أساسيات الذكاء الاصطناعي - الجزء الثالث: المفاهيم
نعم، هل أعجبتكم منشوراتنا الأولى المتعلقة بتعلم الذكاء الاصطناعي لمستخدمي لينكس؟لذا، من المرجح أن تستمتعوا اليوم بهذا الجزء الثالث، حيث سنتناول فيه العديد من أهم المفاهيم والمصطلحات المرتبطة بهذا المجال التكنولوجي. وإذا لم تكونوا قد قرأتم الجزأين السابقين، فنود أن نوضح لكم أن سنتناول في الجزء الثاني النقطة المتعلقة بالفرق بين الذكاء الاصطناعي الرمزي والذكاء الاصطناعي الترابطي وعلى المعالم التاريخية لهذا المجال التكنولوجي على مدى المئة عام الماضية. بينما في في الجزء الأول نركز en ما هو الذكاء الاصطناعي وما هي أنواعه المختلفة التي تم إنشاؤها بالفعل (ضيق أو ضعيف، توليدي وعامل) والتي من المتوقع أن يتم إنشاؤها (عام أو قوي، وذكاء اصطناعي فائق).
وكما في المناسبات السابقة، تذكر أنه كما كان الحال في أيامهم، الكهرباء والراديو والتلفزيون وأجهزة الكمبيوتر والهواتف والإنترنت والشبكات الاجتماعية؛ الذكاء الاصطناعي هو تقنية أصبحت جزءًا لا يتجزأ من كل شيءوذلك من خلال توفير وقت ثمين وساعات عمل مكلفة، وجعلنا أكثر إنتاجية وإبداعاً وتنوعاً؛ بكل تأكيد، شيئًا فشيئًا، سيحل محل أولئك الذين لديهم أدنى فكرة عن وجوده وكيفية عمله.لذلك، ليس هناك أفضل من البدء في فهم السياق حول كل ما يتعلق بهذا الموضوع.
أساسيات الذكاء الاصطناعي - الجزء الأول: الأصول 2
لكن قبل أن نخوض في هذا الموضوع، "الجزء الثالث من مجال الذكاء الاصطناعي المثير والمدهش"وبشكل أكثر تحديداً فيما يتعلق ببعض أهم المفاهيم والمصطلحات التي يجب مراعاتها وفهمها وإتقانها، نوصي باستكشاف المنشورات السابقة والحديثة ذات الصلة في هذه السلسلة من المنشوراتبعد الانتهاء من قراءته:
أساسيات الذكاء الاصطناعي - الجزء الثالث: المفاهيم والمصطلحات ذات الصلة
20 مفهومًا ومصطلحًا مهمًا يتم ذكرها دائمًا في مجال الذكاء الاصطناعي
1. التألّق
يشير مصطلح "الهلوسة" إلى حالة يبدأ فيها نظام الذكاء الاصطناعي، وخاصةً ذلك الذي يتعامل مع معالجة اللغة الطبيعية، بإنتاج نتائج قد تكون غير ذات صلة أو غير منطقية أو خاطئة بناءً على المدخلات المُقدمة. ويحدث هذا غالبًا عندما يكون نظام الذكاء الاصطناعي غير متأكد من السياق، أو يعتمد بشكل مفرط على بيانات التدريب الخاصة به، أو يفتقر إلى فهم صحيح للموضوع.
2. التعلم الآلي
يُعدّ مجال التعلّم الآلي فرعًا من فروع الذكاء الاصطناعي، ويشمل تطوير الخوارزميات والنماذج الإحصائية التي تُمكّن الآلات من تحسين أدائها من خلال الخبرة. ومن الأمثلة على ذلك خوارزمية التعلّم الآلي التي تستطيع التنبؤ باحتمالية فقدان العملاء بناءً على سلوكهم السابق. وبفضل برنامج التعلّم الآلي، تتعلّم الآلة حلّ المشكلات من خلال الأمثلة، فتستطيع بذلك مقارنة البيانات وتصنيفها، بل وحتى التعرّف على الأشكال المعقدة.
3. التعلم العميق
يُعدّ هذا المجال فرعًا من فروع التعلّم الآلي، يستخدم الشبكات العصبية متعددة الطبقات للتعلم من البيانات، أي أنه يوظف هياكل شبكات عصبية مختلفة لتعلم طبقات متتالية من تمثيلات البيانات ذات الدلالة المتزايدة. وهو حاليًا المجال الأكثر شيوعًا في الذكاء الاصطناعي، وقد نشأ من دمج خوارزميات التعلّم الآلي مع الشبكات العصبية الرسمية واستخدام البيانات الضخمة.
4. البيانات الضخمة
البيانات الضخمة هي فرع من تكنولوجيا المعلومات يُعنى بدراسة الصعوبات الكامنة في التعامل مع مجموعات البيانات الكبيرة. وتُعرف أيضاً بالبيانات الكلية، وهي تشير إلى مجموعات بيانات ضخمة ومعقدة، غالباً ما تكون كبيرة جداً أو متنوعة لدرجة يصعب معها معالجتها بالطرق التقليدية. علاوة على ذلك، فهي تأتي من مصادر متنوعة (شبكات التواصل الاجتماعي، أجهزة الاستشعار، إلخ)، وتتطلب تقنيات متقدمة، مثل الذكاء الاصطناعي والتعلم الآلي، لتحليلها واستخلاص المعلومات المفيدة منها.
5. مجموعة البيانات
مجموعة البيانات هي مجموعة من البيانات، تُنظّم عادةً في جدول. وهي مجموعة بيانات مُنظّمة تُستخدم لتدريب نماذج الذكاء الاصطناعي أو اختبارها أو التحقق من صحتها. يمكن أن تحتوي على نصوص أو صور أو مقاطع فيديو أو أنواع أخرى من المعلومات، وعادةً ما تكون مُصنّفة لتمكين خوارزميات التعلّم الآلي من التعرّف على الأنماط والتنبؤ.
6. تدريب النموذج
تدريب النموذج هو عملية استخدام مجموعة بيانات لتعليم نموذج ذكاء اصطناعي أو نموذج تعلم آلي لأداء مهمة محددة، مثل التصنيف أو التنبؤ. يقوم النموذج بتعديل معاييره بناءً على الأمثلة المقدمة لتحسين دقته مع البيانات الجديدة.
7. تعزيز التوليد عن طريق الاسترداد
تقنية RAG (التوليد المُعزز بالاسترجاع) هي طريقة تُمكّن الذكاء الاصطناعي من الاستعلام من قواعد البيانات الخارجية أو البحث في الإنترنت عن معلومات جديدة ومُحدّثة قبل توليد الاستجابة. وبدلاً من إعادة تدريب النموذج بالكامل ببيانات جديدة، تعمل تقنية RAG كنوع من "التعليم الفوري" للذكاء الاصطناعي. وهذا مفيد للغاية لأنه يُجبر النظام على الاعتماد على وثائق مُحدّدة ومُوثّقة، مما يُقلّل بشكل كبير من خطر تزييف الذكاء الاصطناعي للمعلومات (الأوهام).
8. GPT (المحولات التوليدية المدربة مسبقًا)
هي مجموعة من نماذج اللغة طورتها شركة OpenAI، وتستخدم الشبكات العصبية لفهم النصوص وتوليدها بشكل طبيعي. تعتمد نماذج GPT (المحولات التوليدية المدربة مسبقًا) على بنية تُسمى Transformer، تُمكّنها من تحليل المحفزات والتنبؤ بالاستجابة الأنسب بناءً على التدريب باستخدام مجموعات بيانات ضخمة. وبفضل ذلك، تستطيع GPT محاكاة قدرات فهم اللغة البشرية.
9. توليد اللغة الطبيعية (اللغة الطبيعية الجيل)
يُعدّ توليد اللغة الطبيعية فرعاً من فروع الذكاء الاصطناعي، وهو يُعنى بإنتاج نصوص أو كلام مفهوم تلقائياً بلغة بشرية. فهو يُمكّن الآلة من تحويل البيانات الخام إلى جمل أو فقرات طبيعية، كما هو الحال في الملخصات الآلية أو المساعدين الافتراضيين.
10. الهندسة الفورية
إنها فنّ تطوير نماذج استجابة للطلبات بهدف تحقيق مخرجات توليدية ذات مغزى، أي مخرجات أكثر دقة وإنتاجية وابتكارًا. أو بعبارة أخرى، هي علم تصميم وتحسين وتطوير التعليمات التي نوجهها إلى الذكاء الاصطناعي التوليدي. هدفها توجيه الذكاء الاصطناعي للحصول على إجابات دقيقة وذات صلة وعالية الجودة، والعمل كحلقة وصل لتجنب النتائج العامة أو الخاطئة.
11. نموذج
النموذج هو الكائن الذي يُمثل مُخرجات خوارزمية التعلم. لذا، فهو ما يستخدمه الذكاء الاصطناعي للتنبؤ بالمخرجات. على سبيل المثال، تُعدّ النماذج الأساسية فئة واسعة من نماذج الذكاء الاصطناعي، تشمل نماذج لغوية ضخمة وأنواعًا أخرى من النماذج مثل نماذج رؤية الحاسوب ونماذج التعلم المعزز. سُمّيت هذه النماذج "أساسية" لأنها تُشكّل القاعدة التي تُبنى عليها التطبيقات، وتُغطي نطاقًا واسعًا من المجالات وحالات الاستخدام.
12. نماذج اللغة الكبيرة
هي نوع من نماذج التعلم العميق التي تُدرَّب على مجموعة بيانات ضخمة لأداء مهام فهم اللغة الطبيعية وتوليدها. من بين النماذج المعروفة: BERT وPaLM وGPT-2 وGPT-3 وGPT-3.5، بالإضافة إلى النموذج المبتكر GPT-4. تختلف هذه النماذج في حجمها (عدد المعلمات القابلة للتعديل)، ونطاق المهام التي يمكنها تنفيذها (البرمجة، والمحادثات، والبحوث العلمية، وغيرها)، وقاعدة المعرفة التي دُرِّبت عليها.
13. نماذج لغوية صغيرة
هي نسخ مصغرة من نماذج اللغة الكبيرة (LLMs). يستخدم كلا النوعين تقنيات التعلم الآلي لمساعدتهما على التعرف على الأنماط والعلاقات، مما يُمكّنهما من إنتاج استجابات لغوية طبيعية واقعية. ولكن في حين أن نماذج اللغة الكبيرة ضخمة وتتطلب قدرة حاسوبية وذاكرة كبيرتين، فإن نماذج اللغة الصغيرة مثل Phi-3 تُدرَّب على مجموعات بيانات أصغر وأكثر دقة، وتحتوي على عدد أقل من المعلمات، مما يجعلها أكثر إحكامًا، بل ويمكن استخدامها دون اتصال بالإنترنت.
14. التحيز
هذه هي الافتراضات التي يضعها نموذج الذكاء الاصطناعي حول البيانات. يُعرف "التوازن بين التحيز والتباين" بأنه التوازن الذي يجب تحقيقه بين الافتراضات التي يضعها النموذج حول البيانات ومقدار تغير تنبؤات النموذج، عند استخدام بيانات تدريب مختلفة. أما التحيز الاستقرائي فهو مجموعة الافتراضات التي تضعها خوارزمية التعلم الآلي حول التوزيع الأساسي للبيانات.
15. معالجة اللغة الطبيعية
هو مجال متعدد التخصصات، يتمحور حول فكرة منح الآلات القدرة على قراءة وفهم اللغات التي يتحدث بها البشر. يهدف البحث في معالجة اللغات الطبيعية إلى الإجابة عن سؤال: كيف يفهم الناس معنى الجملة المنطوقة أو المكتوبة، وكيف يفهمون ما حدث، ومتى وأين حدث؟ وما الفرق بين الافتراض والاعتقاد والحقيقة؟ وبالتالي، يتضمن هذا المجال برمجة الحواسيب لمعالجة كميات هائلة من البيانات اللغوية، ويركز على تحويل النصوص غير المنظمة إلى بنية معيارية.
16. موجه
المُوجِّه هو تعليمات أو مجموعة تعليمات (مدخلات) تُعطى لنظام حاسوبي لتوليد استجابة. في سياق الذكاء الاصطناعي، هو التعليمات أو الأوامر أو الأسئلة أو الطلبات أو النصوص الأولية المُقدَّمة للنموذج لتوجيهه نحو توليد استجابة أو مخرجات مُحدَّدة. يعمل المُوجِّه كمحفز أو مُشغِّل للذكاء الاصطناعي، مُشيرًا إلى الموضوع أو الأسلوب أو الاتجاه أو نوع الاستجابة المتوقعة. وتُحدِّد صياغة المُوجِّه (إطاره) جودة النتائج المُستلمة ومدى ملاءمتها بشكل مباشر.
17. الشبكة العصبية
هي نموذج حسابي قائم على مجموعة كبيرة من الوحدات العصبية البسيطة (الخلايا العصبية الاصطناعية)، تُشابه إلى حد كبير السلوك الملاحظ في محاور الخلايا العصبية في الدماغ البشري. وهي الوحدة الأساسية للتعلم العميق. علاوة على ذلك، فهي نموذج تعلم آلي يسمح بالتعرف على الأنماط وحل المشكلات، بالاعتماد على التعلم الآلي أو التعلم العميق، ساعيًا إلى محاكاة الآليات التحليلية للدماغ البشري.
18. المحول
تمثل المحولات نوعًا من بنية الشبكات العصبية المصممة لمعالجة البيانات المتسلسلة، مثل النصوص. تتعلم المحولات السياق، وبالتالي المعنى. فهي تلتقط العلاقات بين العناصر المختلفة للتسلسل (الكلمات، الجمل) بشكل متوازٍ، بدلاً من التسلسل كما في النماذج التقليدية. تُعد المحولات أساسًا لنماذج ناجحة مثل GPT وBERT، وتُستخدم في مهام معالجة اللغة الطبيعية.
19- الرمز
في الذكاء الاصطناعي، تُعدّ الوحدة الأساسية للبيانات (كلمات، أجزاء كلمات، أحرف، أو رموز) التي تستخدمها نماذج تعلّم اللغة (LLMs) مثل GPT أو Gemini لمعالجة النصوص وفهمها وإنشائها. وهي بمثابة "العملة" أو المعلومة الجوهرية التي يقرأها الذكاء الاصطناعي ويحللها، مما يسمح له بتقسيم اللغة البشرية إلى أجزاء قابلة للمعالجة (الحساب). ونتيجةً لذلك، تعالج نماذج الذكاء الاصطناعي هذه الوحدات لفهم العلاقات بينها، مما يُتيح لها إمكانيات مثل التنبؤ، والإنشاء، والاستدلال. وكلما زادت سرعة معالجة هذه الوحدات، زادت سرعة تعلّم النماذج واستجابتها.
20. التحقق المتبادل
هي طريقة تُستخدم لتقييم نتائج التحليل وضمان دقة تنبؤات نماذج التعلم الآلي. لذا، فهي تقنية لتقييم نماذج التعلم الآلي تركز على تقسيم مجموعة البيانات إلى عدة مجموعات فرعية (أو "أجزاء"). ثم يُدرَّب النموذج على بعض هذه الأجزاء ويُختَبَر على أجزاء أخرى. وهذا يُتيح تقديرًا أكثر موثوقية لأداء النموذج من خلال الحد من الإفراط في التعلم.
هناك أساسيات أخرى للذكاء الاصطناعي تستحق البحث والفهم والإتقان في هذا الجزء الثالث
هذه مجرد أمثلة قليلة من بين العديد من المفاهيم والمصطلحات التي تستحق المعرفة والفهم والإتقان. في هذا المجال الحديث والمبتكر للذكاء الاصطناعي. لذلك، ولتوسيع نطاق المعلومات المقدمة هنا وتسهيل الوصول إلى المزيد، نقدم لكم هذا رسم بياني شيق تم إنشاؤه باستخدام الذكاء الاصطناعي ولإعطائك فكرة بسيطة عن أمور أخرى لا تقل أهمية وضرورة:
ملخص
باختصار ، نأمل أن يكون هذا "الجزء الثالث من مجال الذكاء الاصطناعي المثير والمدهش" مع التركيز على الذكاء الاصطناعي التوليدي (GAI)، ربما يكون ذلك قد ساهم بشكل أكبر في تعزيز وزيادة معرفتك ومهاراتك في هذا المجال الحديث والمبتكر. لا تنسَ ذلك. الذكاء الاصطناعي والروبوتات يغيران العالم وطريقة عيشنا.وفي السنوات القادمة، عندما يصبح الحوسبة الكمومية متاحة تجاريًا، وتصبح الطاقة الكمومية (الناتجة عن تأثير كازيمير) في متناول البشرية جمعاء، قد يختلف الوضع تمامًا عما هو عليه اليوم. لذا، من الأفضل التعرّف على الذكاء الاصطناعي الآن بدلًا من الرفض والندم غدًا. ولا تنسَ بالطبع الاستمرار في المشاركة والمساهمة ودعم مجتمع لينكس العزيز والقيّم.
أخيرًا ، تذكر زرنا «صفحة البداية» باللغة الاسبانيةأو بأي لغة أخرى (بمجرد إضافة حرفين إلى نهاية عنوان URL الحالي، على سبيل المثال: ar، de، en، fr، ja، pt و ru، من بين العديد من اللغات الأخرى) لمعرفة المزيد من المحتوى الحالي.