يتيح الذكاء الاصطناعي (AI) للآلات إمكانية التعلم من التجربة والتكيف مع المدخلات الجديدة وأداء مهام شبيهة بالبشر. تعتمد معظم أمثلة الذكاء الاصطناعي التي تسمع عنها اليوم من أجهزة الكمبيوتر التي تلعب الشطرنج إلى السيارات ذاتية القيادة بشكل كبير على التعلم العميق ومعالجة اللغة الطبيعية. باستخدام هذه التقنيات ، يمكن تدريب أجهزة الكمبيوتر لإنجاز مهام محددة عن طريق معالجة كميات كبيرة من البيانات والتعرف على الأنماط في البيانات.
تاريخ الذكاء االإصطناعي
تمت صياغة مصطلح الذكاء الاصطناعي في عام 1956 ، لكن الذكاء الاصطناعي أصبح أكثر شيوعًا اليوم بفضل زيادة حجم البيانات ، والخوارزميات المتقدمة ، والتحسينات في قوة الحوسبة والتخزين.
بحثت أبحاث الذكاء الاصطناعي المبكرة في الخمسينيات من القرن الماضي عن موضوعات مثل حل المشكلات والأساليب الرمزية. في الستينيات ، اهتمت وزارة الدفاع الأمريكية بهذا النوع من العمل وبدأت في تدريب أجهزة الكمبيوتر لتقليد التفكير البشري الأساسي. على سبيل المثال ، أكملت وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) مشاريع رسم خرائط الشوارع في السبعينيات. وأنتجت DARPA مساعدين شخصيين أذكياء في عام 2003 ، قبل وقت طويل من استخدام Siri أو Alexa أو Cortana لأسماء مألوفة.
مهد هذا العمل المبكر الطريق للأتمتة والتفكير الرسمي الذي نراه في أجهزة الكمبيوتر اليوم ، بما في ذلك أنظمة دعم القرار وأنظمة البحث الذكية التي يمكن تصميمها لاستكمال وزيادة القدرات البشرية.
اهمية الذكاء الاصطناعي
يعمل الذكاء الاصطناعي على أتمتة التعلم والاكتشاف المتكرر من خلال البيانات. بدلاً من أتمتة المهام اليدوية ، يقوم الذكاء الاصطناعي بأداء مهام كمبيوترية متكررة وكبيرة الحجم. وهي تفعل ذلك بشكل موثوق ودون تعب. بالطبع ، لا يزال البشر ضروريين لإعداد النظام وطرح الأسئلة الصحيحة.
يضيف الذكاء الاصطناعي الذكاء إلى المنتجات الحالية. سيتم تحسين العديد من المنتجات التي تستخدمها بالفعل من خلال إمكانات الذكاء الاصطناعي ، تمامًا مثل إضافة Siri كميزة لجيل جديد من منتجات Apple. يمكن دمج الأتمتة ومنصات المحادثة والروبوتات والآلات الذكية مع كميات كبيرة من البيانات لتحسين العديد من التقنيات. تتراوح الترقيات في المنزل وفي مكان العمل من الاستخبارات الأمنية والكاميرات الذكية إلى تحليل الاستثمار.
يتكيف الذكاء الاصطناعي من خلال خوارزميات التعلم التدريجي للسماح للبيانات بالقيام بالبرمجة. يكتشف الذكاء الاصطناعي هيكلًا وانتظامًا في البيانات حتى تتمكن الخوارزميات من اكتساب المهارات. مثلما يمكن للخوارزمية أن تعلم نفسها أن تلعب الشطرنج ، يمكنها أن تعلم نفسها المنتج الذي ستوصي به بعد ذلك على الإنترنت. وتتكيف النماذج عند إعطائها بيانات جديدة.
