leestott
e4050807fb
|
2 weeks ago | |
|---|---|---|
| .. | ||
| README.md | 2 weeks ago | |
| assignment.md | 3 weeks ago | |
README.md
تاريخ تعلم الآلة
رسم تخطيطي من إعداد تومومي إيمورا
اختبار ما قبل المحاضرة
🎥 انقر على الصورة أعلاه لمشاهدة فيديو قصير يشرح هذه الدرس.
في هذا الدرس، سنستعرض المحطات الرئيسية في تاريخ تعلم الآلة والذكاء الاصطناعي.
تاريخ الذكاء الاصطناعي (AI) كمجال مرتبط بشكل وثيق بتاريخ تعلم الآلة، حيث أن الخوارزميات والتطورات الحاسوبية التي تدعم تعلم الآلة ساهمت في تطوير الذكاء الاصطناعي. من المفيد أن نتذكر أنه على الرغم من أن هذه المجالات بدأت تتبلور كمجالات بحثية متميزة في الخمسينيات، إلا أن هناك اكتشافات خوارزمية وإحصائية ورياضية وحاسوبية وتقنية مهمة سبقت وتداخلت مع هذه الحقبة. في الواقع، كان الناس يفكرون في هذه الأسئلة منذ مئات السنين: يناقش هذا المقال الأسس الفكرية التاريخية لفكرة "الآلة المفكرة".
اكتشافات بارزة
- 1763، 1812 نظرية بايز وأسلافها. هذه النظرية وتطبيقاتها تشكل أساس الاستدلال، حيث تصف احتمالية وقوع حدث بناءً على المعرفة السابقة.
- 1805 نظرية المربعات الصغرى التي قدمها عالم الرياضيات الفرنسي أدريان-ماري ليجيندر. هذه النظرية، التي ستتعلم عنها في وحدة الانحدار، تساعد في ملاءمة البيانات.
- 1913 سلاسل ماركوف، التي سميت على اسم عالم الرياضيات الروسي أندريه ماركوف، تُستخدم لوصف تسلسل الأحداث المحتملة بناءً على الحالة السابقة.
- 1957 Perceptron، وهو نوع من المصنفات الخطية اخترعه عالم النفس الأمريكي فرانك روزنبلات، ويشكل أساس التقدم في التعلم العميق.
- 1967 أقرب جار، وهو خوارزمية صُممت في الأصل لتخطيط المسارات. في سياق تعلم الآلة، تُستخدم لاكتشاف الأنماط.
- 1970 الانتشار العكسي، يُستخدم لتدريب الشبكات العصبية التقدمية.
- 1982 الشبكات العصبية المتكررة، وهي شبكات عصبية اصطناعية مشتقة من الشبكات العصبية التقدمية تُنشئ رسومًا بيانية زمنية.
✅ قم ببعض البحث. ما هي التواريخ الأخرى التي تبرز كمحطات محورية في تاريخ تعلم الآلة والذكاء الاصطناعي؟
1950: الآلات التي تفكر
يُعتبر آلان تورينغ، وهو شخصية استثنائية تم التصويت له من قبل الجمهور في عام 2019 كأعظم عالم في القرن العشرين، أحد المؤسسين لفكرة "الآلة التي يمكن أن تفكر". لقد واجه المشككين وحاجته الشخصية إلى أدلة تجريبية لهذه الفكرة من خلال إنشاء اختبار تورينغ، الذي ستستكشفه في دروس معالجة اللغة الطبيعية.
1956: مشروع دارتموث الصيفي للبحث
"كان مشروع دارتموث الصيفي للبحث في الذكاء الاصطناعي حدثًا محوريًا في مجال الذكاء الاصطناعي"، حيث تم صياغة مصطلح "الذكاء الاصطناعي" لأول مرة (المصدر).
يمكن وصف كل جانب من جوانب التعلم أو أي ميزة أخرى للذكاء بدقة كافية بحيث يمكن إنشاء آلة لمحاكاتها.
كان الباحث الرئيسي، أستاذ الرياضيات جون مكارثي، يأمل "في المضي قدمًا بناءً على فرضية أن كل جانب من جوانب التعلم أو أي ميزة أخرى للذكاء يمكن وصفها بدقة كافية بحيث يمكن إنشاء آلة لمحاكاتها." وشملت المشاركين شخصية بارزة أخرى في المجال، مارفن مينسكي.
يُنسب إلى الورشة الفضل في بدء وتشجيع العديد من المناقشات، بما في ذلك "ظهور الأساليب الرمزية، الأنظمة التي تركز على مجالات محدودة (أنظمة الخبراء المبكرة)، والأنظمة الاستنتاجية مقابل الأنظمة الاستقرائية." (المصدر).
1956 - 1974: "السنوات الذهبية"
من الخمسينيات وحتى منتصف السبعينيات، ساد التفاؤل الكبير بأن الذكاء الاصطناعي يمكن أن يحل العديد من المشكلات. في عام 1967، صرح مارفن مينسكي بثقة: "في غضون جيل ... سيتم حل مشكلة إنشاء 'ذكاء اصطناعي' بشكل كبير." (مينسكي، مارفن (1967)، الحساب: الآلات المحدودة واللانهائية، إنغلوود كليفس، نيوجيرسي: برنتيس-هول)
ازدهرت أبحاث معالجة اللغة الطبيعية، وتم تحسين البحث وجعله أكثر قوة، وتم إنشاء مفهوم "العوالم المصغرة"، حيث تم تنفيذ مهام بسيطة باستخدام تعليمات بلغة بسيطة.
حظيت الأبحاث بتمويل جيد من الوكالات الحكومية، وتم إحراز تقدم في الحوسبة والخوارزميات، وتم بناء نماذج أولية للآلات الذكية. بعض هذه الآلات تشمل:
-
الروبوت شاكي، الذي كان بإمكانه المناورة واتخاذ قرارات "ذكية" لتنفيذ المهام.
شاكي في عام 1972
-
إليزا، وهي "روبوت محادثة" مبكر، كان بإمكانها التحدث مع الناس والعمل كـ "معالج" بدائي. ستتعرف على إليزا أكثر في دروس معالجة اللغة الطبيعية.
نسخة من إليزا، روبوت محادثة
-
"عالم الكتل" كان مثالًا على عالم مصغر حيث يمكن تكديس الكتل وفرزها، وتم اختبار التجارب في تعليم الآلات اتخاذ القرارات. ساعدت المكتبات مثل SHRDLU في دفع معالجة اللغة إلى الأمام.
🎥 انقر على الصورة أعلاه لمشاهدة فيديو: عالم الكتل مع SHRDLU
1974 - 1980: "شتاء الذكاء الاصطناعي"
بحلول منتصف السبعينيات، أصبح من الواضح أن تعقيد إنشاء "آلات ذكية" قد تم التقليل من شأنه وأن الوعود التي قُدمت، بالنظر إلى قوة الحوسبة المتاحة، كانت مبالغًا فيها. جف التمويل وتباطأت الثقة في المجال. بعض القضايا التي أثرت على الثقة تشمل:
- القيود. كانت قوة الحوسبة محدودة للغاية.
- الانفجار التوافقي. نما عدد المعلمات التي يجب تدريبها بشكل أسي مع زيادة الطلبات على الحواسيب، دون تطور موازٍ في قوة وقدرة الحوسبة.
- ندرة البيانات. كانت هناك ندرة في البيانات التي أعاقت عملية الاختبار والتطوير وتحسين الخوارزميات.
- هل نطرح الأسئلة الصحيحة؟. بدأت الأسئلة نفسها التي كانت تُطرح تخضع للتشكيك. بدأ الباحثون يواجهون انتقادات حول مناهجهم:
- اختبارات تورينغ خضعت للتشكيك من خلال، من بين أفكار أخرى، "نظرية الغرفة الصينية" التي افترضت أن "برمجة حاسوب رقمي قد تجعل الأمر يبدو وكأنه يفهم اللغة ولكنه لا يمكن أن ينتج فهمًا حقيقيًا." (المصدر)
- تم تحدي أخلاقيات إدخال ذكاء اصطناعي مثل "المعالج" إليزا إلى المجتمع.
في الوقت نفسه، بدأت تتشكل مدارس فكرية مختلفة للذكاء الاصطناعي. تم إنشاء تفرقة بين ممارسات "الذكاء الاصطناعي الفوضوي" و"الذكاء الاصطناعي المنظم". كانت المختبرات "الفوضوية" تعدل البرامج لساعات حتى تحصل على النتائج المطلوبة. أما المختبرات "المنظمة" فكانت تركز على المنطق وحل المشكلات الرسمي. كانت إليزا وSHRDLU من الأنظمة "الفوضوية" المعروفة. في الثمانينيات، مع ظهور الحاجة لجعل أنظمة تعلم الآلة قابلة للتكرار، أصبح النهج "المنظم" في المقدمة لأن نتائجه أكثر قابلية للتفسير.
أنظمة الخبراء في الثمانينيات
مع نمو المجال، أصبح واضحًا فائدته للأعمال التجارية، وفي الثمانينيات انتشرت "أنظمة الخبراء". "كانت أنظمة الخبراء من بين أول أشكال البرمجيات الناجحة حقًا للذكاء الاصطناعي." (المصدر).
هذا النوع من الأنظمة هو في الواقع هجين، يتكون جزئيًا من محرك قواعد يحدد متطلبات العمل، ومحرك استنتاج يستفيد من نظام القواعد لاستنتاج حقائق جديدة.
شهدت هذه الحقبة أيضًا زيادة الاهتمام بالشبكات العصبية.
1987 - 1993: "برودة الذكاء الاصطناعي"
كان لانتشار أجهزة أنظمة الخبراء المتخصصة تأثير سلبي حيث أصبحت متخصصة للغاية. كما تنافست أجهزة الكمبيوتر الشخصية مع هذه الأنظمة الكبيرة والمركزية. بدأت ديمقراطية الحوسبة، مما مهد الطريق في النهاية لانفجار البيانات الضخمة الحديث.
1993 - 2011
شهدت هذه الحقبة عصرًا جديدًا لتعلم الآلة والذكاء الاصطناعي لحل بعض المشكلات التي كانت ناجمة عن نقص البيانات وقوة الحوسبة في السابق. بدأت كمية البيانات في الزيادة بسرعة وأصبحت متاحة على نطاق واسع، سواء للأفضل أو للأسوأ، خاصة مع ظهور الهواتف الذكية حوالي عام 2007. توسعت قوة الحوسبة بشكل كبير، وتطورت الخوارزميات جنبًا إلى جنب. بدأ المجال في النضوج حيث بدأت الأيام العشوائية الماضية تتبلور إلى تخصص حقيقي.
الآن
اليوم، يمس تعلم الآلة والذكاء الاصطناعي تقريبًا كل جزء من حياتنا. هذا العصر يتطلب فهمًا دقيقًا للمخاطر والتأثيرات المحتملة لهذه الخوارزميات على حياة البشر. كما صرح براد سميث من مايكروسوفت: "تثير تكنولوجيا المعلومات قضايا تمس جوهر حماية حقوق الإنسان الأساسية مثل الخصوصية وحرية التعبير. هذه القضايا تزيد من مسؤولية شركات التكنولوجيا التي تصنع هذه المنتجات. من وجهة نظرنا، تدعو أيضًا إلى تنظيم حكومي مدروس وتطوير معايير حول الاستخدامات المقبولة" (المصدر).
لا يزال من غير المعروف ما يخبئه المستقبل، ولكن من المهم فهم هذه الأنظمة الحاسوبية والبرمجيات والخوارزميات التي تعمل بها. نأمل أن يساعدك هذا المنهج في اكتساب فهم أفضل حتى تتمكن من اتخاذ قراراتك بنفسك.
🎥 انقر على الصورة أعلاه لمشاهدة فيديو: يان ليكون يناقش تاريخ التعلم العميق في هذه المحاضرة
🚀تحدي
تعمق في واحدة من هذه اللحظات التاريخية وتعرف أكثر على الأشخاص الذين كانوا وراءها. هناك شخصيات مثيرة للاهتمام، ولم يتم إنشاء أي اكتشاف علمي في فراغ ثقافي. ماذا تكتشف؟
اختبار ما بعد المحاضرة
المراجعة والدراسة الذاتية
إليك بعض المواد للمشاهدة والاستماع:
هذا البودكاست حيث تناقش آمي بويد تطور الذكاء الاصطناعي
الواجب
إخلاء المسؤولية:
تمت ترجمة هذه الوثيقة باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار الوثيقة الأصلية بلغتها الأصلية المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.