Publié قدم المساواة 
الذكاء الاصطناعي موجود في كل مكان: المساعدون الصوتيون، وتوصيات الأفلام، وكشف الاحتيال، وتوليد النصوص والصور. ولكن وراء هذا المصطلح تكمن آلية منطقية إلى حد كبير. ستفهم ذلك في هذه المقالة. كيف يعمل الذكاء الاصطناعيخطوة بخطوة، بدون مصطلحات فنية غير ضرورية.
ما هو الذكاء الاصطناعي؟
يشير الذكاء الاصطناعي إلى مجموعة من التقنيات التي تمكن الآلة من أداء المهام التي تتطلب عادةً ذكاءً بشريًا: التعرف على صورة، وفهم جملة، واتخاذ قرار، أو التنبؤ بنتيجة.
خلافًا للاعتقاد السائد، فإن معظم أنظمة الذكاء الاصطناعي الحالية لا "تفكر". إنها تحدد الأنماط في كميات هائلة من البيانات، ثم تستخدم تلك الأنماط لإنتاج استجابة. وهذا ما يسمى بالتعلم الآلي، أو آلة التعلم.
البيانات: وقود الذكاء الاصطناعي
يبدأ كل شيء بالبيانات. يحتاج الذكاء الاصطناعي إلى أمثلة ليتعلم: آلاف الصور للقطط للتعرف على القطط، وملايين الجمل لفهم لغة ما، أو سجلات الشراء للتوصية بمنتج ما.
تُعدّ جودة هذه البيانات بالغة الأهمية. فالبيانات غير المكتملة أو سيئة التصنيف أو المتحيزة تُنتج ذكاءً اصطناعياً غير موثوق. ولذلك، غالباً ما يُمثّل جمع البيانات وتنظيفها الجزء الأهم من العمل.
التعلم الآلي: التعلم من خلال الأمثلة
مبدأ التعلم الآلي بسيط: بدلاً من برمجة قاعدة لكل موقف، نقوم بعرض أمثلة على الخوارزمية ونتركها تستنتج القواعد بنفسها.
يمكن تمييز ثلاث فئات رئيسية بشكل عام:
- التدريب تحت الإشراف تُقدَّم أمثلة مع الإجابة الصحيحة (صورة وعنوانها "قطة"). ويتعلم الذكاء الاصطناعي ربط المدخلات بالمخرجات.
- التدريب غير خاضع للإشراف يتم توفير البيانات بدون إجابة، ويقوم الذكاء الاصطناعي بتجميع العناصر حسب التشابه.
- التعلم المعزز يتصرف الذكاء الاصطناعي، ويتلقى مكافأة أو عقوبة، ويُعدّل سلوكه لتحقيق أقصى قدر من المكاسب. هذه هي الطريقة المستخدمة في الألعاب أو الروبوتات.
الشبكات العصبية والتعلم العميق
يعتمد جزء كبير من الذكاء الاصطناعي الحديث على الشبكات العصبية الاصطناعية. وهي مستوحاة بشكل فضفاض من الدماغ، وتتكون من وحدات حسابية صغيرة، تُسمى الخلايا العصبية، منظمة في طبقات متتالية.
تستقبل كل خلية عصبية أرقامًا، وتُسند إليها وزنًا، ثم تُرسل النتيجة إلى الطبقة التالية. ومن خلال تكديس العديد من الطبقات، نحصل علىتعلم عميق (أو التعلم العميق)، القادرة على التعامل مع المشكلات المعقدة مثل التعرف على الكلام أو الترجمة.
كيف يتم تدريب النموذج؟
يتضمن التدريب تعديل أوزان الشبكة تدريجياً لتقليل أخطائها. وتتبع العملية عموماً الخطوات التالية:
- يستقبل النموذج مثالاً وينتج تنبؤاً.
- نقارن هذا التوقع بالإجابة الصحيحة ونقيس الفرق، والذي يسمى "الخطأ".
- يقوم النموذج بتعديل أوزانه لتقليل هذا الخطأ، باستخدام تقنية تسمى الانتشار العكسي.
- تتكرر هذه العملية ملايين المرات، حتى تصبح التوقعات موثوقة.
في النهاية، لا يحتوي النموذج على البيانات الأصلية، بل على تمثيل رياضي للانتظامات التي تعلمها.
الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة
تعتمد أدوات مثل مولدات النصوص أو الصور على الذكاء الاصطناعي التوليدي. على سبيل المثال، يتم تدريب نماذج اللغة الكبيرة على التنبؤ بالكلمة التالية الأكثر احتمالاً في الجملة، بناءً على مجموعات ضخمة من النصوص.
من خلال تكرار هذا التوقع كلمة بكلمة، ينتج النموذج جملًا أو ملخصات أو إجابات متماسكة. وهو لا يعتمد على قاعدة معرفية ثابتة، بل يُولّد استجابته بناءً على أنماط لغوية تعلمها أثناء التدريب.
حدود الذكاء الاصطناعي
إن فهم كيفية عمل الذكاء الاصطناعي يعني أيضاً معرفة نقاط ضعفه:
- التحيزات : يقوم الذكاء الاصطناعي بإعادة إنتاج التحيزات الموجودة في بياناته.
- أخطاء الثقة : يمكن للذكاء الاصطناعي أن يعطي إجابة خاطئة بثقة.
- غياب الحس السليم إنها تدرك الانتظام، لكنها لا تفهم العالم مثل الإنسان.
- إدمان البيانات بدون بيانات عالية الجودة، تتدهور النتائج.
الأسئلة المتداولة
هل الذكاء الاصطناعي واعٍ؟
لا. الذكاء الاصطناعي الحالي لا يمتلك وعياً ولا نوايا. إنه يحسب الاحتمالات من البيانات، دون أي خبرة شخصية.
ما الفرق بين الذكاء الاصطناعي والتعلم الآلي؟
يُعدّ التعلّم الآلي فرعاً من فروع الذكاء الاصطناعي. والذكاء الاصطناعي هو المجال العام، والتعلّم الآلي هو أحد أكثر الطرق استخداماً لتحقيقه.
هل تحتاج إلى أن تكون عالم حاسوب لاستخدام الذكاء الاصطناعي؟
لا. تتوفر العديد من الأدوات للجميع من خلال واجهة بسيطة. ومع ذلك، يتطلب تصميم وتدريب نموذج مهارات تقنية.
باختصار، يعمل الذكاء الاصطناعي من خلال استخلاص الأنماط من كميات هائلة من البيانات، ثم استخدام هذه الأنماط لإنتاج تنبؤات أو محتوى. تشكل البيانات والتعلم الآلي والشبكات العصبية جوهر هذه التقنية. إن فهم مبادئها يُمكّننا من إدراك قدراتها بشكل أفضل، وكذلك حدودها.
