ابو ذر الغزالي ـ التأثير التكنولوجي: “تحدي أداء خوارزميات الذكاء الاصطناعي

التأثير التكنولوجي:  “تحدي أداء خوارزميات الذكاء الاصطناعي “

اختيار وإعداد أبوذر الجبوري

ت: من اليابانية أكد الجبوري

مدخل تجريدي؛

“خوارزميات الذكاء الاصطناعي تشبه الوصفات الرياضية التي تسمح للآلات بالتعلم من البيانات واتخاذ قرارات ذكية.”()

سؤال المقال التعليمي العلمي: كيف تعمل خوارزميات الذكاء الاصطناعي؟

تشكل خوارزميات الذكاء الاصطناعي جوهر الثورة التكنولوجية التي نشهدها. من المساعدين الافتراضيين إلى السيارات ذاتية القيادة، تعمل هذه الخوارزميات على تمكين الآلات من التعلم واتخاذ القرارات وحل المشكلات بشكل مستقل. ولكن كيف تعمل هذه الأشياء فعليا؟ وفقًا لمعهد أبحاث الذكاء الاصطناعي()، فإن “خوارزميات الذكاء الاصطناعي تشبه الوصفات الرياضية التي تسمح للآلات بالتعلم من البيانات واتخاذ قرارات ذكية”. تعتمد هذه العملية على ثلاثة ركائز أساسية: البيانات، والنماذج الرياضية، والتعلم الآلي.

– البيانات: وقود الذكاء الاصطناعي؛
تعتمد خوارزميات الذكاء الاصطناعي بشكل كامل على البيانات للعمل. تقول ماريا لوبيز، الباحثة في مختبر التعلم الآلي بجامعة ستانفورد: “بدون بيانات، لا يوجد ذكاء اصطناعي”(). يمكن أن تكون هذه البيانات عبارة عن صور أو نصوص أو أصوات أو أي معلومات يمكن للخوارزمية معالجتها. على سبيل المثال، لتدريب نظام التعرف على الوجه، هناك حاجة إلى آلاف الصور المميزة للوجوه. ويضيف لوبيز: “كلما زادت البيانات المتوفرة لدينا، أصبح النموذج أكثر دقة”. ومع ذلك، فإن جودة البيانات مهمة أيضًا، حيث أن البيانات المتحيزة أو غير الكاملة يمكن أن تؤدي إلى اتخاذ قرارات خاطئة.

– النماذج الرياضية: عقل الذكاء الاصطناعي؛
بمجرد توفر البيانات، تستخدم الخوارزميات نماذج رياضية للعثور على الأنماط والعلاقات. يقول الدكتور كارلوس مينديز، خبير الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا: “هذه النماذج تشبه المعادلات العملاقة التي تحاول التنبؤ بالنتائج بناءً على بيانات الإدخال”(). أحد النماذج الأكثر شيوعًا هو الشبكة العصبية، التي تحاكي عمل الدماغ البشري. يوضح مينديز قائلاً: “تحتوي الشبكات العصبية على طبقات من العقد التي تقوم بمعالجة المعلومات بشكل هرمي، مما يسمح لها بتعلم المهام المعقدة”. يتم تعديل هذه النماذج باستمرار أثناء التدريب لتقليل الأخطاء وتحسين دقتها.

– التعلم الآلي: عملية التدريب؛
التعلم الآلي هو المرحلة التي تتعلم فيها خوارزميات الذكاء الاصطناعي كيفية أداء مهام محددة. وفقًا لتقرير صادر عن جمعية أبحاث الذكاء الاصطناعي()، “يمكن أن يكون التعلم الآلي تحت الإشراف، أو بدون إشراف، أو التعلم المعزز”. في التعلم الخاضع للإشراف، يتم إعطاء الخوارزمية بيانات مصنفة وتتعلم كيفية التنبؤ بالنتائج. في حالة عدم الإشراف، تقوم الخوارزمية بالعثور على الأنماط بنفسها. وفي التعلم المعزز، تتعلم الخوارزمية من خلال التجربة والخطأ، وتتلقى مكافآت مقابل الإجراءات الصحيحة. “هذه العملية تكرارية ويمكن أن تستغرق أسابيع أو حتى أشهر، اعتمادًا على مدى تعقيد المشكلة”()، كما يشير التقرير.

اخيرا٬ بفضل هذه الركائز الثلاث، تعمل خوارزميات الذكاء الاصطناعي على تحويل الصناعات بأكملها. من الطب إلى الزراعة، فإن قدرتهم على تحليل كميات كبيرة من البيانات واتخاذ قرارات دقيقة تعمل على إحداث ثورة في العالم. ولكنها تشكل أيضًا تحديات أخلاقية وفنية يتعين علينا معالجتها. هل نحن مستعدون لمستقبل يهيمن عليه الذكاء الاصطناعي؟

للمزيد نوصي بالإطلاع إلى؛
– معهد أبحاث الذكاء الاصطناعي. فهم خوارزميات الذكاء الاصطناعي: دليل شامل. 2023.