الذكاء الاصطناعي مقابل التعلم الآلي

الذكاء الاصطناعي (AI) والتعلم الآلي (ML) هما نوعان من حلول البرامج الذكية التي تؤثر على كيفية تصميم التكنولوجيا السابقة والحالية والمستقبلية لتحاكي الصفات الأكثر إنسانية.

في الأساس، الذكاء الاصطناعي هو حل تقني أو نظام أو جهاز يهدف إلى محاكاة الذكاء البشري لأداء المهام مع تحسين نفسه بشكل متكرر بناءً على المعلومات التي يجمعها.

التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي التي تركز على بناء نظام برمجي يمكنه تعلم أو تحسين الأداء استنادًا إلى البيانات التي يستهلكها. وهذا يعني أن كل حل للتعلم الآلي هو حل للذكاء الاصطناعي، ولكن ليس كل حلول الذكاء الاصطناعي هي حلول للتعلم الآلي.

الذكاء الاصطناعي مقابل التعلم الآلي مقابل التعلم العميق

الذكاء الاصطناعي. التعلم الآلي. التعلم العميق. على الرغم من أن هذه المصطلحات أصبحت شائعة بشكل متزايد، إلا أن العديد من الناس لا يزالون يشعرون وكأنها موضوع لفيلم خيال علمي. دعنا نبسط الأمور ونجرّب التعريف بخط واحد لكل مصطلح:

• الذكاء الاصطناعي (AI): إجراءات كمبيوترية تحاكي اتخاذ القرارات البشرية استنادًا إلى التجارب والبيانات التي تم تعلمها.
• التعلم الآلي (ML): العمليات التي تسمح لأجهزة الكمبيوتر باستخلاص الاستنتاجات من البيانات. التعلم الآلي يمثل مجموعة فرعية من الذكاء الاصطناعي تُمكِّن أجهزة الكمبيوتر من التعلم خارج نطاق برمجتها.
• التعلم العميق: العمليات التي تدعم أجهزة الكمبيوتر لحل المشكلات المعقدة للغاية. يمثل التعلم العميق مجموعة فرعية من التعلم الآلي التي تجعل العمليات الحسابية في الشبكات العصبية متعددة الطبقات ممكنة.

تاريخ الذكاء الاصطناعي

تعود فكرة الذكاء الاصطناعي إلى خمسينيات القرن العشرين مع ظهور التقنيات والقدرات الحاسوبية في الآلات. كان الهدف بسيطًا: تجاوز استخدام الكمبيوتر كوسيلة للحساب ودفع عملية صنع القرار بالفعل.

يعني هذا أن أجهزة الكمبيوتر تحتاج إلى تجاوز عملية حساب القرارات استنادًا إلى البيانات الحالية؛ وهي بحاجة إلى المضي قدمًا مع نظرة أكبر على الخيارات المختلفة للوصول إلى منطق استدلالي محسوب بدرجة أكبر. غير أن طريقة تحقيق ذلك عمليًا تطلبت عقودًا من البحث والابتكار. تعد أحد الأشكال البسيطة للذكاء الاصطناعي هو إنشاء أنظمة قائمة على القواعد أو خبراء. مع ذلك، كان ظهور زيادة طاقة الكمبيوتر في الثمانينيات يعني أن التعلم الآلي سيغير إمكانيات الذكاء الاصطناعي.

تطور التعلم الآلي

عملت القرارات المستندة إلى القواعد للوصول إلى حالات أبسط ذات متغيرات واضحة. حتى الشطرنج المحاكي بالكمبيوتر مبني على سلسلة من القرارات القائمة على القواعد والتي تتضمن متغيرات مثل القطع الموجودة على لوح الشطرنج وما هي المواقع التي توجد بها وما دور كل منها. تكمن المشكلة في أن هذه الحالات كلها تتطلب مستوى معين من التحكم. عند نقطة معينة، القدرة على اتخاذ قرارات تستند ببساطة إلى المتغيرات وإذا/ثم لم تنجح القواعد.

ثم كانت الخدعة في محاكاة كيفية تعلم البشر.

تم تقديم التعلم الآلي في الثمانينيات مع فكرة أن الخوارزمية يمكنها معالجة كميات كبيرة من البيانات، ثم البدء في تحديد الاستنتاجات بناءً على النتائج التي كانت تصل إليها. على سبيل المثال، إذا تم تغذية خوارزمية التعلم الآلي بكميات كبيرة من معاملات بطاقة الائتمان مع قواعد إذا / ثم لتمييز الاحتيال، فإنه يمكن بعد ذلك البدء في تحديد العوامل الثانوية التي أنشأت نمط، مثل يشتري الحساب شيء ما في ساعات غير عادية أو في المتاجر في موقع جغرافي مختلف.

تتطلب هذه العملية مجموعات بيانات كبيرة لبدء تحديد الأنماط. لكن في حين أن مجموعات البيانات التي تتضمن أحرف أبجدية عددية واضحة، وتنسيقات بيانات، وصياغة يمكن أن تساعد الخوارزمية المعنية، فإن المهام الأخرى الأقل وضوحًا مثل تحديد الوجوه على صورة مشكلات تم إنشاؤها.

في عام 2000، اتخذت التكنولوجيا خطوة أخرى إلى الأمام وكان الحل لذلك هو إنشاء منهجية التعلم التي تحاكي الدماغ البشري.

التعلم العميق مقابل التعلم الآلي

يعمل التعلم العميق عن طريق تقسيم المعلومات إلى علاقات مترابطة—إجراء الاستقطاعات بشكل أساس استنادًا إلى سلسلة من الملاحظات. من خلال إدارة البيانات والأنماط التي يتم استنتاجها من خلال التعلم الآلي، يقوم التعلم العميق بإنشاء عدد من المراجع التي سيتم استخدامها لاتخاذ القرارات. كما هو الحال مع التعلم الآلي القياسي، كلما زادت مجموعة البيانات للتعلم، زاد تحسن نتائج التعلم العميق.

طريقة بسيطة لشرح التعلم العميق هي أنه يسمح باستخراج مفاتيح السياق غير المتوقعة في عملية صنع القرار. ضع في اعتبارك طريقة تعلم طفل صغير القراءة. إذا رأى جملة تقول "السيارات تسير بسرعة"، فقد يتعرف على كلمات "السيارات" و"الذهاب"، لكن ليس "بسرعة". مع ذلك، مع بعض التفكير، يمكنهم استنتاج الجملة بأكملها بسبب أدلة السياق. تعد "السرعة" كلمة من المرجح أن يسمعها فيما يتعلق بالسيارات من قبل، قد يظهر التوضيح خطوط تشير إلى السرعة، وأنه قد يتعرف على كيف تعمل الحروف ب وأيضًا س معًا. تمثل هذه كل عنصر فردي، مثل "هل أنا أدرك تلك الرسالة وأعرف كيف تبدو؟" لكن عندما توضع معًا، يمكن لعقل الطفل أن يتخذ قرارًا حول كيفية شكلها وقراءة الجملة. سيعزز هذا بدوره كيفية قول كلمة "بسرعة" في المرة القادمة التي يراها فيها.

تمثل هذه الطريقة التي يعمل بها التعلم العميق، من خلال تقسيم عناصر مختلفة لاتخاذ قرارات تعلم آلي بشأنها، ثم النظر في طريقة اتصالها بنتائج نهائية.

برامج الذكاء الاصطناعي

يمكن أن تستخدم برامج الذكاء الاصطناعي عملية اتخاذ القرار والأتمتة المدعومة بالتعلم الآلي والتعلم العميق لزيادة كفاءة المؤسسة. بدءًا من النمذجة التنبؤية وحتى إنشاء التقارير وصولًا إلى أتمتة العمليات، يمكن للذكاء الاصطناعي تحويل طريقة عمل المؤسسة، مما يؤدي إلى تحسينات في الكفاءة والدقة. توفر Oracle Cloud Infrastructure (OCI) الأساس لإدارة البيانات المستندة إلى السحابة والمدعومة بالذكاء الاصطناعي والتعلم الآلي.