، بما في ذلك النماذج متعددة الوسائط والطبية الحيوية والجغرافية المكانية. يعد الطلاب والمتدربون الذين يحركهم الاستقصاء لا يقدرون بثمن في هذا المسعى، حيث يقدمون الحماس ووجهات نظر جديدة مع تجميع المعرفة بالمجال للمساعدة في استخلاص وهندسة التقدم في هذا المجال، بالإضافة إلى فتح آفاق جديدة للاستكشاف باستخدام الذكاء الاصطناعي كأداة.

تدعم النتائج التي توصلت إليها اللجنة الرئاسية AAAI 2025 حول مستقبل أبحاث الذكاء الاصطناعي الحاجة إلى مساهمات من التعاون بين الأوساط الأكاديمية والصناعة مثل المختبر في مجال الذكاء الاصطناعي: “للأكاديميين دور يلعبونه في تقديم المشورة والتفسيرات المستقلة لهذه النتائج [from industry] وعواقبها. يركز القطاع الخاص بشكل أكبر على المدى القصير، بينما تركز الجامعات والمجتمع بشكل أكبر على منظور طويل المدى.

إن الجمع بين نقاط القوة هذه، جنبًا إلى جنب مع الدفع نحو المصادر المفتوحة والعلوم المفتوحة، يمكن أن يؤدي إلى إطلاق العنان للابتكار الذي لا يمكن لأي منهما تحقيقه بمفرده. يُظهر التاريخ أن تبني هذه المبادئ، ومشاركة التعليمات البرمجية وإتاحة الوصول إلى الأبحاث، له فوائد طويلة المدى لكل من القطاع والمجتمع. وتماشيًا مع مهام IBM ومعهد ماساتشوستس للتكنولوجيا، يساهم المختبر بالتقنيات والنتائج والحوكمة والمعايير في المجال العام من خلال هذا التعاون، وبالتالي تعزيز الشفافية، وتسريع إمكانية التكرار، وضمان التقدم الجدير بالثقة.

تم إنشاء المختبر لدمج الخبرة البحثية العميقة لمعهد ماساتشوستس للتكنولوجيا مع قدرة البحث والتطوير الصناعي لشركة IBM، بهدف تحقيق اختراقات في أساليب وأجهزة الذكاء الاصطناعي الأساسية، بالإضافة إلى التطبيقات الجديدة في مجالات مثل الرعاية الصحية والكيمياء والتمويل والأمن السيبراني والتخطيط القوي وصنع القرار للأعمال.

الأكبر ليس دائمًا الأفضل

اليوم، تفسح نماذج الأساس الكبيرة المجال لنماذج أصغر وأكثر تحديدًا للمهام مما يؤدي إلى أداء أفضل. تساعد المساهمات المقدمة من أعضاء المختبر مثل سونج هان، الأستاذ المشارك في قسم الهندسة الكهربائية وعلوم الكمبيوتر (EECS) في معهد ماساتشوستس للتكنولوجيا (MIT)، وتشوانغ جان من أبحاث IBM، على جعل هذا ممكنًا، من خلال أعمال مثل “مرة واحدة للجميع” و”AWQ”. تعمل مثل هذه الابتكارات على تحسين الكفاءة من خلال بنيات أفضل، وتقليص الخوارزميات، وتكميم الوزن مع مراعاة التنشيط، مما يسمح لنماذج مثل معالجة اللغة بالعمل على الأجهزة المتطورة بسرعات أعلى وزمن وصول أقل.

ونتيجة لذلك، شهدت نماذج الأساس والرؤية والنماذج المتعددة الوسائط واللغات الكبيرة فوائد، مما سمح لمجموعات الأبحاث المعملية المكونة من أوليفا والأستاذ المساعد في معهد ماساتشوستس للتكنولوجيا EECS يون كيم وأعضاء أبحاث IBM رامسوار باندا ويانغ تشانغ وروجيريو فيريس بالبناء على العمل. يتضمن ذلك تقنيات إضفاء المعرفة الخارجية على النماذج وتطوير طرق محولات الانتباه الخطية لزيادة الإنتاجية، مقارنة بالأنظمة الحديثة الأخرى.

لقد شهد الفهم والتفكير في أنظمة الرؤية والوسائط المتعددة أيضًا نعمة. تُظهر أعمال مثل “Task2Sim” و”AdaFuse” أداءً محسنًا لنموذج الرؤية إذا تم التدريب المسبق على البيانات الاصطناعية، وكيف يمكن تعزيز التعرف على حركة الفيديو من خلال دمج القنوات من خرائط الميزات السابقة والحالية.

كجزء من الالتزام بالذكاء الاصطناعي الأصغر حجمًا، أظهرت فرق المختبر المكونة من غريغوري وورنيل، أستاذ الهندسة في معهد ماساتشوستس للتكنولوجيا MIT EECS Sumitomo للصناعات الكهربائية، وتشوانغ جان من أبحاث IBM، وديفيد كوكس، نائب الرئيس للذكاء الاصطناعي التأسيسي في IBM Research ومدير IBM في المختبر، أن قابلية التكيف النموذجية وكفاءة البيانات يمكن أن تسير جنبًا إلى جنب. هناك نهجان، هما EvoScale ومنطق سلسلة العمل والفكر (COAT)، يمكّنان النماذج اللغوية من تحقيق أقصى استفادة من البيانات والحسابات المحدودة من خلال تحسين محاولات الجيل السابق من خلال التكرار المنظم، وتضييق نطاق الاستجابة الأفضل. يستخدم COAT إطار العمل الوصفي والتعلم المعزز للتعامل مع المهام التي تتطلب تفكيرًا مكثفًا من خلال التصحيح الذاتي، بينما يقدم EvoScale فلسفة مماثلة لإنشاء التعليمات البرمجية، وتطوير حلول مرشحة عالية الجودة. تساعد هذه التقنيات على تمكين النشر الواقعي والمستهدف والمراعي للموارد.

يقول كوكس: “لا يمكن المبالغة في تقدير تأثير أبحاث MIT-IBM على جهودنا الكبيرة في تطوير نموذج اللغة”. “نحن نرى أن النماذج والأدوات الأصغر والأكثر تخصصًا لها تأثير كبير، خاصة عندما يتم دمجها. وتساعد الابتكارات من MIT-IBM Watson AI Lab في تشكيل هذه الاتجاهات التقنية والتأثير على الإستراتيجية التي نتخذها في السوق من خلال منصات مثل Watsonx.”

على سبيل المثال، ساهمت العديد من المشاريع المعملية في توفير ميزات وقدرات واستخدامات لبرنامج Granite Vision الخاص بشركة IBM، والذي يوفر رؤية حاسوبية رائعة مصممة لفهم المستندات، على الرغم من حجمها الصغير. يأتي هذا في وقت تتزايد فيه الحاجة إلى استخلاص وتفسير وتلخيص المعلومات والبيانات الواردة في تنسيقات طويلة لأغراض المؤسسة.

الإنجازات الأخرى التي تمتد إلى ما هو أبعد من البحث المباشر في الذكاء الاصطناعي وعبر التخصصات ليست مفيدة فحسب، ولكنها ضرورية لتطوير التكنولوجيا والارتقاء بالمجتمع، كما خلصت لجنة AAAI لعام 2025.

إن العمل الذي تقوم به كارولين أوهلر وديفافرات شاه في المختبر – وكلاهما أستاذان أندرو (1956) وإيرنا فيتربي في EECS ومعهد البيانات والأنظمة والمجتمع (IDSS) – جنبًا إلى جنب مع كريستيان جرينوالد من أبحاث IBM، يتجاوز التخصصات. إنهم يقومون بتطوير أساليب الاكتشاف السببي للكشف عن كيفية تأثير التدخلات على النتائج، وتحديد أي منها يحقق النتائج المرجوة. تتضمن الدراسات تطوير إطار يمكنه توضيح كيفية تنفيذ “العلاجات” لمختلف المجموعات السكانية الفرعية، كما هو الحال في منصة التجارة الإلكترونية أو قيود التنقل على نتائج الإصابة بالأمراض. يمكن لنتائج هذا العمل أن تؤثر على مجالات التسويق والطب والتعليم وإدارة المخاطر.

يقول دان هاتنلوشر، الرئيس المشارك لمختبر معهد ماساتشوستس للتكنولوجيا، وعميد كلية شوارزمان بمعهد ماساتشوستس للتكنولوجيا: “يؤثر التقدم في الذكاء الاصطناعي ومجالات الحوسبة الأخرى على كيفية صياغة الأشخاص للتحديات ومعالجتها في كل تخصص تقريبًا. وفي مختبر واتسون للذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا وآي بي إم، يدرك الباحثون هذه الطبيعة الشاملة لعملهم وتأثيرها، حيث يقومون باستجواب المشكلات من وجهات نظر متعددة وجلب مشاكل العالم الحقيقي من الصناعة، من أجل تطوير حلول جديدة”. الحوسبة، وأستاذ هنري إليس وارين (1894) في الهندسة الكهربائية وعلوم الكمبيوتر.

جزء مهم مما يجعل هذا النظام البيئي البحثي يزدهر هو التدفق المستمر لمواهب الطلاب ومساهماتهم من خلال برنامج فرص الأبحاث الجامعية (UROP) التابع لمعهد ماساتشوستس للتكنولوجيا (MIT)، وبرنامج MIT EECS 6A، وبرنامج MIT-IBM Watson AI Lab الداخلي الجديد. وإجمالا، لم يقم أكثر من 70 باحثا شابا بتسريع تنمية مهاراتهم التقنية فحسب، بل اكتسبوا المعرفة في مجالات الذكاء الاصطناعي، من خلال التوجيه والدعم من قبل موجهي المختبر، ليصبحوا هم أنفسهم ممارسين ناشئين. ولهذا السبب يسعى المختبر باستمرار إلى تحديد الطلاب الواعدين في جميع المراحل في استكشافهم لإمكانات الذكاء الاصطناعي.

يقول سريرام راغافان، نائب رئيس أبحاث IBM للذكاء الاصطناعي ورئيس مختبر IBM: “من أجل إطلاق العنان للإمكانات الاقتصادية والمجتمعية الكاملة للذكاء الاصطناعي، نحتاج إلى تعزيز “الذكاء المفيد والفعال”. “لترجمة وعد الذكاء الاصطناعي إلى تقدم، من الأهمية بمكان أن نواصل التركيز على الابتكارات لتطوير نماذج فعالة ومحسنة ومناسبة للغرض والتي يمكن تكييفها بسهولة مع مجالات وحالات استخدام محددة. ويساعد التعاون بين الصناعة الأكاديمية، مثل MIT-IBM Watson AI Lab، في دفع الإنجازات التي تجعل هذا ممكنًا.”