الحاسب الآلي · الصف الثالث الإعدادي · الترم الأول
خوارزميات الذكاء الاصطناعي
مفهوم الذكاء الاصطناعي وتعلم الآلة، والفرق بين البرمجة التقليدية والتعلم من البيانات، وأنواع التعلم الموجه وغير الموجه، ومراحل بناء نموذج ذكاء اصطناعي، وتطبيقاته.
آخر تحديث: · كيف نراجع المحتوى
مقدمة
- الوحدة: الوحدة الأولى: الذكاء الاصطناعي ولغات البرمجة
- الدرس: الثاني
كتبنا في الدرس السابق خوارزمية نحدد فيها بأنفسنا القاعدة: «الدرجة ≥ 50 تعني ناجح». لكن كيف يتعرف الهاتف على وجهك، أو يقترح عليك مقطع فيديو يناسبك؟ لا أحد يكتب قاعدة لكل وجه. هنا تأتي خوارزميات الذكاء الاصطناعي التي تتعلم القواعد من البيانات.
أهداف التعلم
- أن تعرّف الذكاء الاصطناعي وتعلم الآلة.
- أن تقارن بين البرمجة التقليدية وتعلم الآلة.
- أن تميز بين التعلم الموجه والتعلم غير الموجه.
- أن ترتب مراحل بناء نموذج ذكاء اصطناعي.
شرح الدرس
الذكاء الاصطناعي
الذكاء الاصطناعي فرع من علوم الحاسب يهدف إلى جعل الأنظمة تؤدي مهام تحتاج عادة إلى ذكاء بشري، مثل التعرف على الصور والكلام، واتخاذ القرارات، والترجمة، والتنبؤ.
تعلم الآلة
تعلم الآلة فرع من الذكاء الاصطناعي تتعلم فيه الأنظمة من البيانات والأمثلة بدلًا من برمجة كل قاعدة يدويًا.
| البرمجة التقليدية | تعلم الآلة |
|---|---|
| المبرمج يكتب القواعد | الخوارزمية تستنتج القواعد من البيانات |
| مدخلات + قواعد ← نتائج | مدخلات + نتائج معروفة ← نموذج (قواعد) |
| مناسبة للمشكلات ذات القواعد الواضحة | مناسبة للمشكلات المعقدة كالتعرف على الصور |
أنواع التعلم
- التعلم الموجه (الإشرافي): نعطي الخوارزمية أمثلة معروفة الإجابة (بيانات معنونة)، مثل آلاف صور القطط والكلاب مع اسم كل صورة، فتتعلم التمييز بينها ثم تصنف صورًا جديدة. ومن مهامه التصنيف (قطة أم كلب؟ رسالة مزعجة أم عادية؟) والتنبؤ بقيمة (سعر شقة بمعلومية مساحتها).
- التعلم غير الموجه: نعطي الخوارزمية بيانات بلا إجابات، فتكتشف بنفسها مجموعات متشابهة، مثل تجميع العملاء حسب عادات الشراء.
- التعلم المعزز: يتعلم النظام بالتجربة والخطأ، فيحصل على «مكافأة» عند الفعل الصحيح، كما في تعليم برنامج لعب الشطرنج.
مراحل بناء نموذج ذكاء اصطناعي
- تحديد المشكلة: ماذا نريد أن يتعلم النموذج؟
- جمع البيانات: كمية كافية ومتنوعة وممثلة للواقع.
- تجهيز البيانات: تنظيفها من الأخطاء والتكرار، وتنظيمها.
- تدريب النموذج: تتعلم الخوارزمية الأنماط من جزء من البيانات.
- اختبار النموذج: نقيس دقته على بيانات لم يرها أثناء التدريب.
- الاستخدام والتحسين: نستخدمه في الواقع ونطوره بإضافة بيانات جديدة.
جودة البيانات والتحيز
النموذج يتعلم مما نعطيه. إذا كانت البيانات قليلة أو غير متوازنة أو منحازة، ستكون قراراته خاطئة أو غير عادلة. مثال: نموذج دُرب على صور أوراق نباتات مصابة بمرض واحد فقط لن يتعرف على أمراض أخرى.
تطبيقات
- المساعدات الصوتية والترجمة الآلية.
- تشخيص بعض الأمراض من صور الأشعة بمساعدة الأطباء.
- أنظمة التوصية في منصات الفيديو والتسوق.
- التنبؤ بالطقس وحركة المرور.
أمثلة وتطبيقات
موقف: تريد مدرسة بناء نموذج يتنبأ بالطلاب الذين يحتاجون إلى دعم إضافي في الرياضيات.
- المشكلة: تصنيف الطلاب إلى «يحتاج دعمًا» أو «لا يحتاج».
- البيانات: درجات الاختبارات القصيرة، ونسبة الحضور، وإنجاز الواجبات، مع قرارات المعلمين السابقة.
- نوع التعلم: موجه، لأن لدينا أمثلة سابقة معروفة النتيجة.
- ملاحظة أخلاقية: يجب حماية خصوصية بيانات الطلاب، وأن يبقى القرار النهائي للمعلم.
ملاحظات مهمة
- النموذج لا «يفهم» كما يفهم الإنسان؛ إنه يكتشف أنماطًا إحصائية في البيانات.
- دقة النموذج على بيانات التدريب لا تكفي؛ الاختبار على بيانات جديدة هو المقياس الحقيقي.
- القرارات المهمة المتعلقة بالناس تحتاج إلى مراجعة بشرية.
المفاهيم الأساسية
- الذكاء الاصطناعي: أنظمة تؤدي مهام تتطلب ذكاءً بشريًا.
- تعلم الآلة: استنتاج القواعد من البيانات.
- التعلم الموجه يستخدم بيانات معنونة، وغير الموجه يكتشف المجموعات بنفسه.
- مراحل النموذج: المشكلة، البيانات، التجهيز، التدريب، الاختبار، الاستخدام.
ملخص الدرس
خوارزميات الذكاء الاصطناعي، وأبرزها تعلم الآلة، تتعلم من البيانات بدل أن نكتب لها كل قاعدة. في التعلم الموجه تتعلم من أمثلة معروفة الإجابة، وفي غير الموجه تكتشف المجموعات بنفسها. ويمر بناء النموذج بمراحل تبدأ بالمشكلة والبيانات وتنتهي بالاختبار والتحسين، وجودة البيانات تحدد جودة النتائج.
أسئلة للتدريب
- قارن بين البرمجة التقليدية وتعلم الآلة.
- صنّف كل مهمة إلى تعلم موجه أو غير موجه: تمييز رسائل البريد المزعجة، تجميع الأغاني المتشابهة دون تسميات.
- لماذا نختبر النموذج على بيانات لم يتدرب عليها؟
- اذكر مثالًا يوضح كيف يؤدي تحيز البيانات إلى قرار غير عادل.
- رتب مراحل بناء نموذج الذكاء الاصطناعي.