وقت القراءة المقدر: 7 دقيقة
وُلد الانضباط كفرع من تكنولوجيا المعلومات ، بهدف صنع الآلات:
على مر السنين ، غالبًا ما أشعل الذكاء الاصطناعي الجدل الفلسفي لإعطاء إجابات حول إمكانية استبدال الإنسان بالآلة ... هل هذا ممكن؟
في هذا الصدد يمكننا تحديد تيارين فكريين:
نتحدث عن ضعف الذكاء الاصطناعي (ضعف الذكاء الاصطناعي) عندما لا يكون الهدف هو إنشاء أنظمة تتمتع بذكاء يضاهي ذكاء البشر. لكن الأنظمة التي يمكن أن تعمل بنجاح في واحد أو أكثر من الأنشطة البشرية المعقدة ، مثل الترجمة الآلية للنصوص.
في هذه الحالات ، يتصرف البرنامج ، عند تنفيذ المهمة التي تمت برمجته من أجلها ، كما لو كان موضوعًا ذكيًا ، ولكن لأغراض النتيجة ، لا يهم ما إذا كان الأمر كذلك بالفعل أم لا.
لذلك نتحدث عن ضعف الذكاء الاصطناعي في كل تلك الحالات التي لا تكون فيها الآلة قادرة على التفكير بشكل مستقل ، لكنها لا تزال قادرة على محاكاة الذكاء.
ينطبق هذا النوع من الذكاء الاصطناعي في الحالات التي يكون فيها فهم العمليات المعرفية البشرية غير ذي صلة بالنتيجة النهائية.
نتحدث عن الذكاء الاصطناعي القوي عندما لا تكون الآلة المجهزة بالذكاء الاصطناعي مجرد "أداة".
إذا تم تطويرها بشكل صحيح فإنها تصبح نفسها عقلًا مفكرًا ، مع قدرة معرفية لا يمكن تمييزها عن الإنسان.
الفكرة في هذه الفلسفة هي أن بعض أشكال الذكاء الاصطناعي يمكنها حقًا التفكير في المشكلات وحلها كما يفعل الإنسان ، وبالتالي فإن التمييز بين نتائج الآلة أو الإنسان أمر مستحيل.
تسمح هذه الآليات للآلة الذكية بتحسين قدراتها وأدائها بمرور الوقت ، والتعلم تلقائيًا من خلال الخبرة لأداء مهام معينة ، وتحسين أدائها أكثر وأكثر بمرور الوقت.
مثال على ذلك AlphaGo ، برنامج من تعلم آلة الذي تم تعليمه من خلال مراقبة ملايين الحركات التي قام بها لاعبو Go خلال الألعاب المختلفة ، وجعل الآلة تلعب ضد نفسها ، وكانت النتيجة أنها تمكنت من التغلب على ما كان يعتبر أفضل لاعب في عالم هذه اللعبة.
الفئات الرئيسية الثلاث للتعلم الآلي هي:
يتم تطبيق هذه البنى في سياقات مختلفة:
خصائص Deep Learning مقارنة بتقنيات الذكاء الاصطناعي الأخرى:
Il Deep Learning إنها تعمل بنفس آليات الدماغ ، وتتعلم الآلة بشكل مستقل كما في التعلم الآلي ، ولكنها تفعل ذلك بطريقة أكثر "عمقًا" كما يفعل الدماغ البشري. نعني بالعمق "على عدة مستويات مفاهيمية".
قد يبدو أن الطلب القوي على القدرات الحسابية يمكن أن يكون قيدًا ، ولكن قابلية التوسع في Deep Learning إلى زيادة البيانات والخوارزميات المتاحة هو ما يميزها عن التعلم الآلي:
على سبيل المثال ، في مجال التعرف المرئي ، يمكنك إدراج العلامة الوصفية "قطة" داخل الصور التي تحتوي على قطة ، وبدون شرح كيفية التعرف عليها للنظام ، سيكون النظام نفسه ، من خلال مستويات هرمية متعددة ، لتخمين ما يميزه قطة (الكفوف ، الذيل ، الفراء ، إلخ) وبالتالي تعلم كيفية التعرف عليها.
يمكن تحليل البيانات غير المنظمة من خلال نموذج التعلم العميق بمجرد تشكيلها والوصول إلى مستوى مقبول من الدقة ، ولكن ليس لمرحلة التدريب الأولية.
Il Deep Learning اليوم يتم تطبيقه بالفعل في مختلف المجالات:
تطبيق أحدث تقنيات الأجهزة ، واستخدام خوارزميات التعلم الذاتي مثل:
يتم إنشاء المنصات التكنولوجية التي تحاول تقليد الدماغ البشري ، بدءًا من الأنشطة الأبسط للوصول إلى المعالجة المعقدة بشكل متزايد.
الإشارة هي تباين زمني للحالة المادية لنظام أو كمية مادية تعمل على تمثيل ونقل الرسائل ، أي المعلومات عن بعد ، وبالتالي فإن تحليل الإشارات هو مكون يدعم الحوسبة المعرفية.
جوجل ديب مايندو بايدو مينوا هي أشهر الأمثلة المتوفرة اليوم.
ناهيك عن المؤرخ IBM واتسون، أول كمبيوتر عملاق تجاري من نوعه.
مدمن الابتكار
في عالم التعلم الآلي، تلعب خوارزميات الغابة العشوائية وشجرة القرار دورًا حيويًا في التصنيف...
هناك العديد من النصائح والحيل لتقديم عروض تقديمية رائعة. الهدف من هذه القواعد هو تحسين فعالية وسلاسة ...
تم إصدار تقرير "توقعات تطوير منتجات Protolabs". دراسة كيفية جلب المنتجات الجديدة إلى السوق اليوم.
يستخدم مصطلح الاستدامة الآن على نطاق واسع للإشارة إلى البرامج والمبادرات والإجراءات التي تهدف إلى الحفاظ على مورد معين.
تنتج أي عملية تجارية الكثير من البيانات، حتى في أشكال مختلفة. أدخل هذه البيانات يدويًا من ورقة Excel إلى ...
زاد اختراق رسائل البريد الإلكتروني للشركة بأكثر من الضعف في الأشهر الثلاثة الأولى من عام 2024 مقارنة بالربع الأخير من عام XNUMX.
يعد مبدأ فصل الواجهة أحد مبادئ SOLID الخمسة للتصميم الموجه للكائنات. يجب أن يكون لدى الفصل…
يعد Microsoft Excel الأداة المرجعية لتحليل البيانات، لأنه يقدم العديد من الميزات لتنظيم مجموعات البيانات،…