كيفية قفل مجلد بكلمة سر على الكمبيوتر لحماية خصوصيتك

ما هو تعريف الذكاء الاصطناعي؟

من خلال سماع أو قراءة مصطلح الذكاء الاصطناعي ، تتشكل صور وأصوات مختلفة في أذهاننا. يسمع البعض أصوات المساعدين الأذكياء مثل Siri و Cortana و Alexa ، بينما يستحضر البعض الآخر الصور المرعبة والمقلقة لأفلام الخيال العلمي مثل Terminator.

 من المرجح أن يتذكر عشاق الأفلام الأكثر جدية الوجه البريء لشخصية ديفيد في فيلم Steven Spielberg الشهير (الذكاء الاصطناعي AI). ومع ذلك ، فإن الذكاء الاصطناعي في أذهان الكثير منا نحن مستخدمي التكنولوجيا اليوم وسيكون جزءًا من حياتنا في المستقبل المنظور. شريك يمكنه بناء مستقبل مشرق لنا وربما خراب مشابه لفيلم Terminator.

ما هو الذكاء الاصطناعي

في علوم الكمبيوتر ، الذكاء الاصطناعي أو ذكاء الآلة هو الذكاء الذي يأتي من أي آلة (وليس الإنسان). تعتبر الكتب المرجعية في مجال الذكاء الاصطناعي أن هذا العلم هو معرفة دراسة العوامل الذكية ، والتي تعرف بأنها: "أي جهاز لديه القدرة على فهم البيئة والنشاط بأقصى فرصة للنجاح". 

بشكل عام ، يستخدم مصطلح الذكاء الاصطناعي لوصف الآلات أو أجهزة الكمبيوتر التي تؤدي بشكل جيد الأنشطة المعرفية المرتبطة بالعقل البشري. تشمل الأنشطة المعرفية المهمة "التعلم" و "حل المشكلات".

تتغير الأنشطة التي تندرج في فئة أنشطة الآلة الذكية بمرور الوقت ، وفي الواقع ، مع زيادة قوة الآلات ، لم تعد بعض الأنشطة ذكية بالضرورة. 

تنص نظرية تيسلر في تعريف الذكاء الاصطناعي على أن أي إنجاز لم يتحقق حتى الآن يسمى الذكاء الاصطناعي. نتيجة لذلك ، لم تعد الأنشطة مثل التعرف على الأحرف تجعل الآلة أكثر ذكاءً.

 في العالم الحديث ، تحدد المهام الأكثر تعقيدًا مثل التعرف على الكلام البشري والمنافسة في الألعاب الإستراتيجية مثل الشطرنج والتنقل الآلي للآلات الذكاء الحقيقي في أجهزة الكمبيوتر.

يعود تفكير الإنسان حول الآلات الذكية إلى قرون

يعود تاريخ الذكاء الاصطناعي في الأوساط الأكاديمية إلى منتصف القرن العشرين. ومع ذلك ، فإن التفكير البشري في الآلات الذكية يعود إلى قرون. شهد هذا التاريخ العديد من الصعود والهبوط حتى الآن ، في القرن الحادي والعشرين ، فهو أحد أهم مواضيع الدراسة والمناقشة البشرية. 

القرن الحالي ، مع النمو الهائل لقوة أجهزة الكمبيوتر والبيانات المتاحة لتعليمهم ، هو قرن ازدهار الذكاء الاصطناعي ، مما جعل هذا الموضوع العلمي جزءًا ضروريًا من صناعة التكنولوجيا.

تاريخ الذكاء الاصطناعي

تم العثور على المخلوقات الذكية القادرة على التفكير في الوثائق التاريخية من العصور القديمة. تم اعتبار التعريف الأول لمثل هذه المخلوقات على أنها أدوات لها القدرة على سرد القصص. 

بعد قرون ، ظهرت أمثلة على الآلات الذكية في كتب القصص مثل Frankenstein و RUR. شكلت الشخصيات في هذه القصص التحديات الأولى لأخلاقيات الذكاء الاصطناعي ، وبطريقة ما أثارت المخاوف.

تعود دراسة العقل والمنطق إلى زمن الفلاسفة القدماء. من وجهة نظر رياضية ، يعود الأمر أكثر إلى آلان تورينج ونظريته في المعالجة. في نظرية المعالجة ، ينص تورينج على أن أي آلة ، من خلال الجمع بين الرموز الرياضية والأرقام صفر وواحد ، لديها القدرة على محاكاة أي وظيفة محتملة في الاستدلال الرياضي. يُعرف هذا النهج والمنظور باسم نظرية تشيرش تورينج.

دفع تطور العلوم مثل علم الأعصاب ونظرية المعلومات وعلم التحكم الآلي الباحثين إلى التفكير والبحث في إمكانية تطوير دماغ إلكتروني. غيّر تورينغ مسألة جدوى ذكاء الآلة إلى: "هل تستطيع الآلة أداء سلوكيات ذكية؟" أول ورقة رسمية كُتبت في هذا المجال كانت من عمل ماكولا وبيتس في عام 1943 ، الذي حدد الخلايا العصبية الاصطناعية وفقًا لنظرية تورينج عن "الكمال".

ولد مجال البحث في الذكاء الاصطناعي عام 1956 في مختبر في كلية دارتموث. أزال جون مكارثي هذا المجال من مجموعة فرعية من علم التحكم الآلي ونظريات علماء علم التحكم الإلكتروني مثل نوربرت وينر ، وصاغ مصطلح "الذكاء الاصطناعي". 

الرواد والقادة في مجال الذكاء الاصطناعي هم آلان نول ، وهربرت سيمون ، وجون مكارثي ، ومارفن مينسكي ، وآرثر صموئيل. بمساعدة طلابهم ، طوروا برامج اختارت وسائل الإعلام العالمية عنوان "غريب" لها. 

مجهزة بأول البرامج الذكية للقرن العشرين ، كان لأجهزة الكمبيوتر وظائف غير عادية مثل التعلم ولعب لعبة الداما ، وحل المشكلات الجبرية المختلفة ، وإثبات النظريات المنطقية ، والتحدث باللغة الإنجليزية.

 بحلول منتصف الستينيات ، أصبحت أبحاث الذكاء الاصطناعي أحد الموضوعات الرئيسية في عالم التكنولوجيا باستثمارات ضخمة. كانت وزارة الدفاع الأمريكية مستثمرًا رئيسيًا في مشاريع الذكاء الاصطناعي ، وتم إنشاء العديد من المعامل في دول أخرى.

 كان باحثو الذكاء الاصطناعي متفائلين للغاية في تلك السنوات. توقع هربرت سيمون أنه بحلول 20 عامًا ، ستكون الآلات قادرة على القيام بكل الأعمال البشرية. اعتقد مارتن مينسكي أيضًا أنه بعد جيل واحد ، سيختفي تحدي تطوير الذكاء الاصطناعي تمامًا.

حتى منتصف الثمانينيات ، كان هناك القليل من النجاحات في تطوير الذكاء الاصطناعي المتقدم.

لم تكن جهود الباحثين لتطوير الذكاء الاصطناعي ناجحة للغاية حتى منتصف السبعينيات ، حيث أدت التطورات الجديدة فيها إلى خلق تحديات جديدة في عملية التنمية.

 في غضون ذلك ، خفضت الحكومات الثرية مثل الولايات المتحدة وبريطانيا الاستثمار في المشاريع بشكل تدريجي. منذ ذلك الحين بدأ عصر يسمى "شتاء الذكاء الاصطناعي". شتاء كان فيه العثور على رأس المال وزيادته لمشاريع الذكاء الاصطناعي هو التحدي الأكبر.

مع دخول الثمانينيات ، شوهدت أولى النجاحات المهمة على الرغم من الاستثمارات غير القوية في الذكاء الاصطناعي. ولدت أجهزة الكمبيوتر الخبيرة التي لديها القدرة على محاكاة المعرفة والمهارات التحليلية للخبراء البشريين.

 بحلول منتصف الثمانينيات ، نما سوق الذكاء الاصطناعي إلى مليارات الدولارات ، وكانت اليابان تثبت نجاح العلم من خلال مشروعها "الكمبيوتر من الجيل الخامس". 

تم تشجيع الولايات المتحدة وبريطانيا مرة أخرى على الاستثمار في الذكاء الاصطناعي ، لكن فشل مشاريع مثل آلة ليسب ألقى بظلاله على مستقبل الذكاء الآلي وبدأ فترة أطول بدون استثمار.

تقنيات مثل MOS و VLSI ، التي تم تقديمها في شكل CMOS في منتصف الثمانينيات ، جعلت من الممكن تطوير الشبكات العصبية الاصطناعية (ANNs). مرة أخرى ، جعلت هذه الأجهزة من استخدام الآلات في الأنشطة الذكية موضوعًا ساخنًا. 

كانت فترة التسعينيات وبداية القرن الحادي والعشرين هي الوقت المناسب لاستخدام الذكاء الاصطناعي في أنشطة مثل التنقيب عن البيانات والتشخيصات الطبية ، والتي أثبتت بمرور الوقت إمكانات العلم الجديد.

 حدث تكامل الذكاء الاصطناعي مع مجالات مثل الإحصاء والاقتصاد والرياضيات في السنوات الأولى من القرن الحادي والعشرين ، وبدأت حقبة جديدة في تطوير الذكاء الآلي. ربما كانت هزيمة بطل العالم للشطرنج جاري كاسباروف من كمبيوتر ديب بلو عام 1997 بمثابة شرارة لانفجار ذكاء اصطناعي.

عقد من الإنجازات الملموسة المزدهرة

يمكن اعتبار العقد الأول من القرن الحادي والعشرين ذروة إنجازات الذكاء الاصطناعي التي كان يشعر بها الإنسان بشكل واضح في الحياة اليومية.

 في عام 2011 ، أقيمت مسابقة Jeopardy American Television الشهيرة مع اثنين من كبار المشاركين ، براد روتر وكين جينينغز ، وكان أمامهم كمبيوتر IBM Watson. 

تمكنت Watson Computer من هزيمة بطلين بشريين بهامش كبير. في عام 2012 ، مكنت أجهزة الكمبيوتر الأسرع المجهزة بخوارزميات أكثر تقدمًا والوصول إلى مصادر بيانات أكبر من تحقيق تقدم في فهم الآلة والتعلم. وُلدت مناهج التعلم العميق في نفس العام والتي زادت الحاجة إلى البيانات كغذاء لأنظمة الذكاء الاصطناعي.

تطبيق الذكاء الاصطناعي

تشمل التطبيقات المهمة للذكاء الاصطناعي في حياة المستخدمين في 2010  وحدة تحكم ألعاب Xbox 360 وأداة Kinect الخاصة بها ، والتي مكنت ، بعد سنوات من البحث والتطوير ، من فهم البنية ثلاثية الأبعاد للجسم. 

تمت إضافة المساعدين الصوتيين تدريجياً إلى الهواتف الذكية ، مما زاد من استخدام التكنولوجيا الجديدة في حياتنا. كان الإنجاز الرئيسي التالي هو هزيمة بطل اللعبة جاي لي سيدول من قبل AlphaGo AI في عام 2016. 

بعد مرور عام ، تمكن Alfago من هزيمة KG البطل آنذاك ، والذي كان وفقًا للعديد من الحسابات معلمًا هامًا في تطوير الذكاء الاصطناعي في التاريخ. اللاعب لديه تعقيد أكثر بكثير من لعب الشطرنج ، وقدرته على هزيمة بطله كانت شهادة على ذكاءه العالي في الكمبيوتر.

في مقال في بلومبرج ، وصف جاك كلارك عام 2015 بأنه عام ازدهار الذكاء الاصطناعي. وصلت الاستخدامات المتفرقة للذكاء الاصطناعي في عام 2012 إلى 2700 مشروع في عام 2015 ، مما يمثل انفجارًا في تطبيقات العلوم القديمة.

 إن تطوير البنى التحتية للحوسبة السحابية والمزيد من مرافق البيانات المتاحة للباحثين جعل أدوات الوصول إلى الشبكات العصبية التي جعلت تطوير التكنولوجيا أسهل. 

في عام 2017 ، زعمت نتائج دراسة استقصائية أن خُمس الشركات الحالية استخدمت الذكاء الاصطناعي بطريقة ما في أنشطتها. أخيرًا ، وصلنا اليوم إلى نقطة قد تكون فيها الحياة مستحيلة بالنسبة للكثيرين منا دون وجود وسطاء أذكياء. من ناحية أخرى ، تتزايد المخاوف بشأن التطور اللامحدود للذكاء الاصطناعي يومًا بعد يوم.

أنواع الذكاء الاصطناعي

ينقسم الذكاء الاصطناعي عالي المستوى إلى نوعين عريضين من التطبيقات: "ذكاء اصطناعي ضيق" و "ذكاء اصطناعي عام". يساعد هذا التصنيف على فهم مفاهيم وإنجازات الذكاء الاصطناعي بشكل أفضل وكيفية تطويرها. يُعرف الذكاء الاصطناعي المحدود أيضًا باسم "الذكاء الاصطناعي الضعيف (الذكاء الاصطناعي الضعيف)".

الذكاء المحدود هو الذكاء الذي نراه جميعًا في أجهزة الكمبيوتر اليوم. أنظمة ذكية تتيح ، في ظل التدريب أو التعلم الآلي ، أداء مهام محددة دون برمجة محددة لتلك المهام.

 يظهر هذا النوع من الذكاء في تطبيقات مثل التعرف على الصوت واللغة في المساعدين الافتراضيين مثل Siri. تشمل التطبيقات المحدودة الأخرى للذكاء الاصطناعي أنظمة التعرف المرئي في السيارات ذاتية القيادة ومحركات عرض المنتجات في البيع بالتجزئة عبر الإنترنت. هذه الأنظمة الذكية ، على عكس البشر ، لديها فقط القدرة على تعلم أداء مهام محدودة ، وبالتالي تسمى الذكاء الاصطناعي المحدود.

قدرات محدودة للذكاء الاصطناعي

اليوم ، هناك مجموعة متنوعة من التطبيقات للذكاء الاصطناعي المحدود ، وعددها يتزايد يومًا بعد يوم. يعد تفسير البيانات المرئية أحد التطبيقات المهمة لهذا النوع من الذكاء الاصطناعي ، والذي يظهر بشكل خاص في الطائرات بدون طيار الصناعية مع مهمة فحص أنابيب النفط. يمكن للذكاء الاصطناعي المحدود اليوم تنظيم وتخطيط التقويمات الشخصية والعملية للأشخاص وحتى العمل مع الذكاءات الأخرى ؛ التعاون الذي رأيناه في التطبيقات اليومية مثل حجوزات الفنادق أو طلبات السيارات والمزيد.

يسمى الذكاء الاصطناعي لمهام محددة الذكاء المحدود

يُنظر أيضًا إلى الذكاء الاصطناعي المحدود على نطاق واسع في التطبيقات الطبية. اليوم ، يمكن لبعض الأجهزة أن تساعد اختصاصي الأشعة في تشخيص الأورام المحتملة. يتم استخدام هؤلاء الوسطاء الأذكياء أيضًا على نطاق واسع على وسائل التواصل الاجتماعي ، مما يجعل الحياة في هذه المدن الجديدة أسهل وأكثر صحة. في الوقت الحالي ، يتمتع الذكاء الاصطناعي في الشبكات الاجتماعية بالقدرة على اكتشاف المحتوى غير ذي الصلة أو المزعج ، ويعد ترتيب موجز عرض المحتوى إحدى مهامه البسيطة. إن الجمع بين الذكاء الاصطناعي المحدود مع معدات إنترنت الأشياء له أيضًا العديد من التطبيقات.

قدرات الذكاء الاصطناعي العامة

أحدث الذكاء الاصطناعي العام اختلافات كبيرة مع النوع المحدود. يمكن لمثل هذا النمط من الذكاء أن يُظهر سلوكيات شبيهة بسلوكيات الإنسان. في الواقع ، يتمتع الذكاء العام بقدر أكبر من المرونة والقدرة على تعلم المهارات لأداء مجموعة متنوعة من المهام. كل شيء من قصات الشعر إلى تنظيم ملفات صفحات المديرين الواسعة حتى استنتاج واستخلاص النتائج من المعلومات والخبرات المكتسبة يمكن القيام به بواسطة الذكاء الاصطناعي العام.

الذكاء الاصطناعي الذي نراه في الأفلام ويثير قلقنا بشأن مستقبل الهيمنة الآلية هو نفسه الذكاء الاصطناعي العام. HAL في سلسلة Space Odyssey ، أو Skynet in Terminator ، هي ذكاء اصطناعي عام (AGIs) قادر على السيطرة على البشر. 

بالطبع ، لا يوجد شيء مثل الذكاء في العالم اليوم ، وقد بذل باحثو الذكاء الاصطناعي قصارى جهدهم لتطويره. فيما يتعلق بالتنبؤ بالوقت للوصول إلى الذكاء الاصطناعي العام ، هناك العديد من التنبؤات المختلفة التي قدمها العلماء.

في عامي 2012 و 2013 ، أجرى فينسينت سي مور ونيك بوستروم ، خبراء في الذكاء الاصطناعي والفلسفة ، مسحًا لأربع مجموعات من خبراء الذكاء الاصطناعي.

 وضعت نتائج الاستطلاع احتمال تحقيق الذكاء الاصطناعي العام بحلول أربعينيات وخمسينيات القرن الماضي عند حوالي 50 في المائة ، والتي بحلول عام 2075 كانت 90 في المائة. ذهب الفريق إلى أبعد من التنبؤ وصاغ مصطلح "الذكاء الخارق".

 يقول بوستروم أن الذكاء الخارق هو أي ذكاء يهزم الإنسان من حيث القدرات المعرفية في جميع المجالات الممكنة. إنه يتوقع الوقت المناسب للوصول إلى الذكاء الخارق بعد 30 عامًا من الوصول إلى الذكاء الاصطناعي العام.

تعتبر مجموعة من الخبراء ومنظري الذكاء الاصطناعي أن التوقعات الحالية مع تقديرات عشرينيات وخمسينيات القرن الماضي بعيدة عن الواقع. إنهم بعيدون عن تحقيق هذه الإنجازات بسبب نهج تطوير الذكاء الاصطناعي ، الذي لم يأتِ أولاً لفهم عقل  الإنسان. في الواقع ، في مثل هذه النظرية ، فإن محدودية المعرفة البشرية بالدماغ تجعل من المستحيل تطوير الذكاء الاصطناعي بشكل أسرع.

العوامل الرئيسية في الذكاء الاصطناعي

يتمتع الذكاء الاصطناعي اليوم بالعديد من المفاهيم والتعريفات الفرعية ، والإلمام ببعض عناصره الأساسية لا يخلو من المزايا:

• تتيح المعالجة التكرارية (المعالجة الخطية) مستويات متعددة من الفهم التجريدي في النظام الذكي.
• تتم معالجة المعلومات بشكل شامل في العمليات. في كل نقطة ، يتم تحديد المعلومات أولاً حسب الموضوع والسياق ؛ لكن السياقات التي تتحرك بين المفاهيم المجردة وطولها تلعب دورًا مهمًا في تحويل المعلومات.
• التصنيف هو أحد الأجزاء الرئيسية لعمليات الذكاء الاصطناعي.
• يتغير الرسم البياني للمعلومات باستمرار ويستخدم المرشحات للتغيير التي يتم إنشاؤها ذاتيًا بناءً على المعلومات الموجودة.
• يتم تعريف الذكاء على أنه نقطة وموزعة وعشوائية. بمعنى آخر ، المعلومات التي لدينا في النظام ليست كاملة أو شاملة تمامًا ، ولا يمكن اتخاذ قرارات الذكاء الاصطناعي إلا عندما يتم تقديم ذروة المعلومات التي تؤكد أو تدحض حقيقة ما.
• في كل نقطة في النظام ، توجد معلومات في النموذج ، لكن النموذج نفسه مرن بطبيعته ولديه القدرة على تعديل نفسه. يختلف هذا النموذج عن النماذج الحالية المحددة مسبقًا والثابتة.
• النظام لديه الآن مستوى من الوعي الذاتي.

توضح المفاهيم الأساسية المذكورة أعلاه أن الذكاء الاصطناعي قد وصل إلى مستوى رائع من التعقيد بحلول عام 2020 ، وأن نماذج المعالجة الخاصة به لن تظل كما هي.

التعلم الآلي والشبكات العصبية والتعلم العميق

في القسم الخاص بتاريخ الذكاء الاصطناعي وإدخاله ، تم تقديم مفهومين كأدوات رئيسية لازدهار هذه التكنولوجيا. يعد التعلم الآلي أحد الأدوات الرئيسية لتطوير الذكاء في الآلات ، والذي يشكل المفاهيم الأساسية للذكاء. في الواقع ، اتخذت الآلة المجهزة بالتعلم الخطوة الأولى نحو أن تصبح ذكيًا (تمامًا مثل الإنسان).

التعلم الآلي هو المحور الرئيسي لتطوير الذكاء الاصطناعي

يبدأ التعلم الآلي في تعريف بسيط بتوفير بيانات كبيرة للجهاز. ثم يستخدم الجهاز نفس البيانات لمعرفة كيفية أداء مهام محددة مثل الفهم الناطق أو وضع علامات على الصور. 

تعد البيانات عنصرًا أساسيًا في تطوير التعلم الآلي ، ولهذا السبب شهدنا في السنوات الأخيرة زيادة في جمع البيانات من قبل شركات التكنولوجيا. في الواقع ، تعد البيانات الكلية والتعلم الآلي اليوم مفهومين متشابكين. مفهوم آخر يكمل المثلث الأساسي للذكاء الاصطناعي يسمى الشبكة العصبية.

الشبكات العصبية هي المفتاح لمعالجة التعلم الآلي. هذه الشبكات مستوحاة من بنية الخلايا العصبية في دماغ الإنسان وتتكون من طبقات متعددة ومترابطة من خوارزمية تسمى الخلايا العصبية. 

الطبقات الحسابية في الشبكة العصبية تتبادل البيانات مع بعضها البعض. كل خلية عصبية لديها القدرة على تعلم أداء مهمة محددة وتنفيذ عملية عليها من خلال إعطاء الأولوية لهيكل البيانات التي يتم تبادلها. 

في مسار تعلم الشبكة العصبية ، تتغير الأولوية والموطن الأصلي لبيانات الإدخال حتى يتم استخراج المخرجات المطلوبة أخيرًا من الشبكة. في مثل هذه الحالة ، تعلمت الشبكة أداء مهمة محددة بشكل صحيح.

أمثلة على الذكاء الاصطناعي

التعلم العميق هو أحد المفاهيم التي ولدت من التعلم الآلي. تتطور الشبكات العصبية في هذا النمط من التعلم إلى شبكات واسعة ولها طبقات عديدة. في التعلم العميق ، ستكون كل طبقة قادرة على معالجة ومعالجة كميات ضخمة من البيانات.

 مكّن التعلم العميق أجهزة الكمبيوتر الحالية من تحقيق ذكاء نموذجي وقدرات التعلم ، ويمكن رؤية أمثلة على ذلك في الكلام على الكمبيوتر والتعرف على الرؤية.

المعالجة التطورية هي أحد مجالات أبحاث الذكاء الاصطناعي التي ولدت مع تطور الشبكات العصبية. يطور الباحثون أسلوبًا جديدًا للذكاء الاصطناعي يعتمد على نظريات داروين ومفاهيم الطفرات الجينية. أدى هذا النهج إلى تطوير الذكاء الاصطناعي مع القدرة على بناء ذكاء اصطناعي آخر.

 يُعرف استخدام الخوارزميات التطورية لتحسين الشبكات العصبية باسم Neuroevolution وسيكون فعالاً للغاية في تطوير الأجيال القادمة من الأنظمة الذكية. جاء أحدث اختراق في هذا المجال في مختبر الذكاء الاصطناعي في أوبر ، والذي استخدم الخوارزميات الجينية لتدريب الشبكات العصبية العميقة من أجل التعلم المتقدم.

الأنظمة الخبيرة هي مفهوم آخر تم تطويره في مجال الذكاء الاصطناعي. تمت برمجة هذه الأنظمة بقواعد تسمح لها باتخاذ القرارات بناءً على مجموعات البيانات الكبيرة. مثل هذا النهج يحاكي سلوك العقل البشري في مناطق محددة. مثال على نظام خبير هو الطيار الآلي على متن طائرة.

معالجات مخصصة للتعلم الآلي

من أهم الإنجازات التي تحققت في السنوات الأخيرة في مجال الذكاء الاصطناعي ، التقدم في التعلم الآلي وخاصة التعلم العميق ، كان له الأثر الأكثر أهمية على تقدم العلم. تم تحقيق جزء مهم من الإنجازات بفضل ظهور مفاهيم البيانات الضخمة. بالإضافة إلى ذلك ، ساعد صعود القوة في الحوسبة الموازية على تسريع تطوير التكنولوجيا. في الحوسبة المتوازية ، تُستخدم مجموعات وحدات معالجة الرسومات لتدريب أنظمة التعلم الآلي.

أدى تطوير المعالجات المسجلة الملكية إلى جعل معالجة البيانات أكثر تقدمًا في التعلم الآلي

تعد مجموعات GPU أنظمة أكثر قوة لتعليم نماذج التعلم الآلي وهي متاحة الآن للخبراء في شكل خدمات سحابية. مع تطوير مثل هذه المفاهيم ، تسارع أيضًا تطوير رقائق الملكية لتنفيذ وتدريب نماذج التعلم الآلي. 

من بين المعالجات المسجلة الملكية وحدة معالجة Tensor (TPU) من Google ، والتي تستخدم مكتبة برامج TensorFlow الخاصة بالشركة لاستخراج البيانات من البيانات.

لا تُستخدم الرقائق المملوكة لشركة Google فقط في تطوير نماذج DePaymand و Google Brain ، بل تُستخدم أيضًا في وظائف أكثر شيوعًا مثل خدمة الترجمة الخاصة بالشركة أو التعرف على الصور في البحث عن الصور. 

بالإضافة إلى ذلك ، يمكن للمستخدمين العامين استخدام الخدمات السحابية مثل TensorFlow Research Cloud لتطوير نماذج التعلم الآلي الخاصة بهم باستخدام معالجات Google.

التعلم تحت الإشراف

يعد التعلم الآلي الخاضع للإشراف أحد أكثر طرق نماذج التدريس شيوعًا. بهذه الطريقة ، يتم تدريب نظام الذكاء الاصطناعي باستخدام أمثلة معنونة متعددة. يمكن أن تكون البيانات التعليمية عبارة عن مجموعة من الصور ، يتم تمييز محتواها بعلامة خاصة. في أمثلة أخرى ، نرى استخدام النصوص للتعليم ، وموضوعها الرئيسي يتم تحديده من خلال حواشي خاصة. يستخدم نموذج التعلم هذه العلامات لمعرفة كيفية تمييز البيانات الجديدة.

يُعرف تدريس نموذج الآلة باستخدام الأمثلة بالتعلم الخاضع للإشراف. يتم استخدام المستخدمين البشريين الذين تم تعيينهم على منصات مثل Amazon Mechanical Turk لوضع علامة على البيانات الأولية. يتطلب تدريس مثل هذه النماذج قواعد بيانات ضخمة ، وفي بعض الأحيان يجب إدخال ملايين الأمثلة في الخوارزمية لتعلم مهمة معينة.

أصبحت مجموعات البيانات التدريبية لنماذج التعلم الآلي أكبر حجماً وأكثر سهولة في الوصول إليها. تمتلك Google قاعدة بيانات تسمى Open Images ، والتي توفر 9 ملايين صورة للمستخدم. 

يحتوي موقع YouTube أيضًا على مجموعة من مقاطع الفيديو ذات العلامات تتضمن سبعة ملايين مقطع فيديو. 

وتشمل قواعد البيانات الأخرى قاعدة بيانات ImageNet الرائدة التي توفر 14 مليون صورة بفئات محددة. شارك حوالي 50000 شخص في تطوير قاعدة البيانات هذه ، والتي استغرق إكمالها عامين. تم تعيين معظمهم على منصة Amazon لمراجعة علامات الصور وتصنيفها.

مع تقدم أدوات الذكاء الاصطناعي ، أصبح الوصول إلى مجموعات البيانات الكبيرة ذات العلامات أقل أهمية من الوصول إلى قوة معالجة هائلة. في السنوات الأخيرة ، أظهرت الشبكات المسماة GANs أن أنظمة التعلم الآلي قادرة على توليد كميات كبيرة من البيانات للتدريب فقط من خلال تلقي بيانات محدودة وصغيرة. 

من المحتمل أن يؤدي هذا النهج إلى تطوير مفهوم التعلم شبه التنظيمي ، حيث يتم تدريب الأنظمة بمجموعات بيانات أصغر بكثير من مجموعات البيانات الحالية.

التعلم بدون إشراف

يحدث التعلم غير الخاضع للإشراف دون الحاجة إلى مجموعات البيانات الموسومة. في عملية التعلم هذه ، تحاول الخوارزميات إيجاد نمط مشترك بين البيانات. في الواقع ، إنهم يبحثون عن أوجه التشابه التي تجعل من السهل تصنيف البيانات. على سبيل المثال ، يمكننا تصنيف الفواكه المتجانسة أو السيارات ذات الأبعاد المتساوية للمحرك.

لا يتم التعلم غير الخاضع للإشراف بهدف اختيار بيانات محددة من مجموعة البيانات. في الواقع ، تحاول هذه الخوارزميات فقط العثور على بيانات بمواصفات مماثلة. كمثال عملي ، يمكننا الرجوع إلى موجز الأخبار الذي يصنف مواضيع متشابهة على أساس يومي.

التعلم المعزز

التعلم المعزز أو المكافئ يشبه إلى حد بعيد تدريب الحيوانات الأليفة. في مثل هذا النموذج ، يكافأ النظام على تحقيق المخرجات المطلوبة. نتيجة لذلك ، يحاول تعظيم مكافآته بناءً على بيانات الإدخال. تتم طريقة التدريب هذه في الغالب بالتجربة والخطأ للعثور على الحد الأقصى من المكافأة من بين العديد من الخيارات.

تعد شبكة Google Deep Q Network واحدة من أشهر الأمثلة على التعلم المعزز. لقد هزمت الشبكة حتى الآن لاعبين محترفين في العديد من مسابقات ألعاب الفيديو. يستقبل النظام وحدات البكسل الخاصة بكل لعبة ويكتشف أشياء مثل مسافة العناصر على الشاشة. بعد ذلك ، يقوم النظام ، من خلال مراقبة نتيجة كل لعبة ، بإنشاء نموذج للاختيارات التي حصلت على أعلى الدرجات.

الذكاء الاصطناعي في الطب

تعتبر العلوم الطبية من أهم مجالات تطبيق الذكاء الاصطناعي. تساعد الأجهزة الذكية اليوم ، جنبًا إلى جنب مع الأطباء والمتخصصين ، في تشخيص المرض من الصور الطبية. 

بالإضافة إلى ذلك ، لديهم القدرة على اكتشاف الأنماط الجينية التي تؤدي إلى أمراض معينة. في الصيدلة ، يمكن استخدام المزيد من الجزيئات لصنع الأدوية باستخدام الذكاء الاصطناعي.

تم إجراء العديد من البرامج التجريبية حول العالم لدراسة تأثير وتطبيق الذكاء الاصطناعي في المستشفيات. أداة واتسون لدعم القرار السريري من شركة آي بي إم ، على سبيل المثال ، يتم استخدامها على أساس تجريبي في بعض المستشفيات. يستخدم الذكاء الاصطناعي DeepMind من Google أيضًا في خدمة الصحة الوطنية بالمملكة المتحدة في قسم أمراض الرأس والرقبة ، والذي يفحص تشوهات العين في التشخيص.

مستقبل الذكاء الاصطناعي وأثره على العالم

يعكس النهج العالمي الحالي لتطوير الروبوتات ذات القدرة على العمل تلقائيًا والإدراك والتحرك في العالم المحيط التداخل الطبيعي الموجود بين الروبوتات والذكاء الاصطناعي. الذكاء الاصطناعي هو أحد التقنيات العديدة المستخدمة في الروبوتات. من ناحية أخرى ، أدى تطوير الذكاء الاصطناعي إلى ظهور الروبوتات في مجالات جديدة مثل السيارات ذاتية القيادة ، وروبوتات التوصيل ، وروبوتات التدريب.

عالم التكنولوجيا اليوم على وشك القفز إلى مرحلة جديدة من قدرات الذكاء الاصطناعي. تتمتع الشبكات العصبية اليوم بالقدرة على إنشاء صور حقيقية وحتى محاكاة أصوات الأشخاص بجودة عالية. بالطبع ، ترافقت هذه التطورات أيضًا مع اهتمامات اجتماعية. تشمل الإنجازات الإخبارية الأخيرة Deepfick ، ​​الذي يضاعف الحاجة إلى مزيد من التحكم والتنظيم على تطوير الذكاء الاصطناعي.

يتمتع الذكاء الاصطناعي الآن بالقدرة على اكتشاف الكلام بدقة 95٪

أحد أهم التطورات في التعلم الآلي اليوم هو التعرف الدقيق على كلام المستخدم. تكتشف الأنظمة الحالية الكلام البشري بدقة 95٪. أعلنت Microsoft مؤخرًا أنها طورت ذكاءً اصطناعيًا بنفس الدقة البشرية التي لديها القدرة على تحويل الصوت إلى نص. 

يبحث الباحثون عن دقة تصل إلى 99 في المائة في التعرف على الصوت بالذكاء الاصطناعي ، وفي المستقبل غير البعيد ، سيصبح التحدث إلى جهاز أحد الأساليب الرئيسية لتفاعل المستخدم مع الكمبيوتر.

في السنوات الأخيرة ، تحسنت دقة وجودة التعرف على الوجوه في أنظمة الكمبيوتر. اليوم ، تدعي شركة التكنولوجيا الصينية العملاقة بايدو أن النظام لديه القدرة على التعرف على الوجوه بدقة تصل إلى 99٪. أطلقت الشرطة وغيرها من وكالات إنفاذ القانون في الدول الغربية برامج تجريبية تهدف إلى استخدام الذكاء الاصطناعي للتعرف على وجوه المجرمين.

 لقد قطع الصينيون خطوة إلى الأمام ولديهم خطة وطنية لربط كاميرات الدوائر التلفزيونية المغلقة بالذكاء الاصطناعي للتعرف على الوجوه. إنهم يتطلعون أيضًا إلى تجهيز شرطتهم بنظارات التعرف على الوجوه.

هل الذكاء الاصطناعي يدمر البشر؟

تعتمد الإجابة على القلق بشأن تهديدات الذكاء الاصطناعي على جمهور السؤال. ومع ذلك ، مع تطوير الأنظمة القائمة على الذكاء الاصطناعي ، زادت المخاوف بشأن مخاطرها. 

يصف إيلان ماسك ، الرئيس التنفيذي لشركة Tesla و SpaceX ، الذكاء الاصطناعي بأنه "تهديد أساسي لوجود الحضارة الإنسانية". كجزء من جهوده لزيادة الرقابة والتنظيم لأبحاث الذكاء الاصطناعي وتقليل آثارها الضارة ، بدأ شركة OpenAI للأبحاث كمنظمة غير ربحية.

 كما حذر الراحل ستيفن هوكينغ من مخاطر الذكاء الاصطناعي. وأعرب عن اعتقاده أنه عندما يتم تطوير الذكاء الاصطناعي المحترف والمتقدم ، فسوف يتفوق على البشر بسرعة ، وبسبب أصالته ، سيشكل تهديدًا خطيرًا للمجتمع البشري.

على الرغم من المخاوف العديدة التي أثارها بعض الخبراء حول الذكاء الاصطناعي ، إلا أن العديد من الباحثين يجدونها سخيفة. في الواقع ، بالنسبة لهم ، ما زلنا بعيدين عن انفجار الذكاء الاصطناعي وتقدمه عن العقل البشري.

 يعتقد كريس بيشوب ، مدير أبحاث مايكروسوفت في كامبريدج بالمملكة المتحدة ، أن الذكاء الاصطناعي المحدود الحالي هو طريق طويل من الذكاء الاصطناعي العام. من وجهة نظره ، لا تزال المخاوف "السخيفة" التي ترسم صورة لمستقبل يشبه المنهي بعيدة عقودًا عن الواقع.

هل الذكاء الاصطناعي يجعلنا عاطلين عن العمل؟

من بين المخاوف المتعلقة بالذكاء الاصطناعي ، يبدو القلق بشأن استبدال الوظائف بآلات ذكية أكثر حكمة وأكثر ترجيحًا. على الرغم من أن الذكاء الاصطناعي لا يحل محل العمالة البشرية تمامًا ، إلا أنه يغير طبيعة العمل. 

الآن تتم مناقشة السرعة وكيفية التغيير في مكان العمل بسبب الأتمتة فقط. من ناحية أخرى ، يتمتع الذكاء الاصطناعي بالقدرة على استبدال العديد من القدرات البشرية. يقول أندرو أنجي ، خبير الذكاء الاصطناعي ، إن البشر اليوم يقومون بالعديد من الأنشطة المتكررة والبسيطة في بيئات العمل التي يمكن أن يحل محلها الذكاء الاصطناعي بسهولة.

ومع ذلك ، فإن الأخبار الحالية حول استبدال الوظائف البشرية بالأتمتة ، تثير مخاوف. أمازون هي إحدى الشركات الرائدة في استبدال القوى العاملة بالروبوتات. أطلقوا مؤخرًا متجر Amazon Go في سياتل ، مما ألغى الحاجة إلى الصرافين في المتاجر المتسلسلة. يمكن لمثل هذا النهج أن يشكل تهديدًا خطيرًا لما لا يقل عن ثلاثة ملايين أمين صندوق في الولايات المتحدة. بالإضافة إلى ذلك ، تستخدم شركة التجارة الإلكترونية العملاقة الروبوتات في مستودعاتها لنقل البضائع ، وقد وظفت حتى الآن 100000 روبوت عامل في مستودعاتها. بالطبع ، يزعمون أنهم زادوا من القوى العاملة مثل الروبوتات ، لكن Amazon وشركات الروبوتات الشريكة تعمل على استبدال الوظائف اليدوية المتبقية في المستودعات بعملية الأتمتة.

لا تزال الأتمتة في صناعة النقل بحاجة إلى الكثير من الوقت للتطوير. على الرغم من أن السيارات والشاحنات لا تزال على بعد سنوات من التطوير النهائي ، فلن يكون من غير المعقول القلق بشأن استبدال وظائف القيادة بالذكاء الاصطناعي. من ناحية أخرى ، لا يمكن استبدال جميع الوظائف التي يمكن استبدالها بالذكاء الاصطناعي بالروبوتات. 

يوجد الآن العديد من الأشخاص الذين يقومون بأعمال مكتبية متكررة ، ومع تقدم البرامج وأنظمة التشغيل الآلي ، أصبحت وظائفهم أيضًا في خطر.

كل تغيير في عالم التكنولوجيا يصحبه فقدان عدد من الوظائف وولادة وظائف جديدة. يعتقد منتقدو نظرية الذكاء الاصطناعي التي تهيمن على عالم الأعمال أيضًا أن الوظائف الجديدة تحافظ دائمًا على فرص العمل حية للقوى العاملة. ومع ذلك ، لا يزال السؤال يطرح نفسه حول ما إذا كانت الوظائف الجديدة تولد بالمعدل الصحيح وبنفس معدل اختفاء الوظائف القديمة.

ليست كل النظريات حول مستقبل التوظيف بالذكاء الاصطناعي متشائمة. يعتقد البعض أن الذكاء الاصطناعي سيساعد في تحسين الأنشطة في المستقبل بدلاً من استبدال وظائفنا. على سبيل المثال ، يمكن للأدوات الذكية مثل نظارات الواقع الافتراضي زيادة إنتاجية العمال.

أجرى معهد مستقبل الإنسانية بجامعة أكسفورد مسحًا رائعًا لمئات من المتخصصين في التعلم الآلي يسألون عن آرائهم حول إنجازات الذكاء الاصطناعي والقدرات المستقبلية. تُظهر نتائج الاستطلاع تاريخًا مثيرًا للاهتمام حول وصول الإنسان إلى إمكانات الذكاء الاصطناعي المهمة. على سبيل المثال ، من المتوقع كتابة مقال احترافي بواسطة الذكاء الاصطناعي في عام 2026. في عام 2027 ، من المحتمل أن نرى سائقي الشاحنات الأوتوماتيكي. في أعوام 2031 و 2049 و 2053 ، سيكون ظهور الذكاء الاصطناعي مع إمكانات البيع بالتجزئة وكتابة الكتب والجراحة أمرًا ممكنًا.

الذكاء الاصطناعي ليس تقنية جديدة وهو موجود معنا منذ حوالي نصف قرن. بالتأكيد لن تختفي هذه التكنولوجيا في المستقبل القريب وسيتم تطويرها بطريقة تهدف إلى البقاء معنا. 

تعديل المقال