يشير الذكاء الاصطناعي (AI) إلى محاكاة الذكاء البشري عن طريق عمليات التشفير في البرمجيات. في الوقت الحاضر ، ينتشر هذا الرمز إلى كل شيء بدءًا من التطبيقات القائمة على السحابة وتطبيقات المؤسسات إلى تطبيقات المستهلك وحتى البرامج الثابتة المضمنة.

جلب عام 2022 الذكاء الاصطناعي إلى التيار الرئيسي من خلال الإلمام واسع النطاق بتطبيقات المحولات التوليدية قبل التدريب.

التطبيق الأكثر شعبية هو ChatGPT من OpenAI. الانبهار الواسع النطاق بـ ChatGPT جعله مرادفًا للذكاء الاصطناعي في أذهان معظم المستهلكين. ومع ذلك ، فهو لا يمثل سوى جزء صغير من الطرق التي تُستخدم بها تقنية الذكاء الاصطناعي اليوم.

السمة المثالية للذكاء الاصطناعي هي قدرته على الترشيد واتخاذ الإجراءات التي لديها أفضل فرصة لتحقيق هدف معين. مجموعة فرعية من الذكاء الاصطناعي هي التعلم الآلي (Machine Learn / ML) ، والتي تشير إلى مفهوم أن برامج الكمبيوتر يمكن أن تتعلم تلقائيًا من البيانات الجديدة وتتكيف معها دون مساعدة البشر.

تتيح تقنيات التعلم العميق هذا التعلم التلقائي من خلال امتصاص كميات هائلة من البيانات غير المهيكلة مثل النص أو الصور أو الفيديو.

ما هو الذكاء الاصطناعي (AI)

عندما يسمع معظم الناس مصطلح الذكاء الاصطناعي ، فإن أول ما يفكرون فيه عادة هو الروبوتات. وذلك لأن الأفلام والروايات ذات الميزانيات الكبيرة تنسج قصصًا عن آلات شبيهة بالإنسان تنشر الفوضى على الأرض. لكن لا شيء يمكن أن يكون أبعد من هذا عن الحقيقة.

بينما ظهر عدد من تعريفات الذكاء الاصطناعي (AI) على مدار العقود القليلة الماضية ، يقدم John McCarthy التعريف التالي في ورقة 2004 ،

“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 ، “ماكينات الحوسبة والذكاء” ، والذي تم نشره في عام 1950. في هذا يطرح تورينج ، الذي يُشار 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. بينما 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 أفكارًا حول اللغويات.

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.

في الواقع يعتمد الذكاء الاصطناعي على مبدأ أنه يمكن تعريف الذكاء البشري بطريقة يمكن للآلة تقليدها بسهولة وتنفيذ المهام ، من أبسطها إلى تلك الأكثر تعقيدًا.

تشمل أهداف الذكاء الاصطناعي تقليد النشاط الإدراكي البشري.

يقوم الباحثون والمطورون بالتقدم في هذا المجال بخطوات سريعة بشكل مدهش في محاكاة الأنشطة مثل التعلم والاستدلال والإدراك ، إلى الحد الذي يمكن تحديده بشكل ملموس.

يعتقد البعض أن المبتكرين قد يكونون قادرين قريبًا على تطوير أنظمة تتجاوز قدرة البشر على التعلم أو التفكير في أي موضوع. لكن البعض الآخر يظل متشككًا لأن كل النشاط المعرفي مرتبط بأحكام قيمية تخضع للتجربة البشرية.

كيف تطور مفهوم الذكاء الاصطناعي (AI)

مع تقدم التكنولوجيا ، أصبحت المعايير السابقة التي حددت الذكاء الاصطناعي قديمة. على سبيل المثال ، الأجهزة التي تحسب الوظائف الأساسية أو تتعرف على النص من خلال التعرف البصري على الأحرف لم تعد تُعتبر تجسيدًا للذكاء الاصطناعي ، نظرًا لأن هذه الوظيفة أصبحت الآن مفروغًا منها كوظيفة كمبيوتر متأصلة.

يتطور الذكاء الاصطناعي باستمرار لإفادة العديد من الصناعات المختلفة. يتم توصيل الآلات باستخدام نهج متعدد التخصصات يعتمد على الرياضيات وعلوم الكمبيوتر واللغويات وعلم النفس والمزيد.

غالبًا ما تلعب الخوارزميات دورًا مهمًا جدًا في بنية الذكاء الاصطناعي ، حيث تُستخدم الخوارزميات البسيطة في التطبيقات البسيطة ، بينما تساعد الخوارزميات الأكثر تعقيدًا في تأطير الذكاء الاصطناعي القوي.

التعلم العميق / Deep learning مقابل التعلم الآلي / machine learning

نظرًا لأن التعلم العميق والتعلم الآلي يميلان إلى الاستخدام بالتبادل ، فمن الجدير بالذكر 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.

يتكون التعلم العميق في الواقع من شبكات عصبية. يشير مصطلح “عميق” في التعلم العميق إلى شبكة عصبية تتكون من أكثر من ثلاث طبقات – والتي ستكون شاملة للمدخلات والمخرجات – يمكن اعتبارها خوارزمية تعلم عميق.

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.

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.

مخاوف الذكاء الاصطناعي (AI)

منذ بدايته ، خضع الذكاء الاصطناعي للتدقيق من العلماء والجمهور على حدٍ سواء. أحد الموضوعات الشائعة هو فكرة أن الآلات سوف تصبح متطورة للغاية لدرجة أن البشر لن يكونوا قادرين على مواكبة ذلك ، وسوف ينطلقون من تلقاء أنفسهم ، ويعيدون تصميم أنفسهم بمعدل أسي.

والشيء الآخر هو أن الآلات يمكنها اختراق خصوصية الناس وحتى استخدامها كسلاح. تناقش الحجج الأخرى أخلاقيات الذكاء الاصطناعي وما إذا كان ينبغي معاملة الأنظمة الذكية مثل الروبوتات بنفس الحقوق مثل البشر.

كانت السيارات ذاتية القيادة مثيرة للجدل إلى حد ما حيث تميل أجهزتها إلى التصميم بأقل قدر ممكن من المخاطر وأقل عدد من الضحايا. إذا تم تقديم سيناريو التصادم مع شخص أو آخر في نفس الوقت ، فستقوم هذه السيارات بحساب الخيار الذي قد يتسبب في أقل قدر من الضرر.

هناك قضية أخرى مثيرة للجدل لدى العديد من الأشخاص فيما يتعلق بالذكاء الاصطناعي وهي كيف يمكن أن تؤثر على العمالة البشرية.

نظرًا لأن العديد من الصناعات تتطلع إلى أتمتة وظائف معينة من خلال استخدام الآلات الذكية ، فهناك قلق من أن يتم طرد الناس من القوى العاملة.

قد تلغي السيارات ذاتية القيادة الحاجة إلى سيارات الأجرة وبرامج مشاركة السيارات ، في حين أن الشركات المصنعة قد تستبدل العمالة البشرية بسهولة بالآلات ، مما يجعل مهارات الناس عفا عليها الزمن.

المحصلة النهائية

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”.

ولكن على الرغم من ذلك فإنه مع ظهور المحادثات حول أخلاقيات الذكاء الاصطناعي ، يمكننا أن نبدأ في رؤية اللمحات الأولية لانتشار خيبة الأمل.