الذكاء الاصطناعي: مقدمة وأنواعه
إيفلين كلارك
⚡ ملخص ذكي
يُمكّن الذكاء الاصطناعي الآلات من أداء وظائف معرفية كالإدراك والتعلم والاستدلال وحل المشكلات، تمامًا كالبشر. يتناول هذا الدليل تعريف الذكاء الاصطناعي وتاريخه وأهدافه وفروعه وأنواعه، ويشرح كيف يختلف عن التعلم الآلي، ولماذا يشهد ازدهارًا كبيرًا اليوم.
ما هو الذكاء الاصطناعي (AI)؟
AI (الذكاء الاصطناعي) الذكاء الاصطناعي هو قدرة الآلة على أداء الوظائف الإدراكية كما يفعل البشر، مثل الإدراك والتعلم والاستدلال وحل المشكلات. ويُعتبر المستوى البشري معيارًا أساسيًا للذكاء الاصطناعي من حيث الاستدلال والكلام والرؤية.
في هذا الدرس التعليمي عن الذكاء الاصطناعي، ستتعلم أساسيات الذكاء الاصطناعي التي تم تناولها في الأقسام أدناه.
كيف يخلق الذكاء الاصطناعي قيمة تجارية
يُستخدم الذكاء الاصطناعي اليوم في جميع القطاعات تقريبًا، مما يمنح الشركات التي تُدمجه على نطاق واسع ميزةً تقنيةً. ووفقًا لشركة ماكينزي، يمتلك الذكاء الاصطناعي القدرة على خلق قيمة بقيمة 600 مليار دولار في قطاع التجزئة، وتحقيق قيمة إضافية بنسبة 50% في القطاع المصرفي مقارنةً بتقنيات التحليل الأخرى. أما في قطاع النقل والخدمات اللوجستية، فتصل الزيادة المحتملة في الإيرادات إلى 89%.
على سبيل المثال، إذا استخدمت مؤسسة ما الذكاء الاصطناعي لفريق التسويق لديها، فبإمكانها أتمتة المهام الروتينية المتكررة، مما يتيح لمندوبي المبيعات التركيز على بناء العلاقات وتنمية العملاء المحتملين. تقدم شركة "جونغ" خدمة تحليل المحادثات الذكية: ففي كل مرة يجري فيها مندوب مبيعات مكالمة، يقوم النظام بتسجيل المحادثة وتفريغها وتحليلها، ��يستخدم المديرون تحليلات الذكاء الاصطناعي وتوصياته لوضع استراتيجية ناجحة.
باختصار، يوفر الذكاء الاصطناعي تقنية متطورة للتعامل مع البيانات المعقدة التي لا يستطيع الإنسان معالجتها بمفرده. فهو يُؤتمت المهام المتكررة، مما يسمح للعاملين بالتركيز على المهام ذات القيمة العالية، وعند تطبيقه على نطاق واسع، فإنه يُقلل التكاليف ويزيد الإيرادات.
تاريخ الذكاء الاصطناعي
يُعدّ الذكاء الاصطناعي مصطلحًا رائجًا اليوم، لكن المصطلح ليس جديدًا. ففي عام 1956، نظّم خبراء من خلفيات مختلفة مشروعًا بحثيًا صيفيًا حول الذكاء الاصطناعي. وقاده أربعة عقول لامعة: جون مكارثي (كلية دارتموث)، ومارفن مينسكي (جامعة هارفارد)، وناثانيال روتشستر (IBM) وكلود شانون (مختبرات بيل للهواتف). إليكم نبذة تاريخية عن الذكاء الاصطناعي.
| السنة | معلم / ابتكار |
|---|---|
| 1923 | أدخلت مسرحية كارل تشابيك "روبوتات روسوم العالمية" كلمة "روبوت" إلى اللغة الإنجليزية. |
| 1943 | Foundationتم وضع s للشبكات العصبية. |
| 1945 | استخدم إسحاق أسيموف، وهو خريج جامعة كولومبيا، مصطلح "الروبوتات". |
| 1956 | استخدم جون مكارثي مصطلح "الذكاء الاصطناعي" لأول مرة، وتم عرض أول برنامج ذكاء اصطناعي قيد التشغيل. |
| 1964 | أظهرت أطروحة داني بوبرو في معهد ماساتشوستس للتكنولوجيا كيف يمكن لأجهزة الكمبيوتر أن تفهم اللغة الطبيعية. |
| 1969 | قام معهد ستانفورد للأبحاث بتطوير "شيكي"، وهو روبوت يتمتع بالقدرة على الحركة وحل المشكلات. |
| 1979 | تم بناء عربة ستانفورد، وهي أول مركبة ذاتية القيادة يتم التحكم فيها بواسطة الكمبيوتر في العالم. |
| 1990 | عروض توضيحية هامة في مجال التعلم الآلي. |
| 1997 | تغلب برنامج الشطرنج "ديب بلو" على بطل العالم غاري كاسباروف. |
| 2000 | أصبحت الحيوانات الأليفة الروبوتية التفاعلية متاحة تجارياً؛ وعرضها معهد ماساتشوستس للتكنولوجيا Kismet، وهو روبوت يعبر عن المشاعر. |
| 2006 | دخل الذكاء الاصطناعي عالم الأعمال؛ شركات مثل فيسبوك، Netflixوبدأ موقع تويتر باستخدامه. |
| 2012 | Google أطلق "Google الآن"، Android ميزة تقديم التوقعات. |
| 2018 | IBMناقش برنامج "Project Debater" مواضيع معقدة مع مناظرين بارعين وقدم أداءً استثنائياً. |
أهداف الذكاء الاصطناعي
تتمثل الأهداف الرئيسية للذكاء الاصطناعي فيما يلي:
- تقليل الوقت اللازم لأداء مهام محددة.
- اجعل التفاعل بين البشر والآلات أسهل.
- تسهيل التفاعل بين الإنسان والحاسوب بشكل أكثر طبيعية وكفاءة.
- تحسين دقة وسرعة التشخيصات الطبية.
- ساعد الناس على تعلم المعلومات الجديدة بسرعة أكبر.
- تحسين التواصل بين البشر والآلات.
المجالات الفرعية للذكاء الاصطناعي
فيما يلي أهم المجالات الفرعية للذكاء الاصطناعي.
تعلم آلة: فن دراسة الخوارزميات التي تتعلم من الأمثلة والتجارب. يعتمد هذا الفن على تحديد الأنماط في البيانات واستخدامها للتنبؤات المستقبلية. على عكس القواعد المبرمجة مسبقًا، تتعلم الآلة القواعد بنفسها.
تعلم عميق: مجال فرعي من مجالات التعلم الآلي يستخدم طبقات متعددة للتعلم من البيانات. عمق النموذج هو عدد الطبقات التي يحتويها؛ على سبيل المثال، Googleيحتوي نموذج LeNet الخاص بـ 's للتعرف على الصور على 22 طبقة.
معالجة اللغات الطبيعية (NLP): فرع من فروع الذكاء الاصطناعي يمكّن الآلات من قراءة اللغة البشرية وفهمها وإنتاجها. وهو يدعم تطبيقات مثل برامج الدردشة الآلية والترجمة وتحليل المشاعر والتعرف على الكلام.
النظم الخبيرة: نظام تفاعلي وموثوق لاتخاذ القرارات يعتمد على الحاسوب، ويستخدم الحقائق والأساليب الاستدلالية لحل المشكلات المعقدة ضمن مجال محدد. ويهدف إلى حل أصعب المشكلات في ذلك المجال.
المنطق الضبابي: منطق متعدد القيم حيث يمكن أن تكون قيم الحقيقة أي عدد حقيقي بين 0 و 1. وهو يتعامل مع مفهوم الحقيقة الجزئية في الحالات التي لا تكون فيها العبارة صحيحة تمامًا ولا خاطئة تمامًا.
أنواع الذكاء الاصطناعي
يمكن تصنيف الذكاء الاصطناعي بطريقتين - حسب القدرة وحسب التقنية.
حسب القدرة:
- ذكاء اصطناعي ضيق: يؤدي مهمة واحدة مخصصة بذكاء، مثل وضع علامات على الصور أو المساعدين الصوتيين.
- الذكاء الاصطناعي العام: يستطيع أداء أي مهمة فكرية بكفاءة الإنسان (لا يزال ذلك نظرياً).
- الذكاء الاصطناعي الفائق: مستوى افتراضي تتفوق فيه الآلات على الذكاء البشري.
حسب التقنية:
- الذكاء الاصطناعي القائم على القواعد: يطبق مجموعة من القواعد المحددة مسبقًا على مجموعة بيانات الإدخال لإنتاج مخرجات مقابلة.
- الذكاء الاصطناعي القائم على شجرة القرار: يشبه الذكاء الاصطناعي القائم على القواعد ولكنه يسمح بالتفرع والبحثping لتقييم الخيارات المختلفة.
- الشبكات العصبية: نماذج متعددة الطبقات مستوحاة من الدماغ البشري تتعلم أنماطًا معقدة من البيانات، وتدعم الروبوتات بقدرات التفكير والتخطيط والتعلم.
الذكاء الاصطناعي مقابل التعلم الآلي
كثيراً ما يُستخدم مصطلحا الذكاء الاصطناعي والتعلم الآلي بشكل متبادل، لكنهما ليسا متطابقين. فالذكاء الاصطناعي هو علم تدريب الآلات على أداء مهام بشرية، وقد صِيغ هذا المصطلح في خمسينيات القرن الماضي. أما التعلم الآلي فهو فرع من فروع الذكاء الاصطناعي، حيث تتعلم الآلة الأنماط من البيانات بدلاً من برمجتها بشكل صريح.
| البعد | الذكاء الاصطناعي | تعلم آلة |
|---|---|---|
| مجال | علم واسع النطاق لمحاكاة الذكاء البشري | مجموعة فرعية من الذكاء الاصطناعي تركز على التعلم من البيانات |
| الهدف | محاكاة التفكير البشري واتخاذ القرارات | ابحث عن الأنماط وقم بالتنبؤات |
| النهج | القواعد والمنطق والتعلم مجتمعة | التدريب القائم على البيانات مع أمثلة |
| مثال | نظام السيارة ذاتية القيادة | نموذج التعرف على الصور الموجود بداخله |
يمكنك أيضًا قراءة الفرق بين التعلم العميق، والتعلم الآلي، والذكاء الاصطناعي.
أين يُستخدم الذكاء الاصطناعي؟ أمثلة
للذكاء الاصطناعي تطبيقات واسعة النطاق في مختلف الصناعات.
- التخلص من المهام المتكررة: يمكن للذكاء الاصطناعي تكرار مهمة ما باستمرار دون تعب، وهو غير مبالٍ بالعمل الذي يقوم به.
- تحسين المنتجات الحالية: تُضيف الشركات الذكاء الاصطناعي لتحسين وظائف منتجاتها بدلاً من تطويرها من الصفر. على سبيل المثال، كان فيسبوك يتطلب في السابق وضع علامات يدوية على الصور؛ أما اليوم، فيقترح الذكاء الاصطناعي على الأصدقاء وضع علامات تلقائية عليهم.
يُستخدم الذكاء الاصطناعي في جميع القطاعات، من التسويق وسلاسل التوريد إلى التمويل وتصنيع الأغذية. ووفقًا لدراسة استقصائية أجرتها شركة ماكينزي، تتصدر الخدمات المالية والاتصالات عالية التقنية قائمة القطاعات الأكثر استخدامًا للذكاء الاصطناعي.
لماذا يشهد الذكاء الاصطناعي ازدهاراً كبيراً الآن؟
لقد وُجدت الشبكات العصبية منذ التسعينيات، بعد الورقة البحثية الرائدة ليان ليكان، لكنها أصبحت مشهورة حوالي عام 2012. ثلاثة عوامل ��اسمة تدفع طفرة الذكاء الاصطناعي اليوم.
أجهزة التبخير
على مدى العقدين الماضيين، شهدت قوة المعالجات المركزية (CPU) نموًا هائلًا، مما أتاح للمستخدمين تدريب نماذج التعلم العميق الصغيرة على أجهزة الكمبيوتر المحمولة. مع ذلك، تتطلب تطبيقات رؤية الحاسوب ونماذج التعلم العميق الكبيرة قدرة معالجة أكبر. وبفضل استثمارات شركتي NVIDIA وAMD، يتيح جيل جديد من وحدات معالجة الرسومات (GPU) الحوسبة المتوازية، حيث يتم توزيع العمل على عدة وحدات معالجة رسومات لتسريع العمليات الحسابية. على سبيل المثال، يمكن لوحدة NVIDIA TITAN X تدريب نموذج ImageNet في يومين فقط، مقارنةً بأسابيع على وحدة معالجة مركزية تقليدية. وتستخدم الشركات الكبرى مجموعات وحدات معالجة الرسومات، مثل NVIDIA Tesla K80، لخفض تكاليف مراكز البيانات وتحسين الأداء.
البيانات
التعلم العميق هو بنية النموذج، والبيانات هي السائل الذي يمنحه الحيوية. فبدون البيانات، لا يمكن إنجاز أي شيء. تُسهّل تقنيات التخزين الحديثة حفظ كميات هائلة من البيانات في مراكز البيانات، كما يُتيح الإنترنت جمع البيانات وتوزيعها لتغذية خوارزميات التعلم الآلي.
تطبيقات مثل Flickr و Instagram تحتوي هذه البيانات على ملايين الصور المصنفة التي تُمكّن الشبكات العصبية من التعرف على الأشياء دون الحاجة إلى تصنيف يدوي. يُعدّ الذكاء الاصطناعي المُدمج مع البيانات بمثابة كنز ثمين، فالشركة التي تمتلك أكبر قدر من البيانات تتمتع بميزة تنافسية. يُنتج العالم حوالي 2.2 إكسابايت (2.2 مليار جيجابايت) من البيانات يوميًا، وتُساعد مصادر البيانات المتنوعة النماذج على اكتشاف الأنماط والتعلم على نطاق واسع.
خوارزمية
أصبحت الأجهزة أكثر قوة من أي وقت مضى، والبيانات متاحة بسهولة، لكن الخوارزميات الأكثر دقة هي ما يجعل الشبكات العصبية موثوقة. كانت الشبكات العصبية في بداياتها عبارة عن عمليات ضرب مصفوفات بسيطة تفتقر إلى الخصائص الإحصائية المعقدة؛ ومنذ عام 2010، ساهمت الاكتشافات المذهلة في تحسينها. يستخدم الذكاء الاصطناعي خوارزميات التعلم التدريجي التي تسمح للبيانات ببرمجة نفسها، مما يمكّن الحاسوب من تعليم نفسه أداء مهام مثل اكتشاف الحالات الشاذة أو العمل كبرنامج محادثة آلي.
