لا يوجد اختبار عالمي يجعل البرمجيات «ذكاءً اصطناعيًا». إذ يتغير هذا الوصف بحسب السياق التقني والتاريخي والقانوني. والسؤال الأكثر فائدة ليس ما إذا كانت الآلة تفكر مثل الإنسان، بل كيف يحوّل النظام مدخلًا إلى مخرج، وما الذي يحدث لذلك المخرج، ومن اختار الهدف.
نموذج ذهني مفيد
يمكنك فهم نظام الذكاء الاصطناعي بوصفه خمسة أجزاء مترابطة:
- الهدف: ما النتيجة التي ينبغي أن يساعد النظام في إنتاجها؟
- المدخل: ما المعلومات التي يستقبلها؟
- الطريقة: كيف يستخلص مخرجًا من ذلك المدخل؟
- المخرج: هل ينتج تنبؤًا أو محتوى أو توصية أو قرارًا؟
- النتيجة: كيف يستخدم شخص أو برنامج أو آلة هذا المخرج؟
الطريقة ليست سوى جزء واحد من النظام. فقد تكون مجموعة من القواعد المرمّزة، أو نموذج ذكاء اصطناعي مبنيًا على أمثلة، أو عدة مكوّنات تعمل معًا. فالهدف والبيانات والعتبات والواجهة والإشراف البشري كلها تشكّل النتيجة.
Objective and design choices
│
▼
Input ──▶ AI method or model ──▶ Output ──▶ Decision or action ──▶ Effect
▲
│
Rules, examples,
feedback, constraintsيوضح هذا المخطط أيضًا سبب اختلاف نموذج الذكاء الاصطناعي عن منتج الذكاء الاصطناعي. يمكن للنموذج إرجاع درجة أو توليد نص. أما النظام المحيط به فيحدد متى يستدعي النموذج، وما المعلومات التي يزوّده بها، وما إذا كان سيقبل مخرجه، وما الإجراء الذي سيتخذه.
كيف يعمل الذكاء الاصطناعي
يبدأ نظام الذكاء الاصطناعي بمهمة وتعريف ما يُعد نتيجة مفيدة. وقد يكون هذا التعريف صريحًا، مثل تقليل تنبيهات الاحتيال غير الصحيحة. وقد يكون ضمنيًا جزئيًا في الأمثلة أو الملاحظات أو خيارات التصميم.
ثم يمثّل النظام المدخل ذا الصلة بصيغة تستطيع طريقته معالجتها. فمتعرّف الصور يستقبل قيم البكسلات، ومخطط المسارات يستقبل المواقع ومعلومات الطرق، والنظام اللغوي يستقبل نصًا مُرمّزًا. ويحتفظ التمثيل ببعض التفاصيل ويفقد تفاصيل أخرى، ولذلك يؤثر منذ البداية في ما يستطيع النظام فعله.
تربط الطريقة المدخل بالمخرج. ففي النظام القائم على القواعد، يرمّز الأشخاص المعرفة والعلاقات المنطقية. أما في تعلّم الآلة، فتعدّل عملية تدريب نموذجًا بحيث تساعده الأنماط الموجودة في الأمثلة على التعامل مع مدخلات جديدة. وتجمع العديد من الأنظمة العملية بين النماذج المتعلّمة والقواعد والبحث وقواعد البيانات والقرارات البشرية.
عندما يعالج نموذج منشور مدخلًا جديدًا، فإنه ينفّذ الاستدلال. وقد تكون النتيجة فئة أو درجة رقمية أو مقطعًا مولّدًا أو إجراءً مقترحًا. ويمكن لطبقة منفصلة بعد ذلك تطبيق قواعد العمل أو فحوصات السلامة أو المراجعة البشرية قبل حدوث أي تغيير في العالم.
وأخيرًا، يجب تقييم النظام في بيئته الفعلية. فقد يكون المخرج المفيد لهدف ما ضارًا لهدف آخر. فالاقتراح الطبي والتوصية بفيلم لا يحتاجان إلى الدليل أو المراجعة أو تقبّل الخطأ نفسه. كما أن الأداء في اختبار لا يضمن بقاء المدخلات أو الأشخاص أو الظروف كما هي بعد النشر.
مثال ملموس
لنفترض أن خدمة بريد إلكتروني تحاول إبقاء الرسائل غير المرغوب فيها خارج صندوق الوارد دون إخفاء الرسائل المشروعة.
إن الهدف ليس ببساطة «حظر الرسائل المزعجة»، بل اكتشاف الرسائل غير المرغوب فيها مع الحد من الإيجابيات الكاذبة—أي الرسائل الحقيقية التي تُصنّف خطأً على أنها مزعجة.
أما المدخل فهو رسالة واردة والإشارات المتاحة للخدمة، مثل نصها ومعلومات المرسل وروابطها وخصائص مرفقاتها.
وقد تتضمن الطريقة نموذجًا تعلّم أنماطًا من رسائل موسومة سابقًا. كما قد تتضمن قواعد ثابتة للمرسلين المعروفين بسلوكهم الخبيث أو لأنواع الملفات غير الآمنة.
لنفترض أن النموذج منح رسالةً ما درجة مزعج قدرها 0.94. هذا الرقم هو المخرج. وهو ليس حقيقة عن الرسالة، ولا يلزم أن يكون احتمالًا مُعايرًا جيدًا.
اختارت الخدمة 0.90 عتبةً لنقل الرسائل إلى البريد غير المرغوب فيه. وبما أن 0.94 أعلى من تلك العتبة، يتخذ البرنامج المحيط الإجراء. وتتمثل النتيجة في أنك لا ترى الرسالة في صندوق الوارد.
والآن غيّر العتبة فقط من 0.90 إلى 0.95. لن ينقل مخرج النموذج نفسه الرسالة بعد الآن. وسيتصرف المنتج بصورة مختلفة رغم أن النموذج لم يتغير.
هذا هو التمييز الأساسي: استخلص مكوّن الذكاء الاصطناعي درجةً من المدخل. أما الأشخاص والبرامج التقليدية فقرروا كيف ستؤثر تلك الدرجة فيك. ويمكن حفظ ملاحظة مثل «ليست رسالة مزعجة» لتحديث لاحق، لكن النظام لا يعيد بالضرورة كتابة نفسه لحظة نقرك عليها.
لماذا يهم الذكاء الاصطناعي؟
تتميز البرمجيات العادية عندما يستطيع الأشخاص تحديد كل حالة مهمة مسبقًا. وتصبح أساليب الذكاء الاصطناعي مفيدة عندما تتنوع المدخلات بدرجة كبيرة، أو يصعب كتابة الأنماط ذات الصلة في صورة تعليمات كاملة، أو عندما يتعين على النظام الاختيار بين نتائج غير مؤكدة.
وهذا يجعل الذكاء الاصطناعي مفيدًا في مهام مثل التعرّف على الكلام، وترتيب نتائج البحث، واكتشاف المعاملات غير المعتادة، والتوصية بالعناصر، وتخطيط المسارات، وتوليد الوسائط. تبدو هذه المهام مختلفة، لكن يمكن وصف كل منها بأنه نظام يستخلص مخرجًا من مدخل لتحقيق هدف.
وتخلق المرونة نفسها مخاطر. فقد يكرر نظام الذكاء الاصطناعي أنماطًا لا ينبغي تكرارها، أو يفشل في التعامل مع مدخلات غير مألوفة، أو يحسّن هدفًا قابلًا للقياس لا يتوافق مع ما يحتاج إليه الأشخاص فعليًا. وقد يُستخدم مخرجه على نطاق أو في بيئة تغيّر الضرر الناتج عن الخطأ. لذلك فإن تقييم النموذج وحده يغفل هذه الخيارات على مستوى النظام.
مفاهيم خاطئة شائعة
الذكاء الاصطناعي يعني روبوت محادثة أو نموذجًا لغويًا كبيرًا
روبوت المحادثة هو واجهة منتج، أما النموذج اللغوي الكبير فهو نوع واحد من النماذج. والذكاء الاصطناعي هو المجال الأوسع، ويشمل أيضًا أنظمة الإدراك والتخطيط والتنبؤ والتحكم والتوصية وغيرها من المهام.
الذكاء الاصطناعي وتعلّم الآلة شيء واحد
تعلّم الآلة نهج رئيسي ضمن الذكاء الاصطناعي، وليس مرادفًا له. كما يملك مجال الذكاء الاصطناعي تاريخًا طويلًا من المنطق والبحث والتخطيط والأساليب القائمة على المعرفة. وغالبًا ما تجمع المنتجات الحديثة بين عدة أساليب.
يجب أن يفكر الذكاء الاصطناعي مثل الإنسان
لا يثبت وصف نظام بأنه ذكاء اصطناعي أنه واعٍ أو مدرك لذاته أو يستدل بالطريقة البشرية. وتركز التعريفات عادةً على القدرات أو السلوك. فقد يؤدي النظام مهمة واحدة بكفاءة عالية جدًا ويفشل في أشياء كثيرة يجدها الإنسان سهلة.
يتعلم الذكاء الاصطناعي تلقائيًا من كل تفاعل
تتكيف بعض الأنظمة بعد نشرها، لكن الكثير منها لا يفعل ذلك. فغالبًا ما يظل النموذج المنشور دون تغيير إلى أن يجمع مطوروه البيانات، ويقيّموا إصدارًا جديدًا، ويطلقوا تحديثًا. إن حفظ الملاحظات والتعلّم منها خطوتان منفصلتان.
الذكاء الاصطناعي موضوعي لأنه يستخدم الرياضيات
يختار الأشخاص الأهداف والأمثلة والتسميات والقياسات والعتبات وقواعد النشر. ويمكن لتلك الخيارات أن ترمّز افتراضات ناقصة أو قيمًا متعارضة. تجعل الرياضيات الطريقة رسمية، لكنها لا تلغي الحكم البشري.
كل أتمتة هي ذكاء اصطناعي
البرنامج النصي الثابت الذي ينسخ قيمة من حقل إلى آخر هو أتمتة، لكن قليلًا من التعريفات سيعدّه ذكاءً اصطناعيًا. أما الحالات الأصعب فمحل خلاف. يشمل الذكاء الاصطناعي تاريخيًا الأنظمة الخبيرة القائمة على القواعد، بينما تشترط التعريفات السياسية الحالية غالبًا استدلالًا يتجاوز التنفيذ الأساسي للقواعد التي حدّدها الأشخاص بالكامل. ولذلك قد يعتمد الوصف الصحيح على سبب أهمية هذا التمييز.
كيف يندرج الذكاء الاصطناعي ضمن النظام الأوسع؟
الذكاء الاصطناعي هو المفهوم الأوسع ضمن عائلة من المصطلحات ذات الصلة.
- تعلّم الآلة هو نهج للذكاء الاصطناعي يبني السلوك انطلاقًا من البيانات أو الخبرة.
- أما الشبكة العصبية فهي إحدى عائلات النماذج المستخدمة شائعًا في تعلّم الآلة.
- ونموذج الذكاء الاصطناعي هو المكوّن الذي يربط المدخل بالمخرج؛ وليس بالضرورة المنتج الكامل.
- الذكاء الاصطناعي التوليدي ينتج محتوى جديدًا مثل النصوص أو الصور أو الصوت أو الفيديو.
- أما روبوت المحادثة المدعوم بالذكاء الاصطناعي فيحيط واجهةً حوارية ومنطقَ منتج بنموذج واحد أو عدة نماذج.
- والوكيل المدعوم بالذكاء الاصطناعي يستخدم الذكاء الاصطناعي ضمن نظام يستطيع اختيار خطوات وتنفيذها لتحقيق هدف.
هذه الفئات ليست سلّمًا يبدأ من «الأقل ذكاءً» وينتهي بـ«الأكثر ذكاءً»، بل تصف أساليب ومكوّنات ومخرجات وتصميمات أنظمة مختلفة.
إلى أين تتابع؟
اقرأ «ما تعلّم الآلة؟» لفهم النهج الذي يقف وراء جزء كبير من الذكاء الاصطناعي الحديث. ثم اقرأ «ما نموذج الذكاء الاصطناعي؟» للتمييز بين النموذج والنظام الأكبر الذي يستخدمه. وإذا كان اهتمامك بالأنظمة التي تنشئ النصوص أو الصور أو الصوت أو الفيديو، فتابع إلى «ما الذكاء الاصطناعي التوليدي؟».What Is Machine Learning? to understand the approach behind much of modern AI. Then read What Is an AI Model? to separate a model from the larger system that uses it. If your interest is in systems that create text, images, audio, or video, continue to What Is Generative AI?.