دراسات و تحقيقات

كل شيء عن الذكاء الاصطناعي وتطوره

تطورات الذكاء الاصطناعي

زهير الخويلدي

الترجمة:
“الذكاء الاصطناعي (AI)، وهو قدرة الكمبيوتر الرقمي أو الروبوت الذي يتم التحكم فيه عن طريق الكمبيوتر على أداء المهام المرتبطة عادة بالكائنات الذكية. يتم تطبيق المصطلح بشكل متكرر على مشروع تطوير الأنظمة التي تتمتع بالعمليات الفكرية المميزة للإنسان، مثل القدرة على التفكير أو اكتشاف المعنى أو التعميم أو التعلم من التجارب السابقة. منذ تطوير الكمبيوتر الرقمي في الأربعينيات من القرن الماضي، ثبت أنه يمكن برمجة أجهزة الكمبيوتر للقيام بمهام معقدة للغاية – على سبيل المثال، اكتشاف أدلة على النظريات الرياضية أو لعب الشطرنج – بكفاءة عالية. ومع ذلك، على الرغم من التقدم المستمر في سرعة معالجة الكمبيوتر وسعة الذاكرة، لا توجد حتى الآن برامج يمكن أن تضاهي المرونة البشرية في مجالات أوسع أو في المهام التي تتطلب الكثير من المعرفة اليومية. من ناحية أخرى، حققت بعض البرامج مستويات أداء الخبراء والمهنيين البشريين في أداء مهام محددة معينة، بحيث يوجد الذكاء الاصطناعي بهذا المعنى المحدود في تطبيقات متنوعة مثل التشخيص الطبي ومحركات البحث على الكمبيوتر والتعرف على الصوت أو الكتابة اليدوية.
ما هو الذكاء؟
يُنسب كل السلوك البشري باستثناء أبسطه إلى الذكاء، في حين أن سلوك الحشرات الأكثر تعقيدًا لا يُؤخذ أبدًا كمؤشر على الذكاء. ما الفرق؟ فكر في سلوك الزنبور الحفار. عندما تعود أنثى الدبور إلى جحرها بالطعام، تضعه أولاً على العتبة، وتتحقق من الدخلاء داخل جحرها، وعندها فقط، إذا كان الساحل واضحًا، تحمل طعامها إلى الداخل. يتم الكشف عن الطبيعة الحقيقية للسلوك الغريزي للدبور إذا تم نقل الطعام على بعد بضع بوصات من مدخل جحرها أثناء تواجدها في الداخل: عند الخروج، ستكرر الإجراء بأكمله كلما تم إزاحة الطعام. الذكاء – الغائب بشكل واضح في حالة سفكس – يجب أن يتضمن القدرة على التكيف مع الظروف الجديدة.
لا يميز علماء النفس عمومًا الذكاء البشري بسمة واحدة فقط ولكن من خلال مزيج من العديد من القدرات المتنوعة. لقد ركز البحث في الذكاء الاصطناعي بشكل أساسي على المكونات التالية للذكاء: التعلم، والاستدلال، وحل المشكلات، والإدراك، واستخدام اللغة.
التعلم
هناك عدد من أشكال التعلم المختلفة المطبقة على الذكاء الاصطناعي. أبسطها هو التعلم عن طريق التجربة والخطأ. على سبيل المثال، قد يحاول برنامج كمبيوتر بسيط لحل مشاكل الشطرنج زميله في واحد أن يحرك بشكل عشوائي حتى يتم العثور على رفيقه. قد يقوم البرنامج بعد ذلك بتخزين الحل مع الموضع بحيث يقوم الكمبيوتر في المرة التالية التي يواجه فيها نفس الموضع باستدعاء الحل. هذا الحفظ البسيط للعناصر والإجراءات الفردية – المعروف باسم التعلم عن ظهر قلب – سهل التنفيذ نسبيًا على الكمبيوتر. التحدي الأكبر هو مشكلة تنفيذ ما يسمى بالتعميم. يتضمن التعميم تطبيق الخبرة السابقة على مواقف جديدة مماثلة. على سبيل المثال، لن يتمكن البرنامج الذي يتعلم الفعل الماضي لأفعال اللغة الإنجليزية العادية عن ظهر قلب من إنتاج صيغة الزمن الماضي لكلمة مثل القفز ما لم يتم تقديمه مسبقًا مع القفز، في حين أن البرنامج القادر على التعميم يمكنه التعلم قاعدة ” إضافة إد ” ومن ثم تشكيل صيغة الزمن الماضي للقفز بناءً على الخبرة بأفعال مماثلة.
المنطق
العقل هو استخلاص الاستنتاجات المناسبة للموقف. يتم تصنيف الاستدلالات إما على أنها استنتاجية أو استقرائية. مثال على ذلك، “يجب أن يكون فريد إما في المتحف أو في المقهى. هو ليس في المقهى. ولذلك فهو موجود في المتحف “، ومن هذا الأخير،” كانت الحوادث السابقة من هذا النوع ناجمة عن تعطل الآلة؛ لذلك نتج هذا الحادث عن عطل في الجهاز “. يتمثل الاختلاف الأكثر أهمية بين هذه الأشكال من الاستدلال في أنه في الحالة الاستنتاجية، تضمن حقيقة المقدمات حقيقة الاستنتاج، بينما في الحالة الاستقرائية، تدعم حقيقة الافتراض الاستنتاج دون إعطاء ضمان مطلق. يعتبر الاستدلال الاستقرائي شائعًا في العلوم، حيث يتم جمع البيانات وتطوير النماذج المؤقتة لوصف السلوك المستقبلي والتنبؤ به – إلى أن يفرض ظهور البيانات الشاذة على النموذج إعادة النظر فيه. التفكير الاستنتاجي شائع في الرياضيات والمنطق، حيث يتم بناء الهياكل المعقدة للنظريات التي لا يمكن دحضها من مجموعة صغيرة من البديهيات والقواعد الأساسية.
كان هناك نجاح كبير في برمجة أجهزة الكمبيوتر لاستخلاص الاستدلالات، وخاصة الاستدلالات الاستنتاجية. ومع ذلك، فإن التفكير الحقيقي ينطوي على أكثر من مجرد استخلاص الاستدلالات؛ يتضمن استخلاص الاستدلالات ذات الصلة بحل مهمة أو موقف معين. هذه واحدة من أصعب المشاكل التي تواجه الذكاء الاصطناعي.
حل المشاكل
يمكن وصف حل المشكلات، لا سيما في الذكاء الاصطناعي، بأنه بحث منهجي من خلال مجموعة من الإجراءات الممكنة من أجل الوصول إلى هدف أو حل محدد مسبقًا. تنقسم طرق حل المشكلات إلى غرض خاص وغرض عام. طريقة الغرض الخاص هي طريقة مصممة خصيصًا لمشكلة معينة وغالبًا ما تستغل ميزات محددة جدًا للموقف الذي تكون فيه المشكلة جزءًا لا يتجزأ. في المقابل، طريقة الأغراض العامة قابلة للتطبيق على مجموعة متنوعة من المشاكل. إحدى التقنيات ذات الأغراض العامة المستخدمة في الذكاء الاصطناعي هي تحليل الوسيلة النهائية – وهو تقليل الفرق بين الحالة الحالية والهدف النهائي خطوة بخطوة أو تدريجيًا. يختار البرنامج الإجراءات من قائمة الوسائل – في حالة الروبوت البسيط، قد يتكون هذا من امسك ووضع أرضا وتقدم إلى الأمام وارجع للوراء وتحرك يسارا وتحرك يمينا – حتى يتم الوصول إلى الهدف. تم حل العديد من المشكلات المتنوعة بواسطة برامج الذكاء الاصطناعي. بعض الأمثلة هي العثور على الحركة الفائزة (أو تسلسل الحركات) في لعبة لوحية، واستنباط البراهين الرياضية، والتلاعب بـ “الكائنات الافتراضية” في عالم تم إنشاؤه بواسطة الكمبيوتر.
الإدراك
في الإدراك، يتم مسح البيئة بواسطة أجهزة حسية مختلفة، حقيقية أو اصطناعية، ويتحلل المشهد إلى كائنات منفصلة في علاقات مكانية مختلفة. يكون التحليل معقدًا بسبب حقيقة أن الكائن قد يبدو مختلفًا اعتمادًا على الزاوية التي يُنظر إليها من خلالها، واتجاه وشدة الإضاءة في المشهد، ومدى تباين الكائن مع المجال المحيط. في الوقت الحاضر، يعد الإدراك الاصطناعي متقدمًا بشكل كافٍ لتمكين أجهزة الاستشعار البصرية من التعرف على الأفراد، والمركبات المستقلة للقيادة بسرعات معتدلة على الطريق المفتوح، والروبوتات للتجول عبر المباني التي تجمع علب الصودا الفارغة. كان فريدي أحد أقدم الأنظمة لدمج الإدراك والحركة، وهو إنسان آلي ثابت مع عين تليفزيونية متحركة ويد كماشة، تم بناؤه في جامعة إدنبرة، اسكتلندا، خلال الفترة 1966-1973 تحت إشراف دونالد ميتشي. تمكن فريدي من التعرف على مجموعة متنوعة من الأشياء ويمكن أن يُطلب منه تجميع القطع الأثرية البسيطة، مثل سيارة لعبة، من كومة عشوائية من المكونات.
اللغة
اللغة هي نظام من العلامات التي لها معنى بالاتفاقية. بهذا المعنى، لا يجب أن تقتصر اللغة على الكلمة المنطوقة. علامات المرور، على سبيل المثال، تشكل لغة مصغرة، كونها مسألة اتفاقية تعني “خطر أمامك” في بعض البلدان. من المميز للغات أن الوحدات اللغوية تمتلك المعنى حسب الاصطلاح، والمعنى اللغوي مختلف تمامًا عما يسمى المعنى الطبيعي، والمتمثل في عبارات مثل “تلك السحب تعني المطر” و”الانخفاض في الضغط يعني أن الصمام معطل”. من الخصائص المهمة للغات البشرية الكاملة – على عكس مكالمات الطيور وعلامات المرور – إنتاجيتها. يمكن للغة المنتجة صياغة مجموعة متنوعة غير محدودة من الجمل. من السهل نسبيًا كتابة برامج كمبيوتر تبدو قادرة، في سياقات مقيدة بشدة، على الاستجابة بطلاقة بلغة بشرية للأسئلة والبيانات. على الرغم من أن أياً من هذه البرامج لا يفهم اللغة فعليًا، إلا أنها قد تصل، من حيث المبدأ، إلى النقطة التي لا يمكن فيها تمييز إتقانها للغة عن ذلك الخاص بالإنسان العادي. إذن، ما الذي يشتمل عليه الفهم الحقيقي، حتى لو لم يتم الاعتراف بفهم الكمبيوتر الذي يستخدم لغة مثل المتحدثين الأصليين للإنسان؟ لا توجد إجابة متفق عليها عالميا لهذا السؤال الصعب. وفقًا لإحدى النظريات، لا يعتمد ما إذا كان المرء يفهم أم لا على سلوكه فحسب، بل يعتمد أيضًا على تاريخه: لكي يقال إنه يفهم، يجب أن يكون المرء قد تعلم اللغة وتم تدريبه ليأخذ مكانه في المجتمع اللغوي بالوسائل. للتفاعل مع مستخدمي اللغة الأخرى.
الأساليب والأهداف في الذكاء الاصطناعي
المقاربات الرمزية مقابل التوصيلية
يتبع بحث الذكاء الاصطناعي طريقتين متميزتين، وتنافسيًا إلى حد ما، وهما النهج الرمزي (أو “من أعلى إلى أسفل”)، والنهج الوصل (أو “من أسفل إلى أعلى”). يسعى النهج التنازلي إلى تكرار الذكاء من خلال تحليل الإدراك المستقل عن البنية البيولوجية للدماغ، من حيث معالجة الرموز – من أين التسمية الرمزية. من ناحية أخرى، يتضمن النهج التصاعدي إنشاء شبكات عصبية اصطناعية في تقليد بنية الدماغ – ومن هنا جاءت تسمية الاتصال. لتوضيح الاختلاف بين هذه الأساليب، ضع في اعتبارك مهمة بناء نظام مزود بماسح ضوئي يتعرف على أحرف الأبجدية. يتضمن النهج التصاعدي عادةً تدريب شبكة عصبية اصطناعية من خلال تقديم رسائل إليها واحدة تلو الأخرى، وتحسين الأداء تدريجيًا عن طريق “ضبط” الشبكة. (يضبط التوليف استجابة المسارات العصبية المختلفة لمحفزات مختلفة.) في المقابل، يتضمن النهج التنازلي عادةً كتابة برنامج كمبيوتر يقارن كل حرف بالأوصاف الهندسية. ببساطة، الأنشطة العصبية هي أساس النهج التصاعدي، في حين أن الأوصاف الرمزية هي أساس النهج من أعلى إلى أسفل. في أساسيات التعلم (1932)، اقترح إدوارد ثورندايك، عالم النفس في جامعة كولومبيا، مدينة نيويورك، أن التعلم البشري يتكون من بعض الخصائص غير المعروفة للوصلات بين الخلايا العصبية في الدماغ. في منظمة السلوك (1949)، اقترح دونالد هب، عالم النفس في جامعة ماكجيل، مونتريال، كندا، أن التعلم يتضمن على وجه التحديد تقوية أنماط معينة من النشاط العصبي عن طريق زيادة احتمال (وزن) إطلاق الخلايا العصبية المستحثة بين الاتصالات المرتبطة. يتم وصف فكرة الوصلات الموزونة في قسم لاحق، اتصالية. في عام 1957، لخص اثنان من المدافعين الأقوياء عن الذكاء الاصطناعي الرمزي – ألين نيويل، الباحث في مؤسسة راند، سانتا مونيكا، كاليفورنيا، وهربرت سيمون، عالم النفس وعالم الكمبيوتر في جامعة كارنيجي ميلون، بيتسبرغ، بنسلفانيا – النهج من أعلى إلى أسفل فيما أطلقوا عليه فرضية نظام الرمز المادي. تنص هذه الفرضية على أن معالجة هياكل الرموز كافية، من حيث المبدأ، لإنتاج ذكاء اصطناعي في جهاز كمبيوتر رقمي، علاوة على ذلك، فإن الذكاء البشري هو نتيجة لنفس النوع من التلاعب الرمزي. خلال الخمسينيات والستينيات من القرن الماضي، تم اتباع النهجين من أعلى إلى أسفل ومن أسفل إلى أعلى في وقت واحد، وحقق كلاهما نتائج ملحوظة، وإن كانت محدودة. لكن خلال السبعينيات من القرن الماضي، تم إهمال الذكاء الاصطناعي من القاعدة إلى القمة، ولم يظهر هذا النهج مرة أخرى إلا في الثمانينيات. في الوقت الحاضر يتم اتباع كلا المنهجين، ومن المسلم به أن كلاهما يواجه صعوبات. تعمل التقنيات الرمزية في عوالم مبسطة ولكنها تتعطل عادة عند مواجهة العالم الحقيقي؛ في هذه الأثناء، لم يتمكن الباحثون من القاعدة إلى القمة من تكرار الأنظمة العصبية حتى لأبسط الكائنات الحية. أنواع معينة أنيقة، وهي دودة تمت دراستها كثيرًا، وتحتوي على ما يقرب من 300 خلية عصبية يُعرف نمطها من الترابطات البينية تمامًا. ومع ذلك، فشلت النماذج المتصلة في تقليد هذه الدودة. من الواضح أن الخلايا العصبية لنظرية الاتصال هي تبسيط مفرط للشيء الحقيقي.
الذكاء الاصطناعي القوي والذكاء الاصطناعي التطبيقي والمحاكاة المعرفية
باستخدام الأساليب الموضحة أعلاه، تحاول أبحاث الذكاء الاصطناعي الوصول إلى أحد الأهداف الثلاثة: الذكاء الاصطناعي القوي أو الذكاء الاصطناعي التطبيقي أو المحاكاة المعرفية. يهدف الذكاء الاصطناعي القوي إلى بناء آلات تفكر. (تم تقديم مصطلح الذكاء الاصطناعي القوي لهذه الفئة من الأبحاث في عام 1980 من قبل الفيلسوف جون سيرل من جامعة كاليفورنيا في بيركلي). والطموح النهائي للذكاء الاصطناعي القوي هو إنتاج آلة لا يمكن تمييز قدرتها الفكرية الكلية عن قدرة الإنسان. يجرى. كما هو موضح في القسم المعالم المبكرة للذكاء الاصطناعي، فقد ولّد هذا الهدف اهتمامًا كبيرًا في الخمسينيات والستينيات من القرن الماضي، لكن هذا التفاؤل أفسح المجال لتقدير الصعوبات الشديدة التي ينطوي عليها الأمر. حتى الآن، كان التقدم ضئيلاً. يشك بعض النقاد فيما إذا كان البحث سينتج حتى نظامًا يتمتع بالقدرة الفكرية الكلية للنملة في المستقبل المنظور. في الواقع، يرى بعض الباحثين العاملين في فرعين آخرين للذكاء الاصطناعي أن الذكاء الاصطناعي القوي لا يستحق المتابعة. يهدف الذكاء الاصطناعي التطبيقي، المعروف أيضًا باسم معالجة المعلومات المتقدمة، إلى إنتاج أنظمة “ذكية” قابلة للتطبيق تجاريًا – على سبيل المثال، أنظمة التشخيص الطبي “الخبيرة” وأنظمة تداول الأسهم. حقق الذكاء الاصطناعي التطبيقي نجاحًا كبيرًا، كما هو موضح في قسم الأنظمة الخبيرة.
في المحاكاة المعرفية، تُستخدم أجهزة الكمبيوتر لاختبار النظريات حول كيفية عمل العقل البشري – على سبيل المثال، النظريات حول كيفية التعرف على الوجوه أو تذكر الذكريات. المحاكاة المعرفية هي بالفعل أداة قوية في كل من علم الأعصاب وعلم النفس المعرفي.
آلان تورينغ وبداية الذكاء الاصطناعي
العمل النظري
تم إجراء أول عمل جوهري في مجال الذكاء الاصطناعي في منتصف القرن العشرين من قبل عالم المنطق ورائد الكمبيوتر البريطاني آلان ماتيسون تورينغ. في عام 1935 وصف تورينغ آلة حوسبة مجردة تتكون من ذاكرة غير محدودة وماسحة ضوئية تتحرك ذهابًا وإيابًا عبر الذاكرة، رمزًا برمز، وتقرأ ما تجده وتكتب المزيد من الرموز. يتم إملاء إجراءات الماسح الضوئي بواسطة برنامج من الإرشادات يتم تخزينه أيضًا في الذاكرة في شكل رموز. هذا هو مفهوم برنامج تورينغ المخزن، وضمنيًا فيه إمكانية تشغيل الآلة، وبالتالي تعديل أو تحسين برنامجها الخاص. يُعرف مفهوم تورينغ الآن ببساطة باسم آلة تورينج العامة. جميع أجهزة الكمبيوتر الحديثة هي في جوهرها آلات تورينج عالمية.
خلال الحرب العالمية الثانية، كان تورينج محلل شفرات رائدًا في الكود الحكومي ومدرسة سايفر في بلتشلي بارك، باكينجهامشير، إنجلترا. لم يستطع تورينج الالتفات إلى مشروع بناء آلة حوسبة إلكترونية مخزنة للبرامج حتى توقف الأعمال العدائية في أوروبا في عام 1945. ومع ذلك، أثناء الحرب فكر مليًا في مسألة الذكاء الآلي. أحد زملاء تورينج في بلتشلي بارك، دونالد ميتشي (الذي أسس لاحقًا قسم ذكاء الآلة والإدراك في جامعة إدنبرة)، ذكر لاحقًا أن تورينغ ناقش غالبًا كيف يمكن لأجهزة الكمبيوتر التعلم من التجربة وكذلك حل المشكلات الجديدة من خلال استخدام المبادئ التوجيهية – وهي عملية تعرف الآن باسم حل المشكلات التجريبية. من المحتمل جدًا أن يكون تورينج قد ألقى محاضرة عامة مبكرة (لندن، 1947) لذكر ذكاء الكمبيوتر، قائلاً، “ما نريده هو آلة يمكنها التعلم من التجربة”، وأن “إمكانية السماح للآلة بتغيير تعليماتها الخاصة توفر الآلية من أجل هذا.” في عام 1948 قدم العديد من المفاهيم المركزية للذكاء الاصطناعي في تقرير بعنوان “الآلات الذكية”. ومع ذلك، لم ينشر تورينغ هذه الورقة، وأعاد آخرون ابتكار العديد من أفكاره لاحقًا. على سبيل المثال، كانت إحدى أفكار تورينغ الأصلية هي تدريب شبكة من الخلايا العصبية الاصطناعية لأداء مهام محددة، وهو نهج موصوف في قسم الاتصال.
الشطرنج
في بلتشلي بارك، أوضح تورينغ أفكاره حول الذكاء الآلي بالرجوع إلى لعبة الشطرنج – وهي مصدر مفيد للتحدي والمشكلات المحددة بوضوح والتي يمكن من خلالها اختبار الأساليب المقترحة لحل المشكلات. من حيث المبدأ، يمكن لجهاز الكمبيوتر الذي يلعب الشطرنج أن يلعب من خلال البحث الشامل في جميع الحركات المتاحة، ولكن من الناحية العملية هذا مستحيل لأنه سيتضمن فحص عدد كبير من الحركات بشكل فلكي. الاستدلال ضروري لتوجيه بحث أضيق وأكثر تمييزًا. على الرغم من أن تورينغ جرب تصميم برامج الشطرنج، إلا أنه كان عليه أن يكتفي بالنظرية في حالة عدم وجود جهاز كمبيوتر لتشغيل برنامج الشطرنج الخاص به. كان على برامج الذكاء الاصطناعي الأولى أن تنتظر وصول أجهزة الكمبيوتر الرقمية الإلكترونية المخزنة للبرامج. في عام 1945 تنبأ تورينغ بأن أجهزة الكمبيوتر ستلعب يومًا ما لعبة شطرنج جيدة جدًا، وبعد أكثر من 50 عامًا بقليل، في عام 1997، أزرق غامق ، وهو كمبيوتر شطرنج صنعته شركة المؤسسة الدولية للحاسبات الآلية ، تغلب على بطل العالم ، غاري كاسباروف ، في مباراة ست مباريات. بينما تحقق تنبؤات تورينغ، فإن توقعه بأن برمجة الشطرنج ستساهم في فهم كيف يفكر البشر ليس كذلك. يُعزى التحسن الهائل في لعبة الشطرنج الحاسوبية منذ يوم تورينغ إلى التقدم في هندسة الكمبيوتر بدلاً من التقدم في مجال الذكاء الاصطناعي – حيث مكنت المعالجات المتوازية أزرق غامق من فحص 200 مليون حركة ممكنة في الثانية والتطلع إلى ما يصل إلى 14 دورة من اللعب. يتفق الكثيرون مع نعوم تشومسكي، عالم اللغويات في معهد ماساتشوستس للتكنولوجيا، الذي رأى أن فوز الكمبيوتر على خبير في لعبة الشطرنج مثير للاهتمام مثل فوز جرافة في مسابقة رفع الأثقال الأولمبية. في عام 1950، تجنب تورينغ الجدل التقليدي بشأن تعريف الذكاء، حيث قدم اختبارًا عمليًا لذكاء الكمبيوتر يُعرف الآن باسم اختبار تورينغ. يتضمن اختبار تورينغ ثلاثة مشاركين: جهاز كمبيوتر، ومحقق بشري، ورقائق معدنية. يحاول المحقق أن يحدد، من خلال طرح أسئلة على المشاركين الآخرين، ما هو الكمبيوتر. جميع الاتصالات عبر لوحة المفاتيح وشاشة العرض. قد يطرح المحقق أسئلة اختراق وواسعة النطاق كما يحلو له، ويسمح للكمبيوتر بفعل كل ما هو ممكن لفرض تحديد خاطئ. (على سبيل المثال، قد يجيب الكمبيوتر بـ”لا” ردًا على “هل أنت جهاز كمبيوتر؟” وقد يتبع طلبًا لمضاعفة رقم كبير في آخر مع إيقاف مؤقت طويل وإجابة غير صحيحة.) يجب أن يساعد الرقاقة المعدنية المحقق لتحديد الهوية الصحيحة. يلعب عدد من الأشخاص المختلفين دور المحقق والرقاقة، وإذا كانت نسبة كافية من المحققين غير قادرة على تمييز الكمبيوتر عن الإنسان، فعندئذ (وفقًا لمؤيدي اختبار تورينغ) يعتبر الكمبيوتر ذكيًا ومفكرًا في عام 1991، بدأ المحسن الأمريكي هيو لوبنر مسابقة جائزة لوبنر السنوية، ووعد بدفع تعويضات قدرها 100000 دولار لأول كمبيوتر يجتاز اختبار تورينغ ومنح 2000 دولار كل عام لأفضل جهد. ومع ذلك، لم يقترب أي برنامج من برامج الذكاء الاصطناعي من اجتياز اختبار تورينغ غير المخفف.
معالم مبكرة في الذكاء الاصطناعي
برامج الذكاء الاصطناعي الأولى
تمت كتابة أول برنامج ناجح للذكاء الاصطناعي في عام 1951 من قبل كريستوفر ستراشي، الذي أصبح فيما بعد مديرًا لمجموعة أبحاث البرمجة بجامعة أكسفورد. تم تشغيل برنامج الداما (المسودات) الخاص بشركة ستراشي على كمبيوتر فيرانتي مارك الأول في جامعة مانشستر، إنجلترا. بحلول صيف عام 1952، يمكن لهذا البرنامج أن يلعب لعبة كاملة من لعبة الداما بسرعة معقولة. نُشرت معلومات عن أول عرض توضيحي ناجح للتعلم الآلي في عام 1952. وعمل برنامج المتسوق، الذي كتبه أنتوني أويتينجر بجامعة كامبريدج، على الكمبيوتر إدساك. كان عالم محاكاة المتسوقين عبارة عن مركز تجاري مكون من ثمانية متاجر. عندما يُطلب من المتسوق شراء عنصر ما، يبحث عنه ويزور المتاجر بشكل عشوائي حتى يتم العثور على العنصر. أثناء البحث، يقوم المتسوق بحفظ بعض العناصر المخزنة في كل متجر تمت زيارته (تمامًا كما قد يفعل المتسوق البشري). في المرة التالية التي تم فيها إرسال المتسوق لنفس العنصر، أو لبعض العناصر الأخرى التي تم تحديد موقعها بالفعل، سيذهب إلى المتجر الصحيح على الفور. هذا الشكل البسيط من التعلم، كما هو موضح في القسم التمهيدي ما هو الذكاء؟، يسمى التعلم عن ظهر قلب. كان أول برنامج للذكاء الاصطناعي يتم تشغيله في الولايات المتحدة هو أيضًا برنامج الداما، الذي كتبه آرثر صامويل في عام 1952 للنموذج الأولي لآي بي إم 701. تولى صموئيل أساسيات برنامج لعبة الداما ستراشي وامتد على مدى سنوات إلى حد كبير. في عام 1955 أضاف ميزات مكنت البرنامج من التعلم من التجربة. تضمن صموئيل آليات لكل من التعلم عن ظهر قلب والتعميم، والتحسينات التي أدت في النهاية إلى فوز برنامجه في مباراة واحدة ضد بطل سابق في لعبة الداما في كونيكتيكت في عام 1962.
الحوسبة التطورية
كان برنامج صموئيل للدقائق ملحوظًا أيضًا لكونه أحد الجهود الأولى في الحوسبة التطورية. (تم “تطوير” برنامجه من خلال وضع نسخة معدلة في مقابل أفضل إصدار حالي من برنامجه، بحيث يصبح الفائز هو المعيار الجديد.) تتضمن الحوسبة التطورية عادةً استخدام طريقة تلقائية لتوليد وتقييم “الأجيال” المتتالية من البرنامج، حتى يتطور حل عالي الكفاءة.
كتب جون هولاند، أحد أبرز مؤيدي الحوسبة التطورية، أيضًا برنامج اختبار للنموذج الأولي لجهاز كمبيوتر آي بي إم701. على وجه الخصوص، ساعد في تصميم فأر “افتراضي” للشبكة العصبية يمكن تدريبه على التنقل عبر متاهة. أقنع هذا العمل هولندا بفاعلية النهج التصاعدي. أثناء استمرارها في التشاور مع شركة آي بي إم، انتقلت هولندا إلى جامعة ميشيغان في عام 1952 لمتابعة الدكتوراه في الرياضيات. ومع ذلك، سرعان ما تحول إلى برنامج جديد متعدد التخصصات في الكمبيوتر ومعالجة المعلومات (عُرف لاحقًا باسم علوم الاتصالات) أنشأه آرثر بيركس، أحد مؤسسي انياك وخليفته إدفاك. في أطروحته عام 1959، على الأرجح لأول دكتوراه في علوم الكمبيوتر في العالم، اقترح هولاند نوعًا جديدًا من الكمبيوتر – كمبيوتر متعدد المعالجات – من شأنه تخصيص كل خلية عصبية صناعية في الشبكة إلى معالج منفصل. (في عام 1985، حل دانيال هيليس الصعوبات الهندسية لبناء أول كمبيوتر من هذا النوع، وهو كمبيوتر عملاق من شركة آلات التفكير ذي 65.536 معالجًا).
انضمت هولندا إلى هيئة التدريس في ميتشيغان بعد التخرج وعلى مدى العقود الأربعة التالية وجهت الكثير من الأبحاث في طرق أتمتة الحوسبة التطورية، وهي عملية معروفة الآن بمصطلح الخوارزميات الجينية. تضمنت الأنظمة المطبقة في مختبر هولندا برنامج شطرنج ونماذج من الكائنات الحية أحادية الخلية ونظام تصنيف للتحكم في محاكاة شبكة خطوط أنابيب الغاز. ومع ذلك، لم تعد الخوارزميات الجينية مقتصرة على العروض “الأكاديمية”؛ في أحد التطبيقات العملية الهامة، تتعاون الخوارزمية الجينية مع شاهد على جريمة من أجل تكوين صورة للمجرم.
التفكير المنطقي وحل المشكلات
تعد القدرة على التفكير المنطقي جانبًا مهمًا من جوانب الذكاء وكانت دائمًا محورًا رئيسيًا لأبحاث الذكاء الاصطناعي. كان أحد المعالم الهامة في هذا المجال هو برنامج إثبات النظرية الذي كتبه ألين نيويل وجي كليفورد شو في عام 1955 إلى 1956 من مؤسسة راند وهربرت سيمون من جامعة كارنيجي ميلون. صُمم مُنظِّر المنطق، كما أصبح البرنامج معروفًا، لإثبات نظريات من مبادئ الرياضيات (1910–13)، وهو عمل مكون من ثلاث مجلدات للفيلسوف والرياضيات البريطانيين ألفريد نورث وايتهيد وبرتراند راسل. في إحدى الحالات، كان الدليل الذي ابتكره البرنامج أكثر أناقة من الإثبات الوارد في الكتب. استمر نيويل وسيمون وشو في كتابة برنامج أكثر قوة، وهو برنامج حل المشكلات العام أو نظام تحديد المواقع. تم تشغيل الإصدار الأول من نظام تحديد المواقع في عام 1957، واستمر العمل في المشروع لمدة عقد تقريبًا. يمكن لنظام تحديد المواقع العالمي (نظام تحديد المواقع) حل مجموعة متنوعة من الألغاز باستخدام نهج التجربة والخطأ. ومع ذلك ، فإن أحد الانتقادات الموجهة إلى نظام تحديد المواقع العالمي (نظام تحديد المواقع) والبرامج المماثلة التي تفتقر إلى أي قدرة تعلم ، هو أن ذكاء البرنامج مستعمَل تمامًا ، ويأتي من أي معلومات يتضمنها المبرمج صراحةً.
حوار اللغة الإنجليزية
أعطى اثنان من أشهر برامج الذكاء الاصطناعي المبكرة، إليزا وباري، مظهرًا غريبًا للمحادثة الذكية. (تم نشر تفاصيل كلاهما لأول مرة في عام 1966.) قامت إليزا، التي كتبها جوزيف وايزنباوم من مختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا، بمحاكاة معالج بشري. قام باري، الذي كتبه الطبيب النفسي في جامعة ستانفورد، كينيث كولبي، بمحاكاة حالة الإنسان المصاب بجنون العظمة. الأطباء النفسيون الذين طُلب منهم تقرير ما إذا كانوا يتواصلون مع باري أو المصاب بجنون العظمة البشري غالبًا ما كانوا غير قادرين على معرفة ذلك. ومع ذلك، لا يمكن وصف باري وإليزا بالذكاء. كانت مساهمات باري في المحادثة جاهزة – تم إنشاؤها مسبقًا بواسطة المبرمج وتم تخزينها بعيدًا في ذاكرة الكمبيوتر. اعتمدت إليزا أيضًا على الجمل المعلبة وحيل البرمجة البسيطة.
لغات برمجة الذكاء الاصطناعي AI
في سياق عملهم على نظرية المنطق ونظام تحديد المواقع العالمي، طور نيويل وسيمون وشو لغة معالجة المعلومات، وهي لغة كمبيوتر مصممة لبرمجة الذكاء الاصطناعي. في قلب لغة معالجة المعلومات كانت هناك بنية بيانات مرنة للغاية أطلقوا عليها اسم قائمة. القائمة هي ببساطة سلسلة مرتبة من عناصر البيانات. قد تكون بعض أو كل العناصر الموجودة في القائمة عبارة عن قوائم. يؤدي هذا المخطط إلى بنى متفرعة غنية، ففي عام 1960 قام جون مكارثي بدمج عناصر لغة معالجة المعلومات مع حساب لامدا (نظام منطقي رياضي رسمي) لإنتاج لغة البرمجة يتم معالجة القائمة، والتي تظل اللغة الرئيسية لعمل الذكاء الاصطناعي في الولايات المتحدة. تنص على. (تم اختراع حساب لامدا نفسه في عام 1936 من قبل منطقي برينستون ألونزو تشيرش أثناء بحثه في مشكلة مشكلة القرار المجردة، أو “مشكلة القرار” للمنطق الأصلي – وهي نفس المشكلة التي كان تورينج يهاجمها عندما اخترع آلة تورينج العالمية.) تم تصميم لغة البرمجة المنطقية من قبل آلان كولميرور في جامعة إيكس مرسيليا، فرنسا، حيث تم تطبيق اللغة لأول مرة في عام 1973. في جامعة ادنبره. تستخدم هذه اللغة تقنية قوية لإثبات النظرية تُعرف باسم الدقة، اخترعها عالم المنطق البريطاني آلان روبنسون في عام 1963 في مختبر أرغون الوطني التابع للجنة الطاقة الذرية الأمريكية في إلينوي. يمكن لـلبرمجة المنطقية تحديد ما إذا كانت عبارة معينة تتبع منطقيًا من عبارات أخرى معينة أم لا. على سبيل المثال، نظرًا لعبارات “كل المنطقين عقلانيون” و “روبنسون منطقي”، يجيب برنامج البرمجة المنطقية بالإيجاب على السؤال “هل روبنسون عقلاني؟” يستخدم البرمجة المنطقية على نطاق واسع في أعمال الذكاء الاصطناعي، خاصة في أوروبا واليابان. استخدم الباحثون في معهد تكنولوجيا الكمبيوتر للجيل الجديد في طوكيو البرمجة المنطقية كأساس للغات البرمجة المنطقية المعقدة. تُعرف بلغات الجيل الخامس، وهي قيد الاستخدام على أجهزة الكمبيوتر المتوازية غير العددية التي تم تطويرها في المعهد. كما تتضمن الأعمال الحديثة الأخرى تطوير اللغات للاستدلال على البيانات المعتمدة على الوقت مثل “تم الدفع للحساب بالأمس”. تستند هذه اللغات إلى منطق متوتر، مما يسمح بوضع البيانات في تدفق الوقت. (اخترع الفيلسوف آرثر بريور المنطق المتوتر في عام 1953 في جامعة كانتربري، كرايستشيرش، نيوزيلندا).
برامج عالم صغير
للتعامل مع التعقيد المذهل للعالم الحقيقي، غالبًا ما يتجاهل العلماء التفاصيل الأقل صلة؛ على سبيل المثال، غالبًا ما يتجاهل الفيزيائيون الاحتكاك والمرونة في نماذجهم. في عام 1970 اقترح مارفن مينسكي وسيمور بابيرت من مختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا أن أبحاث الذكاء الاصطناعي يجب أن تركز أيضًا على تطوير برامج قادرة على السلوك الذكي في بيئات اصطناعية أبسط تُعرف باسم العوالم الدقيقة. ركزت الكثير من الأبحاث على ما يسمى بعالم الكتل، والذي يتكون من كتل ملونة بأشكال وأحجام مختلفة مصفوفة على سطح مستو. كان النجاح المبكر لمنهج العالم الصغير هو شردلو، الذي كتبه تيري فينوغراد من معهد ماساتشوستس للتكنولوجيا. (تم نشر تفاصيل البرنامج في عام 1972.) قامت شردلو بالتحكم في ذراع روبوت يعمل فوق سطح مستو مليء بمكعبات اللعب. كانت كل من الذراع والكتل افتراضية. ستستجيب شردلو للأوامر المكتوبة باللغة الإنجليزية الطبيعية، مثل “هل يمكنك من فضلك تكديس كل من الكتل الحمراء وإما مكعب أخضر أو هرم.” يمكن للبرنامج أيضًا أن يجيب على أسئلة حول أفعاله. على الرغم من الترحيب بـشردلو في البداية باعتباره إنجازًا كبيرًا، سرعان ما أعلن فينوغراد أن البرنامج كان في الواقع طريقًا مسدودًا. أثبتت التقنيات الرائدة في البرنامج أنها غير مناسبة للتطبيق في عوالم أوسع وأكثر إثارة للاهتمام. علاوة على ذلك، فإن المظهر الذي قدمته شردلو لفهم عالم الكتل الصغير، والبيانات الإنجليزية المتعلقة به، كان في الواقع مجرد وهم. لم يكن لدى شردلو أي فكرة عن الكتلة الخضراء. لقد أشار النقاد إلى الطبيعة المبسطة للغاية لبيئة شاكي وأكدوا أنه على الرغم من هذه التبسيط، عمل شاكي ببطء شديد؛ سلسلة من الإجراءات التي يمكن للإنسان أن يخطط لها وينفذها في دقائق تستغرق أيام شاكي. إن أعظم نجاح لمنهج العالم الصغير هو نوع من البرامج يُعرف بالنظام الخبير، موصوف في القسم التالي.
النظم الخبيرة
تحتل الأنظمة الخبيرة نوعًا من العالم الصغير – على سبيل المثال، نموذج لحمل السفينة وحمولتها – قائم بذاته وغير معقد نسبيًا. بالنسبة لأنظمة الذكاء الاصطناعي هذه، يتم بذل كل جهد لدمج جميع المعلومات حول بعض المجالات الضيقة التي يعرفها خبير (أو مجموعة من الخبراء)، بحيث يمكن لنظام خبير جيد أن يتفوق في كثير من الأحيان على أي خبير بشري واحد. هناك العديد من أنظمة الخبراء التجارية، بما في ذلك برامج التشخيص الطبي، والتحليل الكيميائي، والترخيص الائتماني، والإدارة المالية، والتخطيط المؤسسي، وتوجيه المستندات المالية، والتنقيب عن النفط والمعادن، والهندسة الوراثية، وتصميم وتصنيع السيارات، وتصميم عدسة الكاميرا، وتصميم تركيب الكمبيوتر، جدولة خطوط الطيران، ووضع البضائع، وخدمات المساعدة التلقائية لأصحاب أجهزة الكمبيوتر المنزلية.
المعرفة والاستدلال
المكونات الأساسية لنظام خبير هي قاعدة المعرفة ومحرك الاستدلال. يتم الحصول على المعلومات التي سيتم تخزينها في قاعدة المعارف عن طريق إجراء مقابلات مع أشخاص خبراء في المنطقة المعنية. يقوم القائم بإجراء المقابلة، أو مهندس المعرفة، بتنظيم المعلومات التي يتم الحصول عليها من الخبراء في مجموعة من القواعد، وعادة ما تكون على شكل هيكل “إذا-إذن”. تسمى قواعد هذا النوع بقواعد الإنتاج. يمكّن محرك الاستدلال النظام الخبير من استخلاص استقطاعات من القواعد الموجودة في قاعدة المعارف. على سبيل المثال، إذا كانت قاعدة المعرفة تحتوي على قواعد الإنتاج “if x ، ثم y” و “if y ، ثم z” ، فإن محرك الاستدلال قادر على استنتاج “if x ، ثم z.” قد يستفسر النظام الخبير مستخدمه ، “هل س صحيح في الموقف الذي نفكر فيه؟” إذا كانت الإجابة بالإيجاب، فسيقوم النظام بالاستدلال على z.
تستخدم بعض الأنظمة الخبيرة منطقًا غامضًا. في المنطق القياسي، لا يوجد سوى قيمتين للحقيقة، صواب وخطأ. هذه الدقة المطلقة تجعل من الصعب وصف سمات أو مواقف غامضة. (متى، على وجه التحديد، يصبح رأس الشعر الخفيف رأسًا أصلعًا؟) غالبًا ما تحتوي القواعد التي يستخدمها الخبراء البشريون على تعبيرات غامضة، ولذا فمن المفيد لمحرك استدلال نظام خبير أن يستخدم منطقًا غامضًا.
دندرال
في عام 1965، بدأ الباحث في الذكاء الاصطناعي إدوارد فيغنباوم وعالم الوراثة جوشوا ليدربيرغ، وكلاهما من جامعة ستانفورد، العمل على دندرال (اختصارًا لاحقًا إلى دندرال)، وهو نظام خبير في التحليل الكيميائي. قد تكون المادة المراد تحليلها، على سبيل المثال، مركبًا معقدًا من الكربون والهيدروجين والنيتروجين. بدءًا من البيانات الطيفية التي تم الحصول عليها من المادة، فإن دندرال يفترض التركيب الجزيئي للمادة. ينافس أداء دندرال أداء الكيميائيين الخبراء في هذه المهمة، وتم استخدام البرنامج في الصناعة والأوساط الأكاديمية.
مايسين
بدأ العمل في مايسين ، وهو نظام متخصص في علاج عدوى الدم ، في جامعة ستانفورد في عام 1972. سيحاول مايسين تشخيص المرضى بناءً على الأعراض المبلغ عنها ونتائج الاختبارات الطبية. يمكن أن يطلب البرنامج مزيدًا من المعلومات المتعلقة بالمريض، بالإضافة إلى اقتراح اختبارات معملية إضافية، للوصول إلى تشخيص محتمل، وبعد ذلك سيوصي بمسار العلاج. إذا طُلب ذلك، فسوف تشرح مايسين الأسباب التي أدت إلى التشخيص والتوصية. باستخدام حوالي 500 من قواعد الإنتاج، عملت مايسين على نفس مستوى الكفاءة تقريبًا مثل المتخصصين البشريين في التهابات الدم وأفضل من الممارسين العامين. ومع ذلك، فإن الأنظمة الخبيرة ليس لديها حس عام أو فهم لحدود خبرتها. على سبيل المثال، إذا تم إخبار مايسين أن المريض الذي أصيب بطلق ناري كان ينزف حتى الموت، فسيحاول البرنامج تشخيص السبب البكتيري لأعراض المريض. يمكن للأنظمة الخبيرة أيضًا أن تعمل على أخطاء كتابية سخيفة، مثل وصف جرعة غير صحيحة بشكل واضح من دواء لمريض تم نقل بيانات وزنه وعمره عن طريق الخطأ.
مشروع سيس
سيس هي تجربة كبيرة في الذكاء الاصطناعي الرمزي. بدأ المشروع في عام 1984 تحت رعاية شركة مؤسسة الإلكترونيات الدقيقة وتكنولوجيا الكمبيوتر، وهي مجموعة من شركات تصنيع أجهزة الكمبيوتر وأشباه الموصلات والإلكترونيات. في عام 1995، قام دوجلاس لينات، مدير مشروع سيس، بفصل المشروع باسم شركة سيكورب، ومقرها في أوستن، تكساس. كان الهدف الأكثر طموحًا لشركة سيكورب هو بناء قاعدة بيانات تحتوي على نسبة كبيرة من المعرفة المنطقية للإنسان. تم ترميز الملايين من التأكيدات أو القواعد المنطقية في سيس. كان التوقع هو أن هذه “الكتلة الحرجة” ستسمح للنظام نفسه باستخراج المزيد من القواعد مباشرة من النثر العادي وأن تكون في النهاية أساسًا للأجيال القادمة من الأنظمة الخبيرة. مع تجميع جزء بسيط من قاعدة المعارف المنطقية الخاصة به، يمكن لـسيس استخلاص استنتاجات من شأنها أن تهزم الأنظمة الأبسط. على سبيل المثال، يمكن أن يستنتج برنامج سيس أن ” غارسيا مبلل” من العبارة، ” غارسيا ينهي سباق الماراطون”، من خلال تطبيق قواعده التي تنص على أن الجري في سباق الماراثون يتطلب مجهودًا كبيرًا، وأن الأشخاص يتعرقون عند مستويات عالية من الجهد، وذلك عندما شيء يتعرق أنه رطب. من بين المشكلات المتبقية المعلقة، مشكلات البحث وحل المشكلات – على سبيل المثال، كيفية البحث في قاعدة المعارف تلقائيًا عن المعلومات ذات الصلة بمشكلة معينة. يطلق باحثو الذكاء الاصطناعي على مشكلة التحديث والبحث ومعالجة بنية كبيرة من الرموز في فترات زمنية واقعية مشكلة الإطار. يعتقد بعض منتقدي الذكاء الاصطناعي الرمزي أن مشكلة الإطار غير قابلة للحل إلى حد كبير، وبالتالي يؤكدون أن النهج الرمزي لن ينتج عنه أنظمة ذكية حقًا. من الممكن أن يستسلم سيس، على سبيل المثال، لمشكلة الإطار قبل وقت طويل من تحقيق النظام لمستويات الإنسان من المعرفة.
الارتباطية
تم تطوير الاتصال، أو الحوسبة الشبيهة بالخلايا العصبية، من محاولات فهم كيفية عمل الدماغ البشري على المستوى العصبي، وعلى وجه الخصوص، كيف يتعلم الناس ويتذكرون. في عام 1943، نشر عالم الفسيولوجيا العصبية وارن ماكولوتش من جامعة إلينوي وعالم الرياضيات والتر بيتس من جامعة شيكاغو مقالة مؤثرة حول الشبكات العصبية والآليات، والتي بموجبها كل خلية عصبية في الدماغ هي معالج رقمي بسيط والدماغ ككل. هو شكل من أشكال آلة الحوسبة. كما قال ماكولوتش لاحقًا، “ما اعتقدنا أننا نقوم به (وأعتقد أننا نجحنا بشكل جيد إلى حد ما) هو معاملة الدماغ كآلة تورينغ.”
إنشاء شبكة عصبية اصطناعية
لم ينجح بلمونت فارلي وويسلي كلارك من معهد ماساتشوستس للتكنولوجيا حتى عام 1954 في تشغيل أول شبكة عصبية اصطناعية – وإن كانت محدودة بذاكرة الكمبيوتر بما لا يزيد عن 128 خلية عصبية. كانوا قادرين على تدريب شبكاتهم على التعرف على الأنماط البسيطة. بالإضافة إلى ذلك، اكتشفوا أن التدمير العشوائي لما يصل إلى 10 بالمائة من الخلايا العصبية في شبكة مدربة لم يؤثر على أداء الشبكة – وهي ميزة تذكرنا بقدرة الدماغ على تحمل الضرر المحدود الناتج عن الجراحة أو الحوادث أو المرض.
توضح الشبكة العصبية البسيطة الموضحة في الشكل الأفكار المركزية للاتصال. أربعة من الخلايا العصبية الخمسة للشبكة مخصصة للإدخال، والخامس – الذي يتصل به كل من الخلايا الأخرى – للإخراج. كل من الخلايا العصبية إما تطلق (1) أو لا تطلق (0). كل اتصال يؤدي إلى N، العصبون الناتج، له “وزن”. ما يسمى إجمالي المدخلات الموزونة في N يتم حسابه عن طريق جمع أوزان جميع الوصلات المؤدية إلى N من الخلايا العصبية التي تعمل. على سبيل المثال، افترض أن اثنين فقط من الخلايا العصبية المدخلة، X وY، تعملان. نظرًا لأن وزن الاتصال من X إلى N هو 1.5 ووزن الاتصال من Y إلى N هو 2، فإن إجمالي المدخلات الموزونة إلى N هو 3.5. كما هو موضح في الشكل، N لها حد إطلاق 4. أي إذا كان إجمالي المدخلات الموزونة لـ N يساوي أو يتجاوز 4، فإن N حرائق؛ خلاف ذلك، لا تطلق N. لذلك، على سبيل المثال، لا يتم إطلاق N إذا كانت الخلايا العصبية المدخلة الوحيدة التي يتم إطلاقها هي X وY، ولكن N تطلق إذا كان كل من X وY وZ يشتعل.
تدريب الشبكة يتضمن خطوتين. أولاً، يُدخل الوكيل الخارجي نمطًا ويلاحظ سلوك N. ثانيًا ، يقوم الوكيل بضبط أوزان الاتصال وفقًا للقواعد: إذا كان الناتج الفعلي 0 وكان الناتج المطلوب هو 1 ، فقم بزيادة وزن كل اتصال يؤدي إلى N من الخلايا العصبية التي تطلق النار بمقدار صغير ثابت (مما يزيد من احتمال إطلاق N في المرة التالية التي يتم فيها إعطاء الشبكة نفس النمط)؛ وإذا كان الناتج الفعلي 1 وكان الناتج المطلوب 0 ، فقم بتقليل نفس المقدار الصغير من وزن كل اتصال مما يؤدي إلى الخلايا العصبية الناتجة من الخلايا العصبية التي تعمل (مما يجعل من غير المرجح أن الخلايا العصبية الناتجة ستطلق في المرة التالية يتم إعطاء هذا النمط كمدخلات). ان العامل الخارجي – في الواقع برنامج كمبيوتر – يمر بهذا الإجراء المكون من خطوتين مع كل نمط في عينة التدريب، والذي يتم تكراره بعد ذلك عدة مرات. خلال هذه التكرارات العديدة، يتم تشكيل نمط من أوزان الاتصال يمكّن الشبكة من الاستجابة بشكل صحيح لكل نمط. الأمر المذهل هو أن عملية التعلم آلية بالكامل ولا تتطلب أي تدخل بشري أو تعديل. يتم زيادة أو تقليل أوزان الاتصال تلقائيًا بمقدار ثابت، ويتم تطبيق نفس إجراء التعلم بالضبط على المهام المختلفة.
الإدراك
في عام 1957، بدأ فرانك روزنبلات من مختبر كورنيل للطيران في جامعة كورنيل في إيثاكا بنيويورك، بالتحقيق في الشبكات العصبية الاصطناعية التي أطلق عليها اسم المستشعرات. قدم مساهمات كبيرة في مجال الذكاء الاصطناعي، سواء من خلال التحقيقات التجريبية لخصائص الشبكات العصبية (باستخدام المحاكاة الحاسوبية) ومن خلال التحليل الرياضي المفصل. كان روزنبلات متواصلاً يتمتع بشخصية كاريزمية، وسرعان ما كان هناك العديد من المجموعات البحثية في الولايات المتحدة تدرس المفاهيم. أطلق روزنبلات وأتباعه على نهجهم الاتصال للتأكيد على أهمية تعلم إنشاء وتعديل الروابط بين الخلايا العصبية. اعتمد الباحثون الحديثون هذا المصطلح. لقد كانت إحدى مساهمات روزنبلات هي تعميم إجراء التدريب الذي طبقه فارلي وكلارك على شبكات من طبقتين فقط بحيث يمكن تطبيق الإجراء على الشبكات متعددة الطبقات. استخدم روزنبلات عبارة “تصحيح خطأ الانتشار العكسي” لوصف طريقته. هذه الطريقة، مع التحسينات والإضافات الجوهرية من قبل العديد من العلماء، ومصطلح الانتشار الخلفي هما الآن قيد الاستخدام اليومي في الاتصال.
تصريف الأفعال
في إحدى تجارب الاتصال الشهيرة التي أجريت في جامعة كاليفورنيا في سان دييغو (نُشرت في عام 1986)، قام ديفيد روميلهارت وجيمس ماكليلاند بتدريب شبكة من 920 خلية عصبية اصطناعية، مرتبة في طبقتين من 460 خلية عصبية، لتشكيل الأزمنة السابقة للأفعال الإنجليزية. تم تقديم الأشكال الجذرية من الأفعال – مثل تعال، وانظر، ونوم – على طبقة واحدة من الخلايا العصبية، طبقة الإدخال. لاحظ برنامج كمبيوتر إشرافي الاختلاف بين الاستجابة الفعلية في طبقة الخلايا العصبية الناتجة والاستجابة المرغوبة – التي تأتي، على سبيل المثال – ثم عدَّل ميكانيكيًا الاتصالات في جميع أنحاء الشبكة وفقًا للإجراء الموضح أعلاه لإعطاء الشبكة دفعة بسيطة اتجاه الاستجابة الصحيحة. تم تقديم حوالي 400 فعل مختلف واحدًا تلو الآخر للشبكة، وتم تعديل الاتصالات بعد كل عرض تقديمي. تكرر هذا الإجراء بأكمله حوالي 200 مرة باستخدام نفس الأفعال، وبعد ذلك يمكن للشبكة أن تشكل صيغة الزمن الماضي للعديد من الأفعال غير المألوفة وكذلك الأفعال الأصلية. على سبيل المثال، عند تقديمها لأول مرة مع الحارس، استجابت الشبكة بالحراسة؛ بكى بكاء. مع التشبث، تشبث. مع التنقيط، منقط (كامل مع ع مزدوج). هذا مثال صارخ على التعلم الذي ينطوي على التعميم. (على الرغم من ذلك، في بعض الأحيان، كانت خصائص اللغة الإنجليزية أكثر من اللازم بالنسبة للشبكة، وتشكلت من القرفصاء، وشُحنت من الشكل، ومغشية من البريد). اسم آخر للاتصال هو المعالجة الموزعة المتوازية، والتي تؤكد على ميزتين مهمتين. أولاً، يعمل عدد كبير من المعالجات البسيطة نسبيًا – الخلايا العصبية – بالتوازي. ثانيًا، تخزن الشبكات العصبية المعلومات بطريقة موزعة، حيث يشارك كل اتصال فردي في تخزين العديد من عناصر المعلومات المختلفة. إن الدراية الفنية التي مكنت شبكة الزمن الماضي من تشكيل بكاء من البكاء، على سبيل المثال، لم يتم تخزينها في مكان واحد محدد في الشبكة، ولكنها كانت منتشرة عبر النمط الكامل لأوزان الاتصال التي تم تشكيلها أثناء التدريب. يبدو أيضًا أن الدماغ البشري يخزن المعلومات بطريقة موزعة، ويساهم البحث المتعلق بالاتصال في محاولات فهم كيفية قيامه بذلك.
الشبكات العصبية الأخرى
تشمل الأعمال الأخرى على الحوسبة الشبيهة بالخلايا العصبية ما يلي:
الذكاء الاصطناعي الجديد: أسس جديدة
كان النهج المعروف الآن باسم الذكاء الاصطناعي الجديد رائدًا في مختبر معهد ماساتشوستس للتكنولوجيا من قبل الأسترالي رودني بروكس خلال النصف الأخير من الثمانينيات. تنأى شركة ذكاء اصطناعي جديد نفسها عن الذكاء الاصطناعي القوي، مع تركيزها على الأداء على المستوى البشري، لصالح الهدف المتواضع نسبيًا للأداء على مستوى الحشرات. على مستوى أساسي للغاية، يرفض الذكاء الاصطناعي الجديد اعتماد الذكاء الاصطناعي الرمزي على بناء نماذج داخلية للواقع، مثل تلك الموضحة في قسم برامج عالم صغير. يؤكد ممارسو الذكاء الاصطناعي الجديد أن الذكاء الحقيقي يتضمن القدرة على العمل في بيئة حقيقية. تتمثل الفكرة المركزية للذكاء الاصطناعي الجديد في أن الذكاء، كما يعبر عنه السلوك المعقد، “ينشأ” من تفاعل بعض السلوكيات البسيطة. على سبيل المثال، الروبوت الذي تتضمن سلوكياته البسيطة تجنب الاصطدام والحركة تجاه جسم متحرك سيظهر وكأنه يطارد الجسم ويتوقف مؤقتًا كلما اقترب كثيرًا. أحد الأمثلة الشهيرة للذكاء الاصطناعي الجديد هو روبوت بروكس هربرت (الذي سمي على اسم هربرت سيمون)، حيث تمثل بيئته المكاتب المزدحمة لمختبر معهد ماساتشوستس للتكنولوجيا. يبحث “هربرت” في المكاتب والطاولات عن علب الصودا الفارغة التي يلتقطها ويحملها بعيدًا. ينشأ سلوك الروبوت الذي يبدو أنه موجه نحو الهدف من تفاعل حوالي 15 سلوكًا بسيطًا. في الآونة الأخيرة، أنشأ بروكس نماذج أولية من الروبوتات المتنقلة لاستكشاف سطح المريخ. (شاهد الصور ومقابلة مع رودني بروكس). يتجنب الذكاء الاصطناعي الجديد مشكلة الإطار التي تمت مناقشتها في قسم مشروع سيس. لا تحتوي أنظمة ذكاء اصطناعي جديد على نموذج رمزي معقد لبيئتها. بدلاً من ذلك، تُترك المعلومات “خارج العالم” إلى أن يحين الوقت الذي يحتاجه النظام. يشير النظام الجديد باستمرار إلى مستشعراته بدلاً من نموذج داخلي للعالم: “يقرأ” العالم الخارجي مهما كانت المعلومات التي يحتاجها في الوقت الذي يحتاجه بالضبط. (كما أصر بروكس، العالم هو أفضل نموذج له – دائمًا ما يكون محدثًا تمامًا وكامل في كل التفاصيل.)
منهج الوقوع
لقد حاول الذكاء الاصطناعي التقليدي إلى حد كبير بناء ذكاء غير متجسد كان تفاعله الوحيد مع العالم غير مباشر (سيس، على سبيل المثال). من ناحية أخرى، يحاول الذكاء الاصطناعي الجديد بناء ذكاء متجسد يقع في العالم الحقيقي – وهي طريقة أصبحت تُعرف باسم النهج الموضعي. اقتبس بروكس بموافقة من الرسومات الموجزة التي قدمها تورينغ في عامي 1948 و1950 للمنهج الواقع. كتب تورينغ أنه من خلال تجهيز آلة “بأفضل أعضاء الحواس التي يمكن أن يشتريها المال”، يمكن تعليم الآلة “فهم اللغة الإنجليزية والتحدث بها” من خلال عملية “تتبع التعليم العادي للطفل”. قارن تورينغ هذا مع نهج الذكاء الاصطناعي الذي يركز على الأنشطة المجردة، مثل لعب الشطرنج. ودعا إلى اتباع كلا المنهجين، ولكن حتى وقت قريب لم يكن هناك اهتمام يذكر بالنهج القائم. لقد كان المنهج الموضعي متوقعًا أيضًا في كتابات الفيلسوف بيرت دريفوس من جامعة كاليفورنيا في بيركلي. في بداية الستينيات، عارض دريفوس فرضية نظام الرموز الفيزيائية، بحجة أن السلوك الذكي لا يمكن التقاطه بالكامل من خلال الأوصاف الرمزية. وكبديل لذلك، دافع دريفوس عن وجهة نظر للذكاء تؤكد على الحاجة إلى جسم يمكنه التحرك والتفاعل مباشرة مع الأشياء المادية. كان دريفوس يُلْمِم من قبل دعاة الذكاء الاصطناعي، ويُنظر إليه الآن على أنه نبي للمنهج القائم. كما يشير منتقدو الذكاء الاصطناعي الحديث إلى الفشل في إنتاج نظام يظهر أي شيء مثل تعقيد السلوك الموجود في الحشرات الحقيقية. يبدو أن الاقتراحات التي قدمها الباحثون بأن أنظمتهم الجديدة قد تكون واعية وتمتلك لغة، تبدو سابقة لأوانها تمامًا.
هل الذكاء الاصطناعي القوي ممكن؟
يبدو أن النجاح المستمر للذكاء الاصطناعي التطبيقي والمحاكاة المعرفية، كما هو موضح في الأقسام السابقة من هذه المقالة، مؤكد. ومع ذلك، فإن الذكاء الاصطناعي القوي – أي الذكاء الاصطناعي الذي يهدف إلى تكرار القدرات الفكرية البشرية – لا يزال مثيرًا للجدل. الادعاءات المبالغ فيها بالنجاح، في المجلات المتخصصة وكذلك في الصحافة الشعبية، أضرت بسمعتها. في الوقت الحالي، حتى النظام المتجسد الذي يعرض الذكاء العام للصرصور يثبت أنه بعيد المنال، ناهيك عن نظام يمكن أن ينافس الإنسان. لا يمكن المبالغة في صعوبة توسيع نطاق إنجازات الذكاء الاصطناعي المتواضعة. خمسة عقود من البحث في الذكاء الاصطناعي الرمزي فشلت في إنتاج أي دليل قاطع على أن نظام الرموز يمكن أن يظهر المستويات البشرية للذكاء العام؛ الوصلات غير قادرة على نمذجة الأنظمة العصبية حتى أبسط اللافقاريات. يعتبر منتقدو الذكاء الاصطناعي الحديث وجهة نظر صوفية مفادها أن السلوكيات عالية المستوى التي تنطوي على فهم اللغة والتخطيط والاستدلال ستظهر بطريقة ما من تفاعل السلوكيات الأساسية مثل تجنب العوائق والتحكم في النظرة والتلاعب بالأشياء. ومع ذلك، فإن هذا النقص في التقدم الجوهري قد يكون ببساطة شهادة على صعوبة الذكاء الاصطناعي القوي، وليس على استحالة ذلك. دعونا ننتقل إلى فكرة الذكاء الاصطناعي القوي. هل يمكن للكمبيوتر أن يفكر؟ يقترح نعوم تشومسكي أن مناقشة هذا السؤال لا طائل من ورائه، لأنه قرار تعسفي في الأساس ما إذا كان ينبغي توسيع الاستخدام الشائع لكلمة التفكير ليشمل الآلات. يدعي تشومسكي أنه لا يوجد سؤال واقعي حول ما إذا كان أي قرار من هذا القبيل صحيحًا أم خاطئًا – تمامًا كما لا يوجد شك حول ما إذا كان قرارنا بالقول إن الطائرات تطير صحيحًا، أو قرارنا بعدم القول بأن السفن تسبح. ومع ذلك، يبدو أن هذا يبالغ في تبسيط الأمور. السؤال المهم هو، هل يمكن أن يكون من المناسب أن نقول إن أجهزة الكمبيوتر تفكر، وإذا كان الأمر كذلك، فما هي الشروط التي يجب أن يفي بها الكمبيوتر حتى يتم وصفها على هذا النحو؟
يقدم بعض المؤلفين اختبار تورينغ كتعريف للذكاء. ومع ذلك، أشار تورينغ نفسه إلى أن الكمبيوتر الذي يجب أن يوصف بأنه ذكي قد يفشل مع ذلك في اختباره إذا كان غير قادر على تقليد الإنسان بنجاح. على سبيل المثال، لماذا يجب أن يكون الروبوت الذكي المصمم للإشراف على التعدين على القمر قادرًا بالضرورة على تصوير نفسه في المحادثة كإنسان؟ إذا كان بإمكان كيان ذكي أن يفشل في الاختبار، فلن يعمل الاختبار كتعريف للذكاء. حتى أنه من المشكوك فيه ما إذا كان اجتياز الاختبار سيظهر في الواقع أن الكمبيوتر ذكي، كما أشار منظّر المعلومات كلود شانون ورائد الذكاء الاصطناعي جون مكارثي في عام 1956. جادل شانون ومكارثي بأنه من الممكن، من حيث المبدأ، تصميم آلة تحتوي على مجموعة كاملة من الردود الجاهزة على جميع الأسئلة التي قد يطرحها المحقق خلال الفترة الزمنية المحددة للاختبار. مثل باري، ستنتج هذه الآلة إجابات لأسئلة القائم بإجراء المقابلة من خلال البحث عن الإجابات المناسبة في جدول ضخم. يبدو أن هذا الاعتراض يظهر أنه من حيث المبدأ، يمكن لنظام بدون ذكاء على الإطلاق اجتياز اختبار تورينغ. في الواقع، ليس للذكاء الاصطناعي تعريف حقيقي للذكاء ليقدمه، ولا حتى في حالة ما دون البشر. الفئران ذكية، ولكن ما الذي يجب أن يحققه الذكاء الاصطناعي بالضبط قبل أن يدعي الباحثون هذا المستوى من النجاح؟
في غياب معيار دقيق بشكل معقول عندما يتم اعتبار النظام الاصطناعي على أنه ذكي، لا توجد طريقة موضوعية لمعرفة ما إذا كان برنامج أبحاث الذكاء الاصطناعي قد نجح أو فشل. إحدى نتائج فشل الذكاء الاصطناعي في إنتاج معيار مُرضٍ للذكاء هو أنه كلما حقق الباحثون أحد أهداف الذكاء الاصطناعي – على سبيل المثال، برنامج يمكنه تلخيص مقالات الصحف أو التغلب على بطل العالم في الشطرنج – يستطيع النقاد أن يقولوا “هذا ليس ذكاء! ” رد مارفن مينسكي على مشكلة تعريف الذكاء هو الإبقاء – مثل تورينغ من قبله – على أن الذكاء هو ببساطة اسمنا لأي عملية عقلية لحل المشكلات لم نفهمها بعد. يشبه مينسكي الذكاء بمفهوم “المناطق غير المستكشفة في إفريقيا”: يختفي بمجرد اكتشافه.” بقلم ج ب كوبلاند
الرابط:
https://www.britannica.com/technology/artificial-intelligence/Expert-systems
كاتب فلسفي

اظهر المزيد

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني.

إغلاق
إغلاق