Artificial Narrow Intelligence (ANI)

الذكاء الاصطناعي الضيق (ANI)، ويُسمى أيضًا الذكاء الاصطناعي ضيق النطاق أو الذكاء الاصطناعي الضعيف، هو الذكاء الاصطناعي (AI) المصمم لأداء مهمة واحدة أو مجموعة محددة بدقة من المهام، مثل اكتشاف الكائنات في الصور أو التوصية بمقاطع الفيديو أو تفريغ الكلام إلى نص. ويمكن لنظام ANI أن يضاهي أداء البشر أو يتجاوزه ضمن مجاله، لكنه لا يستطيع نقل هذه المهارة إلى مشكلة غير ذات صلة من دون بيانات تدريب جديدة وإعادة تدريب. ووفقًا للتعريف القياسي، يُعد كل نظام ذكاء اصطناعي منشور اليوم ضيق النطاق، بدءًا من مرشحات البريد المزعج وصولًا إلى نماذج الرؤية الحاسوبية التي توجه السيارات ذاتية القيادة.

ANI مقابل AGI وASI#

يوصف الذكاء الاصطناعي عادةً بثلاثة مستويات من القدرة. وANI هو المستوى الأول: كفاءة ضمن مجال واحد تحددها البيانات والهدف اللذان دُرّب عليهما. أما الذكاء الاصطناعي العام (AGI) فهو نظام افتراضي يضاهي البشر في جميع المهام المعرفية تقريبًا ويتعلم مهام جديدة من دون هندسة مخصصة لكل مهمة. ويُسمى AGI غالبًا الذكاء الاصطناعي القوي، وهو مصطلح صاغه الفيلسوف جون سيرل إلى جانب مصطلح الذكاء الاصطناعي الضعيف في حجة الغرفة الصينية عام 1980، وكان يعني فيها حاسوبًا يمتلك عقلًا حقًا. أما الذكاء الاصطناعي الفائق (ASI) فهو نظام افتراضي يتجاوز أفضل البشر في جميع المجالات، وهو السيناريو الكامن وراء فكرة التفرّد التكنولوجي.

توسّع نماذج اللغة الكبيرة (LLMs) نطاق الفئة الضيقة. إذ يكتب نموذج واحد الشيفرة ويترجم ويلخّص ويجيب عن أسئلة حول الصور، وهو ما يعترف به قانون الذكاء الاصطناعي للاتحاد الأوروبي بتسمية هذه الأنظمة نماذج ذكاء اصطناعي للأغراض العامة. لكن مهاراتها تظل غير متوازنة، في نمط يُعرف باسم الذكاء المتعرّج: فقد يحل النموذج نفسه مسائل رياضيات بمستوى الأولمبياد، ثم يخطئ في تحديد أي العددين العشريين أكبر، كما أن أوزانه تتوقف عن التعلّم عند انتهاء التدريب.

آلية عمل الذكاء الاصطناعي ضيق النطاق#

نظام ANI هو نموذج دُرّب على بيانات لتحقيق هدف واحد، لذا تحدد كفاءته أمران: توزيع بيانات التدريب ومجموعة المخرجات التي يمكنه إنتاجها. ولا تملك نموذج الكشف عن الكائنات المدرّب على الفئات الثمانين في مجموعة بيانات COCO وسيلةً ليقول «هذا شيء جديد». فإذا عُرض عليه كائن غير مألوف، فإنه إما يتجاهله أو يبلّغ عن أقرب فئة يعرفها:

يوضح Ultralytics YOLO26 هذا الحد مباشرةً: يستطيع النموذج المدرّب مسبقًا على COCO تصنيف 80 فئة بالضبط، ويعني تعليمه التعرّف على كائن جديد، مثل جزء محدد من آلة، إجراء ضبط دقيق على صور موسومة لذلك الجزء، ما يستبدل قائمة فئات النموذج بفئات مجموعة البيانات الجديدة.

from ultralytics import YOLO

# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")

# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())

يطبع السطر الأول حجم المفردات الكاملة للنموذج، بينما يسرد السطر الثاني الفئات التي اكتشفها في الصورة، وكلها مأخوذة من المجموعة الثابتة نفسها.

تطبيقات عملية#

يشغّل الذكاء الاصطناعي ضيق النطاق معظم البرمجيات التي يستخدمها الناس يوميًا:

• أنظمة التوصية: ترتب منصات البث والتسوق العناصر لكل مستخدم استنادًا إلى سجل المشاهدة والشراء.
• التعرّف على الكلام: تحوّل المساعدات الصوتية وأدوات الإملاء الصوت إلى نص.
• فحص التصنيع: تتحقق نماذج الرؤية من كل جزء في خط الإنتاج بحثًا عن مجموعة واحدة من أنواع العيوب.
• تحليل الصور الطبية: تكتشف النماذج مؤشرات مثل عُقيدات الرئة أو اعتلال الشبكية السكري ضمن نمط تصوير واحد.
• المركبات ذاتية القيادة: يجمع نظام القيادة الذاتية بين نماذج ضيقة عديدة، يتولى كل منها مهمة واحدة مثل تقسيم مسارات الطريق أو اكتشاف المشاة أو تتبع الكائنات أو تخطيط المسار.

نقاط قوة الذكاء الاصطناعي ضيق النطاق وحدوده#

يمكن أن يتفوق ANI على البشر ضمن مجاله، وأن يكون سريعًا ولا يكلّ. فقد هزم Deep Blue التابع لشركة IBM بطل العالم في الشطرنج غاري كاسباروف عام 1997، كما هزم AlphaGo من DeepMind بطل لعبة Go لي سيدول بنتيجة 4–1 عام 2016. لكن هذه الأنظمة لا تملك أي مهارة خارج مجالها، وينخفض أداؤها أيضًا عند مواجهة مدخلات تختلف عن بيانات التدريب، وهي مشكلة تُعرف باسم انحراف البيانات بعد نشر النموذج. كذلك لا تملك الأنظمة ضيقة النطاق أي فهم لما تعالجه؛ إذ تحوّل المدخلات إلى مخرجات من خلال أنماط إحصائية تعلّمتها من البيانات. وحتى AlphaZero من DeepMind، الذي تعلّم الشطرنج والشوغي وGo باستخدام خوارزمية واحدة، دُرّب له نموذج منفصل لكل لعبة، ولا يستطيع نموذج الشطرنج الخاص به لعب Go.