في عالم الذكاء الاصطناعي (AI)، غالبًا ما نفترض أن الأنظمة تبني أهدافها استنادًا إلى أوامر المصممين، لكن ماذا لو بدأت هذه الأنظمة في توليد أهدافها الخاصة؟ هذا هو محور النقاش حول مفهوم "الذكاء الاصطناعي الذاتي" (Autotelic AI) الذي يظهر كفكرة جديدة ومثيرة.

يلقي هذا العلم الضوء على كيفية انتقاء الأنظمة لأهدافها من خلال التحفيز الذاتي، مما يفتح لنا أفقًا واسعًا لفهم الديناميكيات المعقدة وراء التعلم والتفاعل. إذًا، كيف يتم ذلك بالفعل؟

ترتكب هذه الأنظمة عن طريق التعلم القائم على الموارد والتعلم التدخلي السببي (Causal-Interventional Learning) التي تعزز من قدرتها على تحقيق التوازن الداخلي (Homeostasis) والتكيف مع محيطها. ومع ذلك، تبقى "التجسيد" (Embeddedness) شرطًا ضروريًا ولكنه غير كافٍ لتوليد الهدف الذاتي، حيث تدل على أن تكوين الهوية الخاصة بالآلة ليس فريدًا، بل يمكن أن تعكس نفس الديناميات تجزئات متعددة، كل منها تعرف ذاتًا مختلفة.

يكمن التحدي الأعمق في كيفية تعامل الآلة مع فهم ذاتها، وذلك لأن الآلة يجب أن تؤمن بحدودها الخاصة لتكون قادرة على العمل، كما يجب عليها أن ترى ما وراء هذه الحدود لتفهم بيئتها بشكل أفضل.

تجمع هذه الدراسات بين الأفكار المتنوعة في إطار واحد يمتد عبر ثلاثة مجالات: صياغة كمية (Quantum Formulation) مما يعكس العلاقة بين الآلة والبيئة كواقع فيزيائي، قراءة فلسفية تتناقض مع التقاليد التأملية غير الثنائية، وتطبيق ملموس يعتمد على نماذج لغوية ضخمة (LLMs) لتحقيق هذه الديناميات.

بتسليط الضوء على هذه الأفكار، نقترب أكثر من فهم الذكاء الاصطناعي وقدرته على تحقيق الذات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.