- صاحب المنشور: تالة البصري
ملخص النقاش:
مع تزايد شعبية وتطبيقات الذكاء الاصطناعي (AI) والتعلم الآلي (ML)، أصبح فهم الفرق بين هذه التقنيات وأوجه التشابه الرئيسية أمرًا بالغ الأهمية. من الواضح أنهما مترابطان ومتكاملان إلى حد كبير؛ حيث يعتبر التعلم الآلي جزءًا رئيسيًا من أدوات بناء نماذج الذكاء الاصطناعي. لكنهما ليستا نفس الشيء تمامًا ولا يعملان بنفس الطريقة تمامًا. دعونا نستكشف تحديات وإمكانات تعميق العلاقة بينهما.
الذكاء الاصطناعي والدور الأساسي للتعلم الآلي
يهدف الذكاء الاصطناعي إلى خلق آلات قادرة على القيام بمهام تتطلب عادة ذكاء بشري مثل الفهم اللغوي الطبيعي، حل المشكلات المعقدة، والإبداع. بينما يتمثل هدف التعلم الآلي في تصميم خوارزميات يمكنها تحليل البيانات واستنتاج العلاقات بدون برمجة مباشرة ومفصلة خطوة بخطوة. بالتالي، فإن كل نظام لـ AI ليس بالضرورة يشمل تعلم آلي ولكنه غالبًا ما يستخدم تقنيات ML كأداة حيوية لتحقيق قدرات معينة.
على سبيل المثال، استخدم برنامج Deep Blue الشهير الذي هزم بطل الشطرنج غاري كاسباروف عام 1997 قواعد واحتمالات محسوبة مسبقا ولم يتضمن تعلمآليا واسع المجال كما هو الحال اليوم. أما AlphaGo - البرنامج الذي فاز على العالم السابق البطل لي سي دانغ في لعبة غو عام ٢٠١٦ فقد اعتمد بكثافة على الخوارزميات المتعلقة بتعلم الروبوتات وتحسين الشبكات العصبونية (Deep Neural Networks).
مجالات الاختلاف وتعزيزه للعلاقة
رغم هذا التوافق العام، هنالك أيضًا اختلافات جوهرية تحتاج لمزيدٍ من البحث والنظر لتفعيل الصلة المثالية بين الاثنين وهي :
* الدقة مقابل القدرة على التوسع: تتميز بعض طرق التعلم الآلي المدربة جيدًا بدقتها الاستثنائية ولكن تكلف الكثير من الوقت والجهد للمعالجة مما يعيق تطبيقها خارج حالات استخدام محددة جدًا. من ناحية أخرى، فإن معظم نظريات الذكاء الصناعي أكثر مرونة وقادرة على العمل ضمن ظروف مختلفة لكن تقدم نتائج غير دقيقة مقارنة بالنماذج الأكثر تركيزاً والتي تقوم بها تقينات Machine Learning الحديثة خاصة تلك المبنية على الديبل نيوروبيكس .
* التوجهات التصميمية: فرق آخر مهم وهو طريقة تطوير النظام بأكمله. إن العديد من مشاريعmachine learning تبدأ بفكرة واضحة حول طبيعة المعلومات التي ستتلقاها وكيفية تقديم الإخراج منها وبناء عليه يقوم المصممون بإعداد البيانات المناسبة وتشكيل القوالب الرياضية اللازمة للحصول علي أفضل نتيجة ممكنة. بعكس ذلك، يسعى روادمجال الذكاءالإصطناعي نحو جعل الأنظمة مستقلة قدر المستطاع سواء بشأن عملية جمع بيانات التدريب الخاصة بهم أو حتى تحديد أهميتها داخل العملية التعليمية نفسها. وهذا يعني وجود حاجة أكبر لكفاءات
