اكتشف الذكاء الاصطناعي الرمزي: تعلم كيف تحاكي الأنظمة القائمة على القواعد التفكير البشري، وتمزج بين المنطق والذكاء الاصطناعي الحديث للحصول على حلول قوية وقابلة للتفسير.
الذكاء الاصطناعي الرمزي، الذي يشار إليه غالبًا باسم الذكاء الاصطناعي القديم الجيد (GOFAI)، هو نموذج للذكاء الاصطناعي (AI) يعتمد على تمثيلات منطقية يمكن للإنسان قراءتها وقواعد محددة بوضوح لحل المشكلات. على عكس النهج الحديثة القائمة على البيانات التي تتعلم الأنماط ضمناً، يعمل الذكاء الاصطناعي الرمزي على أساس أن الذكاء يمكن نمذجته من خلال التلاعب بالرموز - مثل الكلمات والأرقام أو العوامل المنطقية - وفقاً لصيغة منظمة. كان هذا النهج القوة المهيمنة في أبحاث الذكاء الاصطناعي من الخمسينيات إلى الثمانينيات، ودافع عنه رواد مثل جون مكارثي، ولا يزال مهمًا حتى اليوم للتطبيقات التي تتطلب الالتزام الصارم بالبروتوكولات ومستويات عالية من قابلية التفسير.
لتقليد التفكير البشري، تقوم الأنظمة الرمزية بترميز المعرفة بشكل صريح بدلاً من استخلاصها من مجموعات البيانات الضخمة . تتكون هذه الأنظمة عمومًا من عنصرين أساسيين في البنية:
IF-THEN العبارات التي تمثل "ماهية" ذكاء النظام.
هذا الفصل الواضح بين المعرفة والاستدلال يتيح درجة عالية من الذكاء الاصطناعي القابل للتفسير (XAI). في الصناعات الخاضعة لرقابة صارمة ، يمكن للمستخدمين تتبع التسلسل الدقيق للخطوات المنطقية التي اتخذها النظام للوصول إلى نتيجة ما، مما يوفر الشفافية اللازمة.
بالنسبة للمستخدمين المطلعين على التعلم الآلي، من المفيد مقارنة الذكاء الاصطناعي الرمزي بالذكاء الاصطناعي الإحصائي. .
على الرغم من أن الأنظمة الرمزية البحتة لها قيود في الإدراك، إلا أنها تكون قوية عندما تقترن بالأساليب الإحصائية الحديثة . غالبًا ما يُطلق على هذا الدمج اسم الذكاء الاصطناعي الرمزي العصبي.
يتضمن سير العمل الشائع استخدام نموذج إحصائي للإدراك ونص رمزي لاتخاذ القرار. يوضح المثال التالي استخدام نموذج YOLO26 لـ "رؤية" العالم، بينما تحكم قاعدة رمزية بسيطة رد فعل البرنامج.
from ultralytics import YOLO
# Load the latest YOLO26 model (Statistical Perception)
model = YOLO("yolo26n.pt")
# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")
# Apply Symbolic Logic (Rule-Based Decision Making)
# Rule: Trigger an alert only if a person is detected with high confidence.
for result in results:
for box in result.boxes:
class_id = int(box.cls[0])
confidence = float(box.conf[0])
# Symbolic Rule: IF class is Person (0) AND confidence > 0.5 THEN Alert
if class_id == 0 and confidence > 0.5:
print(f"Alert: Person detected with {confidence:.2f} confidence.")
الميزة الرئيسية للذكاء الاصطناعي الرمزي هي الشفافية في الذكاء الاصطناعي. فهي تضمن بشكل أساسي أن النظام لن "يهلوس" بمنطق خارج قواعده المبرمجة، مما يجعله أكثر أمانًا لمسارات اتخاذ القرارات الحاسمة . كما أنه فعال من حيث البيانات، لأنه لا يتطلب مجموعات تدريب البيانات الضخمة لتعلم المفاهيم البسيطة.
ومع ذلك، تعاني هذه الأنظمة من "عقبة اكتساب المعرفة". إن الترميز اليدوي لكل قاعدة ممكنة لبيئة معقدة يستغرق وقتًا طويلاً وغالبًا ما يكون مستحيلًا. كما أنها تعاني من مشكلة الإطار، مما يعني أنها لا تستطيع التكيف بسهولة مع المواقف الجديدة أو تغييرات السياق دون تدخل بشري. هذه الصلابة هي السبب في أن الرؤية الحاسوبية (CV) على الشبكات العصبية للقيام بالمهام الصعبة المتعلقة بالإدراك، مع الاحتفاظ بالمنطق الرمزي للاستدلال والتحكم على مستوى عالٍ.
