الذكاء الاصطناعي – تعريفه وتقييمه ومجالاته

ما هو الذكاء الاصطناعي

الذكاء الاصطناعي هو مسمى تم التوافق على إطلاقه على نوعية الذكاء الذي يمكن أن تكتسبه الآلة الصمّاء، من خلال تطعيمها بالبرامج والخوارزميات التي تجعلها تبدو وكأنها تمتلك عقلا يُحاكي القدرات العقلية البشرية بأنماطه المختلفة. وبالتالي فهو يجعل تلك الآلة تتصرف وكأنها مثل الإنسان العاقل أو المميّز باستخدام أبحاث الذكاء الاصطناعي.

والذكاء الاصطناعي بهذا المفهوم يظهر على شكل سلوك وتصرفات ذات خصائص معينة تقوم به الآلة بدون إدراك حقيقي منها.

ولكن هذا السلوك ناتج عن تزويد الآلة بقدرات معينة مثل القدرة على التعلم والاستنتاج وتقييم ردود الأفعال وذلك من خلال برمجيات وخوارزميات مخصصة تكون مهمتها تزويد الآلة بتلك القدرات، بحيث لا تُصبح هناك حاجة إلى برمجة وتخزين كل الاحتمالات وردود الأفعال الممكنة بشكل مُسبق في برنامج الكمبيوتر المسئول عن تشغيل هذه الآلة.

مثال توضيح الذكاء الاصطناعي

إن أبسط مثال لتوضيح مفهوم الذكاء الاصطناعي وتمييزه عن غيره من القدرات الآلية التي يتم برمجتها بشكل مُسبق في بعض البرمجيات والآلات هو برنامج لعبة الشطرنج المخزن في الحاسوب.

فقبل ظهور الذكاء الاصطناعي كان يتم تصميم ألعاب الشطرنج عن طريق برمجة وتخزين أكبر عدد من احتمالات النقلات التي يمكن أن يقوم بها اللاعب الذي يلعب أمام الحاسوب وردود الأفعال الممكنة والمناسبة لها. وقد جرت العادة على تقييم ألعاب الشطرنج الحاسوبية بعدد تلك الاحتمالات والتي تصل إلى مليارات الاحتمالات المركبة في المستوى المتقدم من اللعبة. حتى أنه يمكن ملاحظة بطء اللعب من طرف الحاسوب عند اللعب بهذا المستوى بسبب حسابه لمليارات الاحتمالات التي تم تخزينها بشكل مسبق في برنامج اللعبة.

أما في حالة استخدام الذكاء الاصطناعي في لعبة الشطرنج، وهي بالمناسبة من بحوث الذكاء الاصطناعي الشهيرة والمهمة في هذا العصر، فإنه لا يتم برمجة أو تخزين كل احتمالات النقلات التي يقوم بها اللاعب البشري ولا ردود الأفعال الممكنة والمناسبة لها، وإنما يتم تطعيم برنامج لعبة الشطرنج بالخوارزميات المتخصصة التي تكون مهمتها تزويده بالقدرة على التعلم والاستنتاج وتقييم ردود الأفعال في كل مرة يقوم فيها باللعب مع لاعب جديد، بحيث يصبح أشبه بالإنسان الذي يبدأ بممارسة اللعبة ويتعلمها شيئًا فشيئًا حتى يصبح خبيرًا بها.

ويُطلق على هذا النوع من الخوارزميات اسم الشبكات العصبية وذلك نظرًا لأنها تشبه في عملها طريقة عمل عقل الإنسان.

فلسفة الذكاء الاصطناعي

يشكل الذكاء الاصطناعي تحديًا وإلهاما لعلم الفلسفة. وذلك لزعمه القدرة على إعادة إنتاج قدرات العقل البشري. بخاصة وأن العقل البشري لا يزال قيد البحث ولم يصل الإنسان إلى اكتشاف كل أسراره.

ومجال الذكاء الاصطناعي تأسس على افتراض أن مَلَكة الذكاء يمكن وصفها بدقة بدرجة تمكن الآلة من محاكاتها. وهذا الأمر يثير جدلا فلسفيًا حول طبيعة العقل البشري وحدود المناهج العلمية. وهى قضايا تناولتها نقاشات وحكايات أسطورية وخيالية وفلسفية منذ القدم.

كما يدور جدل عن ماهية الذكاء وأنواعه التي يمتلكها الإنسان، وكيفية محاكاتها بالآلة. وقد كان وما زال الذكاء الصناعي سببًا لأفكار شديدة التفاؤل، ولقد عانى نكسات فادحة عبر التاريخ. واليوم أصبح الذكاء الاصطناعي جزءًا أساسيًا من صناعة التكنولوجيا، حاملا عبء أصعب المشاكل في علوم الحاسوب الحديثة.

وتركز فلسفة الذكاء المصطنع على إيجاد إجابات لأسئلة عديدة منها مثلا:

  • هل هناك حدود لمدى ذكاء الآلات؟
  • وهل هناك فرق جوهري بين الذكاء البشري والذكاء الاصطناعي؟
  • وهل يمكن أن يكون للآلة عقل ووعي؟

والذكاء الاصطناعي له صلات وثيقة مع الفلسفة لأن كلاهما يشتركان في عدة مفاهيم، مثل:

  • الذكاء
  • الحركة
  • الوعي
  • نظرية المعرفة
  • الإرادة الحرة

وقد ساهمت كل هذه العوامل في ظهور فلسفة الذكاء الاصطناعي.

الأسئلة التي تحاول فلسفة الذكاء الاصطناعي الإجابة عليها

تحاول فلسفة الذكاء الاصطناعي الإجابة على الأسئلة الأساسية التالية:

  • هل تستطيع الآلة أن تفكر مثل البشر؟
  • هل تستطيع الآلة التصرف مثل البشر؟
  • وهل تستطيع الآلة أن تفكر بشكل عقلاني؟
  • وهل تستطيع الآلة أن تتصرف بشكل عقلاني؟

كما توجد بعض الأسئلة الفرعية الأخرى ومنها:

  • هل يمكن للآلة أن تحل أي مشكلة يحلها الشخص الطبيعي عن طريق التفكير؟
  • هل يمكن للذكاء الاصطناعي أن يكون مثل الذكاء البشري؟
  • وهل يمكن للآلة أن يكون لها عقل وحالات ذهنية ووعي وإدراك بالطريقة نفسها التي تكون لدى الإنسان؟

من جهة أخرى، توجد أسئلة فلسفية أكثر تجنحًا وأقرب للخيال العلمي منها للعلوم، ومنها:

  • هل يمكن للآلة أن يكون لها عواطف؟
  • هل يمكن للآلة أن تكون مُدركة للذات؟
  • وهل يمكن أن تكون الآلة إبداعية؟
  • هل يمكن للآلة أن تكون خيًرة أو شريرة؟
  • هل يمكن للآلة أن يكون لها روح؟

يُلاحظ مما تقدم أنه لا توجد فلسفة محددة وواضحة للذكاء الاصطناعي بل توجد آفاق مختلفة ومفاهيم وتقنيات ونظريات متعددة لبناء أنظمة ذكية تتعامل بشكل ذكي وتتفاعل مع الإنسان. وكل ذلك يهدف إلى تسهيل الحياة اليومية للإنسان وتذليل العقبات والاستمتاع أكثر بالحياة وذلك من خلال الآلات والأنظمة التي يخترعها ويطورها الإنسان على مر العصور.

تعريف الذكاء الاصطناعي في علوم الحاسب

أشهر تعريفات الذكاء الصناعي وأصحاب هذه التعريفات:

  • “الجهد الجديد المثير لجعل أجهزة الكمبيوتر تفكر … آلات ذات عقول، بالمعنى الحرفي والكامل” (Haugeland، 1985).
  • “[أتمتة] الأنشطة التي نربطها بالتفكير البشري ، أنشطة مثل صنع القرار ، وحل المشكلات ، والتعلم …” (Bellman ، 1978).
  • “فن إنشاء آلات تؤدي وظائف تتطلب ذكاء عندما يقوم بها الناس” (كورزويل ، 1990).
  • “دراسة كيفية جعل أجهزة الكمبيوتر تقوم بأشياء يكون الناس فيها أفضل في الوقت الحالي” (Rich and Knight، 1991).
  • “دراسة الكليات العقلية من خلال استخدام النماذج الحسابية” (Charniak and McDermott، 1985).
  • و”دراسة الحسابات التي تجعل من الممكن الإدراك والتفكير والتصرف” (ونستون ، 1992).
  • “مجال دراسة يسعى لشرح ومحاكاة السلوك الذكي من حيث العمليات الحسابية” (Schalkoff ، 1 990).
  • “فرع علوم الكمبيوتر المعني بأتمتة السلوك الذكي” (لوغر وستلفيلد ، 1993).

ويظهر تعريف الذكاء الاصطناعي وفقًا لثمانية كتب أكاديمية حديثة، تختلف هذه التعريفات من خلال بعدين رئيسيين، وهما المعنيين بعمليات التفكير والاستدلال.

  • البعد الأول يستخدم مقياس الأداء البشري لقياس نجاح الذكاء الاصطناعي.
  • البعد الثاني يستخدم مقياس العقلانية لقياس نجاح الذكاء الاصطناعي.

والنظام يُعتبر عقلاني إذا كان يفعل الشيء الصحيح. وهذا يعطينا أربعة مسارات ممكنة لتحقيقها في الذكاء الاصطناعي، وبالتالي أربعة تعريفات أساسية له وهي كما يلي:

  1. الأنظمة التي تفكر مثل البشر.
  2. الأنظمة التي تتصرف مثل البشر.
  3. والأنظمة التي تفكر بعقلانية.
  4. الأنظمة التي تعمل بعقلانية.

تاريخيا، تم اتباع المناهج الأربعة. ويوجد توتر بين المناهج التي تتمحور حول البشر والمناهج التي تتمحور حول العقلانية. يجب أن يكون النهج الذي يركز على الإنسان علمًا تجريبيًا، يتضمن الفرضية والتجريبية.

وفيما يلي تفاصيل مناهج التقييم الأربعة:

مناهج تقييم الذكاء الاصطناعي

التصرف بشكل إنساني: نهج اختبار تورينج

تم تصميم اختبار تورينج، الذي اقترحه آلان تورينج (1950)، لتقديم تعريف عملي مُرضي للذكاء. عرّف تورنج السلوك الذكي بأنه القدرة على تحقيق الأداء على المستوى البشري في جميع المهام المعرفية، وهو ما يكفي لخداع المحقق. من الناحية التقريبية، فإن الاختبار الذي اقترحه هو أن الكمبيوتر يجب أن يستجوبه الإنسان عن طريق نوع (Teletype)، ويجتاز الاختبار إذا لم يتمكن المحقق من معرفة ما إذا كان هناك كمبيوتر أو إنسان في الطرف الآخر. يناقش الفصل 26 تفاصيل الاختبار، وما إذا كان الكمبيوتر ذكيًا حقًا أم لا. في الوقت الحالي، توفر برمجة جهاز كمبيوتر لاجتياز الاختبار الكثير للعمل عليه. يحتاج الكمبيوتر إلى امتلاك القدرات التالية:

  • معالجة اللغة الطبيعية لتمكينها من التواصل بنجاح باللغة الإنجليزية (أو بعض اللغات البشرية الأخرى)؛
  • تمثيل المعرفة لتخزين المعلومات المقدمة قبل الاستجواب أو أثناءه؛
  • المنطق الآلي لاستخدام المعلومات المخزنة للإجابة على الأسئلة واستخلاص استنتاجات جديدة؛
  • التعلم الآلي للتكيف مع الظروف الجديدة واكتشاف الأنماط واستقراءها.

تجنب اختبار تورينج عن عمد التفاعل الجسدي المباشر بين المحقق والكمبيوتر، لأن المحاكاة الجسدية للشخص غير ضرورية للذكاء. ومع ذلك يتضمن ما يسمى اختبار تورينج الكلي إشارة فيديو حتى يتمكن المحقق من اختبار القدرات الإدراكية للموضوع، بالإضافة إلى فرصة المحقق لتمرير الأشياء المادية “من خلال الفتحة”.

لاجتياز اختبار تورينج الكلي، سيحتاج الكمبيوتر:

  • رؤية الكمبيوتر لفهم الأشياء
  • الروبوتات لتحريكهم

في الذكاء الاصطناعي لم يكن هناك جهد كبير لمحاولة اجتياز اختبار تورينج. تظهر مسألة التصرف مثل الإنسان في المقام الأول عندما يتعين على برامج الذكاء الاصطناعي التفاعل مع الناس، كما هو الحال عندما يشرح نظام خبير كيف وصل الأمر إلى تشخيصه، أو عندما يكون لنظام معالجة اللغات الطبيعية حوارًا مع مستخدم. يجب أن تتصرف هذه البرامج وفقًا لبعض الاتفاقيات العادية للتفاعل البشري من أجل جعلها مفهومة. قد يكون التمثيل والمنطق الأساسي في مثل هذا النظام مبنيًا على نموذج بشري أو لا يكون كذلك.

التفكير الإنساني: نهج النمذجة المعرفية

إذا أردنا أن نقول بأن برنامجًا معينًا يفكر مثل الإنسان، فيجب أن يكون لدينا طريقة لتحديد كيفية تفكير البشر. نحن بحاجة للدخول في العمل الفعلي للعقول البشرية.

هناك طريقتان للقيام بذلك:

  • من خلال الاستبطان – محاولة الإمساك بأفكارنا أثناء مرورها
  • من خلال التجارب النفسية

بمجرد أن يكون لدينا نظرية دقيقة بما يكفي للعقل، يصبح من الممكن التعبير عن النظرية كبرنامج كمبيوتر. إذا كان سلوك الإدخال/ الإخراج والتوقيت يتطابق مع السلوك البشري، فهذا دليل على أن بعض آليات البرنامج قد تعمل أيضًا في البشر. على سبيل المثال، لم يكن نيويل وسيمون، اللذان قاما بتطوير نظام تحديد المواقع العالمي (GPS)، “الحل العام للمشكلة” (نيويل وسيمون، 1961)، راضين عن برنامجهم لحل المشكلات بشكل صحيح. كانوا أكثر اهتمامًا بمقارنة أثر خطوات الاستدلال مع آثار الأشخاص الذين يحلون نفس المشاكل. هذا على النقيض من الباحثين الآخرين في نفس الوقت (مثل وانغ، I960)، الذين كانوا مهتمين بالحصول على الإجابات الصحيحة بغض النظر عن الطريقة التي قد يفعلها البشر. يجمع المجال متعدد التخصصات للعلوم المعرفية بين نماذج الكمبيوتر من الذكاء الاصطناعي والتقنيات التجريبية من علم النفس في محاولة لبناء نظريات دقيقة وقابلة للاختبار لأعمال العقل البشري.

على الرغم من أن العلم المعرفي هو مجال رائع في حد ذاته، إلا أننا لن نناقشه كثيرًا في هذا الكتاب. سنعلق من حين لآخر على أوجه التشابه أو الاختلاف بين تقنيات الذكاء الاصطناعي والإدراك البشري. ومع ذلك، فإن العلم المعرفي الحقيقي يعتمد بالضرورة على التحقيق التجريبي للبشر أو الحيوانات الفعليين. ونفترض أن القارئ لديه فقط حق الوصول إلى جهاز كمبيوتر للتجريب. سوف نلاحظ ببساطة أن الذكاء الاصطناعي والعلوم المعرفية يواصلان تخصيب بعضهما البعض، خاصة في مجالات الرؤية واللغة الطبيعية والتعلم.

التفكير بعقلانية: نهج قوانين الفكر

كان الفيلسوف اليوناني أرسطو من أوائل الذين حاولوا تدوين “التفكير الصحيح”، أي عمليات التفكير التي لا يمكن دحضها. قدم منهجه المنطقي الشهير أنماطًا لهياكل الحجة التي كانت دائمًا تعطي الاستنتاجات الصحيحة بالنظر إلى المقدمات الصحيحة. على سبيل المثال، “سقراط رجل، جميع الرجال بشر؛ لذلك سقراط هو بشر”. كان من المفترض أن تحكم قوانين الفكر هذه عملية العقل، وبدأت مجال المنطق.

قدم تطور المنطق الرسمي في أواخر القرن التاسع عشر وأوائل القرن العشرين، تدوينًا دقيقًا للبيانات حول جميع أنواع الأشياء في العالم والعلاقات بينهما. (قارن هذا بالتدوين الحسابي العادي، الذي يوفر بشكل أساسي عبارات المساواة وعدم المساواة حول الأرقام). بحلول عام 1965، كانت هناك برامج يمكن أن تُعطي وصفًا لمشكلة في التدوين المنطقي، مع إعطاء الوقت والذاكرة الكافيين، وإيجاد حل للمشكلة، إن وجد. (إذا لم يكن هناك حل، فقد لا يتوقف البرنامج أبدًا عن البحث عنه). يأمل ما يُسمى التقليد المنطقي داخل الذكاء الاصطناعي في البناء على هذه البرامج لإنشاء أنظمة ذكية.

هناك عائقان رئيسيان لهذا النهج. أولا، ليس من السهل أخذ المعرفة غير الرسمية وتوضيحها بالعبارات الرسمية التي تتطلبها التدوين المنطقي، خاصة عندما تكون المعرفة أقل من 100٪. ثانيًا، هناك فرق كبير بين القدرة على حل مشكلة “مبدئيًا” والقيام بذلك عمليًا. حتى المشاكل مع بضع عشرات من الحقائق يمكن أن تستنفد الموارد الحاسوبية لأي كمبيوتر ما لم يكن لديها بعض الإرشادات حول خطوات التفكير التي يجب تجربتها أولا. على الرغم من أن كلا العائقين ينطبقان على أي محاولة لبناء أنظمة التفكير المنطقي، إلا أنها ظهرت أولا في التقليد المنطقي لأن قوة أنظمة التمثيل والاستدلال محددة جيدًا ومفهومة جيدًا إلى حد ما.

التصرف بعقلانية: نهج الوكيل العقلاني

التصرف بعقلانية يعني التصرف من أجل تحقيق أهداف المرء، بالنظر إلى معتقداته. الوكيل هو مجرد شيء يدرك ويعمل. (قد يكون هذا استخدامًا غير عادي للكلمة، ولكنك ستعتاد على ذلك). في هذا النهج، يُنظر إلى الذكاء الاصطناعي على أنه دراسة وبناء عوامل عقلانية.

في نهج “قوانين الفكر” للذكاء الاصطناعي، كان التركيز كله على الاستدلالات الصحيحة.

يُعد إجراء الاستدلالات الصحيحة أحيانًا جزءًا من كونك وكيلًا عقلانيًا، لأن إحدى طرق التصرف بعقلانية هي التفكير المنطقي في الاستنتاج بأن إجراءً معينًا سيحقق أهداف المرء، ثم التصرف بناءً على هذا الاستنتاج. من ناحية أخرى، الاستدلال الصحيح ليس كل العقلانية، لأنه غالبًا ما تكون هناك مواقف لا يوجد فيها شيء صحيح يمكن القيام به، ولكن لا يزال هناك شيء يجب القيام به. هناك أيضًا طرق للعمل بعقلانية لا يمكن القول بشكل معقول أنها تنطوي على استدلال. على سبيل المثال، سحب اليد من موقد ساخن هو إجراء منعكس أكثر نجاحًا من إجراء أبطأ يتم اتخاذه بعد مداولات دقيقة.

جميع “المهارات المعرفية” اللازمة لاختبار تورينج موجودة للسماح بإجراءات عقلانية. وبالتالي، نحن بحاجة إلى القدرة على تمثيل المعرفة والعقل معها لأن ذلك يمكننا من التوصل إلى قرارات جيدة في مجموعة متنوعة من المواقف. نحن بحاجة إلى أن نكون قادرين على توليد جمل مفهومة في اللغة الطبيعية لأن قول تلك الجمل يساعدنا في الحصول على مجتمع معقد.

نحن بحاجة إلى التعلم ليس فقط للعلم، ولكن لأن الحصول على فكرة أفضل عن كيفية عمل العالم تمكننا من إنشاء استراتيجيات أكثر فعالية للتعامل معه. ونحن بحاجة إلى الإدراك البصري ليس فقط لأن الرؤية ممتعة، ولكن من أجل الحصول على فكرة أفضل عما يمكن أن يحققه الفعل – على سبيل المثال، القدرة على رؤية لقمة لذيذة تساعد المرء على التحرك نحوها.

التصميم الرشيد

إن دراسة الذكاء الاصطناعي كعامل تصميم رشيد لها ميزتان. أولا، إنه أكثر عمومية من نهج “قوانين الفكر”، لأن الاستدلال الصحيح ليس إلا آلية مفيدة لتحقيق العقلانية، وليس آلية ضرورية. ثانيًا، أنها أكثر قابلية للتطور العلمي من المناهج القائمة على السلوك البشري أو الفكر البشري، لأن معيار العقلانية محدد بوضوح وعام تمامًا. السلوك البشري، من ناحية أخرى، متكيف بشكل جيد لبيئة معينة واحدة وهو نتاج، جزئيًا، لعملية تطورية معقدة وغير معروفة إلى حد كبير قد لا تزال بعيدة عن تحقيق الكمال. لذلك سيركز هذا الكتاب على المبادئ العامة للعوامل العقلانية، وعلى مكونات بنائها. سنرى أنه على الرغم من البساطة الواضحة التي يمكن من خلالها ذكر المشكلة، إلا أن هناك مجموعة متنوعة هائلة من القضايا التي تظهر عندما نحاول حلها. يلخص الفصل الثاني بعض هذه القضايا بمزيد من التفصيل.

هناك نقطة مهمة يجب وضعها في الاعتبار: سنرى أن تحقيق العقلانية الكاملة – فعل الشيء الصحيح دائمًا – غير ممكن في البيئات المعقَّدة. المطالب الحسابية عالية للغاية. ومع ذلك، تُعتمد فرضية العمل التي مفادها أن فهم صنع القرار المثالي هو مكان جيد للبدء. يبسط المشكلة ويوفر الإعداد المناسب لمعظم المواد التأسيسية في هذا المجال. التصرف بشكل مناسب عندما لا يكون هناك وقت كاف للقيام بجميع الحسابات التي قد يفضلها المرء.

خوارزميات الذكاء الاصطناعي

كثيرا ما يرتبط الذكاء الاصطناعى بشكل مباشر أو غير مباشر باستخدام الخوارزميات.

والخوارزمية هي عبارة عن مجموعة من الإرشادات الواضحة والمحددة التي يمكن لجهاز الكمبيوتر الآلي تنفيذها. ويتم كتابة الخوارزميات باستخدام لغات البرمجة وأشهرها لغة برمجة بايثون. ويتم التعبير عن الخوارزمية غالبًا باستخدام خطوات متدرجة تتمثل في جمل برمجية متتالية على شكل:

“إذا كان كذا فافعل كذا، وإلاّ فافعل كذا”.

وقد تكون الخوارزمية بسيطة تحتوي على عدة جمل برمجية كما أنها يمكن أن تكون شديدة التعقيد بحيث تحتوي على ملايين الجمل البرمجية. إن العديد من خوارزميات الذكاء الاصطناعي قادرة على التعلم من البيانات التاريخية، ويمكنها تعزيز قدرتها من خلال تعلم الأساليب الجديدة والاستراتيجيات والقواعد التي عملت بشكل جيد في الماضي، أو حتى تعلم كتابة خوارزميات أخرى جديدة. ومن أمثلة تلك الخوارزميات القادرة على التعلم الشبكات العصبية وخوارزمية شجرة القرار وخوارزمية الجار الاقرب حيث تقوم بالتعلم من خلال النظر إلى البيانات غير المحدودة والمتوفرة من تجارب سابقة واستخلاص منها كل المعرفة الممكنة، وذلك من خلال النظر في كل فرضية ممكنة ومطابقتها مع البيانات.

ولكن من الناحية العملية يكاد يكون من غير الممكن النظر في كل الاحتمالات حيث يزداد باطراد مقدار الوقت اللازم لحل المشكلة. لذا تتضمن الكثير من أبحاث الذكاء الاصطناعي معرفة كيفية تحديد وتجنب النظر في مجموعة واسعة من الاحتمالات التي من غير المرجح أن تكون مفيدة.

مثال خوارزمية أقصر الطرق

على سبيل المثال، عند عرض خريطة والبحث عن أقصر طريق للقيادة من القاهرة إلى الإسكندرية في الشمال، يمكن للمرء في معظم الحالات تخطي النظر إلى أي مسار يتجه نحو الجنوب أو مناطق أخرى بعيدة إلى أقصى الغرب أو الشرق. وبالتالي فإن الذكاء الاصطناعي الذي يستخدم خوارزمية تحديد مسار شبيه يمكنه تجنب الانفجار التوافقي (ويقصد به أن يصبح مقدار الذاكرة أو الوقت اللازم للحواسيب لحل مشكلة ما كبير جدًا عندما تتجاوز المشكلة حجمًا معينًا) والذي سيترتب على التفكير في كل المسارات الممكنة دون تخطي المسارات التي من المرجح ألا تكون مفيدة.

تطور خوارزميات الذكاء الاصطناعي

كانت أول طرق التعلم في بحوث الذكاء الاصطناعي وأسهلها للفهم هي الرمزية، مثل المنطق الرسمي. ومن أمثلة هذا النوع الجملة التالية: “إذا كان شخص بالغ يتمتع بصحة جيدة مصاب بالحمى، فإنه قد يكون مصابا بالأنفلونزا”.

الطريقة الثانية الأكثر عمومية هي طريقة الاستدلال البايزي:

“إذا كان المريض الحالي مصابا بالحمى، فقم بضبط احتمال الإصابة بالأنفلونزا بهذه الطريقة أو تلك”

الطريقة الرئيسية الثالثة، والتي تحظى بشعبية كبيرة في تطبيقات الذكاء المصطنع في مجال إدارة الأعمال وإدارة المشاريع، والمجالات الطبية والمعلوماتية الحيوية هي أدوات القياس مثل خوارزمية الجار الأقرب: “بعد فحص سجلات المرضى السابقين المعروفين الذين تتناسب درجة حرارتهم وأعراضهم وعمرهم وعوامل أخرى في الغالب مع المريض الحالي، تبين بأن نسبة س٪ من هؤلاء المرضى لديهم انفلونزا”.

أما النهج الرابع في بحوث الذكاء المصطنع فهو مستوحى من كيفية وآلية عمل الدماغ البشري. ويستخدم نهج الشبكات العصبية الاصطناعية، والتي تتكون من “خلايا عصبية” و”روابط” اصطناعية يمكنها أن تتعلم من خلال مقارنة نفسها بالمخرجات المطلوبة وتغيير نقاط القوة بين الروابط الداخلية بهدف “تعزيز” الاتصالات التي تبدو أكثر فائدة وإهمال الأقل فائدة.

وهناك العديد من الخوارزميات والتقنيات الأخرى التي تتمحور جميعها حول تنقيب البيانات الضخمة والتعلم منها بهدف التوصل إلى آلة قادرة على القيام بالعمل المطلوب. كما يمكن أن تتداخل الطرق والخوارزميات مع بعضها البعض. وغالبًا ما يختلف النهج أو الطريقة بحسب مشكلة البحث المراد حلها باستخدام الذكاء الاصطناعي.

موضوع مقترح للقراءة: الشبكات العصبية – مفهومها واستخدامها في التنبؤ

موسوعة تنقيب البيانات – مركز البحوث والدراسات متعدد التخصصات

أساس عمل خوارزميات الذكاء الاصطناعي

تعمل خوارزميات التعلم على أساس أن الاستراتيجيات والخوارزميات والاستدلالات التي نجحت في الماضي من المحتمل أن تستمر في العمل بشكل جيد في المستقبل. ويمكن أن تكون هذه الاستدلالات واضحة، مثل “بما أن الشمس تُشرق كل صباح على مدار 10000 يوم، فمن المحتمل أن تُشرق صباح الغد أيضًا”. كما يمكن أن تكون هذه الاستدلالات دقيقة مثل “س٪ من الأجناس الحيوانية لديها أنواع منفصلة جغرافيًا بألوان مختلفة، لذلك فإن هناك فرصة ص٪ لوجود بجعات سوداء غير مُكتشفة”. وتعمل خوارزميات التعلم أيضًا على أساس أن أبسط نظرية تفسر البيانات هي الأكثر احتمالا، وذلك وفقًا لنصل أوكام أو شفرة أوكام، (بالإنجليزية Ockham’s Razor)، وهو مبدأ منطقي منسوب إلى الفيلسوف وليم الأوكامي ينص على وجوب عدم الإكثار من الموجودات بغير مسوغ، ويسمى أيضا مبدأ البساطة، أو مبدأ التقتير. وبالتالي يجب أن تكون خوارزمية التعلم مصممة بحيث تفضل نظريات أكثر بساطة على نظريات معقدة، إلا في الحالات التي تكون فيها النظرية المعقدة أفضل كثيرًا وباستمرار.

تحديات مجالات أبحاث الذكاء الاصطناعي

تتضمن التحديات الرئيسية في مختلف مجالات الذكاء الاصطناعي تطوير قدرات مثل الاستنتاج وقدرات التفكير المنطقي والقدرة على حل المشكلات والمعرفة والتخطيط والتعلم والتواصل والإدراك والقدرة على تحريك وتغيير الأشياء.

كما ولا يزال الذكاء العام أو ” الذكاء الاصطناعي القوي ” هدفًا بعيد المدى لبعض الأبحاث في هذا المجال.

وفيما يلي أبرز تحديات أبحاث الذكاء الاصطناعي:

  1. الاستنتاج والتفكير المنطقي والقدرة على حل المشكلات
  2. تمثيل المعرفة (بالإنجليزية: Knowledge Representation)
  3. التخطيط
  4. تعلم الآلة (بالإنجليزية: Machine Learning)
  5. معالجة اللغة الطبيعية
  6. الحركة والتنقل
  7. الإدراك
  8. الذكاء الاجتماعي (بالإنجليزية: Social Intelligence)
  9. الإبداع
  10. الذكاء العام الاصطناعي (بالإنجليزية: Artificial General Intelligence)

وفيما يلي شرحًا موجزًا لكل مجال من مجالات أبحاث الذكاء الاصطناعي:

1. الاستنتاج والتفكير المنطقي والقدرة على حل المشكلات

وضع الباحثون الأوائل في علم الذكاء الاصطناعي الخوارزميات التي تحاكى التفكير المنطقي المتسلسل (يمكن قراءة موضوع قبعات التفكير الست) الذي يقوم به البشر عند حل الألغاز، أو لعب الطاوله أو التوصل إلى الاستنتاجات المنطقية. وفي الثمانينيات والتسعينيات أدت الأبحاث إلى التوصل لوسائل ناجحة للغاية للتعامل مع المعلومات غير المؤكدة أو غير الكاملة، مستخدمة في ذلك مفاهيم من الاحتمالية والاقتصاد.

وبالنسبة للمشاكل الصعبة، تتطلب معظم هذه الخوارزميات موارد حسابية هائلة مما يؤدى إلى انفجار توافقي. وبالتالي فإن البحث عن خوارزميات أكثر قدرة على حل المشكلات هو أولوية قصوى لأبحاث الذكاء الاصطناعي.

يحل البشر معظم مشاكلهم باستخدام أحكام سريعة بديهية وليست واعية، عن طريق الاستنتاج التدريجى الذي تمكن الباحثون الأوائل في علم الذكاء الصناعي من محاكاته آليًا. وحققت أبحاث الذكاء المصطنع بعض التقدم في تقليد هذا النوع “الرمزي” من مهارات حل المشاكل. والمناهج المتضمنة في هذا المسار تؤكد أهمية المهارات الحسية الحركية للتفكير الأرقى. ويحاول البحث في مجال الشبكات العصبية محاكاة الهياكل داخل مخ الإنسان والحيوان التي تؤدى إلى ظهور هذه المهارة.

2. تمثيل المعرفة

يُعتبر تمثيل المعرفة (بالإنجليزية: Knowledge Representation) وهندسة المعرفة من المحاور الأساسية في أبحاث الذكاء الاصطناعى الكلاسيكية. وتحاول بعض “النظم الخبيرة” جمع المعرفة الصريحة التي يمتلكها الخبراء في مجال محدد. بالإضافة إلى ذلك، تحاول بعض المشروعات جمع “المعرفة المنطقية” المعروفة للشخص العادي في قاعدة بيانات تحتوي على معرفة واسعة بالعالم.

ومن بين الأشياء التي قد تتضمنها قاعدة المعرفة المنطقية الشاملة:

الأشياء، الخصائص، الفئات والعلاقات بين الأشياء، المواقف، الأحداث، الدول والوقت، الأسباب والآثار، المعرفة بالمعرفة (ما نعرفه حول ما يعرفه الآخرون)، والعديد من المجالات الأخرى الأقل بحثًا.

ويمثل تمثيل “ما هو موجود” مجموعة الكائنات والعلاقات والمفاهيم والخصائص الموصوفة رسميًا في مجال معين من المجالات بحيث يمكن فهمها وتفسيرها وفهم ترابطها ضمن منظومة متكاملة مع المجالات الأخرى بهدف توفير أساس لجميع المعارف. ويمكن استخدام تمثيل المعرفة الرسمية هذه في الفهرسة المستندة إلى المحتوى واسترجاعها وفي تفسير المشهد، دعم اتخاذ القرار في الأزمات، تنقيب البيانات واستكشاف المعرفة والاستدلالات الشيقة داخل قواعد البيانات الضخمة وغيرها من الاستخدامات.

مشكلات تمثيل المعرفة في الذكاء الاصطناعي

المنطق الافتراضي ومشكلة التأهيل

إن العديد من الأشياء التي يعرفها الأشخاص تتخذ شكل “افتراضات”.

على سبيل المثال، عند ذكر الطيور في محادثة ما، فإن عقل الإنسان يتصور حيوانًا بحجم قبضة اليد يغني ويطير.

وبالطبع لا ينطبق هذا التصور على جميع الطيور.

لقد حدد جون مكارثي هذه المشكلة في عام 1969م باعتبارها مشكلة التأهيل. وخلاصتها أنه لأي قاعدة منطقية يهتم بها باحثو الذكاء الاصطناعى هناك عدد كبير من الاستثناءات ويكاد لا يوجد شيء صحيح أو خطأ بطريقة المنطق المجرد.

اتساع المعرفة المنطقية

إن عدد الحقائق والمعرفة المنطقية التي يعرفها الشخص العادي كبير جدًا بحيث يكاد أن يكون من المستحيل بناء قاعدة معرفة كاملة لكل ما يمتلكه هذا الشخص من معرفة.

الشكل الفرعي لبعض المعرفة المنطقية

لا يتم تمثيل الكثير مما يعرفه الناس على أنها “حقائق” أو “بيانات” يمكنهم التعبير عنها شفهيًا.

على سبيل المثال، قد يتجنب أحد لاعبي الشطرنج المحترفين تحريك قطعة معينة أثناء اللعب لأنه “يشعر بأن تحريكها قد يتسبب في تهديد موقفه”، أو أن ناقد فني قد يُلقي نظرة واحدة على تمثال ما ويدرك أنه مزيف. وهذا ما يطلق عليه الحدس أو الميول، وهي مسائل غير واعية شبه رمزية في دماغ الإنسان. ومثل هذا النوع من المعرفة يدعم ويوفر سياقًا للمعرفة الرمزية والواعية، تمامًا كما هو الحال مع التفكير شبه الرمزي ذات الصلة.

ومن المأمول أن يوفر الذكاء الاصطناعي أو الذكاء الحسابي أو الذكاء الاصطناعي الإحصائي طرقًا لتمثيل هذا النوع من المعرفة.

3. التخطيط

الموظفون الأذكياء ينبغي أن يكونوا قادرين على تحديد الأهداف وتحقيقها. إنهم بحاجة إلى طريقة لتصور المستقبل – تمثيل لحالة العالم ويكونوا قادرين على عمل تنبؤات حول كيفية تغيير تصرفاتهم. وأن يكونوا قادرين على اتخاذ خيارات تزيد من الفائدة أو “القيمة” للخيارات المتاحة. ففي مسائل التخطيط الكلاسيكي، يمكن للموظف أن يفترض أنه النظام الوحيد الذي يعمل في عالمه، مما يسمح للعامل بتحمل المسئولية وتحمل عواقب تصرفاته. ومع ذلك، إذا لم يفترض الموظف أنه النظام الوحيد، فإنه يجب أن يتأكد من اتساق تصرفاته مع الواقع وإلاّ فإنه سوف يتسبب في عدم اليقين. هذا يستدعي موظفًا لا يمكنه فقط تقييم بيئته وإجراء تنبؤات، ولكن أيضًا تقييم تنبؤاته والتكيف معها بناءً على تقييمه.

وفي مسائل التخطيط متعددة الموظفين فإنها تتطلب التعاون والمنافسة بين العديد من الموظفين لتحقيق هدف معين. والسلوك الناشئ في مثل هذا النوع من التخطيط يستخدم بواسطة الخوارزميات متخصصة.

4. تعلم الآلة

تعلم الآلة (بالإنجليزية: Machine Learning)، ويُرمز له بالرمز ML هو المفهوم الأساسي لبحوث الذكاء الاصطناعي منذ بدء البحوث في هذا المجال. وهو المرتبط بشكل أساسي بدراسة وتطوير خوارزميات الحاسوب التي تتحسن تلقائيًا من خلال التجربة. والتعلم غير الخاضع للرقابة هو القدرة على العثور على أنماط معينة في مجموعة من المدخلات، دون الحاجة إلى تدخل الإنسان لتصنيف المدخلات أولا. والتعلم الخاضع للإشراف كلا من خوارزميات التصنيف وتقنية الانحدار، والتي تتطلب تدخل من الإنسان لتسمية بيانات المدخلات أولا، حيث يتم استخدام التصنيف لتحديد الفئة التي ينتمي إليها شيء ما. ويحدث ذلك بعد أن يفحص البرنامج عددًا من الأمثلة على أشياء من عدة فئات.

والانحدار هو محاولة لإنتاج دالة تصف العلاقة بين المدخلات والمخرجات وتتنبأ بكيفية تغيير المخرجات مع تغير المدخلات. ويمكن النظر إلى كل من خوارزميات التصنيف وتقنية الانحدار على أنها “دوال تقريبية” تحاول معرفة دالة غير معروفة (ربما ضمنية). على سبيل المثال، يمكن عرض تصنيف الرسائل غير المرغوب فيها على أنه تعلم وظيفة تقوم بالتعيين من نص رسالة بريد إلكتروني إلى إحدى الفئتين، “البريد العشوائي” أو “غير العشوائي”.

وفي فترة التعلم تتم مكافأة الموظف على الاستجابة الجيدة ومعاقبته على الردود السيئة. ويستخدم الموظف هذا التسلسل من المكافآت والعقوبات في تقييم الاستجابات وتشكيل الاستراتيجية المناسبة للعمل وفقًا لما تم تعلمه.

5. معالجة اللغة الطبيعية

تمنح معالجة اللغة الطبيعية الآلات القدرة على قراءة وفهم اللغة البشرية.

ومن شأن نظام معالجة لغة طبيعية قوي بما فيه الكفاية أن يمكّن واجهات مستخدم اللغة الطبيعية واكتساب المعرفة مباشرة من مصادر مكتوبة بشريًا، مثل النصوص الإخبارية. وبعض التطبيقات المباشرة لمعالجة اللغة الطبيعية تشمل استرجاع المعلومات، تنقيب النصوص، والإجابة على الأسئلة والترجمة الآلية. وتستخدم العديد من الطرق الحالية فحص تكرار الكلمات لإنشاء تمثيل مفهوم للنص كما تستخدم استراتيجيات بحوث الكلمات للبحث عن كلمات محددة وهذه الطرق قابلة للتطوير ولكنها غبية. فقد يطابق استعلام البحث عن كلمة “كلب” مستند يحتوي الكلمة الحرفية “كلب” ولكن هذا البحث لن يظهر مستند آخر يحتوي كلمة “جرو”.

كما تستخدم استراتيجيات “التقارب المعجمية” لتحليل كلمات مثل “حادث” وتقييم الشعور الناتج عن نطقها مثلا. ويمكن لمناهج البرمجة اللغوية العصبية الإحصائية الحديثة NLP أن تجمع بين كل هذه الاستراتيجيات بالإضافة إلى غيرها. وغالبًا ما تحقق دقة مقبولة على مستوى الصفحة أو الفقرة، لكنها لا تزال تفتقر إلى الفهم الدلالي المطلوب لتصنيف الجمل المعزولة جيدًا.

وإلى جانب الصعوبات المعتادة في ترميز المعرفة المنطقية الدلالية، فإن (NLP) الدلالي يكون في بعض الأحيان ضعيفًا جدًا بحيث لا يمكن تطبيقه في تطبيقات الأعمال. والهدف النهائي من “السرد” في البرمجة اللغوية العصبية هو تجسيد الفهم الكامل للتفكير المنطقي، بحيث يمكن محاكاته في الآلة باستخدام الذكاء الاصطناعي.

6. الحركة والتنقل

يُستخدم الذكاء الاصطناعي بكثرة في الروبوتات. فيمكن للأسلحة الآلية المتقدمة وغيرها من الروبوتات الصناعية، التي تستخدم على نطاق واسع في المصانع الحديثة، أن تتعلم من التجربة كيفية التحرك بكفاءة على الرغم من وجود الاحتكاك وانزلاق العتاد. ويمكن لأي روبوت متنقل حديث، عند إعطائه بيئة صغيرة وثابتة ومرئية، تحديد موقعه وتعيين بيئته بسهولة. ومع ذلك، فإن البيئات الديناميكية، مثل المنظار الداخلي المستخدم في تصوير الجهاز التنفسي للمريض، تشكل تحديًا أكبر.

وتخطيط الحركة هو عملية تقسيم مهمة الحركة إلى “أوليات” مثل الحركات الفردية المشتركة. وتتضمن هذه الحركة غالبًا حركة متوافقة، وهي عملية تتطلب فيها الحركة الحفاظ على الاتصال الجسدي مع كائن ما. تعمم مفارقة (Moravec) أن مهارات الحواس ذات المستوى المنخفض التي يعتبرها البشر أمرًا مفروغًا منه، من الصعب عكسها، أن تتحول إلى روبوت. وسُميت هذه المفارقة باسم هانز مورافيك، الذي صرح عام 1988م بأنه:

“من السهل نسبيًا جعل أجهزة الكمبيوتر تظهر أداء عالي على مستوى البالغين في اختبار الذكاء (IQ Test) أو لعب لعبة الداما. ولكنه من الصعب أو المستحيل منحهم مهارات طفل يبلغ من العمر سنة واحدة عندما يأتي إلى التصور والتنقل”.

مفارقة هانز مورافيك

ويعزى ذلك إلى حقيقة أن البراعة البدنية، على عكس لعبة الداما، كانت هدفًا مباشرًا للانتقاء الطبيعي لملايين السنين.

7. الإدراك

إدراك الآلة هو القدرة على استخدام المدخلات من أجهزة الاستشعار لاستنتاج جوانب العالم. ومن أمثلتها:

  • الكاميرات (الطيف المرئي أو الأشعة تحت الحمراء).
  • الميكروفونات.
  • الإشارات اللاسلكية.
  • أجهزة الاستشعار النشطة.
  • السونار.
  • الرادار.
  • اللمس.

وتشمل التطبيقات في هذا المجال التعرف على الكلام، التعرف على الوجه، التعرف على الأشياء.

رؤية الكمبيوتر هي القدرة على تحليل المدخلات البصرية وهذه المدخلات عادة ما تكون غامضة.

فقد ينتج عن مبنى كبير يبلغ طولها خمسون مترًا نفس بكسلات مبنى قريب ذات حجم أقل.

وهذا الأمر يتطلب من الذكاء الاصطناعي الحكم على الاحتمالية النسبية والتفسير المعقول من ضمن التفسيرات المختلفة، على سبيل المثال باستخدام “نموذج الكائن” الخاص بالشيء لتقييمه.

8. الذكاء الاجتماعي

يمكن أن تمتد مفارقة مورافيك إلى العديد من أشكال الذكاء الاجتماعي (بالإنجليزية: Social Intelligence). ولا يزال التنسيق الموزع متعدد التخصصات للمركبات ذاتية التحكم يمثل مشكلة صعبة.

والحوسبة الفعالة هي مظلة متعددة التخصصات تضم أنظمة تعترف أو تفسر أو تعالج أو تحاكي التأثيرات البشرية. تشمل النجاحات المعتدلة المتعلقة بالحوسبة العاطفية تحليل المشاعر النصية، ومؤخرًا تحليل التأثير المتعدد الوسائط. حيث يصنف الذكاء الاصطناعى التأثيرات التي يعرضها موضوع تم تسجيله بالفيديو. وعلى المدى الطويل، ستكون المهارات الاجتماعية وفهم المشاعر الإنسانية ونظرية اللعبة ذات قيمة للشق الاجتماعي.

إن القدرة على التنبؤ بتصرفات الآخرين من خلال فهم دوافعهم وحالاتهم العاطفية من شأنها أن تسمح للموظف الآلي اتخاذ قرارات أفضل. وتحاكي بعض أنظمة الحاسوب المشاعر الإنسانية والتعبيرات لتظهر أنها أكثر حساسية للديناميات العاطفية للتفاعل الإنساني، أو لتسهيل التفاعل بين الإنسان والحاسوب. وبالمثل، تتم برمجة بعض المساعدين الافتراضيين للتكلم بأسلوب المحادثة أو حتى للمزاح بروح الدعابة. وهو ما يعطي المستخدمين تصورًا غير واقعي لمدى ذكاء تلك النظم.

9. الإبداع

الإبداع (بالإنجليزية: Creativity) هو أحد تحديات الذكاء الصطناعي وهو مجال فرعي منه. ويتناول الإبداع من الناحية النظرية، من المنظور الفلسفي والنفسي، والناحية العملية على حدٍ سواء، من خلال تطبيقات معينة لنظم تولد مخرجات يمكن أن تُعتبر إبداعية.

ومن أمثة تطبيقات الذكاء الاصطناعي في مجال الإبداع هي تعلم الآلة القدرة على الرسم مثلا.

10. الذكاء العام الاصطناعي

تاريخيًا، حاولت بعض المشاريع تغطية مدى الإدراك البشري بشكل كامل ولكن هذه المشاريع المبكرة فشلت في تجنب قيود النماذج المنطقية الرمزية غير الكمية. وفي أيامنا هذه، تعمل الغالبية العظمى من الباحثين الحاليين في الذكاء الاصطناعى بدلا من ذلك على تطبيقات ضيقة للذكاء الاصطناعي مثل التشخيص الطبي والملاحة في السيارات بدون سائق.

ويتوقع العديد من الباحثين أن يتم دمج مثل هذه التطبيقات الضيقة للذكاء الاصطناعي في مجالات فردية مختلفة في نهاية المطاف في آلة ذات ذكاء عام صناعي AGI، بحيث تجمع بين معظم المهارات المحدودة المذكورة هنا. وفي مرحلة ما يمكن أن تتجاوز القدرة البشرية في معظم أو كل هذه المهارات. إن العديد من التطورات لها أهمية كبيرة في هذا المجال، وتتطلع بعض المقاربات الناشئة إلى محاكاة الذكاء البشري عن كثب. وتعتقد هذه المقاربات أن محاكاة السمات المُجسَّمة مثل الدماغ الاصطناعي أو نمو الطفل قد تصل يومًا ما إلى نقطة حرجة حيث تُظهر الذكاء العام الصناعي بالمفهوم التطبيقي.

ذكاء عام في كل التحديات منفردة

قد تتطلب الكثير من التحديات المذكورة هنا ذكاءً عامًا اصطناعيًا، إذا كانت الآلات ستحل المشكلات كما يفعل الناس. فعلى سبيل المثال، حتى المهام المباشرة المحددة، مثل الترجمة الآلية، تتطلب المهام الفرعية التالية مجتمعة:

  • أن يقرأ الجهاز ويكتب باللغتين (اللغة الطبيعية).
  • أن يتبع حجة المؤلف (السبب).
  • وأن يعرف ما يجري الحديث عنه ضمن موضوع الترجمة (المعرفة).
  • وأن يعيد إنتاج أصل المؤلف الأصلي بأمانة نية (الذكاء الاجتماعي).

وبالتالي فإن مشكلة مثل الترجمة الآلية (بالإنجليزية: AI-Translation) تُعتبر مشكلة ذكاء عام اصطناعي، لأن مشكلة الترجمة الآلية تشتمل على مشكلات فرعية في نطاق أضيق وجميعها يحتاج إلى حل في وقت واحد من أجل الوصول إلى أداء الآلة في الترجمة بنفس المستوى البشري.

المصدر

  • Artificial Intelligence, A Modern Approach, Stuart J. Russell and Peter Norvig, Publisher: Alan Apt, USA, 1995, ISBN 0-13-103805-2
  • أساسيات الذكاء الاصطناعي، ترجمة وإعداد: د. مصطفى عبيد، مركز البحوث والدراسات متعدد التخصصات، 2020.
الذكاء الاصطناعي - تعريفه وتقييمه ومجالات أبحاثه
الذكاء الاصطناعي – تعريفه وتقييمه ومجالات أبحاثه
error:
Scroll to Top