في هذا المقال سوف نناقش موضوع الذكاء الإصطناعي ، وهو قدرة الآلات على تكرار أو تعزيز الذكاء البشري، مثل التفكير والتعلم من التجربة. تم استخدام الذكاء الاصطناعي في برامج الكمبيوتر لسنوات، ولكنه يتم تطبيقه الآن على العديد من المنتجات والخدمات الأخرى.

على سبيل المثال، يمكن لبعض الكاميرات الرقمية تحديد الكائنات الموجودة في الصورة باستخدام برامج الذكاء الاصطناعي. بالإضافة إلى ذلك، يتوقع الخبراء العديد من الاستخدامات المبتكرة للذكاء الاصطناعي في المستقبل، بما في ذلك الشبكات الكهربائية الذكية.

ما هو مفهوم الذكاء الإصطناعي؟

بشكل عام ، يمكن لأنظمة الذكاء الإصطناعي أداء المهام المرتبطة بشكل كبير بالوظائف العقلية للإنسان. وهى  مثل تفسير الكلام وممارسة الألعاب وتحديد الأنماط. إنهم يتعلمون عادةً كيفية القيام بذلك عن طريق معالجة كميات هائلة من البيانات ، والبحث عن أنماط تساهم في صياغة صناعة القرار الخاص بهم.

 في كثير من الحالات ، يكون الإنسان هو المشرف على عملية تعلم الذكاء الإصطناعي ويقوم بدعم القرارات الجيدة وتجنب القرارات السيئة. لكن بعض أنظمة الذكاء الإصطناعي تم تصميمها للتعلم دون إشراف بشري. على سبيل المثال ، من خلال ممارسة ألعاب الفيديو مرارًا وتكرارًا حتى يكتشفوا في النهاية القواعد وكيفية الفوز.

الذكاء الإصطناعي القوي مقابل الذكاء الإصطناعي الضعيف

من الصعب تحديد الذكاء ، ولهذا السبب يميز خبراء الذكاء الإصطناعي عادة بين الذكاء الإصطناعي القوي والذكاء الإصطناعي الضعيف.

1 ) الذكاء الإصطناعي القوي

الذكاء الاصطناعي القوي، المعروف أيضًا باسم الذكاء العام الاصطناعي ، هو آلة يمكنها حل المشكلات التي لم يتم تدريبها على العمل إطلاقاً  تمامًا مثل الإنسان. هذا هو نوع الذكاء الاصطناعي الذي نراه في الأفلام ، على سبيل المثال: الروبوتات في فيلم Westworld

أو بيانات الشخصية في فيلم Star Trek: The Next Generation. هذا النوع من الذكاء الاصطناعي غير موجود بالفعل حتى الآن.

إن صناعة آلة تضاهي مستوى الذكاء البشري يمكنها إنجاز أي مهمة هدف منشود يسعى إليه الباحثون في مجال الذكاء الإصطناعي. لكن السعي وراء الذكاء الاصطناعي العام محفوف بالصعوبات. ويعتقد البعض أن أبحاث الذكاء الإصطناعي القوية يجب أن تكون محدودة . نتيجة المخاطر المحتملة المرتبطة بتصنيع ذكاء اصطناعي قوي بدون حواجز أمان مناسبة.

على الجانب الآخر، فإن الذكاء الإصطناعي القوي يمثل آلة تتسم بمجموعة كاملة من القدرات المعرفية وحالات كثيرة للإستخدام. لكن الوقت لم يقلل من صعوبة تحقيق مثل هذا الإنجاز.

2) الذكاء الإصطناعي الضعيف

يعمل الذكاء الإصطناعي الضعيف ، الذي يشار إليه أحيانًا باسم الذكاء الإصطناعي الضيق أو الذكاء الإصطناعي المتخصص ، في سياق محدود وهو محاكاة للذكاء البشري يتم تطبيقه على مشكلة محددة بدقة (مثل قيادة السيارة أو نسخ الكلام البشري أو تنسيق المحتوى على موقع إلكتروني).

غالبًا ما يركز الذكاء الاصطناعي الضعيف على أداء مهمة واحدة بشكل جيد للغاية. في حين أن هذه الآلات قد تبدو ذكية ، إلا أنها تعمل في نطاق ضيق ومحدود جداً عن الذكاء البشري العادي.

تشمل أمثلة الذكاء الإصطناعي الضعيفة ما يلي:

Siri و Alexa وأدوات ذكية أخرى مساعدة.

سيارات ذاتية القيادة

بحث جوجل

روبوتات للمحادثة.

فلاتر رسائل البريد الإلكتروني العشوائية.

توصيات Netflix

التعلم الآلي مقابل التعلم العميق

على الرغم من ظهور مصطلحي “التعلم الآلي” و “التعلم العميق” بشكل متكرر في المحادثات حول الذكاء الإصطناعي، فلا ينبغي استخدامهما بشكل متبادل. التعلم العميق هو شكل من أشكال التعلم الآلي ، والتعلم الآلي هو مجال فرعي من الذكاء الاصطناعي.

أولاً: التعلم الآلي

إن خوارزمية التعلم الآلي عبارة عن بيانات يتم تغذيتها بواسطة الكمبيوتر وتستخدم تقنيات إحصائية لمساعدتها على “تعلم” كيفية التحسن تدريجيًا في مهمة ما ، دون الحاجة بالضرورة إلى أن تكون مُبرمجة خصيصًا لهذه المهمة. بدلاً من ذلك ، تستخدم خوارزميات التعلم الآلي ML (Machine Learning)البيانات التاريخية كمدخلات تتوقع قيم المخرجات الجديدة.

تحقيقًا لهذه الغاية ، يتكون التعلم الآلي من كل من التعلم الخاضع للإشراف (حيث يُعرف المخرجات المتوقعة للمدخلات بفضل مجموعات البيانات المصنفة) والتعلم غير الخاضع للإشراف (حيث تكون المخرجات المتوقعة غير معروفة بسبب استخدام مجموعات البيانات غير المصنفة).

ثانياً: التعلم العميق

التعلم العميق هو نوع من التعلم الآلي الذي يدير المدخلات من خلال بنية شبكة عصبية مستوحاة من الناحية البيولوجية. كما تحتوي الشبكات العصبية على عدد من الطبقات المخفية التي يتم من خلالها معالجة البيانات ، مما يسمح للآلة بالتعمق في تعلمها، وإجراء التواصل وضبط المدخلات للحصول على أفضل النتائج.

أنواع الذكاء الإصطناعي

يمكن تقسيم الذكاء الاصطناعي إلى أربع فئات ، بناءً على نوع وتعقيد المهام التي يستطيع النظام تنفيذها هى:-

• الآلة التفاعلية
• ذاكرة محدودة
• نظرية العقل
• الوعي الذاتي

أولاً: الآلة التفاعلية

تتبع الآلة التفاعلية أبسط مبادئ الذكاء الإصطناعي، وكما يوحي اسمها ، فهي قادرة فقط على استخدام ذكائها لإدراك العالم الذي أمامه والتفاعل معه. لا يمكن للآلة التفاعلية تخزين ذاكرة ، ونتيجة لذلك ، لا يمكنها الاعتماد على التجارب السابقة لإبلاغ عملية صنع القرار في الوقت الفعلي.

إن إدراك العالم بشكل مباشر يعني أن الآلات التفاعلية مصممة لإكمال عدد محدود فقط من المهام المتخصصة. مع ذلك ، فإن تضييق الرؤية العالمية للآلة التفاعلية له فوائده: سيكون هذا النوع من الذكاء الاصطناعي أكثر جدارة بالثقة ويمكن الاعتماد عليه ، وسيتفاعل بنفس الطريقة مع نفس المحفزات في كل مرة.

أمثلة على الآلة التفاعلية

تم تصميم جهاز ديب بلو Deep Blue من قبل شركة IBM في التسعينيات كجهاز كمبيوتر عملاق يلعب الشطرنج وهزم المعلم العالمي “جاري كاسباروف” Gary Kasparov  في إحدى الألعاب. كان ديب بلوDeep Blue قادرًا فقط على تحديد القطع على رقعة الشطرنج ومعرفة كيفية كل حركة بناءً على قواعد الشطرنج ، والاعتراف بالموقع الحالي لكل قطعة وتحديد الخطوة الأكثر منطقية في تلك اللحظة.

لم يكن الكمبيوتر يتابع التحركات المستقبلية المحتملة من قبل الخصم أو يحاول وضع القطع الخاصة به في وضع أفضل. كان يُنظر إلى كل منعطف على أنه واقعه الخاص ، ومنفصل عن أي حركة أخرى تم القيام بها مسبقًا.

كما أن برنامج AlphaGo من Google غير قادر على تقييم الحركات المستقبلية ولكنه يعتمد على شبكته العصبية الخاصة لتقييم تطورات اللعبة الحالية ، مما يمنحها ميزة على Deep Blue في لعبة أكثر تعقيدًا. كما تفوق AlphaGo على المنافسين العالميين في اللعبة ، حيث هزم البطل Go لي سيدول  Lee Sedol في عام 2016.

ثانياً: الذاكرة المحدودة

إن الذكاء الإصطناعي محدود الذاكرة له القدرة على تخزين البيانات الماضية والتوقعات عند تجميع المعلومات وضبط القرارات المحتملة ، بشكل أساسي البحث في الماضي عن أدلة حول ما قد يحدث بعد ذلك. يعتبر الذكاء الاصطناعي محدود الذاكرة أكثر تعقيدًا ويوفر إحتمالات أعظم من الآلات التفاعلية.

يتم إطلاق الذكاء الاصطناعي محدود الذاكرة عندما يقوم فريق ما بالتدريب المستمرعلى نموذج في كيفية تحليل واستخدام البيانات الجديدة أوعندما يتم بناء بيئة  الذكاء الاصطناعي، فإن نماذج متعددة  يمكن التدريب عليها وتجديدها تلقائيًا. هناك 6 خطوات يجب إتباعها عند إستخدام الذكاء الإصطناعي المحدود في التعلم الآلي:-

أ – إنشاء بيانات التدريب.

ب – تصنيع نموذج التعلم الآلي.

ج – التأكد من أن النموذج يمكنه القيام بالتوقعات.

د- التأكد من أن النموذج يمكن أن يتلقى تغذية رجعية بشرية أو بيئية.

هـ – تخزين التغذية الرجعية البشرية والبيئية على شكل بيانات.

و- تكرار الخطوات السابقة بنفس التسلسل.

ثالثاً: نظرية العقل

نظرية العقل هي مجرد شيء نظري. لم نحقق حتى الآن القدرات التكنولوجية والعلمية الضرورية والأساسية للوصول إلى هذا المستوى المتقدم من الذكاء الاصطناعي.

يعتمد المفهوم على الافتراض النفسي لفهم أن الكائنات الحية الأخرى لديها أفكار وعواطف تؤثر على سلوك النفس. فيما يتعلق بآلات الذكاء الإصطناعي. هكذا يعني أن الذكاء الإصطناعي يمكنه فهم كيف يشعر البشر والحيوانات والآلات الأخرى. كذلك يقومون بإتخاذ القرارات من خلال الإنعكاس النفسي والتفكير في القرار ، ثم استخدام هذه المعلومات لاتخاذ قراراتهم بأنفسهم.

يجب أن تكون الآلات قادرة على استيعاب مفهوم “العقل” ومعالجته ، وتقلبات المشاعر في عملية صنع القرار. كذلك سلسلة من المفاهيم النفسية الأخرى في الوقت الفعلي. وهذا يؤدي إلى إنشاء علاقة ثنائية الاتجاه بين البشر والذكاء الإصطناعي.

رابعاً: الوعي الذاتي

بمجرد أن يتم إطلاق نظرية العقل ، في وقت ما في مستقبل الذكاء الإصطناعي، فإن الخطوة الأخيرة هى أن يصبح الذكاء الاصطناعي ذاتي الإدراك والوعي. يمتلك هذا النوع من الذكاء الاصطناعي وعيًا على بنفس مستوى الوعي البشري ويدرك وجوده في العالم ، بالإضافة إلى وجود الآخرين وحالتهم العاطفية. سيكون قادرًا على فهم ما قد يحتاجه الآخرون ليس فقط على أساس ما يوصلونه إليهم ولكن كيف يتصلون به.

يعتمد الوعي الذاتي في الذكاء الإصطناعي على كل من فهم الباحثين البشريين لفرضية الوعي ثم تعلم كيفية تكرار ذلك بحيث يكون عنصراً أساسياً في الآلات.

أمثلة على الذكاء الإصطناعي

تتخذ تقنية الذكاء الاصطناعي أشكالًا عديدة ، من روبوتات المحادثة إلى تطبيقات الملاحة وأجهزة تتبع اللياقة البدنية القابلة للارتداء. توضح الأمثلة الآتية مدى اتساع نطاق تطبيقات الذكاء الاصطناعي المحتملة.

محادثات النموذج اللغوي ذاتي الانحدار Chat GPT

عبارة عن روبوت محادثة ذكاء اصطناعي قادر على إنتاج محتوى مكتوب في مجموعة من التنسيقات ، من مقالات وأكواد وإجابات على الأسئلة البسيطة. تم إطلاق ChatGPT في نوفمبر 2022 بواسطة OpenAI ، وهو مدعوم بنموذج لغة كبير يسمح لها بمحاكاة الكتابة البشرية بدرجة كبيرة.

خرائط جوجل

تستخدم خرائط Google بيانات الموقع من الهواتف الذكية ، بالإضافة إلى البيانات التي يقوم المستخدم  بالإفصاح عنها حول أشياء مثل البناء وحوادث السيارات ، لمراقبة زيادة وإنخفاض حركة المرور وتحديد المسار الأسرع.

المساعدين الأذكياء

يستخدم المساعدون الشخصيون مثل Siri و Cortana المعالجة الطبيعية للغة ، أو البرمجة اللغوية العصبية NLP ، لتلقي تعليمات من المستخدمين. وذلك لضبط التذكيرات والبحث عن المعلومات عبر الإنترنت والتحكم في الأضواء في منازل الأشخاص. كذلك في كثير من الحالات، تم تصميم هؤلاء المساعدين لمعرفة تفضيلات المستخدم وتحسين خبرتهم   من خلال اقتراحات أفضل واستجابات أكثر تخصيصًا.

فلاتر سناب شات Snap chat

تستخدم فلاتر Snap chat خوارزميات التعلم الآلي للتمييز بين الموضوع الذي تدور حوله الصورة والخلفية ، وتتبع حركات الوجه وضبط الصورة على الشاشة بناءً على ما يفعله المستخدم.

سيارات ذاتية القيادة

السيارات ذاتية القيادة هي مثال واضح للتعلم العميق ، لأنها تستخدم شبكات عصبية عميقة لاكتشاف الأشياء من حولها ، وتحديد بعدها عن السيارات الأخرى ، كذلك تحديد إشارات المرور وأكثر من ذلك.

أجهزة قابلة للارتداء

تطبق أجهزة الاستشعار والأجهزة القابلة للارتداء المستخدمة في مجال الرعاية الصحية أيضًا التعلم العميق لتقييم الحالة الصحية للمريض ، بما في ذلك مستويات السكر في الدم وضغط الدم ومعدل ضربات القلب. يمكنها أيضًا الحصول على البيانات الطبية السابقة للمريض واستخدامها لتوقع أي ظروف صحية مستقبلية.

برنامج MuZero

MuZero هو برنامج كمبيوتر تم إنشاؤه بواسطة Deep Mind ، هو المرشح الأوفر حظًا في السعي لتحقيق ذكاء اصطناعي عام حقيقي. لقد تمكن من إتقان الألعاب التي لم يتم تعلمها، بما في ذلك الشطرنج ومجموعة كاملة من ألعاب الأتاري ، وممارسة الألعاب ملايين المرات.

اقرأ أيضاً: الربح من الذكاء الاصطناعي | أذكي وأسهل 7 طرق للمبتدئين

أهمية الذكاء الإصطناعي

للذكاء الإصطناعي العديد من الاستخدامات، من تعزيز تطوير اللقاح إلى الكشف الأتوماتيكي عن عمليات الإحتيال المحتملة. كما جمعت شركات الذكاء الاصطناعي 66.8 مليار دولار من التمويل في عام 2022 ، ووفقًا لأبحاث CB Insights  فإنه أكثر من ضعف المبلغ الذي تم جمعه في عام 2020. وبسبب اعتماده سريع الخطى ، أحدث الذكاء الإصطناعي ضجة وترك تأثيراً واضحاً في عدة مجالات منها:-

( 1 ) خدمات مصرفية أكثر أمانًا

وجد تقرير صادر عن صحيفة Business Insider Intelligence لعام 2022 عن الذكاء الإصطناعي في الخدمات المصرفية أن أكثر من نصف شركات الخدمات المالية تستخدم بالفعل حلول الذكاء الإصطناعي لإدارة المخاطر وتوليد الإيرادات. علاوة على ذلك، يمكن أن يؤدي تطبيق الذكاء الإصطناعي في الأعمال المصرفية إلى توفير ما يزيد عن 400 مليار دولار.

( 2 ) خدمة طبية أفضل

بالنسبة للطب ، أشار تقرير لمنظمة الصحة العالمية لعام 2021 إلى أنه في حين أن دمج الذكاء الاصطناعي في مجال الرعاية الصحية يأتي مع تحديات. فإن التكنولوجيا “تقدم وعدًا عظيماً” ، حيث يمكن أن يعود هذا بفائدة مثل السياسة الصحية المستنيرة والتحسينات في دقة تشخيص المرضى.

( 3 ) وسائل إعلام مبدعة

لقد ترك الذكاء الإصطناعي علامة بارزة في المجال الترفيهي. تشير التقديرات إلى أن السوق العالمية للذكاء الإصطناعي في وسائل الإعلام والترفيه ستصل إلى 99.48 مليار دولار بحلول عام 2030. كذلك ستتغير من قيمة 10.87 مليار دولار في عام 2021 ، وفقًا لـ Grand View Research. يشمل هذا التوسع استخدامات الذكاء الاصطناعي مثل التعرف على الانتحال وتطوير رسومات عالية الدقة.

تحديات وحدود الذكاء الإصطناعي

بينما يُنظر إلى الذكاء الإصطناعي بالتأكيد على أنه شيء  مهم وسريع التطور ، فإن هذا المجال الناشئ تشوبه  بعض الجوانب السلبية.قام مركز Pew للأبحاث باستطلاع آراء 10260 أمريكيًا في عام 2021 حول مواقفهم تجاه الذكاء الاصطناعي.

من ناحية أخرى وجدت النتائج أن 45 % من المشاركين لديهم قدر متساوي من الحماس والقلق، و 37 %  لديهم القلق أكثر من الحماس. بالإضافة إلى ذلك ، أشار المركز إلى أن أكثر من 40٪ من المشاركين في الاستطلاع يعتبرون السيارات ذاتية القيادة غير مفيدة للمجتمع. ومع ذلك ، لقيت فكرة استخدام الذكاء الاصطناعي لتحديد انتشار المعلومات الخاطئة على وسائل التواصل الاجتماعي قبولًا جيدًا ، حيث وصفها ما يقرب من 40 %  ممن شملهم الاستطلاع بأنها فكرة جيدة.

إن الذكاء الإصطناعي هو فرصة ذهبية  لتحسين  الكفاءة والإنتاجية ، وفي ذات الوقت تقليل احتمالية حدوث أخطاء بشرية. ولكن هناك أيضًا بعض العيوب ، مثل تكاليف التطوير وإمكانية أن تحل الآلات الأتوماتيكية محل الوظائف البشرية. ومع ذلك ، تجدر الإشارة إلى أن صناعة الذكاء الاصطناعي ستوفر فرص عمل أيضًا – بعضها لم يتم ايجاده بعد.

مستقبل الذكاء الإصطناعي

في النهاية عندما يفكر الإنسان في التكاليف الحسابية والبنية التحتية للبيانات التقنية التي تعمل خلف الذكاء الإصطناعي، فإن التطبيق العملي للذكاء الاصطناعي هو عمل معقد ومكلف. لحسن الحظ ، حدثت تطورات هائلة في تكنولوجيا الحوسبة ، كما هو مبين في قانون مور. حيث ينص على أن عدد الترانزستورات على الرقاقة الدقيقة يتضاعف كل عامين تقريبًا بينما تنخفض تكلفة أجهزة الكمبيوتر إلى النصف.

علاوة على ذلك، يعتقد العديد من الخبراء أن قانون مور من المحتمل أن ينتهي في وقت ما في عام 2020م. فقد كان لهذا تأثير كبير على تقنيات الذكاء الاصطناعي الحديثة. وبدون ذلك ، سيكون التعلم العميق غير وارد من الناحية المالية. وجدت الأبحاث الحديثة أن اختراع الذكاء الإصطناعي قد تفوق في الواقع على قانون مور ، ويتضاعف كل ستة أشهر أو أكثر ذلك في مقابل العامين.