مؤخرًا رأيت فكرة مثيرة للاهتمام: لماذا يستطيع بعض الأشخاص أن يظلوا متمسكين بأفكارهم بينما يعارضهم العالم بأسره؟

فكرت في جيفري هينتون. هذا العالم الذي يُعتبر أب التعلم العميق، عندما قال في السابق إنه سيستخدم الشبكات العصبية الاصطناعية لمحاكاة الدماغ لمعالجة البيانات المعقدة مثل الصور والصوت، كان يُنظر إليه تقريبًا كمجنون. في تسعينيات القرن الماضي، كانت القدرة الحاسوبية غير كافية، والتخزين غير متوفر، وكمية البيانات كانت نادرة. كان الناس يسخرون من أفكار جيفري هينتون ويعتبرونها خرافة.

لكن المثير هو أنه لم يستسلم. تعرض للانتقاد والسخرية لأكثر من ثلاثين عامًا، وما زال يصر على رأيه. هذه ليست مجرد قصة تحفيزية، بل حدث حقيقي.

وجاءت نقطة التحول. في عام 2012، أخيرًا، توافر الحاسوب بشكل كافٍ. قاد جيفري هينتون فريقه للمشاركة في مسابقة تصنيف الصور ImageNet ILSVRC، وفاز شبكتهم AlexNet بنسبة خطأ أقل بنسبة 10% من المركز الثاني. كانت واحدة من أهم المسابقات في مجال الرؤية الحاسوبية. وفازوا، وبدأ العالم يأخذ التعلم العميق بجدية.

هل تعرف ما هو الأمر الأكثر إيلامًا؟ أن أولئك الذين سخروا منه ذات يوم، بدأوا فجأة يعتبرونه إلهًا.

عند النظر إلى الوراء، السبب في تمكنه من الاستمرار يكمن في رؤيتين أساسيتين. الأولى هي إمكانية التعلم غير المراقب — حيث يمكن للتعلم العميق اكتشاف الأنماط والقوانين المخفية من كميات هائلة من البيانات بشكل مستقل، دون الحاجة إلى تصنيف يدوي. وهذا مهم جدًا لمعالجة البيانات المعقدة عالية الأبعاد مثل الصور والصوت والنصوص. الثانية هي قدرة نمذجة الدوال المعقدة — حيث يمكن للشبكات العصبية تمثيل دوال معقدة ذات العديد من المعاملات، مما يسمح لها بالتقاط العلاقات العميقة بين المدخلات والمخرجات.

هاتان الفكرتان لم يكن بالإمكان إثبات صحتهما في ذلك الوقت، لذلك تعرضا للسخرية. لكن جيفري هينتون كان يؤمن بأنه طالما توفرت الوقت والتكنولوجيا، فإن هذا الطريق هو الصحيح.

اليوم، أصبح التعلم العميق هو الأساس الرئيسي للذكاء الاصطناعي، وقاد عصر الذكاء الاصطناعي بالكامل. من مجنون يُنظر إليه إلى معلم يُحترم، أثبت جيفري هينتون خلال ثلاثين عامًا أن الشيء الصحيح لا يكون صعبًا، بل الصعب هو أن تظل متمسكًا به عندما لا يوافقك أحد.