ما هو الذكاء الاصطناعي؟ سؤال للمبتدئين :-

تخيل لو رئيسك في العمل رجل الي ؟؟؟

أحدث الذكاء الاصطناعي مؤخرًا موجات كبيرة في وسائل الإعلام خلال الماضي القريب مع محترفي ضربات OpenAI من Elon Musk في DOTA 2 أو الذكاء الاصطناعي الذين يعيدون إنشاء الجدول الدوري في غضون ساعات. من المستحيل أن تقضي يومك على الإنترنت دون أن تصادف مقالًا واحدًا على الأقل يتحدث عن إنجاز جديد تم تحقيقه في هذا المجال.

 في الواقع ، الذكاء الاصطناعي ليس مجرد حلم بعيد المنال الآن ولكنه مدمج جيدًا في حياتنا والعديد من التطبيقات والخدمات عبر الإنترنت التي نستخدمها تشمل YouTube و Facebook. هذا يجعل من المهم بالنسبة لنا فهم ماهية الذكاء الاصطناعي وكيفية عمله إذا كنا نستخدم التطبيقات والخدمات بشكل متكرر للغاية والتي تستخدم الذكاء الاصطناعي لتحسين تجربتنا.

ببساطة ، يستلزم الذكاء الاصطناعي إنشاء أنظمة كمبيوتر قادرة تمامًا على أداء عدد من المهام التي ترتبط عادةً بقدرات الإنسان مثل التفكير والفهم والتحليل والمزيد. فكر في فوز OpenAI المحترفين في لعبة DOTA 2. إنها لعبة معقدة تتطلب منك التكيف مع الموقف الذي ينشأ عندما يحدث. تخيل الآن وضع جهاز كمبيوتر في مواجهة إنسان في مثل هذا السيناريو حيث تكون التوليفات لا حصر لها. كيف يحدث هذا؟

أحد تطبيقات ML الذي أصبح شائعًا جدًا مؤخرًا هو التعرف على الصور. يجب تدريب هذه التطبيقات أولاً - بمعنى آخر ، يجب على البشر إلقاء نظرة على مجموعة من الصور وإخبار النظام بما هو موجود في الصورة. بعد آلاف وآلاف من التكرار ، يتعرف البرنامج على أنماط البكسل التي ترتبط بشكل عام بالخيول والكلاب والقطط والزهور والأشجار والمنازل وما إلى ذلك ، ويمكن أن يقدم تخمينًا جيدًا حول محتوى الصور.

خلال السنوات القليلة الماضية ، بدأت مصطلحات الذكاء الاصطناعي والتعلم الآلي في الظهور بشكل متكرر في أخبار التكنولوجيا والمواقع الإلكترونية. غالبًا ما يتم استخدام الاثنين كمرادفات ، لكن العديد من الخبراء يجادلون بأن لديهم اختلافات دقيقة ولكنها حقيقية.

وبالطبع ، يختلف الخبراء أحيانًا فيما بينهم حول ماهية هذه الاختلافات.

 

الذكاء الاصطناعي مقابل التعلم الآلي :-

على الرغم من تعريف الذكاء الاصطناعي بعدة طرق ، فإن التعريف الأكثر قبولًا هو "مجال علوم الكمبيوتر المخصص لحل المشكلات المعرفية المرتبطة عادةً بالذكاء البشري ، مثل التعلم وحل المشكلات والتعرف على الأنماط" ، في جوهرها ، إنها الفكرة أن الآلات يمكن أن تمتلك الذكاء.

جوهر النظام القائم على الذكاء الاصطناعي هو النموذج. 

النموذج ليس سوى برنامج يحسن معرفته من خلال عملية التعلم من خلال إجراء ملاحظات حول بيئته.هناك نماذج أخرى تندرج تحت فئة نماذج التعلم غير الخاضعة للرقابة.

 في عام 1959 ، عرّف آرثر صامويل التعلم الآلي بأنه "القدرة على التعلم دون أن تتم برمجته بشكل واضح." واستمر في إنشاء تطبيق مدقق كمبيوتر كان من أوائل البرامج التي يمكن أن تتعلم من أخطائها وتحسن أدائها بمرور الوقت.

مثل أبحاث الذكاء الاصطناعي ، لم يعد ML رائجًا لفترة طويلة ، لكنه أصبح شائعًا مرة أخرى عندما بدأ مفهوم التنقيب في البيانات في الظهور في حوالي التسعينيات. يقوم ML بنفس الشيء ، لكنه يخطو خطوة أخرى إلى الأمام - فهو يغير سلوك برنامجه بناءً على ما يتعلمه.

على سبيل المثال ، عندما يقرر Facebook ما سيتم عرضه في ملف الأخبار الخاص بك ، وعندما تبرز Amazon المنتجات التي قد ترغب في شرائها وعندما تقترح Netflix أفلامًا قد ترغب في مشاهدتها ، فإن كل هذه التوصيات تستند إلى تنبؤات تستند إلى أنماط في بياناتها الحالية.

حدود الذكاء الاصطناعي وتعلم الآلة: التعلم العميق والشبكات العصبية والحوسبة المعرفية

إذا كنت مرتبكًا من كل هذه المصطلحات المختلفة ، فأنت لست وحدك. يواصل علماء الكمبيوتر مناقشة تعريفاتهم الدقيقة وربما يفعلون ذلك لبعض الوقت في المستقبل. ومع استمرار الشركات في ضخ الأموال في أبحاث الذكاء الاصطناعي والتعلم الآلي ، فمن المحتمل ظهور بعض المصطلحات الأخرى لإضافة المزيد من التعقيد إلى المشكلات.

 كثيرا ما تستخدم شركة IBM مصطلح "الحوسبة المعرفية" ، وهو مصطلح مرادف إلى حد ما للذكاء الاصطناعي.

ومع ذلك ، فإن بعض المصطلحات الأخرى لها معاني فريدة جدًا. على سبيل المثال ، الشبكة العصبية الاصطناعية أو الشبكة العصبية هي نظام تم تصميمه لمعالجة المعلومات بطرق تشبه طرق عمل العقول البيولوجية. يمكن أن تصبح الأمور مربكة لأن الشبكات العصبية تميل إلى أن تكون جيدة بشكل خاص في التعلم الآلي ، لذلك يتم الخلط أحيانًا بين هذين المصطلحين.

بالإضافة إلى ذلك ، توفر الشبكات العصبية الأساس للتعلم العميق ،  جزئيًا ، من خلال الأنظمة التي تستخدم وحدات معالجة الرسومات (GPU) لمعالجة مجموعة كبيرة من البيانات في وقت واحد.

على سبيل المثال ، بدلاً من إعطاء جهاز كمبيوتر 10 صور لتفاحة ثم مطالبتك بتحديد واحدة من تلك التفاحات من مجموعة من الصور ، يمكنك إدخال جميع الأمثلة الممكنة لتفاحة في جهاز الكمبيوتر ، بغض النظر عن الحجم والشكل واللون ، و "علمها" أن تتعرف على الأنماط وتقرر بنفسها ما إذا كان الشيء عبارة عن تفاحة أم لا. يستخدم Facebook أسلوبًا مشابهًا جدًا عندما يقترح علامات على الصور التي تقوم بتحميلها.

يستخدم الذكاء الاصطناعي كميات هائلة من البيانات ، ويكتشف أنماطًا في تلك البيانات ثم يكتشف طريقة لاستخدام البيانات لحل مشكلة معينة بشكل أكبر. يمكن أن يكون مفيدًا للغاية عندما يتعلق الأمر بزيادة الكفاءة وتوفير الوقت بشكل أساسي لأنه أسرع بكثير من البشر ولا يتعب ، يمكن أن يضيف الكثير إلى الذكاء الحالي من خلال إيجاد أنماط وحلول جديدة ، إنه أكثر دقة بكثير من البشر وأحد أهم العوامل هو أنها تعلمت ونمت من تلقاء نفسها - أي أنها قادرة على تعليم نفسها من البيانات الموجودة والجديدة.

ينمو الذكاء الاصطناعي بوتيرة هائلة تخترق عددًا من المجالات بما في ذلك الموارد البشرية والمالية والقانون والتعليم والأمن والرعاية الصحية. كان هذا ممكنًا بشكل أساسي بسبب التطورات الهائلة في الأجهزة (تخيل قوة المعالجة المطلوبة لتحليل كل تلك البيانات) والحقول الفرعية مثل التعلم الآلي والتعلم العميق ومعالجة اللغة الطبيعية.

كان هناك قدر كبير من النقاش حول الجانب الأخلاقي للذكاء الاصطناعي ، لا سيما حول طرق جمع البيانات ، وحول جانب الأمان فيه. لكن تظل الحقيقة أنها واحدة من أكثر الاكتشافات أو التطورات المدهشة التي حققتها البشرية على الإطلاق ، وهي تحدث ثورة في كل قطاع. كونها فعالة من حيث التكلفة وأكثر كفاءة ، يمكننا بالتأكيد أن نأمل في رؤية تطورات هائلة.

أساسيات الذكاء الاصطناعي وتعلم الآلة :-

الطريقة التي تعمل بها رموز الكمبيوتر دائمًا هي أن البشر يحددون كل شيء للكمبيوتر ويقومون ببساطة بإدخاله إلى الكمبيوتر الذي يمكنه بعد ذلك أداء عدد محدود جدًا من المهام بناءً على المعلومات التي تم تغذيتها. هنا ، الإنسان هو من يحدد كل الاحتمالات. ولكن باستخدام الذكاء الاصطناعي ، يمكن للبشر ببساطة تطوير نظام يمكنه تعليم نفسه لتحديد أي احتمالات أخرى قد لا يفكر فيها البشر.