يعزز المنطق الضبابي في الذكاء الاصطناعي تحليل البيانات المرئية المشوشة

الذكاء الاصطناعي (AI) يشبه مظلة تغطي العديد من التقنيات التي تساعد الآلات على التفكير والتحليل والتفاعل مع العالم. ومن بين هذه التقنيات المنطق الضبابي، الذي يهدف إلى محاكاة جزء مهم من الذكاء البشري: قدرتنا على اتخاذ القرارات حتى عندما تكون المعلومات المقدمة إلينا غير واضحة أو غير مكتملة.

على عكس الأساليب التقليدية التي تستخدم قواعد صارمة، يعالج المنطق الضبابي البيانات على درجات، مما يتيح للآلات التكيف بصورة طبيعية أكثر مع المواقف المعقدة. وتُظهر الأبحاث إمكانية تطبيق المنطق الضبابي في مجموعة واسعة من المجالات، بدءًا من أنظمة التحكم ومعالجة الصور ووصولًا إلى الرؤية الحاسوبية والأنظمة الخبيرة.

على سبيل المثال، فيما يتعلق بـالرؤية الحاسوبية، يحسّن المنطق الضبابي تحليل الصور من خلال تفسير البيانات غير الواضحة أو غير المكتملة، مما يساعد الأنظمة على اتخاذ قرارات أكثر دقة حتى عندما لا تكون المدخلات مثالية. وهو مفيد بصورة خاصة في الظروف الصعبة، مثل الإضاءة الخافتة أو الرؤية المحجوبة أو الصور الضبابية، حيث تواجه الأساليب التقليدية صعوبة غالبًا.

سنستكشف في هذا المقال كيفية استخدام المنطق الضبابي لتحليل البيانات المرئية. كما سنتتبع تطوره، ونلقي نظرة على تطبيقاته العملية في مختلف القطاعات، ونناقش فوائد استخدام المنطق الضبابي لتشغيل أنظمة الرؤية المدعومة بالذكاء الاصطناعي وتحدياته.

ما المنطق الضبابي؟#

يساعد المنطق الضبابي أجهزة الكمبيوتر على اتخاذ قرارات مرنة بدلًا من الخيارات الجامدة القائمة على الأبيض والأسود. وبينما تعتمد نماذج الذكاء الاصطناعي التقليدية على قيم دقيقة، يعالج المنطق الضبابي المعلومات على درجات. وهذا يعني أنه بدلًا من فرض نتيجة صحيحة أو خاطئة، فإنه يتيح مستويات متفاوتة من اليقين، مما يجعله أنسب للتعامل مع البيانات المعقدة وغير المؤكدة.

في جوهره، يوسّع المنطق الضبابي فكرة المنطق البولياني (إطار يستند إلى نتائج ثنائية صحيحة/خاطئة) من خلال السماح للقيم بالوقوع بين الحقيقة المطلقة والزيف المطلق. ومن الناحية العملية، يتيح ذلك لأنظمة الذكاء الاصطناعي تصنيف الصور بصورة طبيعية أكثر، من دون الحاجة إلى وضع كل تفصيل ضمن فئات صارمة.

الشكل 1. فهم المنطق الضبابي.

من الأفكار الأساسية المرتبطة بالمنطق الضبابي دوال العضوية، والمتغيرات اللغوية، والمجموعات الضبابية. فيما يلي نظرة أقرب إليها وإلى كيفية ارتباطها بـتطبيقات الرؤية الحاسوبية:

• دوال العضوية: تُسند هذه الدوال قيمة بين 0 و1 إلى المدخل، موضحةً مدى انتماء بكسل أو سمة إلى فئة معينة. ويفيد ذلك في تحليل الصور لمهام مثل تجزئة الصور أو اكتشاف الحواف عندما تكون الحدود غير واضحة.
• المتغيرات اللغوية: بدلًا من استخدام الأرقام فقط، تستخدم هذه المتغيرات مصطلحات وصفية مثل "مرتفع" أو "متوسط" أو "منخفض" لتمثيل البيانات. وفي الرؤية الحاسوبية، تساعد على وصف سمات مثل السطوع أو النسيج بطريقة حدسية.
• المجموعات الضبابية: على عكس المجموعات التقليدية ذات الحدود الواضحة، تسمح المجموعات الضبابية للعناصر بالانتماء إلى مجموعة بدرجات متفاوتة. ويدعم هذا النهج تصنيفًا أكثر دقة في مهام الرؤية الحاسوبية، مثل تصنيف الصور، حيث قد لا تنتمي السمات بوضوح إلى فئة واحدة.

تطور المنطق الضبابي في الذكاء الاصطناعي#

بالعودة إلى جذوره، أدى المنطق الضبابي دورًا محوريًا في تشكيل الذكاء الاصطناعي. وقد بدأ ذلك في عام 1965 عندما نشر لطفي أ. زاده كتاب المجموعات الضبابية. وقدم الكتاب نظامًا يمكن أن تقع فيه القيم في أي موضع بين الصواب الكامل والخطأ الكامل.

وبعد أقل من عقد، في عام 1974، طوّر إبراهيم هـ. مامداني وسيتو أسيليان أول متحكم بالمنطق الضبابي لمحرك بخاري ونظام غلاية، موضحَين إمكانية تطبيق هذه الأفكار في البيئات العملية.

وفي خطوة تالية، بدأ المهندسون اليابانيون خلال ثمانينيات القرن العشرين دمج المنطق الضبابي في الأجهزة الإلكترونية الاستهلاكية والأجهزة المنزلية وأنظمة النقل. ومن الأمثلة المثيرة للاهتمام ما حدث في عام 1987، عندما استخدم مترو سينداي المنطق الضبابي لتحسين التسارع والكبح والتوقف.

الشكل 2. استخدمت سلسلة 1000N من مترو سينداي المنطق الضبابي.

مع تقدم الذكاء الاصطناعي والتعلم الآلي، استكشف الباحثون الأنظمة العصبية الضبابية، وهي نهج هجين يمزج بين الاستدلال المرن للمنطق الضبابي وقدرات الشبكات العصبية على التعلم. وقد عزز هذا المزيج قدرة الذكاء الاصطناعي على التعامل مع البيانات غير المؤكدة.

هل كان المنطق الضبابي بداية الذكاء الاصطناعي؟#

قد تتساءل عما إذا كان المنطق الضبابي يمثل بداية الذكاء الاصطناعي. وعلى الرغم من أن المنطق الضبابي لم يكن البداية الفعلية للذكاء الاصطناعي، فإنه مثّل تحولًا مهمًا في طريقة تعامل الآلات مع عدم اليقين.

يتبنى المنطق الضبابي نهجًا أقرب إلى الإنسان من خلال قبول الحقائق الجزئية بدلًا من الإصرار على إجابات مطلقة بنعم أو لا. ويتيح ذلك للأنظمة التعامل مع المعلومات المعقدة والملتبسة بصورة أفضل بكثير. ومع أن المنطق الضبابي ليس سوى جزء واحد من الذكاء الاصطناعي، فقد كان تطويره أساسيًا لجعل الأنظمة الحديثة أكثر قدرة على التكيف مع تحديات العالم الحقيقي.

استكشاف المنطق الضبابي في تحليل الصور#

لفهم كيفية استخدام المنطق الضبابي لتحليل البيانات المرئية بصورة أفضل، لننظر في تطبيقه على فحص الألواح الشمسية. في هذه العملية، تُلتقط صور للألواح الشمسية لاكتشاف العيوب المحتملة، مثل التشققات الدقيقة أو الانفصال الطبقي أو غيرها من الشذوذات التي قد تؤثر في الأداء والتي يمكن أن تؤثر في الوظائف.

تقليديًا، اعتمدت أنظمة معالجة الصور المستخدمة في فحص الألواح الشمسية على أساليب صارمة قائمة على القواعد، تتخذ قرارات ثنائية، فتصنف كل مكوّن أو عيب إما مقبولًا وإما معيبًا استنادًا إلى عتبات ثابتة.

مع أن هذه الأساليب تعمل جيدًا في البيئات الخاضعة للتحكم، فإنها تواجه صعوبة غالبًا مع الصور الملتبسة أو منخفضة الجودة. وفي الوقت نفسه، حسّنت نماذج الرؤية الحاسوبية الحديثة، المدعومة بالتعلم العميق، تحليل الصور من خلال التعلم من مجموعات بيانات كبيرة لاكتشاف الكائنات وتصنيفها بدقة أكبر. ومع ذلك، قد تواجه حتى هذه النماذج المتقدمة تحديات عند التعامل مع مشكلات مثل الإضاءة السيئة أو الحجب أو العيوب الطفيفة.

هنا يأتي دور المنطق الضبابي. فمن خلال دمجه، تستطيع الأنظمة إسناد درجات من الثقة إلى كل عملية اكتشاف بدلًا من الاعتماد فقط على قرارات جامدة بنعم أو لا. وباستخدام دوال العضوية، يقيّم النظام مدى قوة انتماء بكسل أو سمة إلى فئة معينة.

على سبيل المثال، قد يُصنّف عيب طفيف بدرجة ثقة تبلغ 70% في كونه عيبًا، بدلًا من وسمه فورًا بأنه معيب أو غير معيب. ويؤدي هذا النهج الأكثر دقة إلى اكتشاف عيوب أكثر موثوقية ودقة في سيناريوهات فحص الألواح الشمسية في العالم الحقيقي.

الشكل 3. استخدام المنطق الضبابي لاكتشاف التشققات في الألواح الشمسية.

تطبيقات أخرى للمنطق الضبابي في الذكاء الاصطناعي#

لنستعرض بعد ذلك بعض التطبيقات الأخرى للمنطق الضبابي في الذكاء الاصطناعي لتكوين فكرة أفضل عن مختلف المجالات التي تؤثر فيها هذه التقنية.

على سبيل المثال، يوجد أحد التطبيقات الرئيسية للمنطق الضبابي في الذكاء الاصطناعي في الأتمتة الصناعية والروبوتات. إذ تستطيع متحكمات المنطق الضبابي تفسير مدخلات المستشعرات غير المؤكدة لتوفير تحكم أكثر سلاسة في الآلات والعمليات، مما يضمن استقرار التشغيل حتى في الظروف سريعة التغير.

وعلى وجه التحديد، يدعم هذا النهج في أنظمة السيارات ميزات السلامة مثل مثبت السرعة التكيفي ونظام منع انغلاق المكابح. كما يتيح للمركبات التكيف بسلاسة أكبر مع ظروف الطريق المتغيرة بدلًا من الاعتماد على قرارات ثنائية جامدة.

يحرز المنطق الضبابي تقدمًا أيضًا في مجالات أخرى مثل الألعاب. وفيما يلي نظرة أقرب:

• الألعاب: يتيح المنطق الضبابي للشخصيات غير القابلة للعب إظهار سلوك أكثر واقعية وقدرة على التكيف، مما يسهم في تجارب لعب ديناميكية وغامرة.
• التصنيع: يساعد المنطق الضبابي، ولا سيما في فحص لوحات الدوائر المطبوعة، على تحليل البيانات المرئية الملتبسة واكتشاف العيوب بدقة أكبر، مما يضمن رقابة أعلى على الجودة.
• أنظمة التحكم: هي أنظمة مصممة لإدارة العمليات أو الآلات وتنظيمها من خلال آليات التغذية الراجعة. ويحسّن المنطق الضبابي أنظمة التحكم عبر التعامل مع بيانات المستشعرات غير المؤكدة، مما يتيح استجابات أكثر سلاسة وقدرة على التكيف، وينتج عنه تشغيل أكثر استقرارًا وكفاءة.
• الأنظمة الخبيرة: هي برامج كمبيوتر تحاكي قدرات الخبراء البشريين على اتخاذ القرارات. ويعزز المنطق الضبابي الأنظمة الخبيرة من خلال معالجة البيانات غير الدقيقة ودمج الاستدلال الشبيه بالاستدلال البشري، مما يؤدي إلى قرارات أكثر دقة واستنارة.

الشكل 4. تطبيقات المنطق الضبابي في الذكاء الاصطناعي. الصورة من إعداد المؤلف.

إيجابيات وسلبيات المنطق الضبابي في تطبيقات الرؤية الحاسوبية#

فيما يلي لمحة سريعة عن الفوائد الرئيسية التي يوفرها المنطق الضبابي لتطبيقات الرؤية الحاسوبية:

• التخصيص بواسطة خبراء المجال: يمكن للخبراء تحديد القواعد ودوال العضوية أو تحسينها، مما يجعل النظام أكثر حدسية وملاءمة للاحتياجات الخاصة.
• اعتماد أقل على البيانات عالية الجودة: يمكن لهذه الأنظمة أن تؤدي أداءً جيدًا حتى عندما تكون البيانات المتاحة أقل من المثالية.
• تحديد العتبات التكيفي: يمكنه ضبط حدود القرار تلقائيًا استنادًا إلى خصائص بيانات الإدخال.

على الرغم من الفوائد، هناك أيضًا بعض القيود التي ينبغي أخذها في الاعتبار:

• تصميم القواعد المعقد: يتطلب ضبطًا دقيقًا لدوال العضوية وقواعد الاستدلال، وقد يستغرق ذلك وقتًا طويلًا.
• الحساسية لإعدادات المعلمات: قد يختلف الأداء بدرجة كبيرة استنادًا إلى المعلمات المختارة، مما يجعل التحسين أمرًا بالغ الأهمية.
• صعوبات الدمج: قد يكون دمج المنطق الضبابي مع أطر التعلم العميق الحالية معقدًا، وقد يتطلب موارد إضافية.

أهم النقاط المستخلصة#

غيّرت تقنيات الذكاء الاصطناعي مثل المنطق الضبابي طريقة تعاملنا مع البيانات المرئية الملتبسة والمشوشة. ومع أن المنطق الضبابي لم يكن نقطة انطلاق الذكاء الاصطناعي، فإنه مثّل تحولًا مهمًا من اتخاذ القرارات الصارمة والثنائية إلى نهج أكثر مرونة وشبهًا بالنهج البشري، يقبل الحقائق الجزئية.

على مر السنين، تطورت هذه الطريقة وأدت إلى حلول مبتكرة في مجالات مختلفة. ومع استمرار تحسن هذه التقنيات، من المرجح أن يؤدي دمجها مع أساليب الذكاء الاصطناعي الأخرى إلى تعزيز طريقة معالجة الآلات للبيانات المرئية المعقدة وفهمها.

انضم إلى مجتمعنا المتنامي! استكشف مستودعنا على GitHub لمعرفة المزيد عن الذكاء الاصطناعي. هل أنت مستعد لبدء مشاريعك الخاصة في الرؤية الحاسوبية؟ اطّلع على خيارات الترخيص. واكتشف الذكاء الاصطناعي في الزراعة والذكاء الاصطناعي للرؤية في الرعاية الصحية من خلال زيارة صفحات حلولنا!