الذكاء الاصطناعي (AI) والدماغ البشري هما موضوعان شائعان في النقاشات حول الذكاء العام، خاصة مع التقدم الكبير الذي أحرزه الذكاء الاصطناعي في مجالات مثل الألعاب، ومعالجة اللغة، وإنشاء المحتوى المرئي والسمعي.

ومع ذلك، فإن الفجوة بين الذكاء الاصطناعي الحالي والذكاء العام (AGI) - أي الذكاء الذي يمكنه أداء أي مهمة فكرية تشبه ما يستطيع الإنسان القيام بها - لا تزال كبيرة.

وفيما يلي بعض النقاط الرئيسية التي تميز الذكاء الاصطناعي عن الدماغ البشري، وتسلط الضوء على التحديات التي تواجه تحقيق الذكاء العام، بحسب تقرير نشره موقع "arstechnica" واطلعت عليه "العربية Business".
التعريف الغامض للذكاء العام

- لا يوجد تعريف واضح ومتفق عليه للذكاء العام.

- البعض يعتبره القدرة على تجاوز الأداء البشري في مجموعة واسعة من المهام، بينما يراه آخرون كقدرة على التكيف والتعلم في سياقات جديدة.

- الأنظمة الحالية مثل "تشات جي بي تي" تُظهر قدرات مذهلة في مهام محددة، لكنها تفتقر إلى القدرة على التعميم والتعلم خارج نطاق التدريب المحددة.
الاختلافات الهيكلية بين الذكاء الاصطناعي والدماغ

الشبكات العصبية الاصطناعية: تعتمد على خلايا عصبية اصطناعية متشابهة وظيفيًا، بينما الخلايا العصبية في الدماغ متخصصة للغاية وتستخدم مجموعة متنوعة من النواقل العصبية والهرمونات.

التنظيم المعياري: الدماغ يحتوي على وحدات وظيفية متخصصة تعمل بشكل متوازٍ ومتسلسل، بينما أنظمة الذكاء الاصطناعي الحالية غالبًا ما تكون متجانسة وتفتقر إلى هذا التنظيم المعياري المسبق.

الذاكرة: الدماغ لديه ذاكرة طويلة المدى وقصيرة المدى تعمل بشكل متكامل، بينما أنظمة الذكاء الاصطناعي تعتمد على أوزان الاتصالات التي يتم تعلمها أثناء التدريب ونافذة سياق محدودة.
القدرة على التعلم والتكيف

التعلم المستمر: الدماغ يتعلم باستمرار ويتكيف مع الظروف الجديدة من دون الحاجة إلى إعادة تدريب مكثف.

على النقيض، أنظمة الذكاء الاصطناعي تتطلب فترات تدريب طويلة وتكون محدودة بالبيانات التي تم تدريبها عليها.

التعميم: البشر قادرون على تطبيق المعرفة من سياق إلى آخر بسهولة، بينما أنظمة الذكاء الاصطناعي تواجه صعوبة في التعميم خارج نطاق المهام التي تم تدريبها عليها.
الطاقة والكفاءة

كفاءة الطاقة: الدماغ البشري يعمل بكفاءة عالية باستخدام طاقة محدودة، بينما أنظمة الذكاء الاصطناعي تتطلب موارد طاقة هائلة للتدريب والتشغيل.

التطور البيولوجي: تطور الدماغ تحت قيود الطاقة أدى إلى تطوير آليات معقدة لتحسين استخدام الموارد، وهو ما يفتقر إليه الذكاء الاصطناعي الحالي.
التحديات المستقبلية

فهم البيولوجيا: حتى نتمكن من محاكاة الذكاء العام، نحتاج إلى فهم أفضل لكيفية عمل الدماغ البشري، وهو ما لا يزال بعيد المنال.

المرونة والابتكار: الدماغ البشري قادر على الابتكار والتكيف مع التغيرات، بينما أنظمة الذكاء الاصطناعي الحالية تظل محدودة بالبيانات والخوارزميات التي تم تدريبها عليها.

بينما حقق الذكاء الاصطناعي تقدمًا كبيرًا في مجالات محددة، فإن تحقيق الذكاء العام يتطلب فهمًا أعمق لكيفية عمل الدماغ البشري وتطوير أنظمة أكثر مرونة وقدرة على التعلم المستمر.

قد تكون هناك طرق متعددة لتحقيق الذكاء العام، ولكن من المرجح أن يتطلب ذلك تقاربًا أكبر بين علوم الحاسوب وعلم الأعصاب.

في النهاية، بينما نستمر في استكشاف حدود الذكاء الاصطناعي، فإن فهمنا للدماغ البشري يظل المفتاح الرئيسي لتطوير أنظمة ذكاء عام قادرة على محاكاة المرونة والقدرة على التكيف التي يتمتع بها البشر.