ما هو الذكاء الاصطناعي؟

يظهر الذكاء الاصطناعي في كل مكان - على هاتفك، في صندوق الوارد، يُحرك الخرائط، ويُسجِّل رسائل البريد الإلكتروني التي كنتَ تُريد كتابتها. ولكن ما هو الذكاء الاصطناعي ؟ باختصار: هو مجموعة من التقنيات التي تُمكِّن الحواسيب من أداء مهام نربطها بالذكاء البشري، مثل تمييز الأنماط، والتنبؤ، وتوليد اللغة أو الصور. هذا ليس تسويقًا مُبسَّطًا، بل هو مجالٌ قائمٌ على الرياضيات والبيانات، ويعتمد على التجربة والخطأ. تُصِف المراجع الموثوقة الذكاء الاصطناعي بأنه أنظمةٌ قادرةٌ على التعلم، والتفكير، والعمل نحو الأهداف بطرقٍ نراها ذكية. [1]

مقالات قد ترغب في قراءتها بعد هذه المقالة:

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

🔗 ما هي الشبكة العصبية في الذكاء الاصطناعي؟
تعرف على أساسيات الشبكات العصبية وأنواع الهندسة المعمارية والتدريب والاستخدامات الشائعة.

🔗 ما هي الرؤية الحاسوبية في الذكاء الاصطناعي؟
شاهد كيف تقوم الآلات بتفسير الصور والمهام الرئيسية ومجموعات البيانات والتطبيقات.

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

ما هو الذكاء الاصطناعي: النسخة السريعة 🧠➡️💻

الذكاء الاصطناعي هو مجموعة من الأساليب التي تُمكّن البرمجيات من تقريب السلوك الذكي. فبدلاً من برمجة كل قاعدة، غالبًا ما ندرب النماذج على أمثلة حتى تتمكن من تعميمها على مواقف جديدة - مثل التعرف على الصور، وتحويل الكلام إلى نص، وتخطيط المسارات، ومساعدات البرمجة، والتنبؤ ببنية البروتين، وغيرها. إذا كنت ترغب في تعريف واضح لملاحظاتك: تخيل أنظمة حاسوبية تؤدي مهامًا مرتبطة بالعمليات الفكرية البشرية مثل التفكير، واكتشاف المعنى، والتعلم من البيانات. [1]

إن النموذج الذهني المفيد من الميدان هو التعامل مع الذكاء الاصطناعي باعتباره أنظمة موجهة نحو الأهداف تدرك بيئتها وتختار الإجراءات - وهو أمر مفيد عندما تبدأ في التفكير في حلقات التقييم والتحكم. [1]

ما الذي يجعل الذكاء الاصطناعي مفيدًا بالفعل✅

لماذا اللجوء إلى الذكاء الاصطناعي بدلاً من القواعد التقليدية؟

• قوة النمط - تكتشف النماذج الارتباطات الدقيقة عبر مجموعات البيانات الضخمة التي قد يغفلها البشر قبل الغداء.

• التكيف - مع وجود المزيد من البيانات، يمكن تحسين الأداء دون الحاجة إلى إعادة كتابة كافة التعليمات البرمجية.

• السرعة على نطاق واسع - بمجرد تدريبها، تعمل النماذج بسرعة وبشكل ثابت، حتى في الأحجام المرهقة.

• القدرة على الإنتاج - تستطيع الأنظمة الحديثة إنتاج النصوص والصور والأكواد وحتى الجزيئات المرشحة، وليس فقط تصنيف الأشياء.

• التفكير الاحتمالي - يتعاملون مع حالة عدم اليقين بشكل أكثر أناقة من الغابات الهشة التي تعتمد على افتراضات "إذا كان الأمر كذلك".

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

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

لنكن صريحين: أحيانًا يبدو الذكاء الاصطناعي كدراجة للعقل، وأحيانًا كدراجة أحادية على أرض حصوية. كلا الاحتمالين صحيح.

كيف يعمل الذكاء الاصطناعي بسرعة الإنسان 🔧

تجمع معظم أنظمة الذكاء الاصطناعي الحديثة بين:

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

2. الأهداف - دالة الخسارة التي توضح كيف يبدو "الشيء الجيد".

3. الخوارزميات - إجراء التدريب الذي يدفع النموذج إلى تقليل هذه الخسارة.

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

5. النشر - خدمة النموذج من خلال المراقبة والسلامة والحواجز الواقية.

تقليدين واسعين:

• الذكاء الاصطناعي الرمزي أو المنطقي - قواعد واضحة، ورسوم بيانية للمعرفة، وبحث. مثالي للاستدلال الرسمي والقيود.

• الذكاء الاصطناعي الإحصائي أو القائم على التعلم - نماذج تتعلم من البيانات. هنا يكمن جوهر التعلم العميق، ومنه تنبع معظم الضجة الأخيرة؛ إذ تُحدد مراجعةٌ واسعةُ الاستشهاد نطاقَ هذا المجال، من التمثيلات الطبقية إلى التحسين والتعميم. [2]

في مجال الذكاء الاصطناعي القائم على التعلم، هناك عدة ركائز مهمة:

• التعلم الخاضع للإشراف - التعلم من الأمثلة المصنفة.

• غير خاضع للإشراف ومشرف ذاتيًا - تعلم البنية من البيانات غير المسمى.

• التعلم التعزيزي - التعلم عن طريق التجربة والتغذية الراجعة.

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

عائلتان مبدعتان ستسمع عنهما يوميًا:

• المحولات - البنية التي تقوم عليها معظم نماذج اللغات الكبيرة. تستخدم هذه البنية الانتباه لربط كل رمز بالآخر، مما يتيح تدريبًا متوازيًا ومخرجات سلسة بشكل مدهش. إذا كنت قد سمعت عن "الانتباه الذاتي"، فهذه هي الحيلة الأساسية. [3]

• نماذج الانتشار - يتعلمون عكس عملية التشويش، بالانتقال من ضوضاء عشوائية إلى صورة أو صوت واضح. يشبه الأمر إعادة ترتيب أوراق اللعب، ببطء وحذر، ولكن باستخدام حساب التفاضل والتكامل؛ فقد أظهرت الدراسات الأساسية كيفية التدريب والاختبار بفعالية. [5]

إذا بدت الاستعارات مبالغًا فيها، فهذا أمرٌ مُنصف - الذكاء الاصطناعي هدفٌ متحرك. جميعنا نتعلم الرقصة بينما تتغير الموسيقى في منتصف الأغنية.

حيث تلتقي بالفعل بالذكاء الاصطناعي كل يوم 📱🗺️📧

• البحث والتوصيات - نتائج التصنيف، والخلاصات، ومقاطع الفيديو.

• البريد الإلكتروني والمستندات - الإكمال التلقائي، التلخيص، فحص الجودة.

• الكاميرا والصوت - إزالة الضوضاء، HDR، النسخ.

• الملاحة - التنبؤ بحركة المرور، وتخطيط الطريق.

• الدعم والخدمة - وكلاء الدردشة الذين يقومون بفرز الردود وكتابة مسوداتها.

• البرمجة - الاقتراحات، إعادة الهيكلة، الاختبارات.

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

حكاية قصيرة: قد يُجري فريق منتج اختبارًا أ/ب لخطوة استرجاع أمام نموذج لغوي؛ وغالبًا ما تنخفض معدلات الخطأ لأن النموذج يعتمد على سياق جديد ومحدد للمهمة بدلًا من التخمين. (الطريقة: تحديد المقاييس مُسبقًا، والاحتفاظ بمجموعة احتياطية، ومقارنة المطالبات المتشابهة).

نقاط القوة والحدود والفوضى البسيطة بينهما ⚖️

نقاط القوة

• يتعامل مع مجموعات البيانات الكبيرة والفوضوية ببراعة.

• يتوسع نطاق المهام 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 تقوم بتشفير التحيزات الاجتماعية التي تقوم الأنظمة بعد ذلك بإعادة إنتاجها.

• المتانة - الحالات الحدية، والمدخلات المعادية، وتحول التوزيع يمكن أن تؤدي إلى كسر الأشياء.

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

• سهولة التفسير - لماذا ذُكر ذلك؟ أحيانًا يكون غير واضح، مما يُعيق عمليات التدقيق.

توجد إدارة المخاطر حتى لا تتسبب في الفوضى: إطار عمل إدارة مخاطر الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا إرشادات عملية طوعية لتحسين الثقة في جميع أنحاء التصميم والتطوير والنشر - فكر في رسم خرائط المخاطر وقياسها وإدارة الاستخدام من البداية إلى النهاية. [4]

قواعد الطريق: السلامة والحوكمة والمساءلة 🛡️

التنظيم والتوجيه يواكبان الممارسة:

• مناهج قائمة على المخاطر - تواجه الاستخدامات عالية المخاطر متطلبات أكثر صرامة؛ فالتوثيق، وحوكمة البيانات، ومعالجة الحوادث أمور بالغة الأهمية. تُركز الأطر العامة على الشفافية، والرقابة البشرية، والمراقبة المستمرة. [4]

• الفروق الدقيقة في القطاع - تتطلب المجالات الحرجة للسلامة (مثل الصحة) مشاركة بشرية وتقييمًا دقيقًا؛ ولا تزال الأدوات العامة تستفيد من وثائق الاستخدام المقصود والقيود الواضحة. [2]

لا يتعلق الأمر بقمع الابتكار؛ بل يتعلق بعدم تحويل منتجك إلى آلة لصنع الفشار في المكتبة... وهو أمر يبدو ممتعًا حتى لا يكون كذلك.

أنواع الذكاء الاصطناعي في الممارسة العملية، مع الأمثلة 🧰

• الإدراك - الرؤية، والكلام، واندماج الحواس.

• اللغة - الدردشة، الترجمة، التلخيص، الاستخراج.

• التنبؤ - التنبؤ بالطلب، وتسجيل المخاطر، واكتشاف الشذوذ.

• التخطيط والتحكم - الروبوتات والخدمات اللوجستية.

• الجيل - الصور والصوت والفيديو والرموز والبيانات المنظمة.

في جوهرها، تعتمد الرياضيات على الجبر الخطي، والاحتمالات، والتحسين، ومجموعات الحوسبة التي تُبقي كل شيء يعمل بكفاءة. للاطلاع على أساسيات التعلم العميق، راجع المراجعة الرسمية. [2]

جدول المقارنة: لمحة عامة عن أدوات الذكاء الاصطناعي الشائعة 🧪

(غير مثالي بشكل طفيف عن قصد. الأسعار تتغير. سوف تختلف المسافة المقطوعة.)

كيفية تقييم نظام الذكاء الاصطناعي كالمحترفين 🧪🔍

1. تعريف الوظيفة - بيان المهمة المكون من جملة واحدة.

2. اختر المقاييس - الدقة، والزمن الكامن، والتكلفة، ومحفزات السلامة.

3. إنشاء مجموعة اختبار - تمثيلية، ومتنوعة، وممتدة.

4. التحقق من أوضاع الفشل - المدخلات التي يجب على النظام رفضها أو تصعيدها.

5. اختبار التحيز - الشرائح الديموغرافية والسمات الحساسة حيثما ينطبق ذلك.

6. الإنسان في الحلقة - تحديد متى يجب على الشخص إجراء المراجعة.

7. تسجيل ومراقبة - اكتشاف الانحراف، والاستجابة للحوادث، والتراجعات.

8. الوثيقة - مصادر البيانات، القيود، الاستخدام المقصود، العلامات التحذيرية. يوفر إطار عمل إدارة موارد الذكاء الاصطناعي التابع للمعهد الوطني للمعايير والتكنولوجيا (NIST) لغةً وعملياتٍ مشتركةً لهذا الغرض. [4]

مفاهيم خاطئة شائعة أسمعها طوال الوقت 🙃

• إنه مجرد نسخ. يتعلم التدريب البنية الإحصائية؛ ويُنتج التوليد مخرجات جديدة متوافقة مع تلك البنية. قد يكون هذا مبتكرًا - أو خاطئًا - ولكنه ليس نسخًا ولصقًا. [2]

• «الذكاء الاصطناعي يفهم كالإنسان». فهو يُنمذج الأنماط. أحيانًا يبدو ذلك فهمًا، وأحيانًا أخرى يكون مجرد ثقة غامضة. [2]

• "الأكبر هو الأفضل دائمًا". يساعد الحجم، ولكن جودة البيانات، والمحاذاة، واسترجاعها غالبًا ما تكون أكثر أهمية. [2][3]

• "ذكاء اصطناعي واحد يحكمهم جميعًا." المجموعات الحقيقية متعددة النماذج: استرجاع الحقائق، وتوليد النصوص، ونماذج سريعة صغيرة على الجهاز، بالإضافة إلى البحث الكلاسيكي.

نظرة أعمق قليلاً: المحولات والانتشار، في دقيقة واحدة ⏱️

• المحولات درجات الانتباه بين الرموز لتحديد ما يجب التركيز عليه. يلتقط تكديس الطبقات التبعيات طويلة المدى دون تكرار واضح، مما يتيح توازيًا عاليًا وأداءً قويًا في مهام اللغة. تدعم هذه البنية معظم أنظمة اللغات الحديثة. [3]

• نماذج الانتشار كيفية التخلص من الضوضاء تدريجيًا، كما لو كنت تصقل مرآة ضبابية حتى يظهر وجه. وقد فتحت أفكار التدريب والعينات الأساسية الباب أمام طفرة توليد الصور، وتمتد الآن إلى الصوت والفيديو. [5]

قاموس مصطلحات صغير يمكنك الاحتفاظ به 📚

• النموذج - عبارة عن دالة ذات معلمات نقوم بتدريبها لربط المدخلات بالمخرجات.

• التدريب - تحسين المعلمات لتقليل الخسارة في الأمثلة.

• الإفراط في التجهيز - أداء رائع في بيانات التدريب، ولكن أداء جيد في أماكن أخرى.

• الهلوسة - مخرجات سليمة ولكنها خاطئة فعليا.

• RAG - الجيل المعزز بالاسترجاع والذي يستشير المصادر الجديدة.

• المحاذاة - تشكيل السلوك لمتابعة التعليمات والمعايير.

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

• الاستدلال - استخدام نموذج مدرب للتوصل إلى توقعات.

• زمن الوصول - الوقت المستغرق من الإدخال إلى الإجابة.

• حواجز الحماية - السياسات والمرشحات والضوابط حول النموذج.

طويل جدًا، لم أقرأه - ملاحظات ختامية 🌯

ما هو الذكاء الاصطناعي؟ مجموعة من التقنيات التي تُمكّن الحواسيب من التعلم من البيانات والعمل بذكاء لتحقيق الأهداف. تعتمد الموجة الحديثة على التعلم العميق - وخاصةً مُحوّلات اللغة والنشر للإعلام. عند استخدامه بعناية، يُوسّع الذكاء الاصطناعي نطاق التعرف على الأنماط، ويُسرّع العمل الإبداعي والتحليلي، ويفتح آفاقًا علمية جديدة. أما عند استخدامه بإهمال، فقد يُضلل أو يُقصي أو يُقوّض الثقة. يمزج المسار الأمثل بين الهندسة القوية والحوكمة والقياس، مع لمسة من التواضع. هذا التوازن ليس ممكنًا فحسب، بل هو قابل للتدريس والاختبار والصيانة مع الأطر والقواعد الصحيحة. [2][3][4][5]

مراجع

[1] موسوعة بريتانيكا - الذكاء الاصطناعي (AI) : اقرأ المزيد
[2] الطبيعة - "التعلم العميق" (LeCun، Bengio، Hinton) : اقرأ المزيد
[3] arXiv - "الاهتمام هو كل ما تحتاجه" (Vaswani et al.) : اقرأ المزيد
[4] NIST - إطار عمل إدارة مخاطر الذكاء الاصطناعي : اقرأ المزيد
[5] arXiv - "نماذج احتمالية لانتشار إزالة الضوضاء" (Ho et al.) : اقرأ المزيد

اكتشف أحدث تقنيات الذكاء الاصطناعي في متجر مساعدي الذكاء الاصطناعي الرسمي

معلومات عنا