تكنولوجيا متطورة

تعريف الذكاء الاصطناعي بالعربي (AI) Artificial Intelligence

تعريف الذكاء الاصطناعي بالعربي (AI) Artificial Intelligence

الذكاء الاصطناعي، في هذا المقال سوف نقوم بتوضيح علوم الذكاء الاصطناعي (AI) Artificial Intelligence، في محاولة لفهم ماهية هذا العلم؟ وشرح ابرز جوانب تطبيق هذا العلم، وكيف من الممكن للذكاء الاصطناعي أن يفهم ويحلل ويتنبأ ويتفاعل مع عالم أكبر وأعقد من الدماغ البشري؟

ما هو الذكاء الاصطناعي؟

الذكاء الاصطناعي هو علم معرفي حديث، بدأ في الخمسينات من القرن الماضي، أما قبل هذه الفترة، فأن العلوم الآخرى اهتمت بشكل أو بآخر بالذكاء الاصطناعي بطريقة غير مباشرة. باستعراض علم الفيزياء نجد أن جميع الطلاب يشعروا بأن جميع الأفكار القيمة أخذت من  آينشتاين غاليليو وونيوتن وبقية العلماء، ولابد من البحث والدراسة لأعوام كثيرة حتى يتسنى لأحدهم أيجاد اكتشاف جديد! في المقابل فإن الذكاء الاصطناعي لا يزال جديداً ومفتوحاً لايجاد افكارا قيمة كما الفيزياء.

ويشير مصطلح الذكاء الاصطناعي (AI) إلى الأنظمة الذكية والأجهزة التي تحاكي الذكاء البشري للقيام في أداء المهام التي يمكنها أن تطور وتحسن من نفسها استناداً إلى المعلومات التي تحللها، ومن بعض أشكال الذكاء الاصطناعي:

إقرأ أيضا:نموذج الجوازات الموحد 1443
  • أستخدم روبوتات الذكاء الاصطناعي لفهم المشكلات في شتى المجالات بشكل أسرع وتقديم إجابات أكثر كفاءة
  • أستخدم الذكاء الاصطناعي لتحليل البيانات الهامة من مجموعة البيانات الضخمة (Big Data) لفهم مسار المعلومات في المستقبل

إن الذكاء الاصطناعي يتلخص في القدرة على التفكير الهائل وتحليل البيانات بشكل اكثر دقة واستخدام الخوارزميات الرياضية لتحسين الاداء والنتائج. وعلى الرغم من أن الذكاء الاصطناعي يقدم نماذج من الروبوتات فائقة الأداء الشبيهة بالإنسان والتي أصبحت تسيطر على الاعمال الدقيقة والمعقدة، فإنه لا يطمح أن يحل محل العقل البشري، بل إلى تعزيز القدرات البشرية بشكل كبير، مما يجعله ذا قيمة كبيرة من أصول الأعمال.

أهمية الذكاء الاصطناعي Artificial Intelligence

الذكاء الاصطناعي يحتوي على تطبيقات تؤدي مهام مُعقدة كانت تتطلب في الماضي تدخلات بشرية مثل التواصل مع العملاء عبر الإنترنت أو تحليل بيانات معينة، ويُستخدم الذكاء الاصطناعي في مجالاته عدة، والتي تشمل التعلم الآلي (Machine Learning) والتعلم العميق (Deep Learning)، يُركز التعلم الآلي على إنشاء نماذج (Model) تتعلم وتحسن من أدائها بناءً على المدخلات والمخرجات او فقط المدخلات من البيانات التي تستهلكها؛ ومن ناحية اخرى يركز التعليم العميق على انشاء طبقات مخفية (hidden layers) بين المدخلان والمخرجات لزيادة دقة وكفاءة هاذه النموذج، وسوف نتطرق الى هاذين النوعين بشكل اكثر تفصيلا في موقع عنوان.

إقرأ أيضا:نموذج رسالة شكوى رسمية باللغة الانجليزية مترجم

تقوم العديد من الشركات الكبرى باستثمارات ضخمة في فرق علوم البيانات، حيث إن علوم البيانات تُعد مجالاً متعدداً التخصصات يستخدم فيها أساليب العلمية ومجالات أخرى لاستخراج القيمة من البيانات والبيانات الضخمة، ومن الامثلة على هذه المجالات الإحصاء وعلوم الكمبيوتر وتحليل البيانات التي يتم جمعها من مصادر مختلفة.

مجالات استخدام الذكاء الاصطناعي

تحليل البيانات Data analysis

أدى التطور الكبير في العلم والاقتصاد وتكنولوجيا المعلومات إلى زيادة كمية البيانات الرقمية، ومع هذه الكميات الضخمة من البيانات لم تعد وسائل التحليل التقليدية قادرة على تحليلها واستخراج معلومات منها، لذا ظهرت العديد من التقنيات التي تستطيع التعامل مع هاذه البيانات في سبيل أيجاد حلول تجمع بين عدة تخصصات سواء كانت الإحصاءات أو قواعد البيانات والذكاء الصناعي والتي تمييز بالسرعة والدقة العالية، وبعد ذالك تم التوصل إلى تقنية التنقيب عن البيانات (Data mining) واكتشاف المعرفة التي أثبتت وجودها كأحد انواع الحلول الناجحة لتحليل كميات ضخمة من البيانات وذلك بتحويلها من بيانات غير مفهومة إلى معلومات ذات قيمة عالية يمكن استغلالها والاستفادة منها لتصبح معرفة، لذا يعد التنقيب عن البيانات احد أسرع المجالات تطوراً في تخصصات علم الحاسب الآلي، ولقد جاءت شهرته وانتشاره بسبب الحاجة الملحة لأدوات تساعد في تحليل البيانات الضخمة وفهمها.

معالجة اللغات الطبيعية Natural Language Processing

معالجة اللغات الطبيعية هي علم من علوم الذكاء الاصطناعي والتي بدورها متفرعة من المعلوماتیة وترتبط بشكل كبیر مع علوم اللغویات التي تقدم التوصیف اللغوي المطلوب لجهاز الحاسوب، هذا العلم یمكننا من صناعة برامج تتمكن من تحلیل ومحاكاة وفهم اللغات الطبیعیة، حیث تستخدم هذه البرامج في العدید من المجالات منها:

إقرأ أيضا:نموذج زيادة راتب للموظف عربي انجليزي
  • القراءة الآلیة للنصوص ونطقها
  • تولید النصوص أو الكلام آلیا.
  •  استخلاص واستخراج المعلومات
  • تقنیات الترجمة
  • تنقیح النصوص

 الشبكات العصبية الاصطناعية Artificial Neural Networks

الشبكات العصبیة: هي نظام مصمم لمحاكاة الطریقة البشرية في التفكير والتحليل وتعد من أهم تطبيقات مجال الذكاء الاصطناعي وأكثرها تعقيدا، وهو عبارة عن معالج ضخم موزع على التوازي، ومكون من مدخلات وطبقات مخفية لزيادة دقة معالجة البيانات والمخرجات، هذه الوحدات ماهي إلا عناصر حسابیة تسمى عصبونات أو عقد لها خاصیة عصبونیة حیث تقوم بتخزین المعرفة العملیة والمعلومات في كل مرة تدخل في هاذه الشبكة وتحسن النتائج المخرجات للوصول الى اعلى دقة ممكنة من المعلومات.

الاْنظمة الخبيرة  Expert Systems

النظم الخبيرة عبارة عن مجموعة من البرامج المتطورة التي تعمل على حفظ وتخزين المعلومات والمهارات المنقولة لها من تراكم خبرات المتخصصين في مجالات معينة، وتتميز النظم الخبيرة بقدرتها على معالجة وتحليل المعلومات بطريقة استدلالية لتمكن اكبر عدد من المستفيدين الأقل خبرة من استخدام هذه المعلومات، وذلك ليتمنكو من حل المشكلات التي قد تواجههم في تطبيق أو عمل معين، ويعد النظام الخبير شكلا من أشكال الذكاء الاصطناعي والتي استندت في بناء النظم الخبيرة على مبدأ شبيه بمنطق التفكير الإنساني

التعرف على الكلام  Speech Understanding

تشكّل أنظمة التعرف على الكلام العمود الفقري لكل التقنيات بدءاً من برامج الإملاء وأدوات ترجمة اللغات ومكبرات الصوت الذكية، وبالرغم من أن الآلات قد تتعرف على الكلام، هذا لا يعني بالضرورة أنها تفهمه مثل البشر.

يمكن للبشر فهم اللغة حتى وإن كانت خارج السياق أو حتى ان كانت كلمات مختلطة، بينما يصعب على الآلة فعل ذلك.

معالجة اللغات الطبيعية “Natural Language Processing” هي تقنية متطورة جدا في التعرف على الكلام، حيث تُمكن أنظمة الذكاء الاصطناعي من الاعتماد على القواعد النحوية والغوية في تحليل الكلام مباشر من أجل فهم أفضل وادق للطرق المعقدة التي يتحدث بها الانسان، وهذا ويساعد أنظمة الذكاء الاصطناعي على تعلم كيف يمكن أن تغير النغمة على معنى الجملة.

يتم تطوير هذه التقنيات بدقة عالية، ليس فقط لفهم ما نقوله ولكن ما نعنيه أيضاً. وفي الوقت عينه يعكف فِرق تصميم أنظمة الذكاء الاصطناعي باستمرار لتزويد تلك الأنظمة بمزيد من التقنيات المتطورة والدقيقة، حتى اصبح التفاعل مع  أنظمة الذكاء الاصطناعي أكثر سلاسة من أي وقت مضى.

الروبوت Robotic

تساعد أنظمة الذكاء الاصطناعي الروبوتات على إنجاز الكثير من المهام الدقيقة، علماً أن الروبوتات اصبحت جزءاً من حياتنا اليومية بدءاً من المكانس الكهربائية المبرمَجة وصولاً إلى الأذرع الميكانيكية الضخمة في خطوط إنتاج المصانع المختلفة. وتدخل ايضاً في البرامج المستخدَمة لبرمجة التطبيقات الرقمية، وليس فقط المهام العملية.

في بداية الامر تم تصميم الروبوتات لتنفيذ الأنشطة والمهام المختلفة بهدف تخفيف أعباء العمل عن الأشخاص، ومع ظهور أنظمة الذكاء الاصطناعي، أصبحت من الممكن تصميم جيل جديد من الروبوتات بقدرات هائلة ودقيقة ممكنة للغاية، وهذا التطور مكن الروبوتات من القدرة على تحليل المهام المختلفة وإنجازها بشكل فوري ودقيق، وهي المهام التي كان من الصعب سابقاُ إنجازها بشكل تلقائي.

تطبيقات علم الذكاء الاصطناعي

  • تطبيقات الألعاب Game Playing.
  • تطبيقات الاستدلال الآلي وإثبات النظرية  Automated Reasoning & Theorem Proving.
  • تطبيقات الأنظمة الخبيرة Expert Systems .
  • تطبيقات التعرف على الغات والاصوات  Natural Language Understanding & Semantic Modeling & Natural Language Processing.
  • تطبيقات الرؤية عن طريق الآلة Machine Vision.
  • تطبيقات نمذجة الأداء البشري Modeling Human Performance.
  • تطبيقات التخطيط و الاتمتة Planning & Robotics.
  • لغات و بيئات الذكاء الاصطناعي Languages & Environments for AI.
  • تعلم الاله Machine Learning.
  • الحوسبة الظاهرة و المعالجة الموزعة المتوازية Parallel Distributed Processing & Emergent Computation.
  • التصنيف الارشادي Heuristic Classification.

خصائص الذكاء الصطناعي

  • استخدام الذكاء في حل المشاكل المطروحه مع غياب المعلومة الكاملة
  • القدرة على التفكير والتحليل
  • القدرة على أكتساب المعرفه وتطبيقها
  • القدرة على التعلم والفهم من التجارب والخبرات السابقة
  • القدرة على استخدام الخبرات القديمة وتوظيفها في مواقف جديدة
  • القدرة على استخدام التجربة والخطأ الي أستكشاف الامور المختلفة
  • القدرة على الاستجابة للمواقف والظروف الجديدة
  • القدرة على التعامل مع الحالات الصعبة والمعقدة
  • القدرة على تمييز الاْهمية النسبية لعناصر الحالات المطروحه
  • القدرة على التصور وفهم الامور المرئية وإدراكها
  • القدرة على تقديم المعلومه إلسناد القرارات الادارية

أهداف الذكاء الصطناعي

يهدف علم الذكاء الصطناعي عموما إلى فهم طبيعة الذكاء الاْنساني عن طريق عمل برامج الاْلليه قادرة على محاكاة السلوك الاْنساني المتسم بالذكاء، وتعني قدرة برنامج الحاسب على جلب مسألة ما أو اتخاذ قرار موقف معين، حيث أن البرنامج نفسه يجد الطريقة التي يجب أن تتبع لحل المسألة أو للتوصل إلى القرار بالرجوع إلى العديد من العمليات الاْلستداللية المتنوعة التي غدي بها البرنامج.

ثلاثة أهداف أساسية للذكاء الصطناعي:

  1.  جعل الاْجهزة أكثر ذكاء
  2.  فهم ماهية الذكاء
  3.  جعل الاْجهزة أكثر فائدة

بداية الذكاء الاصطناعي

بدأ الذكاء الاصطناعي بعلماء الرياضيات والمهندسين وعلماء النفس في محاولة لجعل البرمجيات تتعلم كما العقل البشري.

في صيف عام 1956، التقى 10 علماء في كلية دارتموث الايجاد وانتاج الذكاء الاصطناعي. اجتمع الباحثون من تخصصات الرياضيات والهندسة وعلم النفس والاقتصاد والعلوم السياسية معًا لمعرفة ما إذا كان بإمكانهم وصف التعلم والتفكير البشري بدقة بحيث يمكن تكراره باستخدام آلة، وبالكاد بعد عقد من الزمان، ساهم هؤلاء العلماء أنفسهم في انجازات مثيرة في مجال الروبوتات ومعالجة اللغة الطبيعية ورؤية الكمبيوتر.

على الرغم من مرور الكثير من الوقت منذ ذلك الحين، تظل الروبوتات ومعالجة اللغة الطبيعية ورؤية الكمبيوتر من أهم مجالات البحث حتى يومنا هذا. ويمكن للمرء أن يقول إننا نركز على تعليم الذكاء الاصطناعي للتحرك مثل الإنسان، والتحدث مثل الإنسان، والنظر مثل الإنسان.

إن الغرض من القيام باستخدام الذكاء الاصطناعي، بأننا نريد أن تقوم الآلات بأتمتة المهام مثل القيادة أو قراءة العقود القانونية أو التسوق لشراء من البقالة، ونريد إنجاز هذه المهام بشكل أسرع وأكثر أماناُ وشمولية مما يمكن أن يفعله البشر في أي وقت مضى. وبهذه الطريقة، سيكون لدى البشر المزيد من الوقت للأنشطة الترفيهية بينما تقوم الآلات بمهام مملة في حياتنا.

مثال على تطبيقات الذكاء الاصطناعي

تخيل السيناريو التالي: لديك مجموعة من البيانات الضخمة الأشخاص من مختلف مناحي الحياة، ولمعرفة ما إذا كان لديهم COVID أم لا. تم تصنيفهم COVID / no-COVID من قبل أطباء أو ممرضات أو صيادلة، أو قد يكون مقدمو الرعاية الصحية مهتمين بالتنبؤ بما إذا كان من المحتمل أن يكون هناك دخول جديد لمصاباً بـ COVID بالفعل أم لا.

يعد التعلم الآلي الخاضع للإشراف (Supervised) مفيداً لمعالجة هذا النوع من المشكلات، حيث يمكن أن تستوعب الخوارزمية جميع البيانات وتبدأ في فهم كيفية تأثير النتائج بالمتغيرات المختلفة، مثل مهنة الشخص أو الدخل الإجمالي أو الحالة الأسرية أو العرق أو الرمز البريدي، على ما إذا كان قد أصيب بالمرض أم لا، حيث يمكن للخوارزمية تقدير مدى احتمالية إصابة ممرضة لاتينية لديها ثلاثة أطفال من نيويورك بفيروس COVID، على سبيل المثال. نتيجة لذلك، قد يتم تعديل تاريخ تطعيمها أو أقساط التأمين الخاصة بها من أجل إنقاذ المزيد من الأرواح من خلال التخصيص الفعال للموارد المحدودة.

تبدو هذه العملية مفيدة للغاية للوهلة الأولى، ولكن هناك نقاط ضعف. على سبيل المثال، قد يكون لدى مقدم الرعاية الصحية المثقل بالعمل نقاط بيانات غير صحيحة، مما يؤدي إلى أخطاء في مجموعة البيانات المزودة، تؤدي في النهاية إلى استنتاجات غير موثوقة. هذا النوع من الخطأ ضار بشكل كبير على نتائج البيانات النهائية.

وفي نهاية حديثنا عن انظمة وتعريف الذكاء الاصطناعي نكون قد وضحنا جانباً من جوانب هاذ العلم، وسوف نقدم المزيد من المعلومات القيمة في هذا المجال في قادم الأيام، باذن الله.

السابق
زيت جوز الهند العضوي باراشوت للشعر.. فوائد مذهلة
التالي
كيفية الاستعلام عن وصول شحنة ارامكس برقم الجوال