ستساعدك المقالة التالية: التعلم الآلي (ML) مقابل الذكاء الاصطناعي (AI) – ضروري … – نحو الذكاء الاصطناعي
لسوء الحظ ، تخدع بعض المؤسسات التقنية العملاء من خلال الإعلان عن استخدام التعلم الآلي (ML) والذكاء الاصطناعي (AI) على تقنياتهم مع عدم الوضوح بشأن حدود منتجاتهم.
صدر مؤخرًا تقرير بشأن إساءة استخدام الشركات التي تدعي استخدام الذكاء الاصطناعي [29] [30] على منتجاتهم وخدماتهم. بحسب الحافة [29]، 40٪ من الشركات الأوروبية الناشئة التي تدعي استخدام الذكاء الاصطناعي لا تستخدم هذه التكنولوجيا. في العام الماضي ، عثرت TechTalks أيضًا على سوء الاستخدام من قبل الشركات التي تدعي استخدام التعلم الآلي والذكاء الاصطناعي المتقدم لجمع وفحص آلاف بيانات المستخدمين لتعزيز تجربة المستخدم في منتجاتهم وخدماتهم. [2] [33].
لسوء الحظ ، لا يزال هناك الكثير من الالتباس بين الجمهور ووسائل الإعلام بشأن ما هو حقًا الذكاء الاصطناعي [44] وما هو التعلم الآلي بالضبط [18]. غالبًا ما يتم استخدام المصطلحات كمرادفات. في حالات أخرى ، يتم استخدامها كتطورات متوازية منفصلة ، بينما يستفيد آخرون من الاتجاه لخلق ضجة وإثارة لزيادة المبيعات والإيرادات [2] [31] [32] [45].
؟ تحقق من توصياتنا التحريرية حول أفضل كتب التعلم الآلي. ؟
فيما يلي نعرض بعض الاختلافات الرئيسية بين الذكاء الاصطناعي والتعلم الآلي.
ما هو التعلم الآلي؟
نقلاً عن العميد المؤقت في كلية علوم الكمبيوتر بجامعة كارنيجي ميلون ، الأستاذ والرئيس السابق لقسم التعلم الآلي في جامعة كارنيجي ميلون ، توم إم ميتشل:
أفضل تعريف للمجال العلمي هو السؤال المركزي الذي يدرسه. يسعى مجال التعلم الآلي للإجابة على السؤال:
“كيف يمكننا بناء أنظمة كمبيوتر تتحسن تلقائيًا بالتجربة وماذا
هي القوانين الأساسية التي تحكم جميع عمليات التعلم؟ [1]”
التعلم الآلي (ML) هو فرع من فروع الذكاء الاصطناعي ، وكما حدده عالم الكمبيوتر ورائد التعلم الآلي [19] توم إم ميتشل: “التعلم الآلي هو دراسة خوارزميات الكمبيوتر التي تسمح لبرامج الكمبيوتر بالتحسين تلقائيًا من خلال التجربة.“[18]- ML هي إحدى الطرق التي نتوقعها لتحقيق الذكاء الاصطناعي. يعتمد التعلم الآلي على العمل مع مجموعات البيانات الصغيرة إلى الكبيرة من خلال فحص البيانات ومقارنتها للعثور على أنماط مشتركة واستكشاف الفروق الدقيقة.
على سبيل المثال ، إذا قدمت نموذجًا للتعلم الآلي مع العديد من الأغاني التي تستمتع بها ، جنبًا إلى جنب مع إحصائيات الصوت المقابلة لها (القدرة على الرقص ، أو الآلة ، أو الإيقاع ، أو النوع). بعد ذلك ، يجب أن تكون قادرًا على الأتمتة (اعتمادًا على نموذج التعلم الآلي الخاضع للإشراف المستخدم) وإنشاء نظام التوصية [43] لاقتراح الموسيقى في المستقبل التي ستستمتع بها (مع نسبة عالية من معدل الاحتمال) ، على غرار ما تفعله Netflix و Spotify والشركات الأخرى [20] [21] [22].
في مثال بسيط ، إذا قمت بتحميل برنامج التعلم الآلي بمجموعة بيانات كبيرة كبيرة من صور الأشعة السينية إلى جانب وصفها (الأعراض والعناصر التي يجب مراعاتها وغيرها) ، فيجب أن يكون لديك القدرة على المساعدة (أو ربما أتمتة) تحليل بيانات صور الأشعة السينية لاحقًا. ينظر نموذج التعلم الآلي إلى كل صورة في مجموعة البيانات المتنوعة ويجد الأنماط الشائعة الموجودة في الصور ذات الملصقات ذات المؤشرات المماثلة. علاوة على ذلك ، (بافتراض أننا نستخدم خوارزمية ML مقبولة للصور) ، عند تحميل النموذج بصور جديدة ، فإنه يقارن معلماته بالأمثلة التي جمعها من قبل للكشف عن مدى احتمالية احتواء الصور على أي من المؤشرات التي تم تحليلها مسبقًا .
نوع التعلم الآلي من مثالنا السابق ، يسمى “التعلم تحت الإشراف، “حيث تحاول خوارزميات التعلم الخاضع للإشراف صياغة العلاقات والتبعيات بين ناتج التنبؤ المستهدف وميزات الإدخال ، بحيث يمكننا التنبؤ بقيم المخرجات للبيانات الجديدة بناءً على تلك العلاقات ، والتي تعلمتها من مجموعات البيانات السابقة [15] تغذيها.
تعليم غير مشرف عليهنوع آخر من التعلم الآلي ، هو عائلة خوارزميات التعلم الآلي ، والتي لها استخدامات رئيسية في اكتشاف الأنماط والنمذجة الوصفية. لا تحتوي هذه الخوارزميات على فئات إخراج أو تسميات على البيانات (يتدرب النموذج ببيانات غير مسماة).
تعزيز التعلم، النوع الثالث الشائع من التعلم الآلي ، يهدف إلى استخدام الملاحظات التي تم جمعها من التفاعل مع بيئته لاتخاذ إجراءات من شأنها تعظيم المكافأة أو تقليل المخاطر. في هذه الحالة ، تتعلم خوارزمية التعلم المعزز (تسمى العامل) باستمرار من بيئتها باستخدام التكرار. من الأمثلة الرائعة على التعلم المعزز وصول أجهزة الكمبيوتر إلى حالة خارقة للإنسان وهزيمة البشر في ألعاب الكمبيوتر [3].
يمكن أن يكون التعلم الآلي مبهرًا ، لا سيما فروعه الفرعية المتقدمة ، أي التعلم العميق والأنواع المختلفة للشبكات العصبية. على أي حال ، إنه “سحر” (نظرية التعلم الحاسوبي) [16]، بغض النظر عما إذا كان الجمهور ، في بعض الأحيان ، لديه مشاكل في مراقبة أعماله الداخلية. بينما يميل البعض إلى مقارنة التعلم العميق والشبكات العصبية بالطريقة التي يعمل بها الدماغ البشري ، هناك اختلافات جوهرية بين الاثنين [2] [4] [46].
ما هو الذكاء الاصطناعي (AI)؟
الذكاء الاصطناعي ، من ناحية أخرى ، واسع النطاق. بحسب أندرو مور [6] [36] [47]، العميد السابق لكلية علوم الكمبيوتر في جامعة كارنيجي ميلون ، “الذكاء الاصطناعي هو علم وهندسة جعل أجهزة الكمبيوتر تتصرف بطرق كانت ، حتى وقت قريب ، نعتقد أنها تتطلب ذكاءً بشريًا.”
هذه طريقة رائعة لتعريف الذكاء الاصطناعي في جملة واحدة ؛ ومع ذلك ، فإنه لا يزال يظهر مدى اتساع وغموض المجال. قبل خمسين عامًا ، كان برنامج لعب الشطرنج يعتبر شكلاً من أشكال الذكاء الاصطناعي [34] نظرًا لأن نظرية اللعبة واستراتيجيات اللعبة كانت قدرات لا يمكن أن يؤديها سوى العقل البشري. في الوقت الحاضر ، أصبحت لعبة الشطرنج مملة وعتيقة لأنها جزء من نظام تشغيل كل كمبيوتر تقريبًا (OS) [35]؛ لذلك ، “حتى وقت قريب” شيء يتقدم بمرور الوقت [36].
يوضح الأستاذ المساعد والباحث في جامعة كارنيجي ميلون ، زاكاري ليبتون ، على نحو صحيح تقريبًا [7]، مصطلح الذكاء الاصطناعي “طموح ، هدف متحرك يعتمد على تلك القدرات التي يمتلكها البشر ولكن الآلات لا تمتلكها.” يتضمن الذكاء الاصطناعي أيضًا قدرًا كبيرًا من التقدم التكنولوجي الذي نعرفه. التعلم الآلي هو واحد منهم فقط. استخدمت الأعمال السابقة للذكاء الاصطناعي تقنيات مختلفة. على سبيل المثال ، استخدم Deep Blue ، الذكاء الاصطناعي الذي هزم بطل العالم في الشطرنج في عام 1997 ، طريقة تسمى خوارزميات البحث الشجري [8] لتقييم ملايين الحركات في كل منعطف [2] [37] [52] [53].
كما نعرفها اليوم ، يتم ترميز الذكاء الاصطناعي بأدوات التفاعل بين الإنسان والذكاء الاصطناعي بواسطة Google Home و Siri و Alexa ، من خلال أنظمة التنبؤ بالفيديو التي تعتمد على التعلم الآلي والتي تعمل على تشغيل Netflix ، Amazon، و YouTube. أصبحت هذه التطورات التكنولوجية بشكل تدريجي أساسية في حياتنا اليومية. إنهم مساعدين أذكياء يعززون قدراتنا كبشر ومهنيين – مما يجعلنا أكثر إنتاجية.
على عكس التعلم الآلي ، يعد الذكاء الاصطناعي هدفًا متحركًا [51]، ويتغير تعريفها مع تطور التطورات التكنولوجية المرتبطة بها [7]. ربما ، في غضون بضعة عقود ، يجب اعتبار التطورات المبتكرة في مجال الذكاء الاصطناعي اليوم مملة مثل الهواتف القابلة للطي بالنسبة لنا في الوقت الحالي.
لماذا تميل شركات التكنولوجيا إلى استخدام الذكاء الاصطناعي والتعلم الآلي بالتبادل؟
ظهر مصطلح “الذكاء الاصطناعي” في عام 1956 من قبل مجموعة من الباحثين ، بما في ذلك ألين نيويل وهربرت أ. [9]. منذ ذلك الحين ، مرت صناعة الذكاء الاصطناعي بالعديد من التقلبات. في العقود الأولى ، كان هناك الكثير من الضجيج المحيط بالصناعة ، واتفق العديد من العلماء على أن الذكاء الاصطناعي على المستوى البشري كان قاب قوسين أو أدنى. ومع ذلك ، تسببت التأكيدات التي لم يتم تسليمها في خيبة أمل عامة من الصناعة جنبًا إلى جنب مع الجمهور وأدت إلى شتاء الذكاء الاصطناعي ، وهي الفترة التي انخفض فيها التمويل والاهتمام بالمجال بشكل كبير [2] [38] [39] [48].
بعد ذلك ، حاولت المنظمات فصل نفسها عن مصطلح الذكاء الاصطناعي ، الذي أصبح مرادفًا للضجيج الذي لا أساس له واستخدمت أسماء مختلفة للإشارة إلى عملها. على سبيل المثال ، وصفت شركة IBM Deep Blue بأنه كمبيوتر عملاق وذكرت صراحة أنها لا تستخدم الذكاء الاصطناعي [10]، بينما فعلت [23].
خلال هذه الفترة ، بدأت العديد من المصطلحات الأخرى ، مثل البيانات الضخمة والتحليلات التنبؤية والتعلم الآلي ، في اكتساب قوة جذب وشعبية [40]. في عام 2012 ، حقق التعلم الآلي والتعلم العميق والشبكات العصبية خطوات كبيرة ووجد استخدامها في عدد متزايد من المجالات. بدأت المؤسسات فجأة في استخدام مصطلحي “التعلم الآلي” و “التعلم العميق” للإعلان عن منتجاتها [41].
بدأ التعلم العميق في أداء المهام التي كان من المستحيل القيام بها مع البرمجة القائمة على القواعد الكلاسيكية. حققت مجالات مثل التعرف على الكلام والوجه ، وتصنيف الصور ، ومعالجة اللغة الطبيعية ، التي كانت في مراحل مبكرة ، قفزات كبيرة فجأة [2] [24] [49]، وفي مارس 2019 ، فاز ثلاثة من رواد التعلم العميق الأكثر شهرة بجائزة تورينج بفضل مساهماتهم واختراقاتهم التي جعلت الشبكات العصبية العميقة مكونًا مهمًا للحوسبة في الوقت الحاضر [42].
ومن ثم ، في ظل الزخم ، نرى تغييرًا في التروس يعود إلى الذكاء الاصطناعي. بالنسبة لأولئك الذين اعتادوا على حدود البرامج القديمة ، بدت تأثيرات التعلم العميق وكأنها “سحرية” [16]. خاصة وأن جزءًا صغيرًا من المجالات التي تدخلها الشبكات العصبية والتعلم العميق كانت تعتبر محظورة على أجهزة الكمبيوتر ، وفي الوقت الحاضر ، يحصل مهندسو التعلم الآلي والتعلم العميق على رواتب عالية المستوى ، حتى عندما يعملون في مؤسسات غير ربحية ، الذي يتحدث عن مدى سخونة المجال [50] [11].
للأسف ، هذا شيء غالبًا ما تنقله الشركات الإعلامية دون فحص عميق ، وغالبًا ما تتماشى مع مقالات الذكاء الاصطناعي مع صور الكرات الكريستالية وغيرها من الصور الخارقة للطبيعة. يساعد هذا الخداع تلك الشركات على إثارة الضجيج حول عروضها [27]. ومع ذلك ، في المستقبل ، نظرًا لفشلها في تلبية التوقعات ، تضطر هذه المنظمات إلى توظيف بشر لتعويض ما يسمى بالذكاء الاصطناعي. [12]. في النهاية ، قد ينتهي بهم الأمر إلى التسبب في عدم الثقة في الميدان وإطلاق شتاء آخر للذكاء الاصطناعي من أجل مكاسب قصيرة المدى [2] [28].
أنا دائمًا منفتح على التعليقات ، يرجى مشاركتها في التعليقات إذا رأيت شيئًا قد يحتاج إلى إعادة النظر. شكرا لقرائتك!
شكر وتقدير:
المؤلف يود أن يشكر كثيرا بن ديكسون، مهندس برمجيات و Tech Blogger ، على لطفه للسماح لي بالاعتماد على خبرته وسرد القصص ، جنبًا إلى جنب مع العديد من أعضاء مجتمع الذكاء الاصطناعي للدعم الهائل والنقد البناء في إعداد هذا المقال.
تنصل: الآراء المعبر عنها في هذا المقال هي آراء المؤلف (المؤلفين) ولا تمثل آراء جامعة كارنيجي ميلون أو الشركات الأخرى (بشكل مباشر أو غير مباشر) المرتبطة بالمؤلف (المؤلفين). لا تهدف هذه الكتابات إلى أن تكون نتاجًا نهائيًا بل هي انعكاس للتفكير الحالي وحافزًا للنقاش والتحسين.
