ما الذكاء الاصطناعي؟ نظرة عامة سريعة

تتطور التكنولوجيا باستمرار، وبوصفنا مجتمعًا، نبحث دائمًا عن طرق جديدة لجعل حياتنا أكثر كفاءة وأمانًا وسهولة. فمن اختراع العجلة إلى ظهور الإنترنت، غيّر كل تطور طريقة عيشنا وعملنا. وأحدث تقنية رئيسية في هذا المسعى هي الذكاء الاصطناعي (AI).

نعيش حاليًا ما يُعرف باسم "طفرة الذكاء الاصطناعي"، وهي فترة من النمو السريع واعتماد تقنيات الذكاء الاصطناعي في مختلف القطاعات. ومع ذلك، فهذه ليست المرة الأولى التي يشهد فيها الذكاء الاصطناعي زيادة في الاهتمام. فقد حدثت موجات سابقة تعود إلى خمسينيات القرن العشرين، ثم تكررت في ثمانينياته، لكن الطفرة الحالية تدفعها قدرة حوسبة هائلة، وبيانات ضخمة، ونماذج متقدمة للتعلم الآلي أقوى من أي وقت مضى.

الشكل 1. نظرة على الذكاء الاصطناعي عبر السنين.

كل أسبوع، يقدّم الباحثون والشركات الناشئة وعمالقة التقنية على حد سواء اكتشافات وابتكارات جديدة، مما يدفع حدود ما يستطيع الذكاء الاصطناعي فعله. فمن تحسين تشخيص الأمراض إلى تشغيل المساعدات الذكية، يندمج الذكاء الاصطناعي بعمق متزايد في حياتنا اليومية. وفي الواقع، من المتوقع أن تبلغ قيمة سوق الذكاء الاصطناعي عالميًا 4.8 تريليون دولار بحلول عام 2033.

في هذا المقال، سنلقي نظرةً أقرب على ماهية الذكاء الاصطناعي فعلًا، ونفصّل فروعه الرئيسية، ونناقش كيفية تغييره للعالم.

التعرّف إلى الذكاء الاصطناعي#

يُعد الذكاء الاصطناعي من أكثر التقنيات التي تحظى بالحديث اليوم، لكن ماذا يعني فعلًا؟ يشير الذكاء الاصطناعي في جوهره إلى الآلات أو أنظمة الحاسوب المصممة لتنفيذ مهام تتطلب عادةً ذكاءً بشريًا. وقد تشمل هذه المهام فهم اللغة، والتعرّف إلى الصور، واتخاذ القرارات، أو التعلم من الخبرة.

رغم أن فكرة الآلات المفكّرة قد تبدو مستقبلية، فإن الذكاء الاصطناعي يُعتمد بسرعة في كل مكان من حولنا. فعلى سبيل المثال، يشكّل الذكاء الاصطناعي جوهر تطبيقات مثل أنظمة التوصية، والمساعدات الصوتية، والكاميرات الذكية.

تندرج معظم حلول الذكاء الاصطناعي التي نستخدمها اليوم ضمن ما يُسمى الذكاء الاصطناعي الضيق أو الضعيف. وهذا يعني أنها مصممة لأداء مهمة واحدة، وأدائها جيدًا جدًا. فقد يُدرَّب أحد أنظمة الذكاء الاصطناعي مثلًا على التعرّف إلى الوجوه في صورة، بينما يُبنى نظام آخر للتوصية بالأفلام استنادًا إلى سجل مشاهداتك. هذه الأنظمة لا تفكّر فعليًا مثل البشر ولا تفهم العالم؛ بل تتبع أنماط البيانات ببساطة لإنجاز مهام محددة.

لتحقيق كل ذلك، تعتمد ابتكارات الذكاء الاصطناعي على شيء يُسمّى النماذج. ويمكنك أن تنظر إلى نموذج الذكاء الاصطناعي على أنه دماغ رقمي يتعلّم من كميات كبيرة من البيانات. تُدرَّب هذه النماذج باستخدام خوارزميات (مجموعة من التعليمات المتسلسلة خطوةً بخطوة) لاكتشاف الأنماط، وإجراء التنبؤات، بل وحتى إنشاء المحتوى. وكلما زادت كمية البيانات التي تتوفر عليها، وتحسّن تدريبها، أصبحت أكثر دقة وفائدة.

الشكل 2. ما الذكاء الاصطناعي؟

نبذة عن تاريخ الذكاء الاصطناعي#

إليك نظرة سريعة إلى كيفية تطور الذكاء الاصطناعي عبر العقود، بدءًا من النظريات المبكرة حول تفكير الآلات وصولًا إلى الأدوات المؤثرة التي نستخدمها اليوم:

• الخمسينيات: اقترح آلان تورنغ فكرة ذكاء الآلة وقدم اختبار تورنغ. وفي عام 1956، صيغ مصطلح الذكاء الاصطناعي في مؤتمر دارتموث، مما مثّل بداية الذكاء الاصطناعي مجالًا علميًا.
• السبعينيات والثمانينيات: حاكت الأنظمة القائمة على القواعد عملية اتخاذ القرار البشري في مجالات متخصصة مثل الطب والهندسة. وتلا الحماس المبكر شتاءٌ للذكاء الاصطناعي بسبب التكاليف المرتفعة والقيود التقنية.
• 1997: هزم Deep Blue من IBM بطل العالم في الشطرنج غاري كاسباروف، مثبتًا للمرة الأولى أن حاسوبًا يمكنه التفوق على إنسان في لعبة استراتيجية ومعقدة للغاية.
• العقد الثاني من القرن الحادي والعشرين: أدّى توافر المزيد من البيانات وقدرة الحوسبة الأكبر إلى تحقيق التعلم العميق والشبكات العصبية اختراقات كبيرة في التعرّف إلى الصور، ومعالجة الكلام، وترجمة اللغات. وأصبح الذكاء الاصطناعي شائعًا في تطبيقات المستهلكين.
• العقد الثالث من القرن الحادي والعشرين: أظهرت نماذج الذكاء الاصطناعي مثل ChatGPT وDALL-E قوة الذكاء الاصطناعي التوليدي. وتسارعت الأبحاث في الذكاء الاصطناعي، وأصبح مدمجًا في الأدوات وأماكن العمل والحياة اليومية.

التعريف بالفروع الأساسية للذكاء الاصطناعي#

يمكن النظر إلى مصطلح الذكاء الاصطناعي بوصفه مظلة تغطي عدة مجالات أو فروع مختلفة، يركّز كل منها على قدرة محددة، مثل التعلم من البيانات، أو فهم اللغة، أو تفسير العناصر المرئية. وغالبًا ما تعمل هذه الفروع معًا لمساعدة أنظمة الذكاء الاصطناعي على تنفيذ مهام مفيدة في العالم الحقيقي.

إليك نظرة سريعة على بعض الفروع الأساسية للذكاء الاصطناعي:

• التعلم الآلي (ML): يُعد هذا أحد أكثر الفروع استخدامًا على نطاق واسع. فبدلًا من اتباع تعليمات دقيقة، تتعلم الحواسيب من البيانات وتتحسن بمرور الوقت. ويُستخدم التعلم الآلي في أمور مثل اكتشاف الاحتيال، والتوصيات المخصصة، وأدوات التنبؤ.
• الرؤية الحاسوبية: تمنح رؤية الذكاء الاصطناعي الآلات القدرة على رؤية الصور ومقاطع الفيديو وفهمها. وهي التقنية الكامنة وراء التعرّف إلى الوجوه، والسيارات ذاتية القيادة، وتحليل الصور الطبية مثل صور الأشعة السينية والتصوير بالرنين المغناطيسي.
• معالجة اللغة الطبيعية (NLP): تساعد الآلات على فهم اللغة البشرية والاستجابة لها، سواء أكانت منطوقة أم مكتوبة. وتُستخدم في روبوتات الدردشة، والمساعدات الصوتية مثل Siri أو Alexa، وأدوات الترجمة، وحتى مرشحات البريد المزعج.
• الذكاء الاصطناعي التوليدي: يساعد هذا الفرع من الذكاء الاصطناعي على إنشاء محتوى جديد، مثل النصوص والصور والموسيقى أو حتى شيفرة الحاسوب. وتعتمد أدوات مثل ChatGPT وDALL-E ومساعدات الكتابة المدعومة بالذكاء الاصطناعي على الذكاء الاصطناعي التوليدي.
• الروبوتات: تدمج الروبوتات الذكاء الاصطناعي مع الآلات المادية. ويمكن للروبوتات التحرك، واستشعار محيطها، وإنجاز المهام في العالم الحقيقي، مثل فرز الطرود في المستودعات، والمساعدة في العمليات الجراحية، أو المساعدة في الأعمال المنزلية.

يؤدي كل فرع من هذه الفروع دورًا مختلفًا، لكنها تتيح مجتمعةً تطوير أنظمة ذكية أصبحت جزءًا من حياتنا اليومية.

تفصيل الفروع الرئيسية للذكاء الاصطناعي#

بعد أن قدمنا الفروع الأساسية للذكاء الاصطناعي، لنلقِ نظرةً أقرب على كل منها. سنستعرض كيفية عمل هذه المجالات المختلفة وأين قد تراها قيد الاستخدام.

نظرة عامة على التعلم الآلي#

غالبًا ما يُخلط بين علم البيانات والتعلم الآلي، لكنهما ليسا الشيء نفسه. يركّز علم البيانات على فهم البيانات وتحليلها للبحث عن الاتجاهات، وإنشاء التصورات، ومساعدة الأشخاص على اتخاذ قرارات مستنيرة. ويتمثل هدفه في تفسير المعلومات وسرد القصص باستخدام البيانات.

أما التعلم الآلي، فيتمحور حول بناء أنظمة يمكنها التعلم من البيانات وإجراء التنبؤات أو اتخاذ القرارات من دون برمجتها صراحةً. وبينما يسأل علم البيانات: «ماذا تخبرنا هذه البيانات؟»، يسأل التعلم الآلي: «كيف يمكن لنظام استخدام هذه البيانات للتحسن تلقائيًا بمرور الوقت؟»

الشكل 3. ما التعلم الآلي؟ مصدر الصورة: Studyopedia.

من الأمثلة الجيدة على التعلم الآلي قيد الاستخدام قائمة التشغيل «Discover Weekly» من Spotify. فـSpotify مزود لخدمة بث الصوتيات والوسائط، ولا يكتفي بتتبع الأغاني التي تشغّلها، بل يتعلم مما تعجبك الأغاني فيه، وما تتخطاه أو تحفظه، ويقارن ذلك السلوك بسلوك ملايين المستخدمين الآخرين.

ثم يستخدم نماذج التعلم الآلي للتنبؤ بالأغاني التي يُرجح أن تستمتع بها والتوصية بها. وتصبح هذه التجربة المخصصة ممكنة لأن النظام يواصل التعلم والتكيف، مما يساعدك على اكتشاف موسيقى لم تكن تعرف حتى أنك تبحث عنها.

نظرة على الرؤية الحاسوبية#

تساعد نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 الآلات على فهم الصور ومقاطع الفيديو من خلال تحديد الكائنات والأشخاص والمشاهد. وتُدرَّب هذه النماذج باستخدام صور موسومة كي تتعلم شكل الأشياء المختلفة.

بعد تدريبها، يمكن استخدامها لمهام مثل اكتشاف الكائنات (العثور على الأشياء وتحديد مواقعها في صورة)، وتصنيف الصور (تحديد ما تعرضه الصورة)، وتتبع الحركة. ويسمح ذلك لأنظمة الذكاء الاصطناعي برؤية العالم من حولها والاستجابة له، سواء أكان ذلك في سيارة ذاتية القيادة، أم جهاز تصوير طبي، أم كاميرا أمنية.

على سبيل المثال، يتمثل أحد الاستخدامات المثيرة للاهتمام للرؤية الحاسوبية في الحفاظ على الحياة البرية. إذ يمكن استخدام طائرات مسيّرة مزودة بكاميرات ونماذج مثل Ultralytics YOLO11 لمراقبة الحيوانات المهددة بالانقراض في المناطق النائية. ويمكنها إحصاء عدد الحيوانات في مجموعة، وتتبع حركتها، بل وحتى رصد تهديدات مثل الصيادين غير القانونيين، وكل ذلك من دون إزعاج البيئة.

إنه مثال رائع على أن الرؤية الحاسوبية ليست مجرد أداة عالية التقنية، بل شيء يُحدث أثرًا حقيقيًا في حماية الكوكب.

الشكل 4. مثال على استخدام Ultralytics YOLO11 لاكتشاف الحيوانات.

فهم معالجة اللغة الطبيعية#

على غرار الرؤية الحاسوبية، تركّز NLP على نوع واحد من البيانات، وهو اللغة. فبدلًا من الصور أو الفيديو، تساعد NLP الآلات على فهم اللغة البشرية والتعامل معها في شكلَيها المكتوب والمنطوق. وهي تتيح للحواسيب قراءة النصوص، وفهم المعنى، والتعرّف إلى الكلام، بل وحتى الاستجابة بطريقة تبدو طبيعية. وهذه هي التقنية الكامنة وراء أدوات مثل المساعدات الصوتية (Siri وAlexa)، وروبوتات الدردشة، وتطبيقات الترجمة، ومرشحات البريد الإلكتروني.

فعلى سبيل المثال، يستخدم Duolingo، وهو تطبيق شائع لتعلم اللغات، نموذجًا لغويًا لمحاكاة المحادثات الواقعية، مثل طلب الطعام أو حجز فندق. ويفهم نموذج الذكاء الاصطناعي ما تحاول قوله، ويصحح أخطاءك، ويشرح القواعد بأسلوب بسيط وسهل الفهم، تمامًا كمدرس حقيقي. وهذا يجعل تعلم اللغة أكثر تفاعلية وتشويقًا، ويُبرز كيف تساعد NLP الأشخاص على التواصل بفاعلية أكبر بدعم من الذكاء الاصطناعي.

استكشاف الذكاء الاصطناعي التوليدي#

تعود الزيادة المفاجئة في الاهتمام بالذكاء الاصطناعي حول العالم إلى الذكاء الاصطناعي التوليدي. فعلى خلاف أنظمة الذكاء الاصطناعي التقليدية التي تحلل البيانات أو تصنفها، يتعلم الذكاء الاصطناعي التوليدي الأنماط من مجموعات بيانات ضخمة، ويستخدم تلك المعرفة لإنتاج محتوى أصلي. ولا تكتفي هذه النماذج باتباع التعليمات، بل تنشئ مواد جديدة استنادًا إلى ما تعلمته، وغالبًا ما تحاكي الإبداع والأسلوب البشريين.

من أشهر الأمثلة ChatGPT، الذي يمكنه كتابة المقالات، والإجابة عن الأسئلة، وإجراء محادثات طبيعية. ومؤخرًا، طُرحت أدوات متقدمة مماثلة مثل Grok-3 من xAI.

الشكل 5. كان لـChatGPT تأثير هائل في طفرة الذكاء الاصطناعي.

إضافةً إلى ذلك، يفتح الذكاء الاصطناعي التوليدي في مجالات مثل الترفيه والألعاب آفاقًا إبداعية جديدة. ويستخدم مطورو الألعاب الذكاء الاصطناعي لإنشاء حبكات وقصص حوارية وشخصيات ديناميكية تستجيب للاعبين في الوقت الفعلي.

وبالمثل، تساعد الأدوات التوليدية في السينما والوسائط على تصميم المؤثرات البصرية، وكتابة السيناريوهات، وحتى تأليف الموسيقى. ومع استمرار تطور هذه التقنيات، فإنها لا تكتفي بمساعدة المبدعين، بل تصبح شركاء إبداعيين في تشكيل تجارب غامرة ومخصصة.

لمحة عن الروبوتات#

يقارن كثير من الناس بين ابتكارات الذكاء الاصطناعي والروبوتات، كما يظهر في فيلم The Terminator، لكن الواقع أن الذكاء الاصطناعي لم يبلغ هذا المستوى من التقدم بعد. فبينما يتخيل الخيال العلمي غالبًا آلات مستقلة بالكامل تفكر وتتصرف مثل البشر، تتميز روبوتات اليوم بكونها عملية ومركزة على المهام بدرجة أكبر.

تجمع الروبوتات، بوصفها فرعًا من فروع الذكاء الاصطناعي، بين الأنظمة الميكانيكية والبرمجيات الذكية لمساعدة الآلات على الحركة، واستشعار محيطها، واتخاذ الإجراءات في العالم الحقيقي. وغالبًا ما تستخدم هذه الروبوتات مجالات أخرى من الذكاء الاصطناعي، مثل الرؤية الحاسوبية للرؤية والتعلم الآلي للتكيف، كي تتمكن من إنجاز مهام محددة بأمان وكفاءة.

لنأخذ مثلًا روبوت Boston Dynamics، Stretch، المصمم لأتمتة المستودعات. يستطيع Stretch فحص محيطه، وتحديد الصناديق، ونقلها إلى الشاحنات أو الرفوف مع حد أدنى من التدخل البشري. ويستخدم الذكاء الاصطناعي لاتخاذ قرارات في الوقت الفعلي بشأن كيفية نقل الكائنات ومكان وضعها، مما يجعله أداة موثوقة في عمليات الخدمات اللوجستية وسلاسل الإمداد.

الشكل 6. تعرّف إلى Stretch.

المخاوف الأخلاقية المحيطة بابتكارات الذكاء الاصطناعي#

إلى جانب الحماس والاهتمام المتزايدين بالذكاء الاصطناعي مؤخرًا، تدور أيضًا نقاشات مهمة حول آثاره الأخلاقية. فمع ازدياد تطور الذكاء الاصطناعي واندماجه بعمق في الحياة اليومية، يثير الناس مخاوف بشأن كيفية استخدامه، والجهة التي تتحكم فيه، والضمانات المطبقة.

تتمثل إحدى القضايا الرئيسية في التحيز في أنظمة الذكاء الاصطناعي؛ فبما أن هذه التقنيات تتعلم من بيانات العالم الحقيقي، قد تلتقط التحيزات البشرية القائمة وتعززها. وقد يؤدي ذلك إلى نتائج غير دقيقة، لا سيما في المجالات الحساسة مثل التوظيف أو إنفاذ القانون.

كما توجد مخاوف بشأن الافتقار إلى الشفافية، إذ تعمل العديد من أنظمة الذكاء الاصطناعي مثل «الصناديق السوداء»، وتتخذ قرارات لا يستطيع حتى منشئوها تفسيرها بالكامل. ومن القضايا المتنامية الأخرى إساءة استخدام الذكاء الاصطناعي التوليدي، الذي يمكنه إنشاء أخبار زائفة، ومقاطع فيديو مزيفة بعمق، أو صور مضللة يصعب تمييزها عن الحقيقية.

ومع استمرار تطور الذكاء الاصطناعي، تبرز الحاجة إلى تطوير مسؤول، أي بناء أنظمة تتسم بالإنصاف والمساءلة وتحترم الخصوصية وحقوق الإنسان. وتعمل الحكومات والشركات والباحثون الآن معًا على وضع إرشادات تضمن استفادة الجميع من الذكاء الاصطناعي مع تقليل الضرر إلى أدنى حد.

أهم النقاط المستخلصة#

ينمو الذكاء الاصطناعي بسرعة ويصبح جزءًا أكبر من حياتنا اليومية. فهو يساعد في مهام مثل التعرّف إلى الصور، وفهم اللغة، واتخاذ القرارات الذكية في الوقت الفعلي. ومن التصنيع إلى الزراعة، يجعل الذكاء الاصطناعي المهام اليومية أسهل وأكثر كفاءة.

في المستقبل، قد نشهد تغييرات أكبر مع ظهور الذكاء الاصطناعي العام (AGI)، حيث يمكن للآلات أن تتعلم وتفكر بطريقة أقرب إلى البشر. ومع تحسن تقنية الذكاء الاصطناعي، يُرجح أن تصبح أكثر ترابطًا وفائدةً ومسؤوليةً. إنه وقت مثير، وهناك الكثير مما نتطلع إليه مع استمرار تطور الذكاء الاصطناعي.

كن جزءًا من مجتمعنا النشط! استكشف مستودعنا على GitHub للتعمق في الرؤية الحاسوبية. وإذا كنت مهتمًا برؤية الذكاء الاصطناعي، فتعرّف إلى خيارات الترخيص لدينا. وتعرّف إلى الرؤية الحاسوبية في الخدمات اللوجستية والذكاء الاصطناعي في الرعاية الصحية في صفحات حلولنا!