أهم تقنيات الذكاء الاصطناعي

'); }

ما هي أهم تقنيات الذكاء الاصطناعي؟

يُعد الذكاء الاصطناعي أحد فروع علوم الكمبيوتر الذي يهتم باستخدام تقنيات ذكية لإنجاز المهام التي تحتاج إلى الذكاء البشري لإتمامها،[١] ومن أهم هذه التقنيات ما يأتي:

تعلم الآلة Machine Learning

يُعد التعلم الآلي أحد تقنيات الذكاء الاصطناعي الذي يُزود التطبيقات البرمجية بخوارزميات للتعلم الذاتي دون الحاجة إلى برمجتها بشكل صريح لأداء مهمة معينة، بحيث تُساعد هذه الخوارزميات على التنبؤ بالنتائج بشكل دقيق من خلال استخدامها لبيانات التجارب السابقة للتنبؤ ببيانات المخرجات الجديدة.[٢]

ويوجد أربعة أنواع من خوارزميات التعلم الآلي التي تعتمد على نوع البيانات المُراد التنبؤ بها، وهي كما يأتي:[٢]

'); }

  • التعلم الخاضع للإشراف

يشمل هذا النوع من التعلم الآلي على خوارزميات تتدرب على بيانات مُصنّفة مُسبقًا، كما تُزوّد الخوارزميات بالمتغيرات التي يجب عليها تقييمها، وبالتالي فإنّ هذا النوع يُحدد المدخلات والمخرجات للخوارزميات.

  • التعلم غير الخاضع للإشراف

يشمل هذا النوع من التعلم الآلي على خوارزميات تتدرب على بيانات غير مُصنّفة، وبالتالي تقوم الخوارزميات بمفردها بمسح البيانات لتتمكن من تصنيفها وإيجاد أوجه التشابه والاختلاف بينها لتتمكن من الوصول إلى التنبؤات والتوصيات التي حُدّدت لها مُسبقًا.

  • التعلم شبه الخاضع للإشراف

يعمل هذا النوع من التعلم الآلي بمبدأ عمل يربط بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف، حيث يزوّد الخوارزميات ببيانات مُصنفة، ولكنّه في نفس الوقت يسمح لها استكشاف ومسح البيانات بمفردها وحسب فهمها الخاص للمدخلات.

  • التعلم المعزز

يُستخدم التعلم المعزز لإنجاز مهام تمتلك قواعد مُحددة وتحتاج إلى خطوات عديدة لإتمامها، بحيث تُزود الخوارزميات بالبيانات الموجهة لإتمام المهمة إضافةً لمنحها إشارات تدلها على الإيجابيات والسلبيات، ولكنّ هذه الخوارزميات تُحدد بنفسها القرارات التي يجب اتخاذها في كل خطوة من خطوات إنجاز المهمة.

معالجة اللغة الطبيعية (NLP)

تُعد معالجة اللغة الطبيعية إحدى تقنيات الذكاء الاصطناعي التي تهتم بالتفاعلات بين اللغات الطبيعية البشرية وأجهزة الحاسوب، بحيث تُبرمج أجهزة الحاسوب لتتمكن من معالجة اللغات الطبيعية البشرية.[٣]

يصعب على أجهزة الحاسوب فهم ومحاكاة اللغات البشرية نظرًا لطبيعتها المعقدة وامتلاكها لقواعد تُصعّب من تمرير المعلومات إلى الأجهزة، ولذلك تُستخدم خوارزميات تُحلل هذه اللغات وتجردّها من قواعدها وتحولها إلى بيانات غير مهيكلة يسهل تحويلها إلى تنسيقات يُمكن فهمها من قبل أجهزة الحاسوب.[٣]

تلتقط الآلة المبرمجة المحادثة الصوتية للإنسان ثم تُحولها إلى محادثة نصية، ثم تُعالج المحادثة النصية وتُحوّل بياناتها إلى محادثة صوتية تستخدمها الآلة للرد على الإنسان، وتُستخدم هذه التقنية في العديد من التطبيقات، ومنها:[٣]

  • تطبيقات الاستجابة الصوتية التفاعلية ( IVR ) المُطبقة في مراكز الاتصال.
  • تطبيقات ترجمة اللغات الطبيعية كالترجمة المستخدمة في جوجل.
  • تطبيقات معالجة النصوص للتأكد من صحة القواعد النحوية المُستخدمة في النصوص كالتطبيقات المستخدمة في (Microsoft Word).

الأتمتة والروبوتات

تُستخدم الأتمتة والروبوتات للقيام بالمهام المتكررة والروتينية، حيث زودت الروبوتات بأوامر مبرمجة لتتمكن من التعامل والتكيف مع المهام الكبيرة، والتي تتغير مع الظروف المحيطة، ويُساعد استخدم هذه الأتمتة والروبوتات على الحصول على نتائج أكثر كفاءة وأقل تكلفة، إضافةً إلى قدرتها على تحسين الإنتاج.[٣]

تستخدم المؤسسات المالية الأتمتة لحماية معاملاتها المالية من محاولات الاحتيال عبر الإنترنت؛ حيث تستخدم الأتمتة اختبار كابتشا (CAPTCHA) لمنع هذه المحاولات من الحدوث.[٣]

رؤية أو بصيرة الآلة Machine Vision

تستخدم بصيرة الآلة الكاميرات لالتقاط المعلومات المرئية، ثم تُحول هذه المعلومات إلى بيانات رقمية، ثم تُعالج البيانات الرقمية باستخدام معالجة الإشارات الرقمية، ثم يتم إدخال البيانات المعالجة إلى أجهزة الكمبيوتر، وتمتلك هذه الآلة جانبين رئيسيين وهما: الحساسية والدقة؛ بحيث يُمكنها إدراك النبضات الخافتة، والنطاق؛ وهو مجال رؤية الآلة للأشياء من حولها.[٣]

وتُستخدم هذه التقنية في العديد من التطبيقات ومنها: التأكد من صحة التواقيع، وتحليل الصور الطبية، والتعرف على أنماط البيانات والتمييز بينها.[٣]

المراجع

  1. “Artificial Intelligence.”, builtin, Retrieved 20/12/2021. Edited.
  2. ^ أ ب Ed Burns, “machine learning”, TechTarget, Retrieved 20/12/2021. Edited.
  3. ^ أ ب ت ث ج ح خ Priya Pedamkar, “Artificial Intelligence Techniques”, EDUCBA, Retrieved 20/12/2021. Edited.
Exit mobile version