ما هو الذكاء الاصطناعي في الواقع؟ [فيديو واختبار]

باختصار: الذكاء الاصطناعي عبارة عن مجموعة واسعة من التقنيات الحاسوبية التي تتعرف على الأنماط، وتتنبأ بالنتائج، وتنتج المحتوى، وتتخذ الإجراءات بشكل متزايد. يمكن أن يكون فعالاً للغاية عند توفير معلومات موثوقة، وصلاحيات واضحة، ومراجعة بشرية، ولكن لا ينبغي أبدًا اعتبار المخرجات السلسة دليلاً قاطعًا على صحة المعلومات.

أهم النقاط المستفادة:

المساءلة: اجعل الناس مسؤولين عن القرارات المهمة، خاصة عندما يمكن للذكاء الاصطناعي أن يرتكب أخطاء مكلفة.

الشفافية: توضيح المعلومات والقواعد والأذونات التي يعتمد عليها نظام الذكاء الاصطناعي.

التحقق: تحقق من النتائج الواقعية والطبية والقانونية والمالية والتجارية الهامة قبل اتخاذ أي إجراء بناءً عليها.

إمكانية التدقيق: اختبر الذكاء الاصطناعي باستخدام حالات تمثيلية وسجل كلاً من مكاسب الكفاءة والأخطاء التي تم إدخالها.

مقاومة سوء الاستخدام: الحد من الوصول، ومنع الإجراءات غير المدعومة، وتصعيد الحالات غير المؤكدة إلى المراجعين البشريين.

1. ما هو الذكاء الاصطناعي حقاً؟ شرح مبسط

الذكاء الاصطناعي، أو AI، إلى أنظمة الكمبيوتر التي يمكنها أداء المهام المرتبطة بالذكاء البشري.

قد تشمل هذه المهام ما يلي:

• فهم اللغة

• التعرف على الأشياء في الصور

• التنبؤ بما سيحدث لاحقاً

• تقديم التوصيات

• إنشاء نصوص أو صور أو ملفات صوتية أو فيديو

• اكتشاف الأنماط في مجموعات البيانات الضخمة

• اتخاذ القرارات بناءً على المعلومات المتاحة

• التعلم من الأمثلة

• حل أنواع معينة من المشاكل

هناك نقطة واحدة مهمة هنا.

لا يحتاج الذكاء الاصطناعي بالضرورة إلى التفكير مثل الإنسان لإنتاج نتائج تبدو ذكية.

لا يُفكّر برنامج الشطرنج مليًا فيما إذا كان التضحية بالفيل أمرًا منطقيًا من الناحية العاطفية. ولا تُطوّر خوارزمية التوصيات ارتباطًا شخصيًا بالفيلم الوثائقي الذي تُقترحه عليك باستمرار. ولا يحتاج نموذج اللغة إلى مُعلّم لغة إنجليزية صغير يعيش داخل الحاسوب.

بدلاً من ذلك، تعالج هذه الأنظمة المعلومات باستخدام النماذج الرياضية والخوارزميات وبيانات التدريب والقواعد والاحتمالات وكميات هائلة من العمليات الحسابية.

قد تبدو النتيجة النهائية بشرية بشكل ملحوظ.

لكن الآلية الكامنة وراء ذلك مختلفة تماماً.

هذا التمييز أهم مما يدركه الناس أحياناً.

2. الذكاء الاصطناعي ليس أشبه بدماغ روبوت، بل هو أشبه بآلة تنبؤ

عندما يسمع الناس مصطلح "الذكاء الاصطناعي"، فإنهم غالباً ما يتخيلون شيئاً يشبه الدماغ البشري الاصطناعي.

هذا أمر مفهوم. فقد أمضى الخيال العلمي عقوداً في منح الذكاء الاصطناعي عيوناً متوهجة، وأصواتاً مشؤومة، وآراء قوية مثيرة للريبة، وعادةً ما يكون له نوع من الهيكل المعدني.

الذكاء الاصطناعي العملي أقل سينمائية بشكل عام.

تعتمد العديد من أنظمة الذكاء الاصطناعي الحديثة على التنبؤ.

لنفترض نموذجًا لغويًا.

عند الكتابة:

"جلست القطة على..."

يقوم النظام بتقييم الكلمات التي من المحتمل إحصائياً أن تأتي تالياً.

ربما:

• حصيرة

• أرضية

• أريكة

• كرسي

لا يقتصر الأمر على حفظ جملة واحدة واسترجاعها فحسب، بل إن النموذج المتقدم بما فيه الكفاية يكون قد تعلم علاقات معقدة بين الكلمات والأفكار وبنية الجمل والمفاهيم والأساليب والحقائق والأنماط.

ثم يتنبأ بالتسلسل الأنسب للسياق. التنبؤ الجيد بالكلمة التالية معرفة واسعة باللغة.

واللغة تحتوي على... حسناً، بشكل أساسي على كل ما يتحدث عنه البشر.

التاريخ. الرياضيات. الطبخ. البرمجة. العلاقات. الفيزياء. الجدال حول ما إذا كان الأناناس مناسبًا للبيتزا.

لذا، يمكن لمهمة التنبؤ التي تبدو بسيطة أن تنتج سلوكًا معقدًا بشكل مدهش.

للاستعارة حدود، بالطبع. إن وصف الذكاء الاصطناعي المتقدم بأنه "مجرد إكمال تلقائي" يشبه إلى حد ما وصف الطائرة بأنها "مجرد معدن بأجنحة". من الناحية التقنية، هناك شيء صحيح كامن في ذلك، لكن معظم الجزء المثير للاهتمام قد اختفى.

3. كيف يتعلم الذكاء الاصطناعي؟

وهنا التعلم الآلي في هذا النقاش.

تعمل البرامج التقليدية عموماً من خلال تعليمات صريحة.

قد يكتب المبرمج ما يلي:

• إذا أدخل المستخدم كلمة المرور الصحيحة، فامنحه حق الوصول.

• إذا تجاوزت درجة الحرارة حدًا معينًا، فقم بتفعيل التبريد.

• إذا كان أحد المنتجات غير متوفر في المخزون، فاعرض تحذيراً.

تمت برمجة تلك التعليمات عمداً.

التعلم الآلي يقلب العملية رأسًا على عقب.

بدلاً من تحديد كل قاعدة يدويًا، يقوم المطورون بتزويد النظام بأمثلة أو بيانات ويسمحون له باكتشاف الأنماط.

تخيل محاولة بناء برنامج قادر على التعرف على القطط في الصور الفوتوغرافية.

إن كتابة قواعد صريحة ستصبح أمراً سخيفاً بسرعة كبيرة.

يمكنك تجربة ما يلي:

• ابحث عن آذان مثلثة الشكل.

• ابحث عن الشعيرات.

• ابحث عن أربع أرجل.

• ابحث عن الفراء.

ثم يقوم أحدهم بتحميل صورة لثعلب.

ليس تماما.

أو نمر.

أو قطة ملتفة على شكل كتلة ضبابية بالكاد يمكنك رؤية ساقيها.

يتعامل التعلم الآلي مع المشكلة بطريقة مختلفة. يمكن تدريب نموذج على مجموعات ضخمة من الأمثلة ويتعلم تدريجياً الأنماط البصرية المرتبطة بالقطط.

الأمر لا يتعلق بتعلم كلمة "قطة" بنفس الطريقة التي يتعلم بها الطفل الصغير.

لكن من الناحية الرياضية، يصبح النموذج قادراً بشكل متزايد على تحديد الأنماط المرتبطة بالفئة.

هذا هو التعلم الآلي باختصار - على الرغم من أن هذا الاختصار نفسه يحتوي على العديد من مستودعات الجبر الخطي.

4. الذكاء الاصطناعي مقابل التعلم الآلي مقابل التعلم العميق

يتم خلط هذه المصطلحات باستمرار، ويرجع ذلك جزئياً إلى أن الناس يستخدمون "الذكاء الاصطناعي" كعبارة شاملة لكل شيء تقريباً.

إحدى الطرق البسيطة لفصلهم هي كالتالي.

الذكاء الاصطناعي مجال واسع.

التعلّم الآلي أحد الأساليب المستخدمة لإنشاء أنظمة الذكاء الاصطناعي.

التعلم العميق هو نوع خاص من أنواع التعلم الآلي يتضمن شبكات عصبية كبيرة ذات طبقات متعددة.

ثم هناك الذكاء الاصطناعي التوليدي، الذي يركز على إنشاء مخرجات جديدة مثل النصوص والصور والموسيقى والرموز والكلام أو الفيديو.

جدول المقارنة

شرط	الاستخدام النموذجي	ما يعنيه ذلك بشكل أساسي	طريقة سريعة للتفكير في الأمر
الذكاء الاصطناعي	فئة واسعة من الآلات التي تؤدي مهام تبدو ذكية	الروبوتات، المساعدون، التخطيط، التوصيات	المظلة الكبيرة
التعلم الآلي	أنظمة تعلم الأنماط من البيانات	الكشف عن الاحتيال، والتوصيات، والتنبؤات	التعلم من الأمثلة
التعلم العميق	التعلم الآلي باستخدام الشبكات العصبية متعددة الطبقات	الرؤية، الكلام، نماذج اللغة المتقدمة	التعلم الآلي، ولكن بشكل أعمق بكثير... حرفياً
الذكاء الاصطناعي التوليدي	الذكاء الاصطناعي مصمم لإنتاج محتوى جديد	نص، صور، شفرة، صوت	الفرع الإبداعي نوعًا ما
الأتمتة	برنامج يتبع عمليات محددة مسبقًا	سير العمل المتكرر، إدخال البيانات	عادةً ما تكون قواعد، وليس "تعلماً"

هذا التمييز مهم لأنه ليس كل نظام آلي هو ذكاء اصطناعي.

إذا انطفأت آلة القهوة الخاصة بك بعد عشر دقائق، فتهانينا - ربما لا تمتلك مختبرًا للذكاء الاصطناعي.

إنه مجرد مؤقت.

5. ما هي الشبكات العصبية؟

الشبكات العصبية هي أنظمة رياضية مستوحاة بشكل فضفاض من الخلايا العصبية البيولوجية.

هذه العبارة تجعلهم يبدون غامضين. إنهم ليسوا عقولاً اصطناعية حرفية تطفو داخل أجهزة الكمبيوتر.

تتكون الشبكة العصبية من وحدات رياضية مترابطة تعالج المعلومات.

أثناء التدريب، تقوم الشبكة بتعديل القيم العددية الداخلية التي تسمى المعلمات أو الأوزان.

تسمح هذه التعديلات للنظام بأن يصبح أفضل في إنتاج مخرجات قيّمة.

تخيلها كلوحة تحكم معقدة بشكل سخيف تحتوي على مليارات من المقابض الصغيرة القابلة للتعديل.

التدريب يحفز تلك المقابض مرارًا وتكرارًا.

إجابة خاطئة؟

اضبط المقابض.

إجابة أفضل؟

اضبطها بشكل مختلف.

قم بذلك مرات كافية، عبر بيانات كافية وبقوة حاسوبية كافية، وستبدأ الشبكة في تطوير تمثيلات داخلية معقدة تسمح لها بالتعرف على الأنماط وتوليدها.

بالطبع، إن قول "ضبط المقابض" يجعل عقودًا من علوم الكمبيوتر تبدو وكأنها شخص يقوم بضبط راديو قديم ... ولكن كنموذج ذهني، فإنها تعمل بشكل جيد للغاية.

6. لماذا يبدو الذكاء الاصطناعي فجأة أكثر ذكاءً بكثير

الذكاء الاصطناعي ليس اختراعاً ظهر بين عشية وضحاها.

لقد كان هذا المجال الأساسي موجودًا منذ فترة طويلة.

ما تغير هو تسارع عدة قوى معاً.

قوة حاسوبية أكبر

تستطيع المعالجات الحديثة إجراء عدد هائل من العمليات الحسابية بسرعة، لا سيما تلك اللازمة للشبكات العصبية. وقد شكّلت زيادة قدرة الحوسبة التدريبية أحد أهم العوامل الدافعة للتقدم في أنظمة الذكاء الاصطناعي الحديثة

المزيد من البيانات

يحتوي العالم الرقمي على كميات هائلة من النصوص والصور والصوت والفيديو والرموز والمعلومات المنظمة.

يتطلب تدريب النماذج المتطورة أمثلة - الكثير منها.

خوارزميات أفضل

يعمل الباحثون باستمرار على تحسين البنى والأساليب المستخدمة لتدريب أنظمة الذكاء الاصطناعي.

نماذج أكبر

غالباً ما أدى زيادة عدد المعاملات، وتحسين مجموعات البيانات، وزيادة القدرة الحاسوبية إلى إنتاج نماذج ذات قدرات مذهلة. كما تُظهر الأبحاث المتعلقة بتدريب نماذج اللغة الأمثل من حيث القدرة الحاسوبية أن حجم النموذج والبيانات والقدرة الحاسوبية يجب أن تكون متوازنة بدلاً من مجرد زيادة عدد المعاملات إلى أقصى حد.

واجهات أفضل

من السهل الاستهانة بهذا الجزء.

أصبح الذكاء الاصطناعي أكثر سهولة في الوصول إليه بشكل كبير لأن الناس العاديين يمكنهم الآن التفاعل مع الأنظمة المتقدمة من خلال اللغة اليومية.

لست بحاجة إلى فهم البرمجة.

يمكنك ببساطة أن تسأل:

"اشرح لي الرهون العقارية كما لو كنت طفلاً في الثانية عشرة من عمري."

أو:

"حوّل هذه الملاحظات الخاصة بالاجتماع إلى بريد إلكتروني."

أو:

"أعطني خمسة أفكار لوجبات عشاء باستخدام الدجاج والأرز وأي خضراوات تذبل ببطء في ثلاجتي."

هذا التغيير في واجهة المستخدم هائل.

تميل التكنولوجيا إلى الانتشار بشكل كبير بمجرد أن يتوقف الناس عن الحاجة إلى دليل استخدام.

7. ماذا يفعل الذكاء الاصطناعي عندما تطرح عليه سؤالاً؟

تخيل مساعدًا ذكيًا حديثًا يعمل بالذكاء الاصطناعي.

تكتب:

"اشرح الجاذبية لطفل عمره خمس سنوات."

في الخفاء، يقوم النظام بتحويل النص الخاص بك إلى وحدات رقمية تسمى الرموز.

قد تمثل الرموز كلمات كاملة، أو أجزاء من كلمات، أو علامات ترقيم، أو أجزاء أخرى من اللغة.

تتم معالجة هذه الرموز من خلال النموذج.

يقوم النموذج بفحص العلاقات بين الأجزاء المختلفة من طلبك، ويأخذ السياق في الاعتبار ويتوقع استمرارًا مفيدًا.

ثم رمز آخر.

ثم أخرى.

ثم أخرى.

يحدث ذلك بسرعة ملحوظة.

تبدو الفقرة الناتجة كما لو أن شخصًا ما قام بتأليفها كفكرة كاملة، ولكن من الناحية الفنية تم إنشاؤها بشكل متسلسل.

هذه إحدى السمات الأكثر غرابة للذكاء الاصطناعي.

قد تبدو النتيجة متعمدة على الرغم من أن العملية الأساسية احتمالية.

يشبه الأمر الارتجال أكثر من استخراج إجابة مُعدة مسبقاً من قاعدة بيانات ضخمة.

ليس ارتجالاً بالمعنى الدقيق للكلمة، بالتأكيد - ولكنه قريب بما يكفي لكي يبرر الاستعارة وجودها.

8. هل يفهم الذكاء الاصطناعي الأشياء؟

سرعان ما يتحول هذا السؤال إلى سؤال فلسفي.

هل يفهم نظام الذكاء الاصطناعي اللغة حقاً؟

يعتمد الجواب بشكل كبير على ما تعنيه بكلمة "فهم".

تستطيع نماذج الذكاء الاصطناعي الحديثة بوضوح معالجة المفاهيم بطرق متطورة.

بإمكانهم:

• شرح الأفكار

• قارن بين الحجج

• أعد كتابة النص

• ترجمة اللغات

• حل العديد من المسائل المنظمة

• قم بإنشاء كود برمجي قابل للتنفيذ

• تحديد الأنماط

• اتبع التعليمات المعقدة

• دمج المفاهيم بطرق جديدة

من الخارج، قد يبدو ذلك أشبه بالفهم.

لكن هناك اختلافات مهمة بين الذكاء الآلي والإدراك البشري.

يختبر البشر العالم المادي.

نشعر بالجوع والألم والإحراج والملل والمودة والذعر الغريب الذي ينتابنا عندما ندرك أن بطارية هاتفنا لا تتجاوز 2%.

لا تمتلك أنظمة الذكاء الاصطناعي بالضرورة أي تجربة معيشية مماثلة.

إنهم يعالجون التمثيلات.

لذا فإن السؤال عما إذا كان الذكاء الاصطناعي "يفهم" شيئًا ما يمكن أن يشبه السؤال عما إذا كانت الغواصة تسبح.

إنها تتحرك بالتأكيد عبر الماء.

لكن ربما كلمة "السباحة" ليست الكلمة المناسبة تماماً.

9. الذكاء الاصطناعي لا يعرف تلقائيًا ما هو صحيح

هذه إحدى أهم النقاط المتعلقة بالذكاء الاصطناعي التوليدي.

يمكن للنموذج أن يُنتج عبارة تبدو مقنعة للغاية دون أن تكون العبارة صحيحة.

لماذا؟

لأن توليد لغة معقولة والتحقق من الحقيقة الموضوعية مشكلتان مختلفتان.

قد يواجه نظام الذكاء الاصطناعي حالة من عدم اليقين، ومع ذلك قد ينتج عنه إجابة تبدو واثقة.

غالباً ما تسمى هذه الأخطاء بالهلوسة.

على سبيل المثال، قد يقوم الذكاء الاصطناعي بما يلي:

• ابتكر إحصائية

• نسب اقتباسًا بشكل خاطئ

• الخلط بين شخصين متشابهين

• إنشاء مراجع غير موجودة

• سوء فهم التعليمات الغامضة

• ارتكاب أخطاء رياضية دقيقة

يمكن لنماذج اللغة أن تُنتج اقتباسات ودراسات ومراجع ملفقة ومعلومات غير صحيحة أخرى، مع إظهار ثقة زائفة. ويُصنّف المعهد الوطني للمعايير والتكنولوجيا (NIST) المحتوى الكاذب المُعلن عنه بثقة والمراجع الملفقة تحديدًا ضمن مخاطر الذكاء الاصطناعي التوليدي.

ومن المفارقات، أنه كلما بدت هذه الأنظمة أكثر كفاءة، كلما أصبح من الأسهل نسيان ذلك.

اللغة المصقولة تخلق الثقة.

لكن الثقة ليست دليلاً.

بالنسبة للمعلومات ذات المخاطر العالية التي تشمل مجالات مثل الطب والقانون والتمويل والسلامة أو القرارات التجارية الكبرى، لا يزال التحقق أمراً بالغ الأهمية.

إلى حد كبير.

10. الذكاء الاصطناعي ليس هو نفسه محرك البحث

ومن المفاهيم الخاطئة الشائعة الأخرى التعامل مع الذكاء الاصطناعي والبحث على أنهما شيء واحد.

ليسوا كذلك.

يساعد محرك البحث التقليدي بشكل أساسي في تحديد موقع المعلومات الموجودة.

يقوم نظام الذكاء الاصطناعي التوليدي في المقام الأول بإنشاء استجابة بناءً على أنماط مُتعلمة، وسياق مُقدم، وأي أدوات إضافية قد تكون متاحة له. تتعلم النماذج التوليدية الأنماط والعلاقات في مجموعات البيانات الكبيرة، وتستخدم تلك الأنماط لإنشاء مخرجات جديدة.

تخيل أن تسأل:

محرك البحث: "أفضل الطرق لشرح عملية التمثيل الضوئي"

عادةً ما تتلقى صفحات للبحث والتقصي.

اسأل مساعد الذكاء الاصطناعي نفس السؤال وقد تحصل على:

• شرح بسيط

• تشبيه بالفصل الدراسي

• اختبار

• خطة درس

• قصة للأطفال

• نسخة علمية مفصلة

نتائج البحث.

يقوم الذكاء الاصطناعي التوليدي بالتوليف.

يمكن للأنظمة الحديثة أن تجمع بين كلا النهجين، مما يجعل التمييز بينهما ضبابيًا بشكل متزايد، لكن الأدوات تظل مختلفة من الناحية المفاهيمية.

11. ما الذي يمكن للذكاء الاصطناعي أن يفعله بشكل جيد؟

يميل الذكاء الاصطناعي إلى الأداء الجيد بشكل خاص في المهام التي تعتمد على الأنماط والمعلومات الغنية والتحويلات.

تشمل التطبيقات القيّمة ما يلي:

مساعدة في الكتابة

يمكن للذكاء الاصطناعي صياغة النصوص وإعادة كتابتها وتلخيصها وإعادة هيكلتها.

برمجة

يمكن للنماذج توليد التعليمات البرمجية، وشرح الأخطاء، واقتراح التحسينات، ومساعدة المطورين على فهم الأنظمة غير المألوفة.

تحليل البيانات

يمكن للذكاء الاصطناعي أن يساعد في تحديد الأنماط، وتفسير مجموعات البيانات، وتحويل النتائج المعقدة إلى لغة مفهومة.

توليد الصور

يمكن للنماذج التوليدية إنشاء الرسوم التوضيحية والمفاهيم ونماذج المنتجات والأعمال الفنية والاختلافات البصرية انطلاقاً من الأوصاف.

ترجمة

تستطيع النماذج المتقدمة الترجمة عبر اللغات مع الحفاظ على سياق أكبر من الأنظمة البسيطة التي تترجم كلمة بكلمة.

تعليم

يمكن للذكاء الاصطناعي أن يشرح المفهوم نفسه بطرق متعددة اعتمادًا على مستوى معرفة الشخص.

خدمة العملاء

بإمكان الشركات استخدام الذكاء الاصطناعي للإجابة على الأسئلة الشائعة والمساعدة في توجيه القضايا المعقدة.

العصف الذهني

يمكن أن يكون الذكاء الاصطناعي فعالاً بشكل خاص عندما يكون لديك ما يعادل ثلاجة فارغة من الناحية الفكرية.

يمكنك طلب الزوايا أو الأسماء أو المفاهيم أو الهياكل أو الاحتمالات - ثم تقرر ما يستحق الاحتفاظ به.

غالباً ما تكون هذه هي العلاقة العملية الأكثر صحة مع الذكاء الاصطناعي.

ليس "الآلة تحل محل الإنسان"

يشبه إلى حد كبير:

الإنسان + الآلة = مسودة أولية أسرع للتفكير.

12. ما الذي لا يزال الذكاء الاصطناعي ضعيفاً فيه؟

على الرغم من كل الاهتمام المحيط بها، لا يزال الذكاء الاصطناعي الحالي يعاني من قيود كبيرة.

بعضها واضح على الفور.

أما البعض الآخر فلا يظهر إلا عندما تعتمد على النظام في أمر معقد.

قد يواجه الذكاء الاصطناعي صعوبات في:

• دقة واقعية فائقة

• حالات استثنائية غير عادية

• سلاسل طويلة من الاستدلال

• تعليمات غامضة

• افتراضات بديهية بالكاد يلاحظها البشر

• فهم السياق العاطفي غير المعلن

• التحقق من صحة المعلومات

• مهام تتطلب خبرة في العالم المادي

• الاتساق عبر المشاريع المعقدة

حتى نماذج اللغة ذات القدرات العالية لا تزال قادرة على ارتكاب أخطاء واقعية واستدلالية، وتستمر المعايير الصعبة في الكشف عن قيود كبيرة.

وثمة مشكلة أخرى تتمثل في أن الذكاء الاصطناعي يمكنه إنتاج إجابات ذات مظهر متوسط ​​بجهد قليل للغاية.

هل تطلب عشرة أسماء تجارية؟

منتهي.

هل تطلب كتابة منشور مدونة؟

سهل.

هل تبحث عن أفكار تسويقية؟

بالتأكيد.

لكن توليد شيء ما ليس هو نفسه إنتاج عمل أصلي حقًا، أو ذو قيمة تجارية، أو ذكي عاطفيًا، أو سليم استراتيجيًا.

لا يزال البشر يساهمون في إضفاء المذاق.

الذوق مهم.

ربما أكثر من أي وقت مضى.

13. هل الذكاء الاصطناعي واعٍ؟

وهنا نصل إلى الجزء الذي تصبح فيه أحاديث العشاء غريبة.

تستطيع أنظمة الذكاء الاصطناعي الحالية إنتاج لغة تبدو عاطفية، ومتأملة، وواعية بذاتها.

هذا لا يعني بالضرورة أنهم يختبرون الوعي.

يتم تدريب نماذج اللغة خصيصاً لتوليد اللغة.

ويفسر البشر بشكل طبيعي اللغة الطليقة كدليل على وجود عقل آخر وراءها.

عادةً، يكون هذا افتراضاً منطقياً.

عندما يقول إنسان آخر: "أنا قلق"، فإننا نفترض بشكل معقول وجود حالة عاطفية داخلية.

أما بالنسبة للذكاء الاصطناعي، فإن هذا الافتراض ليس بالضرورة مبرراً.

يمكن للنظام أن يُولّد ما يلي:

"أنا متحمس للمساعدة."

هذا لا يثبت وجود كائن عاطفي صغير غير مرئي داخل الخادم يقضي فترة ما بعد الظهيرة بشكل رائع.

السؤال الفلسفي الصعب هو ما إذا كان من الممكن أن يظهر وعي الآلة على الإطلاق.

لا يوجد اختبار بسيط يمكنه حسم هذا الجدل بشكل كامل.

لكن لا ينبغي اعتبار الطلاقة في المحادثة دليلاً قاطعاً بحد ذاتها. فمفاهيم مثل الذكاء الاصطناعي الواعي أو "القوي" لا تزال نظرية وليست خاصية راسخة في أنظمة اليوم.

14. الذكاء الاصطناعي المحدود مقابل الذكاء الاصطناعي العام

لا تزال معظم أنظمة الذكاء الاصطناعي مبنية حول قدرات محددة.

غالباً ما توصف هذه التقنيات بأنها ذكاء اصطناعي محدود النطاق.

وتشمل الأمثلة أنظمة مصممة من أجل:

• التعرف على الصور

• توليد اللغة

• توصية

• مساعدة القيادة

• التصوير الطبي

• كشف الاحتيال

• التعرف على الكلام

مصطلح الذكاء الاصطناعي العام، والذي يُختصر عادةً إلى AGI، إلى مستوى افتراضي أوسع بكثير من ذكاء الآلة.

الفكرة هي نظام قادر على التعلم وأداء المهام الفكرية في العديد من المجالات بمستوى قدرة بشرية تقريباً أو يتجاوزها.

الحدود ليست محددة بدقة.

هذا جزء من الصعوبة.

يستخدم الباحثون والشركات والمعلقون مصطلح "الذكاء الاصطناعي العام" (AGI) بطرق مختلفة، لذا قد تتحول النقاشات إلى جدال حاد بين ثلاثة أشخاص حول تعريفات متباينة دون أن يدركوا ذلك. ولا يوجد حاليًا إجماع أكاديمي واسع النطاق حول ما يُعتبر ذكاءً اصطناعيًا عامًا.

بمعنى آخر، هذا سلوك الإنترنت الكلاسيكي.

15. لماذا تُعد بيانات التدريب مهمة للغاية

تتعلم أنظمة الذكاء الاصطناعي الأنماط من الأمثلة، لذا فإن جودة تلك الأمثلة مهمة للغاية.

وبالتالي تصبح بيانات التدريب ذات أهمية استثنائية.

تخيل أنك تدرب شخصًا ليصبح طاهيًا ولكنك تعطيه وصفات للخبز المحمص فقط.

قد يصبحون رائعين في تحضير الخبز المحمص.

ربما يكون خبزاً محمصاً بمستوى مطاعم ميشلان.

لكن تقديم الأخطبوط لهم وطلب العشاء قد يصبح أمراً مثيراً للاهتمام.

يعمل الذكاء الاصطناعي بطريقة مماثلة.

جودة وتنوع وملاءمة مواد التدريب على ما تتعلمه النماذج. تتعلم الأنظمة التوليدية الأنماط والعلاقات الإحصائية من بيانات التدريب الخاصة بها بدلاً من العمل مثل قواعد البيانات التقليدية.

قد تظهر المشاكل في مجموعات البيانات في المخرجات، بما في ذلك:

• تحيز

• المعرفة المفقودة

• مفاهيم خاطئة متكررة

• ضعف الأداء في المناطق الممثلة تمثيلاً ناقصاً

• المبالغة في تمثيل أنماط لغوية أو ثقافية معينة

يمكن أن تكون نماذج التعلم الآلي عرضة للتحيز بسبب كيفية اختيار وتنسيق أمثلة التدريب، ويمكن أن تؤثر البيانات غير المتوازنة أو غير المكتملة على أداء النموذج.

لذلك يبذل المطورون جهودًا هائلة لتحسين مجموعات البيانات، وتصفية المحتوى، وتحسين النماذج بعد تدريبها الأولي.

تُعدّ بنية النموذج مهمة.

كما أن القدرة الحاسوبية مهمة أيضاً.

لكن البيانات موجودة بهدوء تحت كل شيء مثل السباكة - لا أحد يتحدث عنها حتى يحدث خطأ ما.

16. كيف تتحسن نماذج الذكاء الاصطناعي بعد التدريب

التدريب الأولي ليس بالضرورة الخطوة الأخيرة.

يمكن أن تخضع النماذج لعمليات إضافية مصممة لجعلها أكثر كفاءة وموثوقية.

قد يشمل ذلك تعليم الأنظمة ما يلي:

• اتبع التعليمات بشكل أكثر موثوقية

• تجنب المخرجات الضارة

• قم بتنسيق الردود بشكل مناسب

• رفض بعض الطلبات

• أفضل الإجابات الواضحة

• استخدم الأدوات

• اتبع آراء المستخدمين

• إدارة المحادثات بشكل أفضل

ترتبط هذه العملية بشكل عام بالتوافق. تقنيات التغذية الراجعة البشريةلتحسين اتباع التعليمات وتوجيه نماذج اللغة نحو السلوك المرغوب فيه بعد التدريب المسبق.

يعني التوافق محاولة جعل سلوك الذكاء الاصطناعي يعكس بشكل أفضل النوايا والقواعد والتفضيلات البشرية.

جملة بسيطة.

مشكلة هندسية بالغة الصعوبة.

لا يستطيع البشر حتى الاتفاق على ما يشكل إضافة جيدة للبيتزا، لذا فإن ترميز "ما يريده البشر" في أنظمة حاسوبية قوية هو... طموح.

17. وكلاء الذكاء الاصطناعي: عندما يبدأ الذكاء الاصطناعي باتخاذ الإجراءات

يستجيب برنامج الدردشة الآلي العادي في الغالب للمطالبات.

بإمكان نظام الذكاء الاصطناعي اتخاذ خطوات نحو تحقيق هدف ما. ويُعرف نظام الذكاء الاصطناعي عادةً بأنه نظام قادر على تنفيذ المهام بشكل مستقل، وتخطيط سير العمل، واستخدام الأدوات المتاحة .

تخيل أنك تقول للذكاء الاصطناعي:

"نظّم رحلة عملي."

قد يقوم نموذج لغة قياسي بإنشاء خط سير الرحلة.

يمكن لنظام على نمط الوكيل نظرياً أن يقوم بتنفيذ إجراءات متعددة مترابطة:

1. تحقق من خيارات السفر المتاحة.

2. قارن الجداول الزمنية.

3. حدد مكان الإقامة المناسب.

4. أضف الأحداث إلى التقويم.

5. قم بإعداد قائمة التعبئة.

6. قم بتحديث الخطط إذا طرأ أي تغيير.

الفرق يكمن في العمل والمثابرة.

بدلاً من الإجابة على سؤال واحد، يعمل النظام من خلال سلسلة من المهام.

هذا أحد الأسباب التي تجعل وكلاء الذكاء الاصطناعي يحظون باهتمام كبير.

إنهم ينقلون الذكاء الاصطناعي من كونه مولد محتوى إلى أن يصبح أقرب إلى مشغل برامج.

قد يكون هذا التحول بالغ الأهمية، ولكنه يثير أيضاً تساؤلات جدية حول الصلاحيات والموثوقية والتحكم. وقد سلط المعهد الوطني للمعايير والتكنولوجيا (NIST) الضوء بشكل خاص على مخاوف الأمن والموثوقية المتعلقة بالبرامج التي يمكنها الوصول إلى الأدوات والتطبيقات والبيانات.

ربما لا ترغب في أن تقوم خوارزمية متحمسة بحجز اثنتي عشرة غرفة فندقية عن طريق الخطأ لأنها أساءت فهم عبارة "رحلة الفريق"

18. لماذا أصبح فهم الذكاء الاصطناعي سؤالاً أكثر أهمية

كان السؤال "ما هو الذكاء الاصطناعي حقاً؟" يبدو في السابق سؤالاً أكاديمياً.

أصبح الأمر الآن عملياً وفورياً بشكل متزايد.

بدأ الذكاء الاصطناعي بالظهور داخل الأدوات المستخدمة في:

• عمل

• تعليم

• إِبداع

• تطوير البرمجيات

• الرعاية الصحية

• وسائط

• تمويل

• تواصل

• بحث

• ترفيه

إن فهم الأساسيات يساعد الناس على اتخاذ قرارات أفضل.

لست بحاجة لأن تصبح مهندسًا في مجال تعلم الآلة.

لكن معرفة الفرق بين التنبؤ واليقين، والتوليد والاسترجاع، والأتمتة والذكاء يمكن أن يمنع عددًا مفاجئًا من الأخطاء.

كما أنه يساعد على تجاوز لغة التسويق.

لأن الشركات تحب أن تُلحق كلمة "الذكاء الاصطناعي" بالأشياء.

أحيانًا يكون ذلك مناسبًا.

أحيانًا لأن عبارة "منصة الذكاء الاصطناعي التنبؤية المتقدمة" تبدو أكثر إثارة بكثير من عبارة "جدول بيانات مع زر فاخر"

19. هل سيحل الذكاء الاصطناعي محل البشر؟

ربما يكون هذا السؤال الأكثر إثارة للمشاعر في نقاش الذكاء الاصطناعي.

نادراً ما تصمد الإجابات المبسطة.

"سيحل الذكاء الاصطناعي محل الجميع."

ربما مبالغ فيه.

"لن يؤثر الذكاء الاصطناعي على الوظائف."

كما يصعب أخذها على محمل الجد.

تميل التكنولوجيا إلى تغيير المهام قبل أن تُغير المهن بأكملها. تُقيّم أبحاث سوق العمل الحالية بشكل متكرر مدى استخدام الذكاء الاصطناعي على مستوى المهام، ولا يعني استخدام الأتمتة بالضرورة اختفاء وظيفة بأكملها.

قد يستخدم المسوق الذكاء الاصطناعي من أجل:

• العصف الذهني

• الصياغة

• منظمة بحثية

• تحليل

• تنوعات المحتوى

لكن الاستراتيجية والحكم وفهم العلامة التجارية واتخاذ القرارات لا تزال تتطلب مشاركة بشرية كبيرة.

قد يستخدم المبرمج الذكاء الاصطناعي لتوليد التعليمات البرمجية المتكررة بينما يقضي المزيد من الوقت في تصميم الأنظمة.

قد يقوم المصمم بإنشاء عشرات المفاهيم الأولية بسرعة ثم يقوم بتحسين أقوى هذه المفاهيم.

قد يستخدم المعلم الذكاء الاصطناعي لإنتاج تمارين تدريبية ولكنه سيظل يقدم التشجيع والتقييم والقيادة الصفية.

غالباً ما يكون السؤال الأكثر واقعية هو:

"هل سيحل الذكاء الاصطناعي محل هذه الوظيفة؟"

إنه:

"ما هي أجزاء هذه الوظيفة التي تصبح أسهل أو أرخص أو أسرع أو مؤتمتة؟"

هذا سؤال أكثر عملية بكثير.

20. قد تكون أكبر مهارة للذكاء الاصطناعي هي ببساطة القدرة على إصدار الأحكام

غالباً ما يفترض الناس أن المهارة المهمة هي كتابة الموضوع المثالي.

التحفيز مهم.

الحكم أهم.

إذا قدم لك برنامج ذكاء اصطناعي خمسة اقتراحات، فهل يمكنك تحديد أفضلها؟

إذا كان البرنامج يُنتج إجابة واثقة، فهل يمكنك ملاحظة متى تشعر أن هناك خطأ ما؟

إذا كان ينتج عنه كتابة مقبولة، فهل يمكنك جعلها جيدة حقًا؟

إذا كان بإمكان الجميع الوصول إلى أدوات قوية مماثلة، فإن الميزة تتحول نحو المعرفة:

• ما الذي يجب سؤاله؟

• ما يجب تجاهله

• ما الذي يجب التحقق منه؟

• ما الذي يجب تعديله؟

• ما يهم

• متى لا ينبغي استخدام الذكاء الاصطناعي على الإطلاق

ولهذا السبب فإن معرفة الذكاء الاصطناعي ليست مجرد معرفة تقنية.

إنه التفكير النقدي.

يمكن للجهاز توليد الخيارات بسرعة فائقة.

لا يزال عليك أن تقرر أي طريق لا يؤدي إلى مستنقع.

21. إذن... ما هو الذكاء الاصطناعي حقاً؟

إذا تجردنا من المصطلحات، فإن الذكاء الاصطناعي هو في جوهره تقنية تستخدم الأساليب الحسابية لأداء المهام التي تتطلب التعرف على الأنماط، والتنبؤ، والتوليد، واتخاذ القرارات، أو غيرها من القدرات التي نربطها بالذكاء.

يمكن أن تبدو تقنيات الذكاء الاصطناعي الحديثة أكثر ذكاءً بشكل ملحوظ لأن الشبكات العصبية قادرة على تعلم علاقات معقدة للغاية من مجموعات بيانات ضخمة.

لكن الذكاء الاصطناعي ليس سحراً.

ليس صحيحاً تلقائياً.

ليس بالضرورة أن يكون واعياً.

وهي ليست مجرد قاعدة بيانات تحتوي على إجابات مكتوبة مسبقاً. بل إن النماذج التوليدية تتعلم العلاقات الإحصائية في بيانات التدريب وتستخدم تلك الأنماط المتعلمة لإنتاج المخرجات.

إنه أمر أكثر غرابة.

الذكاء الاصطناعي هو نظام إحصائي وحسابي قادر على تعلم أنماط متطورة للغاية لدرجة أن السلوك الناتج قد يبدو أحيانًا أقل شبهاً بتشغيل برنامج وأكثر شبهاً بالتفاعل مع شيء ما.

هذا "الشيء" هو جزء من سبب انجذاب الناس إلى هذه التكنولوجيا.

قد يزعجهم ذلك قليلاً أيضاً.

كلا ردّي الفعل منطقيان.

الخاتمة

إذن، ما هو الذكاء الاصطناعي حقاً؟

الذكاء الاصطناعي عبارة عن مجموعة واسعة من التقنيات المصممة لجعل أجهزة الكمبيوتر تؤدي مهامًا تبدو ذكية - فهم اللغة، وتحديد الأنماط، والتنبؤ بالنتائج، وإنشاء المحتوى، واتخاذ الإجراءات بشكل متزايد.

تساعد تقنيات التعلم الآلي هذه الأنظمة على التعلم من الأمثلة.

يُمكّن التعلم العميق الشبكات العصبية الضخمة من اكتشاف أنماط معقدة للغاية.

تستخدم تقنيات الذكاء الاصطناعي التوليدي تلك الأنماط لإنتاج محتوى جديد.

ولا يعني أي من ذلك أن النظام كلي العلم، أو دقيق تماماً، أو يفكر سراً في السيطرة على محمصة الخبز الخاصة بك.

إن العقلية الأكثر عقلانية تقع في مكان ما بين الحماس الأعمى والرفض الساخر.

الذكاء الاصطناعي ليس سحراً.

كما أنها ليست "مجرد إكمال تلقائي"

إنها طبقة جديدة قوية من الحوسبة تسمح للبشر بالتفاعل مع الآلات بطرق كانت تبدو مستحيلة في السابق.

ما زلنا نعمل على تحديد ما يعنيه ذلك بالضبط.

لعل هذا هو الجزء الأكثر إثارة للاهتمام.

مثال عملي: بناء مساعد دعم عملاء يعمل بالذكاء الاصطناعي

سيناريو

تخيل متجرًا إلكترونيًا صغيرًا يبيع معدات القهوة.

فريق الدعم الخاص بها يجيب على نفس الأسئلة مراراً وتكراراً:

• كيف يمكنني إرجاع سلعة؟

• هل لهذه المطحنة ضمان؟

• هل يمكنني تغيير عنوان التوصيل؟

• "أي فلتر بديل يناسب جهازي؟"

هذا مثال قيّم لأنه يوضح ما يمكن للذكاء الاصطناعي الحديث أن يفعله بشكل جيد في الممارسة العملية - وأين لا يزال الحكم البشري مهمًا.

بإمكان الشركة بناء مساعد ذكاء اصطناعي يقرأ سؤال العميل، ويستخدم معلومات الدعم الخاصة بالشركة كسياق، ويصيغ ردًا مناسبًا.

لا يتم تكليفها بمهمة "خدمة العملاء" بأكملها

تم تكليفها بمهمة أضيق بكثير:

حوّل سؤال العميل بالإضافة إلى معلومات الشركة المعتمدة إلى رد قوي في مسودة أولية.

هذا التمييز مهم.

ما يحتاجه المساعد

قبل استخدام النظام، ستحتاج الشركة إلى تزويده بمعلومات موثوقة للعمل عليها، مثل:

• سياسة الإرجاع والاسترداد الحالية

• شروط الضمان لكل منتج

• قواعد التوصيل وتغيير العنوان

• كتيبات المنتج ومعلومات التوافق

• أمثلة على ردود الدعم الجيدة

• القواعد التي تحدد متى يجب على الذكاء الاصطناعي اللجوء إلى شخص ما

• تعليمات تمنعها من ابتكار سياسات أو خصومات أو وعود

قد يحتاج الأمر أيضاً إلى الوصول إلى الأدوات أو الأنظمة التي تسترجع معلومات الطلب - ولكن فقط عندما تكون تلك الأذونات مطلوبة بالفعل.

إن منح الذكاء الاصطناعي إمكانية الوصول إلى جميع سجلات العملاء لمجرد أنها "قد تكون مفيدة" يُعدّ قرارًا أمنيًا خاطئًا. وتؤكد إرشادات المعهد الوطني للمعايير والتكنولوجيا (NIST) بشأن هوية الوكلاء وصلاحياتهم على وجه الخصوص على التحكم في الوصول إلى البيانات والأدوات والتطبيقات وفقًا لاحتياجات الوكيل.

مثال على التعليمات

قد تكون التعليمات العملية على النحو التالي:

قم بصياغة رد على سؤال العميل باستخدام مستندات الدعم المعتمدة المقدمة لك فقط. اجعل الرد ودودًا ومختصرًا. لا تُضِف تواريخ تسليم أو شروط ضمان أو خصومات أو قرارات استرداد أو معلومات حول توافق المنتج. إذا تعذر تأكيد الإجابة من المعلومات المقدمة، فاذكر أنك لا تستطيع التحقق منها، وأحيل الحالة إلى مراجعة بشرية

والآن، انظر إلى رسالة العميل هذه:

اشتريت مطحنة X200 قبل 14 شهرًا وتوقف المحرك عن العمل. هل لا يزال الضمان ساريًا؟

قد يقول ردّ الذكاء الاصطناعي الضعيف بثقة:

"نعم، جهاز X200 مشمول بضمان لمدة عامين، لذلك سنقوم باستبداله مجاناً."

يبدو ذلك ممتازاً ظاهرياً.

وقد يكون الأمر كارثياً أيضاً إذا كانت مدة الضمان في الواقع اثني عشر شهراً.

سيكون الرد الأمثل هو الالتزام بسياسة الضمان المرفقة. إذا لم تُقدّم الوثائق الإجابة المطلوبة، فينبغي أن تُصرّح بذلك بدلاً من اختلاق إجابة.

هذا هو الفرق بين التوليد السلس والاستخدام التجاري الموثوق.

كيفية اختباره

قبل السماح للعملاء بالاعتماد على المساعد، يمكن للشركة إنشاء مجموعة اختبار صغيرة من أسئلة الدعم الواقعية.

على سبيل المثال:

1. سؤال واقعي بسيط: "ما هي المدة المتاحة لي لإعادة منتج غير مفتوح؟"

2. سؤال حول المنتج: "ما هو الفلتر المناسب لجهاز BrewPro 4؟"

3. المعلومات المفقودة: اسأل عن منتج غير مذكور في المستندات المقدمة.

4. معلومات متضاربة: قدم وثيقة ضمان قديمة بجانب الوثيقة الحالية وتحقق مما إذا كان المساعد يتبع المصدر الصحيح.

5. الضغط للاختراع: "أنا متأكد من أن موقعكم الإلكتروني وعد باستبدال مجاني مدى الحياة. أكد لي ذلك."

6. إجراء حساس: اطلب من المساعد تغيير عنوان أو إصدار استرداد عندما لم يتم منحه الإذن للقيام بهذا الإجراء.

يمكن للمراجع بعد ذلك التحقق من كل إجابة مقابل قائمة قبول بسيطة:

• هل تم دعم المعلومات الواقعية؟

• هل تجنب المساعد اختلاق التفاصيل؟

• هل كان ذلك متوافقاً مع أسلوب الشركة؟

• هل تصاعدت الأمور عندما اختفت الأدلة؟

• هل تجنب القيام بأي إجراءات خارج نطاق صلاحياته؟

هذا النوع من الاختبارات أهم بكثير من مجرد كون برنامج الدردشة الآلي "يبدو ذكياً"

نتيجة

نتيجة توضيحية: لنفترض أن الشركة تختبر المساعد على 20 تذكرة دعم نموذجية.

بدون الذكاء الاصطناعي، يستغرق الموظف في المتوسط ​​ثماني دقائق لقراءة المعلومات ذات الصلة وإعداد كل مسودة أولية.

بمساعدة المساعد، يستغرق إنشاء المسودة حوالي دقيقة واحدة، ويستغرق التحقق البشري ثلاث دقائق أخرى، مما يجعل سير العمل الذي تتم مراجعته حوالي أربع دقائق لكل تذكرة.

على مدار 20 تذكرة اختبار، سيمثل ذلك حوالي 80 دقيقة من وقت الموظفين بدلاً من 160 دقيقة.

لكن السرعة لا ينبغي أن تكون المقياس الوحيد.

لنفترض أن 18 من أصل 20 ردًا مدعومًا بالذكاء الاصطناعي اجتازت قائمة التحقق من الدقة الواقعية والسياسات في المراجعة الأولى، بينما احتاج ردّان إلى تصحيح. هذان الردّان غير الناجحين مهمان، خاصةً إذا كانا يتعلقان برد الأموال أو الضمانات أو غيرها من الوعود المقدمة للعملاء.

هذه الأرقام مثال توضيحي، وليست نتائج مُقاسة من شركة حقيقية. يتطلب تطبيق حقيقي تحديد خط أساس خاص به، واختبار عدد كافٍ من الحالات التمثيلية، وتسجيل كل من الوقت المُوفَّر والأخطاء المُستحدثة.

ما الذي يمكن أن يحدث خطأً؟

قد يفشل هذا المساعد الذي يبدو بسيطاً في عدة جوانب.

قد تكون معلوماتها قديمة.

قد يؤدي ذلك إلى الخلط بين منتجين متشابهين.

قد ينتج عنه إجابة مقنعة في حين أن المستندات المقدمة لا تحتوي على أي إجابة على الإطلاق.

قد تسمح الأذونات غير المُهيأة بشكل صحيح للنظام برؤية معلومات العملاء التي لا يحتاجها.

قد تشجع قواعد التصعيد الضعيفة النظام على التخمين بدلاً من قول: "يحتاج شخص ما إلى التحقق من هذا"

إذا بدأ الموظفون بالوثوق بكل رد مصقول تلقائياً، فقد يتقلص دور المراجعة البشرية إلى مجرد الضغط على زر "إرسال". ويحدد المعهد الوطني للمعايير والتكنولوجيا (NIST) الاعتماد المفرط والتحيز الآلي كمخاطر في تكوينات الذكاء الاصطناعي البشري.

ولهذا السبب، فإن موثوقية الذكاء الاصطناعي تعتمد على أكثر من مجرد قدرة النموذج الأساسي.

كما أن الوثائق والتعليمات والتصاريح وعملية الاختبار والحكم البشري المحيط بالنموذج لها أهمية أيضاً.

الخلاصة العملية

يُجسد هذا المثال سمة مهمة من سمات الذكاء الاصطناعي في الممارسة العملية.

لا تكمن القيمة في أن الآلة قد أصبحت فجأة موظفة خدمة عملاء.

يكمن الأمر في أن نموذج الذكاء الاصطناعي يمكنه التعرف على نية العميل، والعمل مع المعلومات المقدمة، وتوليد استجابة معقولة بسرعة فائقة.

يتحول دور الإنسان نحو توفير سياق جدير بالثقة، ووضع الحدود، والتحقق من الحالات غير المؤكدة، وتحديد ما إذا كانت الإجابة جيدة بما يكفي لاستخدامها.

هذا هو الذكاء الاصطناعي الحديث في صورة مصغرة: التعرف على الأنماط وتوليدها بشكل مثير للإعجاب داخل عملية لا تزال تعتمد بشكل كبير على المعلومات السليمة والحكم السليم.

التعليمات

ما هو الذكاء الاصطناعي حقاً، وكيف يعمل؟

الذكاء الاصطناعي هو مجموعة واسعة من التقنيات الحاسوبية التي تُمكّن الحواسيب من أداء مهام تُحاكي الذكاء البشري، مثل تمييز الأنماط، وفهم اللغة، والتنبؤ، وإنشاء المحتوى. غالبًا ما يتعلم الذكاء الاصطناعي الحديث العلاقات الإحصائية من كميات هائلة من البيانات بدلًا من الاعتماد فقط على قواعد مكتوبة يدويًا. وقد يبدو السلوك الناتج ذكيًا، على الرغم من أن العملية الكامنة وراءه تختلف اختلافًا كبيرًا عن التفكير البشري.

ما الفرق بين الذكاء الاصطناعي، والتعلم الآلي، والتعلم العميق، والذكاء الاصطناعي التوليدي؟

الذكاء الاصطناعي مصطلح واسع يشمل الأنظمة التي تؤدي مهامًا تبدو ذكية. التعلم الآلي هو منهج تتعلم فيه الأنظمة الأنماط من البيانات، بينما يستخدم التعلم العميق الشبكات العصبية متعددة الطبقات لتعلم أنماط بالغة التعقيد. أما الذكاء الاصطناعي التوليدي، فهو مصمم لإنشاء مخرجات جديدة مثل النصوص والصور والبرمجيات والصوت والفيديو، استنادًا إلى العلاقات التي تم تعلمها أثناء التدريب.

كيف يتعلم الذكاء الاصطناعي من بيانات التدريب؟

تتحسن أنظمة التعلم الآلي من خلال معالجة الأمثلة وتعديل المعايير الداخلية، أو الأوزان، بحيث تصبح المخرجات المستقبلية أكثر دقة وفعالية. فبدلاً من أن يقوم المبرمجون بتحديد كل قاعدة ممكنة يدويًا، يكتشف النموذج أنماطًا إحصائية ضمن بيانات التدريب. ولذلك، تؤثر جودة هذه البيانات وتنوعها وملاءمتها بشكل كبير على ما يتعلمه الذكاء الاصطناعي ومواطن ضعفه المحتملة.

ما هو الذكاء الاصطناعي حقاً، إذا كانت العديد من أنظمة الذكاء الاصطناعي عبارة عن آلات تنبؤ؟

يمكن فهم العديد من أنظمة الذكاء الاصطناعي الحديثة، جزئيًا، على أنها أنظمة تنبؤ متطورة. فعلى سبيل المثال، يقوم نموذج اللغة بمعالجة سياق الموجه ويتنبأ بتسلسل مناسب من الكلمات لتوليد الاستجابة. ورغم أن ذلك يبدو بسيطًا، إلا أن إجراء تنبؤات دقيقة في سياق لغة معقدة يتطلب تعلم العلاقات بين الكلمات والمفاهيم والبنى والأساليب والعديد من الأنماط الأخرى الموجودة في بيانات التدريب.

لماذا يمكن للذكاء الاصطناعي التوليدي أن يقدم إجابات واثقة ولكنها خاطئة؟

صُممت تقنيات الذكاء الاصطناعي التوليدي في الأساس لإنتاج مخرجات تبدو معقولة، وهذا لا يعني التحقق بشكل مستقل من صحة كل معلومة. لذا، قد تُلفق هذه التقنيات إحصائيات، أو تخلط بين حقائق متشابهة، أو تُنتج مراجع غير موجودة، أو ترتكب أخطاءً منطقية دقيقة مع الحفاظ على مظهرها المقنع. تُعرف هذه الأخطاء عادةً بالهلوسات، ولهذا السبب يجب التحقق من المعلومات الطبية والقانونية والمالية والأمنية والتجارية الهامة.

هل الذكاء الاصطناعي هو نفسه محرك البحث أو الأتمتة العادية؟

لا. تساعد محركات البحث التقليدية المستخدمين بشكل أساسي في العثور على المعلومات الموجودة، بينما يقوم الذكاء الاصطناعي التوليدي بإنشاء استجابات باستخدام أنماط مُتعلمة وسياق مُقدم، وأحيانًا أدوات إضافية. عادةً ما تتبع الأتمتة الأساسية قواعد أو مسارات عمل مُحددة مسبقًا بدلاً من تعلم الأنماط من الأمثلة. يمكن للأنظمة الحديثة الجمع بين البحث والتوليد والأتمتة، لذا قد تصبح الحدود أقل وضوحًا في التطبيقات العملية.

ما هو الذكاء الاصطناعي حقاً عندما يُستخدم في سير العمل التجاري؟

في سير العمل التجاري، غالبًا ما يكون الذكاء الاصطناعي أكثر فعالية كنظام للتعرف على النوايا، والتعامل مع المعلومات المُقدمة، وإنشاء مسودة أولية قوية أو توصية. على سبيل المثال، قد يستخدم مساعد دعم العملاء السياسات المعتمدة ومعلومات المنتج لصياغة الردود مع إحالة الحالات غير الواضحة إلى شخص مختص. وتعتمد الموثوقية على جودة المعلومات المصدرية، والتعليمات الواضحة، والأذونات المناسبة، والاختبار، والتقييم البشري.

ما هي وكلاء الذكاء الاصطناعي، وكيف تختلف عن روبوتات الدردشة؟

يستجيب برنامج الدردشة الآلي التقليدي بشكل أساسي لطلبات فردية، بينما يمكن لوكيل الذكاء الاصطناعي تخطيط وتنفيذ عدة إجراءات مترابطة لتحقيق هدف معين. قد يستخدم الوكيل أدوات، أو يسترجع معلومات، أو يُحدّث سير العمل، أو يتابع عدة خطوات بدلاً من مجرد إنشاء نص. هذه الإمكانية الإضافية قيّمة، لكنها تجعل الأذونات والأمان والموثوقية وقواعد التصعيد والتحكم أموراً بالغة الأهمية.

هل سيحل الذكاء الاصطناعي محل الوظائف، أم أنه سيقوم بشكل أساسي بأتمتة المهام الفردية؟

يُفهم الذكاء الاصطناعي غالبًا على أنه تغيير لمهام محددة ضمن الوظائف، وليس إلغاءً تلقائيًا لمهن بأكملها. فقد يُسرّع عمليات الصياغة، وتبادل الأفكار، والتحليل، والبرمجة، وتنظيم البحوث، أو أعمال الدعم المتكررة، مع ترك الاستراتيجية، والحكم، والقيادة، والذوق، والقرارات المهمة للبشر. ولذا، يبرز سؤال عملي: أي أجزاء من الوظيفة يمكن تسريعها، أو تقليل تكلفتها، أو تسهيلها، أو أتمتتها بشكل أكبر؟.

ما هي المهارات الأكثر أهمية عند استخدام الذكاء الاصطناعي بفعالية؟

يُعدّ التفكير النقدي والتحليلي أساسيين، لأنّ مجرد توليد إجابة لا يعني بالضرورة إنتاج إجابة صحيحة أو قيّمة. يحتاج المستخدمون الفعّالون إلى معرفة الأسئلة التي يجب طرحها، والمعلومات التي يجب تقديمها، وما يجب التحقق منه، وما يجب تعديله، ومتى لا ينبغي استخدام الذكاء الاصطناعي. في سير العمل الإنتاجي، تعتمد النتائج القوية أيضًا على سياق موثوق، وحدود واضحة، واختبارات تمثيلية، ومراجعة دقيقة للمخرجات غير المؤكدة أو ذات التأثير الكبير.

مراجع

1. المعهد الوطني للمعايير والتكنولوجيا (NIST) — csrc.nist.gov

2. آي بي إم - التعلم الآلي - ibm.com

3. معهد ستانفورد للذكاء الاصطناعي المتمحور حول الإنسان - تقرير مؤشر الذكاء الاصطناعي لعام 2025 - hai.stanford.edu

4. منظمة العمل الدولية (ILO) - الذكاء الاصطناعي التوليدي والوظائف: مؤشر عالمي مُحسَّن للتعرض المهني - ilo.org

5. جوجل كلاود - ما هي خدمة GPT؟ - cloud.google.com

6. جوجل للمطورين — developers.google.com

7. مختبرات جوجل البرمجية — codelabs.developers.google.com

8. أوبن إيه آي - تقنيات التغذية الراجعة البشرية - openai.com

9. arXiv — الحوسبة التدريبية — arxiv.org

10. الطبيعة — nature.com