دليل تنفيذي للذكاء الاصطناعي ، من التعلم الآلي والذكاء الاصطناعي العام إلى الشبكات العصبية.

ما هو الذكاء الاصطناعي (AI)؟

الذكاء الاصطناعي (AI) هو فرع واسع النطاق لعلوم الكمبيوتر يهتم ببناء آلات ذكية قادرة على أداء المهام التي تتطلب عادةً الذكاء البشري. الذكاء الاصطناعي هو علم متعدد التخصصات مع مناهج متعددة ، ولكن التقدم في التعلم الآلي والتعلم العميق يخلق تحولًا نموذجيًا في كل قطاع في صناعة التكنولوجيا تقريبًا.

الذكاء الاصطناعي .

ما هو الذكاء الاصطناعي؟ كيف يعمل الذكاء الاصطناعي؟

ما هو الذكاء الاصطناعي؟

كيف يعمل الذكاء الاصطناعي؟

هل تستطيع الآلات التفكير؟ - آلان تورينج 1950

بعد أقل من عقد على كسر لغز التشفير النازي ومساعدة قوات الحلفاء على الفوز في الحرب العالمية الثانية ، غيّر عالم الرياضيات " آلان تورينج " التاريخ للمرة الثانية بسؤال بسيط: "هل تستطيع الآلات التفكير؟"

حددت ورقة تورينج " الآلات الحاسوبية والذكاء " (1950) ، واختبار تورينج اللاحق ، الهدف الأساسي والرؤية الأساسية للذكاء الاصطناعي.

إن الذكاء الاصطناعي ، في جوهره ، هو فرع علوم الكمبيوتر الذي يهدف إلى الإجابة على سؤال تورينج بالإيجاب. إنها محاولة لتكرار أو محاكاة الذكاء البشري في الآلات.

أثار الهدف الواسع للذكاء الاصطناعي العديد من الأسئلة والنقاشات. لدرجة أنه لا يوجد تعريف فردي للمجال مقبول عالميًا.

القيد الرئيسي في تعريف الذكاء الاصطناعي على أنه "آلات بناء ذكية" هو أنه لا يفسر بالفعل ما هو الذكاء الاصطناعي؟ ما الذي يجعل الآلة ذكية؟

في كتابهم الرائد الذكاء الاصطناعي: نهج حديث ، يتناول المؤلفان ستيوارت راسل وبيتر نورفيج السؤال من خلال توحيد عملهم حول موضوع العوامل الذكية في الآلات. مع أخذ ذلك في الاعتبار ، فإن الذكاء الاصطناعي هو "دراسة العوامل التي تتلقى تصورات من البيئة وأداء الإجراءات". (راسل ونورفيج الثامن)

يواصل نورفيج ورسل استكشاف أربعة مناهج مختلفة حددت تاريخيا مجال الذكاء الاصطناعي:

التفكير البشري
التفكير بعقلانية
يتصرف بشكل إنساني
يتصرف بعقلانية

تتعلق الفكرتان الأوليان بعمليات التفكير والاستدلال ، بينما تتعامل الأفكار الأخرى مع السلوك. يركز نورفيج ورسل بشكل خاص على العوامل العقلانية التي تعمل لتحقيق أفضل النتائج ، مشيرة إلى أن "جميع المهارات اللازمة لاختبار تورينج تسمح أيضًا للوكيل بالتصرف بعقلانية". (راسل ونورفيج 4).

يعرّف باتريك وينستون ، أستاذ فورد في الذكاء الاصطناعي وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا ، الذكاء الاصطناعي بأنه "خوارزميات ممكّنة بسبب القيود ، مكشوفة من خلال تمثيلات تدعم النماذج التي تستهدف الحلقات التي تربط التفكير والإدراك والعمل معًا".

في حين أن هذه التعريفات قد تبدو مجردة للشخص العادي ، إلا أنها تساعد في تركيز المجال كمجال لعلوم الكمبيوتر وتوفر مخططًا لدمج الآلات والبرامج مع التعلم الآلي ومجموعات فرعية أخرى من الذكاء الاصطناعي.

أثناء مخاطبة حشودًا في تجربة الذكاء الاصطناعي في اليابان في عام 2017 ، بدأ الرئيس التنفيذي لشركة DataRobot جيريمي أتشين خطابه من خلال تقديم التعريف التالي لكيفية استخدام الذكاء الاصطناعي اليوم:

"إن الذكاء الاصطناعي هو نظام كمبيوتر قادر على أداء المهام التي تتطلب عادة الذكاء البشري ... العديد من أنظمة الذكاء الاصطناعي هذه تعمل عن طريق التعلم الآلي ، وبعضها يعمل عن طريق التعلم العميق وبعضها يعمل بأشياء مملة للغاية مثل القواعد ".

تحقق من أفضل الشركات في أهم محاور الذكاء الاصطناعي في الأمة

كيف يتم استخدام الذكاء الاصطناعي؟

يقع الذكاء الاصطناعي بشكل عام تحت فئتين عريضتين:

منظمة العفو الدولية الضيقة: يشار إليها أحيانًا باسم "الذكاء الاصطناعي الضعيف" ، يعمل هذا النوع من الذكاء الاصطناعي في سياق محدود وهو محاكاة للذكاء البشري. غالبًا ما يركز الذكاء الاصطناعي الضيق على أداء مهمة واحدة بشكل جيد للغاية وعلى الرغم من أن هذه الآلات قد تبدو ذكية ، إلا أنها تعمل تحت قيود وقيود أكثر بكثير من حتى الذكاء البشري الأساسي.
الذكاء الاصطناعي العام (AGI) : يُشار إلى AGI أحيانًا باسم "الذكاء الاصطناعي القوي" ، وهو نوع من الذكاء الاصطناعي الذي نراه في الأفلام ، مثل الروبوتات من Westworld أو Data from Star Trek: The Next Generation . AGI هي آلة ذات ذكاء عام ، ومثل الإنسان ، يمكنها تطبيق هذه الذكاء لحل أي مشكلة.

أمثلة للذكاء الاصطناعي

المساعدون الذكيون (مثل Siri و Alexa)
أدوات رسم خرائط الأمراض والتنبؤ
التصنيع والروبوتات بدون طيار
توصيات علاج رعاية صحية محسنة ومخصصة
روبوتات محادثة للتسويق وخدمة العملاء
Robo-Advisors لتداول الأسهم
مرشحات البريد المزعج على البريد الإلكتروني
أدوات مراقبة وسائل التواصل الاجتماعي للمحتوى الخطير أو الأخبار الكاذبة
توصيات الأغنية أو البرامج التلفزيونية من Spotify و Netflix

الذكاء الاصطناعي الضيق

إن الذكاء الاصطناعي الضيق موجود في كل مكان حولنا وهو بسهولة أنجح تحقيق للذكاء الاصطناعي حتى الآن. من خلال تركيزها على أداء مهام محددة ، شهدت Narrow AI اختراقات عديدة في العقد الماضي كانت لها "فوائد مجتمعية كبيرة وساهمت في الحيوية الاقتصادية للأمة" ، وفقًا لـ "التحضير لمستقبل الذكاء الاصطناعي". تقرير 2016 الصادر عن إدارة أوباما.

تتضمن بعض الأمثلة عن Narrow AI:

بحث جوجل
برنامج التعرف على الصور
سيري وأليكسا ومساعدين شخصيين آخرين
سيارات ذاتية القيادة
واتسون آي بي إم

التعلم الآلي والتعلم العميق

هو مدعوم بكثير من الضيق AI من اختراقات في آلة التعلم و التعلم العميق . يمكن أن يكون فهم الفرق بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق أمرًا محيرًا. يقدم الرأسمالي المغامر فرانك تشين نظرة عامة جيدة عن كيفية التمييز بينهما ، مشيرا إلى:

"الذكاء الاصطناعي عبارة عن مجموعة من الخوارزميات والذكاء لمحاولة محاكاة الذكاء البشري. التعلم الآلي هو واحد منهم ، والتعلم العميق هو أحد تقنيات التعلم الآلي هذه."

ببساطة ، التعلم الآلي يغذي بيانات الكمبيوتر ويستخدم تقنيات إحصائية لمساعدته على "تعلم" كيفية تحسين الأداء بشكل تدريجي في مهمة ، دون أن تتم برمجته خصيصًا لهذه المهمة ، مما يلغي الحاجة إلى ملايين الأسطر من التعليمات البرمجية المكتوبة. يتكون التعلم الآلي من التعلم تحت الإشراف (باستخدام مجموعات البيانات المصنفة) والتعلم غير الخاضع للإشراف (باستخدام مجموعات البيانات غير المصنفة).

التعلم العميق هو نوع من التعلم الآلي الذي يدير المدخلات من خلال بنية شبكة عصبية مستوحاة من الناحية البيولوجية. تحتوي الشبكات العصبية على عدد من الطبقات المخفية التي تتم من خلالها معالجة البيانات ، مما يسمح للجهاز بالذهاب "عميقًا" في تعلمه ، وإجراء الاتصالات ومدخلات الترجيح للحصول على أفضل النتائج.

الذكاء الاصطناعي العام

إن إنشاء جهاز بذكاء على مستوى الإنسان يمكن تطبيقه على أي مهمة هو الكأس المقدسة للعديد من الباحثين في مجال الذكاء الاصطناعي ، لكن البحث عن AGI كان محفوفًا بالصعوبات.

إن البحث عن "خوارزمية عالمية للتعلم والعمل في أي بيئة" (راسل ونورفيج 27) ليس جديدًا ، لكن الوقت لم يخفف من صعوبة إنشاء آلة بشكل أساسي بمجموعة كاملة من القدرات المعرفية.

لطالما كان AGI ملهمًا للخيال العلمي البائس ، حيث تغلبت الروبوتات فائقة الذكاء على البشرية ، لكن الخبراء يتفقون على أنه ليس شيئًا يجب أن نقلق بشأنه في أي وقت قريب .

تاريخ الذكاء الاصطناعي

ظهرت الروبوتات الذكية والكائنات الاصطناعية لأول مرة في الأساطير اليونانية القديمة في العصور القديمة. كان تطور أرسطو للقياس المنطقي واستخدامه للتفكير الاستنباطي لحظة مهمة في سعي البشرية لفهم ذكائها. في حين أن الجذور طويلة وعميقة ، فإن تاريخ الذكاء الاصطناعي كما نفكر فيه اليوم يمتد إلى أقل من قرن. فيما يلي نظرة سريعة على بعض أهم الأحداث في الذكاء الاصطناعي.

1943

ينشر وارين ماكولو ووالتر بيتس "حسابًا منطقيًا للأفكار المتأصلة في النشاط العصبي". اقترحت الورقة النموذج الرياضي الأول لبناء شبكة عصبية.

1949

في كتابه تنظيم السلوك: نظرية عصبية نفسية ، يقترح دونالد هيب نظرية أن المسارات العصبية يتم إنشاؤها من التجارب وأن الروابط بين الخلايا العصبية تصبح أقوى كلما زاد استخدامها. لا يزال تعلم هيبيان نموذجًا مهمًا في الذكاء الاصطناعي.

1950

ينشر آلان تورينج "Computing Machinery and Intelligence ، ويقترح ما يعرف الآن باسم Turing Test ، وهي طريقة لتحديد ما إذا كانت الآلة ذكية أم لا.
قام هارفارد بتخريج طلاب مارفن مينسكي ودين إدموندز لبناء SNARC ، أول كمبيوتر شبكة عصبية.
ينشر كلود شانون مقال "برمجة حاسوب للعب الشطرنج".
ينشر إسحاق أسيموف "القوانين الثلاثة للروبوتات".

1952

قام آرثر صموئيل بتطوير برنامج التعلم الذاتي للعب لعبة الداما.

1954

تترجم تجربة الترجمة الآلية من Georgetown-IBM تلقائيًا 60 جملة روسية مختارة بعناية إلى الإنجليزية.

1956

إن عبارة "الذكاء الاصطناعي" قد صيغت في "مشروع دارتموث للأبحاث الصيفية حول الذكاء الاصطناعي". وبقيادة جون مكارثي ، يعتبر المؤتمر ، الذي حدد نطاق وأهداف الذكاء الاصطناعي ، على نطاق واسع ولادة الذكاء الاصطناعي كما نعرفه اليوم.
يُظهر كل من Allen Newell و Herbert Simon المنطق المنطقي (LT) ، برنامج المنطق الأول.

1958

يقوم جون مكارثي بتطوير لغة برمجة الذكاء الاصطناعي ليسب وينشر ورقة "البرامج ذات الشعور العام". واقترحت الورقة على تطبيق النصيحة الافتراضية ، وهو نظام ذكاء اصطناعي كامل قادر على التعلم من التجربة بنفس فعالية البشر.

1959

يقوم كل من Allen Newell و Herbert Simon و JC Shaw بتطوير برنامج حل المشكلات العامة (GPS) ، وهو برنامج مصمم لتقليد حل المشكلات البشرية.
يطور Herbert Gelernter برنامج نظرية الهندسة Prover.
صاغ آرثر صموئيل مصطلح التعلم الآلي أثناء عمله في شركة IBM.
وجد جون مكارثي ومارفن مينسكي مشروع الذكاء الاصطناعي لمعهد ماساتشوستس للتكنولوجيا.

1963

بدأ جون مكارثي مختبر AI في ستانفورد.

1966

يفصّل تقرير اللجنة الاستشارية لمعالجة اللغات التلقائية (ALPAC) الصادر عن حكومة الولايات المتحدة عدم إحراز تقدم في أبحاث الترجمة الآلية ، وهي مبادرة رئيسية في الحرب الباردة مع وعد بالترجمة التلقائية والفورية للروسية. تقرير ALPAC يؤدي إلى إلغاء جميع مشاريع مسرح ماجنت الممولة من الحكومة.

1969

تم تطوير أول أنظمة الخبراء الناجحة في DENDRAL ، وهو برنامج XX ، و MYCIN ، المصممة لتشخيص التهابات الدم ، تم إنشاؤها في ستانفورد.

1972

يتم إنشاء لغة البرمجة المنطقية PROLOG.

1973

أصدرت "الحكومة البريطانية" تقرير "Lighthill" ، الذي يوضح تفاصيل خيبة الأمل في أبحاث الذكاء الاصطناعي ، ويؤدي إلى تخفيضات شديدة في تمويل مشاريع الذكاء الاصطناعي.

1974-1980

يؤدي الإحباط من تقدم تطوير الذكاء الاصطناعي إلى تخفيضات كبيرة في المنح الأكاديمية. إلى جانب تقرير ALPAC السابق و "تقرير Lighthill" في العام السابق ، يجف تمويل الذكاء الاصطناعي وأكشاك البحث. تُعرف هذه الفترة باسم "فصل الشتاء الأول لمنظمة العفو الدولية".

1980

تقوم شركة Digital Equipment Corporations بتطوير R1 (المعروف أيضًا باسم XCON) ، وهو أول نظام خبير تجاري ناجح. تم تصميم R1 لتهيئة الطلبات لأنظمة الكمبيوتر الجديدة ، ويبدأ ازدهارًا استثماريًا في الأنظمة الخبيرة التي ستستمر معظم العقد ، وتنتهي فعليًا أول "فصل شتاء لمنظمة العفو الدولية".

1982

تطلق وزارة التجارة الدولية والصناعة اليابانية مشروع الجيل الخامس الطموح لأنظمة الكمبيوتر. الهدف من FGCS هو تطوير أداء شبيه بالحاسوب الفائق ومنصة لتطوير الذكاء الاصطناعي.

1983

ردا على FGCS اليابانية ، أطلقت حكومة الولايات المتحدة مبادرة الحوسبة الاستراتيجية لتوفير البحوث الممولة من DARPA في الحوسبة المتقدمة والذكاء الاصطناعي.

1985

تنفق الشركات أكثر من مليار دولار سنويًا على الأنظمة الخبيرة وتنشأ صناعة كاملة تعرف باسم سوق ماكينات Lisp لدعمها. تبني شركات مثل Symbolics و Lisp Machines Inc. أجهزة كمبيوتر متخصصة للعمل على لغة البرمجة AI Lisp.

1987-1993

مع تحسن تكنولوجيا الحوسبة ، ظهرت بدائل أرخص ، وانهار سوق ماكينات Lisp في عام 1987 ، مما أدى إلى "شتاء AI الثاني". خلال هذه الفترة ، أثبتت الأنظمة الخبيرة أنها مكلفة للغاية في صيانتها وتحديثها ، وأصبحت في النهاية غير ملائمة.
أنهت اليابان مشروع FGCS في عام 1992 ، مشيرة إلى الفشل في تحقيق الأهداف الطموحة المحددة قبل عقد من الزمن.
DARPA أنهت مبادرة الحوسبة الاستراتيجية في عام 1993 بعد إنفاق ما يقرب من مليار دولار وقصر التوقعات بكثير.

1991

قامت القوات الأمريكية بنشر DART ، وهي أداة تخطيط وجدولة لوجستية آلية أثناء حرب الخليج.

1997

فوز ديب بلو من آي بي إم على بطل الشطرنج العالمي غاري كاسباروف

2005

ستانلي ، سيارة ذاتية القيادة ، تفوز في تحدي DARPA Grand.
يبدأ الجيش الأمريكي في الاستثمار في الروبوتات المستقلة مثل "الكلب الكبير" من Boston Dynamic و "PackBot" من iRobot.

2008

تحقق Google اختراقات في التعرف على الكلام وتقدم الميزة في تطبيق iPhone الخاص بها.

2011

واتسون من آي بي إم يفوز بالمنافسة على Jeopardy !.

2012

أندرو نغ ، مؤسس مشروع التعلم العميق للدماغ من Google ، يغذي شبكة عصبية باستخدام خوارزميات التعلم العميق 10 ملايين مقطع فيديو على YouTube كمجموعة تدريب. تعلمت الشبكة العصبية التعرف على قطة دون أن يتم إخبارها عن قطة ، والدخول في عصر الاختراق للشبكات العصبية وتمويل التعلم العميق.

2014

تصنع Google أول سيارة ذاتية القيادة لاجتياز اختبار القيادة الرسمي.

2016

فاز فريق AlphaGo من Google DeepMind على بطل Go Player لي سيدول. كان يُنظر إلى تعقيد اللعبة الصينية القديمة على أنها عقبة رئيسية يجب إزالتها في الذكاء الاصطناعي.