بناء ذكاء اصطناعي أمر معقد لكن محاولة فهمه لا يجب أن تكون كذلك، معظم الذكاء الاصطناعي الموجود هو مجرد آلات تخمين جيدة (مثل أدمغتنا) تتغذى على مجموعة من البيانات (مثل الأرقام من 1 إلى 10) ومن ثم نطلب منه إنشاء نموذج (س + 1 ، بدءًا من 0 حتى 10) والتنبؤ بالرقم الأخير (الذي سيكون أحد عشر) لا يوجد سحر، بخلاف ما يفعله البشر كل يوم وهو استخدام ما نعرفه لعمل تخمينات حول أشياء لا نعرفها.
- الذكاء الاصطناعي (AI): آلة قادرة على تقليد السلوك البشري.
- التعلم الآلي: هو فرع من الذكاء الاصطناعي حيث يقوم الناس بتدريب الآلات على التعرف على الأنماط في البيانات وإجراء التنبؤات.
- التعلم العميق: هو فرع من التعلم الآلي حيث يمكن للآلة تدريب نفسها.
إن أوسع تعريف ممكن للذكاء الاصطناعي هو ببساطة آلة تفكر كإنسان، وقد يكون الأمر بسيطا مثل اتباع مخطط انسيابي منطقي أو قد يكون حاسوبًا شبه إنساني يمكنه التعلم من مجموعة واسعة من المدخلات الحسية وتطبيق تلك المعرفة على المواقف الجديدة. هذا الجزء الأخير هو مفتاح الذكاء الاصطناعي القوي الذي يتخيله الجميع وهو القدرة على ربط جميع أنواع البيانات المعرفية ليعطيها القدرة على التعامل مع أي موقف تقريبًا.
في الوقت الحالي، لا يزال الذكاء الاصطناعي يتبع مسارًا ضيقًا، فعلى سبيل المثال أليكسا هو مساعد افتراضي رائع مقدم من amazon ولكنه لا تستطيع اجتياز اختبار تورينج، لذلك يمكننا القول أن لدينا حاليًا شكلاً محدودًا من أشكال الذكاء الاصطناعي.
ثانياً: التعلم الآلي:
من دون التعلم الآلي، فإن الذكاء الاصطناعي الحالي سيقتصر في الغالب على تشغيل قوائم طويلة من النوع "إذا كان X صحيحًا ، نفذ الأمر Y ، وإلا نفذ الأمر Z".
كمثال على التعلم الآلي ، لنفترض أنك تريد برنامجًا قادرًا على تحديد القطط في الصور، ستتبع الآتي:
1- إعطاء الذكاء الاصطناعي الخاص بك مجموعة من خصائص القط للبحث عنها، مثل: الأشكال وأنماط الألوان.
2- القيام بتشغيل بعض الصور من خلال الذكاء الاصطناعي حتى تتمكن الآلة من اختيار ميزات القط ذات الصلة بشكل أكثر كفاءة.
3- بعد مشاهدة البرنامج لعدد كافٍ من القطط ، يجب أن يعرف كيفية العثور عليها في الصور بهذه الطريقة "إذا كانت الصورة تحتوي على ميزة X و Y و/أو Z فمن المحتمل أن يكون قط بنسبة 95٪."
لكن على الرغم من ذلك نظام التعرف على الصور كان هش جدا وتضمن الكثير من الأخطاء لكن هذا الموضوع تطور بشكل كبير مع التعلم العميق Deep Learning.
ثالثاً: التعلم العميق:
اعتبارا من عام 2018 اتخذ الذكاء الاصطناعي منحنى آخر، فأصبح التعلم الآلي مرتبط مع "الشبكات العصبية" العميقة التي تعالج البيانات بطريقة مماثلة إلى حد ما للدماغ البشري.
والاختلاف الرئيسي بين التعلم الآلي والتعلم العميق هو أننا لسنا ملزمين بتدريس الآلة برنامج تعليمي عميق حول شكل القطط، فكل ما عليك تقديم صور كافية للقطط، وستعرف الآلة ذلك من تلقاء نفسها.
Andrew Ng كان من أوائل من استخدم التعلم العميق في Google حيث طور تطبيق يسمى Herding cats حيث يعمل هذا التطبيق على التقاط صور جميع القطط الموجودة على فيديوهات يوتيوب.
فاعتمد Andrew Ng على توسيع الشبكة العصبية وبعدها قام بتمرير كمية هائلة من البيانات لتدريبها، لكن في هذه الحالة كانت البيانات هي عبارة عن صور مستخرجة من حوالي 10 مليون فيديو من اليوتيوب.
اليوم أصبح التعرف على الصور من قبل النظم المدربة عن طريق التعلم العميق أفضل من البشر، بدءاً بالتعرف على القطط وصولا لتحديد مؤشرات سرطان الدم والأورام من صور الرنين المغناطيسي.
فبرنامج AlphaGo الخاص بجوجل وهو جهاز كمبيوتر يلعب ضد نفسه مرارا وتكرارا لتدريب شبكته العصبية إلى أن يتمكن من التنبؤ بدقة بأفضل التحركات بشكل جيد بما يكفي للتغلب على العديد من أبطال العالم بشكل متكرر.
-------------------
الموضوع من طرف عبدالرحمن زكي.
source http://www.igli5.com/2018/06/blog-post_70.html
ليست هناك تعليقات