كيف يعمل الذكاء الاصطناعي؟ خطوة بخطوة لفهم آلية الـ AI

تطور الذكاء الاصطناعي في الآونة الأخيرة أصبح مخيفًا للغاية، أو على الأقل هذا ما يصرح به الجميع سواء كان يفقه في الأمر أم لا. الخبراء في مجال الذكاء الاصطناعي بأنفسهم ليست لديهم فكرة عن مدى تطور الذكاء الاصطناعي ولا مستقبله، وكل منهم يصرح بتصريحاته الخاصة حسب وجهة نظره. لكن إن سطرت الأمور بمنطقية، وحددت الوسائل والطرق التي تُشكل الذكاء الاصطناعي، قد يتكون لديك مفهوم خاص للـ AI.

في الأسطر التالية، سنشرح لك بشكل سطحي كيف يعمل الذكاء الاصطناعي وآلية عمله، حتى تحدد بنفسك إن كان هذا الأخير حقًا يشكل خطرًا على حياتك، أم مجرد ترند عابر.

تجميع المدخلات / البيانات

تبدأ عملية صناعة ذكاء اصطناعي محدد أولًا بتجميع البيانات والمعلومات اللازمة والمسماة بالـ Inputs أو المدخلات. وهي التي تحدد توجه الذكاء بشكل عام. فالمدخلات مثلًا من النوع الطبي يعني أن الذكاء الاصطناعي سيكون له توجه في مجال الطب والصيدلة. لهذا دائمًا ما يتم الإشارة لقوة الذكاء الاصطناعي عبر كم المعلومات الذي يمتلكه. فمثلًا الذكاء الاصطناعي PaLM2 من جوجل بالرغم من أنه جديد في الميدان إلا أن التخوف منه كبير لامتلاكه قدر كبير جدًا من المعلومات (Inputs).

معالجة البيانات وتصنيفها وتحديدها ووسمها

لا يتم إدخال البيانات بشكل يدوي، بل آلي عبر سحبها من مصادر مختلفة، مثل منصات التواصل الاجتماعي، المحتوى على الإنترنت والمواقع، تعليقات وردود المستخدمين، وما إلى ذلك من أنواع المحتوى. بعضها قد يكون صحيح، والآخر خاطئ، والبعض غير مناسب، والبقية صالح للوظيفة المعتمدة.

تتدخل عملية معالجة البيانات (Data Processing) من أجل عزل البيانات الصالحة من غير الصالحة، ثم بعد ذلك تحديد ووسم البيانات (Tagging) لتحديد نوعها: هذه المعلومة عبارة عن تعليق، والأخرى من موقع ويب، والأخرى من موقع تواصل اجتماعي …

توقع مخرجات البيانات (Data Outcomes)

لا يمكننا بعد معالج البيانات وتحديد الصالح والطالح منها أن نبدأ في استخدامها، بعد ذلك تجيء مرحلة التعامل مع المخرجات (Outcomes / Outputs). قد تكون المعلومات التي حصلنا عليها تؤدي إلى نتائج عكسية. لهذا يتم التعامل مع المخرجات البسيطة الناتجة عن المعلومات. المخرجات ليست بنتائج نهائية، بل مجرد عمليات بحث.

فمثلًا لو لدي مجموعة من البيانات المتعلقة بالأمراض، ثم قمت بالبحث عن ” مرض الجدري ” فقد أحصل على نتيجة باسم ” فوائد أن تصاب بالجدري ” وهو ما لا تريده في خامة البيانات التي لديك.

تحفيز وتدريب الذكاء على المعلومات

بما أنه لديك الآن كمية البيانات اللازمة، عليك البدء بتحفيزها وتدريبها للتعامل معها. تدريب البيانات في أبسط مفاهيمه هو البحث عن المشاكل والأخطاء الممكنة ثم تدريب النظام على تفاديها. ونقصد بذلك إعطاء معلومات خاطئة إعطاء بيانات غير صحيحة، الرد بطريقة سيئة وما إلى ذلك. تدريب الذكاء الاصطناعي يتم عبر مجموعة من الخوازميات المختلفة منها الموجود سابقًا في بعض المكتبات (مثل Pytorch في البايثون). أو خوارزميات جديدة قد يتم ابتكارها من طرف الشركة إن كانت كبيرة مثل جوجل و OpenAI وهو ما يتم تسميته بالمودل (Model).

دراسة حالات الاستخدام والاحتمالات الممكنة (Use Cases)

بما أنه لديك الآن ذكاء اصطناعي، عبارة عن برمجية أو خورازمية يمكنها التفاعل مع المستخدم بناءًا على ما هو متاح من بيانات تم تجميعها وتصنيفها. الآن يجب المرور إلى مرحلة التجريب، والأهم دراسة حالات الاستخدام الممكنة. ماذا لو قام المستخدم بطرح سؤال مختلف كليًا، ماذا لو كان المستخدم يحاول خداع هذا الذكاء عبر طرح أسئلة لم يتدرب عليها الذكاء … لذلك في هذ المرحلة تقوم بتحديد جميع الاحتماالات الممكنة التي يمكنها أن تخرب تجربة الاستخدام للذكاء.

استخدام الذكاء في الآلة / الخدمات والبرامج

بات لديك الآن نظام عبقري يعتمد على الذكاء الاصطناعي، لكن كيف تستخدمه؟

لاستخدامه أن بحاجة لحشوه في برامج أو أجهزة أو خدمات، وهي المرحلة الأخيرة. دمجه في أجهزة محدد يصنفه كذكاء آلي، بينما استخدامه في برمجيات رقمية يصنف بذكاء اصطناعي. مثل استخدامه في برامج أو تطبيقات كما هو الحال اليوم.

بالطبع كل مرحلة من هذه المراحل تتطلب الكثير من العمل والجهد والبرامج والكثير من خدمات التطوير والبرمجة، وليست بعملية سهلة. لكننا حاولنا مناقشة الأمور بشكل سطحي فقط من أجل تعريفها من أجلك عزيزي القارئ.