الذكاء الاصطناعي

لْذَكَاءُ الْاِصْطِنَاعِيُّ أو الْذَكَاءُ الْصِّنَاعِيُّ أو الذكاء الصُّنْعي (بالإنجليزية: Artificial intelligence) هو سلوك وخصائص معينة تتسم بها البرامج الحاسوبية، تجعلها تحاكي القدرات الذهنية البشرية وأنماط عملها. من أهم هذه الخصائص القدرة على التعلم والاستنتاج ورد الفعل على أوضاع لم تبرمج في الآلة إلاّ أنَّ هذا المصطلح جدلي نظرًا إلى عدم توفر تعريف محدد للذكاء. ويمكن أن يعرف الذكاء الاصطناعي بأنه الذكاء الذي تُبديه الآلات والبرامج بما يُحاكي القدرات الذهنية البشرية وأنماط عملها، مثل القدرة على التعلم والاستنتاج ورد الفعل على أوضاع لم تُبرمج في الآلة ومن خلاله يُمكن صنع حواسيب وبرامج قادرة على اتخاذ سلوك بشري.

التعريف

[عدل] 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.

هذا التعريف، من حيث الأهداف والأفعال والتصور والبيئة يرجع إلى Russell & Norvig (2003) وتشمل أيضا التعريفات الأخرى المعرفة والتعلم كمعايير إضافية. صاغ عالم الحاسوب جون مكارثي هذا المصطلح بالأساس في عام 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».

الجدل

[عدل] 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. 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.

إن بحوث الذكاء الاصطناعي من الأبحاث عالية التخصص والتقنيَّة، لدرجة أن بعض النقَّاد ينتقدون «تفكك» هذا المجال.و تتمحور 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.

تاريخ بحوث الذكاء الاصطناعي

[عدل] 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.

أسس المجال الحديث لبحوث الذكاء الاصطناعي في مؤتمر في حرم كلية دارتموث في صيف عام 1956. 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 معظم 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. وهؤلاء الباحثون قاموا بالتوقعات الآتية:

عام 1965، هـ. أ. سيمون: «الآلات ستكون قادرة في غضون عشرين عاما على القيام بأي عمل يمكن أن يُنَفِّذُهُ الإنسان».
عام 1967، مارفن مينسكي: «في غضون جيل واحد... سوف تُحَل مشكلة صنع 'الذكاء الاصطناعي' بشكل كبير».

ولكنهم فشلوا في إدراك صعوبة بعض المشاكل التي واجهتهم. في عام 1974، ورداً على انتقادات السير جيمس لايتيل 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.

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 عام 1987، شهدت أبحاث الذكاء الاصطناعي انتكاسة أخرى ولكن أطول.

في التسعينيات من القرن العشرين وأوائل القرن الواحد والعشرين، حقق الذكاء الاصطناعي نجاحات أكبر، وإن كان ذلك إلى حد ما وراء الكواليس. يستخدم الذكاء الاصطناعي في اللوجستية، واستخراج البيانات، والتشخيص الطبي والعديد من المجالات الأخرى في جميع أنحاء صناعة التكنولوجيا. 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.

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 وفقا لها الذكاء الاصطناعي، وتطبيق أدوات مختلفة على نطاق واسع.

فلسفة الذكاء الاصطناعي

[عدل] الصفحة الرئيسة: بوابة:العقل والدماغ

المقالة الرئيسة: فلسفة الذكاء الاصطناعي

يشكل الذكاء الاصطناعي تحديًا وإلهامًا لعلم الفلسفة؛ لزعمه القدرة على إعادة خلق قدرات العقل البشري

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.

آلات الحساب والذكاء «قانون تورنغ»: 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.

أطروحة دارتموث: «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 معظم الباحثين في مجال الذكاء الاصطناعي.

نظام الرموز المادية (فرضية نظام نويل وسيمون للرموز المادية): «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.

مبرهنة عدم الاكتمال لغودل: 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): «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».

فرضية الدماغ الاصطناعي: يمكن محاكاة المخ. هانز مورفيك (Hans Moravec)، راي كرزويل

(Ray Kurzweil) وغيرهم قالوا بأنه من الممكن من الناحية التقنية نسخ الدماغ مباشرة في المعدات والبرمجيات، وبأن هذا سيكون مطابق للأصل تمامًا.

أنواع الذكاء الاصطناعي

[عدل] الذكاء الاصطناعي يمكن تقسيمه إلى:

الذكاء الاصطناعي الضيق

[عدل] وهو الذكاء الاصطناعي الذي يتخصص في مجال واحد، فمثلاً هناك أنظمة ذكاء اصطناعي يمكنها التغلب على بطل العالم في لعبة الشطرنج، وهو الشيء الوحيد الذي تفعله.

يشير هذا النوع إلى حواسيب بمستوى ذكاء الإنسان في جميع المجالات، أي يمكنه تأدية أي مهمة فكرية يمكن للإنسان القيام بها، إن إنشاء هذا النوع من الذكاء أصعب بكثير من النوع السابق ونحن لم نصل إلى هذا المستوى بعد.

الذكاء الاصطناعي الفائق

[عدل] يعرف الفيلسوف في أكسفورد نيك بوستروم الذكاء الفائق بأنه “فكر أذكى بكثير من أفضل العقول البشرية في كل مجال تقريبًا، بما في ذلك الإبداع العلمي والحكمة العامة والمهارات الاجتماعية”، وبسبب هذا النوع يعتبر مجال الذكاء الاصطناعي مجالاً شيقاَ للتعمق به.

مشاكل الذكاء الاصطناعي

[عدل] 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.

الاستنتاج، والتفكير المنطقي، والمقدرة على حل المشكلات

[عدل] وضع الباحثون الأوائل في علم الذكاء الاصطناعي الخوارزميات التي تحاكي التفكير المنطقي المتسلسل الذي يمارسه البشر عند حل الألغاز، ولعب الطاولة، أو الاستنتاجات المنطقية.

وفي الثمانينيات والتسعينيات، أدت أبحاث الذكاء الاصطناعي إلى التوصل لوسائل ناجحة للغاية للتعامل مع المعلومات غير المؤكدة أو غير الكاملة، مُستخدمة في ذلك مفاهيم من الاحتمالية والاقتصاد.

بالنسبة للمشاكل الصعبة، تتطلب معظم 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.

يحل البشر معظم 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.

تمثيل المعرفة

[عدل] المقالة الرئيسة: تمثيل المعرفة

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 شمولا منها تسمى أنطولوجيات عليا.

من بين أصعب المشاكل في تمثيل المعرفة هي:

التفكير الافتراضي ومشكلة التأهيل: يعد الكثير مما يعرفه الناس «افتراضات». على سبيل المثال، 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 عام 1969 بمشكلة المؤهلات: لكل قاعدة منطقية يهتم باحثي الذكاء الاصطناعي بتمثيلها، العديد من الاستثناءات. لا يوجد شيء تقريبا يمكن القول ببساطة أنه حقيقية أم لا بالطريقة التي يقتضيها المنطق المجرد. كشفت أبحاث الذكاء الاصطناعي عددا من الحلول لهذه المشكلة.

اتساع المعرفة المنطقية: يعلم الإنسان العادي عددا كبيرا 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 عددا وافرا من المفاهيم ليكون قادرا على التعلم من خلال قراءة مصادر مثل الإنترنت، وبالتالي يكون قادرا على أن يضيف إلى أنطولوجية.

شكل الفرعي الرمزي لبعض المعرفة المنطقية: الكثير مما يعرفه الناس غير ممثل بـ«الحقائق» أو «البيانات» التي يمكن التحدث عنها. على سبيل المثال، 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.

التخطيط

[عدل] 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.

في بعض مشاكل التخطيط، يمكن أن يفترض العامل الذكي أنه الشيء الوحيد الذي يعمل في العالم ويمكنه أن يصبح متأكدا 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.

التخطيط عن طريق عوامل متعددة يستخدم التعاون والمنافسة بين الكثير من العوامل لتحقيق هدف معين. السلوك الناشئ مثل هذا تستخدمه الخوارزميات التطورية والذكاء السربى.

التعلم

[عدل] المقالة الرئيسة: تعلم الآلة

تعلم الآلة كان تعلم الآلة محوريا في أبحاث الذكاء الاصطناعي منذ البداية. التعلم دون إشراف هو القدرة على إيجاد أنماط في عدد كبير من المدخلات. التعلم تحت الإشراف يشمل كلا 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 الكمبيوتر النظرية المعروفة باسم نظرية التعلم الحسابية.

آلية عمل اللغة الطبيعية

[عدل] المقالة الرئيسة: معالجة اللغات الطبيعية

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.

الحركة وإمكانية التغيير

[عدل] المقالة الرئيسة: روبوتيات

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).

الإدراك

[عدل] المقالة الرئيسة: رؤية حاسوبية

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.

الذكاء الاجتماعي

[عدل] تقوم العواطف والمهارات الاجتماعية بدورين للعامل الذكي:

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).
لحسن التفاعل بين الإنسان والحاسوب، تحتاج الآلة الذكية أيضا أن تظهر المشاعر—على الأقل يجب أن تبدو مهذبة وحساسة في تفاعلها مع البشر. في أحسن الأحوال، ينبغي أن تكون لديها مشاعر عادية.

الإبداع

[عدل] 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).

الذكاء العام

[عدل] يأمل معظم الباحثين أن تدمج أعمالهم في نهاية المطاف في صورة آلة ذات ذكاء عام (يعرف باسم الذكاء الاصطناعي القوي)، يجمع كل المهارات السابق ذكرها ويتجاوز معظم أو كل القدرات البشرية. يعتقد البعض أن هذا المشروع يتطلب سمات إنسانية مصطنعة مثل الوعي الاصطناعي أو المخ الاصطناعي.

كثير من المشاكل المذكورة أعلاه تعتبر جزءا لا يتجزأ من مسألة الذكاء الاصطناعي التام: لحل مشكلة واحدة، يجب حل كل هذه المشكلات. على سبيل المثال، 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.

مداخل للذكاء الاصطناعي

[عدل] لا توجد نظرية موحدة أو نموذج يوجه بحوث الذكاء الاصطناعي. اختلف الباحثون حول العديد من القضايا. 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؟ 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؟ وهل يمكن إعادة إنتاج الذكاء باستخدام رموز رفيعة المستوى، على غرار الكلمات والأفكار؟ أم أنها تحتاج إلى معالجة «شبه رمزية»؟

علم التحكم الآلي ومحاكاة الدماغ

[عدل] المقالة الرئيسة: سبرانية

في الأربعينيات والخمسينيات، قام عدد من الباحثين باستكشاف العلاقة بين علم الأعصاب، نظرية المعلومات، وعلم التحكم الآلي. بعضهم بني الآلات التي تستخدم الشبكات الإلكترونية لعرض الذكاء البدائي مثل سلاحف و. جراى والتر W. Grey Walter ووحش جونز هوبكنز Johns Hopkins. العديد 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.

الذكاء الاصطناعي التقليدي الرمزي

[عدل] 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".

محاكاة المعرفة

[عدل]

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.

الذكاء الاصطناعي المنطقي

[عدل]

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 الآلة كان المنطق أيضا محط تركيز العمل في جامعة أدنبرة وأماكن أخرى في أوروبا والتي أدت إلى تطوير لغة البرمجة المسماة بالبرولوج وعلوم البرمجة المنطقية.

الذكاء الاصطناعي الرمزي«غير المنتظم»

[عدل]

وجد باحثون في معهد ماساتشوستس للتكنولوجيا (مثل مارفن مينسكي وسيمور Papert) 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.

الذكاء الاصطناعي القائم على المعرفة

[عدل]

عندما أصبحت ذاكرة الحواسيب الكبيرة متاحة في عام 1970 تقريبا، بدأ باحثين من كل هذه التقاليد الثلاثة في بناء المعرفة في تطبيقات الذكاء الاصطناعي. أدت «ثورة المعرفة» هذه إلى تطوير ونشر النظم الخبيرة (التي قدمها إدوارد فيغنبوم، وهي أول شكل حقيقي ناجح لبرمجيات الذكاء الاصطناعي. كان أيضا ما يحرك ثورة المعرفة إدراك أن كميات هائلة من المعارف ستكون مطلوبة للعديد من التطبيقات البسيطة للذكاء الاصطناعي.

الذكاء الاصطناعي الشبه الرمزي

[عدل] 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. وفي 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 «الشبه رمزية» لمشاكل محددة في الذكاء الاصطناعي.

من أسفل إلى أعلى، متضمن، موجود، القائم على السلوك أو الذكاء الاصطناعي الجديد

[عدل]

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 الخمسينيات وأعادوا تقديم نظرية التحكم في الذكاء الاصطناعي. تتصل هذه المداخل نظرياً بأطروحة العقل المتجسد.

الذكاء المحاسبي

[عدل]

تجدد الاهتمام بالشبكات العصبية و"الترابط" من خلال ديفيد روميلهارت David Rumelhart وآخرين في منتصف الثمانينيات. الآن تدرس هذه المداخل وغيرها من المناهج الشبه رمزية، مثل النظم التقريبية fuzzy systems والحسابات التطورية، مجتمعة من خلال مبحث ناشئ بمسمى الذكاء الحسابي.

الذكاء الاصطناعي الإحصائي

[عدل] 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 العديد من النجاحات الأخيرة لأبحاث الذكاء الاصطناعي. كما تسمح أيضا 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».

دمج المناهج

[عدل] نموذج العامل الذكي

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. 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 تستخدم أيضا مفاهيم العوامل المجردة. أصبح نموذج العامل الذكي مقبولا على نطاق واسع خلال التسعينيات.

العامل البنيوي [أو] المعرفية البنيوية: صمم باحثون أنظمة لبناء نظم ذكية من خلال تفاعل العوامل الذكية في النظام متعدد العوامل. 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. كان هيكل التصنيف الخاص برودني بروكس Rodney Brooks اقتراحا مبكرا لهذا النظام الهرمي.

أدوات بحث الذكاء الاصطناعي

[عدل] 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.

البحث والتحسين

[عدل] المقالة الرئيسة: رياضيات الاستمثال

يمكن حل العديد من مشاكل الذكاء الاصطناعي من الناحية النظرية بالبحث الذكي في العديد من الحلول الممكنة: يمكن أن يختزل التفكير المنطقي إلى إجراء البحث. على سبيل المثال، يمكن اعتبار الدليل المنطقي بحثا عن مسار ينطلق من افتراضات إلى نتائج، حيث كل خطوة هي تطبيق لقاعدة الاستدلال. تبحث الخوارزميات التخطيطية خلال تفريعات من الأهداف الرئيسية والفرعية، في محاولة لإيجاد الطريق إلى الهدف، وهي عملية تسمى تحليل الوسائل والغايات. تستخدم الخوارزميات الروبوتية محركات بحث محلية لتحريك الأطراف واستيعاب الأشياء في مساحة التكوين. العديد من خوارزميات التعلم تستخدم خوارزميات البحث على أساس قابلية التحسين.

أبحاث بسيطة شاملة نادرا ما تكون كافية لمعظم 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.

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، وبعد ذلك، 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.

تستخدم المحاسبة التطورية شكل من أشكال البحث الأمثل. على سبيل المثال، 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) والخوارزميات التطورية (مثل الخوارزميات الجينية) والبرمجة الجينية.

المنطق

[عدل] المنطق أدخله جون مكارثي في مجال أبحاث الذكاء الاصطناعي في عام 1958 خلال أطروحته المسماة «الآخذ بالمشورة». في عام 1963، اكتشف ج.آلان روبنسون طريقة خوارزمية بسيطة وكاملة تماما للاستنتاج المنطقي الذي يمكن بسهولة أن يقوم به الحواسيب الرقمية. 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).

يستخدم المنطق لتمثيل المعرفة، وحل المشاكل، ولكن يمكنه أن يطبق على غيرها من المشاكل أيضا. على سبيل المثال، خوارزمية satplan تستخدم المنطق للتخطيط، وبرمجة المنطق الاستقرائي هي طريقة للتعلم. هناك عدة أشكال مختلفة من المنطق المستخدم في بحوث الذكاء الاصطناعي.

المنطق الاقتراحي أو العباري: هو منطق البيانات التي يمكن أن تكون صحيحة أو غير صحيحة.
المنطق الأولي: يسمح أيضا باستخدام الكلمات الدالة على الكمية والخبر، ويمكنه التعبير عن حقائق الأشياء، وخواصهم، وعلاقاتهم مع بعضهم البعض.
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 يستخدم على نطاق واسع في الصناعة الحديثة ونظم مراقبة المنتجات الاستهلاكية.
المنطق الافتراضي، المنطق غيرالمونوتوني والمحيط: هي أشكال المنطق الذي صمم للمساعدة في المنطق الافتراضي ومشكلة التأهيل.
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.

الطرق الاحتمالية للتفكير غير المؤكد

[عدل] المقالات الرئيسة: شبكات بايزية ومرشح كالمان ونظرية القرار

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. شبكات Bayes هي أداة عامة للغاية يمكن استخدامها في عدد كبير من المشاكل : التفكير المنطقي (باستخدام خوارزمية Bayesian الافتراضية الاستدلالية)، التعلم (باستخدام خوارزمية تعظيم التوقعات -)، تخطيط (باستخدام شبكة قرار) وتصور (باستخدام شبكة دينامية النظرية الافتراضية).

يمكن استخدام الخوارزميات الاحتمالية أيضا للترشيح، والتنبؤ، وتمهيد، وإيجاد تفسيرات لتيارات البيانات، ومساعدة نظم التصور لتحليل العمليات التي تحدث على مر الزمن (على سبيل المثال، نموذج ماركوف الخفي) أو مرشح كالمان

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 قيمة المعلومة. وتشمل هذه الأدوات نماذج مثل عملية قرار ماركوف، شبكة القرار الديناميكية نظرية اللعبة، وتصميم الآلية