ذكاء اصطناعي
المحتويات
- ، * ، * ، *
- الاستنتاج، والتفكير المنطقي، والمقدرة على حل المشكلات
- ، *
- ، * ، * ، * Bayes
- تطبيقات الذكاء الاصطناعي
- المنطق
- الذكاء الاصطناعي القائم على المعرفة
- ، * ، * ، *
- الذكاء الاصطناعي الإحصائي
- تمثيل المعرفة
- الذكاء الاصطناعي المنطقي
- الإدراك
- شبكة القرار الديناميكية
- مشاكل الذكاء الاصطناعي
- مبرهنة عدم الاكتمال لغودل
- تعريف الذكاء الاصطناعي
- فلسفة الذكاء الاصطناعي
- AI & ML in Fusion, video lecture
- الإبداع
- فرضية الدماغ الاصطناعي
- تمثيل المعرفة
- الذكاء المحاسبي
- مداخل للذكاء الاصطناعي
- نظرية التحكم
- ، *
- أدوات بحث الذكاء الاصطناعي
- ، * ، *
- علم التحكم الآلي ومحاكاة الدماغ
- التخطيط
- ، *
- الذكاء الاجتماعي
- الطرق الاحتمالية للتفكير غير المؤكد
- ، * ، *
- الجدل
- ، * ، * ، *
- والجزري
- الذكاء الاصطناعي العام
- ، * ، *
- العامل البنيوي [أو] المعرفية البنيوية
- أنواع الذكاء الاصطناعي
- البحث والتحسين
- التعلم
- ، **
- الروابط الخارجية
- ، * ، * ، *
- اتساع المعرفة المنطقية
- ، * ، * ، *
- تعزيز القدرة البشرية أو الخبرة
- الشبكات العصبية
- التخطيط واتخاذ القرار
- نموذج العامل الذكي
- المصنفات وطرق التعلم الإحصائي
- محاكاة المعرفة
- ، *
- ، * ، * ، *
- الذكاء الاصطناعي الفائق
- شكل الفرعي الرمزي لبعض المعرفة المنطقية
- الذكاء الاصطناعي التقليدي الرمزي
- الحركة وإمكانية التغيير
- ، * ، *
- الذكاء العام
- اللغات المتخصصة
- التعلّم
- الكتب
- أكثر المصنفات استخداما هي الشبكة العصبية
- الاستدلال وحلّ المشكلات
- الذكاء الاصطناعي الضيق
- أبحاث الذكاء الاصطناعي في الأسطورة، والرواية والتكهنات
- تقييم الذكاء الاصطناعي
- أطروحة دارتموث
- ، *
- الأهداف
- تاريخ بحوث الذكاء الاصطناعي
- التفكير الافتراضي ومشكلة التأهيل
- المسابقات والجوائز
- الذكاء الاصطناعي شبه الرمزي
- آلية عمل اللغة الطبيعية
في البداية، الذَّكَاءُ الْاِصْطِنَاعِيُّ أو الذَّكَاءُ الصِّنَاعِيُّ أو الذَّكَاءُ الصُّنْعِيُّ واختصاراً AI هو قدرة الأنظمة الحاسوبية على أداء مهام تُنسب عادةً إلى الذكاء البشري، مثل التعلّم، والاستدلال، وحلّ المشكلات، والإدراك، واتخاذ القرار. وهو مجال بحثي في الهندسة والرياضيات وعلوم الحاسوب، يُطوّر ويدرس الأساليب والبرمجيات التي تمكّن الآلات من إدراك بيئتها، واستخدام التعلّم والذكاء لاتخاذ أفعال تزيد فرصها في بلوغ أهداف محددة. ونتناول فيما يلي مزيدًا من التفاصيل.
من جانب آخر، تأسس الذكاء الاصطناعي بوصفه تخصصًا أكاديميًا سنة 1956، ومرّ المجال في تاريخه بعدة موجات من التفاؤل، أعقبتها فترات من خيبة الأمل وتراجع التمويل، عُرفت باسم شتاءات الذكاء الاصطناعي. وازداد التمويل والاهتمام بالمجال ازديادًا كبيرًا بعد سنة 2012، حين بدأ استخدام وحدات معالجة الرسوميات لتسريع الشبكات العصبية، وتفوّق التعلّم العميق على تقنيات الذكاء الاصطناعي السابقة. وتسارع هذا النمو أكثر بعد سنة 2017 مع ظهور بِنْية المحوّل. وفي عشرينيات القرن الحادي والعشرين، تزامنت طفرة الذكاء الاصطناعي مع تقدّم الذكاء الاصطناعي التوليدي، الذي أتاح إنشاء الوسائط وتعديلها. وإلى جانب سلامة الذكاء الاصطناعي وآثاره غير المقصودة والأضرار الناتجة من استخدامه، أثارت المخاوف الأخلاقية و والمخاطر الوجودية المحتملة نقاشات حول تنظيم الذكاء الاصطناعي.
وعلى صعيد آخر، تشمل الأهداف التقليدية لأبحاث الذكاء الاصطناعي التعلّم، والاستدلال، وتمثيل المعرفة، والتخطيط، ومعالجة اللغة الطبيعية، والإدراك، فضلًا عن دعم الروبوتات. ولتحقيق هذه الأهداف، استعمل باحثو الذكاء الاصطناعي تقنيات متعددة، منها ، والتحسين الرياضي، والمنطق الصوري، والشبكات العصبية الاصطناعية، وطرائق قائمة على الإحصاء وبحوث العمليات والاقتصاد. ويستفيد الذكاء الاصطناعي كذلك من علم النفس، واللسانيات، والفلسفة، وعلم الأعصاب، وحقول أخرى. وتسعى بعض الشركات، مثل أوبن إيه آي، وجوجل ديب مايند، وميتا، إلى إنشاء الذكاء الاصطناعي العام ، وهو ذكاء اصطناعي يستطيع إنجاز أي مهمة معرفية على وجه التقريب بمستوى لا يقل عن مستوى الإنسان.
كذلك، تشمل أبرز تطبيقات الذكاء الاصطناعي محرّكات البحث المتقدمة على الويب، وروبوتات المحادثة، والمساعدات الافتراضية، والمركبات ذاتية القيادة، واللعب والتحليل في الألعاب الاستراتيجية، مثل الشطرنج وغو. ومنذ عشرينيات القرن الحادي والعشرين، أصبح الذكاء الاصطناعي التوليدي متاحًا على نطاق واسع لإنشاء الصور والصوت والفيديو انطلاقًا من أوامر نصية.
، * ، * ، *
ومن جهة أخرى، التعلم (باستخدام خوارزمية تعظيم التوقعات -)،التعلم بحسب طريقة Bayesian وخوارزمية تعظيم التوقعات :
الاستنتاج، والتفكير المنطقي، والمقدرة على حل المشكلات
من جهة ثانية، وفي الثمانينيات والتسعينيات، أدت أبحاث الذكاء الاصطناعي إلى التوصل لوسائل ناجحة للغاية للتعامل مع المعلومات غير المؤكدة أو غير الكاملة، مُستعملة في ذلك مفاهيم من الاحتمالية والاقتصاد.
علاوةً على ذلك، بالنسبة للمشاكل الصعبة، تتطلب أغلب هذه الخوارزميات موارد حسابية هائلة—مما يؤدي إلى «انفجار اندماجي»: أي يصبح مقدار الذاكرة أو الوقت اللازم للحواسيب فلكي عندما تتجاوز المشكلة حجماً معيناً. البحث عن خوارزميات أكثر قدرة على حل المشكلات هو أولوية قصوى لأبحاث الذكاء الاصطناعي.
ومن جهة أخرى، يحل البشر أغلب مشاكلهم باستخدام أحكام سريعة بديهية وليست واعية، عن طريق الاستنتاج التدريجي الذي تُمكن الباحثون الأوائل في علم الذكاء الاصطناعي من محاكاته آلياً. حققت أبحاث الذكاء الاصطناعي بعض التقدم في تقليد هذا النوع «الرمزي الفرعي» من مهارات حل المشاكل: المناهج المتضمنة في ذلك تأكد أهمية المهارات الحِسية الحركية للتفكير الأرقى؛ ويحاول البحث في مجال الشبكات العصبية ومحاكاة الهياكل داخل مخ الإنسان والحيوان التي تؤدي إلى ظهور هذه المهارة.
إضافةً إلى ذلك، وضع الباحثون الأوائل في علم الذكاء الاصطناعي الخوارزميات التي تحاكي التفكير المنطقي المتسلسل الذي يمارسه البشر عند حل الألغاز، ولعب الطاولة، أو الاستنتاجات المنطقية.
، *
في هذا الإطار، وتشمل هذه الأدوات نماذج مثل عملية قرار ماركوف،عملية قرار ماركوف وشبكة القرار الديناميكية:
نظرية قيمة المعلومة.نظرية قيمة المعلومات:
، * ، * ، * Bayes
وفي هذا السياق، هي أداة عامة للغاية يمكن استخدامها في عدد كبير من المشاكل : التفكير المنطقي (باستخدام خوارزمية Bayesian الافتراضية الاستدلالية)،خوارزمية Bayes الاستدلالية:
تطبيقات الذكاء الاصطناعي
ومن الممكن كذلك دمجها في الحياة الاصطناعية.
علاوةً على ذلك، استعمل الذكاء الاصطناعي بنجاح في مجموعة واسعة من المجالات من بينها النظم الخبيرة ومعالجة اللغات الطبيعية وتمييز الأصوات وتمييز وتحليل الصور وكذلك التشخيص الطبي، وتداول الأسهم، والتحكم الآلي، والقانون، والاكتشافات العلمية، وألعاب الفيديو ولعب أطفال ومحركات البحث على الإنترنت. في كثير من الأحيان، عندما يتسع استخدام التقنية لا ينظر إليها بوصفها ذكاء اصطناعيا، فتوصف أحياناً بأنها أثر الذكاء الاصطناعي.
المنطق
المنطقالمنطق:
الذكاء الاصطناعي القائم على المعرفة
وفي السياق ذاته، أدت «ثورة المعرفة» هذه إلى تطوير ونشر النظم الخبيرة (التي قدمها إدوارد فيغنبوم، وهي أول شكل حقيقي ناجح لبرمجيات الذكاء الاصطناعي. كان كذلك ما يحرك ثورة المعرفة إدراك أن كميات هائلة من المعارف ستكون مطلوبة للعديد من التطبيقات البسيطة للذكاء الاصطناعي.
من جانب آخر، عندما أصبحت ذاكرة الحواسيب الكبيرة متاحة في سنة 1970 على وجه التقريب، بدأ باحثين من كل هذه التقاليد الثلاثة في بناء المعرفة في تطبيقات الذكاء الاصطناعي.ثورة المعرفة :
، * ، * ، *
في هذا الإطار، بدأت خلال العقد السابق لتأسيس أبحاث الذكاء الاصطناعي. في الستينيات، وضع فرانك روزنبلات Frank Rosenblatt نسخة مهمة وجديدة؛ ألا وهي، المستقبلات.المستقبلات Perceptrons :
الذكاء الاصطناعي الإحصائي
دمج المناهج
من جانب آخر، في التسعينيات، وضع باحثو الذكاء الاصطناعي أدوات رياضية معقدة لحل مشاكل فرعية محددة. هذه الأدوات هي حقا علمية، بمعنى أن نتائجها يمكن قياسها والتحقق منها على حد سواء، وكانت مسؤولة عن الكثير من النجاحات الأخيرة لأبحاث الذكاء الاصطناعي. كما تسمح كذلك هذه اللغة الرياضية المشتركة بمستوى عال من التعاون مع المزيد من المجالات (مثل الرياضيات، والاقتصاد، أو بحث العمليات). راسل ستيوارت وبيتر Norvig وصفا هذه الحركة بأنها ليست أقل من «الثورة» و«انتصارا للنظاميين».
تمثيل المعرفة
كذلك، تمثيل المعرفة وهندسة المعرفة هي محور أبحاث الذكاء الاصطناعي. كثير من المشاكل التي يتوقع أن تحلها الآلات سوف تتطلب معرفة واسعة بالعالم. من بين الأمور التي تحتاج أن يمثلها الذكاء الاصطناعي: الأشياء والخواص والمجموعات التصنيفية والعلاقات بين الأشياء؛ والمواقف والأحداث، والدول، والزمن؛ الأسباب والنتائج؛ معرفة المعرفة (ما نعرفه عما يعرفه الناس) وغيرها من المجالات الكثيرة التي لم تلق القدر الكافي من البحث. يسمى التمثيل الكامل «لما هو موجود» أنطولوجية (وجودية) (كلمة مقترضة من الفلسفة القديمة)، والأكثر شمولاً منها تسمى أنطولوجيات عليا.
من بين أصعب المشاكل في تمثيل المعرفة هي:
الذكاء الاصطناعي المنطقي
إضافةً إلى ذلك، وخلافا لنويل وسيمون، وجون ماكارثي ورأى أن الأجهزة ليست في حاجة إلى محاكاة الفكر البشري، ولكن بدلا من محاولة العثور على جوهر المنطق المجرد وحل المشاكل، وبغض النظر عما إذا كان الناس في نفس الخوارزميات. وقال في مختبر ستانفورد (شراع) الرسمية التي تركز على استخدام المنطق لحل مجموعة واسعة من المشاكل، بما في تمثيل المعرفة، التخطيط الآلي والجدولة تعلم الآلةمكارثي وأبحاث الذكاء الاصطناعي في SAIL وSRI:
من جانب آخر، وجد باحثون في معهد ماساتشوستس للتكنولوجيا (مثل مارفن مينسكي وسيمور Papert)الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا تحت مارفن مينسكاي في 1960 :
الذكاء الاصطناعي الرمزي«غير المنتظم»
من جانب آخر، أن حل المشاكل الصعبة في الرؤية ومعالجة اللغة الطبيعية تتطلب حلولا خاصة—وقالوا إنه لا يوجد مبدأ عام وبسيط (مثل المنطق) من شأنه استيعاب جميع جوانب السلوك الذكي. وصف روجر شانك مناهجهم «المضادة للمنطق» ب «غير المنتظمة» (على عكس النماذج «المنتظمة» في جامعة كارنيغي ميلون وستانفورد). قواعد المعرفة المنطقية (مثل مشروع دوغ لينات المسمى ب Cyc) هي مثال على الذكاء الاصطناعي «غير المنتظم»، لأنها يجب أن تصمم يدويا؛ مفهوم معقدا واحدا تلو الآخر.Cyc البنية المعرفية:
، والذي تسميه "مشاريع غير نظامية باصرار "
وعلى صعيد آخر، كان المنطق كذلك محط تركيز العمل في جامعة أدنبرة وأماكن أخرى في أوروبا والتي أدت إلى تطوير لغة البرمجة المسماة بالبرولوج وعلوم البرمجة المنطقية.أبحاث الذكاء الاصطناعي في أدنبرة، وفرنسا، وولادة البرولوج:
الإدراك
وفي السياق ذاته، تصور الآلة هو القدرة على استخدام مدخلات من أجهزة الاستشعار (مثل الكاميرات والميكروفونات والسونار وغيرها من الآلات الأكثر غرابة) لاستخلاص جوانب من العالم. رؤية الحواسيب هي القدرة على التحليل البصري المدخلات. من المشاكل الفرعية القليلة: التعرف على الكلام التعرف على الوجوه والتعرف على الأشياء.
شبكة القرار الديناميكية
نظرية اللعبة، وتصميم الآليةنظرية اللعبة، وتصميم الآلية :
مشاكل الذكاء الاصطناعي
وفي هذا السياق، انقسمت مشكلة محاكاة (أو صنع) الذكاء إلى عدد من المشاكل الفرعية المحددة. وتتكون هذه من سمات أو قدرات معينة يود الباحثون أن يجسدها نظام ذكي. تلقت الملامح المذكورة أدناه أكبر قدر من الاهتمام.
مبرهنة عدم الاكتمال لغودل
وفي هذا الصدد، «يمكن أن يكون لجهاز الكمبيوتر عقلًا يماثل عقل الإنسان إن تمت برمجته بشكل ملائم بالمدخلات والمخرجات الصحيحة». يرد سيرل على هذا التأكيد بحجته المعروفة بالغرفة الصينية، والتي تطلب منا أن ننظر داخل الكمبيوتر، لنحاول أن نعرف أين قد يكون هذا «العقل».
ومن جهة أخرى، لا يمكن لنظام منطقي (مثل برنامج حاسوبي) إثبات جميع الجمل الصحيحة. يعتقد روجر بينروز وآخرون غيره أن نظرية غودل وضعت حدودا لما يمكن أن تفعله الآلات بما أنها وضعت حدا لما يمكن استنتاجه حسابيًا، ولكنها لم تضع حدودًا لما يمكن أن يفعله الإنسان.
فرضية سيرل حول الذكاء الاصطناعي القوي (الغرفة الصينية)
تعريف الذكاء الاصطناعي
وفي السياق ذاته، شهد الذكاء الاصطناعي تطورًا متسارعًا في أساليب التفاعل مع البشر، إذ لم يعد يقتصر على تنفيذ الأوامر النصية التقليدية، بل أصبح قادراً على إجراء محادثات أكثر طبيعية وتزامناً تشبه التواصل البشري. وتشمل هذه التطورات القدرة على الاستماع والتحدث والتفاعل اللحظي، إلى جانب فهم السياق وتقديم استجابات أكثر مرونة وتفاعلية أثناء المحادثة.
من جانب آخر، الذكاء الاصطناعي هو فرع من علم الحاسوب. تُعرِّفه الكثير من المؤلفات بكونه: «دراسة وتصميم العملاء الأذكياء»، والعميل الذكي هو نظام يستوعب بيئته ويتخذ المواقف التي تزيد من فرصته في النجاح في تحقيق مهمته أو مهمة فريقه.
وفي هذا السياق، هذا التعريف، من حيث الأهداف والأفعال والتصور والبيئة يرجع إلى وتشمل كذلك التعريفات الأخرى المعرفة والتعلم كمعايير إضافية. صاغ عالم الحاسوب جون مكارثي هذا المصطلح بالأساس في سنة 1956 م، وعرَّفه بنفسه بأنه «علم وهندسة صنع الآلات الذكية». ويعرِّف أندرياس كابلان ومايكل هاينلين الذكاء الاصطناعي بأنه «قدرة النظام على تفسير البيانات الخارجية بشكل صحيح، والتعلم من هذه البيانات، واستخدام تلك المعرفة لتحقيق أهداف ومهام محددة من خلال التكيف المرن».
فلسفة الذكاء الاصطناعي
إضافةً إلى ذلك، هل هناك حدود لمدى ذكاء الآلات؟ هل هناك فرق جوهري بين الذكاء البشري والذكاء الاصطناعي؟ وهل يمكن أن يكون للآلة عقل ووعي؟ عدد قليل من أهم الإجابات على هذه الأسئلة ترد أدناه.
يشكل الذكاء الاصطناعي تحديًا وإلهامًا لعلم الفلسفة؛
ومن جهة أخرى، إذا كان الجهاز يعمل بذكاء يضاهي الإنسان، إذًا فذكائه يماثل ذكاء الإنسان. تفيد نظرية آلان تورنغ أنه، في نهاية المطاف، لا يسعنا إلا أن نحكم على ذكاء الآلة بناء على أدائها. هذه النظرية تشكل أساس اختبار تورنغ.
آلات الحساب والذكاء «قانون تورنغ»
AI & ML in Fusion, video lecture
Presidential Address to the جمعية النهوض بالذكاء الاصطناعي.
Later published as
الإبداع
وفي هذا السياق، هو مجال فرعي للذكاء الاصطناعي، يتناول الإبداع من الناحية النظرية (من المنظور الفلسفي والنفسي) والعملية على حد سواء (من خلال تطبيقات معينة لنظم تولد مخرجات يمكن أن تعتبر إبداعية).
فرضية الدماغ الاصطناعي
إضافةً إلى ذلك، (Ray Kurzweil) وغيرهم قالوا بأنه من الممكن من الناحية التقنية نسخ الدماغ مباشرة في المعدات والبرمجيات، وبأن هذا سيكون مطابق للأصل تمامًا.
يمكن محاكاة المخ. هانز مورفيك (Hans Moravec)، راي كرزويل
تمثيل المعرفة
كذلك، ومن أصعب مشكلات تمثيل المعرفة اتساع ؛ فمجموعة الحقائق الأولية التي يعرفها الشخص العادي هائلة الحجم. وتبرز كذلك صعوبة الطابع تحت الرمزي لأغلب المعرفة العامة؛ فكثير مما يعرفه الناس لا يُمثَّل في صورة «حقائق» أو «عبارات» يمكنهم التعبير عنها لفظيًا. وهناك كذلك صعوبة ، أي الحصول على المعرفة اللازمة لتطبيقات الذكاء الاصطناعي.
علاوةً على ذلك، يتيح تمثيل المعرفة وهندسة المعرفة لبرامج الذكاء الاصطناعي أن تجيب عن الأسئلة بذكاء، وأن تستنتج حقائق تتعلق بالعالم الواقعي. وتُستعمل التمثيلات الصورية للمعرفة في الفهرسة والاسترجاع المعتمدين على المحتوى، وتفسير المشاهد، ودعم القرار السريري، واكتشاف المعرفة، أي استخراج استدلالات «مهمة» وقابلة للتطبيق من قواعد بيانات كبيرة، وفي مجالات أخرى.
علاوةً على ذلك، قاعدة المعرفة هي مجموعة من المعارف الممثَّلة بصيغة يستطيع البرنامج استخدامها. أما الأنطولوجيا فهي مجموعة الأشياء والعلاقات والمفاهيم والخصائص التي يستعملها مجال معرفي معيّن. وتحتاج قواعد المعرفة إلى تمثيل أشياء مثل الكائنات، والخصائص، والتصنيفات، والعلاقات بين الكائنات؛ والمواقف، والأحداث، والحالات، والزمن؛ والأسباب والنتائج؛ والمعرفة عن المعرفة، أي ما نعرفه عمّا يعرفه الآخرون؛ و، وهو ما يفترض البشر صحته ما لم يَرِد ما يخالفه، ويبقى صحيحًا حتى مع تغيّر حقائق أخرى؛ فضلًا عن جوانب ومجالات كثيرة أخرى من المعرفة.
الذكاء المحاسبي
وفي السياق ذاته، الآن تدرس هذه المداخل وغيرها من المناهج الشبه رمزية، مثل النظم التقريبية fuzzy systems والحسابات التطورية، مجتمعة من خلال مبحث ناشئ بمسمى الذكاء الحسابي.انظر IEEE مجتمع الذكاء المحاسبى
ومن جهة أخرى، تجدد الاهتمام بالشبكات العصبية و"الترابط" من خلال ديفيد روميلهارت David Rumelhart وآخرين في منتصف الثمانينيات.إحياء الصلة connectionism:
مداخل للذكاء الاصطناعي
ومن جهة أخرى، ، الذي يكتب ان هناك "فرعين رئيسيين للذكاء الاصطناعي: أحدهما يهدف إلى إنتاج سلوك ذكى بغض النظر عن كيف تم، والأخر يستهدف محاكاة العمليات الذكية الموجودة في الطبيعة، ولا سيما البشرية منها."
من جهة ثانية، وهل يمكن إعادة إنتاج الذكاء باستخدام رموز رفيعة المستوى، على غرار الكلمات والأفكار؟ أم أنها تحتاج إلى معالجة «شبه رمزية»؟الذكاء الاصطناعي الرمزي مقابل الذكاء الاصطناعي الشبه رمزي :
، والذي يستعمل مصطلح "شبه رمزي".
ومن ناحية أخرى، ، بحثا في العلوم، والذي يصف لامبالاة مكارثي McCarthy تجاه النماذج البيولوجية. كما نقلت كولاتا عن مكارثي قوله: "هذا هو الذكاء الاصطناعي، وبالتالي فإننا لا نهتم إذا كان حقيقيا من الناحية النفسية" [=% 22we http://books.google.com/books؟id=PEkqAAAAMAAJ&q + لا + الرعاية + إذا + ومن الناحية النفسية + +% 22 & الحقيقي dq =% 22we + لا + الرعاية + + لو انها حقيقية + + نفسيا% 22 & & الناتج هتمل pgis = = 1]. كرر مكارثي مؤخرا موقفه في الدورة الخمسين لمؤتمر الذكاء الاصطناعي "لا يقتصر الذكاء الاصطناعي على محاكاة الذكاء البشري" وهل يمكن وصف السلوك الذكي باستخدام مبادئ بسيطة وأنيقة (مثل المنطق أو التحسين)؟ أو هل يحتاج بالضرورة إلى حل عدد كبير من المشاكل غير المتعلقة ببعضها البعض؟النظاميين مقابل غير النظاميين:
وفي هذا السياق، لا توجد نظرية موحدة أو نموذج يوجه بحوث الذكاء الاصطناعي. اختلف الباحثون حول الكثير من القضايا.نيلز نيلسون يكتب : "ببساطة، هناك خلافات واسعة في هذا المجال عن المغزى الأساسي للذكاء الاصطناعي". من أكثر المسائل التي ظلت دون إجابة لمدة طويلة هي: هل ينبغي للذكاء الاصطناعي محاكاة الذكاء الطبيعي من خلال دراسة علم النفس أو علم الأعصاب؟ أم أن البيولوجيا البشرية لا تمت بصلة إلى أبحاث الذكاء الاصطناعي مثلما لا تمت بحوث بيولوجيا الطيور بصلة لهندسة الملاحة الجوية؟الذكاء البيولوجى مقابل الذكاء العام:
، الذي يجعل القياس على الطيران والهندسة.
نظرية التحكم
من جهة ثانية، نظرية التحكم، وليدة علم التحكم الآلي، لها الكثير من التطبيقات الهامة، وخاصة في الروبوتيات (أو علوم الإنسان الآلي).نظرية السيطرة:
، *
، *
من جانب آخر، طور بول فربوس Paul Werbos خوارزمية إعادة الانتشار backpropagation للمستقبلات المتعددة الطبقات في عام 1974،[498] ^االنشر العكسي Backpropagation :
أدوات بحث الذكاء الاصطناعي
وفي هذا السياق، خلال خمسين سنة من البحوث، صمم الذكاء الاصطناعي عددا كبيرا من الوسائل لحل أصعب المشاكل في علوم الكمبيوتر. نناقش أدناه عدد قليل من أعم هذه الوسائل.
، * ، *
من جانب آخر، وبرمجة المنطق الاستقرائي هي طريقة للتعلم.التعلم القائم على التفسير، التعلم القائم على الأهمية، وبرمجة المنطق استقرائي، والتفكير المنطقى بحسب الحالة:
علم التحكم الآلي ومحاكاة الدماغ
علاوةً على ذلك، في الأربعينيات والخمسينيات، قام عدد من الباحثين باستكشاف العلاقة بين علم الأعصاب، نظرية المعلومات، وعلم التحكم الآلي. بعضهم بني الآلات التي تستعمل الشبكات الإلكترونية لعرض الذكاء البدائي مثل سلاحف و. جراى والتر W. Grey Walter ووحش جونز هوبكنز Johns Hopkins. الكثير من هؤلاء الباحثين تجمعوا لحضور اجتماعات الجمعية الغائية في جامعة برينستون ونادي النسبية في إنكلترا. وبحلول عام 1960، أصبح هذا المنهج مهجور إلى حد كبير، على الرغم أن بعضا من عناصره عادت لها الحياة مرة أخرى في الثمانينيات.
التخطيط
من جهة ثانية، يجب أن تكون العوامل الذكية قادرة على تحديد الأهداف وتحقيقها. فهي في حاجة إلى طريقة لتصور المستقبل (يجب أن يكون لديها القدرة على تمثيل حال البشر في هذا العالم، وتكون قادرة على التنبؤ بمدى مقدرتهم على تغييره)، وتكون قادرة على الاختيار لتعظيم الفائدة (أو «القيمة») من الخيارات المتاحة.
من جانب آخر، في بعض مشاكل التخطيط، يمكن أن يفترض العامل الذكي أنه الشيء الوحيد الذي يعمل في العالم ويمكنه أن يصبح متأكدًا من عواقب تصرفاته. بالرغم من ذلك، وإذا كان ذلك غير صحيح، يجب أن يتأكد العامل بشكل دوري من اتساق توقعاته مع الواقع، ويجب أن يغير خطته عند الضرورة، يتطلب ذلك أن يعمل العامل في ظل عدم اليقين.
ومن جهة أخرى، التخطيط عن طريق عوامل متعددة يستعمل التعاون والمنافسة بين الكثير من العوامل لتحقيق هدف معين. السلوك الناشئ مثل هذا تستعمله الخوارزميات التطورية والذكاء السربى.
، *
انظر أيضاوالبرمجة الجينية.
الذكاء الاجتماعي
من جهة ثانية، يجب أن تكون قادرة على التنبؤ بأفعال الآخرين، وفهم دوافعهم وحالاتهم العاطفية. (وهذا ينطوي على عناصر من نظرية اللعبة، نظرية القرار، وكذلك القدرة على محاكاة العواطف البشرية ومهارات الإدراك الحسي للكشف عن العواطف).
من جانب آخر، لحسن التفاعل بين الإنسان والحاسوب، تحتاج الآلة الذكية كذلك أن تظهر المشاعر—على الأقل يجب أن تبدو مهذبة وحساسة في تفاعلها مع البشر. في أحسن الأحوال، ينبغي أن تكون لديها مشاعر عادية.
تقوم العواطف والمهارات الاجتماعية بدورين للعامل الذكي:
الطرق الاحتمالية للتفكير غير المؤكد
- الطرق العشوائية للتفكير الغير مؤكد :
- ، * ، * ، * ، *
- شبكاتشبكة Bayes :
من جانب آخر، مشاكل عديدة في أبحاث الذكاء الاصطناعي (في التفكير، والتخطيط، والتعلم، والفهم والروبوتيات) تتطلب عاملاً للعمل مع معلومات غير كاملة أو غير أكيدة. ابتداء من أواخر الثمانينيات وأوائل التسعينيات، دافع يهودا بيرل وغيره عن استخدام أساليب مستمدة من نظرية الاحتمال والاقتصاد لوضع عدد من أدوات قوية لحل هذه المشاكل.مساهمة يهودا بيرل قي مجال الذكاء الاصطناعي :
، * ، *
من أجل التوصل إلى بيانات الخصائص التي تحدد تصنيف الأداء.
قورن أداء هذه المصنفات بالكثير من مهام التصنيف
الجدل
علاوةً على ذلك، تأسس هذا المجال على افتراض أن مَلَكة الذكاء يمكن وصفها بدقة لدرجة تمكن الآلة من محاكاتها. وهذا يثير جدلاً فلسفياً حول طبيعة العقل البشري وحدود المناهج العلمية، وهي قضايا تناولتها نقاشات وحكايات أسطورية وخيالية وفلسفية منذ القدم.
علاوةً على ذلك، كما يدور جدل ماهية الذكاء وأنواعه التي يمتلكها الإنسان، وكيفية محاكاتها بالآلة والذكاء الاصطناعي كان وما زال سبباً لأفكار شديدة التفاؤل، ولقد عانى نكسات فادحة عبر التاريخ، واليوم أصبح جزءاً أساسياً من صناعة التكنولوجيا، حاملاً عبء أصعب المشاكل في علوم الحاسوب الحديثة.
وعلى صعيد آخر، إن بحوث الذكاء الاصطناعي من الأبحاث عالية التخصص والتقنيَّة، لدرجة أن بعض النقَّاد ينتقدون «تفكك» هذا المجال. وتتمحور المجالات الفرعية للذكاء الاصطناعي حول مشاكل معينة، وتطبيق أدوات خاصة وحول اختلافات نظرية قديمة في الآراء. تتضمن المشاكل الرئيسية للذكاء الاصطناعي قدراتٍ مثل التفكير المنطقي والمعرفة والتخطيط والتعلم والتواصل والإدراك والقدرة على تحريك وتغيير الأشياء. كما ولا يزال الذكاء العام (أو «الذكاء الاصطناعي القوي») هدفاً بعيد المدى لبعض الأبحاث في هذا المجال.
، * ، * ، *
الآخذ بالنصائح:
علاوةً على ذلك، ومع ذلك، سرعان ما يؤدي التنفيذ الساذج للخوارزميات إلى حدوث انفجار اندماجي أو حلقة لا نهاية لها. في عام 1974، اقترح روبرت كوالسكي تمثيل تعبيرات منطقية حسب شروط القرن (البيانات في شكل قواعد، كما يلي: «أن p إذا q»، مما اختزل الاستدلال المنطقي إلى تسلسل خلفي أو أمامي. هذا خفف المشكلة إلى حد كبير (ولكن لم يلغها).تاريخ منطق البرمجة:
والجزري
ومن جهة أخرى، تناقش قصص هذه المخلوقات ومصيرها الكثير من الآمال والمخاوف والاعتبارات الأخلاقية التي قدمها الذكاء الاصطناعي.
في هذا الإطار، وثمة مسألة أخرى يستكشفها كل من كتاب الخيال العلمي وذوي النزعة المستقبلية هي تأثير الذكاء الاصطناعي على المجتمع. في الروايات، ظهر الذكاء الاصطناعي باعتباره خادما (R2D2 في حرب النجوم)، وكمطبق القانون في ((K.I.T.T. "Knight Rider") ورفيقا (Lt. Commander Data in Star Trek), الغازي (The Matrix)، الديكتاتور (مكتوف الأيديWith Folded Hands)، والمدمر (المدمر، Battlestar Galactica)، وامتدادا لقدرات البشر في «شبح داخل المحار» (Ghost in the Shell)، والمنقذ للجنس البشري R. Daneel Olivaw في سلسلة التأسيس Foundation Series). اعتبرت بعض المصادر الأكاديمية أن هذه النتائج هي دعوة لتخفيض الطلب على العمالة البشرية،
أو فولفغانغ فون كمبلن.
كان من المعتقد أن جابر بن حيان صنعوا كائنات اصطناعية.
وعلى صعيد آخر، تتناول ماري شيلي في روايتها «فرانكشتين» / Frankenstein، مسألة أساسية في أخلاقيات الذكاء الاصطناعي، وهي: إذا كان من الممكن خلق جهاز لديه ذكاء، أيمكن أن يشعر كذلك؟ إذا كان يمكن أن يشعر، أيكن له نفس حقوق الإنسان؟ وتظهر كذلك هذه الفكرة في الخيال العلمي الحديث: في فيلم «الذكاء الاصطناعي»: يمثل الفيلم الآلة في صورة طفل صغير منح القدرة على الشعور بالعواطف البشرية، بما في ذلك، القدرة على الشعور بالمعاناة. يجري في الوقت الحالي النظر في هذه القضية، والتي تعرف الآن باسم «حقوق الروبوت»، في بعض المؤسسات؛ مثلًا، مؤسسة كاليفورنيا من أجل المستقبل،
ومن ناحية أخرى، رغم أن الكثير من النقاد يعتقدون أن من السابق لأوانه مناقشة هذا الشأن.
الذكاء الاصطناعي العام
ومن جهة أخرى، هو الذكاء الذي يمتلك القدرة على أداء أي مهمة فكرية يمكن للإنسان إنجازها، بما في ذلك الفهم، والتفكير المجرد، والتعلّم من تجارب متنوعة. لا توجد حتى الآن أنظمة وصلت إلى هذا المستوى، ويعتبر تطويرها من أكبر التحديات في أبحاث الذكاء الاصطناعي.
، * ، *
كذلك، يمكن استخدام الخوارزميات الاحتمالية كذلك للترشيح، والتنبؤ، وتمهيد، وإيجاد تفسيرات لتيارات البيانات، ومساعدة نظم التصور لتحليل العمليات التي تحدث على مر الزمنالنماذج العشوائية الزمنية : (مثلًا، نموذج ماركوف الخفي)نموذج ماركوف المخفي:
أو مرشح كالمانمرشح كالمان:
تخطيط (باستخدام شبكة قرار)شبكة قرار Bayes :
علاوةً على ذلك، وثمة مفهوم رئيسي من علم الاقتصاد هو «الجدوى»: مقياس لمعرفة قيمة شيء بالنسبة للعامل ذكي. وضعت أدوات رياضية دقيقة لتحليل كيف يمكن للعامل الاختيار والتخطيط، وذلك باستخدام نظرية القرار، قرار التحليل،نظرية القرار وتحليله:
علاوةً على ذلك، وتصور (باستخدام شبكة دينامية النظرية الافتراضية).شبكة Bayes الديناميكية:
العامل البنيوي [أو] المعرفية البنيوية
وفي هذا الصدد، النظام الذي يتكون من مكونات رمزية وشبه رمزية هو نظام ذكي هجين، ودراسة مثل هذه الأنظمة تعتبر تكاملا بين أنظمة الذكاء الاصطناعي. يوفر نظام المراقبة الهرمية جسرا بين الذكاء الاصطناعي الشبه رمزي في قاع الهرم والمستويات الاستجابية والذكاء الاصطناعي التقليدي الرمزي في أعلى الهرم، حيث تسمح المسافة الزمنية بالتخطيط ووضع النماذج للعالم.البص Albus, J. S، بنية رقم النموذج 4-D/RCS للمركبات بدون سائقين. في ج جيرهارد G Gerhart، ر جاندرسون R Gunderson، س شوميكر C Shoemaker، المحررين، وقائع جلسة SPIE AeroSense Session on Unmanned Ground Vehicle Technology حول تكنولوجيا مركبات البر بدون سائقين، عدد رقم 3693، صفحات 11-20 كان هيكل التصنيف الخاص برودني بروكس Rodney Brooks اقتراحا مبكرا لهذا النظام الهرمي.
في هذا الإطار، صمم باحثون أنظمة لبناء نظم ذكية من خلال تفاعل العوامل الذكية في النظام متعدد العوامل.بنية العامل، النظام ذكي المختلط:
أنواع الذكاء الاصطناعي
وفي السياق ذاته، يمكن تصنيف الذكاء الاصطناعي إلى ثلاث فئات رئيسية وفق قدراته ومستوى محاكاته للذكاء البشري:
البحث والتحسين
كذلك، تبحث الخوارزميات التخطيطية خلال تفريعات من الأهداف الرئيسية والفرعية، في محاولة لإيجاد الطريق إلى الهدف، وهي عملية تسمى تحليل الوسائل والغايات.بحث مساحة الحالة والتخطيط:
وفي هذا الصدد، أبحاث بسيطة شاملةالبحث عن جهل (اتساع أول البحث، وعمق البحث الأولى وبحث المساحة العامة للحالة):
علاوةً على ذلك، الكثير من خوارزميات التعلم تستعمل خوارزميات البحث على أساس قابلية التحسين.
كذلك، تستعمل الخوارزميات الروبوتية محركات بحث محلية لتحريك الأطراف واستيعاب الأشياء في مساحة التكوين.
وفي هذا الصدد، نادرا ما تكون كافية لأغلب مشاكل العالم الحقيقي: فضاء البحث (عدد أماكن البحث) لتنمو بسرعة إلى أرقام فلكية. والنتيجة هي بحثا بطيئا للغاية أو بحثا لا ينجز أبدا. الحل بالنسبة لكثير من المشاكل، هو استخدام «الاستدلال» أو «قواعد التجربة» التي تقضي على الخيارات التي يستبعد أن تؤدي إلى الهدف (وهي تسمى «تشذيب شجرة البحث»). يوفر الاستدلال البرنامج بـ«أفضل تخمين» عن طريق الحل.الكشف عن مجريات الأمور، أو البحث عن علم (مثل الأول الأفضل والجشع والذكاء الاصطناعي القوى*):
علاوةً على ذلك، يمكن حل الكثير من مشاكل الذكاء الاصطناعي من الناحية النظرية بالبحث الذكي في الكثير من الحلول الممكنة: يمكن أن يختزل التفكير المنطقي إلى إجراء البحث. مثلًا، يمكن اعتبار الدليل المنطقي بحثا عن مسار ينطلق من افتراضات إلى نتائج، حيث كل خطوة هي تطبيق لقاعدة الاستدلال.التسلسل الأمامى، التسلسل الخلفي، شروط القرن Horn clauses، والاستنتاج المنطقي كنوع من البحث:
التعلم
ومن جهة أخرى، تعلم الآلة كان تعلم الآلة محوريًا في أبحاث الذكاء الاصطناعي منذ البداية. التعلم دون إشراف هو القدرة على إيجاد أنماط في عدد كبير من المدخلات. التعلم تحت الإشراف يشمل كلاً من التصنيف (القدرة على تحديد إلى أي فئة ينتمي شيء ما، بعد رؤية عددا من النماذج لعدة أشياء من فئات عدة)، والتراجع (اكتشاف آلية مستمرة من شأنها أن تولد نواتج من المدخلات، في ضوء مجموعة من المدخلات والمخرجات العددية من الأمثلة). في التعلم التقويمي يكافئ العامل على الاستجابة الحسنة ويعاقب على الاستجابة السيئة. يمكن تحليل هذه الاستجابات من حيث نظرية القرار، وذلك باستخدام مفاهيم مثل المنفعة. التحليل الرياضي لخوارزميات تعلم الآلة وأدائها هو فرع من علوم الحاسوب النظرية المعروفة باسم نظرية التعلم الحسابية.
، **
في هذا الإطار، ، ** ، ** ، ** ، ** يسمح كذلك باستخدام الكلمات الدالة على الكمية والخبر، ويمكنه التعبير عن حقائق الأشياء، وخواصهم، وعلاقاتهم مع بعضهم البعض.
المنطق الأولي:المنطق الأولي وخصائص مثل المساواة:
هو منطق البيانات التي يمكن أن تكون صحيحة أو غير صحيحة.
وفي هذا الصدد، المنطق الافتراضي، المنطق غيرالمونوتوني والمحيط: هي أشكال المنطق الذي صمم للمساعدة في المنطق الافتراضي ومشكلة التأهيل.
وعلى صعيد آخر، صممت عدة امتدادات للمنطق للتعامل مع مجالات محددة من المعرفة، مثل: المنطق الوصفي؛ وحساب الموقف، وحساب الحدث والحساب الطليق (لتمثيل الأحداث والزمن) الحساب السببي؛ حساب المعتقد، ومنطق الاحتمالات.
إضافةً إلى ذلك، المنطق التقريبي: هو نوع من المنطق الأولي والذي يسمح بتمثيل حقيقة الجملة بقيمة بين 0 و1، بدلا من مجرد (1) للصحيح أو (0) للخطأ. يمكن استخدام النظام التقريبي للتفكير غير المؤكد، وكان المنطق الذي يستعمل على نطاق واسع في الصناعة الحديثة ونظم مراقبة المنتجات الاستهلاكية.المنطق الواضح:
الروابط الخارجية
من جهة ثانية، ما هو الذكاء الاصطناعي، «مقدمة لعلم الذكاء الاصطناعي» تأليف مؤسس علم الذكاء الاصطناعي جون مكارثي.
، * ، * ، *
من جانب آخر، وهناك نوع مختلف جدا من البحث برز في التسعينيات، على أساس نظرية التحسين الرياضية. بالنسبة لكثير من المشاكل، من الممكن أن تبدأ عملية البحث بشكل ما من التكهن والتخمين، ثم يعدل التخمين تدريجيا حتى الوصول إلى الدرجة المثلى التي لا يمكن إجراء أي تحسينات بعدها. يمكن تصور هذه الخوارزميات كأنها أعمى يتسلق التلال: يبدأ البحث عند نقطة عشوائية على الساحة، ولاحقًا، بعض القفزات أو الخطوات، ونستمر في تحريك تخمينا بصعود هذا التل، إلى أن نصل إلى القمة. من خوارزميات التحسين الأخرى: محاكاة الصلب، بحث الشعاع والتحسين العشوائي.بحث عمليات التحسين:
من جانب آخر، تستعمل المحاسبة التطورية شكل من أشكال البحث الأمثل. مثلًا، قد تبدأ من الكائنات التي يبلغ عدد سكانها (التكهنات)، ثم السماح لهم بالتحور وإعادة التكوين، واختيار الأصلح فقط للبقاء على قيد الحياة كل جيل (صقل التخمينات). أشكال التطور الحسابية تشمل خوارزميات الذكاء السربي (مثل مستعمرة النمل أو تحسين سرب الجسيمات)الحياة الاصطناعية، والتعلم المبني على أساس المجتمع:
من جانب آخر، والخوارزميات التطورية (مثل الخوارزميات الجينية)الخوارزمية الجينية للتعلم:
اتساع المعرفة المنطقية
من جهة ثانية، يعلم الإنسان العادي عددًا كبيرًا من الحقائق عن الذرة. مشاريع البحوث التي تسعى إلى بناء قاعدة كاملة من المعرفة المنطقية (مثل Cyc) تتطلب كميات هائلة من الهندسة الأنطولوجية -- فهي يجب أن تبنى بطريقة تقليدية حيث تُبْنَى المفاهيم المعقدة واحدًا تلو الآخر. من أحد الأهداف الرئيسية أن يفهم جهاز الكمبيوتر عددًا وافرًا من المفاهيم ليكون قادرًا على التعلم من خلال قراءة مصادر مثل الإنترنت، وبالتالي يكون قادرًا على أن يضيف إلى أنطولوجية.
، * ، * ، *
المنطق الاقتراحي أو العباري:المنطق الاقتراحي:
إضافةً إلى ذلك، هناك عدة أشكال مختلفة من المنطق المستعمل في بحوث الذكاء الاصطناعي.
تعزيز القدرة البشرية أو الخبرة
وحاجة لإعادة تعريف الهوية الإنسانية والقيم الأساسية.
وعلى صعيد آخر، يزعم بعض المستقبليين أن الذكاء الاصطناعي سوف يتجاوز حدود التقدم وسيغير الإنسانية تغييرا جوهريا. استعمل رأى كرزويل راي كورزويل قانون مور (الذي يصف التحسن الكبير في التكنولوجيا الرقمية بالدقة الخارقة) لحساب أن الكمبيوتر سوف يكون له نفس قوة المعالجة لدى العقول البشرية بحلول سنة 2029، وبحلول عام 2045 سوف يصل الذكاء الاصطناعي إلى نقطة يصبح عندها قادرا على تحسين نفسه بمعدل يتجاوز كل ما يمكن تصوره في الماضي، وهو سيناريو الخيال العلمي الذي صاغه الكاتب فيرنور فينج Vernor Vinge وأسماه «تفرد تقني».
وفي السياق ذاته، توقع الكثير من المستقبليين وكتاب الخيال العلمي أن البشر والآلات ستندمج في المستقبل وتصبح سايبورغ (أي نظام يمزج بين صفات طبيعية ووصفات اصطناعية فيكون بذلك أكثر قدرة وقوة من كليهما. تسمى هذه الفكرة «ما فوق الإنسانية»، transhumanism ولها جذور في كتابات ألدوس هكسلي وروبرت إتنجر Robert Ettinger، وهي الآن مرتبطة باسم مصمم الروبوت هانز مورفيك Hans Moravec وعالم التحكم الآلي كيفن وارويك Kevin Warwick، والمخترع راي كرزويل Ray Kurzweil. مُثِّلَت ال«ما فوق إنسانية»Transhumanism في الروايات كذلك، مثلًا في قصة المانجا اليابانية«الشبح في محار» وسلسلة الخيال العلمي المسماة «سلسلة الكثيب». كتبت باميلا مكوردك Pamela McCorduck أن هذه السيناريوهات تعتبر تعبيرا عن الرغبة البشرية القديمة في، كما وصفته، «تشكيل الآلهة».
- انظر كذلك
- مشكلة التحكم في الذكاء الاصطناعي
- قانون الذكاء الاصطناعي
- أتمتة عمليات الأعمال
- أتمتة العمليات الآلية
- تفكير حاسوبي
- تنظيم الذكاء الاصطناعي
- ذكاء اصطناعي ضعيف
- ذكاء عام اصطناعي
- راتب أساسي
- سباق التسلح بالذكاء الاصطناعي
- سيطرة الذكاء الاصطناعي
- المنطق المعتمد على الحالة
- دخل أساسي شامل
- حقن التعليمات
- تعلم الآلة المصغر
- ملاحظات
- المراجع
- المصادر
من جانب آخر، إدوارد Fredkin يقول إن «الذكاء الاصطناعي هو المرحلة التالية في التطور» وهي فكرة اقترحها لأول مرة صموئيل بتلر / «داروين بين ماكينات» (1863)، وأفاض في الحديث عنها جورج دايسون في كتابه الذي يحمل نفس الاسم في عام 1998.
الشبكات العصبية
من جانب آخر، دراسة الشبكة العصبية الاصطناعيةالشبكات العصبية والصلة connectionism:
التخطيط واتخاذ القرار
وفي هذا الصدد، «الوكيل» هو أي كيان، اصطناعيًا كان أو غير اصطناعي، يدرك العالم ويتخذ فيه أفعالًا. وللوكيل العقلاني أهداف أو تفضيلات، ويتخذ أفعالًا لتحقيقها. في التخطيط الآلي، يكون للوكيل هدف محدد. أما في ، فتكون له تفضيلات؛ فهناك حالات يفضّل أن يكون فيها، وحالات أخرى يحاول تجنّبها. ويُسنِد وكيل اتخاذ القرار رقمًا إلى كل حالة، يُسمّى «منفعتها»، ويقيس مقدار تفضيله لها. ولكل فعل ممكن، يستطيع الوكيل حساب «المنفعة المتوقعة»، أي منفعة جميع النتائج الممكنة لذلك الفعل، مع ترجيح كل نتيجة بحسب احتمال وقوعها. ثم يختار الفعل الذي يحقق أعلى منفعة متوقعة.
من جانب آخر، في بعض المشكلات، قد تكون تفضيلات الوكيل غير مؤكدة، خاصة إذا شارك في المسألة وكلاء آخرون أو بشر. ويمكن تعلّم هذه التفضيلات، مثلًا باستخدام التعلم التعزيزي العكسي، أو يمكن للوكيل أن يطلب معلومات لتحسينها. وتُستعمل نظرية للموازنة بين قيمة الأفعال الاستكشافية أو التجريبية. وعادةً ما يكون فضاء الأفعال والحالات المستقبلية الممكنة واسعًا إلى حد يتعذر التعامل معه عمليًا، لذلك يجب على الوكلاء أن يتخذوا الأفعال ويقيّموا الحالات مع بقاء قدر من عدم اليقين بشأن النتائج.
وعلى صعيد آخر، تصف نظرية الألعاب السلوك العقلاني لعدة وكلاء متفاعلين، وتُستعمل في برامج الذكاء الاصطناعي التي تتخذ قرارات تشمل وكلاء آخرين.
من جانب آخر، وإلى جانب الاختبار الدقيق والتحسين المبني على القرارات السابقة، يساعد تفسير سبب اتخاذ الوكيل قرارات معينة على بناء الثقة، ولا سيما عندما تكون هذه القرارات مما يُعتمد عليه.
من جهة ثانية، في التخطيط الكلاسيكي، يعرف الوكيل بدقة أثر كل فعل. لكن في أغلب مشكلات العالم الواقعي، قد لا يكون الوكيل متيقنًا من الحالة التي يوجد فيها؛ فقد تكون «مجهولة» أو «غير قابلة للملاحظة». وقد لا يعرف يقينًا ما الذي سيحدث بعد كل فعل ممكن، لأن النتيجة ليست «حتمية». لذلك يختار فعلًا بناءً على تقدير احتمالي، ثم يعيد تقييم الحالة ليرى هل نجح الفعل أم لا.
كذلك، تتضمن عملية قرار ماركوف نموذج انتقال يصف احتمال أن يغيّر فعل معيّن الحالة بطريقة محددة، ودالة مكافأة تعطي منفعة كل حالة وتكلفة كل فعل. وتربط السياسة قرارًا بكل حالة ممكنة. ويمكن حساب السياسة، مثلًا بالتكرار، أو أن تكون استرشادية، أو يمكن تعلّمها.
نموذج العامل الذكي
، * ،
من جهة ثانية، العامل الذكي هو نظام يستوعب بيئته ويتخذ المواقف التي تزيد من فرصته في النجاح. العوامل الذكية في أبسط أشكالها هي برامج لحل مشاكل محددة. وأكثرها تعقيدا هو الإنسان المفكر والعقلاني.نمط العامل الذكي:
من جهة ثانية، هذا النموذج يعطي الباحثون رخصة لدراسة المشاكل المنفردة وإيجاد حلول يمكن التحقق من صحتها والاستفادة منها ها على حد سواء، من دون الاتفاق على نهج واحد. يمكن للعامل استخدام أي نهج يصلح لحل مشكلة محددة—بعض العوامل رمزية ومنطقية، وبعضها شبكات عصبية شبه رمزية وغيرها يمكنه استخدام مداخل جديدة. كما يقدم النموذج للباحثين لغة مشتركة للتواصل مع مجالات أخرى، مثل نظرية القرار والاقتصاد والتي تستعمل كذلك مفاهيم العوامل المجردة. أصبح نموذج العامل الذكي مقبولا على نطاق واسع خلال التسعينيات."أصبحت فكرة العامل الكامل مقبولة على نطاق واسع"
المصنفات وطرق التعلم الإحصائي
ومن ناحية أخرى، الذكاء الاصطناعي أبسط تطبيقاته يمكن تقسيمها إلى نوعين: المصنفات («إذا كانت براقة فهي ماس»)، ووحدات التحكم («إذا كانت لامعة، فالتقطها»). ولكن أدوات التحكم تصنف الشروط قبل أن تستنتج الأفعال، ولذلك يشكل التصنيف جزءًا أساسيًا من الكثير من نظم الذكاء الاصطناعي.
والمصنفاتطرق التعلم الإحصائي وأساليب التصنيف:
محاكاة المعرفة
سورٍ Soar (البنية المعرفية)(تاريخ):
في هذا الإطار، رجلا الاقتصاد هربرت سيمون وآلان نويل درسا المهارات البشرية وحاولا وضعها في إطار شكلي. وبأعمالهما هذه وضعا أساس علم الذكاء الاصطناعي، فضلا عن العلوم المعرفية، وبحوث العمليات وعلم الإدارة. أجرى فريقهم البحثي تجاربا نفسية لبيان أوجه التشابه بين مهارات الإنسان في حل المشاكل ومهارات البرامج التي كانوا يصممونها (مثل «حلال المشكلات العام»). كان مقدرا لهذا التقليد، المتركز في جامعة كارنيغي ميلون، في نهاية المطاف أن يؤدي إلى تطوير بناء ال Soar (بناء معرفي رمزي) في منتصف الثمانينيات.المحاكاة المعرفية، نويل وسيمون، الذكاء الاصطناعي في CMU (التي كانت تسمى آنذاك كارنيجي للتكنولوجيا) :
، *
من جانب آخر، عندما ترد ملاحظة جديدة، تصنف هذه الملاحظة على أساس الخبرة السابقة. يمكن تدريب المصنفات بطرق مختلفة، فهناك الكثير من المناهج الإحصائية ومناهج تعليم الآلة.
كذلك، وهناك مجموعة واسعة من المصنفين متاحة، ولكل منها نقاط قوتها ونقاط ضعفها. ويعتمد أداء المصنف إلى حدّ كبير على خصائص البيانات المراد تصنيفها. لا يوجد تصنيف واحد يعمل على النحو الأفضل في كل المشاكل وهو ما يشار إليه بنظرية «لا توجد وجبة غذاء مجانية». أجريت اختبارات تجريبية مختلفة للمقارنة بين أداء المصنفات وللعثور على خصائص البيانات التي تحدد تصنيف الأداء. على الرغم من ذلك، يعتبر تحديد المصنف المناسب لمشكلة معينة فنا أكثر من كونه علما.
وفي هذا السياق، من المهام التي تستعمل نمط المطابقة لتحديد أقرب مطابقة. يمكن ضبطها بحسب نماذج وجعلها جذابة جدا للاستخدام في الذكاء الاصطناعي. تعرف هذه الأمثلة بالملاحظات أو الأنماط. في التعليم تحت إشراف، ينتمي كل نمط إلى فئة معينة محددة سلفا. يمكن اعتبار هذه الفئة قرارا يجب أن يتخذ. تعرف جميع الملاحظات مع علامات فئاتها باسم مجموعة من البيانات.
، * ، * ، *
ومن جهة أخرى، أدخله جون مكارثي في مجال أبحاث الذكاء الاصطناعي في سنة 1958 خلال أطروحته المسماة «الآخذ بالمشورة». في سنة 1963، اكتشف ج.آلان روبنسون طريقة خوارزمية بسيطة وكاملة تماما للاستنتاج المنطقي الذي يمكن بسهولة أن يقوم به الحواسيب الرقمية.النقاء والوحدة:
الذكاء الاصطناعي الفائق
علاوةً على ذلك، وهو مستوى متقدم نظريا يفوق الذكاء البشري في جميع النواحي، بما في ذلك الإبداع، واتخاذ القرار، والمهارات الاجتماعية. وصفه الفيلسوف نيك بوستروم بأنه "ذكاء يفوق أفضل العقول البشرية في كل مجال على وجه التقريب"، ويُثير هذا النوع مخاوف أخلاقية وتنظيمية مستقبلية.
شكل الفرعي الرمزي لبعض المعرفة المنطقية
من جهة ثانية، الكثير مما يعرفه الناس غير ممثل بـ«الحقائق» أو «البيانات» التي يمكن التحدث عنها. مثلًا، تجد من كان ذا خبرة بالشطرنج يتجنب موضعا معينا لأنه «مكشوف أو غير آمن» وتجد الناقد الفني يدرك أن تمثالًا مزيفًا بنظرة واحدة. هذه بديهيات أو ميول تتمثل في الدماغ بشكل غير واع وشبه رمزي. مثل هذه المعرفة يدعم ويوفر السياق، للمعرفة الرمزية الواعية. وكما هو الحال مع مشكلة التفكير المنطقي الشبه رمزي، من المأمول أن توفر أبحاث الذكاء الاصطناعي أو الذكاء الحسابي وسائل لتمثيل هذا النوع من المعرفة.
الذكاء الاصطناعي التقليدي الرمزي
وفي هذا الصدد، عند الوصول إلى الحواسيب الرقمية أصبح من الممكن في منتصف الخمسينيات، بدأت أبحاث الذكاء الاصطناعي استكشاف إمكانية أن يختزل الذكاء البشري للتحكم بالرموز. وكان مركز الأبحاث في المؤسسات الثلاث : CMU، وستانفورد ومعهد ماساتشوستس للتكنولوجيا، وضعت كل واحدة أسلوبها الخاص في البحث. أطلق جون هاوجلاند John Haugeland على هذه المداخل للذكاء الاصطناعي اسم «الطراز القديم الجيد للذكاء الاصطناعي» أو "GOFAI".
الحركة وإمكانية التغيير
من جهة ثانية، مجال الروبوتات هو ذو صلة وثيقة بالذكاء الاصطناعي. يلزم الروبوتات الذكاء لتكون قادرة على التعامل مع مهام مثل تغيير الأشياء، والملاحة، في ظل مشاكل الفرعية الخاصة بتحديد المكان (أن تعلم أين أنت)، ورسم الخرائط (أن تعلم ما حولك)، وتخطيط الحركة (أن تعرف كيف تصل إلى هناك).
، * ، *
وفي هذا السياق، مما أدى إلى نهضة في مجال البحث والشبكة العصبية و"الترابط"connectionism) بشكل عام في منتصف الثمانينيات. شبكة هوبفيلد The Hopfield net، هي شكل من أشكال شبكة الجذب، وكان أول من وصفها هو جون هوبفيلد John Hopfield في عام 1982.
ومن ناحية أخرى، من الشبكات البنائية التي طُوِّرَت شبكة ال feedforward، وشبكة القاعدة الشعاعية، خريطة كوهونن Kohonen المنظمة ذاتيا ومختلف الشبكات العصبية المتكررة s. تطبق الشبكات العصبية على مشكلة التعليم، باستخدام تقنيات مثل التعلم بطريقة هب Hebbian learning،التعلم التنافسي، التعلم بالمصادفة Hebbian coincidence learning، وشبكة هوبفيلد Hopfield والشبكات الجاذبة:
والتعلم التنافسي.
علاوةً على ذلك، والتصميمات الجديدة نسبيا مثل التسلسل الهرمي للذاكرة الزمنية وشبكات الاعتقاد العميق.
الذكاء العام
من جانب آخر، يأمل أغلب الباحثين أن تدمج أعمالهم في نهاية المطاف في صورة آلة ذات ذكاء عام (يعرف باسم الذكاء الاصطناعي القوي)، يجمع كل المهارات السابق ذكرها ويتجاوز أغلب أو كل القدرات البشرية. يعتقد البعض أن هذا المشروع يتطلب سمات إنسانية مصطنعة مثل الوعي الاصطناعي أو المخ الاصطناعي.[272] ^زعم جيرالد إيدلمان، إيغور الكسندر وغيرهم أن الوعي الاصطناعي مطلوب للذكاء الاصطناعي القوى. الاقتباس في التقدم راي كرزويل Ray Kurzweil، جيف هوكينز Jeff Hawkins، وآخرون قالوا أن الذكاء الاصطناعي القوي يتطلب محاكاة عمل الدماغ البشري. الاقتباس في التقدم
وفي هذا السياق، كثير من المشاكل المذكورة أعلاه تعتبر جزءاً لا يتجزأ من مسألة الذكاء الاصطناعي التام: لحل مشكلة واحدة، يجب حل كل هذه المشكلات. مثلًا، تتطلب مهمة محددة مثل الترجمة الآلية أن تتابع الآلة رأي الكاتب (العقل)، ومعرفة ما يجري الحديث عنه (المعرفة)، وإعادة كتابة نية الكاتب بأمانة (ا الذكاء الاجتماعي). ولذلك، يعتقد أن الترجمة الآلية وثيقة الصلة بالذكاء الاصطناعي التام: قد تحتاج الذكاء الاصطناعي القوي لتترجم مثلما يترجم الإنسان.الذكاء الاصطناعي الكامل :
اللغات المتخصصة
من جهة ثانية، وضع باحثو الذكاء الاصطناعي الكثير من اللغات المتخصصة لبحوث الذكاء الاصطناعي:
وعلى صعيد آخر، الستربس STRIPS: هي لغة للتعبير عن التخطيط الآلي للمشاكل. تعبر عن الحالة الأولية، أحوال الهدف، ومجموعة من الإجراءات. لكل عمل شروط محددة مسبقا (ما يجب أن يحدد قبل أنجاز العمل) وشروط مؤخرة (ما يُحَدَّد بعد انجاز العمل).
وفي السياق ذاته، تكتب تطبيقات الذكاء الاصطناعي كذلك في كثير من الأحيان بلغات معيارية مثل س + + واللغات المصممة من أجل الرياضيات MATLAB وLush.
البرولوج Prolog:البرولوج:
ومن ناحية أخرى، IPL: هي اللغة الأولى التي صممت لتطبيقات الذكاء الاصطناعي. وتشمل سمات تدعم برامج حل المشكلات العامة، بما في ذلك من قوائم، الأفكار المرتبطة ببعضها البعض، المخططات (الأطر)، التخصيص الحركي للذاكرة، وأنواع البيانات، واستدعاء ذاتي، الاسترجاع المترابط، الوظائف مثل القيم، والمولدات الكهربائية (تيارات)، والقيام بمهام متعددة بشكل متناسق.
إضافةً إلى ذلك، [Lisp [511: هو نظام عملي حسابي لبرامج الكمبيوتر بني على أساس لامبدا في الحساب lambda calculus. القوائم المترابطة هي واحدة من هياكل البيانات الرئيسية للغات Lisp، ومصدر شفرة Lisp هو نفسه مكون من القوائم. ونتيجة لذلك، يمكن أن تغير برامج Lisp شفرة المصدر بوصفها هياكل البيانات، وهو ما نتج عنه الأنظمة الكلية التي تسمح للمبرمجين بإنشاء تراكيب جديدة أو البرمجة المتخصصة المتضمنة في Lisp. هناك الكثير من لهجات Lisp المستعملة اليوم.
علاوةً على ذلك، ، ** هي لغة بيانية تعبر عن البرامج من خلال العلاقات، ويحدث التنفيذ 'عن طريق تشغيل الاستفسارات queries حول هذه العلاقات. للبرولوج فائدة خاصة في التفكير المنطقي الرمزي، وتطبيقات قواعد البيانات والتحليل. يستعمل البرولوج على نطاق واسع في الذكاء الاصطناعي اليوم.
من جهة ثانية، المخطط: هو مزيج بين اللغات الإجرائية والمنطقية. وهي تعطي تفسيرا إجرائيا مبسطا لجمل منطقية على عكس الدلالات التي تفسر عن طريق الاستدلال النمطي.
التعلّم
كذلك، التعلّم الآلي هو دراسة البرامج التي تستطيع تحسين أدائها تلقائيًا في مهمة معينة. وقد كان جزءًا من الذكاء الاصطناعي منذ بدايته.
إضافةً إلى ذلك، في التعلّم التعزيزي، يُكافأ الوكيل على الاستجابات الجيدة ويُعاقب على السيئة. ويتعلم الوكيل اختيار الاستجابات التي تُصنَّف على أنها «جيدة».[46] أما نقل التعلّم فهو تطبيق المعرفة المكتسبة من مسألة ما على مسألة جديدة.[47] والتعلّم العميق نوع من التعلّم الآلي يمرّر المُدخلات عبر شبكات عصبية اصطناعية مستلهمة من الأحياء، ويُستعمل في هذه الأنواع كلها من التعلّم.[48]
علاوةً على ذلك، وتستطيع نظرية التعلّم الحاسوبي تقييم المتعلّمين بحسب التعقيد الحاسوبي، أو تعقيد العينة، أي مقدار البيانات المطلوبة، أو بحسب مفاهيم أخرى من مفاهيم التحسين.[49]
وفي السياق ذاته، هناك أنواع عدة من التعلّم الآلي. يحلل التعلّم غير المراقب تدفقًا من البيانات، ويعثر على الأنماط، ويقدّم تنبؤات من غير توجيه إضافي.[44] أما التعلّم المراقب، فيتطلب وسم بيانات التدريب بالإجابات المتوقعة، وله نوعان رئيسيان: التصنيف، وفيه يجب على البرنامج أن يتعلم التنبؤ بالفئة التي ينتمي إليها المُدخل؛ والانحدار، وفيه يستنتج البرنامج دالة عددية بناءً على مُدخلات عددية.[45]
الكتب
- Later edition:
- .
- تاريخ الذكاء الاصطناعي
- مصادر أخري
- AI & ML in Fusion
أكثر المصنفات استخداما هي الشبكة العصبية
- الطرق الأساسية مثل دعم جهاز النقل المدعمالطرق الرئيسية:
- خوارزمية (ك) لأقرب جارخوارزمية ك لأقرب جار:
- النموذج كارل فريدريش جاوس المختلطنموذج جاوس الخليط:
- مصنف بايز Bayes البسيط،مصنف بايز البسيط:
- وشجرة القرارات.شجرة القرارات:
الاستدلال وحلّ المشكلات
ومن ناحية أخرى، لا تكفي كثير من هذه الخوارزميات لحلّ مسائل الاستدلال الكبيرة؛ لأنها تواجه «انفجارًا توافقيًا»، فتزداد بُطئًا على نحو أُسِّي كلما كبر حجم المسألة. وحتى البشر نادرًا ما يعتمدون على الاستنباط المتدرج الذي استطاعت أبحاث الذكاء الاصطناعي المبكرة نمذجته. فأغلب المشكلات التي يواجهها الإنسان تُحلّ بأحكام سريعة وحدسية.
ومن ناحية أخرى، طوّر الباحثون الأوائل خوارزميات تُحاكي الاستدلال المتدرج الذي يستعمله البشر عند حلّ الألغاز أو إجراء الاستنتاجات المنطقية. وبحلول أواخر ثمانينيات القرن العشرين وتسعينياته، ظهرت طرائق للتعامل مع المعلومات الناقصة أو غير المؤكدة، بالاستعانة بمفاهيم من الاحتمالات والاقتصاد.
وفي هذا السياق، ظهرت ، وهي نوع من النماذج اللغوية الكبيرة المدرَّبة على توليد سلاسل تفكير وسيطة، في سنة 2024، وأتاحت أداءً أفضل في المسائل المعقدة في الرياضيات والبرمجة.
الذكاء الاصطناعي الضيق
علاوةً على ذلك، ويُعرف كذلك بالذكاء الاصطناعي المحدود، وهو النوع المستعمل في الوقت الحالي في أغلب التطبيقات. يتخصص في مهمة واحدة محددة، مثل التعرّف على الوجوه، أو الترجمة الآلية، أو لعب الشطرنج. هذه الأنظمة تُظهر كفاءة عالية في مجالها المحدد، لكنها غير قادرة على أداء مهام خارج نطاق تخصصها. يتخصص في مهمة واحدة محددة، مثل التعرّف على الوجوه، أو الترجمة الآلية، أو لعب الشطرنج. هذه الأنظمة تُظهر كفاءة عالية في مجالها المحدد، لكنها غير قادرة على أداء مهام خارج نطاق تخصصها.
أبحاث الذكاء الاصطناعي في الأسطورة، والرواية والتكهنات
وبطل الإسكندرية
بما في ذلك آلات يان شي Yan Shi،
من جهة ثانية، آلات التفكير والكائنات الاصطناعية تظهر في الأسطورة اليونانية ق، مثل طالوس في «كريت»، والروبوتات الذهبية في هيفيستوس وجالاتيا في بجماليون.
في هذا الإطار، يعتقد أن أشباه البشر الذكية نشأت في كثير من المجتمعات القديمة، ومن أقدمها التماثيل المقدسة التي عبدت في مصر واليونان،
تقييم الذكاء الاصطناعي
الممتحنين من البشر.
إضافةً إلى ذلك، ويمكن كذلك أن يقيم الذكاء الاصطناعي بحسب مشاكل محددة مثل مشاكل صغيرة في الكيمياء، والتعرف على خط اليد والألعاب. سميت هذه الاختبارات باختبارات تورنغ الخبيرة. كلما صغر حجم المشاكل زاد عدد الأهداف القابلة للتحقيق، وهناك عدد متزايد من النتائج الإيجابية.
كذلك، الأداء في الشطرنج، يندرج تحت «الإنسان الخارق» ويقترب من «الإنسان الخارق القوي»
وفي هذا الصدد، كيف يمكن تحديد ما إذا كان العامل ذكيا أم لا؟ في عام 1950، اقترح آلان تورنغ إجراء عام لاختبار ذكاء عاملاً يعرف الآن باختبار تورنغ. يسمح هذا الإجراء باختبار أغلب المشاكل الرئيسية للذكاء الاصطناعي. ولكنه يعد تحديا صعبا للغاية في الوقت الحالي وجميع العوامل التي خضعت له باءت بالفشل.
أنه يمكن تطبيقها على الذكاء غير الإنساني، وفي غياب
علاوةً على ذلك، والأداء في الكثير من المهام اليومية التي يقوم بها البشر يندرج تحت فئة «أقل من الإنسان».
كذلك، وهناك نهج مختلف تماما يَرْتَكِز على قياس ذكاء الآلات من خلال اختبارات مستمدة من التعريفات الرياضية للذكاء. بدأت أمثلة على هذا النوع من الاختبارات في أواخر التسعينيات؛ كاختبارات الذكاء باستخدام مفاهيم أندريه كولموغوروف مثل التعقيد والضغط كما قدم ماركوس هوتر تعريفات مماثلة لذكاء الآلات في كتابه الذكاء الاصطناعي العالمي (سبرينغر 2005)، والذي طُوِّر مجدداً من قبل ليج وهوتر
مثلًا، أداء لعبة الداما (الداما) هو الأمثل،
من مميزات التعريفات الرياضية،
- تصنف نتائج اختبار الذكاء الاصطناعي إلى المجموعات الآتية:
- الأمثل: إنه لا يمكن لأداء أفضل.
- إنسان خارق قوى: أداء أفضل من كل البشر.
- إنسان خارق: أداء أفضل من أغلب البشر.
- أقل من الإنسان: أسوأ من أداء أغلب البشر.
أطروحة دارتموث
نظام الرموز المادية (فرضية نظام نويل وسيمون للرموز المادية)
في هذا الإطار، «نظام الرموز المادية لديه الوسائل الضرورية والكافية للأفعال الذكية بوجه عام». مفاد هذه الجملة هو أن جوهر الذكاء يكمن في المقدرة على معالجة الرموز. على عكس ذلك، يعتقد أوبير دريفوس أن الخبرات البشرية تتشكل بشكل غريزي لا واعي ولا تعتمد على التلاعب بالرموز بشكل واعي؛ فهي تتطلب أن يكون لدى الإنسان «شعور» بالموقف حتى وان لم تكن لديه المعرفة الكافية بالرموز.
وفي السياق ذاته، «يمكن وصف كل جانب من عملية التعلم أو غيرها من مظاهر الذكاء بدقة شديدة تمكن الإنسان من تصميم آلة تحاكيه». طُبِع هذا التأكيد في الأطروحة المقدمة لمؤتمر دارتموث عام 1956، وهو يمثل موقف أغلب الباحثين في مجال الذكاء الاصطناعي.
، *
من جانب آخر، يستعمل المنطق لتمثيل المعرفة، وحل المشاكل، ولكن يمكنه أن يطبق على غيرها من المشاكل كذلك. مثلًا، خوارزمية satplan تستعمل المنطق للتخطيط،Satplan (طريقة للتخطيط الآلي):
الأهداف
وفي هذا الصدد، تُقسَّم المسألة العامة المتمثلة في محاكاة الذكاء، أو إنشائه، إلى مسائل فرعية. وتشمل هذه المسائل سمات أو قدرات محددة يتوقع الباحثون أن يُظهرها النظام الذكي. وقد حظيت السمات الآتية بأكبر قدر من الاهتمام، وهي تغطي نطاق أبحاث الذكاء الاصطناعي.
تاريخ بحوث الذكاء الاصطناعي
من جهة ثانية، في منتصف القرن العشرين، بدأ عدد قليل من العلماء استكشاف نهج جديد لبناء آلات ذكية، بناءً على الاكتشافات الحديثة في علم الأعصاب، ونظرية رياضية جديدة للمعلومات، وتطور علم التحكم الآلي، وقبل كل ذلك، عن طريق اختراع الحاسوب الرقمي، اُخْتُرِعَت آلة يمكنها محاكاة عملية التفكير الحسابي الإنسانية.
وفي هذا السياق، في القرن الواحد والعشرين، أصبحت أبحاث الذكاء الاصطناعي على درجة عالية من التخصص والتقنية، وانقسمت إلى مجالات فرعية مستقلة بشكل عميق لدرجة أنها أصبحت قليلة ببعضها البعض. نمت أقسام المجال حول مؤسسات معينة، وعمل الباحثين، على حل مشكلات محددة، وخلافات في الرأي نشأت منذ زمن طويل حول الطريقة التي ينبغي أن يعمل بحسب ها الذكاء الاصطناعي، وتطبيق أدوات مختلفة على نطاق واسع.
علاوةً على ذلك، أسس المجال الحديث لبحوث الذكاء الاصطناعي في مؤتمر في حرم كلية دارتموث في صيف عام 1956.
ومن جهة أخرى، يرجع ذلك النجاح إلى عدة عوامل هي: القوة الكبيرة للحواسيب اليوم (انظر قانون مور)، وزيادة التركيز على حل مشاكل فرعية محددة، وخلق علاقات جديدة بين مجال الذكاء الاصطناعي وغيرها من مجالات العمل في مشاكل مماثلة، وفوق كل ذلك بدأ الباحثون الالتزام بمناهج رياضية قوية ومعايير علمية صارمة.
وفي هذا الصدد، عام 1965، هـ. أ. سيمون: «الآلات ستكون قادرة في غضون عشرين عاما على القيام بأي عمل يمكن أن يُنَفِّذُهُ الإنسان».
وهؤلاء الباحثون قاموا بالتوقعات الآتية:
وفي السياق ذاته، أصبح هؤلاء الحضور قادة بحوث الذكاء الاصطناعي لعدة عقود، وخاصة جون مكارثي، مارفن مينسكي، ألين نويل وهربرت سيمون الذي أسس مختبرات للذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا (MIT) وجامعة كارنيغي ميلون (CMU) وستانفورد، هم وتلاميذهم كتبوا برامج أدهشت أغلب الناس. وكان الحاسب الآلي يحل مسائل في الجبر ويثبت النظريات المنطقية ويتحدث الإنجليزية. بحلول منتصف الستينيات أصبحت تلك البحوث تمول بسخاء من وزارة الدفاع الأمريكية.
كذلك، ولكنهم فشلوا في إدراك صعوبة بعض المشاكل التي واجهتهم. في عام 1974، ورداً على انتقادات السير جيمس لايتهيل الإنجليزي والضغط المستمر من الكونغرس لتمويل مشاريع أكثر إنتاجية، قطعت الحكومتان الأمريكية والبريطانية تمويلهما لكل الأبحاث الاستكشافية غير الموجهة في مجال الذكاء الاصطناعي، كانت تلك أول انتكاسة تشهدها أبحاث الذكاء الاصطناعي.
وفي هذا السياق، في أوائل الثمانينيات، شهدت أبحاث الذكاء الاصطناعي صحوة جديدة من خلال النجاح التجاري «للنظم الخبيرة»، وهي أحد برامج الذكاء الاصطناعي التي تحاكي المعرفة والمهارات التحليلية لواحد أو أكثر من الخبراء البشريين. بحلول عام 1985 وصلت أرباح أبحاث الذكاء الاصطناعي في السوق إلى أكثر من مليار دولار، وبدأت الحكومات التمويل من جديد. وبعد سنوات قليلة، بدءاً من انهيار سوق آلة ال Lisp Machine (إحدى لغات البرمجة) في سنة 1987، شهدت أبحاث الذكاء الاصطناعي انتكاسة أخرى ولكن أطول.
كذلك، عام 1967، مارفن مينسكي: «في غضون جيل واحد... سوف تُحَل مشكلة صنع 'الذكاء الاصطناعي' بدرجة كبيرة».
كذلك، في التسعينيات من القرن العشرين وأوائل القرن الواحد والعشرين، حقق الذكاء الاصطناعي نجاحات أكبر، وإن كان ذلك إلى حد ما وراء الكواليس. يستعمل الذكاء الاصطناعي في اللوجستية، واستخراج البيانات، والتشخيص الطبي والكثير من المجالات الأخرى في جميع أنحاء صناعة التكنولوجيا.
التفكير الافتراضي ومشكلة التأهيل
علاوةً على ذلك، يعد الكثير مما يعرفه الناس «افتراضات». مثلًا، عند ذكر الطيور في محادثة، عادة ما يرسم مخ الإنسان صورة حيوان في حجم قبضة اليد، يغني، ويطير. بالطبع لا تنطبق كل هذه المواصفات على كل الطيور. عرف جون مكارثي هذه المشكلة في سنة 1969 بمشكلة المؤهلات: لكل قاعدة منطقية يهتم باحثي الذكاء الاصطناعي بتمثيلها، الكثير من الاستثناءات. لا يوجد شيء على وجه التقريب يمكن القول ببساطة أنه حقيقية أم لا بالطريقة التي يقتضيها المنطق المجرد. كشفت أبحاث الذكاء الاصطناعي عددًا من الحلول لهذه المشكلة.
المسابقات والجوائز
ومن جهة أخرى، هناك عدد من المسابقات والجوائز لتشجيع البحث في مجال الذكاء الاصطناعي. المجالات الرئيسية التي عززت هي: الذكاء العام للآلة، سلوك المحادثة، تحليل البيانات، السيارات المتحركة دون سائق (السيارات ذاتية القيادة)، والروبوت لكرة القدم والألعاب.
الذكاء الاصطناعي شبه الرمزي
من جهة ثانية، وفي عقد الثمانينيات، على الرغم من ذلك، توقف التقدم في الذكاء الاصطناعي الرمزي، واعتقد العديد أن النظم الرمزية لن تكون قادرة على محاكاة جميع عمليات الإدراك البشري، ولا سيما التصور، الروبوتيات، والتعلم والتعرف على الأنماط. وبدأ عدد من الباحثين النظر في المناهج «شبه الرمزية» لمشاكل محددة في الذكاء الاصطناعي.
من جانب آخر، والباحثون في مجال الروبوتيات، مثل رودني بروكس، رفضوا الذكاء الاصطناعي الرمزي وركزوا على المشاكل الأساسية للهندسة التي من شأنها أن تسمح للروبوتات بالتحرك والبقاء على قيد الحياة. [325] أحيا عملهم وجهة النظر غير الرمزية لأوائل باحثي السيبرنطيقية (التحكم الآلي) من عقد الخمسينيات وأعادوا تقديم نظرية التحكم في الذكاء الاصطناعي. تتصل هذه المداخل نظرياً بأطروحة العقل المتجسد.
في هذا الإطار، خلال 1960، حققت المناهج الرمزية نجاحا كبيرا في محاكاة التفكير العال المستوى في برامج تمثيلية صغيرة. هجرت المناهج القائمة على علم التحكم الآلي أو الشبكة العصبية أو دفعت إلى الخلفية.شهد الذكاء الاصطناعي شبه الرمزى أسوأ تراجعا دفع به إلى الخلفية حين انتقد مارفن مينسكاي وسيمور بابرت المستقبلات في سنة 1969. انظر تاريخ الذكاء الاصطناعي، وانتكاسة الذكاء الاصطناعي، أو فرانك روزنبلات.
وفي هذا الصدد، من أسفل إلى أعلى، متضمن، موجود، القائم على السلوك أو الذكاء الاصطناعي الجديد
آلية عمل اللغة الطبيعية
علاوةً على ذلك، المعالجة الطبيعية للغة تعطي الآلات القدرة على قراءة وفهم اللغات التي يتحدث بها البشر. يأمل كثير من الباحثين أن يكون نظام معالجة اللغة الطبيعية قويًا بما يكفي لاكتساب المعرفة من تلقاء نفسه، من خلال قراءة النص الحالي المتاح عبر الإنترنت. بعض التطبيقات المباشرة لمعالجة اللغة الطبيعية، تشمل استرجاع المعلومات (أو تحليل النصوص)، والترجمة الآلية.
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟