Weak AI

يُمثل الذكاء الاصطناعي الضعيف، والذي يُشار إليه غالباً بالتبادل مع الذكاء الاصطناعي الضيق (ANI)، قمة قدرات الذكاء الاصطناعي الحالية الموجودة في التكنولوجيا الحديثة. وعلى عكس الآلات الواعية ذاتياً التي يتم تصويرها في الخيال العلمي -والمعروفة بالذكاء الاصطناعي القوي- فإن الذكاء الاصطناعي الضعيف يفتقر إلى الوعي ويعمل ضمن نطاق محدد بدقة. لقد تم تصميمه لأداء مهام محددة، مثل التعرف على الوجوه أو ترجمة اللغات، وغالباً ما ينفذ هذه الوظائف بكفاءة تتجاوز القدرة البشرية. تعتمد هذه الأنظمة بشكل كبير على خوارزميات تعلم الآلة (ML) والنماذج الإحصائية لإيجاد أنماط في البيانات، بدلاً من امتلاك فهم حقيقي أو مرونة إدراكية.

Link to this sectionالخصائص الجوهرية والوظائف#

الميزة المحددة للذكاء الاصطناعي الضعيف هي طبيعته المتخصصة. فالنظام المدرب على تحليل الصور الطبية لا يمكنه تعلم لعب الشطرنج أو كتابة الشعر تلقائياً. ذكاؤه "ضيق" لأنه محصور في معايير برمجته وبيانات التدريب التي استوعبها. تستخدم هذه الأنظمة عادةً بنيات التعلم العميق (DL)، وتحديداً الشبكات العصبية (NN)، لتعيين المدخلات إلى المخرجات بناءً على الارتباطات المتعلمة.

على الرغم من افتقارها للوعي، إلا أن أنظمة الذكاء الاصطناعي الضعيف قوية بشكل لا يصدق. فهي تقود الأتمتة وراء الثورة الصناعية الرابعة من خلال معالجة كميات هائلة من المعلومات باستخدام وحدات معالجة الرسومات (GPUs) عالية الأداء. ومع ذلك، فهي عرضة لـ الفرط في التخصيص (overfitting) إذا تغيرت بيئتها بشكل كبير عن ظروف تدريبها، مما يسلط الضوء على افتقارها إلى القدرة على التكيف العام.

Link to this sectionالذكاء الاصطناعي الضعيف مقابل الذكاء الاصطناعي القوي#

من الضروري التمييز بين الذكاء الاصطناعي الضعيف والذكاء الاصطناعي العام (AGI)، أو الذكاء الاصطناعي القوي.

• الذكاء الاصطناعي الضعيف (ANI): يحاكي الذكاء لمهمة محددة. إنه يتصرف "كما لو" كان ذكياً ولكنه لا يملك عقلاً خاصاً به. تشمل الأمثلة مرشحات البريد العشوائي، وأنظمة التوصية، وبرمجيات القيادة الذاتية.
• الذكاء الاصطناعي القوي (AGI): ذكاء اصطناعي افتراضي يمتلك وعياً شبيهاً بالبشر، والقدرة على التفكير والتخطيط وتطبيق المعرفة على مجالات غير مألوفة. وكما أشار موسوعة ستانفورد للفلسفة، فإن هذا المستوى من وعي الآلة يظل نظرياً.

Link to this sectionتطبيقات العالم الحقيقي#

الذكاء الاصطناعي الضعيف موجود في كل مكان في الحياة اليومية وحلول المؤسسات. ومن أبرز مثالين على ذلك:

1. الرؤية الحاسوبية: في صناعة السيارات، تقوم نماذج اكتشاف الكائنات بتحليل موجزات الفيديو لتحديد المشاة واللافتات والمركبات الأخرى. هذا شكل كلاسيكي من الذكاء الاصطناعي الضعيف؛ السيارة "ترى" ليس من خلال الفهم، بل من خلال مطابقة أنماط البكسل. يمكن للمطورين إدارة مجموعات البيانات والنماذج هذه عبر منصة Ultralytics، مما يبسط دورة حياة مهام الرؤية المتخصصة.

2. معالجة اللغات الطبيعية (NLP): تستخدم المساعدات الافتراضية مثل Siri أو Alexa معالجة اللغات الطبيعية (NLP) لتفسير الأوامر الصوتية. وبينما يمكنها محاكاة المحادثة، فهي تقوم ببساطة بتحليل القواعد واسترجاع المعلومات بناءً على الاحتمالية، دون فهم معنى الكلمات.

Link to this sectionتنفيذ الذكاء الاصطناعي الخاص بالمهمة باستخدام YOLO26#

لتوضيح كيفية تنفيذ نظام ذكاء اصطناعي ضعيف لغرض واحد، فكر في استخدام YOLO26 لاكتشاف الكائنات. النموذج أدناه "ضعيف" لأنه متخصص للغاية في مهام الرؤية ولا يمكنه أداء وظائف خارج هذا النطاق.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (Weak AI specialized for vision)
model = YOLO("yolo26n.pt")

# Perform inference on an image to identify objects
# The model applies learned patterns to detect specific classes
results = model("https://ultralytics.com/images/bus.jpg")

# Display the detection results
results[0].show()

Link to this sectionمستقبل الذكاء المتخصص#

على الرغم من تسميتها بـ "الضعيفة"، إلا أن هذه الأنظمة هي محركات النمذجة التنبؤية الحديثة والنمو الاقتصادي. تسمح الابتكارات في ذكاء الحافة (edge AI) لهذه النماذج بالعمل محلياً على الأجهزة، مما يقلل من زمن الاستجابة ويزيد من الخصوصية. مع تقدم الأبحاث، نشهد تحولاً نحو الذكاء الاصطناعي متعدد الوسائط، والذي يمكنه معالجة النصوص والصور والصوت في وقت واحد، ومع ذلك لا يزال يعمل بشكل أساسي ضمن قيود الذكاء الضيق. بالنسبة للمؤسسات التي تتطلع إلى نشر هذه الحلول المتخصصة، تسمح أدوات مثل التعلم بنقل المعرفة (transfer learning) لها بتكييف نماذج الذكاء الاصطناعي الضعيف القوية والمدربة مسبقاً لحل مشكلات الأعمال المتخصصة بكفاءة.