ما هو الذكاء الاصطناعي؟

يظهر الذكاء الاصطناعي في كل مكان - على هاتفك، في بريدك الإلكتروني، يُحسّن الخرائط، ويكتب رسائل بريد إلكتروني كنتَ تنوي كتابتها جزئيًا. لكن ما هو الذكاء الاصطناعي ؟ باختصار: هو مجموعة من التقنيات التي تُمكّن الحواسيب من أداء مهام نربطها بالذكاء البشري، مثل التعرّف على الأنماط، والتنبؤ، وتوليد اللغة أو الصور. هذا ليس مجرد تسويق سطحي، بل هو مجال راسخ قائم على الرياضيات والبيانات والكثير من التجربة والخطأ. تُعرّف المراجع الموثوقة الذكاء الاصطناعي بأنه أنظمة قادرة على التعلّم والاستدلال والتصرف نحو تحقيق أهداف بطرق نعتبرها ذكية. [1]

مقالات قد ترغب في قراءتها بعد هذه المقالة:

🔗 ما هو الذكاء الاصطناعي مفتوح المصدر؟
فهم الذكاء الاصطناعي مفتوح المصدر، وفوائده، ونماذج الترخيص، والتعاون المجتمعي.

🔗 ما هي الشبكة العصبية في الذكاء الاصطناعي؟
تعلم أساسيات الشبكات العصبية، وأنواع بنيتها، وتدريبها، واستخداماتها الشائعة.

🔗 ما هي رؤية الحاسوب في الذكاء الاصطناعي؟
تعرف على كيفية تفسير الآلات للصور، والمهام الرئيسية، ومجموعات البيانات، والتطبيقات.

🔗 ما هو الذكاء الاصطناعي الرمزي؟
استكشف الاستدلال الرمزي، ومخططات المعرفة، والقواعد، والأنظمة العصبية الرمزية الهجينة.

ما هو الذكاء الاصطناعي: النسخة المختصرة 🧠➡️💻

الذكاء الاصطناعي عبارة عن مجموعة من الأساليب التي تُمكّن البرامج من محاكاة السلوك الذكي. فبدلاً من برمجة كل قاعدة على حدة، نقوم غالبًا بتدريب النماذج على أمثلة لتتمكن من التعميم على مواقف جديدة - مثل التعرف على الصور، وتحويل الكلام إلى نص، وتخطيط المسارات، ومساعدي البرمجة، والتنبؤ ببنية البروتين، وما إلى ذلك. وإذا كنت ترغب في تعريف موجز لتدوين ملاحظاتك: تخيّل أنظمة حاسوبية تؤدي مهامًا مرتبطة بالعمليات الفكرية البشرية، مثل الاستدلال، واكتشاف المعنى، والتعلم من البيانات. [1]

يتمثل أحد النماذج الذهنية المفيدة في هذا المجال في التعامل مع الذكاء الاصطناعي كنظم موجهة نحو تحقيق أهداف، تستشعر بيئتها وتختار الإجراءات - وهو أمر مفيد عند البدء في التفكير في حلقات التقييم والتحكم. [1]

ما الذي يجعل الذكاء الاصطناعي مفيدًا حقًا؟ ✅

لماذا اللجوء إلى الذكاء الاصطناعي بدلاً من القواعد التقليدية؟

• قوة الأنماط - النماذج ترصد الارتباطات الدقيقة عبر مجموعات البيانات الضخمة التي قد يغفل عنها البشر قبل الغداء.

• التكيف - مع المزيد من البيانات، يمكن تحسين الأداء دون إعادة كتابة جميع التعليمات البرمجية.

• السرعة على نطاق واسع - بمجرد تدريب النماذج، فإنها تعمل بسرعة وبشكل متسق حتى في الأحجام المجهدة.

• القدرة على التوليد - يمكن للأنظمة الحديثة إنتاج النصوص والصور والرموز وحتى الجزيئات المرشحة، وليس فقط تصنيف الأشياء.

• التفكير الاحتمالي - يتعاملون مع عدم اليقين بشكل أكثر سلاسة من غابات if-else الهشة.

• استخدام الأدوات - يمكنك ربط النماذج بالآلات الحاسبة أو قواعد البيانات أو البحث لزيادة الموثوقية.

• عندما لا يكون الوضع جيدًا - التحيز، والهلوسة، وبيانات التدريب القديمة، ومخاطر الخصوصية. سنصل إلى ذلك.

لنكن صريحين: أحياناً يبدو الذكاء الاصطناعي كدراجة للعقل، وأحياناً أخرى كدراجة أحادية العجلة على الحصى. وكلا الأمرين صحيح.

كيف يعمل الذكاء الاصطناعي، بالسرعة البشرية 🔧

تجمع معظم أنظمة الذكاء الاصطناعي الحديثة بين ما يلي:

1. البيانات - أمثلة على اللغة والصور والنقرات وقراءات المستشعرات.

2. الأهداف - دالة خسارة تحدد شكل "الجيد".

3. الخوارزميات - إجراء التدريب الذي يدفع النموذج لتقليل تلك الخسارة.

4. التقييم - مجموعات الاختبار، والمقاييس، وفحوصات السلامة.

5. النشر - خدمة النموذج من خلال المراقبة والسلامة والضوابط.

تقاليد رئيسية:

• الذكاء الاصطناعي الرمزي أو القائم على المنطق - قواعد صريحة، ومخططات معرفية، وبحث. ممتاز للاستدلال الرسمي والقيود.

• الذكاء الاصطناعي الإحصائي أو القائم على التعلم - نماذج تتعلم من البيانات. هذا هو مجال التعلم العميق، ومنه ينبع معظم الاهتمام المتزايد به مؤخراً؛ إذ يرسم استعراضٌ واسع الانتشار خريطةً لهذا المجال بدءاً من التمثيلات الطبقية وصولاً إلى التحسين والتعميم. [2]

في مجال الذكاء الاصطناعي القائم على التعلم، هناك بعض الركائز الأساسية المهمة:

• التعلم الخاضع للإشراف - التعلم من الأمثلة المصنفة.

• التعلم غير الخاضع للإشراف والتعلم الذاتي - تعلم البنية من البيانات غير المصنفة.

• التعلم المعزز - التعلم من خلال التجربة والتغذية الراجعة.

• النمذجة التوليدية - تعلم كيفية إنتاج عينات جديدة تبدو حقيقية.

عائلتان منتجتان ستسمع عنهما يومياً:

• المحولات - البنية الأساسية لمعظم نماذج اللغة الكبيرة. تستخدم هذه البنية آلية الانتباه لربط كل رمز بالآخر، مما يتيح التدريب المتوازي ومخرجات سلسة بشكل مدهش. إذا كنت قد سمعت من قبل عن "الانتباه الذاتي"، فهذه هي الحيلة الأساسية. [3]

• نماذج الانتشار - تتعلم هذه النماذج عكس عملية التشويش، فتنتقل من التشويش العشوائي إلى صورة أو صوت واضح. يشبه الأمر إعادة ترتيب أوراق اللعب ببطء وحذر، ولكن باستخدام حساب التفاضل والتكامل؛ وقد أظهرت الدراسات الأساسية كيفية التدريب وأخذ العينات بفعالية. [5]

إذا بدت الاستعارات مبالغًا فيها، فهذا أمر طبيعي - فالذكاء الاصطناعي هدف متحرك. جميعنا نتعلم الرقصة بينما تتغير الموسيقى في منتصف الأغنية.

حيث تلتقي بالذكاء الاصطناعي كل يوم 📱🗺️📧

• البحث والتوصيات - ترتيب النتائج، والخلاصات، والفيديوهات.

• البريد الإلكتروني والمستندات - الإكمال التلقائي، والتلخيص، وفحوصات الجودة.

• الكاميرا والصوت - إزالة الضوضاء، HDR، النسخ.

• الملاحة - التنبؤ بحركة المرور، وتخطيط المسارات.

• الدعم والخدمة - وكلاء دردشة يقومون بفرز الرسائل وصياغة الردود.

• البرمجة - اقتراحات، إعادة هيكلة، اختبارات.

• الصحة والعلوم - الفرز، ودعم التصوير، والتنبؤ بالبنية. (تعامل مع السياقات السريرية على أنها بالغة الأهمية للسلامة؛ استخدم الإشراف البشري والقيود الموثقة.) [2]

قصة قصيرة: قد يقوم فريق تطوير منتج بإجراء اختبار A/B لخطوة استرجاع المعلومات أمام نموذج لغوي؛ غالبًا ما تنخفض معدلات الخطأ لأن النموذج يعتمد على سياق أحدث وأكثر تحديدًا للمهمة بدلًا من التخمين. (الطريقة: تحديد المقاييس مسبقًا، والاحتفاظ بمجموعة اختبار، ومقارنة المطالبات المتشابهة).

نقاط القوة، والحدود، والفوضى البسيطة بينهما ⚖️

نقاط القوة

• يتعامل مع مجموعات البيانات الكبيرة والفوضوية بكفاءة عالية.

• يتوسع نطاقه ليشمل مهامًا متعددة باستخدام نفس الآلية الأساسية.

• يتعلم البنية الكامنة التي لم نقم بتصميمها يدويًا. [2]

الحدود

• الهلوسة - قد تنتج النماذج مخرجات تبدو معقولة ولكنها غير صحيحة.

• التحيز - يمكن لبيانات التدريب أن تشفر التحيزات الاجتماعية التي تقوم الأنظمة بعد ذلك بإعادة إنتاجها.

• المتانة - يمكن أن تؤدي الحالات الحدية والمدخلات المعادية وتحول التوزيع إلى تعطيل الأمور.

• الخصوصية والأمان - قد تتسرب البيانات الحساسة إذا لم تكن حذرًا.

• إمكانية التفسير - لماذا قيل ذلك؟ أحيانًا يكون الأمر غير واضح، مما يُحبط عمليات التدقيق.

توجد إدارة المخاطر لتجنب الفوضى: إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا إرشادات عملية وطوعية لتحسين الموثوقية في جميع مراحل التصميم والتطوير والنشر - فكر في تحديد المخاطر وقياسها وإدارة الاستخدام من البداية إلى النهاية. [4]

قواعد الطريق: السلامة، والحوكمة، والمساءلة 🛡️

بدأت اللوائح والإرشادات تواكب الممارسات العملية:

• النهج القائمة على المخاطر - تواجه الاستخدامات ذات المخاطر العالية متطلبات أكثر صرامة؛ فالتوثيق وإدارة البيانات والتعامل مع الحوادث أمور بالغة الأهمية. وتؤكد الأطر العامة على الشفافية والإشراف البشري والمراقبة المستمرة. [4]

• الفروق الدقيقة في القطاعات - تتطلب المجالات الحساسة للسلامة (مثل الصحة) تدخلاً بشرياً وتقييماً دقيقاً؛ ولا تزال الأدوات ذات الأغراض العامة تستفيد من وثائق واضحة حول الاستخدام المقصود والقيود. [2]

لا يتعلق الأمر هنا بكبح الابتكار؛ بل يتعلق بعدم تحويل منتجك إلى آلة صنع الفشار في مكتبة... وهو أمر يبدو ممتعاً حتى يصبح غير ذلك.

أنواع الذكاء الاصطناعي في الممارسة العملية، مع أمثلة 🧰

• الإدراك - الرؤية، الكلام، دمج الحواس.

• اللغة - الدردشة، الترجمة، التلخيص، الاستخراج.

• التنبؤ - التنبؤ بالطلب، وتقييم المخاطر، واكتشاف الحالات الشاذة.

• التخطيط والتحكم - الروبوتات، والخدمات اللوجستية.

• توليد - صور، صوت، فيديو، كود، بيانات منظمة.

يعتمد النظام في جوهره على الرياضيات، كالجبر الخطي والاحتمالات والتحسين، بالإضافة إلى بنى حسابية متطورة تضمن سلاسة الأداء. لمزيد من المعلومات حول أسس التعلم العميق، يُرجى مراجعة المرجع الأساسي. [2]

جدول مقارنة: نظرة سريعة على أدوات الذكاء الاصطناعي الشائعة 🧪

(غير مثالية قليلاً عن قصد. الأسعار متغيرة. ستختلف النتائج التي تحصل عليها.)

كيفية تقييم نظام الذكاء الاصطناعي كالمحترفين 🧪🔍

1. حدد المهمة - بيان المهمة في جملة واحدة.

2. اختر المقاييس - الدقة، زمن الاستجابة، التكلفة، محفزات السلامة.

3. قم بإنشاء مجموعة اختبار - تمثيلية ومتنوعة ومستبعدة.

4. تحقق من أنماط الفشل - المدخلات التي يجب على النظام رفضها أو تصعيدها.

5. اختبار التحيز - الشرائح الديموغرافية والسمات الحساسة عند الاقتضاء.

6. إشراك العنصر البشري - تحديد متى يجب على شخص ما مراجعة الأمر.

7. التسجيل والمراقبة - اكتشاف الانحراف، والاستجابة للحوادث، والتراجعات.

8. وثيقة تتضمن مصادر البيانات، والقيود، والاستخدام المقصود، والمؤشرات التحذيرية. يوفر لك إطار إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا (NIST) لغةً وعملياتٍ مشتركةً لهذا الغرض. [4]

مفاهيم خاطئة شائعة أسمعها طوال الوقت 🙃

• "إنها مجرد عملية نسخ." يتعلم التدريب البنية الإحصائية؛ بينما يقوم التوليد بتكوين مخرجات جديدة تتوافق مع تلك البنية. قد يكون ذلك مبتكرًا - أو خاطئًا - ولكنه ليس نسخًا ولصقًا. [2]

• "الذكاء الاصطناعي يفهم كما يفهم الإنسان." إنه يُحاكي الأنماط. أحيانًا يبدو ذلك وكأنه فهم؛ وأحيانًا أخرى يكون ضبابية واثقة. [2]

• "الأكبر هو الأفضل دائمًا". الحجم مهم، لكن جودة البيانات ومواءمتها واسترجاعها غالبًا ما تكون أكثر أهمية. [2][3]

• "ذكاء اصطناعي واحد ليحكمهم جميعًا." تعتمد الحزم الحقيقية على نماذج متعددة: استرجاع للحقائق، وتوليد للنصوص، ونماذج صغيرة سريعة على الجهاز، بالإضافة إلى البحث الكلاسيكي.

نظرة أعمق قليلاً: المتحولون والانتشار، في دقيقة واحدة ⏱️

• المحولات درجات الانتباه بين الرموز لتحديد ما يجب التركيز عليه. وتلتقط الطبقات المتراصة التبعيات بعيدة المدى دون تكرار صريح، مما يتيح توازيًا عاليًا وأداءً قويًا عبر مهام اللغة. هذه البنية تدعم معظم أنظمة اللغة الحديثة. [3]

• نماذج الانتشار إزالة التشويش خطوة بخطوة، مثل تلميع مرآة ضبابية حتى يظهر وجه. وقد أدت أفكار التدريب وأخذ العينات الأساسية إلى طفرة في توليد الصور، وهي تمتد الآن لتشمل الصوت والفيديو. [5]

معجم صغير يمكنك الاحتفاظ به 📚

• النموذج - دالة مُعَلمة نقوم بتدريبها لربط المدخلات بالمخرجات.

• التدريب - تحسين المعلمات لتقليل الخسارة في الأمثلة.

• التجاوز في التخصيص - أداء ممتاز على بيانات التدريب، أداء متوسط ​​في أماكن أخرى.

• الهلوسة - نتاج كلامي طليق ولكنه خاطئ من الناحية الواقعية.

• RAG - جيل معزز بالاسترجاع يستشير مصادر جديدة.

• التوافق - تشكيل السلوك لاتباع التعليمات والمعايير.

• السلامة - منع المخرجات الضارة وإدارة المخاطر طوال دورة الحياة.

• الاستدلال - استخدام نموذج مدرب لإجراء التنبؤات.

• زمن الاستجابة - الوقت المستغرق من الإدخال إلى الإجابة.

• الضوابط - السياسات والفلاتر والضوابط المحيطة بالنموذج.

طويل جدًا، لم أقرأه - ملاحظات ختامية 🌯

ما هو الذكاء الاصطناعي؟ هو مجموعة من التقنيات التي تُمكّن الحواسيب من التعلّم من البيانات والتصرف بذكاء لتحقيق الأهداف. يعتمد التطور الحديث للذكاء الاصطناعي على التعلّم العميق، وخاصةً تقنيات تحويل اللغة ونشرها في مجال الإعلام. عند استخدامه بوعي، يُحسّن الذكاء الاصطناعي من قدرة التعرّف على الأنماط، ويُسرّع العمل الإبداعي والتحليلي، ويفتح آفاقًا علمية جديدة. أما عند استخدامه بإهمال، فقد يُضلّل أو يُقصي أو يُقوّض الثقة. يكمن الحل الأمثل في الجمع بين الهندسة القوية والحوكمة والقياس وقليل من التواضع. هذا التوازن ليس ممكنًا فحسب، بل هو قابل للتعلم والاختبار والمحافظة عليه من خلال الأطر والقواعد المناسبة. [2][3][4][5]

مراجع

[1] موسوعة بريتانيكا - الذكاء الاصطناعي : اقرأ المزيد
[2] مجلة نيتشر - "التعلم العميق" (ليكون، بينجيو، هينتون) : اقرأ المزيد
[3] arXiv - "الانتباه هو كل ما تحتاجه" (فاسواني وآخرون) : اقرأ المزيد
[4] المعهد الوطني للمعايير والتكنولوجيا - إطار إدارة مخاطر الذكاء الاصطناعي : اقرأ المزيد
[5] arXiv - "إزالة التشويش من نماذج الانتشار الاحتمالية" (هو وآخرون) : اقرأ المزيد

اكتشف أحدث تقنيات الذكاء الاصطناعي في متجر مساعدي الذكاء الاصطناعي الرسمي

معلومات عنا