يبدأ دليل الذكاء الاصطناعي بأن نتعرف على ماهية المصطلح والذي يعتبر جدليًا بين العلماء والمهتمين به إلى حد بعيد، ويمكن تعريف هذه التقنية أنها علم محاكاة الذكاء البشري بواسطة الآلات، فواحد من التعريفات الرائجة له بشدة أنه فرع من فروع علم الكمبيوتر يهتم بإعادة إنشاء عملية التفكير البشرية بهدف أن يكون جهاز الكمبيوتر شبيهًا بالبشر وليس بشريًا.
أهداف الذكاء الاصطناعي
عادةً ما تندرج أهداف الذكاء الاصطناعي حتى مرحلة التطور التي وصل إليها الآن في واحدة من 3 فئات:
- بناء أنظمة قادرة على التفكير بالطريقة نفسها التي يفكر بها البشر.
- إتمام مهمة معينة بنجاح بصرف النظر عن محاكاتها لطريقة تفكير البشر أم لا.
- استخدام المنطق البشري كنموذج للتعلم والتجربة وليس كهدف في حدّ ذاته.
لكي تتمتع الآلة بالذكاء الاصطناعي عليها أن تعتمد على 3 مهارات أساسية:
1. عملية التعلم
والتي تتم بالحصول على قدر لا نهائي من البيانات وتحويلها إلى معلومات قابلة للتنفيذ، فتعمل الأدوات على تطوير الذكاء من خلال التعلم الآلي، وهي العملية التي تتمكّن فيها أجهزة الكمبيوتر من التعلم من تلقاء نفسها دون الحاجة إلى مبرمج يخبرها بكل خطوة، فيقوم المبرمج فقط بتغذية الكمبيوتر بقدر لا نهائي من البيانات ليمكنه في النهاية التعرف على الأنماط والتنبؤ بالنتائج.
2. عمليات التفكير
وهي تتم بناءً على قواعد وخوارزميات تطورت بشدة عبر القرنين العشرين والواحد والعشرين، فلغات البرمجة شديدة التنوع وقفزت كثيرًا بابتكار نموذج اللغة الكبير LLMs، فمن خلال بناء شبكات عصبية وأنظمة رياضية وطبقات من الخلايا العصبية الاصطناعية التي تنقل المعلومات إلى بعضها البعض كما يفعل العقل البشري فإن الحاسوب أو الآلة قد تكون قادرة في وقت ما على التفكير والخروج بنتائج لم تتم حتى برمجتها عليها.
3. عمليات التصحيح الذاتي
للتأكد من دقة النتائج يتم استخدام البارامتر Parameters في البرمجة، وهي متغيرات تحدد نوع البيانات المطلوب لتحديد المهمة وتنفيذ الوظيفة بالكامل والتعامل حتى مع المتغيرات المتنوعة، وبالتالي قابلية الاستخدام في مجالات دقيقة مثل الطب.
كيف تطور الذكاء الاصطناعي؟ وما هي أهم مراحله؟بعد أن نجح تشارلز باباج عام 1836 في تقديم أول آلة قابلة للبرمجة اضطرت البشرية للانتظار 100 عامًا أخرى قبل حدوث جديد في هذا المجال.
ففي أربعينات القرن العشرين ظهرت طفرتين معًا، فابتكر جون فون نيومان عالم الرياضيات في جامعة برنستون بنية الحاسوب القادر على تخزين البيانات في الذاكرة، وفي الفترة نفسها مهّد كل من وارن ماكلوه ووالتر بيت الطريق لبناء الشبكات العصبية باقتراح أول نموذج رياضي لإنشاء شبكة عصبية.
وفي خمسينات القرن العشرين نجح عالم الرياضيات البريطاني آلان تورينج في كسر شفرة ENIGMA بالحرب العالمية الثانية من خلال ماكينات حوسبة ركزت على قدرة الكمبيوتر على خداع الناس وإيهام الألمان بأن هذه الإجابات الآلية هي من صنع البشر.
1956، ظهر مصطلح الذكاء الاصطناعي للمرة الأولى في مؤتمر بكلية دارتموث، وصاغ جون مكارثي هذا المصطلح كما قدّم كل من آلان نويل وهو عالم كمبيوتر بالتعاون مع هربرت سيمون الاقتصادي وأخصائي علم النفس المعرفي أول كمبيوتر قادر على إثبات صحة نظريات رياضية معينة ليكون أول برنامج ذكاء اصطناعي معروف.
في أواخر الخمسينات نشر كل من ألان نويل وهربرت سايمون خوارزمية حل المشكلات العامة، والتي فشلت وقتها في حل المشكلات المعقدة ولكنها مهدت الطريق لبنى معرفية أكثر تعقيدًا، وفي الحقبة ذاتها طوّر مكارثي لغة LIPS وهي لبرمجة الذكاء الاصطناعي ولا تزال مستخدمة حتى الآن.
في منتصف الستينات طوّر جوزيف وايزنباوم وهو أستاذ في معهد ماساتشوستس للتكنولوجيا برنامج إليزا ELIZA الذي تمكّن من معالجة اللغة الطبيعية ومهد بالتالي الطريق لبرامج وتطبيقات الدردشة الحديثة.
1967، كانت المرة الأولى التي تم فيها بناء شبكة عصبية قادرة على التعلم والخطأ، ونجح فرانك روزنبلات في تقديمها.
في الثمانينات تحدث طرة أخرى بعد القليل من التوقف عن دعم مشروعات الذكاء الاصطناعي وينجح إدوارد فيجنباوم في استخدام الشبكات العصبية في تطبيقات الذكاء الاصطناعي.
في بداية التسعينات تحدث طفرة جديدة ببرامج كمبيوتر قادرة على استخدام الذكاء الاصطناعي بشكل فريد لتهزم أبطال الشطرنج بالاعتماد على شبكة عصبية تلافيفية.
في الألفية الأخيرة يتطور نموذج اللغات الكبير وهو يعتمد على متواليات الكلمات وليس النقاط والأرقام كما كان يحدث من قبل مما أدى إلى تعامل أفضل مع اللغات وظهور الترجمة الإلكترونية، لتأتي القفزة عام 2018 بتطوير نموذج اللغة الكبير والذي مهّد لقدرة الآلة على الابتكار والإبداع.
الذكاء الاصطناعي وتعلم الآلة أو التعلم الآليإن كل من مصطلحي الذكاء الاصطناعي AI وتعلم الآلة ML machine learning يُستخدمان بشكل متشابه في علوم البيانات، على الرغم من أن بينهما بعض الاختلافات.
فمفهوم الذكاء الاصطناعي يشمل كل شيء قد يتجاوب مع البشر بدءًا من تطبيقات الهاتف المحمول وإنترنت الأشياء وتحليل الأصوات ومحركات البحث وتقنيات التعرف على الوجوه، ووسائل التواصل الاجتماعي والمرشحات الذكية والأجهزة المنزلية الذكية التي تفهم العادات اليومية وغيرها.
ولكن ML أو تعلم الآلة هو الطفرة الحديثة في القرن الواحد والعشرين، وهو يندرج تحتها، فهي تقنية أو نظام كمبيوتر مصمم لجمع البيانات والتعلم منها بالطريقة نفسها التي يعالج بها الدماغ البشري المعلومات، وتعتمد هذه التقنية حتى الآن على لغة البرمجة الحديثة Large language models أو LLMS أو نماذج اللغة الكبيرة.
وهذا النموذج ليس لغة برمجة في حد ذاته، ولكنه نوع من الشبكات العصبية القادرة على تعلم الكتابة والتحدث مع المستخدمين، كما يمكن لهذه التقنية أن تجعل النماذج أو الروبوتات المصممة بها قادرة على التعلم من الأخطاء بفضل التغذية المرتجعة، وهو ما يعتبر حتى الآن من الأدوات القيّمة للغاية في أبحاث علم الأعصاب، فيمكن لهذه الشبكة العصبية إنشاء علاقات متبادلة بين شيئين وربط بعضهما البعض، مما قد يفيد في علاج الكثير من الأمراض.
إن الذكاء الاصطناعي تم استخدامه في مجال الطب تحديدًا لسنوات في مساعدة الأطباء على اكتشاف الأمراض العميقة من خلال التحليل الفائق للبيانات، ولكن مع نماذج اللغة الكبيرة أو LLMS أصبحت الآلة قادرة حتى الآن على تشخيص مجموعة متنوعة من الأمراض ووصف العلاج لها وخصوصًا في مجال العيون.
كما يمكن لتقنية الشبكات العصبية أن تفيد أكثر في مجال التنبؤات وتقدير النتائج المستقبلية بدقة كبيرة وهذا بناء على تحليل نتائج أحداث مماثلة في الماضي، ولكن لم يتوقف الأمر بالطبع على الإبداعات الجيدة، فالمحاكاة اتخذت أشكال أخرى أكثر خطورة.
الذكاء الاصطناعي التوليدي ومحاكاة البشر والتزييف العميقلسنوات طويلة في القرن العشرين تم استخدام الذكاء الاصطناعي في التحليل والتنبؤ بالتصرفات البشرية، أو القيام بمهمات بشرية بسرعة أكبر، ومن خلال قدرة الآلة الكبيرة على الاحتفاظ بالمعلومات والبيانات واسترجاعها فإنها كانت تبدو في بعض الأحيان أكثر ذكاءً من البشر، مثلما تلعب الشطرنج مع الكمبيوتر مثلًا فإنه عادة ما يغلبك، وتنجح الكثير من برامج الذكاء الاصطناعي في تحليل شخصيتك والتعرف على تفضيلاتك من خلال بعض المعلومات، ولكن لم يُعتبر الأمر “ذكاءً حقيقيًا” بقدر اعتباره قدرة فائقة على تخزين المعلومات من ملايين البشر ومليارات القواعد من البيانات..
ولكن أدى ابتكار الذكاء الاصطناعي التوليدي وما نتج عنه من روبوتات دردشة فائقة قادرة على محاكاة الإبداعات البشرية مثل النصوص والفيديوهات والصور إلى اختلاف حقيقي في الذكاء الاصطناعي لا يمكن تجاهله.
فرغم أن تقنيات مثل ChatGpt الذي ابتكرته شركة التقنيات الناشئة OpenAI وBard الذي ابتكرته غوغل وغيرها لا تستطيع التفكير فعليًا مثل البشر إلا أنها قادرة على خلق نماذج بجودة عالية تخدع حتى أفضل المحترفين.
فلقد رأينا فيديوهات كاملة لأشخاص حقيقيين تبيّن في النهاية أنها من صنع الذكاء الاصطناعي، فضلا عن التقليد الفائق للصوت البشري ولمشاهير معينين وغيرها، مما أدى إلى انتشار الكثير من الفضول فضلًا عن الرُعب من هذه التقنية وكيفية الاستفادة منها وفي الوقت ذاته تجنب شرورها إن أمكن ووضع أطر أخلاقية لها.
أنواع الذكاء الاصطناعيقد يكون من الصعب تحديد أنواع الذكاء الاصطناعي نظرًا للتداخل الشديد بينها، ولكن كتبت أريند هيتز الأستاذة المساعدة في علم الأحياء التكاملي وعلوم الكمبيوتر في جامعة ولاية ميتشيغان مقالًا تصنف فيه الذكاء الاصطناعي إلى 4 أنماط:
النوع الأول: آلات رد الفعل
وهي أبسط أنواع الذكاء الاصطناعي والقادرة فقط على التفاعل مع بيئتها ولا تستطيع تكوين ذكريات أو استخدام خبرات سابقة للوصول لقرارات حالية أو مستقبلية ويكون لديها مهمة محدودة للغاية وتتفاعل دائما بالطريقة نفسها، ويعتبر برنامج ألفا جو AlphaGo من هذا النوع والذي تمكّن للمرة الأولى من هزيمة بطل العالم في لعبة Weiqi ذات الجذور الصينية والتي تمثل تحديًا للذكاء الاصطناعي مع وجود عدد لا نهائي من الاحتمالات، وقد صدرت الكثير من النماذج المتطورة من ألفا جو والقادرة على التعلم من أخطائها والتخطيط لاستراتيجيات فوز في مجالات غير معروفة وإتقان الكثير من الألعاب شديدة التعقيد على المستوى البصري، ولكنها لا تزال في النهاية غير قادرة على التفاعل البشري أو الاحتفاظ بالذكريات.
النوع الثاني: الذكاء الاصطناعي ذو الذاكرة المحدودة
ويمكن لهذا النوع تحليل الماضي بناءً على المعلومات التي لديه ومن ثم وضع تنبؤات مستقبلية واتخاذ قرارات شديدة الدقة في الوقت ذاته، وهو أكثر تعقيدًا من نوع الذكاء الاصطناعي التفاعلي، وهنا يجب:
- إنشاء بيانات التدريب
- ثم إنشاء نموذج التعلم الآلي القادر على تلقي التعليقات البيئية أو البشرية وليس فقط المعلومات المخزنة.
- يجب تخزين الملاحظات الواردة كبيانات، ثم تكرار الخطوات كلها في دورة لا تنتهي.
وتعتبر السيارات ذاتي القيادة من هذا النمط من أنماط الذكاء الاصطناعي، إذ تتعرض خلال فترة التدريب لمراقبة إشارات المرور ومنحنيات الطريق وبالتالي تتمكّن بعد هذا من اتخاذ قرارات بناءً على ذاكرة محدودة أو قصيرة الأمد ولا تحتفظ بها كخبرة تستخدمها في التعلم المنفرد.
النوع الثالث: نظرية العقل
وهو المفهوم الأكثر تطورًا من الذكاء الاصطناعي، وفي هذا النوع سوف تُدرك الآلة أن لكل من البشر والحيوانات أفكار وعواطف تؤثر على سلوكهم، وبالتالي تتخذ قرارات واستجابات بناءً على هذا السلوك وبالاستناد لمجموعة متنوعة من البيانات أيضًا، وهو ما نراه حاليًا في روبوتات الدردشة
النوع الرابع: الوعي الذاتي
وهو النمط تطوِّر فيه الآلة مستوى من الوعي والعواطف الإنسانية وتكون أكثر إدراكًا لوجودها، وهذا النمط لا يزال في الغالب على بعد سنوات من تطويره على الرغم من أن الخطوات الأولية انطلقت بالفعل ونراها في الألعاب التفاعلية والأفلام مثل لعبة Detroit: Become Human مما قد يضعنا في المستقبل القريب أمام أسئلة وقضايا مثل حقوق الروبوتات وهل لديها المكانة نفسها التي يتمتع بها البشر أم لا؟!
أهم مجالات استخدام الذكاء الاصطناعيليس فقط في الألعاب والأفلام والتي تعتبر من الأكثر انتشارًا، ولكن تتنوع بشدة مجالات استخدام الذكاء الاصطناعي لتدخل تقريبًا في كل حياتنا، ومن أهم هذه المجالات:
- الرؤية الحاسوبية أو Computer Vision: وهي تقنية تهدف لبناء تطبيقات ذكية تفهم الصور والفيديوهات كما يفهمها الإنسان، ولها تطبيقات في التجارة الإلكترونية والتصوير الإشعاعي وغيرها.
- التعرف على الكلام: مما يساعد في ترجمة اللغات والاستجابة للأوامر المعقدة وتقديم مخرجات مُرضية، وهي مثل المساعد الرقمي Google Assistant، والقادر على وضع جداول زمنية وتنظيم عادات والإجابة على الأسئلة وتخطيط التذكيرات وغيرها.
- محركات التوصية: وهي تستخدم خوارزميات الذكاء الاصطناعي للتعرف على سلوك المستهلك بناء على تفضيلاته السابقة وترشيح مواقع أو منتجات ملائمة له.
- خدمة العملاء: حيث اُستبدلت روبوتات الدردشة بالموظفين البشريين في الإجابة على الأسئلة الشائعة أو تقديم نصائح وتوصيات أو حتى في بيع المنتجات.
- روبوتات الدردشة: وهي تستخدم معالجة لغة طبيعية يمكنها أن تجيب مثل البشر تماما.
- تقنية التعرف على الوجوه كما في كاميرا TrueDepth من آبل: والتي تعرض أكثر من 30000 نقطة غير مرئية لتجعل الآلة تتعرف على الوجه لإلغاء قفل الشاشة مثلا أو إزالة التنكر وغيرها.
- وسائل التواصل الاجتماعي: وهنا يُستخدم الذكاء الاصطناعي لتحديد الاهتمامات والتوصيات والتعرف على الكلمات الرئيسية أو الموضوعات الممنوعة مثل التي تحض على الكراهية.
- تحرير النصوص: مثل برامج التدقيق الإملائي وتقديم اقتراحات الكتابة.
- خوارزمية البحث: مثل جوجل تعتمد أيضًا على الذكاء الاصطناعي.
- أجهزة المنزل الذكية: والتي تمنحها الأوامر شفهيا أو بحركات معينة وتفهم عاداتك اليومية وتُنشئ قوائم التسوق وضبط درجة الحرارة في الثلاجة وفقا للمواد الغذائية وغيرها.
إن البرمجة والكمبيوتر أصبح بالفعل من أساسيات التعليم كما كان حال القراءة والكتابة، لذا فدخولك عالم الذكاء الاصطناعي يتطلب منك دراسة البرمجة بالتفصيل، لأن كل لغة قد تؤدي إلى تطوير جانب من جوانب الذكاء الاصطناعي، وهناك شركات أصبحت رائدة تماما في هذا المجال يمكنك أن تبدأ بتعلم التقنيات التي تتعامل معها، وهذه الشركات هي:
- شركة OpenAI، والتي بدأت كمنظمة غير ربحية في سان فرانسيسكو ونجحت في إطلاق ChatGPT و DALL-E، وهي الآن تهدف للربح ودخلت في تعاون مع مايكروسوفت وسيلز فورس Salesforce للبرمجة السحابية.
- شركة جوجل، وهي من الروّاد في مجال الذكاء الاصطناعي ومعروفة بتقنية LaMDA وهي عبارة عن نظام روبوتات محادثة يعتمد على نماذج اللغة الكبيرة.
- مايكروسوفت، والتي استثمرت مليارات الدولارات مع OpenAI ولكن لا يزال هناك بعض الأخطاء.
- شركة ميتا، وهي الشركة الأم لفيسبوك وقبل حتى ChatGPT أطلقت ميتا روبوت Blenderbot ولكن لم يحظ بالاهتمام الكافي وتم وصفه بالممل.
- شركة آي بي إم، وقد خلت مجال الذكاء الاصطناعي بقوة وجذبت انتباه الكثيرين مع روبوتها واتسون.
مع عشرات الأفلام التي تحدثت عن سيطرة الروبوتات على كوكب الأرض وقتل البشر أو على الأقل استعبادهم فإن السؤال الذي يطرح نفسه بشدة هل يمكن أن يتفوق الذكاء الاصطناعي على البشر؟ أو بتعبير آخر هل يمكن للآلة أن تستمر في التعلم إلى ما لا نهاية؟
وفي دليل الذكاء الاصطناعي فإنه يجب أن تعرف أنه حتى كتابة هذه السطور فإن هناك إطارين لتعلم الآلة:
- الأول: التعلم الخاضع للإشراف.
- الثاني: التعلم غير الخاضع للإشراف.
ففي النوع الأول يتم تغذية الآلة بنماذج تدريب مصنفة أنها صحيحة، ويتم تخزين هذه البيانات والتعامل مثلها بالضبط تقريبًا، بحيث أي رد فعل مختلف من الآلة يُصنّف على أنه خاطئ.
ولكن في النوع الثاني وهو الذي قد يثير القلق يتم الاعتماد فقط على المدخلات وليس على المخرجات، أي لا يتم برمجة الآلة على أن هناك مخرجات خاطئة.
ويعتقد بعض الباحثين في مجال الذكاء الاصطناعي أن هذه التقنية تقترب بسرعة شديدة من الذكاء الاصطناعي العام Artificial General Intelligence أو AGI وهي النقطة التي تتطابق فيها الآلة مع الذكاء البشري أو تفوقه، ولكن يجادل البعض أن هذا الأمر تسويقي تمامًا ولا يزال بعيدًا للغاية.
فبينما يمكن لروبوت مثل Kismet في مختبر الذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا التعرف على لغة الجسد والصوت والاستجابة الملائمة لها إلا أن هذا لا يزال يعتمد على البيانات وأجهزة الاستشعار وليس الذكاء الفائق أو المواكب للبشر.
لماذا لا يمكن للآلة أن تتعلم بلا حدود؟تعتمد تقنية الذكاء الاصطناعي وتعلم الآلة على توفر البيانات بشكل أساسي، فتقنيات مثل CHatGPT وBARD وغيرها تم تغذيتها بملايين ومليارات البيانات الموجودة على الإنترنت بما في ذلك محادثات الدردشة، فهي لا تفكر بنفسها ولكن تعتمد على التحليل السريع.
وتواجه هذه التقنية مشكلة البيانات الموثوقة، فعدد المواقع الإلكترونية والبيانات التي يمكن الاعتماد عليها بالفعل في تراجع مقارنة بمنشورات مواقع التواصل الاجتماعي المليئة بالتزييف، مما يجعل الكثير من إجابات روبوتات الدردشة خاطئة وتحليلهم غير سليم.
فضلًا عن مشكلة التكلفة المرتفعة لتزويد الآلات بالمعلومات إلى ما لا نهاية بعد البحث الدقيق عنها، إذ أن التحسن في الأداء يكون طفيفًا بعد نقطة معينة من تخزين البيانات.
وصحيح أن المهتمين بمجال الذكاء الاصطناعي يحاولون إيجاد طرق جديدة لتعلم الآلة تختلف عن التزويد فقط بالبيانات ليتم ابتكار طريقة JEPA مثلًا على يد يان ليكون Yann LeCun كبير علماء الذكاء الاصطناعي في META AI والتي تعتمد على تقسيم البيانات وتوزيعها إلى مجموعات فرعية ثم جمعها معًا لتتشابه مع طريقة التعامل البشري مع المدخلات، إلا أن التطور لا يزال بطيئًا.
فبينما يحتاج أي مراهق مثلًا إلى 20 ساعة فقط لتعلم القيادة بمهارة فإن أفضل أنظمة القيادة الذاتية تحتاج إلى مليارات البيانات للقيام بمهمة واحدة.
وفي حين يحاول البعض الاعتماد على طريقة البرمجة البديلة أي إعادة برمجة الروبوت للقيام بمهمات أخرى إلا أن هذا الأمر قد يكون غير عملي.
لذا فحتى هذه اللحظة يبدو التعلم اللانهائي للآلة أمر شبه مستحيل، على العكس من العقل البشري الذي لا يتوقف مطلقًا عن التعلم مهما بلغت سنوات العمر ومهما كانت البيانات ضئيلة، لذا فإن دليل الذكاء الاصطناعي يؤكد أنه يمكن تطوير الكثير من آلات الذكاء الاصطناعي باستخدام الشبكات العصبية أو LLMs واستخدامها في المهمات الخطرة التي تهدد حياة الإنسان أو حتى في المساعدة في تقليل وقت العمل، ولكنها حتى الآن غير قادرة على استبدال البشر.
