ما هو تعريف الذكاء الاصطناعي؟ وكيف يعمل؟

الذكاء الاصطناعي (AI – Artificial Intelligence) هو فرع واسع النطاق لعلوم الكمبيوتر يهتم ببناء آلات ذكية قادرة على أداء المهام التي تتطلب عادةً ذكاءً بشريًا، فما هو تعريف الذكاء الاصطناعي؟

في حين أن الذكاء الاصطناعي هو علم متعدد التخصصات مع مناهج متعددة، فإن التطورات في التعلم الآلي والتعلم العميق، على وجه الخصوص، تخلق نقلة نوعية في كل قطاع تقريبًا من صناعة التكنولوجيا.

يسمح الذكاء الاصطناعي للآلات بنمذجة، أو حتى تحسين، قدرات العقل البشري.

ومن تطوير السيارات ذاتية القيادة إلى انتشار أدوات الذكاء الاصطناعي التوليدية مثل ChatGPT و Google s Bard، أصبح الذكاء الاصطناعي بشكل متزايد جزءًا من الحياة اليومية – وتستثمر فيه الشركات في جميع المجالات.

تعريف الذكاء الاصطناعي: أساسيات الذكاء الاصطناعي.

بشكل عام، يمكن لأنظمة الذكاء الاصطناعي أداء المهام المرتبطة بشكل شائع بالوظائف الإدراكية للإنسان – مثل تفسير الكلام وممارسة الألعاب وتحديد الأنماط.

يتعلمون عادةً كيفية القيام بذلك عن طريق معالجة كميات هائلة من البيانات، والبحث عن أنماط لنمذجة في صنع القرار الخاص بهم.

في كثير من الحالات، سيشرف البشر على عملية تعلم الذكاء الاصطناعي، مما يعزز القرارات الجيدة ويثبط القرارات السيئة.

لكن بعض أنظمة الذكاء الاصطناعي مصممة للتعلم دون إشراف – على سبيل المثال، من خلال ممارسة لعبة فيديو مرارًا وتكرارًا حتى يكتشفوا في النهاية القواعد وكيفية الفوز.

الذكاء الاصطناعي القوي والذكاء الاصطناعي الضعيف.

من الصعب تحديد الذكاء، ولهذا السبب يميز خبراء الذكاء الاصطناعي عادة بين الذكاء الاصطناعي القوي والذكاء الاصطناعي الضعيف.

الذكاء الاصطناعي القوي.

الذكاء الاصطناعي القوي، المعروف أيضًا باسم الذكاء العام الاصطناعي، هو آلة يمكنها حل المشكلات التي لم يتم تدريبها على العمل على الإطلاق – تمامًا مثل الإنسان.

هذا هو نوع الذكاء الاصطناعي الذي نراه في الأفلام، مثل الروبوتات من Westworld أو بيانات الشخصية من Star Trek: The Next Generation. هذا النوع من الذكاء الاصطناعي غير موجود بالفعل حتى الآن.

إن إنشاء آلة بذكاء على مستوى الإنسان يمكن تطبيقه على أي مهمة هو المهمة الأساسية للعديد من الباحثين في مجال الذكاء الاصطناعي، لكن السعي وراء الذكاء الاصطناعي العام كان محفوفًا بالصعوبات.

ويعتقد البعض أن أبحاث الذكاء الاصطناعي القوية يجب أن تكون محدودة، بسبب المخاطر المحتملة لإنشاء ذكاء اصطناعي قوي بدون حواجز حماية مناسبة.

على عكس الذكاء الاصطناعي الضعيف، يمثل الذكاء الاصطناعي القوي آلة تتمتع بمجموعة كاملة من القدرات المعرفية – ومجموعة واسعة من حالات الاستخدام – لكن الوقت لم يخفف من صعوبة تحقيق مثل هذا العمل الفذ.

الذكاء الاصطناعي الضعيف.

يعمل الذكاء الاصطناعي الضعيف، الذي يشار إليه أحيانًا باسم الذكاء الاصطناعي الضيق أو الذكاء الاصطناعي المتخصص، في سياق محدود وهو محاكاة للذكاء البشري.

كما يتم تطبيقه على مشكلة محددة بدقة (مثل قيادة السيارة أو نسخ الكلام البشري أو تنسيق المحتوى على موقع ويب).

غالبًا ما يركز الذكاء الاصطناعي الضعيف على أداء مهمة واحدة بشكل جيد للغاية. في حين أن هذه الآلات قد تبدو ذكية، إلا أنها تعمل في ظل قيود وقيود أكثر بكثير من أبسط الذكاء البشري.

تتضمن أمثلة الذكاء الاصطناعي الضعيفة ما يلي:

• Siri و Alexa ومساعدين أذكياء آخرين.

• السيارات ذاتية القيادة.

• بحث جوجل.

• روبوتات المحادثة.

• مرشحات البريد الإلكتروني العشوائي.

• توصيات Netflix.

إقرأ أيضاً… ما هو الذكاء الاصطناعي للأشياء (AIoT)؟

تعلم الآلة والتعلم العميق.

على الرغم من ظهور مصطلحي “تعلم الآلة” و “التعلم العميق” بشكل متكرر في المحادثات حول الذكاء الاصطناعي، فلا ينبغي استخدامهما بالتبادل.

التعلم العميق هو شكل من أشكال التعلم الآلي، والتعلم الآلي هو حقل فرعي من الذكاء الاصطناعي.

تعلم الالة.

يتم تغذية خوارزمية التعلم الآلي (ML – Machine Learning) بالبيانات بواسطة الكمبيوتر وتستخدم تقنيات إحصائية لمساعدتها على “تعلم” كيفية التحسن تدريجيًا في مهمة ما، دون الحاجة بالضرورة إلى أن تكون مُبرمجة خصيصًا لهذه المهمة.

بدلاً من ذلك، تستخدم خوارزميات ML البيانات التاريخية كمدخلات للتنبؤ بقيم المخرجات الجديدة.

تحقيقًا لهذه الغاية، يتكون ML من كل من التعلم الخاضع للإشراف (حيث يُعرف المخرجات المتوقعة للمدخلات بفضل مجموعات البيانات المصنفة) والتعلم غير الخاضع للإشراف (حيث تكون المخرجات المتوقعة غير معروفة بسبب استخدام مجموعات البيانات غير المسماة).

التعلم العميق.

التعلم العميق هو نوع من التعلم الآلي الذي يدير المدخلات من خلال بنية شبكة عصبية مستوحاة من الناحية البيولوجية.

تحتوي الشبكات العصبية على عدد من الطبقات المخفية التي يتم من خلالها معالجة البيانات، مما يسمح للآلة بالتعمق “بعمق” في تعلمها، وإجراء الاتصالات وترجيح المدخلات للحصول على أفضل النتائج.

إقرأ أيضاً… ما المقصود بـ(التعلم المعزز) في تعلم الآلة؟

الأنواع الأربعة للذكاء الاصطناعي.

يمكن تقسيم الذكاء الاصطناعي إلى أربع فئات، بناءً على نوع وتعقيد المهام التي يستطيع النظام تنفيذها. هم:

• الآلات التفاعلية – Reactive Machines.

• الذاكرة المحدودة – Limited Memory.

• نظرية العقل – Theory of Mind.

• الوعي الذاتي – Self Awareness.

فيما يلي شرح أكثر تفصيلاً لكل نوع منها:

1. الآلات التفاعلية – Reactive Machines.

تتبع الآلة التفاعلية أبسط مبادئ الذكاء الاصطناعي، وكما يوحي اسمها، فهي قادرة فقط على استخدام ذكائها لإدراك العالم الذي أمامه والتفاعل معه.

لا يمكن للآلة التفاعلية تخزين ذاكرة، ونتيجة لذلك، لا يمكنها الاعتماد على التجارب السابقة لإبلاغ عملية صنع القرار في الوقت الفعلي. إن إدراك العالم بشكل مباشر يعني أن الآلات التفاعلية مصممة لإكمال عدد محدود فقط من المهام المتخصصة.

مع ذلك، فإن تضييق الرؤية العالمية للآلة التفاعلية له فوائده: سيكون هذا النوع من الذكاء الاصطناعي أكثر جدارة بالثقة ويمكن الاعتماد عليه، وسيتفاعل بنفس الطريقة مع نفس المحفزات في كل مرة.

أمثلة على الآلة التفاعلية:

تم تصميم ديب بلو من قبل شركة آي بي إم في التسعينيات كجهاز كمبيوتر عملاق يلعب الشطرنج وهزم المعلم العالمي غاري كاسباروف في إحدى الألعاب.

كان ديب بلو قادرًا فقط على تحديد القطع على رقعة الشطرنج ومعرفة كيفية كل حركة بناءً على قواعد الشطرنج، والاعتراف بالموقع الحالي لكل قطعة وتحديد الخطوة الأكثر منطقية في تلك اللحظة.

لم يكن الكمبيوتر يتابع التحركات المستقبلية المحتملة من قبل الخصم أو يحاول وضع القطع الخاصة به في وضع أفضل. كان يُنظر إلى كل منعطف على أنه واقعه الخاص، ومنفصل عن أي حركة أخرى تم القيام بها مسبقًا.

كما أن برنامج AlphaGo من Google غير قادر على تقييم الحركات المستقبلية ولكنه يعتمد على شبكته العصبية الخاصة لتقييم تطورات اللعبة الحالية، مما يمنحها ميزة على Deep Blue في لعبة أكثر تعقيدًا. كما تفوق AlphaGo على المنافسين العالميين في اللعبة، حيث هزم بطل Go لي سيدول في عام 2016.

2. الذاكرة المحدودة – Limited Memory.

الذاكرة المحدودة للذكاء الاصطناعي القدرة على تخزين البيانات والتنبؤات السابقة عند جمع المعلومات وتقييم القرارات المحتملة – بشكل أساسي البحث في الماضي بحثًا عن أدلة حول ما قد يحدث بعد ذلك.

كما أن الذاكرة المحدودة تجعل الذكاء الاصطناعي أكثر تعقيدًا ويوفر إمكانيات أكبر من الأجهزة التفاعلية.

يتم إنشاء الذكاء الاصطناعي ذو الذاكرة المحدودة عندما يقوم فريق باستمرار بتدريب نموذج في كيفية تحليل واستخدام البيانات الجديدة أو بناء بيئة الذكاء الاصطناعي بحيث يمكن تدريب النماذج وتجديدها تلقائيًا.

عند استخدام الذكاء الاصطناعي ذو الذاكرة المحدودة في تعلم الآلة ML، يجب اتباع ست خطوات:

• إنشاء بيانات التدريب.

• إنشاء نموذج التعلم الآلي.

• التأكد من أن النموذج يمكنه عمل تنبؤات.

• التأكد من أن النموذج يمكن أن يتلقى ردود فعل بشرية أو بيئية.

• تخزين الملاحظات البشرية والبيئية كبيانات.

• تكرار الخطوات أعلاه كدورة.

3. نظرية العقل – Theory of Mind.

نظرية العقل هي مجرد نظرية. لم نحقق بعد القدرات التكنولوجية والعلمية اللازمة للوصول إلى المستوى التالي من الذكاء الاصطناعي. يعتمد المفهوم على الافتراض النفسي لفهم أن الكائنات الحية الأخرى لديها أفكار وعواطف تؤثر على سلوك الذات.

فيما يتعلق بآلات الذكاء الاصطناعي، فإن هذا يعني أن الذكاء الاصطناعي يمكنه فهم كيف يشعر البشر والحيوانات والآلات الأخرى واتخاذ القرارات من خلال التفكير الذاتي والتصميم، ثم استخدام هذه المعلومات لاتخاذ قراراتهم بأنفسهم.

بشكل أساسي، يجب أن تكون الآلات قادرة على استيعاب مفهوم “العقل” ومعالجته، وتقلبات المشاعر في عملية صنع القرار وسلسلة من المفاهيم النفسية الأخرى في الوقت الفعلي، مما يؤدي إلى إنشاء علاقة ثنائية الاتجاه بين الناس والذكاء الاصطناعي.

4. الوعي الذاتي – Self Awareness.

بمجرد أن يتم إنشاء نظرية العقل، في وقت ما في مستقبل الذكاء الاصطناعي، فإن الخطوة الأخيرة ستكون أن يصبح الذكاء الاصطناعي مدركًا لذاته.

يمتلك هذا النوع من الذكاء الاصطناعي وعيًا على مستوى الإنسان ويفهم وجوده في العالم، بالإضافة إلى وجود الآخرين وحالتهم العاطفية. سيكون قادرًا على فهم ما قد يحتاجه الآخرون ليس فقط على أساس ما يوصلونه إليهم ولكن كيف ينقلونه.

يعتمد الوعي الذاتي في الذكاء الاصطناعي على كل من فهم الباحثين البشريين لفرضية الوعي ثم تعلم كيفية تكرار ذلك بحيث يمكن بناؤه في الآلات.

أمثلة على الذكاء الاصطناعي.

تتخذ تقنية الذكاء الاصطناعي أشكالًا عديدة، من روبوتات المحادثة إلى تطبيقات الملاحة وأجهزة تتبع اللياقة البدنية القابلة للارتداء. كما توضح الأمثلة أدناه اتساع نطاق تطبيقات الذكاء الاصطناعي المحتملة.

1. روبوتات الدردشة.

ChatGPT عبارة عن روبوت محادثة ذكاء اصطناعي قادر على إنتاج محتوى مكتوب في مجموعة من التنسيقات، من المقالات إلى التعليمات البرمجية والإجابات على الأسئلة البسيطة.

تم إطلاق ChatGPT في نوفمبر 2022 بواسطة OpenAI، وهو مدعوم بنموذج لغة كبير يسمح لها بمحاكاة الكتابة البشرية عن كثب.

2. خرائط جوجل.

تستخدم خرائط Google بيانات الموقع من الهواتف الذكية، بالإضافة إلى البيانات التي أبلغ عنها المستخدم حول أشياء مثل البناء وحوادث السيارات، لمراقبة مدّ وجذر حركة المرور وتقييم المسار الأسرع.

3. المساعدين الأذكياء.

يستخدم المساعدون الشخصيون مثل Siri و Alexa و Cortana معالجة اللغة الطبيعية، أو NLP، لتلقي تعليمات من المستخدمين لضبط التذكيرات والبحث عن المعلومات عبر الإنترنت والتحكم في الأضواء في منازل الأشخاص.

كما أنه في كثير من الحالات، تم تصميم هؤلاء المساعدين لمعرفة تفضيلات المستخدم وتحسين تجربتهم بمرور الوقت من خلال اقتراحات أفضل واستجابات أكثر تخصيصًا.

4. مرشحات سناب شات.

تستخدم مرشحات أو فلاتر Snapchat خوارزميات ML للتمييز بين موضوع الصورة والخلفية، وتتبع حركات الوجه وضبط الصورة على الشاشة بناءً على ما يفعله المستخدم.

5. السيارات ذاتية القيادة.

السيارات ذاتية القيادة هي مثال واضح للتعلم العميق، لأنها تستخدم شبكات عصبية عميقة لاكتشاف الأشياء من حولها، وتحديد بعدها عن السيارات الأخرى، وتحديد إشارات المرور وأكثر من ذلك بكثير.

6. الأجهزة القابلة للارتداء.

تطبق أجهزة الاستشعار والأجهزة القابلة للارتداء المستخدمة في صناعة الرعاية الصحية أيضًا التعلم العميق لتقييم الحالة الصحية للمريض. بما في ذلك مستويات السكر في الدم وضغط الدم ومعدل ضربات القلب.

يمكنهم أيضًا اشتقاق أنماط من البيانات الطبية السابقة للمريض واستخدامها لتوقع أي ظروف صحية في المستقبل.

إقرأ أيضاً… فوائد ومميزات الذكاء الاصطناعي في الرعاية الصحية.

فوائد الذكاء الاصطناعي.

للذكاء الاصطناعي العديد من الاستخدامات – من تعزيز تطوير اللقاح إلى أتمتة الكشف عن الاحتيال المحتمل. جمعت شركات الذكاء الاصطناعي 66.8 مليار دولار من التمويل في عام 2022. وفقًا لأبحاث سي بي إنسايتس، أكثر من ضعف المبلغ الذي تم جمعه في عام 2020. وبسبب اعتماده سريع الخطى، أحدث الذكاء الاصطناعي موجات في مجموعة متنوعة من الصناعات.

1. خدمات مصرفية أكثر أمانًا.

وجد تقرير Business Insider Intelligence لعام 2022 عن الذكاء الاصطناعي في الخدمات المصرفية أن أكثر من نصف شركات الخدمات المالية تستخدم بالفعل حلول الذكاء الاصطناعي لإدارة المخاطر وتوليد الإيرادات.

كما يمكن أن يؤدي تطبيق الذكاء الاصطناعي في الأعمال المصرفية إلى توفير ما يزيد عن 400 مليار دولار.

2. خدمات طبية أفضل.

بالنسبة للطب، أشار تقرير لمنظمة الصحة العالمية لعام 2021 إلى أنه في حين أن دمج الذكاء الاصطناعي في مجال الرعاية الصحية يأتي مع تحديات، فإن التكنولوجيا “تحمل وعدًا كبيرًا”، حيث يمكن أن تؤدي إلى فوائد مثل السياسة الصحية الأكثر استنارة والتحسينات في دقة تشخيص المرضى.

3. وسائل الإعلام المبتكرة.

لقد ترك الذكاء الاصطناعي بصماته على الترفيه. تشير التقديرات إلى أن السوق العالمية للذكاء الاصطناعي في وسائل الإعلام والترفيه ستصل إلى 99.48 مليار دولار بحلول عام 2030. من قيمة 10.87 مليار دولار في عام 2021، وفقًا لـ Grand View Research.

يشمل هذا التوسع استخدامات الذكاء الاصطناعي مثل التعرف على الانتحال وتطوير رسومات عالية الدقة.

تحديات وقيود الذكاء الاصطناعي.

بينما يُنظر إلى الذكاء الاصطناعي بالتأكيد على أنه أصل مهم وسريع التطور. فإن هذا المجال الناشئ يأتي مع نصيبه من الجوانب السلبية.

الذكاء الاصطناعي هو نعمة لتحسين الإنتاجية والكفاءة مع تقليل احتمالية حدوث خطأ بشري في نفس الوقت. ولكن هناك أيضًا بعض العيوب، مثل تكاليف التطوير وإمكانية أن تحل الآلات المؤتمتة محل الوظائف البشرية.

ومع ذلك، تجدر الإشارة إلى أن صناعة الذكاء الاصطناعي ستوفر فرص عمل أيضًا – بعضها لم يتم اختراعه بعد.

مستقبل الذكاء الاصطناعي.

عندما يفكر المرء في التكاليف الحسابية والبنية التحتية للبيانات التقنية التي تعمل خلف الذكاء الاصطناعي، فإن التنفيذ الفعلي على الذكاء الاصطناعي هو عمل معقد ومكلف.

لحسن الحظ، حدثت تطورات هائلة في تكنولوجيا الحوسبة، كما هو مبين في قانون مور. الذي ينص على أن عدد الترانزستورات على الرقاقة الدقيقة يتضاعف كل عامين تقريبًا بينما تنخفض تكلفة أجهزة الكمبيوتر إلى النصف.

على الرغم من أن العديد من الخبراء يعتقدون أن قانون مور من المحتمل أن ينتهي في وقت ما في عشرينيات القرن العشرين. فقد كان لهذا تأثير كبير على تقنيات الذكاء الاصطناعي الحديثة – وبدون ذلك، سيكون التعلم العميق غير وارد من الناحية المالية.

وجدت الأبحاث الحديثة أن ابتكار الذكاء الاصطناعي قد تفوق في الواقع على قانون مور، حيث تضاعف كل ستة أشهر أو نحو ذلك مقابل عامين.

من خلال هذا المنطق، كانت التطورات التي حققها الذكاء الاصطناعي في مجموعة متنوعة من الصناعات كبيرة على مدار السنوات العديدة الماضية. كما يبدو أن احتمال حدوث تأثير أكبر خلال العقود العديدة القادمة أمر لا مفر منه.