دليلك لمعرفة و فهم مصطلحات الذكاء الإصطناعي في دقيقتين فقط

462

إذا كنت تسمع عن الذكاء الإصطناعي ولكنك لست متأكدًا تمامًا مما تعنيه أو كيف يعمل, فأنت لست وحدك.

كان هناك الكثير من الإرتباك بين عامة الجمهور حول المصطلح, ولم تساعد أفلام هولييود التي تقوم بعرض كيف سيدمر “الذكاء الإصطناعي” الوظائف في فهم المصطلح, أو الشركات التي تُبالغ في تقدير قدراتها على “استخدام الذكاء الاصطناعي”.

الكثير من هذا الارتباك يأتي من سوء إستخدام مصطلحات مثل الذكاء الإصطناعي والتعلم الآلي. في ما يلي دليل قصير لشرحها:

ما الفرق بين الذكاء الإصطناعي والتعلم الآلي؟

التفكير في الأمر مثل الفرق بين الإقتصاد والمحاسبة. الإقتصاد هو مجال دراسي, لكنك لن تقوم بتوظيف خبير اقتصادي حائز على جائزة نوبل للقيام بضرائبك. وبالمثل فإن الذكاء الإصطناعي هو مجال العلوم الذي يغطي كيف يمكن للحواسيب اتخاذ القرارات وكذلك البشر. إلا أن تعلم الآلة يشير إلى تقنية العصر الحديث التي تقوم بإنشاء برنامج يتعلم من البيانات.

يصبح الفرق مهمًا عندما يكون المال على المحك. غالبًا ما يستبعد مستثمرو رأس المال المغامر الذكاء الإصطناعي. لإنهم يفضلون الشركات الناشئة التي تصنع برامج تعلم الآلة باستخدام تطبيق تجاري واضح, مثل النظام الأساسي الذي يمكنه تصفية رسائل البريد الإلكتروني للشركة مع معالجة اللغة الطبيعية أو تتبع العملاء في متجر مع التعرف على الوجه.

من ناحية أخرى, لدى الجامعات وبعض شركات التكنولوجيا الكبرى مثل Facebook وGoogle مختبرات كبيرة تقوم ببحوث تقود المجال الأوسع للذكاء الإصطناعي إلى الأمام. تتوفر الكثير من الأدوات التي تخترعها, مثل TensorFlow من Google أو Pytorch من Facebook مجانًا عبر الإنترنت.

لماذا يظهر مصطلح “التعلم” (على سبيل المثال, التعلم العميق) في كل مكان؟

لأن التطبيق الأكثر إثارة للذكاء الإصطناعي اليوم يعطي أجهزة الكمبيوتر القدرة على “تعلم” كيفية تنفيذ مهمة من البيانات, دون أن تكون مبرمجة للقيام بهذه المهمة.

المصطلحات مربكة لأن هذا ينطوي على مزيج من التقنيات المختلفة, والعديد منها يحتوي أيضًا على كلمة “التعلم” في أسمائها.

هناك, على سبيل المثال, ثلاثة أنواع أساسية من التعلم الآلي, والتي يمكن تنفيذها جميعًا بطرق مختلفة: غير خاضعة للإشراف والإشراف والتقوية, ويمكن استخدامها أيضًا مع التعلم الآلي الإحصائي, أو تعلم آلة Baeysean أو تعلم الآلة الرمزية.

ومع ذلك, لا تحتاج إلى حل هذه المشكلات, نظرًا لأن أكثر التطبيقات شيوعًا في استخدام الآلة تستخدم شبكة عصبية.

ما هي الشبكة العصبية؟

إنه نظام حاسوبي مستوحى من العقل البشري الذي تم التفكير في تصميمه منذ أكثر من 70 عامًا.

إذن ما هو “التعلم العميق”؟

هذا هو نهج محدد لاستخدام الشبكة العصبية في الأساس, الشبكة العصبية (العميقة) مع الكثير من الطبقات. أدت هذه التقنية إلى تقديم خدمات شائعة نستخدمها اليوم, بما في ذلك التعرف على الكلام على الهواتف الذكية والترجمة التلقائية من Google.

في الممارسة العملية, يمكن لكل طبقة تمثيل ميزات مجردة بشكل متزايد. فعلى سبيل المثال, قد تستخدم شركة وسائل التواصل الاجتماعي “شبكة عصبية عميقة” للتعرف على الوجوه. تصف إحدى الطبقات الأولى الحواف الداكنة حول رأس شخص ما, وتصف أخرى حواف الأنف والفم, وتصف أخرى الطبقات الباهتة للتظليل. تصبح الطبقات مجردة على نحو متزايد, ولكنها مجتمعة يمكن أن تمثل الوجه بأكمله.

لماذا تبدو الشبكة العصبية على الشاشة خليط من رموز الكمبيوتر؟

في الأساس, نعم. يكتب المهندسون في شركة DeepMind التابعة لشركة AI في Google جميع الرموز تقريبًا بلغة ال Python, وهي لغة برمجة عامة الغرض تم إصدارها لأول مرة في عام 1991.

تم استخدام Python لتطوير جميع أنواع البرامج, الأساسية منها والمعقدة للغاية, بما في ذلك بعض الخدمات الأكثر شعبية على الويب اليوم: YouTube و Instagram و Google.

هل يتفق الجميع على أن الشبكات العصبية للتعلم العميق هي أفضل نهج للذكاء الإصطناعي؟

لا. في حين أن الشبكات العصبية جنبا إلى جنب مع التعلم العميق تعتبر أكثرنهج واعداً للذكاء الإصطناعي اليوم, يمكن أن يتغير كل ذلك في غضون خمس سنوات.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://www.forbes.com/sites/parmyolson/2018/10/03/a-two-minute-guide-to-artificial-intelligence/#7d43959a61c0

 

تعليقات