أساسيات الذكاء الاصطناعي
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.
بشكل عام ، يبدو أن هناك شيئين واضحين: أولاً ، مصطلح الذكاء الاصطناعي (AI) أقدم من مصطلح التعلم الآلي (ML) ، وثانيًا ، يعتبر معظم الناس التعلم الآلي مجموعة فرعية من الذكاء الاصطناعي.
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. يتم تجميع هذا النوع من النموذج القائم على التعلم تحت التعلم الخاضع للإشراف. هناك نماذج أخرى تندرج تحت فئة نماذج التعلم غير الخاضعة للرقابة.
إنشاء تطبيق مدقق كمبيوتر
تعود عبارة “التعلم الآلي” أيضًا إلى منتصف القرن الماضي. في عام 1959 ، آرثر صموئيل يعرف ML بأنه “القدرة على التعلم دون أن تتم برمجته بشكل صريح.” واستمر في إنشاء تطبيق مدقق كمبيوتر كان من أوائل البرامج التي يمكن أن تتعلم من أخطائها وتحسن أدائها بمرور الوقت.أساسيات الذكاء الاصطناعي
أبحاث الذكاء الاصطناعي
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. يستخدم التنقيب في البيانات الخوارزميات للبحث عن أنماط في مجموعة معينة من المعلومات. يقوم ML بنفس الشيء ، ولكنه يخطو خطوة أخرى إلى الأمام – فهو يغير سلوك برنامجه بناءً على ما يتعلمه.
أنماط البكسل
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.
Amazon
تستخدم العديد من الشركات القائمة على الويب أيضًا ML لتشغيل محركات التوصية الخاصة بهم. 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
بالطبع ، “ML” و “AI” ليستا المصطلحين الوحيدين المرتبطين بهذا المجال من علوم الكمبيوتر. كثيرا ما تستخدم شركة IBM مصطلح “الحوسبة المعرفية” ، وهو مصطلح مرادف إلى حد ما للذكاء الاصطناعي.
البيولوجية
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 مشابهة للطرق التي تعمل بها 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.
خوارزميات
بالإضافة إلى ذلك ، توفر الشبكات العصبية الأساس للتعلم العميق ، وهو نوع خاص من التعلم الآلي. يستخدم التعلم العميق مجموعة معينة من خوارزميات التعلم الآلي التي تعمل في طبقات متعددة. أصبح ممكنًا ، جزئيًا ، من خلال الأنظمة التي تستخدم وحدات معالجة الرسومات (GPU) لمعالجة مجموعة كبيرة من البيانات في وقت واحد.
المصطلحات
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.
