الذكاء الاصطناعي مقابل التعلم الآلي مقابل التعلم العميق: ما الفرق؟
الذكاء الاصطناعي (AI) هو التكنولوجيا المميزة لعصرنا ، ومع ذلك يتم إساءة استخدام المصطلحات المحيطة به باستمرار. غالبًا ما تسمع قادة الأعمال ووسائل الإعلام تستخدم "AI" و "التعلم الآلي" (ML) و "التعلم العميق" (DL) كما لو أنها تعني نفس الشيء بالضبط. لا يفعلون.
لفهم التكنولوجيا الحديثة - وحيث تناسب أدوات مثل ChatGPT بالفعل - تحتاج إلى معرفة الفرق.
فيما يلي الدليل الكامل والصديق للمبتدئين لفهم الذكاء الاصطناعي والتعلم الآلي والتعلم العميق ، وكيفية ارتباطهم ببعضهم البعض ، ومتى يجب عليك استخدام كل مصطلح بالضبط.
الجواب التنفيذي: ملخص 30 ثانية
إذا كنت تبحث عن التعريفات الدقيقة لاستخدامها في اجتماعك القادم ، فإليك:
- الذكاء الاصطناعي (AI): المفهوم الواسع لجعل أجهزة الكمبيوتر تعمل "ذكية" وتحاكي قدرات حل المشكلات البشرية.
- تعلم الآلة (مل): طريقة محددة للقيام بالذكاء الاصطناعي حيث يتعلم الكمبيوتر من البيانات لتحسين أدائه ، بدلاً من الاعتماد على القواعد المكتوبة بخط اليد.
- التعلم العميق (DL): نوع متقدم للغاية من التعلم الآلي يستخدم طبقات متعددة من "الشبكات العصبية الاصطناعية" ، ويصبح قويًا بشكل استثنائي عند تغذية كميات هائلة من البيانات.
أبسط طريقة لتصوير العلاقة
الطريقة الأكثر دقة لفهم كيفية توافق هذه التقنيات معًا هي تصويرها كمجموعة من الدوائر المتداخلة.
- الذكاء الاصطناعي هو المظلة الخارجية: يحتوي على كل شيء.
- مل هو الدائرة الوسطى: إنها مجموعة فرعية تجلس بالكامل داخل دائرة الذكاء الاصطناعي.
- DL هي الدائرة المركزية: إنها مجموعة فرعية أصغر تجلس تمامًا داخل دائرة تعلم الآلة.
ماذا يعني الذكاء الاصطناعي (ولماذا يخلط الناس بينه)
مفهوم "الذكاء الاصطناعي" ليس جديدًا. تم صياغة المصطلح رسميًا خلال 1955 اقتراح بحث كلية دارتموث، التي سعت إلى العثور على كيفية جعل الآلات تستخدم اللغة ، وتشكيل التجريدات ، وحل المشكلات المخصصة للبشر. قبل ذلك ، في عام 1950 ، كانت شركة رائدة في مجال الحوسبة آلان تورينج proposed the “imitation game”—now famous as the Turing Test—to measure a machine’s ability to exhibit intelligent behavior.
سبب ارتباك الناس اليوم هو أنهم ينسون حقيقة أساسية: ليس كل الذكاء الاصطناعي يتعلم.
الذكاء الاصطناعي القائم على القواعد مقابل الذكاء الاصطناعي القائم على التعلم
لفهم الذكاء الاصطناعي ، يجب تقسيمه إلى معسكرين تاريخيين:
- الذكاء الاصطناعي القائم على القواعد (الذكاء الاصطناعي القديم الجيد): في الأيام الأولى ، كتب المبرمجون الآلاف من القواعد الصارمة "إذا حدث X ، افعل". ضع في اعتبارك آلة حاسبة ضريبية أو كمبيوتر الشطرنج الشهير Deep Blue الذي تغلب على جاري كاسباروف في عام 1997. كان Deep Blue رائعًا ، لكنه لم يحدث تعلم الشطرنج قامت بتقييم الملايين من الاحتمالات المبرمجة بناءً على قواعد كتبها الإنسان.
- الذكاء الاصطناعي القائم على التعلم: هذا هو العصر الحديث. بدلاً من ترميز كل قاعدة ، يقوم المهندسون بتغذية بيانات الكمبيوتر والسماح لها بمعرفة القواعد نفسها. هذا يقودنا إلى التعلم الآلي.
ماذا يعني التعلم الآلي (كيف يعمل "التعلم")
أدى التعلم الآلي (ML) إلى تغيير نموذج علوم الكمبيوتر. بدلاً من برمجة جهاز كمبيوتر لحل مهمة ما ، نقوم ببرمجة جهاز كمبيوتر تعلم لحل مهمة.
قدم لنا عالمان أسطوريان الكمبيوتر التعريفات الأكاديمية التي ما زلنا نستخدمها اليوم:
- آرثر صموئيل (1959): يوصف ML بأنه مجال الدراسة الذي يمنح أجهزة الكمبيوتر القدرة على التعلم دون برمجة صريحة.
- توم ميتشل (1997): قدم التعريف الهندسي ، مشيرًا إلى أن برنامج الكمبيوتر يتعلم من "الخبرة" فيما يتعلق ببعض "المهمة" إذا كان أدائه يتحسن مع هذه التجربة.
سير عمل ML البسيط
كيف تتعلم الآلة بالفعل؟ يتبع بشكل عام دورة من أربع خطوات:
- ابتلاع البيانات: أنت توفر بيانات تاريخية (على سبيل المثال ، 100000 رسالة بريد إلكتروني ، وبعضها يحمل علامة "بريد عشوائي" وبعضها يحمل علامة "آمنة").
- مرحلة التدريب: تقوم الخوارزمية بتحليل البيانات والبحث عن الأنماط الرياضية (على سبيل المثال ، رسائل البريد الإلكتروني التي تحتوي على كلمة "فائز اليانصيب" وعادة ما تكون الرابط غير مرغوب فيه).
- مرحلة الاختبار: أنت تعطي النموذج رسائل بريد إلكتروني جديدة غير مرئية لمعرفة ما إذا كانت تنبؤاته دقيقة.
- الاستدلال (استخدام): يتم نشر النموذج المدرب لتصفية صندوق الوارد الخاص بك تلقائيًا في الوقت الفعلي.
الأنواع الثلاثة الرئيسية للتعلم الآلي
- التعلم الخاضع للإشراف: يتم تدريب الخوارزمية على البيانات المصنفة بوضوح. مثال: نظام تم تدريبه على الصور المسمى صراحة "Cat" أو "Dog" حتى يتمكن من تصنيف الصور المستقبلية.
- التعلم غير الخاضع للرقابة: يتم إعطاء الخوارزمية بيانات فوضوية وغير مسماة ويطلب منها العثور على هياكل أو مجموعات مخفية. مثال: موقع للتجارة الإلكترونية يجمع العملاء لديهم عادات شراء مماثلة دون معرفة بالضبط ما يمكن تسميته بهذه المجموعات.
- التعلّم المعزز: تتعلم الخوارزمية فقط عن طريق التجربة والخطأ في بيئة محاكاة ، وكسب "مكافأة" رياضية لقرارات جيدة. مثال: ذكاء اصطناعي يتعلم المشي في جهاز محاكاة الفيزياء.
ماذا يعني التعلم العميق (ما الذي يجعله "عميقًا")
التعلم العميق (DL) هي التكنولوجيا المتطورة المسؤولة عن طفرة الذكاء الاصطناعي الهائلة التي نعيشها الآن.
إنه مبني على اصطناعية الشبكات العصبية، بنية حوسبة مستوحاة بشكل فضفاض من الخلايا العصبية البيولوجية في الدماغ البشري. بينما كانت الشبكات العصبية المبكرة موجودة لعقود من الزمن ، فإن الأبحاث التأسيسية التي أجراها علماء الكمبيوتر مثل يان ليكون ويوشوا بينجيو وجيفري هينتون أثبت أن تكديس هذه الشبكات في طبقات معقدة أسفر عن نتائج غير عادية.
طبقات التعلم العميق
ما الذي يجعل التعلم العميق "عميقًا"؟ يشير إلى عدد طبقات المعالجة التي يجب أن تمر بها البيانات:
- طبقة الإدخال: تدخل البيانات الأولية (بكسل الصورة ، موجات صوتية للصوت) إلى النظام.
- الطبقات المخفية: هذا هو القسم "العميق". تمر البيانات عبر طبقات كثيفة من الخلايا العصبية الاصطناعية. كل طبقة تستخرج ميزات أكثر تعقيدًا. بالنسبة لنظام التعرف على الوجه ، قد تبحث الطبقة 1 فقط عن الحواف والظلال ، وتبحث الطبقة 2 عن الأشكال (العيون والأنوف) ، والطبقة 3 تحدد وجهًا معينًا.
- طبقة الإخراج: يقدم النظام تنبؤاته النهائية أو محتواه المولد.
لتصحيح أخطائه ، يعتمد التعلم العميق على إجراء رياضي معقد يسمى التكاثر العكسي، الذي يضبط "الأوزان" الداخلية (الأهمية) للاتصالات بعد كل تخمين حتى يصبح النموذج أكثر ذكاءً بمرور الوقت.
أين تناسب الذكاء الاصطناعي التوليدي و LLMS؟
أدوات الذكاء الاصطناعي التوليدية (مثل ChatGPT أو Claude أو MidJourney) هي أحدث تطور لهذه التكنولوجيا.
- الذكاء الاصطناعي التوليدي عادة ما تكون مبنية على نماذج التعلم العميق.
- نماذج اللغات الكبيرة (LLMS) هي نوع محدد من نماذج التعلم العميق المدربة على تيرابايت من النص البشري. نظرًا لأنهم يعالجون اللغة من خلال طبقات عصبية عميقة بشكل لا يصدق ، يمكنهم التنبؤ بـ "الكلمة التالية" الأكثر منطقية في تسلسل ، مما يسمح لهم بكتابة مقالات تبدو وكأنها بشرية ، ورمز ، وردود محادثة.
دليل القرار "استخدم الكلمة الصحيحة"
توقف عن خلط المصطلحات. استخدم هذا الإطار البسيط لمعرفة الكلمة التي يجب استخدامها بالضبط في الإعدادات الاحترافية.
| الميزة | الذكاء الاصطناعي (AI) | تعلم الآلة (مل) | التعلم العميق (DL) |
| تعريف بسيط | أي نظام يحاكي الذكاء البشري. | نظام يتعلم من البيانات لتحسين مهمته. | نظام شبكة عصبية متعددة الطبقات للبيانات المعقدة. |
| كيف يعمل | يمكن استخدام القواعد المشفرة أو تعلم من البيانات. | يستخدم الخوارزميات الإحصائية للعثور على الأنماط. | يستخدم مصفوفات ضخمة من الخلايا العصبية الاصطناعية والتكاثر العكسي. |
| متطلبات البيانات | يختلف (الذكاء الاصطناعي المستند إلى القواعد لا يحتاج إلى بيانات تاريخية). | يتطلب كمية معتدلة من البيانات المنظمة. | يتطلب كميات هائلة من البيانات الخام غير المهيكلة. |
| قوة الحوسبة | منخفضة إلى معتدلة. | معتدل. | عالية بشكل استثنائي (تتطلب شرائح GPU قوية). |
| أفضل استخدام ل | حل المشكلات العامة ، الأتمتة البسيطة. | التنبؤ بالأسعار ومحركات التوصية ومرشحات البريد العشوائي. | التعرف على الصور ، ترجمة الصوت ، نماذج اللغات الكبيرة. |
القواعد الذهبية لمصطلحات الذكاء الاصطناعي
- القاعدة 1: إذا كان النظام ذكيًا ، لكنه يعتمد كليًا على القواعد التي كتبها الإنسان ، على سبيل المثال عاي.
- القاعدة 2: إذا نظر النظام بنشاط إلى البيانات التاريخية لتحسين توقعاته دون إعادة برمجتها ، على سبيل المثال تعلم الآلة.
- القاعدة 3: إذا كان النظام يستخدم الشبكات العصبية لمعالجة مجموعات البيانات الضخمة والمعقدة مثل الكلام البشري أو الصور عالية الدقة أو الكتابة الإبداعية ، على سبيل المثال التعلم العميق.
الأسئلة الشائعة (FAQ)
ما هو الذكاء الاصطناعي في الكلمات البسيطة؟
الذكاء الاصطناعي (AI) هو علم واسع لإنشاء أنظمة كمبيوتر قادرة على أداء المهام التي تتطلب عادة الذكاء البشري. وهذا يشمل فهم اللغة والتعرف على الأنماط وحل المشكلات واتخاذ القرارات.
هل تعلم الآلة هو نفس الذكاء الاصطناعي؟
لا ، ليسوا متماثلين تمامًا. التعلم الآلي هو مجال فرعي متخصص ضمن الذكاء الاصطناعي. في حين أن كل التعلم الآلي هو شكل من أشكال الذكاء الاصطناعي ، لا يستخدم كل الذكاء الاصطناعي التعلم الآلي.
هل تستخدم جميع أنظمة الذكاء الاصطناعي التعلم الآلي؟
لا. العديد من أنظمة الذكاء الاصطناعي المبكرة والموثوقة للغاية "قائمة على القواعد". هذا يعني أنهم يعتمدون على رموز صارمة مكتوبة من قبل الإنسان بدلاً من التعلم بشكل مستقل عن البيانات.
هل التعلم العميق جزء من التعلم الآلي؟
نعم. التعلم العميق هو فئة فرعية متقدمة للغاية من التعلم الآلي. يشير على وجه التحديد إلى خوارزميات التعلم الآلي التي تستخدم طبقات متعددة من الشبكات العصبية الاصطناعية لمعالجة المعلومات.
ما هو الفرق بين التعلم العميق والشبكة العصبية؟
الشبكة العصبية هي البنية الأساسية (العقد المتصلة ببعضها البعض) ، بينما يشير التعلم العميق تحديدًا إلى الشبكات العصبية التي تحتوي على العديد من "الطبقات المخفية" بين المدخلات والمخرجات. كل التعلم العميق يستخدم شبكات عصبية، ولكن شبكة عصبية بسيطة ذات طبقة واحدة لا تعتبر "عميقة".
أين تتناسب ChatGPT مع AI و ML و DL؟
ChatGPT هو نموذج لغة كبير (LLM) تحت مظلة الذكاء الاصطناعي التوليدي. من الناحية التكنولوجية ، تم بناؤه باستخدام التعلم العميق (على وجه التحديد ، بنية الشبكة العصبية تسمى المحول) ، وهو نوع من التعلم الآلي ، والذي يقع في النهاية تحت الذكاء الاصطناعي.




