يتجاوز الذكاء الاصطناعي المنطق الشرطي القياسي والاحتمالات والإحصاءات

فهم الفرق بين الذكاء الاصطناعي والتقنيات التقليدية

الشعبية الأخيرة للذكاء الاصطناعي، إلى جانب كون المجال جديداً وجذاباً، أدت إلى ادعاء العديد من المؤسسات بأن مشاريعها تستخدم أحدث التطورات في مجال AI في حين أنها تستخدم في الغالب فقط المنطق الشرطي القياسي والاحتمالات والإحصاءات. ويؤدي هذا إلى عدم إدراك المؤسسات للفوائد التي يقدمها AI.

الفهم العام للذكاء الاصطناعي من قبل الجمهور الأوسع أمر ضروري لضمان توافق دقيق ولضمان تطوير التكنولوجيا بأمان ومسؤولية. في حين أن هناك العديد من الأسباب والضغوط الداخلية للادعاء باستخدام AI عندما يكون هذا الادعاء غير دقيق، فإن المؤسسات، نتيجة لذلك، لا تستفيد أيضًا من التطورات الفعلية. المنطق الشرطي، والتقنيات الاحتمالية والإحصائية تشكل أساس معظم المؤسسات اليوم، وعلى الرغم من تعقيدها وتطورها في حد ذاتها بالإضافة إلى تقديمها فوائد كبيرة، إلا أنها تختلف عما يُشار إليه اليوم باسم الذكاء الاصطناعي.

تعتمد معظم تطبيقات الأعمال الحديثة على المنطق الشرطي. في سياق لغات البرمجة المعاصرة ومحركات الصيغ، يُعبَّر عن منطق الأعمال اليوم عادةً كمنطق منطقي، وعبارات If-Then-Else، وعبارات Case. يمكن التقاط منطق الأعمال التنظيمي والتعبير عنه في الاستدلال الشرطي. ورغم أنه أثبت قيمة هائلة، إلا أنه يختلف عما يُشار إليه اليوم عادةً باسم الذكاء الاصطناعي. التقنيات الاحتمالية والإحصائية التي تُستخدم غالبًا بكثرة للتنبؤات والتوقعات، ورغم موثوقيتها وسلامتها أيضًا، هي في الواقع ليست ذكاءً اصطناعيًا. تُعرَّف هذه التركيبات الرياضية أكثر أو أقل مسبقًا بشكل عقلاني، مع ثوابت قليلة للتغيير أو التباين، بينما يعتمد الذكاء الاصطناعي على الديناميكيات.

بدلاً من ذلك، تعتمد الذكاء الاصطناعي، كما وُصف باختصار، عادةً على نماذج تتعلم من البيانات وتحدد المنطق نفسها من البيانات. منذ تقديم إثبات نظرية التقريب العالمية في عام 1999، والتي توضح كيف يمكن للشبكة العصبية تقريب أي دالة، يتم الآن توجيه المزيد من الجهود نحو حل البرامج عبر الذكاء الاصطناعي بدلاً من النماذج الأخرى. بينما من الناحية النظرية، من الممكن تقريب أي دالة، كانت قوة الحوسبة والتقنيات لتحقيق ذلك عاملًا مقيدًا في الممارسة العملية. ومع ذلك، أحدثت التطورات الأخيرة تقدمًا كبيرًا في سد الفجوة بين النظرية والتطبيق.

يستخدم الذكاء الاصطناعي الحديث تقنيات بما في ذلك التعلم المعزز العميق، ومعالجة اللغة الطبيعية، وLSTMs، ونماذج التوليد التنافسية مع أطر عمل بما في ذلك TensorFlow وPyTorch المستخدمة في التنفيذات. يعد اختبار جيد لمعرفة ما إذا كان مشروعك يستخدم الذكاء الاصطناعي هو النظر في مجموعات الأدوات المستخدمة فعليًا داخل المشاريع. من المحتمل ألا يكون مشروعًا مدعومًا بالذكاء الاصطناعي إذا لم يكن يستخدم أدوات في هذا المجال، باستثناء الاستثناء الواضح المتمثل في الاعتماد على مجموعات أدوات مخصصة تؤدي مهام ذكاء اصطناعي يومية مثل ضرب المصفوفات.

تطبيقات قائمة على الذكاء الاصطناعي وتطبيقات لا تعتمد على الذكاء الاصطناعي

إليك بعض الأمثلة الحقيقية للذكاء الاصطناعي المستخدمة في العالم الواقعي:

• أنظمة الرؤية الحاسوبية التي تتعلم اكتشاف وتتبع الكائنات من البيانات الموسومة؛
• تتعلم أنظمة معالجة اللغة الإجابة على الأسئلة والتحسن بمرور الوقت مثل روبوتات الدردشة؛
• وكلاء ألعاب يمكنهم، بمجرد إدخال البكسل فقط، تعلم لعب ألعاب مثل Space Invaders وPacman وTetris.

على العكس من ذلك، إليك بعض الأمثلة التي يُشار إليها عادةً كأمثلة على الذكاء الاصطناعي في حين أنها ليست كذلك ولا ينبغي الإشارة إليها على هذا النحو:

• نماذج التنبؤ التي تعتمد على الاحتمالات والإحصاء؛
• استعلامات SQL التي تسترجع البيانات من قاعدة بيانات وتقوم بعملية تجميع أو فرز؛
• لوحات تحكم تحليلية قائمة على القواعد تم إنشاؤها في Tableau أو Microsoft Power BI؛
• جداول بيانات Excel تستخدم صيغ بسيطة؛
• مصنفات Excel تعمل بوحدات ماكرو تحتوي على بعض أكواد VBA؛
• ترسل أنظمة الاستشعار إشارة إلى مركز تحكم يقوم بتفسيرها خبير بشري.

الاتجاهات المستقبلية للمنظمات التي تتطلع إلى تبني الذكاء الاصطناعي

في كثير من الحالات، يمكن للذكاء الاصطناعي حل المشكلات المعقدة، ولكن هناك قيود تكون فيها المنطق الشرطي القياسي والاحتمالات والإحصاءات متفوقة. ومثال على ذلك الاستثناءات التي تتطلب موثوقية بنسبة 100%، حيث يمكن لأنظمة AI أحيانًا إنتاج نتائج غير متسقة. وفي حالة التقنيات التقليدية، سيكون من المفيد ذكر كيفية تنفيذها بدلاً من ذكر أنها مبنية على الذكاء الاصطناعي، لأن ذلك من شأنه تحسين تدفق المعرفة.

يتطور الذكاء الاصطناعي باستمرار، مع تحسينات تأتي بسرعة، وتتسرب ببطء إلى الحياة اليومية من خلال نشرها فوق منصات البنية التحتية والتكنولوجية الموجودة بالفعل. ومع أصبحها أكثر انتشارًا، تصبح الدقة أكثر أهمية من أي وقت مضى، ومن الأهمية بمكان النظر في كيفية تطبيقها وشرحها. ومع أصبح المجال أكثر تنظيمًا بشكل حتمي، فإن بعض التراخيص المتخذة في الادعاء الخاطئ باستخدام AI ستحل بمرور الوقت. ومع ذلك، يمكن للمؤسسات اكتساب السبق من خلال تبني تعريفات دقيقة لـ AI من الوقت الحاضر.

فوائد الذكاء الاصطناعي الحقيقي هائلة، ويمكن لـ Telemus AI العمل مع مؤسستك لتحقيق نتائج ملموسة تتجاوز التقنيات التقليدية بكثير.

اتصل بنا اليوم للحصول على استشارة مجانية حول كيفية دمج Telemus AI™ في مؤسستك.