د. جاسم حاجي
غالبًا ما يتم إساءة استخدام وفهم والخلط بين مصطلحات الذكاء الاصطناعي وتعلم الآلة والخوارزمية، إذ يتم استخدامها بشكل متبادل عندما لا ينبغي أن يتم استخدامها بهذا الشكل. هذا الأمر يضيف ارتباكًا غير ضروري في بيئة معقدة بالفعل. هذا الأمر مفهوم إلى حد ما، إذ إنه من المؤكد أن تكون تعريفات أي كلمة أو عبارة مرتبطة باتجاه “trend” جديد مرن إلى حد ما في تفسيرها. ومع ذلك، فإن الذكاء الاصطناعي وتعلم الآلة والخوارزمية هي ثلاثة مصطلحات كانت موجودة لفترة طويلة بما يكفي للحصول على معنى ثابت مخصص لها.
الخوارزمية
الخوارزمية هي أي شكل من أشكال التعليمات الآلية. غالبية الخوارزميات تكون أبسط مما يعتقده معظم الناس. في بعض الأحيان يمكن أن تكون عبارة (if _ then) واحدة. إذا تم الضغط على هذا الزر، فقم بتنفيذ هذا الإجراء.
يمكن أن تكون الخوارزمية إما سلسلة من عبارات (if _ then) البسيطة أو سلسلة من المعادلات الرياضية الأكثر تعقيدًا. وسوف يعتمد تعقيد الخوارزمية على مدى تعقيد كل خطوة فردية تحتاج إلى تنفيذها، وعلى العدد الهائل من الخطوات التي تحتاج الخوارزمية إلى تنفيذها.
تعلم الآلة في حين أن الخوارزميات هي اللبنات الأساسية التي تشكل تعلم الآلة والذكاء الاصطناعي، هناك فرق واضح بين تعلم الآلة والذكاء الاصطناعي، ويتعلق بالبيانات التي تعمل كمدخلات.
تعلم الآلة عبارة عن مجموعة من الخوارزميات التي يتم تغذيتها بالبيانات المنظمة من أجل إكمال مهمة ما من دون أن تتم برمجتها على كيفية القيام بذلك. تعد خوارزمية الكشف عن الاحتيال في بطاقة الائتمان مثالاً جيدًا على تعلم الآلة. هل سبق أن تلقيت يومًا رسالة تسألك عما إذا تم استخدام بطاقتك الائتمانية في بلد معين بمبلغ معين؟ عليك أن تقوم بشكر تعلم الآلة على ذلك. البيانات التي تتلقاها هذه الخوارزمية المعينة تكون منظمة. تقوم البنوك بتخزين البيانات بتنسيق ثابت، حيث يكون لكل معاملة تاريخ، وموقع، ومبلغ وما إلى ذلك. إذا انحرفت قيمة متغير الموقع فجأة عما تتلقاه الخوارزمية عادةً فسوف تنبهك وتوقف المعاملة من الحدوث. هذا هو النوع من البيانات المنظمة الذي نحدده بأنه تعلم الآلة.
الذكاء الاصطناعي
قبل أن ننتقل إلى ماهية الذكاء الاصطناعي، علينا أن نلاحظ أنه لا يوجد فصل واضح بين الذكاء الاصطناعي وتعلم الآلة. تعلم الآلة هو في الواقع جزء من الذكاء الاصطناعي. ومع ذلك، فإننا نعرّف الذكاء الاصطناعي بأنه مجموعة من الخوارزميات القادرة على التعامل مع الظروف غير المتوقعة. وهو يختلف عن تعلم الآلة في أنه يمكن أن تتم تغذيته ببيانات غير منظمة، وبالرغم من ذلك سوف يكون قادراً على العمل. أحد أسباب استخدام الذكاء الاصطناعي في كثير من الأحيان بشكل متبادل مع تعلم الآلة هو أنه ليس من السهل دائمًا معرفة ما إذا كانت البيانات الأساسية منظمة أو غير منظمة. لا يتعلق الأمر كثيرًا بالتعلم الخاضع للإشراف وغير الخاضع للإشراف “وهو مقال آخر بمفرده”، ولكن يتعلق بطريقة تنسيقه وتقديمه إلى خوارزمية الذكاء الاصطناعي. من أجل التلخيص: الخوارزميات هي تعليمات تلقائية ويمكن أن تكون بسيطة أو معقدة، اعتمادًا على عدد الطبقات العميقة التي تمر بها الخوارزمية الأولية. تعلم الآلة والذكاء الاصطناعي هما مجموعتان من الخوارزميات، لكنهما يختلفان اعتمادًا على ما إذا كانت البيانات التي يتلقونها منظمة أو غير منظمة.
التعلم العميق
يتناول إيجاد نظريات وخوارزميات تتيح للآلة أن تتعلم بنفسها عن طريق محاكاة الخلايا العصبية في جسم الإنسان، وأحد فروع العلوم التي تتناول علوم الذكاء الاصطناعي. يعد فرعا من فروع علوم التعلم الآلي، تركز معظم أبحاث التعلم المتعمق على إيجاد أساليب استنباط درجة عالية من المتجردات بتحليل مجموعة بيانات ضخمة باستخدام متحولات خطية وغير خطية.
