بواسطة

Amal AlZaidi

بتاريخ

2018/11/19

الردود

2

القراءات

759

 

التفاصيل:

الفرق بين الذكاء الاصطناعي، تعلم الآلة والتعلم العميق. شرح مبسط للذكاء الاصطناعي، تعلم الآلة والتعلم العميق وأوجه أختلافهم.. بالإضافة إلى كيف يتربط الذكاء الاصطناعي بإنترنت الأشياء. يعتبر مصطلح الذكاء الاصطناعي مألوفًا لنا، بعد كل الضجة التي حصل عليها في السابق. لكن قد تكون مؤخرًا سمعت بمصطلحات أخرى مثل "تعلم الآلة" و "التعلم العميق". تستخدم أحيانًا بدلًا عن مصطلح "الذكاء الاصطناعي". نتيجة لهذا قد يكون الفرق بين الذكاء الاصطناعي وتعلم الآلة والتعلم العميق غير واضح. سأبدأ بإعطاء شرح سريع عن ماهو "الذكاء الاصطناعي" ، "تعلم الآلة" و "التعلم العميق" وكيف تختلف. ثم سأذكر كيف يتداخل الذكاء الاصطناعي بإنترنت الأشياء، حيث تتقارب العديد من التقنيات المتقدمة في نفس الوقت لتضع أساس لانفجار الذكاء الاصطناعي وإنترنت الأشياء. إذاً مالفرق بين "الذكاء الاصطناعي" و" تعلم الآلة" و"التعلم العميق"؟ أول صياغة كانت في 1959 لجون مكارثي ، يشمل الذكاء الاصطناعي الآلات التي يمكن أن تؤدي مهام تنطوي على سمة من سمات البشر. على الرغم من أن هذا إلى حد ما يعتبر أمر عام، فهو يشمل مهام مثل التخطيط، فهم اللغة، التعرف على الأشياء والأصوات، والتعلم وحل المشاكل. يمكن وضع الذكاء الاصناعي في فئتين، عامة و خاصة، تشمل الفئة العامة جميع خصائص الذكاء البشري بما في ذلك القدرات المذكورة أعلاه. وتشمل الفئة الخاصة بعض أوجه الذكاء البشري، ويمكنها القيام بهذه المهام بشكل جيد، ولكنها تفتقر إلى مجالات أخرى. إن الآلة القادرة على التعرف على الصور فقط –ولا شيء آخر- قد تكون مثال على الفئة الخاصة من الذكاء الاصطناعي. تعلم الآلة.. في الأساس، يعد تعلم الآلة مجرد طريقة لتحقيق الذكاء الاصطناعي. صاغ آرثر صموئيل هذه العبارة بعد وقت قصير من ظهور الذكاء الاصطناعي عام 1959، حيث وصف تعلم الآلة بأنها "القدرة على التعلم بدون برمجة صريحة." يمكن الحصول على الذكاء الاصطناعي بدون استخدام التعلم الآلي، ولكن هذا يتطلب بناء ملايين الأسطر من الرموز البرمجية بقواعد معقدة. لذا بدلًا من إجراء برامج تحتوي معلومات محددة لإنجاز مهمة معينة، فإن التعلم الآلي هو طريقة "تدريب" الخوارزمية حتى تتمكن من التعلم. يشمل "التدريب" تغذية الخوارزمية بكميات كبيرة من البيانات والسماح لها بضبط نفسها وتحسينها. لنوضح هذا بمثال، تم استخدام التعلم الآلي لإجراء تحسينات جذرية على رؤية الحاسب (قدرة الآلة على التعرف على كائن في صورة أو فيديو). تُجمع مئات الآلاف أو حتى ملايين الصور، ثم يُحدد الكائن عليها. على سبيل المثال، قد يحدد صورًا تحتوي على قطة مقابل الصور التي لا تحتوي عليها. بعد ذلك تحاول الخوارزمية بناء نموذج يمكنه تصنيف الصور بدقّة كحالة الصور التي تحتوي على قطة أو لا. وبمجرد أن يكون مستوى الدقة مرتفعًا بمافيه الكفاية، فإن الآلة قد "تعلّمت" الآن كيف تبدو القطة. التعلم العميق.. التعلم العميق هو طريقة من طرق التعلم الآلي. الذي يشمل طرق أخرى مثل التعلم بواسطة شجرة القرار، وبرمجة المنهج الإستقرائي، والتجميع، التعلم التعزيزي، وشبكات بايزي، وغيرها. التعلم العميق مستوحى من بنية الدماغ ووظائفه، أي الربط بين العديد من الخلايا العصبية. الشبكات العصبية هي خوارزمية تحاكي البنية البيولوجية للدماغ. في الشبكات العصبية، هناك "خلايا العصبية" لديها طبقات منفصلة وإتصالات إلى "خلايا عصبية" أخرى. كل طبقة مسؤولة عن خاصية للتعلم، مثل المنحنيات/ الحواف في التعرف على الصور. هذه الطبقات هي التي تعطي التعلم العميق هذا اسمه،" العمق" ينشئ من استخدام طبقات متعددة بدلًا من طبقة واحدة. ارتباط الذكاء الاصطناعي بإنترنت الأشياء.. أعتقد أن العلاقة بين الذكاء الاصطناعي وإنترنت الأشياء مثل العلاقة بين الدماغ البشري والجسم. تجمع أجسامنا مدخلات حسية مثل النظر والصوت واللمس، تأخذ أدمغتنا تلك البيانات وتجعلها مفهومة، تحول الضوء الى كائنات يمكن التعرف عليها وتحول الصوت إلى كلام يمكن فهمه. ثم تتخذ أدمغتنا القرارات، وترسل الإشارات إلى الجسم ليتحرك مثل أن يلتقط كائن أو يتحدث. جميع أجهزة الإستشعار التي يتكون منها إنترنت الأشياء تشبه أجسامنا، فهي توفر البيانات الأولية لما يحدث في العالم. الذكاء الاصطناعي هو بمثابة دماغنا، الذي يجعلنا نفهم تلك البيانات و نقرر ماهي الإجرءات التي يجب القيام بها. إطلاق الإمكانات .. تتحقق القيمة والوعود لكل من الذكاء الاصطناعي وإنترنت الأشياء لأرتباطهم ببعض. قد أدى التعلم الآلي والتعلم العميق قفزات هائلة في مجال الذكاء الاصطناعي في السنوات الأخيرة. كما ذكرنا سابقًا ، يتطلب التعلم الآلي والتعلم العميق كميات هائلة من البيانات للعمل ، يتم جمع هذه البيانات من خلال مليارات من أجهزة الاستشعار المتصلة عبر الإنترنت في إنترنت الأشياء. إنترنت الأشياء يجعل الذكاء الاصطناعي أفضل. بالمقابل إن تحسين الذكاء الاصطناعي يدفع إلى اعتماد إنترنت الأشياء ، مما يخلق دورة حميدة يتسارع فيها كلا المجالين بشكل كبير. في الجانب الصناعي ، يمكن تطبيق الذكاء الاصطناعي للتنبؤ بوقت حاجة الماكينات للصيانة أو تحليل عمليات التصنيع لتحقيق مكاسب كبيرة في الكفاءة ، مما يوفر ملايين الدولارات. وفي الجانب الاستهلاكي ، بدلا من الاضطرار إلى التكيف مع التكنولوجيا ، يمكن للتكنولوجيا ان تتكيف معنا. بدلاً من النقر والكتابة والبحث ، يمكننا ببساطة أن نطلب من الجهاز ما نحتاجه. قد نطلب معلومات مثل الطقس أو إجراءات مثل إعداد المنزل لوقت النوم (إغلاق منظم الحرارة ، قفل الأبواب ، إطفاء الأنوار ، إلخ). جعل التقدم التكنولوجي هذا ممكن. إن تقلص رقائق الكمبيوتر وتقنيات التصنيع المحسنة تعني أجهزة استشعار أرخص وأقوى. ويعني تحسين تقنية البطاريات بسرعة أن هذه المجسات يمكن أن تستمر لسنوات دون الحاجة إلى الاتصال بمصدر للطاقة. ويعني الاتصال اللاسلكي ، مدفوعًا بظهور الهواتف الذكية ، أنه يمكن إرسال البيانات بكميات كبيرة وبأسعار رخيصة ، مما يسمح لكل هذه المستشعرات بإرسال البيانات إلى السحابة. وسمحت ولادة السحب بتخزين هذه البيانات بشكل غير محدود فعليًا وقدرتها الحسابية غير المحدودة فعليًا على معالجتها. بالطبع، هناك قلق واحد أو اثنين حول تأثير الذكاء الاصطناعي على مجتمعنا ومستقبلنا. ولكن مع استمرار التقدم والاعتماد على كل من الذكاء الاصطناعي وإنترنت الأشياء في التسارع ، هناك شيء واحد مؤكد ؛ ان التأثير سيكون عميقًا. المصدر: https://medium.com/iotforall/the-difference-between-artificial-intelligence-machine-learning-and-deep-learning-3aa67bff5991


الملفات المرفقة:

لا يوجد مرفقات.

مشاركة:

 

الردود (2)

جزاكم الله خيرا

Maha AL-Refaei

2019/02/05 | 04:16 PM

شرح مبسط و رائع