يتحول تعليم الذكاء الاصطناعي من النظرية إلى أدوات عاملة
تنتج الشراكة الممولة من Google مع جامعة واترلو شيئًا أكثر واقعية من الحديث المعتاد عن الإلمام بالذكاء الاصطناعي: نماذج أولية عاملة. ومن خلال Futures Lab، يبني الطلاب أدوات مثل مدرب لغة الإشارة، وتطبيق لتعلم اليابانية مدفوع بقصص مولدة بالذكاء الاصطناعي، ومدرب تمارين وزن الجسم يستخدم تتبع الكاميرا لتقديم ملاحظات صوتية على أداء التمارين.
وقد صُمم المختبر كبرنامج مكثف لمدة ثمانية أسابيع في الذكاء الاصطناعي ونمذجة تجربة المستخدم. ووفقًا لوصف Google، يعمل طلاب من تخصصات تشمل علوم الحاسوب والأعمال والعلوم الطبيعية معًا لبناء أدوات تهدف إلى تغيير طريقة تعلم الناس. وهذا التكوين متعدد التخصصات جزء من الفكرة نفسها. فالمختبر لا يكتفي بتعليم الطلاب كيفية استخدام النماذج، بل يطلب منهم تحويل قدرة الذكاء الاصطناعي إلى منتجات ذات قيمة واضحة للمستخدم.
وتوضح ثلاثة أمثلة حديثة هذا النهج. Kanji Garden يعلّم اليابانية عبر قصص وصور غامرة مولدة بالذكاء الاصطناعي بدلًا من الحفظ الصم. SignFluent أداة تعلم فورية للغة الإشارة الأمريكية تمنح المستخدمين ملاحظات على أدائهم. MuscleMemory يستخدم تتبع الكاميرا بالذكاء الاصطناعي لتقديم إرشادات صوتية فورية أثناء ممارسة تمارين وزن الجسم، مع الهدف المعلن المتمثل في تحسين الأداء والمساعدة في منع الإصابات.
نوع مختلف من قصة الذكاء الاصطناعي
ما يجعل Futures Lab ملحوظًا هو تركيزه على بناء النماذج الأولية حول حالات استخدام حقيقية بدلًا من تقديم الذكاء الاصطناعي بوصفه كفاءة مجردة. كثير من مبادرات الذكاء الاصطناعي الجامعية تركز على المناهج أو النظرية أو المخرجات البحثية. أما عرض Google فيركز على تصميم المنتج، والتطوير المتمحور حول الإنسان، والتعلم التطبيقي.
ويتضح ذلك خصوصًا في تنوع المشاريع. تعلم اللغات، وإتاحة الوصول، والتدريب البدني هي مجالات مختلفة جدًا، لكنها تشترك في منطق تصميمي واحد: يُستخدم الذكاء الاصطناعي بوصفه واجهة تكيفية، وليس مجرد تقنية خلفية. وفي كل حالة، يبدو أن فرق الطلاب تسأل كيف يمكن للذكاء الاصطناعي أن يجعل التعليم أكثر استجابة وشخصنة وفورية.
ويكتسب جانب إتاحة الوصول أهمية خاصة. SignFluent يقترح نموذجًا لا تكتفي فيه أنظمة الذكاء الاصطناعي بأتمتة المحتوى، بل تدعم أيضًا تدريب المهارات الذي يعتمد على التغذية الراجعة الفورية. وإذا نجح هذا النهج جيدًا، فإنه يشير إلى فئة أوسع من أدوات التعليم التي تكون أكثر تفاعلية من الدروس الثابتة وأكثر إتاحة من التعليم الفردي.
تدريب البنائين، لا المستخدمين فقط
يقود البرنامج الدكتورة Edith Law، وهي Google Chair in the Future of Work and Learning. وتقول Google إن الشراكة تهدف إلى تجاوز النظرية ومساعدة الطلاب على المشاركة في ابتكار التكنولوجيا التي ستشكل مستقبل التعليم والعمل. هذا الإطار مهم لأنه ينقل دور الطلاب من مجرد مستهلكين للذكاء الاصطناعي إلى بنائين مبكرين للمنتجات.
وتعزز خلاصات الفرق هذه الفكرة. فقد قال فريق MuscleMemory إن المهارات غير التقنية مثل التواصل التطبيقي كانت ذات قيمة في مشروع نمذجة أولية. وقال فريق Kanji Garden إنهم تعلموا التعامل مع التحديات بعقلية متمحورة حول المستخدم. ووصف فريق SignFluent عملهم بأنه تصميم منتج يقع عند تقاطع إتاحة الوصول والتكنولوجيا.
هذه الدروس لافتة لأنها تقاوم تبسيطًا شائعًا في خطاب الذكاء الاصطناعي: أن القدرة التقنية وحدها تحدد نجاح المنتج. أمثلة المختبر تشير إلى العكس. فالمنتجات المفيدة في الذكاء الاصطناعي تعتمد أيضًا على تصميم الواجهة، وحلقات التغذية الراجعة، والتواصل، وفهم ما يحتاجه المستخدمون فعلًا.
ما الذي يشير إليه ذلك بشأن اتجاه الذكاء الاصطناعي القريب
لا يعرض Futures Lab نماذج حدودية أو اختراقات بحثية كبرى. وأهميته أقرب إلى التطبيق. فهو يوضح كيف تحاول المؤسسات التعليمية والشركاء من الشركات جعل الذكاء الاصطناعي ملموسًا من خلال أدوات متخصصة يمكن للطلاب اختبارها وتحسينها وعرضها.
وهذا مهم لأن مستقبل تبني الذكاء الاصطناعي قد يعتمد أقل على القدرات التي تصدّر العناوين، وأكثر على قدرة المطورين على تحويل تلك القدرات إلى تجارب موثوقة للتعلم والعمل. النماذج الأولية في واترلو صغيرة من حيث الحجم، لكنها توضح هذا الاتجاه الأوسع بوضوح.
وبهذا المعنى، يمثل Futures Lab لقطة مفيدة لما يتجه إليه الذكاء الاصطناعي العملي: الابتعاد عن الادعاءات العامة حول الإزاحة والتحول، والتوجه نحو أنظمة مركزة تُعلّم وتدرّب وتتكيف في الوقت الفعلي.
تعتمد هذه المقالة على تقرير من Google AI Blog. اقرأ المقال الأصلي.
Originally published on blog.google
