تردد مصطلح الذكاء الاصطناعي خلال العام الماضي بكثرة؛ نتيجة ما حققه من طفرات تقنية هائلة وتطور غير مسبوق.. لذلك يقدم موقع عالم التكنولوجيا في التقرير التالي معلومات عن الذكاء الاصطناعي.
معلومات عن الذكاء الاصطناعي
ما هو الذكاء الاصطناعي؟
الذكاء الاصطناعي هو قدرة الآلات على تنفيذ المهام الذكية التي يؤديها البشر عادةً. وهو ينطوي على استخدام أجهزة الكمبيوتر لإعادة إنتاج مثل هذه الإجراءات أو القيام بها، وغالبًا ما يكون ذلك بسرعة ودقة أعلى مما تم تحقيقه سابقًا.
يجمع الذكاء الاصطناعي عادةً بين علوم الكمبيوتر والبيانات لحل المشكلات أو إجراء تنبؤات. تتضمن عملياتها خوارزميات، وهي عبارة عن سلسلة من القواعد المكتوبة في كود الكمبيوتر.
ما هو التعلم الآلي؟
التعلم الآلي (ML) هو أحد تطبيقات الذكاء الاصطناعي حيث يمكن لبرامج الكمبيوتر أن تتعلم تلقائيًا من المعلومات الجديدة وتتكيف معها دون أن تكون مبرمجة خصيصًا للقيام بذلك.
يمكن للخوارزميات اكتشاف الأنماط في البيانات السابقة التي تم تدريب الكمبيوتر عليها وتقديم تنبؤات أو توصيات دون تعليمات صريحة من البشر. تتحسن برامج تعلم الآلة بمرور الوقت من خلال التدريب والتعلم من التجارب والأخطاء السابقة، بالإضافة إلى اكتشاف الأنماط في البيانات الجديدة.
التعلم العميق
التعلم العميق (DL) هو مجموعة فرعية من التعلم الآلي الذي يحل المشكلات المعقدة، مثل التعرف على الكلام أو تصنيف الصور. وهو يشجع الذكاء الاصطناعي على التعلم من خلال كميات كبيرة من البيانات غير المنظمة في وسائط مختلفة بما في ذلك النصوص والصور والفيديو. تعمل نماذج DL على برنامج يسمى الشبكات العصبية، على غرار الدماغ البشري.
الفرق الرئيسي بين ML و DL هو أن ML يتطلب مدخلات بشرية لفهم البيانات والتعلم منها. يمكن لـ DL استيعاب البيانات غير المنظمة في شكل أولي وتمييز الفرق بين فئات البيانات المختلفة.
ما هي الشبكات العصبية؟
يستخدم التعلم العميق الشبكات العصبية، وهي أنظمة لمعالجة البيانات مستوحاة من الطريقة التي تتفاعل بها الخلايا العصبية في الدماغ البشري. تدخل المعلومات إلى النظام، وتتواصل الخلايا العصبية لفهمها، ويقوم النظام بإنشاء مخرجات.
على سبيل المثال، يمكن للذكاء الاصطناعي التعرف على نبات اللفت من خلال تحديد عدة أنواع من اللفت في بياناته.
سيكون بعد ذلك قادرًا على اكتشاف أي لفت جديد يواجهه. إذا صادف جزرة لأول مرة، فقد يظن خطأً أنها لفت في البداية. ولكن كلما زاد عدد الجزر التي يراها، كلما كان قادرًا على تمييز الفرق بشكل أفضل.
كيف يعمل الذكاء الاصطناعي التوليدي؟
يأخذ الذكاء الاصطناعي التوليدي كميات هائلة من البيانات الأولية – على سبيل المثال، أعمال شكسبير بأكملها – ويتعلم الأنماط الموجودة فيها، من أجل توليد الإجابة الصحيحة الأكثر ترجيحًا عندما يُطلب منك سؤال. على سبيل المثال، إذا طلبت منه كتابة سونيتة شكسبيرية، فسيستخدم الذكاء الاصطناعي ما تعلمه لتوليد التسلسل الأكثر احتمالا للكلمات، مع العدد الصحيح من الخطوط ونمط القافية. من شأنه أن يخلق نسخة مشابهة لقصائده، ولكن ليست نسخة طبق الأصل مباشرة منها.
تم استخدام النماذج التوليدية في البيانات الرقمية لعدد من السنوات. ولكن نظرًا لأن التعلم العميق ومعالجة اللغة الطبيعية أصبحا أكثر تقدمًا، فقد تم تطبيق الذكاء الاصطناعي التوليدي على الصور والصوت والنص.
وأصبح هذا المصطلح معروفًا على نطاق واسع بعد أن أطلقت شركة OpenAI المدعومة من مايكروسوفت برنامج الدردشة الآلي ChatGPT، والذي يمكنه إنتاج فقرات نصية تشبه فقرات النص البشرية.
تم تدريب GPT-4، نموذج الذكاء الاصطناعي الذي يقف وراء هذه التكنولوجيا، على ملايين المصادر النصية، بما في ذلك مواقع الويب والصحف والكتب.
يمثل الذكاء الاصطناعي التوليدي نقطة تحول في معالجة اللغة الطبيعية – قدرة أجهزة الكمبيوتر على معالجة وإنشاء النصوص والوسائط الأخرى المستندة إلى اللغة، بما في ذلك أكواد البرامج والصور والهياكل العلمية.
تشمل الأمثلة المبكرة GPT-4، وPaLM من Google، والذي يتم استخدامه في برنامج الدردشة الآلي Bard، بالإضافة إلى الذكاء الاصطناعي لتوليد الصور، مثل DALL-E 2 وMidjourney.
ويتسبب هذا التركيز على الذكاء الاصطناعي التوليدي في التحول نحو أنظمة الذكاء الاصطناعي المدربة على مجموعات كبيرة من البيانات غير المسماة، والتي يمكن ضبطها بدقة لأغراض مختلفة، بدلاً من أنظمة الذكاء الاصطناعي التي تنفذ مهام محددة في منطقة واحدة.
إن تقليل الحاجة إلى تصنيف البيانات يجعل الوصول إلى الذكاء الاصطناعي أكثر سهولة، حيث يمكن للمستهلكين أو الشركات نشره في ظروف مختلفة.
معلومات عن الذكاء الاصطناعي.. نماذج اللغات الكبيرة
يميل الذكاء الاصطناعي التوليدي إلى الاعتماد على نماذج اللغة الكبيرة (LLMs)، وهو نوع من أنظمة الذكاء الاصطناعي التي تعمل مع اللغات وتستخدم الشبكات العصبية. LLMs هي الطريقة الحالية والمتطورة لتصميم الشبكات العصبية من البحث.
يطلق عليها نماذج لغوية “كبيرة” لأنها تحتوي على كميات هائلة من البيانات. يمكن أن يمتلك حاملو شهادة الماجستير في القانون اليوم ملايين أو مليارات من مجموعات البيانات أكثر من تلك التي تم تدريبها قبل بضع سنوات فقط، ويرجع ذلك أساسًا إلى القدرة الحسابية المتزايدة.
تعد GPT-4 وPaLM وMeta’s LLaMa كلها أمثلة على LLMs. إن إضافة نماذج اللغة إلى محرك بحث جوجل، على سبيل المثال، كان ما وصفته الشركة بأنه “أكبر قفزة إلى الأمام في السنوات الخمس الماضية، وواحدة من أكبر القفزات إلى الأمام في تاريخ البحث”.
على الرغم من أن إمكانات ماجستير إدارة الأعمال ضخمة، إلا أن الموارد اللازمة لتصميم النماذج وتدريبها ونشرها كبيرة أيضًا. وتتطلب جميعها كميات هائلة من البيانات والطاقة لتشغيل أجهزة الكمبيوتر والموهبة الهندسية.