هذا المقال يأتيكم برعاية المعرض السعودي للذكاء الإصطناعي والحوسبة السحابية.
كتابة وتحرير فريق السعودي العلمي.
حينما تُوصف الآلة بأنها تعمل كإنسان فليس بالضرورة أنها تُشابهه في الطريقة التي يعالج بها المعلومات. فحتى نظام واتسون الذي صنّعته شركة آي بي إم، والذي تصرف كإنسانٍ إلى حدٍ كبير في مسابقة الأسئلة الثقافية الأمريكية المعروفة (المحك)، لم يُماثل في طريقة عمله أيّاً من العمليات العقلانية/المنطقية التي يستخدمها البشر. ويعمل الذكاء الاصطناعي من خلال الجمع بين كمٍ هائلٍ من البيانات، المعالجة السريعة، والخوارزميات الذكية. ومن أبرز فروعه الشبكات العصبية، تعلم الآلة، والتعلم العميق.
الشبكات العصبية
الشبكات العصبية الاصطناعية هي نموذجٌ لمعالجة البيانات، مستوحاةٌ من الطريقة التي تعمل بها الأنظمة العصبية الأحيائية. أُنتجت أول خليةٍ عصبيةٍ اصطناعيةٍ في عام 1943مـ، من قِبل عالِم الأعصاب وارن ماكولوتش وعالم المنطق والتر بيتس. إلا أن التقنيات التي كانت متاحةً في ذلك الحين لم تسمح لهم بفعل الكثير. وتتكون الشبكة العصبية من العديد من الوحدات الفردية، وتتلقى كلٌّ منها مدخلاتٍ من بعضها الآخر، ويُرسل الإخراج إلى وحداتٍ أخرى. ولا تحتاج تلك الوحدات إلى وجودٍ ماديٍّ منفصل، بل يمكن اعتبارها مكوناتٌ من برنامج الحاسوب.
فيمَ تُستخدم الشبكات العصبية؟
للشبكات العصبية إمكانيةً لافتةً في استخلاص المعنى من البيانات المعقدة وغير الدقيقة، مما يجعلها مثاليةً لاستخراج الأنماط وكشف الاتجاهات شديدة التعقيد التي لا يمكن ملاحظتها من قِبل البشر أو التقنيات الحاسوبية الأخرى. ويمكن اعتبار الشبكة العصبية المدرَّبة بمثابة “الخبير” في فئة المعلومات المُعطاة للتحليل. ويمكن عندئذ استخدام هذا الخبير في تسليط الضوء على حالاتٍ جديدةٍ تحمل شيئاً من الفائدة والمصلحة، والإجابة على الأسئلة من نوع “ماذا لو”. وللشبكات العصبية ميزاتٍ عدةٍ مثل:
- التعلم التكيّفي: وهو القدرة على تعلم كيفية أداء المهام بناءً على البيانات المقدمة من أجل التدريب أو الخبرة الأولية.
- التنظيم الذاتي: يمكن للشبكات العصبية أن تُنشئ تنظيماً أو تمثيلاً خاصاً بها للمعلومات التي تتلقاها أثناء فترة التعلم.
- التشغيل في الوقت الفعلي: يمكن تنفيذ حوسبة الشبكات العصبية بالتوازي، وهناك أجهزةٌ تُصمم وتُصنع للاستفادة من هذه الخاصية بالتحديد.
- التسامح مع الخطأ من خلال تشفير المعلومات المتكررة: يؤدي التدمير الجزئي للشبكة إلى تراجع الأداء المتماثل، لكن تحتفظ الشبكة رغم ذلك ببعض إمكاناتها حتى مع حدوث تلف كبير بها.
تعلم الآلة
لم تكن فكرةً مألوفةً أن تتعلم الآلة إذ ينحصر عملها على القيام بما يطلبه منها مبرمجوها. أما اليوم أصبح بالإمكان تدريب الآلات وتعليمها، حيث تُبنى العديد من تطبيقات الذكاء الاصطناعي اليوم عبر تعلم الآلة.
يرتكز تعلّم الآلة على التجارب التي تتعرض لها أنظمة الذكاء الاصطناعي، ووجود بياناتٍ كثيرةٍ لتدريبها. ويهدف إلى تحسين الأداء، تكوين المفاهيم، واكتساب المعلومات نتيجة الخبرة المتراكمة، بحيث يؤدي تعلم الآلة إلى اكتسابها للحس البشريّ السليم. فكل مالا يملك القدرة على التعلم فهو يفتقر بلا شك إلى شيءٍ جوهري في الذكاء على المستوى البشري.
تتضمن قدرات برامج الحاسوب إمكانية التعلم الآلي متمثلةً في التعديل الذاتي ووسائل التحقق من استمرار تلك القدرة في التطور. وتشمل أنواع تقنيات تعلم الآلة تعلم شجرة القرارات، تعلم المجموعة، تعلم الفرضيات الحالية، التعلم المبني على التفسير برمجة المنطق الحثي (ILP)، وتعلم إحصائيات بيسيان، والتعلم القائم على الأمثلة، التعلم التعزيزي، والشبكات العصبية. وقد وجدت هذه التقنيات عدداً من التطبيقات في برامج الألعاب التي يتحسن أداءها من خلال تجربة استخراج البيانات بما يتضمنه من اكتشاف الأنماط والانتظام في هيئات المعلومات.
هناك بعضٌ من أساليب تعلم الآلة التي تعمل بطريقةٍ مماثلةٍ لتلك التي يتبعها الناس. حيث يُستخدم التعلم التعزيزي لتدريب الروبوتات، بمعنى أن يُكافئ الروبوت عند أداءه للمهام التي طُلبت منه، ويعطى تعزيزاً سلبياً عندما يقوم بسلوكٍ لم يُطلب منه. فيكون لدينا دالة تصنف الأفعال الجيدة أو السيئة، بدلا من وجود تعريفٍ لعددٍ ضخمٍ من البيانات.
التعلم العميق
التعلم العميق هو فرعٌ من فروع التعلم الآلي الذي يشمل تدريب الشبكات العصبية ضمن العديد من طبقات الوحدات. ويتضمن تغذية نظام الحاسوب من خلال الشبكات العصبية بالكثير من البيانات لاستخدامها في اتخاذ القرارات المتعلقة بالبيانات الأخرى.
يتميز التعلم العميق بقدرته على تعلم فرضياتٍ معقدةٍ وغير خطيةٍ من البيانات دون الحاجة إلى نمذجة الميزات المعقدة، وأدى التعلم العميق إلى تقدمٍ كبيرٍ في أساليب التدريب وانتقاله من وحدات المعالجة المركزية إلى وحدات معالجة الرسوم لتدريب نماذج أكثر موثوقيةٍ وبسرعةٍ أكبر. كما تركز معظم أبحاث التعلم العميق على إيجاد أساليب استنباطية بدرجة عالية من المتجردات لتحليل البيانات الضخمة باستخدام متحولات خطيةٍ وغير خطية.
تعتمد أبحاث التعلم العميق اعتماداً كبيراً على الاكتشافات في علوم الاعصاب وخاصةً في مجال فهم العمليات الترميزية التي يقوم بها النظام العصبي البشري في تحديد العلاقات المختلفة، وبذلك تُسهم الأبحاث في تقنيات الذكاء الاصطناعي في فهمٍ أكبرٍ للإنسان إضافةً إلى مساهمتها في تحسين جودة الحياة في جوانب مختلفة.
المصادر
Live Science
Southern Oregon University
Mckinsey
Imperial College London
Artificial Intelligence
هذا المقال هو جزءٌ من حملة التعريف بتقنية الذكاء الإصطناعي من سلسلة الثورة الصناعية الرابعة، ويأتيكم بشراكةٍ إعلاميةٍ مع المعرض السعودي للذكاء الإصطناعي والحوسبة السحابية، والمقام في مدينة الرياض ما بين 3-5 أكتوبر. ولمعرفة المزيد عن المعرض والتسجيل لحضوره تفضلوا بزيارة الموقع الإلكتروني للمؤتمر.
- أبرز الأحداث العلمية لعام 2021 - 09/01/2022
- التطبيقات المتنوعة لتقنية الحوسبة السحابية - 14/12/2021
- تعريف الحوسبة السحابية وتأثيرها على عالم الأعمال - 30/08/2021