الذكاء الاصطناعي: المظلة الكبرى
الذكاء الاصطناعي مجال واسع هدفه جعل الآلات تؤدي مهام تتطلب عادة ذكاءً بشرياً، مثل فهم اللغة والتعرف على الصور واتخاذ القرارات. وهو مصطلح عام يشمل تقنيات كثيرة متنوعة، بعضها بسيط يعتمد على قواعد مكتوبة يدوياً، وبعضها معقد يتعلم من البيانات.
مثال بسيط: نظام يعتمد على قواعد ثابتة مثل إذا كان الرصيد أقل من حد معين فأرسل تنبيهاً، يمكن اعتباره شكلاً بدائياً من الأتمتة الذكية، لكنه لا يتعلم من التجربة.
التعلم الآلي: الآلة تتعلم من الأمثلة
التعلم الآلي فرع من الذكاء الاصطناعي، فيه لا نكتب للحاسوب كل القواعد، بل نعطيه أمثلة كثيرة ليكتشف الأنماط بنفسه. مثلاً بدل أن نصف للحاسوب كيف تبدو الرسالة المزعجة، نعرض عليه آلاف الرسائل المصنفة، فيتعلم ما يميزها ثم يصنف رسائل جديدة.
ويشمل التعلم الآلي أنواعاً مختلفة:
- التعلم بإشراف: أمثلة مع إجابات صحيحة، مثل تصنيف الصور أو توقع الأسعار.
- التعلم دون إشراف: البحث عن أنماط وتجمعات في بيانات غير مصنفة، مثل تقسيم العملاء إلى مجموعات.
- التعلم المعزز: الآلة تجرب وتحصل على مكافأة أو عقوبة، كما في تدريب الألعاب والروبوتات.
التعلم العميق: شبكات عصبية متعددة الطبقات
التعلم العميق فرع من التعلم الآلي يستخدم شبكات عصبية اصطناعية ذات طبقات كثيرة، مستوحاة بشكل مبسط من طريقة ترابط الخلايا العصبية. تتعلم كل طبقة تمثيلاً أكثر تجريداً من التي قبلها، فتبدأ الطبقات الأولى مثلاً بالتقاط الحواف في الصورة، ثم الأشكال، ثم الأجسام الكاملة.
هذه التقنية وراء التطورات الكبيرة في التعرف على الكلام، وترجمة اللغات، وتوليد النصوص والصور، لكنها تحتاج عادة إلى كميات كبيرة من البيانات وقدرة حوسبة عالية.
كيف ترتبط المفاهيم الثلاثة؟
تخيل ثلاث دوائر متداخلة: الدائرة الكبرى هي الذكاء الاصطناعي، وبداخلها التعلم الآلي، وبداخله التعلم العميق. أي تعلم عميق هو تعلم آلي، وأي تعلم آلي هو ذكاء اصطناعي، لكن العكس غير صحيح.
فمساعد المحادثة الذي تكلمه يعتمد على التعلم العميق، وتوصية المنتجات في المتاجر تعتمد غالباً على التعلم الآلي، بينما نظام التنبيه بقاعدة ثابتة يدخل في الذكاء الاصطناعي بمعناه الواسع.
أمثلة من حياتك اليومية
عندما يقترح جوالك الكلمة التالية أثناء الكتابة، أو يفتح بصمة الوجه، أو تقترح عليك منصة فيديو محتوى يناسبك، أو يترجم تطبيق نصاً من لغة لأخرى، فأنت تستفيد من تقنيات التعلم الآلي والعميق دون أن تلاحظ.
ومن المفيد أن تتذكر حدود هذه التقنيات: فهي تتعلم من بيانات قد تحمل تحيزاً، وقد تخطئ بثقة، ولا تفهم العالم كما يفهمه الإنسان. لذلك يبقى التحقق البشري ضرورياً في القرارات المهمة.
استخدامات عملية وأخطاء في الفهم
يخلط بعض الناس بين الذكاء الاصطناعي وبين الروبوتات الجسدية، بينما الغالبية العظمى من التطبيقات برمجيات بحتة تعمل على الخوادم أو على جوالك. ويظن آخرون أن الأنظمة الحديثة تفهم ما تقول كما يفهمه صديقك، والحقيقة أنها تتنبأ بأنسب استجابة اعتماداً على أنماط تعلمتها.
وفي مجال العمل تُستخدم هذه التقنيات في تحليل البيانات، وكشف العمليات المالية المشبوهة، وتصنيف المستندات، ودعم خدمة العملاء. وإذا أردت التعمق فابدأ بمفاهيم مثل بيانات التدريب والتحيز والتقييم، فهي مفاتيح فهم نقاط القوة والضعف. وتذكر أن جودة النتيجة ترتبط بجودة البيانات، فالبيانات الناقصة أو المنحازة تعطي نموذجاً ناقصاً أو منحازاً، مهما كانت الخوارزمية متطورة.
أسئلة شائعة
هل التعلم الآلي يعني أن الحاسوب يفكر؟
لا بالمعنى البشري، فهو يكتشف أنماطاً إحصائية في البيانات.
هل أحتاج الرياضيات لتعلمه؟
فهم الأساسيات يكفي للاستخدام، أما البناء فيحتاج إحصاءً وجبراً خطياً وبرمجة.
ما أفضل بداية للتعلم؟
دورات تمهيدية مجانية ثم تجارب صغيرة على بيانات بسيطة.
الخلاصة
الذكاء الاصطناعي هو المجال العام، والتعلم الآلي طريقة تتعلم فيها الأنظمة من الأمثلة، والتعلم العميق أسلوب متقدم داخله. بفهم هذه الفروق تقرأ أخبار التقنية بوعي أكبر وتستخدم أدواتها بذكاء.
