ما هو الذكاء الاصطناعي؟؟

[مروه عثمان رجب]

السلام عليكم
 تعود كثير من جوانب الذكاء الاصطناعي إلى العهود القديمة ، كون الذكاء الاصطناعي أحدث ما ابتكر العقل البشري في العقود الخمسة الأخيرة من القرن العشرين من حياة الإنسان ،فقبل وجود الكمبيوتر أو حتى الإلكترونيات والكهرباء حاول الإنسان خلق بعض الأشياء لها بعض صفاته.وعلى سبيل الذكر في القرون الوسطى يذكر أن البابا سيلفستر الثاني صنع آلة قادرة على نطق بعدد معين من الكلمات والإجابة عن بعض الأسئلة بنعم أو لا ،أما العرب فقد عملوا بـ "آلات الحيل " أي الآلات ذاتية الحركة منذ القرن التاسع للميلاد وكانت أبرزها الآلات الموسيقية والساعات والنوافير ،ويرى الكثير من ذوي الاختصاص إن هندسة الحيل العربية هي السلف المباشر للكثير من الأجهزة الحديثة مثل ساعات الماء الأوروبية والآلات البيع والآلات المحاسبية ،وهذه الأمثلة بعض من محاولات الإنسان في العصور القديمة وهناك كثير من المحاولات،والكثير من هذه المحاولات في المجال برزت سوى في القرون السابقة أو اللاحقة ، وقد أغنى الخيال العلمي هذا المجال في كثير من حكايات الإنسان الآلي أو الآلة التي تقوم بمهارات متعدد عوضاً عن الإنسان،ورغم الفترة التي بدء فيها الإنسان أبحاثه في مجال الذكاء الاصطناعي "الثلاثة العقود الأخيرة "ومحاولة العلماء تزويد الآلات القدرة على الاستنتاج فإنها لإنزال غير قادرة على التفكير كأي كائن بشري .




أهــــداف الذكـــاء الاصــطناعي

1 - تمكين الآلات من معالجة المعلومات بشكل اقرب إلى طريقة الإنسان في حل المسائل ،بمعنى أخر المعالجة المتوازية Parallel Processing حيث يتم تنفيذ عدة أوامر في نفس الوقت وهذا أقرب إلى طريقة الإنسان في حل المسائل.

2 - فهم أفضل لماهية الذكاء البشري عن طريق فك أغوار الدماغ حتى يمكن محاكاته، كما هو معروف أن الجهاز العصبي والدماغ البشري أكثر الأعضاء تعقيداً وهما يعملان بشكل مترابط ودائم في التعرف على الأشياء ،فمثلاً للتعرف على صورة شخص عن طريق الكمبيوتر فلابد أولا من وجود آلة تصوير حتى يتم مسح صور الشخص نقطة نقطه ثم إرسال هذه الصورة إلى جهاز الكمبيوتر ليقوم بمقارنة الصورة مع ما هو مخزون من معلومات ،ولكن إذا هذا الشخص غير ملامح وجهه ببعض الحركات فربما لن يستطيع الكمبيوتر التعرف على هذه الصورة بعكس الإنسان.





ميادين الذكاء الاصطناعي

1 - الأنظمة الخبيرة ( Expert System ) :

وهي برامج تحتوي على كمية هائلة من المعلومات التي يملكها خبير إنساني في حقل معين من حقول المعرفة وبعض هذه البرامج أثبتت فعاليتها لتؤكد إمكانية في هذا المجال.

2 - معالجة اللغات الطبيعية ( Natural Language Processing  ) :

والتي تسعى إلى فهم اللغات الطبيعية بهدف تلقين الكمبيوتر الأوامر مباشرة بهذه اللغة وبالتالي تمكين الكمبيوتر من المحادثة مع الناس عن طريق الإجابة عن أسئلة معينة .

3 - الكلام ( Speech ) :

تزويد الكمبيوتر على فهم الكلام البشري عن طريق تلقي الأصوات من الخارج وإعادة تجميعها والتعرف عليها ومن ثم الرد عليها .

4 - النظر ( Vision  ) :

تزويد الكمبيوتر بأجهزة استشعار ضوئية تمكنه من التعرف على الأشخاص أو الأشكال الموجودة

5 - الروبوت ( Roboties )  :

وهو آلة كهر وميكانيكية تتلقى الأوامر من كمبيوتر تابع لها فيقوم بأعمال معينة ،والذكاء الاصطناعي في هذا المجال يشتمل على إعطاء الروبوت القدرة على الحركة وفهم لمحيطه والاستجابة لعدد من العوامل الخارجية .

6 - التعليم ( Learning )  :

أهمها التعليم المعزز آليا وهو محاولة الاستفادة من طاقات الكمبيوتر في مجالات التربية والتعليم.





الأنظمة الخبيرة ( The Expert System ) :

الأنظمة الخبيرة هي برامج ذكية تـــــحتوي على الكثير من المعلومات التي يملكها خبير إنســاني في حقل معين من حقول المعرفة.والفرق بين أنظمة قواعد البيانات و الأنظمة الخبيرة هو أن الأولى تستعيد معلومات مخزونة بينما أنظمة الخبرة فهي تستعمل قوانين التفكير من المنطق والحس العام وغيرها للوصول إلى نتائج عائدة إلى المعلومات المــــــخزونة والخاصية الأساسية لجميع برامج أنظمة الخبرة هو الفصل بين ما يسمى قاعدة معلومات أو مخزون المعرفة وهي المعلومات المعروفة في المجال المدروس التي توصل إليها الخبراء ، وبين محرك الاستدلال والحل وظيفته الكشف عن القواعد المهمة واستخدامها والربط بينهما وبناء خطة الحل،وتكون مبنية على الشرط التالي :

إذا (شرط) عندها (نتائج) If……Then





مكونات أنظمة الخبرة  :

في هذا المجال توجد كثير من الأنظمة المستخدمة في مجال الطب التشخيصي ومجال التنقيب عن النفط والخامات المعدنية ومجال إصلاح الأعطال وأنظمة خاصة في ترتيب تشكيلة أنظمة الحاسبات الإلكترونية وغيرها من الأجهزة الدقيقة .وفي السابق كانت أنظمة الخبرة تتطلب حاسبات من النوع الكبير نسبياً ومبرمجين على مستوى رفيع من الكفاءة ، لكن تغير الوضع بفضل التطور الكبير والمذهل في تكنولوجيا الحاسبات و الإلكترونيات ،فأصبح بإلامكان استخدام الحاسبات الشخصية للأنظمة المتوفرة وهذه الأنظمة أصبحت تلبي كل شخص حسب موقع عمله وذلك لان هذه الأنظمة صممت دون بيانات قاعدة المعرفة ويقوم المستخدم "المشتري" للنظام من تعبئة قاعدة المعرفة بنفسه حسب ما يتطلب عمله .

بقلم المهندس /جواد
للموضوع تتمه

[مروه عثمان رجب]

علم الذكاء الإصطناعي :



هو أحد علوم الحاسب الآلي الحديثة التي تبحث عن أساليب متطورة لبرمجته للقيام بأعمال واستنتاجات تشابه ولو في حدود ضيقة تلك الأساليب التي تنسب لذكاء الإنسان ، فهو بذلك علم يبحث أولاً في تعريف الذكاء الإنساني وتحديد أبعاده ، ومن ثم محاكاة بعض خواصه. وهنا يجب توضيح أن هذا العلم لا يهدف إلى مقارنة العقل البشري الذي خلقه الله جلت قدرته وعظمته بالآلة التي هي من صنع المخلوق ، بل يهدف هذا العلم الجديد إلى فهم العمليات الذهنية المعقدة التي يقوم بها العقل البشري أثناء ممارسته ( التفكير ) ومن ثم ترجمة هذه العمليات الذهنية إلى ما يوازيها من عمليات محاسبية تزيد من قدرة الحاسب على حل المشاكل المعقدة.
 



الذكاء الإنساني :



قال الله تعالى في محكم أياته : ( ومن أياته يريكم البرق خوفاً وطمعاً وينزل من السماء ماء فيحيي به الأرض بعد موتها إن في ذلك لآيات لقوم يعقلون ) ، وقال سبحانه ( إن في خلق السموات والأرض واختلاف الليل والنهار لآيات لأولي الآلباب ) صدق الله العظيم.



ويبين هذا القول الكريم أهمية العمليات الذهنية ( mental processes ) أولاً في تمييز الإنسان عن غيره من المخلوقات ، وثانياً في تمييز إنسان عن آخر .



ومع أن الذكاء هو من أهم العمليات أو الأنشطة التي يقوم بها عقل الإنسان فإنه يصعب تعريفه بدقة :



 أهو القدرة على الاستنتاج ؟



 أم هو القدرة على تحصيل العلم وتطبيقه ؟



 أم هو القدرة على استيعاب الأشياء وتصورها والتأثير عليها في العالم الحسي ؟



و بدون الدخول في أمور فلسفية عميقة فإن الذكاء يمكن تعريفه بكل ما تقدم ويزيد ، فهو في نطاقه الواسع قد يشمل جميع العمليات الذهنية من نبوغ وابتكار وتحكم في الحركة والحواس والعواطف ، أما في نطاق دراسة علم الذكاء الاصطناعي للحاسبات الآلية فيمكن تعريفه في نطاق قدرة الإنسان على تصور الأشياء وتحليل خواصها والخروج باستنتاجات منها ، فهو بذلك يمثل قدرة الإنسان على تطوير نموذج ذهني لمجال من مجالات الحياة وتحديد عناصره واستخلاص العلاقات الموجودة بينها ، ومن ثم استحدث ردود الفعل التي تتناسب مع أحداث ومواقف هذا المجال.




لكي نتعرف على تفاصيل هذا التعريف فلنتصور أن شخصين ذهبا معاً لمشاهدة مباراة لكرة القدم ، وكان أحدهما متمكناً من قوانين اللعبة وخططها وأسماء اللاعبين وأهمية نتيجة المبارة على المسابقات المختلفة ، في حين كان الشخص الآخر أبعد ما يكون عن كرة القدم وقوانينها . وبعد انتهاء المباراة طلبنا من كل منهما التعليق على ما رأى ، فإننا سوف نجد أن الشخص الأول قادر على تقديم تحليل " ذكي " للمبارة وخطط الفريقين في اللعب والأخطاء التي ارتكبها ، ولوجدنا أن تعليق الشخص الثاني هو في الغالب بدائي قد لا يتعدى وصفاً بسيطاً لعدد 22 لاعباً يتنافسون بالملابس الرياضية على كرة واحدة بدون هدف أو معنى. ومن ذلك يمكن أن نستنتج أن سبب قيام الأول بتحليل ذكي هو وجود ما يمكن تسميته بنموذج اللعبة وقوانينها في ذهنه ، مما مكنه من استرجاع وتحليل المواقف وحوداث المبارة التي شاهدها ، في حين أن انعدام هذا النموذج لدى الشخص الثاني أدى إلى بساطة تعليقه على المبارة ، ولو أننا تركنا الشخص الثاني مدة كافية لمشاهدة مباريات عديدة فإنه من الجائز أن يقوم بتطوير نموذج في ذهنه عن هذه اللعبة ولأمكنه تقديم تحليل موضوعي عنها فيما بعد كما أن في استطاعة الشخص الأول تطوير النموذج الذي استحدثه وتغيير عناصره كلما جد جديد ، وبالتالي فإن الإنسان قادر على استحداث النماذج الذهنية التي نتحدث عنها بالممارسة والتفكير ومن ثم تطويرها إذا لزم الأمر.




ومن أهم فوائد هذا النموذج الذهني الذي يستحدثه الإنسان لا شعورياً انه يساعده على حصر الحقائق ذات العلاقة بالموضوع في مجال البحث وتبسيط الخطوات المعقدة التي تتميز بها الصورة الحقيقية. فإذا كان مجال البحث مثلاً ، هو الحالة الصحية لقلب أحد المرضى ، فإن النموذج الذهني الذي يستحدثه الطبيب المختص عن المريض يتركز على العلاقات المهمة مثل ضغط دم المريض ونسبة السكر والكوليسترول في الدم ، ويستبعد العلاقات غير المهمة مثل الأكلة المفضلة للمريض ومقاس ثوبه ولون سيارته وخلافه.

الذكاء الاصطناعي للحاسب الآلي :



يمكن تعريف الذكاء الاصطناعي للحاسب الآلي بأنه القدرة على تمثيل نماذج محاسبية ( Computer Models ) لمجال من مجالات الحياة وتحديد العلاقات الأساسية بين عناصره ، ومن ثم استحداث ردود الفعل التي تتناسب مع أحداث ومواقف هذا المجال ، فالذكاء الاصطناعي بالتالي مرتبط أولاً بتمثيل نموذج محاسبي لمجال من المجالات ، ومن ثم استرجاعه وتطويره ، ومرتبط ثانياً بمقارنته مع مواقف وأحدث مجال البحث للخروج باستنتاجات مفيدة ، ويتضح أن الفرق بين تعريفي الذكاء الاصطناعي والإنساني المذكورين أعلاه هو أولاً القدرة على استحداث النموذج فالإنسان قادر على اختراع وابتكار هذا النموذج ، في حين أن النموذج المحاسبي هو تمثيل لنموذج سبق استحداثه في ذهن الإنسان ، وثانياً في أنواع الاستنتاجات التي يمكن استخلاصها من النموذج فالإنسان قادر على استعمال أنواع مختلفة من العمليات الذهنية مثل الابتكار ( Innovation ) والاختراع ( Creativity ) والاستنتاج بأنواعه ( Reasoning ) في حين أن العمليات المحاسبية تقتصر على استنتاجات محدودة طبقاً لبديهيات وقوانين متعارف عليها يتم برمجتها في البرامج نفسها.




ويتركز أصل علم الذكاء الاصطناعي في أبحاث بحتة ونظرية تدرس أساليب تمثيل النماذج في ذاكرة الحاسب الآلي ( Model Representation ) وطرق البحث والتطابق بين عناصرها ( Search & Match Methods ) واختزال أهداف بها ( Goal reduction ) وإجراء أنواع الاستنتاجات المختلفة (Reasoning ) مثل الاستنتاج عن طريق المنطق ( Logic ) أو عن طريق المقارنة ( Analogy ) أو عن طريق الاستقراء ( Induction ).




ومن أهم أساليب تمثيل هذه النماذج هو استخدام القوانين ( Rules ) التي تحكم مجالا من المجالات ، فلو كانت أنواع الفاكهة مثلاً هي مجال بحثنا فإنه يمكننا كتابة القانون التالي إذا كان النبات فاكهة وكان لونها أحمر فهي غالباً تفاح ويحتوي هذا القانون على قسمين : القسم الشرطي (Premise ) المتمثل في " إذا كان النبات فاكهة وكان لونها أحمر والقسم الاستنتاجي أو الفعلي ( Action ) المتمثل في فهي غالباً تفاح.




وباستخدام عدد كبير من هذه القوانين عن موضوع معين فإننا ننشئ نموذجاً ضمنياً يخزن الحقائق عن موضوع البحث ، ويمكن استخدامه في التعامل مع الأحداث والخروج باستنتاجات عن موضوع البحث ، ويعتبر هذا النوع من التمثيل من الأساليب الشائعة نظراً لسهولة تطبيقه إلا أنه يعتبر تمثيلاً بسيطاً ولكن يعجز في كثير من الأحيان عن تمثيل جميع أنواع النماذج واستخراج جميع أنواع الاستنتاجات المعروفة.




ويعتبر أسلوب شبكات المعاني ( Semantic Networks ) أيضاً من الأساليب الشائعة في تمثيل النماذج وهو يتخلص في إنشاء شبكة من العلاقات بين عناصر النموذج. أما ثالث أنواع أساليب التمثيل الشائعة فهو ما يسمى بتمثيل الإطارات (frame Representation ) والذي يمكن اعتباره نوعاً خاصاً من تمثيل شبكات المعاني.
ونتج من معامل أبحاث الذكاء الاصطناعي تقنيات عديدة مازال بعضها في الأطوار الأولى من الدراسة والبحث ، في حين وصل البعض الآخر إلى نضج نسبي أدى إلى تطوير أنظمة جديدة عملية تعالج مشاكل واقعية كان يعتبر من المستحيل معالجتها بأساليب البرمجة التقليدية.



ويعتبر مجال " الذراع الآلية الذكية ( Smart Robot ) وأنظمة الخبراء ( Expert Systems ) أهم مجالين من هذه المجالات وفيما يلي نبذة مبسطة لهاتين التقنيتين وإمكاناتهما:



الذراع الآلية الذكية :



استخدمت الذراع الآلية مؤخراً في المصانع للقيام بالأعمال الروتينية التي تحتاج إلى قوة عضلية ولا تتطلب عمليات أو أنشطة ذهنية معقدة مثل عمليات اللحام والدهان في مصانع السيارات. وقد اعتمد تشغيل هذه الأذرعة على دقة وسرعة أنظمة التحكم ( Control Systems ) التي تعمل بواسطة أجهزة الحاسب الآلي ، وكان اليابانيون أول من استعمل هذه الأذرعة بصورة موسعة في صناعة السيارات والذي نتج عنه غزو اليابان للأسواق العالمية بسيارات ذات جودة عالية وأسعار منافسة.




ولا تستخدم الأذرعة الآلية في التصنيع فوائد عديدة فهي لا تطالب بإجازات أسبوعية أو سنوية أو عرضية ولا تكل ولا تتعب من العمل ولا تتوقف إلا لفترات الصيانة ، كما أنها تستطيع العمل في مصانع غير مكيفة أو مضاءة إضاءة غير قوية ، وفي هذا توفير للطاقة ، ثم إنها لا ترفع الدعاوي ، ولا تطالب بتعويضات إذا تعرضت خطأ أو عمداً إلى غازات سامة أو مواد كيماوية ضارة ، و أخيراً فهي لا تحتاج إلى مرافق مساندة مثل دور الحضانة وصالات الطعام والصالات الرياضية وغيرها مما يطالب به العمال ، وليس من الصعب طبعاً ترجمة كل هذه المزايا إلى توفير كبير في تكلفة الإنتاج وفي السيطرة على الطاقة الإنتاجية للمصانع بحيث تتناسب مع قوى العرض والطلب للسوق ، وذلك بدون اللجوء إلى تسريح العمال لبضعة أسابيع أو شهور أو في وضع ورديات إضافية.




ومع تطور أنظمة التحكم الآلية وازدياد قدرة الحاسبات الآلية التي تشغلها ازدادت قدرات الذراع الآلية وأصبحت تقوم بأعمال دقيقة ومركبة كصنع شرائح الميكرو كمبيوتر وغيرها من الأعمال التي تتطلب أنظمة تحكم معقدة وصعبة ، إلا أن هذه الأعمال كانت محدودة بما يمكن إنجازه باستخدام أساليب البرمجة التقليدية وقد أدى إدخال أساليب الذكاء الاصطناعي في برمجة هذه الأذرع إلى فتح أفاق جديدة لم تكن ممكنة من قبل ، فأصبحنا اليوم نتكلم عن أذرع تستعمل الرؤية الإلكترونية ( Electronic Vision ) في فرز المنتجات وفي تحريك الذراع ( أو عدة أذرع ) في حيز ضيق بأسلوب مرن يتناسب مع متغيرات البيئة التي يعمل بها . ويتلخص أسلوب الرؤية الإلكترونية في تحويل الصورة الإلكترونية المكونة من نقاط ( Pixels ) سوداء أو بيضاء إلى خطوط وأضلاع متصلة لتكوين صورة ، ثم مقارنة خصائص الصورة الناتجة بالنماذج المخزونة سابقاً في الجهاز. ويمكن بهذه الطريقة التعرف مثلاً على صورة الطائرة من أجنحتها وذيلها ، وتمييز المطار بمدرجات إقلاع الطائرات ، والمسجد من مئذنته وهكذا وتتمثل صعوبة الرؤية الإلكترونية في اختلاف الصورة مع اختلاف الإضاءة المسلطة على الجسم ووقوع الظل على أجزاء منه ، ولتقنية الرؤية الإلكترونية تطبيقات عديدة في مجالات توجيه الصواريخ والطائرات والتوابع ( الأقمار الصناعية ) ومجالات التجسس بالإضافة طبعاً لمجال الأذرع الآلية.
ومن أشهر الأنظمة التي تستعمل الرؤية الإلكترونية في المجال الصناعي هو نظام كون سيت Consight المستخدم الآن في شركة جنرال موتورز للسيارات بكندا والذي يسمح للذراع الآلية الذكية بفرز قوالب محركات السيارة " Engine Casts " أثناء مرورها أمامه على الحزام المتحرك تحت إضاءة معينة . وبعد تحليل الضوء تقوم الذراع باستخراج القوالب التي لا تتفق والمواصفات المطلوبة.
ويمثل استعمال أكثر من ذراع واحدة في حيز ضيق صعوبة فنية كبيرة نظراً لخطورة اصطدام بعضها ببعض ، كما أن التنسيق بينها في التعاون على إنجاز عمل ما له مشاكله الفنية نظراً لضرورة متابعة كل ذراع وما يقوم به من عمل بالإضافة إلى ما أنجز غيره من أعمال . وقد أقتصر استعمال الأذرع الآلية إلى عهد قريب على استخدام كل ذراع على حدة ، حيث أن استخدام أكثر من زراع واحدة في إنجاز مهمة مركبة يحتاج إلى أنظمة آلية جديدة ومعقدة تقوم برسم الخطة العامة للحركة وتقوم باستنتاج الخطوات المنطقية التي يجب أن تنفذها كل ذراع ، وبالتالي فهي أنظمة تحتاج إلى الذكاء الاصطناعي وأساليبه في استحداث نماذج محاسبية للبيئة وتخزين قوانين وأسس الحركة المطلوبة ورغم ظهور بعض الأنظمة الآلية تمكن الذراع الآلية من الحركة الذاتية مثل نظام " ستربس Strips " إلا أن معظم هذه الأنظمة ما زال في أطوار البحث والتطوير.

أنظمة الخبراء (Expert Systems ) :



لفظ الخبير مشتق من الخبرة ، وهو الشخص المتمرس الذي مر بتجارب عديدة صقلت فهمه لمجال من المجالات وأغنت فكرة بمعلومات اختص بها دون غيره ، وميزته عن أنداده من المختصين في المجال وبذلك استحق لفظ خبير. وتهدف أنظمة الخبراء ( Expert Systems ) إلى تطوير برامج محاسبية تستطيع تحليل الأحداث والمواقف في مجال من المجالات والوصول إلى نفس الاستنتاجات أو النتائج التي يصل لها الخبير.

ويتم ذلك عن طريق استحداث نموذج محاسبي يوازي النموذج الذهني الذي لدى الخبير وخزن المعلومات به ، وقد دلت الأبحاث على أن المعلومات التي يستخدمها الخبير في عمله تنقسم إلى قسمين رئيسيين : الأول خاص بالمعلومات الشائعة في هذا المجال مثل الحقائق والقوانين ( facts ) المتعرف عليها والمقبولة لجميع المختصين ( Heuristics ) التي يتميز بها الخبير عن غيره والتي قد تكون على شكل علاقة مثلا بين لون البشرة ونسبة الكوليسترول في الدم ، أو الشكل الانسيابي لعينة صخرية ونسبة الترسبات المعدنية فيها.

وهذه القوانين يستخلصها الخبير من التجارب التي مر بها وتقوم بتوجيه بحثه ودراسته للحالة المعروضة عليه ومساعدته في الوصول إلى النتائج المطلوبة ، وقد تختلف هذه القوانين التخصصية من خبير إلى آخر.
كانت الورقة العلمية التي تقدم بها البروفيسور فايجنباوم ( faygenbaum ) خبير الذكاء الاصطناعي في جامعة ستانفورد لمؤتمر الذكاء الاصطناعي العالمي لعام 1977 م أكبر الأثر في توجيه هذا العلم الجديد ، فقد طرح البروفيسور فكرة أن قوة أنظمة الخبراء تنبع من المعرفة Knowledge التي تختزنها وليس من قدرتها على تمثيل النماذج والقيام بعمليات استنتاجية ، ومن هذه النظرية ركزت الأبحاث الجديدة على استخلاص المعرفة من الخبراء عوضاً عن التركيز على الطرق المختلفة للتمثيل والعمليات الاستنتاجية المعقدة ، وهما موضوعان لم يتم تكوين نظريات متكاملة عنهما بعد وبالتالي فهما يعانيان من قصور في تطبيقاتهما العملية.

ومن أوائل أنظمة الخبراء التي تطورت حتى الآن نظام مايسن Mycin لتحليل وعلاج وأمراض الدم المعدية ، وقد طور هذا النظام في جامعة ستانفورد حيث إحتوت قاعدة معلوماته على نحو ( 400 ) قانون تربط العوارض المحتملة للمرض بالاستنتاجات الممكنة ، وقد قورنت النتائج المستخرجة من نظام مايسن في كثير من تحليلاته على مستوى الأطباء الموجودين في اللجنة!
ويعتبر نظام بروسبكتر Prospector أيضاً من أنجح الأنظمة التي طورت حتى الآن حيث قام باكتشاف ترسبات معدن الموليبدنم -Molybdenum في ولاية واشنطن بالولايات المتحدة الأماكن التي قرر الخبراء عدم جدوى البحث فيها ! وقد بلغت قيمة هذا الاكتشاف نحو مائة مليون دولار أمريكي.

ومجال أنظمة الخبراء هو حديث الساعة في مجال الذكاء الاصطناعي ، وذلك نظراً لكونها أنجح التطبيقات العملية لهذا العلم الجديد ، وتوجد اليوم شركات عديدة تسوق ما يسمى بقشرة أو هيكل النظام Expert Shells وهي أنظمة تسهل عملية تمثيل النماذج المحاسبية وتخزن قوانينها ومن ثم إجراء الاستنتاجات عنها بصورة آلية ، وبذلك يتم التركيز على استخلاص المعرفة من الخبير أو الخبراء ووضعها في قوانين ( Rules ) تناسب وأسلوب عمل هيكل النظام المختار ، وتسمى هذه العملية بهندسة المعرفة (Knowledge Engineering ) كما يسمى الذين يقومون بها مهندسي المعرفة ( Knowledge Engineers ) ويوجد حالياً في الأسواق هياكل أنظمة خبراء عديدة تختلف في نقاط تفوقها وضعفها وفي أسعارها ومجالات تطبيقها ، كما ظهرت أخيراً هياكل أنظمة تعمل على الحاسب الشخصي وبأسعار مقبولة نسبياً مما يشير إلى قرب وصول هذه الأنظمة إلى الأسواق التجارية بأسعار منافسة.

ورغم النجاح الذي حققته كثير من هذه الأنظمة فإنه يجب أن نتوخى الحذر وعدم التسليم لكل ما يخرج من هذه الأنظمة من نتائج أو استنتاجات ، كما يجب الابتعاد عن الخوض في توقعات خيالية عن قدراتها. والذي يجب توضيحه هو أن هذه الأنظمة لا يمكن أن تحل محل الخبير نهائياً ، وأنه على الرغم من أن كثيراً من النتائج التي تتوصل لها الأنظمة تتطابق أو حتى تفوق النتائج التي قد يصل لها الخبير إلا أن هذه الأنظمة تستخلص قوتها من التركيز على موضوع معين ومحدود لمجال من المجالات وأنه كلما أتسع نطاق هذا الموضوع ضعفت قدرتها الاستنتاجية والعكس صحيح.
ومن ذلك فإن أنظمة الخبراء ذات فائدة كبيرة ما دامت تستخدم في من قبل شخص مختص بموضوع مجال البحث ومطلع على الأساليب والتحاليل التي يستخدمها النظام في الوصول إلى استنتاجاته ، وهي مفيدة في يد " أنصاف الخبراء " ذوي المعرفة الجديدة للموضوع إلا أنها قد تؤدي إلى نتائج عكسية ، فمثلاً إذا وضع نظام مثل نظام Reactor الذي يحلل أخطاء المفاعلات النووية في يد شخص لا يعرف عن المفاعلات النووية شيئاً وتصور هذا الشخص أنه بذلك أصبح خبيراً وبدأ يعبث بالمفاتيح فإن النتائج سوف تكون خطيرة بلا شك.

والأنظمة الخبراء مجالات معينة أثبتت قدرتها فيه أكثر من غيرها فقد اشتهرت في التخطيط Planning وفي تحليل العوارض وتحديد الأخطاء Diagnostics وفي التصميم Design وفي القيادة والسيطرة Command and Control وغيرها من المجالات المتخصصة التي تم فهم العمليات المطلوبة لها ، والتي تتناسب والقدرات التمثيلية والاستنتاجية لهياكل الأنظمة المستخدمة ، نستنتج من كل ما تقدم أن أنظمة الخبراء أو بالأحرى نظم قواعد المعرفة Knowledge Base Systems كما يفضل كثير من الباحثين تسميتها - هي أنظمة جديدة ذات قدرات تفوق بمراحل قدرات الأنظمة الآلية التقليدية حيث أن لها القدرة على الحصول على الاستنتاجات بمعلومات متناقضة وغير مكتملة Incomplete and Inconsistent knowledge وهي بذلك تحاكي الخبراء والقادة العسكريين الذين غالباً ما يتخذون القرارات تحت هذه الظروف ، وهي تقنية عملية مفيدة مادامت تستخدم من قبل المختصين وطبقت في المجالات التي تتناسب مع حدود معرفتنا لقدراتها.

الخلاصة  :




الذكاء الاصطناعي هو اسم اطلق على مجموعة من الأساليب والطرق الجديدة في برمجة الأنظمة المحاسبية والتي يمكن أن تستخدم لتطوير أنظمة تحاكي بعض عناصر ذكاء الإنسان وتسمح لها بالقيام بعمليات استنتاجية عن حقائق وقوانين يتم تمثيلها في ذاكرة الحاسب . ولا يزال كثير من نظريات هذا العلم الجديد تحت بحث وتطوير إلا أن هناك بعض التقنيات المعتمدة عليه بدأت تخرج للمجال العلمي ، وقد أثبتت فعاليتها حيث أنجزت أعمال كان من شبه المستحيل القيام بها باستعمال البرمجة التقليدية ، ومن هذه التقنيات الجديدة تقنية الذراع الآلية الذكية Smart Robot وأنظمة الخبراء Expert Systems وتركز التقنية الأولى على تزويد الذراع الآلي بالرؤية الإلكترونية والقدرة على التخطيط والقيام بأعمال مركبة ومعقدة قد تحتاج إلى أكثر من ذراع التعاون عليها. وتركز تقنية أنظمة الخبراء على استخلاص المعرفة التي يستخدمها الخبراء في مجال ما وتخزينها واستخدامها في الوصول لاستنتاجات توازي تلك التي يصل لها الخبير.
 



ولعلم الذكاء الاصطناعي بإذن الله مجالات تطبيقية واسعة جداً إذا توفرت الشروط التالية:







البعد عن الخيال والتوقعات المبنية على غير الحقائق العلمية المثبتة مثل ما يردنا من كتب وأفلام خيالية عن أنظمة تفوق ذكاء الإنسان أو تتحكم فيه.





استيعاب حدود وإمكانات هذا العلم الجديد واستخدامه في المجالات المناسبة .





العمل على حث طلابنا وعلمائنا وباحثينا على دراسته وبحثه وتطويره وتطويعه لاحتياجاتنا.
د. عبد العزيز جزار
من أين يبدأ الحديث ؟



هل يبدأ بما يحدث بتطورات الحاسوب وبرامجه ؟



 أم يبدأ بالأفكار والبحوث وماهي تطبيقات المستقبل ؟



ليس سهلا أن يتحدث المرء في هذا الوقت عن هذه الآلة الصغيرة، عن الحاسوب. . أم (الكمبيوتر)، والعلوم التي ،نشأت من حولها، ولا يمكن على الأقل حاليا أن نحدد الأبعاد التي ستتمدد اليها هذه العلوم .




لقد تطور الحاسوب ليدخل كافة نشاطات الحياة تقريبا، باستئذان أحيانا وبدونه مرة أخرى، وتشعب التطور الحاصل على صعيد الآلة نفسها، مفرداتها المستخدمة بشكل مستقل في آلات أخرى، كالسيارة والغسالة وكثير من الآلات الأخرى التي تعيش معنا في حياتنا اليومية.



وبعد أن اقتصر دور الحاسوب كجهاز كبير في بدايات عمره ، على حسابات الأرقام الكبيرة وبسرعة هائلة، أو على تحليل المعلومات والبيانات ، تطور دوره وتمدد، ليدخل الحسابات ومعالجة البيانات ، وطريقة اتخاذ القرارات ، وليحاول أن يقلد الانسان في بعض من نشاطاته المهنية . وهنا ولد اختصاص جديد، نقل (الكمبيوتر) من حالة الآلة الحاسبة الكبيرة، الى الآلة المفكرة القادرة على تقليد الانسان ، اسم الاختصاص الذكاء الاصطناعي ، ARTIFICAL IN-TELLIGECE . وتفرعت منه عدة حقول ، منها محاولة تمثل الانسان نفسه اللغة الطبيعية وقواعد اللغة. NATURAL LANGUAGES UNDERSTANDING  أو عن طريق تقليد عين الانسان ، عندما تنظر وتفهم ما ترى “VISION، أو عن طريق بناء البرامج ( الكومبيوترية ) بشكل أوتوماتيكي ( AUTOMATIC PROGRMING ) ، أو عن طريق الأنظمة ا لخبيرة ( EXPERT SYSTEMMS ) التي بمقدورها تقليد الانسان في قدراته المبنية على الخبرة في المجالات المتعددة .



منذ زمن والانسان يحلم بآلات تقلده ، ومنذ أن بدأ عصر (الكمبيوتر) في منتصف الأربعينيات ، أصبح حلم الانسان أقرب الى الواقع ، وأصبح في مقدوره أن يتخيل انه قادر عل صنع آلات أوتوماتيكية تقوم بهذه المهمة، وبدأت المسافة البعيدة بين الحلم والأدوات الحاسوبية تنحسر، الى وقت أصبح فيه من الممكن بناء برامج ذكية تحقق أشياء من هذه الأحلام . . وساعد على ذلك التطور السريع في بنية وأجزاء ( الكمبيوتر )وبدأت مجموعة من الباحثين في أواخر الستينيات ، مشروع تطوير برنامج يقلد مجموعة من الأطباء، واستطاعت هذه المجموعة أن تبني برنامجا حاسوبيا قادرا على تقليد الطبيب في تشخيصه للمرض ، وفي اقتراح الدواء الشافي له .



لقد غيرت هذه المجموعة من الباحثين - في ذلك الوقت - طريقة بناء البرامج ، عن طريق فصل البرنامج عن معلومات الخبرة، بهياكل جديدة مستقلة، وأسست بهذه الطريقة، تقنيات جديدة كانت أساسا لبناء أي نظام خبير حتى هذا الوقت . واعتمد الباحثون على طرق المحاورة مع الأطباء، لاستخلاص خبراتهم ، هذه الخبرات التي تطورت عبر دراساتهم الجامعية وعبر تجربتهم في العمل خلال فترة من الزمن . ونجح هذا النظام الخبير الذي سمي ميسين (MYCIN)، في تقليد الأطباء في تشخيصهم للمرض ، ولم يوضح هذا النظام للاستخدام الا بعد موافقة الأطباء التدريجية . اذ عمد الباحثون الى تطوير البرنامج على مراحل ، في كل مرحلة، كانت تضاف نصائح الأطباء في طبيعة القرار للبرنامج ، وبعد التعديل المستمر، وصل البرنامج الى مرحلة تساوي مستوى الأطباء، حيث لم يعد بالامكان اضافة أية خبرة جديدة، وصار البرنامج نسخة عن الطبيب بأفضل حالات أدائه .



وهكذا ولد نوع من البرامج الجديدة، تسمى خبيرة نسبة الى هذا البرنامج ، واعتمدت طريقة بنائه في بناء برامج أخرى أصبحت تعد بالآلاف في وقتنا الحافر، تقلد الانسان بقراراته اليومية، الانسان الخبير باختصاصه ، ان كان طبيبا أو كان مخططا اقتصاديا، أو كان صاحب قرار مالي ، أو كأن خبيرا يقرر أين مكان البئر الذي يجب حفره عند البحث عن البترول في جوف الأرض . ونجحت الأنظمة الخبيرة بتقنياتها التي ما زالت تعتمد بشكل أساسي على طريقة فصل المعلومات والخبرة (KNOWLEDGE) عن ا لبرنامج ا لذي يسمح بالاستدلال والذي سمي بموتور ا لاستدلال (INFERENCE ENGINE) .

وتعتمد طريقة تمثيل المعلومات في هذا النوع من البرامج على سدة هياكل (STRUCTURES)،منها قواعد الانتاج ( PRODUCTION RULES)،أوالكوادر FRAMES أو الشبكات النحوية SEMANTICS NET) WORKS) ، المختلفة بشكل بارز  عن تمثيل المعلومات في برامج قواعدالبيانات DATA BAS ، التي ولدت مع ولادة الكومبيوتر والتي استخدمت بشكل فعال في البنوك والمؤسسات الحكومية وغيرها ومازالت تى ستخدم .

وتأتي أهمية هذا النوع من البرامج ،من خلال قدرتهاعلى استخلاص الخبرات الانسانية وتخزينها ببرنامج ، يقلد الخبير في عمله بنفس المستوى، والأهمية الأكبر عندما تبدأ الدول النامية بمعرفة ضرورة نقل هذه الخبرات من خلال البرامج على اسطوانات صغيرة وليس من خلال الاستثمار البشري المكلف .



ومقارنة بسيطة لتكلفة بناء الخبرات البشرية عن طريق الايفاد الى الخارج ، لعدة سنوات ، أو بناء برامج معتمدة سواء على خبرات محلية أو خبرات مستوردة، يمكن تعميمها بتكلفة زهيدة، ونشرها في كافة أنحاء البلد الذي طورت فيه ، أو من الممكن تعميمها على بلاد أخرى.. لذا فإن الحل الأول قد يكون ضروريا كقاعدة أساسية، ونرى ان الحل الثاني حل تكنولوجي مكمل وهام ويساعد بشكل فعال على نشر ورفع مستوى الخبرات الناقصة في أي بلد بحاجة الى مثل هذه الخبرات .



وكيف يكون الحال اذا طورنا برامج في قطاعات عديدة، تحسن مستويات الادارة وترفع مستويات التعليم وتكمل الخبرات من أصغر مستوى الى أعل حد منه .



أليست الامكانيات كبيرة لهذا النوع من البرامج الذكية، للأنظمة الخبيرة، المقلدة للخبرات الانسانية المتقدمة . لاشك بذلك ولا شك ان هذه البرامج لا يمكن لها أن تلغي دور الخبير الأساسي ، الذي استخلصت منه المعلومات والخبرة وخزنت في نظام مقلد، لأن الخبرة بحاجة مستمرة الى تجديد وتحسين ،وليس غير الخبير- على الأقل حاليا -قادر على تحسين وتطوير البرنامج نفسه ليتماشى مع مستويات التقدم والتطور الذي أضيف الى الخبرة نفسها.



هذا هو أحد الحقول والتقنيات الناجحة في اختصاص الذكاء الاصطناعي ، حيث تعتبر البرامج من نوع الأنظمة الخبيرة، أكثر البرامج شعبية، حيث بني منها العديد وتجاوزعدد تطبيقاتها الآلاف ، منها السري ومنها المعلوم والمعروف ، لأنها تختزن خبرات وتجارب وطرق عمل ،خاصة نتائجها ،نفسها أوكأنها أتية من طبيعية المؤسسة نفسها اذا كانت سرية هذا من طرف الأنظمة الخبيرة، ونتساءل هل حققت حقول الذكاء الاصطناعي الأخرى نفس النجاحات التي حدثت على مستوى الأنظمة الخبيرة؟ والجواب : كلا لم تصل الحقول الأخرى الى مستوى شعبية الأنظمة الخبيرة،والأسباب عديدة: أهمها عدم قدرة التقنيات وطرق البرمجة على التطور بشكل يجاري قدرة الانسان الطبيعية، اذ ما زال هناك وقت للعمل ، ومازالت التقنيات تتطور، بشكل غير مباشر من خلال الاختراعات الأخرى ا لمساعدة لهذه الحقول ، مع انه لا يمكن اهمال التقدم الحاصل بها، فاذا نظرنا في حقل فهم اللغة الطبيعية، نرى تطورا في قدرة الحاسوب على فهم اللغة، وتحليل جملة عادية يكتبها أي انسان ، بطريقة حرة، بشرط أن يكون يجال المحادثة معروفا ومحددا، أما اذا تجاوزنا المجال المعروف والمحدد، فان التقنيات التي تهبنى على أساسها هذه البرامج ، هي تقنيات غير قادرة على الأقل حاليا، على تجاوز هذه الشروط .



 وبقوم برنامج من هذا النوع ، على تحليل الجملة المكتوبة، ورد كل مفردة الى جذورها أو أصولها، والبحث عن شبيه أو مماثل لها، مما هو مخزن لديه ، ثم الاعتماد على تراكيب معينة لبناء معنى للجملة المعطاة،من خلال بنية اللغة التي تتم بها المحادثة . وهكذا يستمر الحوار بين الآلة والانسان ، كأي حوار عادي بين اثنين .



ومازال العمل مستمرا في محاولة تقليد نظر وطريقة الرؤية في عين الانسان ، ويتم هذا النوع عن طريق استخدام كاميرا فيديو، حيث تلتقط الصور المتتابعة التي تخزن بصورة رقمية ومن ثم يتم تطبيق برامج تعتمد على موديلات رياضية لتحليل وفهم محتويات الصور. اذ تقسم الصورة الى مربعات صغيرة جدا، وتعمد البرامج الى التمييز بين النقاط أو المربعات البيضاء والأخرى الداكنة، ومن خلال ذلك يتم رسم شكل ومحتوى المعلومات المكونة للصورة . ويبقى التساؤل قائما: ما هي قدرة هذه التقنيات على تحليل صورة شاطىء رملي ، وما هي قدرة هذه البرامج على تمييز حبات الرمل الكثيرة عن بعضها، بشكل مفصل؟. .

هذا من ناحية تقليد الرؤية والنظر عند الانسان ، اما في مجال فهم الصوت المسموع وتحليل الكلمات ، فانه بحث آخر، مازالت المسائل والمشاكل به عالقة، بسبب اختلاف نبرات الصوت واللهجات من انسان الى آخر. وهنا نرى ان برمجة (الكومبيوتر) بشكل يمكن له اصدار أصوات أصبح أمرا سهلا، إما أن يفهم كلمات الآخرين المنطوقة، فذلك أمر ليس سهلا، وانما ما زال في مجال ومستوى البحوث ، وان استطاع الحاسوب أن يفهم مجموعة من الكلمات تتراوح بين المئات والآلاف .



وأخيرا لا يمكن لنا أن ننسى حقلا آخر يعتبر أساسيا في مجالات الذكاء الاصطناعي ، هو حقل الالا ت الأتوماتيكية . هذه الآلات التي بدأت تقلد ذراع الانسان بشكل ميكانيكي محدود، وتطورت لتصبح آلات مبرمجة يمكن تغيير أدائها عن طريق تغيير برنامج التحكم بها، ونرى مدى انتشارها واستخدامها الواسع في مصانع انتاج السيارات ، حيث تقوم هذه الآلات بتركيب أجزاء السيارة بشكل متسلسل بدقة، وحتى دهنها أيضا.

هذه هي بعض الحقول الهامة في فرع الذكاء الاصطناعي ، فن علوم الحاسوب المتعددة. هذه العلوم التي مازالت تقدم لنا كل يوم شيئا جديدا، عن طريق البرامج الجديدة وعن طريق اقتحام مجالات لم تكن متوقعة في السابق ، من برامج متعددة الوسائط "MUL TIMEDIA" التي دخلت عالم الفن والحياة الواسعة ، الى برامج الحقائق الافتراضية -VIRUAL RE ، الى عصر الاتصالات الذي مازال يتطور والذي يطرح عالم "السوبر هاي واي " عالم الأتوسترادات الواسعة، الذي يسمح بنقل الصوت والصورة والبرامج والخبرات وحتى الأفلام عن طريق التقنيات الرقمية .



ونتساءل ، ببراءة، وبصدق ، أين نحن كعرب من كل هذا؟ ألا يحق لنا أن نساهم ، أن نشارك ، أن نطور من خلال احتياجاتنا، وليس كمراقبين ومستخدمين ؟ أليس الحاسوب هو لغة العصر؟.. أليس هو الحصان الذي يجب امتطاؤه ، للعودة بحلم الأمجاد الغابرة الى الزمن الحاضر وقرن

الواحد والعشرين ؟‍‍‍‍‍‍‍‍‍‍‍‍‌‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍! ‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍



بقلم/فاضل فضة

[مروه عثمان رجب]

اعتذر للاطالة ..
لكن احببت جمع هذه المقالات الخاصة بالذكاء الاصطناعي ..
البشر هم التجسيد الوحيد الحقيقي للذكاء على هذا الكوكب بالإضافة إلى بعض الحيوانات القليلة التي تشترك مع البشر في بعض سمات الذكاء مثل القردة مثلا, وإذا أردنا أن نخلق الذكاء أو نجعل أجهزة الكمبيوتر أكثر ذكاء فمن الأفضل أن نتطلع إلى مملكة
الحيوانات طلبا للإلهام والوحي, ونحن رغم معرفتنا الكبيرة عن المخ ما زلنا نجهل الطريقة التي يعمل بها أو يؤدي بها وظائفه, ويبدو هذا الوضع مثل المهندس الذي لديه تصميم كامل عن محرك إحدى السيارات ولكنه يجهل كيف يعمل هذا المحرك.




في عام 1949 اكتشف العالم النفسي دونالد هيب اكتشافا كبيرا حيث قدم مبدأ عاما للتعلم بسيط جدا ولكنه للأسف غير معروف للكثيرين, حيث توصل إلى أن توصيلات إدخال المعلومات إلى الخلية العصبية متصلة بتوصيلات خروج البيانات من الخلايا العصبية الأخرى في الشبكة العصبية.. وتقوم هذه الخلية بإرسال الإشارة التي تحفز الخلايا الأخرى عندما يتجاوز إجمالي المداخل قيمة الحد الأدنى, وتأخذ الإشارة التي ترسلها الخلية العصبية شكل انفجار عشوائي من النبضات, ويؤدي ذلك إلى سلوك معقد للشبكة برمتها, وهو سلوك معقد ومن الصعب تحليله. وحتى اليوم ما زلنا نحتاج إلى محاكاة شبكات صغيرة جدا لاكتشاف ما يمكن أن يكون عليه سلوكها.

إن أهم ميزة في المخ البشري والتي لا تقتصر على كونها شبكات عصبية هائلة هي التعلم, والسؤال هو ما هذا السحر الذي يحدث داخل هذا العقل لكي تحدث عملية التعلم?! ويرى العالم هيب أن أي إدخال يكون نشطا عندما تتلقى الخلية العصبية إشارة من الخلايا الأخرى حيث يقوى وتصبح الخلية أكثر حساسية لأي إشارات أخرى قادمة في المستقبل. وهذه العملية "التي لا يوجد تصور لكيفية حدوثها" هي التي تؤدي إلى حدوث عملية التعلم. ويمكن إرجاع كل قواعد تعلم الشبكات إلى قاعدة هيب أو شيء ما مرتبط بها.

فكرة الشبكة العصبية التي تتعلم كيف تحل مشكلة ما شديدة الجاذبية حقا وربما تدهش عندما تكتشف أنه لم يحدث أي بحث علمي حول هذا الموضوع لفترة طويلة, وفي البدايات الأولى ثارت ضجة كبيرة عن أول شبكات عصبية بسيطة وعندما ثبت أنها غير كافية لأداء المهام المطلوبة منها, ثارت ضجة أخرى وشكك الكثيرون فى جدوى هذا الأسلوب.وكانت الشبكات العصبية الأولى بسيطة للغاية حيث كانت عبارة عن طبقة واحدة من الخلايا العصبية, وفي الواقع أن عملية التعلم حدثت في أغلب الحالات في خلية عصبية صناعية أطلق عليها الخلية المدركة أو perceptron, وبالطبع هناك أشياء لا تستطيع أن تتعلمها الطبقة الواحدة من الخلايا العصبية.. وكان من الصعب جدا أن تقوم بتوسيع الطبقات لتشمل عدة طبقات لعدم وجود وسيلة واضحة أو مفهوم محدد لكيفية التعامل مع هذه الطبقات لجعلها تتعلم أي شيء.

الوزن والرؤية




في بداية الثمانينات اكتشف لوغاريتم يساعد الشبكات متعددة الطبقات على التعلم, وتجدد البحث في الموضوع مرة أخرى, وقبل أن نلقى نظرة على هذا اللوغاريتم التجريبي لابد أن نفكر في الطريقة التي ندرب بها الخلية العصبية الواحدة, والفكرة الأساسية بسيطة للغاية, فالخلية العصبية عبارة عن إشارات داخلة هي د1 د2 وكل إشارة يتم ضربها في الوزن و1 و2 وتكون النتيجة هي مجموع كل هذا, ويمكنك أن تعتبر الوزن العامل الذي يحدد حساسية الخلية العصبية لإشارة داخلة معينة, والإشارة الخارجة من الخلية عبارة عن الإجمالي الموزون للإشارات الداخلة وعادة ما يمثل هذا الإجمالي الحد الأدنى الذي ينتج إشارة خارجة في حالة زيادة إجمالي الإشارات الداخلة وتخطيها لهذا الحد الأدنى.



وهذا يعني أن الخلية العصبية لا تطلق إشارة إلا في حالة وصول استثارة الإشارة الداخلة إلى مستوى عال جدا  كيف تتعلم هذه الأداة البسيطة أي شيء?
 أولا لابد أن نعرف ماذا نعني بالتعلم, لنفترض أن اثبتنا أن بعض الإشارات الداخلة التي تصدر من أي عنصر أو شيء مثل قيم ألوان البيكسل من صور شخص ما, على سبيل المثال وقامت الخلية بإطلاق إشارة عصبية ولكنها لا تطلق إشارة عصبية عندما نعرض لهذه الخلية إشارات داخلة من مجموعة أخرى من العناصر, ويمكنك القول أنها تتعرف على النوع الأول من العنصر وليس الثاني, ولنفترض أنها خلية عشصبية من طراز جديد ستنخفض فرص إعداد أوزانها حتى تطلق إشارة عند وصول الاستثارة إلى مستوى معقول من الإشارات الداخلة, وفي هذا السياق يمكن تعريف التعلم بأنه عملية ضبط الأوزان لجعل الخلية تطلق إشارة استجابة للأمثلة من مجموعة معينة.
سيحل أول لوغاريتم تعلم يتم اكتشافه هذه المشكلة بطريقة بسيطة, فأنت عندما تستخدم خلية عصبية بأوزان يتم إعدادها عشوائيا يمكنك أن تقدم مثالا من المجموعة التي ينبغي أن تطلق إشارة إلى الخلية العصبية, وبعد ذلك ستفحص الناتج أو الإشارة الخارجة ,فإذا لم تطلق الخلية أي إشارات يمكنك أن تضيف قيمة الإشارة الداخلة د1 إلى الوزن المقابل أي أنك تضيف قيمة الإشارة الداخلة إلى الوزن الحالي للإشارة الخارجة, وسيزيد هذا من حساسية كل إشارة داخلة, وهو ما يجب أن تتوقعه حتى تستحث الخلية على إطلاق إشارة خارجة, وإذا عرضت على الخلية العصبية مثالا من مجموعة ليس من المفروض أن تتعرف عليها, فربما تطلق إشارة خطأ مما يعني أنك يجب أن تطرح الإشارة الداخلة د1 من الوزن و1, ويمكنك أن ترى أن ذلك الإجراء يطابق إجراء تقليل الحساسية للإشارات الداخلة, ومرة أخرى يعد ذلك شيئا لابد أن تتوقع إجراءه للخلية العصبية التي تطلق إشارة لا ينبغي أبد ا أن تطلقها, وإذا أطلقت الخلية إشارة عندما يجب عندها أن تطلق إشارة , فلا تحاول أن تزيد أو تقلل من قيمة الوزن.



أخطاء الإدراك




عندما تتبع الإجراء السابق مرات ومرات ستتعلم الخلية العصبية في النهاية القدرة على التمييز بين المجموعات, وعندما تماكتشاف هذا السلوك لأول مرة أذهل الناس للوهلة الأولى, وكما هو الحال في تقنيات الذكاء الاصطناعي الجديدة حدثت ضجةكبيرة حول شيء لا يستحق.



هناك شرط ضمني في لوغاريتم التعلم وهو أن لا يتم تعلم إلا ما يمكن تعلمه .ورغم أن هذا منطقي بالبداهة , فلابد أن تعرف أن منح الخلية العصبية إشارات داخلة بشكل عشوائي للمجموعة التي تريدها أن تتعرف عليها فلن تتعلم الخلية التمييز بين أيشيء, والخلية العصبية محدودة في الأشياء التي يمكن أن تتعلمها بصورة أكبر مما تتخيل, وفكر في الإشارات الداخلة التالية:




د1 د2 إشارة خارجة صفر صفر لا توجد إشارات 1 1 لا توجد إشارات صفر 1 إطلاق إشارة 1 صفر إطلاق إشارة إذا حاولت أن تدرب الخلية على استخدام هذه الإشارات الداخلة أي  أنك تريد أن تجعل الخلية قادرة على تمييز عنصر واحد في كل إشارة  داخلة, ستكتشف أنها لن تتعلم أبدا هذه المهمة, وهذه وغيرها من المحاولات الفاشلة لتعليم الخلية العصبية شيئا ما أقنعت العاملين في هذا المجال أن الفكرة برمتها سخيفة جداً.



وعندما نعود إلى الماضي من السهل أن نعرف ما هي المشكلة, ولماذا  ينبغي على الخلية العصبية أن تكون قادرة على تعلم كل شيء تلقيه عليها? , وإذا استطاع المرء اثبات عيوب الخلية العصبية الواحدة  فإنه لا يستطيع إثبات أن وجود أكثر من خلية عصبية سيتجاوز هذا  العيب أو هذا الخطأ.



في الواقع ليس من الصعب أن نجد مجموعة تتكون من ثلاث خلايا عصبية  ولا يمكنها حل مشكلة صفر وواحد أو واحد وصفر, وهذا الأمر معروف منذ وقت طويل ولكن كان الناس يتجاهلونه لأنه دليل على وجود حياة في فكرة الخلية العصبية. ويجب تدريب مجموعة الخلايا الثلاث يدويا حيث يجب إعداد أوزانها على القيم المناسبة والتي لم تتعلمها بعرض البيانات المتكررة عليها, ويتم كتابة الأوزان بجانب الاتصالات  والرقم الموضوع في كل خلية عصبية هو الحد الأدنى, وتساوي الخلية العصبية التي تطلق إشارة بالإجمالي الموزون أو تتجاوز الحد الأدنى.



وإذا تأملت جدول الإشارات الداخلة والخارجة لكل خلية عصبية (شكل رقم 3) ستعرف أن جدول إجمالي الداخل والخارج من البيانات في ومن
الخلايا العصبية الثلاث هو بالضبط ما نحتاج إليه.


طريقة اللوغاريتم



المشكلة هنا بالضبط هي أنه إذا لم يكن لديك لوغاريتم خاص بالتعلم للشبكات العصبية,لأنها قليلة الفائدة حتى لو لم تكن محدودة في ما يمكن أن تتعرف عليه من بيانات, وفكر الجميع في الحل الذي يتمثل في لوغاريتم التعلم ولكن لأن العديدين لا يرون أي فائدة في الشبكات العصبية لم يفكر أحد في ابتكار هذا اللوغاريتم.



يطلق على لوغاريتم التعلم اسم المنحنى الكبير وهو عبارة عن تطبيق لبعض طرق التحسين القياسية standard optimization methods, والفكرة الأساسية هي نفس الفكرة المستخدمة لتعديل أوزان الخلية العصبية الفردية أي أنك تغير الأوزان حتى تجعل النتاتج تتحرك نحو القيمة المطلوبة, وفي حالة الشبكة العصبية لابد أن تحدد الأوزان وخلاياها العصبية وكذلك الأوزان التي ينبغي تعديلها.



للأسف الشديد, لا نعلم الخلية العصبية المسئولة عن الخطأ الحالي في الناتج النهائي, ولا يمكنك أن تستخدم وظيفة الحد الأدنى البسيط لتحديد موقع المشكلة, ويجب عليك استخدام وظيفة تتيح لناتج الخلية العصبية الانتقال بسلاسة من "عدم إطلاق إشارة" إلى "إطلاق إشارة", ومن خلال جعل هذه الوظيفة تعمل على الانتقال المفاجئ من الحد الأدنى تحتفظ الخلية بخصائصها في التشغيل والإقفال أو "الإطلاق وعدم الإطلاق".



وعندما تستخدم الخلية العصبية من هذا النوع يمكنك تطبيق لوغاريتم التعلم بغض النظر عن تعقيد الشبكة أو بساطتها وذلك عبر الخطوات التالية:



1- تطبيق الناتج بالنتيجة المطلوبة (مخرجات البيانات).



2- حساب ناتج الخلية العصبية وحساب الخطأ الحالي.



3- نقل قيمة إجمالي الخطأ إلى كل خلية عصبية في الشبكة بالتناسب مع أوزانها الحالية, وتوصيل هذه الخلية بخلية الناتج .



4- استخدام الخطأ المحدد لكل خلية عصبية في تدريبها بالطريقة المعتادة والتفاصيل الخاصة بهذه الإجراءات أو الخطوات معقدة جدا , لأن مقدار الخطأ المنقول إلى كل خلية يعتمد على شكل وظيفة الحد الأدنى, وهذه هي الفكرة العامة في هذه الخطوات, ومن أكثر الأسماء شيوعا التي تطلق على هذه العملية "التفاعل العكسي" لأن الأخطاء تعود من خلال الشبكة بنفس الطريقة وعبر نفس الخطوات إلى الخلايا تماما مثلما تتطور البيانات الداخلة وتتفاعل باتجاه الناتج أو البيانات الخارجة.
 



** التفاعل العكسي




تتعلم الشبكة العصبية باستخدام التفاعل العكسي أي شيء ترغب في تعلمها إياه, حيث يمكنها أن تعرف الفرق بين صفر وواحد وواحد وصفر بدون مساعدة خارجية, وفي هذه النقطة تبدو كل مشاكل الذكاء الإصطناعي محلولة, وإذا أردت من نظام ذكاء إصطناعي أن يستجيب للأوامر باللغة الإنجليزية, فكل ما عليك هو أن تحصل على شبكة عصبية كبيرة وتقوم بتدريبها على تمييز الكلمات والألفاظ, وكانت هذه هي الضجة التي تلت إعادة اكتشاف الشبكات العصبية متعددة المستويات أو الطبقات, ولكن الحقيقة لا تبعث على التفاؤل على الإطلاق, فالشبكة العصبية يمكنها أن تتعلم أي شيء تريده ولكنها تستغرق دهرا كاملا حتى تفعل ذلك, كما أننا ليس لدينا أي فكرة عن التعميم, فإذا تعلمت الشبكة كيف تتعرف على إبريق معين للشاي, فهل ستتعرف على إبريق شاي آخر مشابه للإبريق الأول ولم تكن قد رأته من قبل?



ربما تعتقد أننا في موقف يمكننا أن نبدأ فيه بناء شبكات خلايا عصبية صناعية معقدة أو شبكات من العقول الصناعية ونعلمها جميع المعارف والنظريات المعقدة وتعد نظرية كولموجوروف هي النظرية الوحيدة التي تقدم لنا رأيا واقعيا في هذا الأمر,حيث تقول إن أي شيء تتعلمه الشبكة العصبية تستطيع أن تتعلمه شبكة عصبية من مستويين, أي تتكون من خليتين عصبيتين إحداهما للإدخال والأخرى للإخراج.



ولهذا ليس لدينا وصفة للعقل لأن عقولنا تستخدم شبكات أعمق من ذلك, كما أنه من المحتمل أن تكون عقولنا عبارة عن شبكات من الخلايا المتصلة ببعضها البعض. وتقدم تقريرا لتقييم الموقف بين الخلايا المتصلة ببعضها البعض .وتحديد المواضع التي تصبح فيه الاتصالات مفيدة مشكلة عويصة.. فنوع الشبكات الذي نستطيع تدريبه باستخدام التفاعل الخلفي لا يمكن أن يكون به نوع من التقارير المنعكسة وفي الحقيقة لا تحتاج إلى مثل هذه التقارير.



مجلة عالم الكمبيوتر