الذكاء الاصطناعي (AI)

menu icon

الذكاء الاصطناعي (AI)

يعمل الذكاء الاصطناعي على تعزيز أجهزة الكمبيوتر والآلات لمحاكاة قدرات العقل البشري في حل المشكلات واتخاذ القرارات.

ما هو الذكاء الاصطناعي؟

بينما ظهر عدد من تعريفات الذكاء الاصطناعي (AI) على مدار العقود القليلة الماضية، يقدم جون مكارثي التعريف التالي في صحيفة تعود إلى عام 2004، (PDF‏، 106 كيلوبايت) (يوجد الرابط خارج IBM)، "إنه علم وهندسة صنع الآلات الذكية، وخاصة برامج الحاسب الذكية. إنه مرتبط بالمهمة المماثلة المتمثلة في استخدام أجهزة الكمبيوتر لفهم الذكاء البشري، غير أن الذكاء الاصطناعي لا يجب أن يقتصر على الأساليب التي يمكن ملاحظتها بيولوجيًا ".

ومع ذلك، قبل عقود من هذا التعريف، تم الإشارة إلى ولادة محادثة الذكاء الاصطناعي من خلال عمل آلان تورينج الأساسي، "آلات الحوسبة والذكاء" (PDF،‏ 89.8 كيلوبايت) (يوجد الرابط خارج IBM) والذي نُشر في 1950. في هذه الصحيفة، يسأل تورينج، الذي يشار إليه غالبًا باسم "أب علوم الكمبيوتر"، السؤال التالي، "هل يمكن للآلات أن تفكر؟"من تلك النقطة، يقدم اختبارًا، يُعرف الآن باسم" اختبار تورينج"، حيث يحاول المحقق البشري التمييز بين استجابة الكمبيوتر والنص البشري. في حين خضع هذا الاختبار للكثير من التدقيق منذ نشره، إلا أنه يظل جزءًا مهمًا من تاريخ الذكاء الاصطناعي بالإضافة إلى مفهوم مستمر في الفلسفة حيث يستخدم الأفكار حول اللغويات.

وبعد ذلك بدأ، ستيوارت راسل وبيتر نورفيج في نشر، الذكاء الاصطناعي: نهج حديث (يوجد الرابط خارج IBM) والذي أصبح أحد الكتب الدراسية الرائدة في دراسة الذكاء الاصطناعي. وفي طياته، يتعمقون في أربعة أهداف أو تعريفات محتملة للذكاء الاصطناعي، والتي تميز أنظمة الكمبيوتر على أساس العقلانية والتفكير مقابل التصرف:

النهج البشري:

  • الأنظمة التي تفكر مثل البشر
  • أنظمة التي تتصرف مثل البشر

النهج المثالي:

  • الأنظمة التي تفكر بعقلانية
  • الأنظمة التي تعمل بعقلانية

كان تعريف آلان تورينج يندرج تحت فئة "الأنظمة التي تتصرف مثل البشر".

في أبسط أشكاله، يعد الذكاء الاصطناعي مجالًا يجمع بين علوم الحاسب ومجموعات البيانات القوية، لتمكين حل المشكلات. كما يشمل المجالات الفرعية للتعلم الآلي والتعلم العميق، والتي يتم ذكرها بشكل متكرر بالاقتران مع الذكاء الاصطناعي. تتكون هذه التخصصات من خوارزميات الذكاء الاصطناعي التي تسعى إلى إنشاء أنظمة خبيرة تقوم بالتنبؤات أو التصنيفات بناءً على بيانات الإدخال.

اليوم، لا يزال الكثير من الضجيج يحيط بتطوير الذكاء الاصطناعي، وهو أمر متوقع من أي تقنية ناشئة جديدة في السوق. وكما لوحظ في دورة الضجيج الخاصة بشركة Gartner (يوجد الرابط خارج IBM)، فإن ابتكارات المنتجات مثل السيارات ذاتية القيادة والمساعدين الشخصيين، تتبع "التطور المثالي للابتكار، من الإفراط في الإحباط إلى فترة من خيبة الأمل إلى الفهم النهائي لأهمية الابتكار ودوره في السوق أو المجال." كما يشير ليكس فريدمان هنا (يوجد الرابط خارج IBM) في محاضرته في معهد ماساتشوستس للتكنولوجيا في عام 2019، فإننا في ذروة التوقعات المتضخمة، نقترب من قاع خيبة الأمل.

وفي الوقت الذي تظهر فيه المحادثات حول أخلاقيات الذكاء الاصطناعي، يمكننا البدء في رؤية اللمحات الأولية لقاع خيبة الأمل. لقراءة المزيد حول موقف شركة IBM في المحادثة حول أخلاقيات الذكاء الاصطناعي، يمكنك قراءة المزيد هنا.

أنواع الذكاء الاصطناعي - الذكاء الاصطناعي الضعيف مقابل الذكاء الاصطناعي القوي

الذكاء الاصطناعي الضعيف — يسمى أيضا بالذكاء الاصطناعي الضيق (ANI) — وهو الذكاء الاصطناعي الذي يتم تدريبه وتركيزه على أداء مهام محددة. يقود الذكاء الاصطناعي الضعيف معظم الذكاء الاصطناعي الذي يحيط بنا اليوم. قد يكون مصطلح "ضيق" وصفًا أكثر دقة لهذا النوع من الذكاء الاصطناعي لأنه ليس ضعيفًا؛ إنه يمكّن بعض التطبيقات القوية للغاية، مثل Apple's Siri وAmazon's Alexa وIBM Watson والمركبات المستقلة.

يتكون الذكاء الاصطناعي القوي من الذكاء الاصطناعي العام (AGI) والذكاء الاصطناعي الخارق (ASI). الذكاء الاصطناعي العام (AGI) هو شكل نظري للذكاء الاصطناعي حيث يكون للآلة ذكاء مساوٍ للبشر؛ سيكون لديه وعي مدرك لذاته ولديه القدرة على حل المشكلات والتعلم والتخطيط للمستقبل. الذكاء الاصطناعي الخارق (ASI) - الذي يعرف أيضا باسم الذكاء الخارق - سيتجاوز ذكاء وقدرة الدماغ البشري. في حين أن الذكاء الاصطناعي القوي لا يزال نظريًا تمامًا مع عدم وجود أمثلة عملية مستخدمة اليوم، فإن هذا لا يعني أن باحثي الذكاء الاصطناعي لا يستكشفون تطوره أيضًا. في غضون ذلك، قد تكون أفضل الأمثلة على ASI من الخيال العلمي، مثل HAL، مساعد الكمبيوتر الخارق الخارق في ‎2001: A Space Odyssey‎‏.

التعلم العميق مقابل التعلم الآلي

نظرا لأنه عادة ما يتم استخدام التعلم العميق والتعلم الآلي بشكل متبادل، فإنه تجدر الإشارة إلى الفروق الدقيقة بينهما. كما ذكرنا أعلاه، يعد كل من التعلم العميق والتعلم الآلي مجالين فرعيين للذكاء الاصطناعي، والتعلم العميق هو في الواقع مجال فرعي للتعلم الآلي.

تمثيل مرئي لكيفية ارتباط الذكاء الاصطناعي والتعلم الآلي والتعلم العميق ببعضهما البعض

 

يتكون التعلم العميق في الواقع من شبكات عصبية. تشير كلمة "عميق" في التعلم العميق إلى شبكة عصبية تتكون من أكثر من ثلاث طبقات - والتي ستكون شاملة للمدخلات والمخرجات - يمكن اعتبارها خوارزمية تعلم عميق. يتم تمثيل هذا بصفة عامة باستخدام الرسم البياني التالي:

رسم بياني للشبكة العصبية العميقة

الطريقة التي يختلف بها التعلم العميق والتعلم الآلي هي في كيفية تعلم كل خوارزمية. يقوم التعلم العميق بالتشغيل الآلي لجزء كبير من استخراج الخصائص من العملية، مما يلغي بعض التدخل البشري اليدوي المطلوب ويمكن من استخدام مجموعات بيانات أكبر. يمكنك التفكير في التعلم العميق على أنه "تعلم آلي قابل للتطوير" كما أشار ليكس فريدمان في نفس محاضرة معهد ماساتشوستس للتكنولوجيا من أعلى. يعتمد التعلم الآلي التقليدي أو "غير العميق" بشكل أكبر على التدخل البشري للتعلم. يحدد الخبراء البشريون التسلسل الهرمي للميزات لفهم الاختلافات بين مدخلات البيانات، والتي تتطلب عادةً المزيد من البيانات المنظمة للتعلم.

يمكن للتعلم الآلي "العميق" الاستفادة من مجموعات البيانات المصنفة، والمعروفة أيضا باسم التعلم الخاضع للإشراف، لإفادة خوارزميته، ولكنه لا يتطلب بالضرورة مجموعة بيانات مصنفة. يمكنه استيعاب البيانات غير المهيكلة في شكلها الأولي (مثل النصوص والصور)، ويمكنه آليا تحديد التسلسل الهرمي للخصائص التي تميز فئات البيانات المختلفة عن بعضها البعض. على عكس التعلم الآلي، لا يتطلب الأمر تدخلا بشريا لمعالجة البيانات، مما يسمح لنا بتوسيع نطاق التعلم الآلي بطرق أكثر إثارة للاهتمام.

تطبيقات الذكاء الاصطناعي

هناك العديد من التطبيقات الواقعية لأنظمة الذكاء الاصطناعي اليوم. فيما يلي بعض الأمثلة الأكثر شيوعًا:

  • التعرف على الكلام: يعرف أيضا باسم التعرف الآلي على الكلام (ASR)، أو التعرف على الكلام بواسطة الحاسب، أو تحويل الكلام إلى نص، وهو عبارة عن إمكانية تستخدم معالجة اللغة الطبيعية (NLP) لمعالجة الكلام البشري وتحويله إلى نسق مكتوب.العديد من الأجهزة المحمولة تدمج إمكانية التعرف على الكلام في أنظمتها لإجراء بحث صوتي - على سبيل المثال، Siri — أو توفير المزيد من إمكانية التوصل حول الرسائل النصية.
  • خدمة العملاء: تحل روبوتات المحادثة عبر الإنترنت محل الوكلاء البشريين على طول رحلة العميل. وهي تجيب على الأسئلة التي يكثر طرحها (FAQs) حول موضوعات، مثل الشحن، أو تقدم نصائح شخصية، أو منتجات البيع العابر، أو تقترح الأحجام للمستخدمين، وتغير طريقة تفكيرنا في مشاركة العملاء عبر مواقع الإنترنت ومنصات التواصل الاجتماعي. ومن الأمثلة على ذلك روبوتات تبادل الرسائل على مواقع التجارة الإلكترونية مع وكلاء افتراضيين، وتطبيقات تبادل الرسائل، مثل Slack وFacebook Messenger، والمهام التي يقوم بها عادة المساعدون الافتراضيون والمساعدون الصوتيون.
  • الرؤية الحاسوبية: تمكن تقنية الذكاء الاصطناعي هذه أجهزة الحاسب والأنظمة من استخلاص معلومات ذات مغزى من الصور الرقمية ومقاطع الفيديو والمدخلات المرئية الأخرى، وبناءا على هذه المدخلات، يمكنها اتخاذ تصرفات. هذه القدرة على تقديم توصيات تميزها عن مهام التعرف على الصور. وبواسطة الشبكات العصبية الالتفافية، يكون للرؤية الحاسوبية تطبيقات ضمن تعليم الصور في وسائل التواصل الاجتماعي، والتصوير الإشعاعي في مجال الرعاية الصحية، والسيارات ذاتية القيادة في صناعة السيارات.
  • محركات التوصية: باستخدام بيانات سلوك الاستهلاك السابقة، يمكن أن تساعد خوارزميات الذكاء الاصطناعي في اكتشاف اتجاهات البيانات التي يمكن استخدامها لتطوير استراتيجيات البيع العابر بشكل أكثر فعالية. وهي تستخدم لتقديم توصيات إضافية ذات صلة للعملاء أثناء عملية الدفع لتجار التجزئة عبر الإنترنت.
  • التداول الآلي للمخزون: تم تصميم منصات التداول عالية التردد التي تعتمد على الذكاء الاصطناعي لتحسين محافظ الأسهم، مما يساعد في إجراء آلاف أو حتى ملايين الصفقات يوميا دون تدخل بشري.

تاريخ الذكاء الاصطناعي: التواريخ والأسماء الرئيسية

تعود فكرة 'الآلة التي تفكر' إلى اليونان القديمة. ولكن منذ ظهور الحوسبة الإلكترونية (وبالقياس إلى بعض الموضوعات التي نوقشت في هذه المقالة) تشمل الأحداث والمعالم الهامة في تطور الذكاء الاصطناعي ما يلي:

  • 1950: آلان تورينج ينشر آلات الحوسبة والذكاء. في الصحيفة، يقترح تورينج - المشهور بكسر رمز ENIGMA النازي خلال الحرب العالمية الثانية - الإجابة على السؤال "هل يمكن للآلات أن تفكر؟" ويقدم اختبار تورينج لتحديد ما إذا كان الكمبيوتر يمكنه إظهار نفس الذكاء (أو نتائج نفس الذكاء) للإنسان. ومنذ ذلك الحين، ظلت قيمة اختبار تورنج محل نقاش.
  • 1956: قام جون مكارثي بصياغة مصطلح 'الذكاء الاصطناعي' في أول مؤتمر للذكاء الاصطناعي على الإطلاق في كلية دارتموث. (استمر مكارثي في اختراع لغة Lisp.) وفي وقت لاحق من ذلك العام، قام ألن نيويل، وجي سيشو، وهربرت سيمون بابتكار 'المنطق النظري'، وهو أول برنامج يعمل بالذكاء الاصطناعي على الإطلاق.
  • 1967: قام فرانك روزنبلات ببناء Mark 1 Perceptron، وهو أول حاسب يعتمد على شبكة عصبية 'تعلمت' من خلال التجربة والخطأ. وبعد عام واحد فقط، نشر مارفن مينسكي وسيمور بابرت كتابا بعنوان Perceptrons، والذي أصبح عملا بارزا على الشبكات العصبية، ولفترة من الوقت على الأقل، حجة ضد مشاريع أبحاث الشبكات العصبية المستقبلية.
  • 1980s: أصبحت الشبكات العصبية التي تستخدم خوارزمية الانتشار العكسي لتدريب نفسها مستخدمة على نطاق واسع في تطبيقات الذكاء الاصطناعي.
  • 1997: حاسب Deep Blue من شركة IBM يتفوق على بطل العالم للشطرنج آنذاك جاري كاسباروف، في مباراة شطرنج (ومباراة العودة).
  • 2011: ‏IBM Watson يتفوق على البطل كين جينينغز وبراد روتر في تحدي Jeopardy!‎
  • 2015: الحاسب الفائق Minwa من شركة Baidu يستخدم نوعا خاصا من الشبكات العصبية العميقة تسمى الشبكة العصبية التلافيفية للتعرف على الصور وتصنيفها بمعدل دقة أعلى من الإنسان العادي.
  • 2016: برنامج AlphaGo من DeepMind، المدعوم بشبكة عصبية عميقة، يتفوق على لي سودول، بطل العالم في Go player، في مباراة خماسية. الفوز كبير نظرا للعدد الهائل من التحركات المحتملة مع تقدم اللعبة (أكثر من 14.5 تريليون بعد أربع تحركات فقط!). وفي وقت لاحق، قامت Google بشراء DeepMind مقابل 400 مليون دولار.

الذكاء الاصطناعي وIBM Cloud

تعد شركة IBM رائدة في مجال تطوير التقنيات التي تعتمد على الذكاء الاصطناعي للمؤسسات ولها دور رائد في مستقبل أنظمة التعلم الآلي للعديد من الصناعات. واستنادا إلى عقود من أبحاث الذكاء الاصطناعي، وسنوات من الخبرة في العمل مع المؤسسات من جميع الأحجام، والدروس المستفادة من أكثر من 30,000 مشاركة من IBM Watson، قامت شركة IBM بتطوير سلم الذكاء الاصطناعي لعمليات نشر الذكاء الاصطناعي الناجحة:

  • تجميع: تبسيط جمع البيانات وإمكانية التوصل إليها.
  • تنظيم: تكوين أساس تحليلات جاهزة للأعمال.
  • تحليل: بناء أنظمة قائمة على الذكاء الاصطناعي قابلة للتطوير وجديرة بالثقة.
  • دمج: تكامل وتحسين الأنظمة عبر إطار عمل كامل.
  • تحديث: جلب تطبيقات وأنظمة الذكاء الاصطناعي الخاصة بك إلى البيئة السحابية.

يقوم IBM Watson بمنح المؤسسات أدوات الذكاء الاصطناعي التي يحتاجون إليها لتحويل أنظمة الأعمال ومسارات العمل الخاصة بها، مع تحسين التشغيل الآلي والكفاءة بشكل كبير. للحصول على مزيد من المعلومات حول كيف يمكن لشركة IBM مساعدتك في إكمال رحلة الذكاء الاصطناعي الخاصة بك، استكشف حافظة IBM للخدمات والحلول التي يتم إدارتها

قم بالتسجيل للحصول على IBMid وأنشئ حساب IBM Cloud الخاص بك.