ما هو الذكاء الاصطناعي (AI) وأنواع الذكاء الاصطناعي

  ما هو الذكاء الاصطناعي (AI)؟

الذكاء الاصطناعي و تطبيقات الذكاء الاصطناعي 
و تاريخ الذكاء الاصطناعي (AI) 

الذكاء الاصطناعي (AI)

يعمل الذكاء الاصطناعي على تعزيز أجهزة الكمبيوتر والآلات لتقليد قدرات حل المشكلات واتخاذ القرار للعقل البشري.

ما هو الذكاء الاصطناعي؟

بينما ظهر عدد من تعريفات الذكاء الاصطناعي (AI) على مدار العقود القليلة الماضية ، يقدم John McCarthy ، 

"إنه علم وهندسة صنع آلات ذكية ، وخاصة برامج الكمبيوتر الذكية. وهي مرتبطة بالمهمة المماثلة لاستخدام أجهزة الكمبيوتر لفهم الذكاء البشري ، لكن 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 ،كتاب " ماكينات الحوسبة والذكاء "  ، والذي تم نشره في عام 1950. في هذا يطرح الورق ، تورينج ، الذي يشار إليه غالبًا باسم "أب علوم الكمبيوتر" ،

 السؤال التالي ، "هل تستطيع الآلات التفكير؟" من هناك ، 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.

ثم شرع ستيوارت راسل وبيتر نورفيج في نشر كتاب "الذكاء الاصطناعي نهج حديث "، ليصبح أحد الكتب المدرسية الرائدة في دراسة الذكاء الاصطناعي. في ذلك ، يتعمقون في أربعة أهداف أو تعريفات محتملة للذكاء الاصطناعي ، والتي تميز أنظمة الكمبيوتر على أساس العقلانية والتفكير مقابل التمثيل:

النهج البشري:

الأنظمة التي تفكر مثل البشر

الأنظمة 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 الكمبيوتر 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. كما لوحظ في " دورة الضجيج الخاصة بشركة Gartner" 

فإن ابتكارات المنتجات مثل السيارات ذاتية القيادة والمساعدين الشخصيين تتبع "تقدمًا نموذجيًا للابتكار ، من الحماسة المفرطة إلى فترة خيبة الأمل إلى الفهم النهائي لأهمية الابتكار ودوره في سوق أو مجال ".

 كما يلاحظ ليكس فريدمان في محاضرته في معهد ماساتشوستس للتكنولوجيا في عام 2019 ، حيث قال نحن في ذروة التوقعات المتضخمة ، ونقترب من قاع خيبة الأمل.  

أنواع الذكاء الاصطناعي

 - الذكاء الاصطناعي الضعيف مقابل الذكاء الاصطناعي القوي

الذكاء الاصطناعي الضعيف - يسمى أيضًا بالذكاء الاصطناعي الضيق أو الذكاء الاصطناعي الضيق (ANI) - هو 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 و Amazon's Alexa و IBM Watson والمركبات المستقلة.

يتكون الذكاء الاصطناعي القوي من الذكاء الاصطناعي العام (AGI) والذكاء الاصطناعي الخارق (ASI). 

الذكاء الاصطناعي العام (AGI) ، أو AI العام 

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) 

- المعروف أيضًا باسم الذكاء الخارق - سيتفوق على 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 عام 2001: A Space Odyssey.

التعلم العميق مقابل التعلم الآلي

نظرًا لأن التعلم العميق والتعلم الآلي يميلان إلى الاستخدام بالتبادل ، فمن الجدير ملاحظة الفروق الدقيقة بين الاثنين. 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 الآلي ببعضهما البعض

يتكون التعلم العميق في الواقع من شبكات عصبية. يشير مصطلح "عميق" في التعلم العميق إلى شبكة عصبية تتكون من أكثر من ثلاث طبقات - والتي من شأنها أن تشمل المدخلات والمخرجات - يمكن اعتبارها خوارزمية التعلم العميق. يتم تمثيل هذا بشكل عام باستخدام الرسم البياني التالي:

الذكاء الاصطناعي العميفIbm

رسم تخطيطي للشبكة العصبية العميقة

الطريقة التي يختلف بها التعلم العميق والتعلم الآلي هي في كيفية تعلم كل خوارزمية. يقوم التعلم العميق بأتمتة جزء كبير من عملية استخراج الميزات ، مما يلغي بعض التدخل البشري اليدوي المطلوب ويمكّن 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 الكلاسيكي 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.

رسم بياني للذكاء الإصطناعي IBM 

يمكن للتعلم الآلي "العميق" الاستفادة من مجموعات البيانات المصنفة ، والمعروفة أيضًا باسم التعلم الخاضع للإشراف ، لإبلاغ الخوارزمية الخاصة بها ، ولكنها لا تتطلب بالضرورة مجموعة بيانات مصنفة. يمكنه استيعاب البيانات غير المهيكلة في شكلها الأولي (مثل النصوص والصور) ، ويمكنه تلقائيًا تحديد التسلسل الهرمي للميزات التي تميز فئات البيانات المختلفة عن بعضها البعض. على عكس التعلم الآلي ، لا يتطلب الأمر تدخلاً بشريًا لمعالجة البيانات ، مما يسمح لنا بتوسيع نطاق التعلم الآلي بطرق أكثر إثارة للاهتمام.

ماهي تطبيقات الذكاء الاصطناعي الحالية 

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

التعرف على الكلام: يُعرف أيضًا باسم التعرف التلقائي على الكلام (ASR) ، أو التعرف على الكلام بالكمبيوتر ، أو تحويل الكلام إلى نص ، وهي قدرة تستخدم معالجة اللغة الطبيعية (NLP) لمعالجة الكلام البشري في تنسيق مكتوب. تدمج العديد من الأجهزة المحمولة التعرف على الكلام في أنظمتها لإجراء بحث صوتي - مثل Siri - أو توفير إمكانية وصول أكبر حول الرسائل النصية. 

خدمة العملاء: يحل الوكلاء الافتراضيون   عبر الإنترنت محل الوكلاء البشريين على طول رحلة العميل. يجيبون على الأسئلة المتداولة (FAQs) حول مواضيع ، مثل الشحن ، أو يقدمون مشورة مخصصة ، أو منتجات البيع العابر أو اقتراح أحجام للمستخدمين ، ويغيرون الطريقة التي نفكر بها حول تفاعل العملاء عبر مواقع الويب ومنصات التواصل الاجتماعي. تشمل الأمثلة روبوتات المراسلة على مواقع التجارة الإلكترونية مع وكلاء افتراضية ، وتطبيقات المراسلة ، مثل Slack و Facebook Messenger ، والمهام التي يقوم بها عادةً المساعدون الافتراضيون والمساعدون الصوتيون .

رؤية الكمبيوتر:  تمكّن تقنية الذكاء الاصطناعي هذه أجهزة الكمبيوتر والأنظمة من استخلاص معلومات ذات مغزى من الصور الرقمية ومقاطع الفيديو والمدخلات المرئية الأخرى ، وبناءً على هذه المدخلات ، يمكنها اتخاذ إجراءات. هذه القدرة على تقديم توصيات تميزها عن مهام التعرف على الصور. مدعومًا بالشبكات العصبية التلافيفية ، فإن رؤية الكمبيوتر لها تطبيقات ضمن علامات الصور في وسائل التواصل الاجتماعي ، والتصوير الإشعاعي في 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 بيع أكثر فعالية. يستخدم هذا لتقديم توصيات إضافية ذات صلة للعملاء أثناء عملية الدفع لتجار التجزئة عبر الإنترنت.

التداول الآلي في الأسهم:  تم تصميم منصات التداول عالية التردد التي تعتمد على الذكاء الاصطناعي لتحسين محافظ الأسهم ، مما يجعل الآلاف أو حتى ملايين الصفقات يوميًا دون تدخل بشري.

ماهو تاريخ الذكاء الاصطناعي

التواريخ والأسماء الرئيسية

تعود فكرة "الآلة التي تفكر" إلى اليونان القديمة. ولكن منذ ظهور الحوسبة الإلكترونية (وفيما يتعلق ببعض الموضوعات التي نوقشت في هذه المقالة) ، تشمل الأحداث والمعالم الهامة في تطور الذكاء الاصطناعي ما يلي:

1950: نشر آلان تورينج ماكينات الحوسبة والذكاء. في الورقة ، 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. تمت مناقشة قيمة اختبار تورينج منذ ذلك الحين.

1956: صاغ جون مكارثي مصطلح "الذكاء الاصطناعي" في أول مؤتمر للذكاء الاصطناعي على الإطلاق في كلية دارتموث. (استمر مكارثي في ​​ابتكار لغة Lisp.) في وقت لاحق من ذلك العام ، قام Allen Newell و JC Shaw و Herbert Simon بإنشاء The Logic Theorist ، وهو أول برنامج تشغيل للذكاء الاصطناعي.

1967: بنى فرانك روزنبلات Mark 1 Perceptron ، أول كمبيوتر يعتمد على شبكة عصبية "تعلمت" من خلال التجربة والخطأ. بعد عام واحد فقط ، نشر مارفن مينسكي وسيمور بابيرت كتابًا بعنوان Perceptrons ، والذي أصبح عملًا بارزًا على الشبكات العصبية ، ولفترة من الوقت على الأقل ، حجة ضد مشاريع أبحاث الشبكة العصبية المستقبلية.

الثمانينيات: أصبحت الشبكات العصبية التي تستخدم خوارزمية الانتشار العكسي لتدريب نفسها مستخدمة على نطاق واسع في تطبيقات الذكاء الاصطناعي.

1997: ديب بلو من شركة IBM يتفوق على بطل العالم للشطرنج آنذاك غاري كاسباروف ، في مباراة شطرنج (ومباراة ثانية).

2011: فاز IBM Watson على البطل Ken Jennings و Brad Rutter في لعبة Jeopardy!

2015: يستخدم الكمبيوتر العملاق Minwa من Baidu نوعًا خاصًا من الشبكة العصبية العميقة تسمى الشبكة العصبية التلافيفية لتحديد وتصنيف الصور بمعدل دقة أعلى من متوسط ​​الإنسان.

2016: برنامج AlphaGo من DeepMind ، المدعوم بشبكة عصبية عميقة ، يتفوق على Lee Sodol ، بطل العالم Go ، في مباراة من خمس مباريات. النصر مهم بالنظر إلى العدد الهائل من الحركات الممكنة مع تقدم اللعبة (أكثر من 14.5 تريليون بعد أربع حركات فقط!). في وقت لاحق ، اشترت Google DeepMind مقابل 400 مليون دولار أمريكي.

المصدر :IBM