الذكاء الاصطناعي (AI)  

       

              

يُعرف الذكاء الاصطناعي علي انه احد فروع علوم الكمبيوتر، و هو العلم الذي يهتم بتدريب أجهزة الكمبيوتر والآلات لأداء المهام بذكاء مثل الإنسان ومهارات التفكير و علي أداء المهام التي عادة ما تتطلب ذكاء بشري. كما يلعب الذكاء الاصطناعي (AI) ومجموعاته الفرعية التعلم الآلي (ML) والتعلم العميق (DL) دورا رئيسيا في علوم البيانات.

 

يتمتع الذكاء الاصطناعي بنطاق عالمي لأنه جلب العديد من الأشياء لاستخدام البشر. لقد أحدث ثورة في الطريقة التي يعيش بها البشر ويعملون في حياتهم. لقد جلبت حلولًا لا نهاية لها لجعل الأنشطة الروتينية اليومية سهلة وبسيطة وسريعة. نحن نستخدم بعضا من أكثر تطبيقات الذكاء الاصطناعي شيوعًا بشكل منتظم في حياتنا.

اقسام الذكاء الصناعي

ينقسم الذكاء الاصطناعي الي ثلاث اقسام رئيسية و هي:

•    الذكاء الاصطناعي الضيق(ANI): يُسمي الذكاء الاصطناعي الضيق أحيانا باسم "الذكاء الاصطناعي الضعيف". حيث انه يؤدي مهمة واحده بطريقة معينة. علي سبيل المثال طريقة عمل آلة القهوة الآلية التي تؤدي سلسة محددة من الإجراءات بشكل جيد لصنع القهوة.

•   الذكاء الاصطناعي العام(AGI): و الذي يُسمي أيضا باسم "الذكاء الاصطناعي القوي". يؤدي مجموعة واسعة من التي تنطوي علي التفكير و الاستدلال مثل الانسان.

•    الذكاء الاصطناعي الفائق(ASI): يمكن ان الذكاء الاصطناعي الفائق الابداع مثل الفن و اتخاذ القرار و العلاقات العاطفية.

التعلم الآلي (ML)

يُعرف علي انه مجموعة فرعية من الذكاء الاصطناعي، تتضمن نمذجة الخوارزميات التي تساعد في عمل تنبؤات و ذلك بناءً علي التعرف علي أنماط و مجموعات البيانات المعقدة. كما يركز التعلم الالي علي تمكين الخوارزميات من التعلم من البيانات المقدمة و جمع الأفكار و التنبؤ بالبيانات التي لم يتم تحليلها مسبقا باستخدام المعلومات التي تم جمعها.

 

طرق التعلم الالي

التعلم الخاضع للإشراف (ضعف الذكاء الاصطناعي - المهام المدفوعة):

  يستخدم التعلم الآلي الخاضع للإشراف البيانات التاريخية لفهم السلوك وصياغة التوقعات المستقبلية. هنا يتكون النظام من مجموعة بيانات محددة. يتم تمييزه بمعلمات للإدخال والإخراج. ومع البيانات الجديدة تأتي خوارزمية ML بتحليل البيانات الجديدة وتعطي الناتج الدقيق على أساس المعلمات الثابتة. يمكن أن يؤدي التعلم الخاضع للإشراف مهام التصنيف أو الانحدار. أمثلة على مهام التصنيف هي تصنيف الصور ، والتعرف على الوجوه ، وتصنيف البريد الإلكتروني العشوائي ، وتحديد كشف الاحتيال ، وما إلى ذلك ، ولمهام الانحدار هي التنبؤ بالطقس ، والتنبؤ بالنمو السكاني ، وما إلى ذلك.

 

التعلم غير الخاضع للإشراف (ذكاء اصطناعي قوي - بيانات مدفوعة):

لا يستخدم التعلم الآلي غير الخاضع للإشراف أي معلمات مصنفة أو مصنفة. يركز في عمله  علي اكتشاف الهياكل المخفية من البيانات غير المسماة لكي يساعد الأنظمة على استنتاج وظيفة بشكل صحيح. يستخدمون تقنيات مثل التجميع أو تقليل الأبعاد. يتضمن التجميع تجميع نقاط البيانات بمقياس مماثل. تعتمد على البيانات وبعض الأمثلة على التجميع هي توصية أفلام للمستخدم في Netflix ، وتقسيم العملاء ، وعادات الشراء ، وما إلى ذلك. بعض أمثلة تقليل الأبعاد هي استنباط الميزات ، وتصور البيانات الضخمة.

 

التعلم شبه الخاضع للإشراف (ذكاء اصطناعي قوي - فعال من حيث التكلفة):

يعمل التعلم الآلي شبه الخاضع للإشراف باستخدام كل من البيانات المصنفة وغير المصنفة لتحسين دقة التعلم. يمكن أن يكون التعلم شبه الخاضع للإشراف حلاً فعالاً من حيث التكلفة عندما يكون تصنيف البيانات مكلفًا.

التعلم الآلي المعزز. (ذكاء اصطناعي قوي - تعلم من الأخطاء):

يختلف التعلم المعزز إلى حد ما عند مقارنته بالتعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف. يمكن تعريفه على أنه عملية التجربة والخطأ في تقديم النتائج في النهاية. يتم تحقيقه من خلال مبدأ دورة التحسين التكراري (للتعلم من خلال أخطاء الماضي). كما تم استخدام التعلم المعزز لتعليم الوكلاء القيادة الذاتية في بيئات محاكاة. Q-Learning هو مثال لخوارزميات التعلم المعزز.

 

التعلم العميق (DL)

إنها مجموعة فرعية من التعلم الآلي حيث تقوم ببناء خوارزميات تتبع بنية ذات طبقات. يستخدم التعلم العميق (DL) طبقات متعددة لاستخراج ميزات المستوى الأعلى تدريجيًا من المدخلات الأولية. على سبيل المثال في معالجة الصور ، قد تحدد الطبقات السفلية الحواف ، بينما قد تحدد الطبقات العليا المفاهيم ذات الصلة بالإنسان مثل الأرقام أو الحروف أو الوجوه. يشار إلى التعلم العميق (DL ) عمومًا إلى شبكة عصبية اصطناعية عميقة وهذه هي مجموعات الخوارزميات الدقيقة للغاية بالنسبة للمشكلات مثل التعرف على الصوت والتعرف على الصور ومعالجة اللغة الطبيعية وما إلى ذلك.

الخلاصة يغطي علم البيانات الذكاء الاصطناعي ، والذي يتضمن التعلم الآلي. ومع ذلك ، فإن التعلم الآلي نفسه يغطي تقنية فرعية أخرى وهي التعلم العميق . بفضل الذكاء الاصطناعي ، فهو قادر على حل المشكلات الأصعب والأكثر صعوبة (مثل اكتشاف امراض السرطان بشكل أفضل من أطباء الأورام) بشكل أفضل من البشر.

 

حقائق عن الذكاء الاصطناعي

الذكاء الاصطناعي هو مصطلح  يشير إلى قدرة الآلة أو برنامج الكمبيوتر على التفكير والتعلم مثل البشر، أيضًا  هو مجال دراسي يعمل على جعل الكمبيوتر أكثر ذكاءً. صاغ جون مكارثي مصطلح الذكاء الاصطناعي عام 1955. دعنا نتعرف أكثر على تاريخ الذكاء الاصطناعي .

بشكل عام ، يشير هذا المصطلح إلى آلة لديها قدرات معرفية شبيهة بالبشر. على سبيل المثال يمكن لنظام الذكاء الاصطناعي أن يتعلم ويحل بعض المشكلات مثل الانسان . حيث يمكن للآلة الذكية المثالية أن تعزز معدل نجاحها.

اليوم يُستخدم مصطلح الذكاء الاصطناعي (AI)، لفهم الكلام البشري والتنافس على مستوى أعلى بكثير في بعض الألعاب الاستراتيجية مثل Chess and Go ، وتفسير البيانات المعقدة والسيارات ذاتية القيادة.

و يعتبر الهدف من أبحاث الذكاء الاصطناعي هو تطوير برامج الكمبيوتر التي لديها القدرة على التفكير المنطقي وحل المشكلات. ومع ذلك يمكن للعديد من التطبيقات حل الكثير من المشكلات. إن القيام بالرياضيات والبحث في قواعد البيانات المختلفة هو شيء يمكن لأجهزة الكمبيوتر القيام به بشكل أفضل بكثير من البشر.

كما يتضمن الذكاء الاصطناعي الكثير من المجالات المختلفة ، مثل الفلسفة وعلم الأعصاب وعلم النفس واللغويات والرياضيات وعلوم الكمبيوتر. يأمل الباحثون في تطوير نظام ذكاء اصطناعي يمكنه حل الكثير من المشكلات بدلاً من التركيز على واحدة فقط. بصرف النظر عن هذا ، يعمل الباحثون بجد أيضًا لتطوير الذكاء الاصطناعي العاطفي والإبداعي. لهذا الغرض ، قدموا الكثير من الأدوات والأساليب.

تاريخ الذكاء الاصطناعي

عند البحث في التاريخ يمكنك العثور على العديد من الأشياء التي يمكن اعتبارها ذكية بشكل مصطنع. و قد ظهرت هذه الأشياء لأول مرة من الذكاء الاصطناعي في الأساطير اليونانية ، مثل Talos of Crete إلى جانب ذلك ، تم تصميم الروبوتات من قبل الجزري ويان شي.

طور علماء الرياضيات اليونانيون القدماء والفلاسفة اليونانيون منطقا رسميا. أدى هذا إلى ولادة فكرة الكمبيوتر في وقت لاحق في القرن التاسع عشر. وفقا لنظرية الحساب بواسطة “Alan Turing” يمكن حل جميع المشكلات الرياضية من خلال معالجة (0 و1) . بغض  النظر عن هذا أقنعت التطورات في علم التحكم الآلي ونظرية المعلومات وعلم الأعصاب العديد من الباحثين أنه من الممكن تطوير دماغ إلكتروني.

بدأت الدراسات البحثية حول الذكاء الاصطناعي بعد مؤتمر عُقد في كلية دارتموث في القرن التاسع عشر. و خلال جلسة العصف الذهني هذه أظهر العديد من الأشخاص اهتمامهم بالذكاء الاصطناعي (AI). قدم الباحثون خلال المؤتمر برامج يمكنها التغلب على البشر في حل مشاكل الكلمات. أيضًا بدأت وزارات الدفاع في استثمار الكثير من الأموال في مختبرات وأبحاث الذكاء الاصطناعي في جميع أنحاء العالم.

و لسوء الحظ ، يستخف معظم الباحثين بمدى تعقيد المشكلات. أدواتهم لا تعطي الحس السليم أو المشاعر لأجهزة الكمبيوتر. في الثمانينيات تمت إعادة تشغيل أبحاث الذكاء الاصطناعي بسبب شعبية العديد من الأنظمة التي تحاكي المعرفة البشرية. بحلول نهاية عام 1985 ، تم استثمار حوالي مليار دولار في الذكاء الاصطناعي . كما كان ظهور أجهزة كمبيوتر بشكل أسرع مقنع بدرجة كافية بالنسبة للحكومة البريطانية والأمريكية لتوفير الكثير من الأموال للذكاء الاصطناعي مرة أخرى.

 

 

فوائد الذكاء الاصطناعي

يمكننا أن نرى تطبيق الذكاء الاصطناعي في الكثير من المنصات عبر الإنترنت التي نتمتع بها  في الوقت الحاضر ، مثل متاجر البيع بالتجزئة والرعاية الصحية والتمويل واكتشاف الاحتيال وتحديثات الطقس ومعلومات حركة المرور وغير ذلك الكثير. في واقع الأمر ، لا يوجد شيء لا يستطيع الذكاء الاصطناعي فعله.