يتقدم الذكاء الاصطناعي بسرعة مذهلة. إذا كنت ترغب في مواكبة العصر، فمن الأهمية بمكان أن تعرف المصطلحات التي تستخدمها شركات الذكاء الاصطناعي والمسوقون. فيما يلي سبعة مصطلحات خاصة بالذكاء الاصطناعي تُستخدم عادةً في الخطاب اليومي لمساعدتك على أن تصبح مشاركًا مطلعًا.
1 الذكاء الاصطناعي (AI) مقابل الذكاء الاصطناعي العام (AGI)
غالبًا ما تتحدث شركات الذكاء الاصطناعي عن تحقيق الذكاء الاصطناعي العام. ما هو وكيف يختلف عن الذكاء الاصطناعي الحالي؟
التعريف الذي يقدمه الكتاب المدرسي للذكاء الاصطناعي هو أنظمة الكمبيوتر القادرة على أداء مهام تتطلب ذكاءً شبيهًا بالذكاء البشري. ومع ذلك، لا تلبي أدوات الذكاء الاصطناعي الحالية هذا التعريف بالكامل. فهي لا تظهر سوى لمحات من الذكاء الشبيه بالذكاء البشري، والذي يركز على مهام محددة.
على سبيل المثال، يمكن لبرنامج ChatGPT كتابة النصوص والأكواد البرمجية وإنشاء الصور باستخدام DALL-E. لكنه لا يستطيع إنشاء الموسيقى. ويمكن لبرنامج Udio إنشاء الموسيقى لكنه لا يستطيع كتابة النصوص. بل إنه يستخدم GPT-4o لكتابة كلمات الأغاني. ومن المفترض أن يقوم الذكاء الاصطناعي الحقيقي بكل هذه الأشياء وأكثر، تمامًا كما يفعل البشر.
وهنا يأتي دور الذكاء الاصطناعي العام. يشير الذكاء الاصطناعي العام إلى أجهزة الكمبيوتر التي يمكنها عرض ذكاء يشبه ذكاء الإنسان عبر مهام متعددة. والتفاعل مع الذكاء الاصطناعي العام يشبه التحدث إلى قائد البيانات من ستار تريك.
ومع ذلك، في حين أننا نعلم ما ينبغي للذكاء الاصطناعي العام أن يفعله، فإننا لا نعرف كيف سيعمل ذلكيعتقد معظم الباحثين في مجال الذكاء الاصطناعي، بما في ذلك رئيس الذكاء الاصطناعي في شركة Meta، الذكاء الاصطناعي العام على بعد عقود من الزمن.
2 هلوسة الذكاء الاصطناعي
لقد سأل Ver برنامج ChatGPT سؤالاً وحصل على إجابة تبدو مثالية – حتى أدركت أنها كانت مختلقة؟ هذه هي هلوسة الذكاء الاصطناعي.
في بعض الأحيان، تولد أنظمة الذكاء الاصطناعي معلومات كاذبة بثقة الخبراء. فقد تزعم هذه الأنظمة أن شكسبير كتب “غاتسبي العظيم” بشكل مقنع لدرجة أنك تكاد تصدقها.
كانت هذه المشكلات شائعة عند إطلاق ChatGPT لأول مرة مع GPT-3.5. انخفضت حالات الهلوسة مع GPT-4 وGPT-4o، لكنها لا تزال تحدث. ولكن لماذا؟
حسنًا، لا تفهم نماذج الذكاء الاصطناعي المعلومات كما نفعل نحن. فهي تتنبأ بالكلمات بناءً على الأنماط المكتسبة. وهذا يؤدي إلى إنشاء جمل صحيحة نحويًا ومنطقية. ومع ذلك، قد ينتهي بها الأمر أحيانًا إلى تلفيق البيانات والحقائق.
يعمل الباحثون على الحد من الهلوسة، لكنها لا تزال مشكلة. وكما هو الحال الآن، فإن أفضل وسيلة للدفاع ضد الهلوسة هي أنت. احرص دائمًا على بذل العناية الواجبة عند استخدام الذكاء الاصطناعي، وتحقق جيدًا من أي حقائق يولدها، وخاصة عندما تبدو جيدة للغاية أو غريبة لدرجة يصعب تصديقها.
3 الشبكات العصبية
الشبكات العصبية عبارة عن أنظمة حاسوبية مستوحاة من تنظيم الخلايا العصبية في أدمغة الحيوانات، ومن هنا جاءت تسميتها. والفكرة هي إنشاء نماذج حاسوبية قادرة على معالجة المعلومات والتعلم بطرق مستوحاة من الأنظمة العصبية البيولوجية (وليس بالضرورة متطابقة معها).
في الدماغ البشري، تترابط الخلايا العصبية في أنماط معقدة. ويؤثر تنشيطها على ذكرياتنا وأفكارنا وأفعالنا. وفي الشبكات العصبية، تتلقى الخلايا العصبية الاصطناعية (العقد) المدخلات، وتعالجها، وترسل المخرجات. وتترابط هذه العقد في أنماط معقدة. ويسمح الهيكل الناتج للنظام بأداء مجموعة واسعة من المهام التي تتطلب ذكاءً بشريًا.
تتضمن تطبيقات الشبكات العصبية التعرف على الصور والكلام، والمركبات ذاتية القيادة، والتوقعات المالية، ومعالجة اللغة الطبيعية، مما يسمح لأجهزة الكمبيوتر بفهم اللغة البشرية وتوليدها.
ومع ذلك، تتطلب الشبكات العصبية، وخاصة تلك المصممة لأحمال العمل المعقدة، قدرًا كبيرًا من بيانات التدريب عالية الجودة لتعلم الأنماط والتعامل مع المواقف الجديدة. وقد يكون الحصول على هذه البيانات أمرًا صعبًا.
كما أن بعض الشبكات العصبية ــ وخاصة نماذج التعلم العميق (المزيد عن ذلك في القسم التالي) ــ يصعب تفسيرها. وقد يكون فهم كيفية التوصل إلى الاستنتاجات صعباً. وهذا هو السبب وراء صعوبة فهم هذه الشبكات. مشكلة الصندوق الأسودويعمل الباحثون على تطوير نماذج أكثر قابلية للتفسير وطرق لشرح قرارات الذكاء الاصطناعي.
4 التعلم الآلي مقابل التعلم العميق
يُعد التعلم الآلي (ML) والتعلم العميق (DL) من أكثر المصطلحات انتشارًا في مجال التكنولوجيا. وفي حين يعتقد بعض الأشخاص أن التعلم الآلي والتعلم العميق هما نفس الشيء، إلا أن هناك فرقًا دقيقًا ولكنه مهم يستحق الملاحظة.
التعلم الآلي هو مجال أوسع في علوم الكمبيوتر حيث تقوم بتزويد أجهزة الكمبيوتر بكميات كبيرة من البيانات للعثور على الأنماط بنفسها. وهذا يتناقض مع البرمجة التقليدية، حيث يحتاج المطورون إلى برمجة كل تفاعل ممكن مع المستخدم.
لا تحتاج برامج التعلم الآلي إلى هذا القدر من التوجيه والإرشاد، ويمكنها توليد مخرجات من خلال الرجوع إلى الأنماط في بيانات التدريب، حتى عندما تعرضها في موقف فريد غير موجود في بيانات التدريب. ومع ذلك، فإنها تحتاج إلى توجيه بشري أثناء التدريب لضمان أنها على المسار الصحيح. نرى بعض تطبيقات أنظمة التعلم الآلي في اكتشاف البريد العشوائي، وتوصيات المنتجات، والتنبؤ بالطقس.
الآن، يعد التعلم العميق جزءًا من التعلم الآلي الذي يستخدم شبكات عصبية متعددة الطبقات – ومن هنا جاء الاسم “العميق”. ويتطلب هذا التعلم قدرًا أقل من التدخل البشري مقارنة بالتعلم الآلي التقليدي. ويشارك التدخل البشري بشكل أساسي في المراحل المبكرة، مثل تصميم النموذج الأساسي.
يمكنك استخدام التعلم العميق للعثور على أنماط في البيانات الخام بمساعدة بشرية قليلة. إنه رائع في التعامل مع البيانات المعقدة مثل الصور أو النصوص. إنه يقود مهام الحوسبة المتقدمة مثل التعرف على الصور والوجوه ومعالجة الكلام والمركبات ذاتية القيادة. ومع ذلك، لجعل هذا ممكنًا، تتطلب نماذج التعلم العميق مجموعات بيانات تدريبية ضخمة والكثير من القوة الحسابية.
5 معالجة اللغة الطبيعية (NLP)
معالجة اللغة الطبيعية (NLP) هو مجال دراسة في علوم الكمبيوتر يهتم بمساعدة أجهزة الكمبيوتر على فهم اللغة البشرية وتفسيرها وتوليدها. تستخدم مهام معالجة اللغة الطبيعية (NLP) الحديثة التعلم العميق لتحقيق نتائج مبهرة.
تتضمن بعض أمثلة مهام معالجة اللغة الطبيعية القوية التعرف على الكلام، وتحويل النص إلى كلام، وتحليل المشاعر، واكتشاف السخرية، ونقل نمط النص، والمزيد.
إن معالجة اللغة الطبيعية هي العمود الفقري لتكنولوجيا المحادثة مثل Alexa وSiri وغيرها من برامج المحادثة التي تعمل بالذكاء الاصطناعي. كما أنها تساعد في الترجمة وتعديل المحتوى والمحتوى الذي يتم إنشاؤه تلقائيًا. لقد جعلت التطورات الحديثة في معالجة اللغة الطبيعية الكتابة بالذكاء الاصطناعي أشبه بالكتابة البشرية. وهذا هو السبب وراء أن ChatGPT تبدو طبيعية للغاية.
6 نماذج المحولات
تُعد نماذج المحولات أداة حديثة وثورية في مجال الذكاء الاصطناعي. تم اقتراح فكرة المحولات في ورقة بحثية عام 2017 بعنوان “الاهتمام هو كل ما تحتاجه“بواسطة باحثين في Google Brain.
إن نماذج المحولات هي في الأساس عبارة عن بنية شبكة عصبية تستخدم لمعالجة اللغة الطبيعية. والمفهوم الأساسي هنا هو تحليل مجموعة واسعة من المدخلات في آن واحد (أو بالتوازي) ثم تحديد العناصر الأكثر أهمية ـ وهي العملية التي يطلق عليها “الاهتمام الذاتي”.
يمكنك أن تفكر في الأمر مثل القارئ الفائق الكفاءة الذي يقرأ على الفور فقرات متعددة ويستمد المعنى من السياق الكامل بدلاً من قراءة كل فقرة بشكل متسلسل، كلمة واحدة في كل مرة.
تسمح آلية الاهتمام الذاتي هذه لنماذج Transformer بفهم المدخلات البشرية بشكل أفضل، وبالتالي توليد مخرجات أفضل. وقد مكنت من تحقيق قدرات ترجمة لغوية متقدمة للغاية، وتلخيص النصوص، وبالطبع توليد النصوص.
نماذج المحولات هي التكنولوجيا التي تقوم عليها أدوات قوية مثل BERT (تمثيلات الترميز ثنائية الاتجاه من المحولات) أو ChatGPT (محول توليد الدردشة المدرب مسبقًا). ومع ذلك، لا يقتصر الأمر على إنشاء النصوص، حيث أن هذه الأدوات مفيدة أيضًا في مجال الرؤية الحاسوبية والتعرف على الكلام.
7 نماذج لغوية كبيرة
نماذج اللغة الكبيرة (LLMs) هي نماذج محولات قوية تم تدريبها على مجموعات بيانات نصية ضخمة. تحتوي على مليارات أو تريليونات المعلمات وتركز بشكل أساسي على أحمال العمل الخاصة باللغة. ChatGPT، أو GPT على وجه التحديد، هو نموذج LLM. Claude وGemini وLlama هم جميعًا أمثلة على نماذج LLM.
بفضل برامج الماجستير في القانون، أصبح لدينا الآن القدرة على إنشاء النصوص على مستوى متقدم، وتلخيص النصوص، والترجمة، وتوليد التعليمات البرمجية، وفهم المهام وتنفيذها، وغير ذلك الكثير.
يتم تدريب طلاب الماجستير في القانون على مجموعات بيانات متنوعة على نطاق الإنترنت دون تعليمات محددة. إنهم ينشئون أنماطًا واتصالات في البيانات. في بعض الأحيان، قد تكون هذه الأنماط خاطئة، وهذا هو الوقت الذي يأتي فيه البشر لضبط النماذج لمهام وتطبيقات محددة.
في الوقت الحالي، يعد أحد التحديات الرئيسية التي تواجه برامج الماجستير في القانون هو المخاوف الأخلاقية وإمكانية نشر معلومات مضللة. نظرًا لأن مجموعة بيانات التدريب قد تحتوي على معلومات مضللة وتحيز، فقد تنتقل هذه المعلومات إلى برامج الماجستير في القانون. وهذا في الواقع أحد الأسباب التي جعلت تجربة البحث التوليدية من Google تبدأ في إنتاج معلومات مضللة للمستخدمين.
أنت الآن مسلح بمعرفة سبعة مصطلحات رئيسية في مجال الذكاء الاصطناعي. في المرة القادمة التي تتحدث فيها عن أحدث أخبار الذكاء الاصطناعي، ستتمكن من استخدام هذه المصطلحات باحترافية. تذكر فقط أن عالم الذكاء الاصطناعي يتحرك بسرعة، لذا استمر في التعلم وكن فضوليًا!