الذكاء الاصطناعي
الذكاء الاصطناعي (Computer based intelligence) ، وهو قدرة الكمبيوتر الرقمي أو الروبوت الذي يتم التحكم فيه عن طريق الكمبيوتر على أداء المهام المرتبطة بشكل شائع بالكائنات الذكية. يتم تطبيق المصطلح بشكل متكرر على مشروع تطوير الأنظمة التي تتمتع بالعمليات الفكرية المميزة للإنسان ، مثل القدرة على التفكير أو اكتشاف المعنى أو التعميم أو التعلم من التجارب السابقة. منذ تطوير الكمبيوتر الرقمي في الأربعينيات من القرن الماضي ، تم إثبات أنه يمكن برمجة أجهزة الكمبيوتر للقيام بمهام معقدة للغاية - على سبيل المثال ، اكتشاف البراهين للنظريات الرياضية أو لعب الشطرنج - بإتقان كبير. ومع ذلك ، على الرغم من التقدم المستمر في سرعة معالجة الكمبيوتر وسعة الذاكرة ، لا توجد حتى الآن برامج يمكن أن تضاهي المرونة البشرية في مجالات أوسع أو في المهام التي تتطلب الكثير من المعرفة اليومية. من ناحية أخرى ، حققت بعض البرامج مستويات أداء الخبراء والمهنيين البشريين في أداء مهام محددة معينة ، بحيث يوجد الذكاء الاصطناعي بهذا المعنى المحدود في تطبيقات متنوعة مثل التشخيص الطبي ومحركات البحث على الكمبيوتر والتعرف على الصوت أو خط اليد .
ما هو الذكاء؟
يُنسب كل السلوك البشري باستثناء أبسطه إلى الذكاء ، في حين أن سلوك الحشرات الأكثر تعقيدًا لا يُؤخذ أبدًا كمؤشر على الذكاء. ماهو الفرق؟ تأمل سلوك الدبور الحفار Sphex ichneumoneus. عندما تعود أنثى الدبور إلى جحرها بالطعام ، تضعه أولاً على العتبة ، وتتحقق من الدخلاء داخل جحرها ، وعندها فقط ، إذا كان الساحل واضحًا ، تحمل طعامها إلى الداخل. يتم الكشف عن الطبيعة الحقيقية للسلوك الغريزي للدبور إذا تم نقل الطعام على بعد بضع بوصات من مدخل جحرها أثناء تواجدها في الداخل: عند الخروج ، ستكرر الإجراء بأكمله كلما تم إزاحة الطعام. يجب أن يتضمن الذكاء - الغائب بشكل واضح في حالة Sphex - القدرة على التكيف مع الظروف الجديدة.
لا يميز علماء النفس عمومًا الذكاء البشري من خلال سمة واحدة فقط ولكن من خلال مزيج من العديد من القدرات المتنوعة. ركز البحث في الذكاء الاصطناعي بشكل أساسي على المكونات التالية للذكاء: التعلم والاستدلال وحل المشكلات والإدراك واستخدام اللغة.
التعلم
هناك عدد من أشكال التعلم المختلفة المطبقة على الذكاء الاصطناعي. أبسطها هو التعلم عن طريق التجربة والخطأ. على سبيل المثال ، قد يحاول برنامج كمبيوتر بسيط لحل مشاكل الشطرنج زميله في واحد أن يحرك بشكل عشوائي حتى يتم العثور على رفيقه. قد يقوم البرنامج بعد ذلك بتخزين الحل مع الموضع بحيث يقوم الكمبيوتر في المرة التالية التي يواجه فيها نفس الموضع باستدعاء الحل. هذا الحفظ البسيط للعناصر والإجراءات الفردية - المعروف باسم التعلم عن ظهر قلب - سهل التنفيذ نسبيًا على الكمبيوتر. التحدي الأكبر هو مشكلة تنفيذ ما يسمى بالتعميم. يتضمن التعميم تطبيق الخبرة السابقة على مواقف جديدة مماثلة. على سبيل المثال ، لن يتمكن البرنامج الذي يتعلم الفعل الماضي لأفعال اللغة الإنجليزية العادية عن ظهر قلب من إنتاج صيغة الزمن الماضي لكلمة مثل القفز ما لم يكن قد تم تقديمه مسبقًا مع Hopped ، في حين أن البرنامج القادر على التعميم يمكنه التعلم قاعدة "add ed" ومن ثم تشكيل صيغة الزمن الماضي للقفز بناءً على الخبرة مع أفعال مماثلة.
منطق
العقل هو استخلاص الاستدلالات المناسبة للموقف. يتم تصنيف الاستدلالات إما على أنها استنتاجية أو استقرائية. مثال على ذلك ، "يجب أن يكون فريد إما في المتحف أو في المقهى. هو ليس في المقهى. ولذلك فهو موجود في المتحف "، ومن هذا الأخير ،" كانت الحوادث السابقة من هذا النوع ناجمة عن تعطل الآلة ؛ لذلك نتج هذا الحادث عن عطل في الجهاز ". يتمثل الاختلاف الأكثر أهمية بين هذه الأشكال من الاستدلال في أنه في الحالة الاستنتاجية ، تضمن حقيقة المقدمات حقيقة الاستنتاج ، بينما في الحالة الاستقرائية ، تدعم حقيقة الافتراض الاستنتاج دون إعطاء ضمان مطلق. يعتبر الاستدلال الاستقرائي شائعًا في العلوم ، حيث يتم جمع البيانات وتطوير النماذج المؤقتة لوصف السلوك المستقبلي والتنبؤ به - إلى أن يفرض ظهور البيانات الشاذة على النموذج إعادة النظر فيه. الاستدلال الاستنتاجي شائع في الرياضيات والمنطق ، حيث يتم بناء الهياكل المعقدة للنظريات التي لا يمكن دحضها من مجموعة صغيرة من البديهيات والقواعد الأساسية.
كان هناك نجاح كبير في برمجة أجهزة الكمبيوتر لاستخلاص الاستدلالات ، وخاصة الاستدلالات الاستنتاجية. ومع ذلك ، فإن التفكير الحقيقي ينطوي على أكثر من مجرد استخلاص الاستدلالات ؛ يتضمن استخلاص الاستدلالات ذات الصلة بحل مهمة أو موقف معين. هذه واحدة من أصعب المشاكل التي تواجه الذكاء الاصطناعي.
حل المشاكل
يمكن وصف حل المشكلات ، لا سيما في الذكاء الاصطناعي ، بأنه بحث منهجي من خلال مجموعة من الإجراءات الممكنة من أجل الوصول إلى هدف أو حل محدد مسبقًا. تنقسم طرق حل المشكلات إلى أغراض خاصة وأغراض عامة. الطريقة ذات الغرض الخاص هي طريقة مصممة خصيصًا لمشكلة معينة وغالبًا ما تستغل ميزات محددة جدًا للموقف الذي تكون فيه المشكلة جزءًا لا يتجزأ. في المقابل ، طريقة الأغراض العامة قابلة للتطبيق على مجموعة متنوعة من المشاكل. أحد الأساليب العامة المستخدمة في الذكاء الاصطناعي هو تحليل الوسيلة النهائية - وهو تقليل الاختلاف بين الحالة الحالية والهدف النهائي خطوة بخطوة أو تدريجيًا. يختار البرنامج الإجراءات من قائمة الوسائل - في حالة وجود روبوت بسيط ، قد يتكون هذا من PICKUP و PUTDOWN و MOVEFORWARD و MOVEBACK و MOVELEFT و MOVERIGHT - حتى يتم الوصول إلى الهدف.
تم حل العديد من المشكلات المتنوعة بواسطة برامج الذكاء الاصطناعي. بعض الأمثلة هي العثور على الحركة الفائزة (أو تسلسل الحركات) في لعبة لوحية ، وابتكار أدلة رياضية ، ومعالجة "الكائنات الافتراضية" في عالم تم إنشاؤه بواسطة الكمبيوتر.
المعرفة
في الإدراك ، يتم فحص البيئة عن طريق أجهزة حسية مختلفة ، حقيقية أو اصطناعية ، ويتحلل المشهد إلى كائنات منفصلة في علاقات مكانية مختلفة. التحليل معقد بسبب حقيقة أن كائنًا ما قد يبدو مختلفًا اعتمادًا على الزاوية التي يتم عرضها منه ، واتجاه وشدة الإضاءة في المشهد ، ومدى تباين الكائن مع المجال المحيط.
في الوقت الحاضر ، يعد الإدراك الاصطناعي متقدمًا بشكل جيد بما يكفي لتمكين أجهزة الاستشعار البصرية من التعرف على الأفراد ، والمركبات ذاتية القيادة للقيادة بسرعات معتدلة على الطريق المفتوح ، والروبوتات للتجول عبر المباني التي تجمع علب الصودا الفارغة.
كان FREDDY أحد أقدم الأنظمة لدمج الإدراك والحركة ، وهو إنسان آلي ثابت مع عين تليفزيونية متحركة ويد كماشة ، تم بناؤه في جامعة إدنبرة ، اسكتلندا ، خلال الفترة 1966-1973 تحت إشراف دونالد ميتشي. كان FREDDY قادرًا على التعرف على مجموعة متنوعة من الأشياء ويمكن أن يُطلب منه تجميع القطع الأثرية البسيطة ، مثل سيارة لعبة ، من كومة عشوائية من المكونات.
لغة
اللغة هي نظام من العلامات التي لها معنى من خلال الاصطلاح. بهذا المعنى ، لا يجب أن تقتصر اللغة على الكلمة المنطوقة. علامات المرور ، على سبيل المثال ، تشكل لغة مصغرة ، كونها مسألة اتفاقية تعني "خطر أمامك" في بعض البلدان. من السمات المميزة للغات أن الوحدات اللغوية تمتلك معنى حسب الاصطلاح ، والمعنى اللغوي مختلف تمامًا عما يسمى المعنى الطبيعي ، والمتمثل في عبارات مثل "تلك الغيوم تعني المطر" و "الانخفاض في الضغط يعني أن الصمام معطل".
من الخصائص المهمة للغات البشرية الكاملة - على عكس مكالمات الطيور وعلامات المرور - إنتاجيتها. يمكن للغة المنتجة صياغة مجموعة متنوعة غير محدودة من الجمل.
من السهل نسبيًا كتابة برامج كمبيوتر تبدو قادرة ، في سياقات مقيدة بشدة ، على الاستجابة بطلاقة بلغة بشرية للأسئلة والبيانات. على الرغم من أن أياً من هذه البرامج لا يفهم اللغة فعليًا ، إلا أنها قد تصل ، من حيث المبدأ ، إلى النقطة التي لا يمكن فيها التمييز بين إتقانها للغة وإتقانها للإنسان العادي. إذن ، ما الذي ينطوي عليه الفهم الحقيقي ، حتى لو كان الكمبيوتر الذي يستخدم لغة مثل المتحدثين الأصليين للإنسان غير معترف به لفهمه؟ لا توجد إجابة متفق عليها عالميا لهذا السؤال الصعب. وفقًا لإحدى النظريات ، لا يعتمد ما إذا كان المرء يفهم أم لا على سلوكه فحسب ، بل يعتمد أيضًا على تاريخه: لكي يقال إنه يفهم ، يجب أن يكون المرء قد تعلم اللغة وتم تدريبه ليأخذ مكانه في المجتمع اللغوي بالوسائل. للتفاعل مع مستخدمي اللغة الأخرى.
الأساليب والأهداف في الذكاء الاصطناعي
المقاربات الرمزية مقابل التوصيلية
يتبع بحث الذكاء الاصطناعي طريقتين متميزتين ، ومنافستين إلى حد ما ، وهما النهج الرمزي (أو "من أعلى إلى أسفل") ، والنهج الوصل (أو "من أسفل إلى أعلى"). يسعى النهج التنازلي إلى استنساخ الذكاء من خلال تحليل الإدراك المستقل عن البنية البيولوجية للدماغ ، من حيث معالجة الرموز - من أين التسمية الرمزية. من ناحية أخرى ، يتضمن النهج التصاعدي إنشاء شبكات عصبية اصطناعية في تقليد بنية الدماغ - ومن هنا جاءت تسمية الوصلة.
لتوضيح الفرق بين هذه الأساليب ، ضع في اعتبارك مهمة بناء نظام مزود بماسح ضوئي يتعرف على أحرف الأبجدية. يتضمن النهج التصاعدي عادةً تدريب شبكة عصبية اصطناعية عن طريق تقديم رسائل إليها واحدة تلو الأخرى ، وتحسين الأداء تدريجيًا عن طريق "ضبط" الشبكة. (يضبط التوليف استجابة المسارات العصبية المختلفة لمحفزات مختلفة.) في المقابل ، يتضمن النهج التنازلي عادةً كتابة برنامج كمبيوتر يقارن كل حرف بالأوصاف الهندسية. ببساطة ، الأنشطة العصبية هي أساس النهج التصاعدي ، بينما الأوصاف الرمزية هي أساس النهج من أعلى إلى أسفل.
في أساسيات التعلم (1932) ، اقترح إدوارد ثورندايك ، عالم النفس بجامعة كولومبيا ، مدينة نيويورك ، أن التعلم البشري يتكون من بعض الخصائص غير المعروفة للوصلات بين الخلايا العصبية في الدماغ. في منظمة السلوك (1949) ، اقترح دونالد هب ، عالم النفس في جامعة ماكجيل ، مونتريال ، كندا ، أن التعلم يتضمن على وجه التحديد تقوية أنماط معينة من النشاط العصبي عن طريق زيادة احتمال (وزن) إطلاق الخلايا العصبية المستحثة بين الاتصالات المرتبطة. يتم وصف فكرة الوصلات الموزونة في قسم لاحق ، اتصالية.
في عام 1957 ، لخص اثنان من المدافعين الأقوياء للذكاء الاصطناعي الرمزي - ألين نيويل ، الباحث في مؤسسة RAND ، سانتا مونيكا ، كاليفورنيا ، وهربرت سيمون ، عالم النفس وعالم الكمبيوتر في جامعة كارنيجي ميلون ، بيتسبرغ ، بنسلفانيا - النهج من أعلى إلى أسفل في ما أطلقوا عليه فرضية نظام الرمز المادي. تنص هذه الفرضية على أن معالجة هياكل الرموز كافية ، من حيث المبدأ ، لإنتاج ذكاء اصطناعي في جهاز كمبيوتر رقمي ، علاوة على ذلك ، فإن الذكاء البشري هو نتيجة لنفس النوع من التلاعب الرمزي.
خلال الخمسينيات والستينيات من القرن الماضي ، تم اتباع النهجين من أعلى إلى أسفل ومن أسفل إلى أعلى في وقت واحد ، وحقق كلاهما نتائج ملحوظة ، وإن كانت محدودة. لكن خلال السبعينيات من القرن الماضي ، تم إهمال الذكاء الاصطناعي من القاعدة إلى القمة ، ولم يظهر هذا النهج مرة أخرى إلا في الثمانينيات. في الوقت الحاضر يتم اتباع كلا النهجين ، ومن المسلم به أن كلاهما يواجه صعوبات. تعمل التقنيات الرمزية في عوالم مبسطة ولكنها تنهار عادةً عند مواجهة العالم الحقيقي ؛ في غضون ذلك ، لم يتمكن الباحثون من القاعدة إلى القمة من تكرار الأنظمة العصبية حتى لأبسط الكائنات الحية. تحتوي دودة Caenorhabditis elegans ، وهي دودة تمت دراستها كثيرًا ، على ما يقرب من 300 خلية عصبية يُعرف نمطها من الترابطات البينية تمامًا (قد فشلت النماذج المتصلة في تقليد هذه الدودة).
من الواضح أن الخلايا العصبية في نظرية الاتصال هي تبسيط مفرط للشيء الحقيقي.
إرسال تعليق