اكتشف الذكاء الاصطناعي الرمزي: تعلّم كيف تحاكي الأنظمة القائمة على القواعد التفكير البشري، وتمزج بين المنطق والذكاء الاصطناعي الحديث للحصول على حلول قوية وقابلة للتفسير.
الذكاء الاصطناعي الرمزي، الذي يُشار إليه غالبًا باسم الذكاء الاصطناعي القديم الجيد، هو فرع من الذكاء الاصطناعي يركز على تمثيل المعرفة البشرية من خلال قواعد ورموز صريحة. كان هذا النهج هو النموذج السائد في أبحاث الذكاء الاصطناعي من الخمسينيات إلى أواخر الثمانينيات. وعلى عكس الأساليب الحديثة التي تعتمد على البيانات، يعمل الذكاء الاصطناعي الرمزي على مبدأ أن الذكاء يمكن تحقيقه من خلال التلاعب بالرموز التي تمثل مفاهيم العالم الحقيقي، والتي تحكمها مجموعة من القواعد المنطقية. كانت الفكرة الأساسية، التي دافع عنها رواد مثل جون مكارثي، هي بناء أنظمة يمكنها التفكير في العالم بطريقة مشابهة للمنطق الاستنتاجي البشري.
تتكون أنظمة الذكاء الاصطناعي الرمزية عادةً من مكونين رئيسيين: قاعدة معرفية ومحرك استدلال.
IF-THEN البيانات، لمعالجة الاستفسارات وحل المشاكل. تتسم هذه العملية بشفافية عالية، مما يجعلها حجر الزاوية في الذكاء الاصطناعي القابل للتفسير (XAI).تم تطوير لغات البرمجة مثل Lisp و Prolog خصيصًا لدعم هذا النمط من البرمجة القائم على القواعد.
يختلف الذكاء الاصطناعي الرمزي اختلافًا جوهريًا عن التعلم الآلي (ML)، وهو الأساس لمعظم تطبيقات الذكاء الاصطناعي الحديثة، بما في ذلك نماذج الرؤية الحاسوبية المتقدمة مثل Ultralytics YOLO.
يكمن الفرق الرئيسي في كيفية اكتساب المعرفة:
بينما تتفوق نماذج الذكاء الاصطناعي الآلي في التعامل مع البيانات المعقدة وغير المنظمة، إلا أن عملية اتخاذ القرار الخاصة بها قد تكون مبهمة. على النقيض من ذلك، يمكن تتبع منطق الذكاء الاصطناعي الرمزي بسهولة، وهو أمر بالغ الأهمية للتطبيقات التي تكون فيها المساءلة وأخلاقيات الذكاء الاصطناعي ذات أهمية قصوى.
على الرغم من أن الذكاء الاصطناعي الرمزي أقل شيوعًا اليوم، إلا أنه دعم العديد من التطبيقات المهمة ولا تزال مبادئه ذات صلة.
وقد أدت محدودية الذكاء الاصطناعي الرمزي - لا سيما هشاشته عند مواجهة مواقف جديدة أو غامضة وصعوبة توسيع نطاق قاعدته المعرفية - إلى ظهور التعلم الآلي. ومع ذلك، من المحتمل أن يكمن المستقبل في نماذج الذكاء الاصطناعي الهجينة التي تجمع بين نقاط القوة في كلا النهجين. فمن خلال دمج الاستدلال المنطقي للذكاء الاصطناعي الرمزي مع قوة التعرف على الأنماط التي يتمتع بها تعلّم الآلة، يمكن للمطورين إنشاء أنظمة ذكاء اصطناعي أكثر قوة وشفافية وقدرة. تهدف هذه الأنظمة الهجينة إلى الاستفادة من المعرفة الهيكلية للأنظمة الرمزية لتعزيز عملية تعلم النماذج الأساسية، وهو مفهوم تم استكشافه في مجالات مثل الذكاء الاصطناعي العصبي الرمزي. تعمل منصات مثل Ultralytics HUB على تبسيط عملية نشر نماذج التعلم الآلي، والتي يمكن أن تدمج هذه التقنيات الهجينة يوماً ما.
