الوحدة 1 — ما هو الذكاء الاصطناعي فعلاً

مصطلح «الذكاء الاصطناعي» هو على الأرجح أكثر المصطلحات سوء استخدام في الحوسبة كلّها. فهو يعني، بحسب المتحدّث، روبوت محادثة، أو خوارزمية فرز سِيَر ذاتية، أو روبوتاً بشريّ الشكل من الخيال العلمي، أو معادلة إحصائية بسيطة أُعيدت تسميتها لملفّ تمويل. تضع هذه الوحدة تعريفاً عملياً — يمكن العمل به — وترسم حدود المجال.

تعريف يصلح للاستعمال

التعريفات الفلسفية («محاكاة الذكاء البشري») غير قابلة للاستخدام عملياً: فلا أحد يتّفق على ماهية الذكاء البشري أصلاً. التعريف العملي الذي سنعتمده طوال هذه الدورة أكثر تواضعاً وأكثر صلابة:

نظام الذكاء الاصطناعي برنامجٌ لم يُكتَب سلوكه كلّه يدوياً، بل تعلّمه من البيانات أو استخرجه من بحث في فضاء من الحلول، لأداء مهمّة كانت ستتطلّب حُكماً بشرياً لو قام بها إنسان.

ثلاثة عناصر مهمّة في هذا التعريف.

السلوك ليس مكتوباً يدوياً بالكامل. برنامج الرواتب يطبّق قواعد كتبها بشر؛ فهو ليس ذكاء اصطناعياً مهما بلغ تعقيده. أمّا مرشّح البريد المزعج الحديث فقد تعلّم وحده، من ملايين الأمثلة، شكلَ الرسالة غير المرغوب فيها؛ فهذا ذكاء اصطناعي.

هناك تعلّم أو بحث. هما تقليدا المجال الكبيران. الأول يتعلّم الانتظامات من البيانات (وهذا هو تعلّم الآلة). والثاني يستكشف فضاءً من الاحتمالات بحثاً عن حلّ جيّد (هكذا كانت تعمل برامج الشطرنج الكلاسيكية).

المهمّة تتطلّب حُكماً. تصنيف صورة، فهم جملة، تقدير خطر: مهامّ لا يوجد لها إجراء دقيق، بل قرائن تُوزَن.

التسلسل الهرمي: ذكاء اصطناعي، تعلّم آلة، تعلّم عميق

هذه المصطلحات الثلاثة يحتوي بعضها بعضاً، وليست مترادفات.

الذكاء الاصطناعي هو المجال كلّه: أيّ برنامج يؤدّي مهمّة «ذكية»، بأيّ وسيلة كانت. وهو يشمل تقنيات لا تتعلّم شيئاً، كالأنظمة الخبيرة القاعدية وخوارزميات البحث.

تعلّم الآلة هو الجزء الذي يتعلّم من البيانات. بدل كتابة القواعد، تُقدَّم أمثلة ويستخرج البرنامج الانتظامات منها. وهو اليوم الطريقة السائدة في صناعة الذكاء الاصطناعي، حتى صار المصطلحان يُخلَطان كثيراً.

التعلّم العميق هو الجزء من تعلّم الآلة الذي يستخدم الشبكات العصبية العميقة — طبقات حسابية متراكمة. وهو الذي أنتج الاختراقات منذ 2012: الرؤية، والكلام، والترجمة، والنماذج اللغوية الكبيرة.

العادة الذهنية المطلوبة

حين يقول أحدهم «أضفنا ذكاء اصطناعياً إلى المنتج»، اسأل: هل يتعلّم النظام من بيانات، وأيّ بيانات؟ الجواب يفرز فوراً بين نظام متعلّم فعلاً، ومجموعة قواعد بعلامة تجارية جديدة، واستدعاء لواجهة برمجية خارجية. الخيارات الثلاثة قد تكون سليمة — لكنها ليست المشروع نفسه ولا الكلفة نفسها ولا المخاطر نفسها.

ما يدخل في المجال وما لا يدخل

النطاق الحقيقي للذكاء الاصطناعي في المؤسسات أوسع ممّا يُظنّ في اتجاهات، وأضيق في اتجاهات أخرى.

يدخل في المجال: توقّع الطلب، كشف الاحتيال، التوصية بالمنتجات، القراءة الآلية للوثائق، تحويل الكلام إلى نصّ، تقسيم العملاء إلى شرائح، الصيانة التنبّؤية، توليد النصوص والصور. مهامّ محدودة النطاق ولها بيانات.

لا يدخل في المجال، مهما قال التسويق: لوحة مؤشّرات (هذه تصوير بيانات)، أتمتة قواعد ثابتة (هذه RPA أو نصّ برمجي)، قاعدة بيانات جيّدة الفهرسة (هذه هندسة بيانات). هذه الأدوات مفيدة؛ لكن تسميتها «ذكاء اصطناعياً» تشوّش قرارات الاستثمار.

المنطقة الرمادية النزيهة: منتجات كثيرة تجمع بين الاثنين. محرّك بحث المؤسسة قد يكون بحثاً بالكلمات المفتاحية فقط، وقد يتضمّن نموذج تضمين دلالي. السؤال الصحيح ليس أبداً «هل هذا ذكاء اصطناعي؟» بل «ما الذي يُتعلَّم، ومن أيّ بيانات، وما الذي يتغيّر للمستخدم؟».

المصطلحات الأساسية لبقية الدورة

ستعود هذه المصطلحات في كلّ الوحدات. لنثبّتها الآن.

المصطلح	التعريف العملي
النموذج	البرنامج المتعلَّم: دالة تحوّل مدخلاً إلى تنبّؤ
التدريب	العملية التي تضبط النموذج على بيانات الأمثلة
الاستدلال	استخدام النموذج المدرَّب على حالة جديدة
المتغيّر (الخاصية)	معلومة مُدخَلة تُقدَّم إلى النموذج
الوسم (Label)	الجواب الصحيح المرفق بمثال، حين يوجد
المعاملات (Parameters)	أرقام النموذج الداخلية التي تُضبَط أثناء التدريب
التعميم	قدرة النموذج على البقاء دقيقاً على حالات لم يرَها قطّ

خلطان يجب إزالتهما فوراً.

النموذج ≠ الخوارزمية. الخوارزمية هي وصفة التعلّم (مثلاً «الغابة العشوائية»)؛ والنموذج هو الناتج الملموس لتطبيقها على بياناتك. الخوارزمية نفسها تُنتج نماذج مختلفة على بيانات مختلفة.

التدريب ≠ الاستدلال. التدريب مكلف ويجري مرّة (أو دورياً)؛ والاستدلال سريع ويجري عند كلّ استخدام. احتياجات العتاد والكلفة ورهانات الأمان تختلف بين المرحلتين، وكثير من التقديرات المالية الخاطئة يأتي من الخلط بينهما.

الأنسنة: الخطأ الأغلى ثمناً

النموذج لا «يفهم» ولا «يعتقد» ولا «يريد» شيئاً. إنّه يحسب مخرجاً من مدخل وفق انتظامات مستخرجة من بيانات تدريبه. هذا التذكير ليس تحذلقاً: المشاريع التي تفشل أعنف فشل هي تلك التي نسبت فيها الفرق إلى النظام قدرةَ حكمٍ لا يملكها — ولم تكتشف ذلك إلا في بيئة الإنتاج.

الخلاصة

• التعريف المفيد: سلوك متعلَّم من البيانات (أو موجود بالبحث)، لمهمّة كانت ستتطلّب حُكماً.
• الذكاء الاصطناعي ⊃ تعلّم الآلة ⊃ التعلّم العميق: ثلاثة نطاقات متداخلة، لا ثلاثة مترادفات.
• أمام أيّ منتج «ذكاء اصطناعي»، اسأل ما الذي يُتعلَّم ومن أيّ بيانات.
• النموذج ≠ الخوارزمية، والتدريب ≠ الاستدلال: كلمتان وتمييزان يحكمان كلّ ميزانية وكلّ بنية.

في الوحدة التالية سنرى من أين جاء هذا النهج: لماذا هجر المجال القواعد المكتوبة يدوياً لصالح التعلّم من البيانات.