1. البيانات والتعلم الآلي
ما هي البيانات ولماذا هي مهمة؟
البيانات هي أساس الذكاء الاصطناعي، فهي مثل الوقود الذي تحتاجه السيارة لتعمل بدون بيانات لا يمكن لأنظمة الذكاء الاصطناعي التعلم أو اتخاذ القرارات.
كل ما نفعله على الإنترنت يولد بيانات.
- عند البحث في Google ، يتم تسجيل الكلمات التي نبحث عنها.
- عند مشاهدة فيديو على YouTube ، يتم تسجيل نوعية المحتوى الذي نفضله.
- عند استخدام المساعد الصوتي مثل Siri أو Google Assistant ، يتم تحليل الكلمات التي نقولها.
2. ما هو التعلم الآلي (Machine Learning)؟
التعلم الآلي هو تقنية تجعل الحواسيب تتعلم من البيانات دون أن تتم برمجتها بشكل مباشر. بدلاً من إعطاء الحاسوب تعليمات مفصلة لكل مهمة، نقوم بتزويده بكمية كبيرة من البيانات، وهو يستخرج الأنماط بنفسه ويستخدمها لاتخاذ قرارات جديدة.
- كيف يختلف عن البرمجة التقليدية؟
- في البرمجة التقليدية، يقوم المبرمج بكتابة أوامر محددة لكل مهمة.
- أما في التعلم الآلي، يتم إعطاء الحاسوب بيانات وأمثلة، ثم يتعلم بنفسه كيفية تحليلها واتخاذ القرارات بناء عليها.
إذا أردنا برمجة نظام يميز بين صور القطط والكلاب.
- في البرمجة التقليدية، علينا كتابة قواعد محددة مثل: "إذا كان الحيوان له شوارب طويلة وأذن مدببة، فهو قطة."
- أما في التعلم الآلي، نقوم بإعطائه آلاف الصور المصنفة (قطة / كلب)، ويستخرج بنفسه الأنماط التي تميز كل نوع دون الحاجة لبرمجة القواعد يدويا.
توجد ثلاث طرق رئيسية يتعلم بها الذكاء الاصطناعي:
- التعلم الموجه ("Apprentissage supervisé" "Supervised Learning")
- يشبه طريقة تعلم الأطفال في المدرسة. يتم إعطاء الحاسوب بيانات مع الإجابة الصحيحة، مثل صور لحيوانات مع تسميات "هذه قطة" ، "هذا كلب".
- بعد رؤية آلاف الصور، يستطيع الحاسوب التنبؤ بشكل صحيح عند رؤية صورة جديدة.
مثال:
إذا أعطينا نظام ذكاء اصطناعي 1000 صورة لبرتقال وتفاح، مع تحديد اسم كل فاكهة، سيتعلم النظام التمييز بينهما بسهولة.
- التعلم غير الموجه (Unsupervised Learning)
إذا أعطينا الذكاء الاصطناعي بيانات عن عادات التسوق لآلاف الأشخاص، يمكنه اكتشاف أن الأشخاص الذين يشترون الحليب غالبًا يشترون أيضًا الخبز، دون أن نعطيه هذه المعلومة مسبقا.
- التعلم المعزز (Reinforcement Learning)
- بعد رؤية آلاف الصور، يستطيع الحاسوب التنبؤ بشكل صحيح عند رؤية صورة جديدة.
مثال:
إذا أعطينا نظام ذكاء اصطناعي 1000 صورة لبرتقال وتفاح، مع تحديد اسم كل فاكهة، سيتعلم النظام التمييز بينهما بسهولة.
- التعلم غير الموجه (Unsupervised Learning)
- هنا لا نعطي الحاسوب الإجابة الصحيحة، بل ندعه يكتشف الأنماط بنفسه.
- مفيد لتحليل كميات كبيرة من البيانات ومعرفة العلاقات بينها.
إذا أعطينا الذكاء الاصطناعي بيانات عن عادات التسوق لآلاف الأشخاص، يمكنه اكتشاف أن الأشخاص الذين يشترون الحليب غالبًا يشترون أيضًا الخبز، دون أن نعطيه هذه المعلومة مسبقا.
- التعلم المعزز (Reinforcement Learning)
- يشبه تعليم طفل ركوب الدراجة، حيث يجرب بنفسه ويتعلم من أخطائه.
- يتم مكافأة الذكاء الاصطناعي عندما ينجح، ومعاقبته بإعطائه درجة منخفضة) : يخطئ حتى يصبح أداؤه أفضل.
هكذا تعلمت أنظمة الذكاء الاصطناعي لعب الشطرنج ولعبة "جو (Go) وهزمت أبطال العالم لأنها جربت ملايين الاستراتيجيات وتعلمت الأفضل منها.
3. الخوارزميات ونماذج الذكاء الاصطناعي
ما هي الخوارزميات؟
الخوارزمية هي مجموعة من الخطوات التي يتبعها الحاسوب لحل مشكلة أو تنفيذ مهمة معينة تماما مثل وصفة الطبخ التي تتبعها خطوة بخطوة للحصول على وجبة لذيذة، تتبع الخوارزميات خطوات محددة لمعالجة البيانات واتخاذ القرارات.
مثال:
إذا كنت تدرس تلاميذك كيف يحددون ما إذا كانت الكلمة اسمًا أو فعلا، فقد تطلب منهم اتباع هذه الخطوات :
- هل الكلمة تدل على شيء أو شخص؟ -- إذن هي اسم.
- هل تدل على فعل يمكن أن يحدث؟ -- إذن هي فعل.
هذا يشبه تماما طريقة عمل الخوارزميات في الذكاء الاصطناعي، حيث تتبع مجموعة من القواعد لاستخلاص النتائج.
أمثلة على نماذج الذكاء الاصطناعي
الشبكات العصبية الاصطناعية ("Neural Networks")
هذه النماذج مستوحاة من طريقة عمل الدماغ البشري، حيث تتكون من وحدات صغيرة تسمى "الخلايا العصبية الاصطناعية" تتواصل مع بعضها البعض لمعالجة البيانات.
- كيف تعمل؟
تتعلم الشبكات العصبية من خلال التجربة. يتم إعطاؤها بيانات، ثم تحاول إيجاد أنماط بداخلها. كلما زادت البيانات، أصبحت أدق.
- مثال عملي:
عندما ترفع هاتفك الذكي ليقوم بفتح قفل الشاشة بالتعرف على وجهك، فإن الشبكات العصبية الاصطناعية تحلل صورة وجهك وتقارنها بالصور المسجلة مسبقا لتحديد إذا كان المستخدم هو نفسه صاحب الهاتف.
أشجار القرار (Arbre de décision)
تشبه شجرة القرارات طريقة تفكير المدرس عندما يقرر كيفية التعامل مع تلاميذه بناءً على أدائهم وسلوكهم.
- كيف تعمل؟
تعتمد على مجموعة من الأسئلة المتتالية التي تقسم البيانات إلى فئات مختلفة حتى تصل إلى النتيجة النهائية.
- مثال عملي:
تخيل أنك تريد تحديد الطريقة المناسبة لدعم تلميذ يعاني في مادة معينة، فقد تتبع الشجرة التالية:
هل الطالب يواجه صعوبة في الفهم؟
. نعم - هل يحتاج إلى دروس تقوية؟
. نعم - سجله في دروس الدعم.
. لا - قد يحتاج إلى مواد تعليمية إضافية.
. لا - لا حاجة لإجراءات إضافية.
- كيف تعمل؟
تتعلم الشبكات العصبية من خلال التجربة. يتم إعطاؤها بيانات، ثم تحاول إيجاد أنماط بداخلها. كلما زادت البيانات، أصبحت أدق.
- مثال عملي:
عندما ترفع هاتفك الذكي ليقوم بفتح قفل الشاشة بالتعرف على وجهك، فإن الشبكات العصبية الاصطناعية تحلل صورة وجهك وتقارنها بالصور المسجلة مسبقا لتحديد إذا كان المستخدم هو نفسه صاحب الهاتف.
أشجار القرار (Arbre de décision)
تشبه شجرة القرارات طريقة تفكير المدرس عندما يقرر كيفية التعامل مع تلاميذه بناءً على أدائهم وسلوكهم.
- كيف تعمل؟
تعتمد على مجموعة من الأسئلة المتتالية التي تقسم البيانات إلى فئات مختلفة حتى تصل إلى النتيجة النهائية.
- مثال عملي:
تخيل أنك تريد تحديد الطريقة المناسبة لدعم تلميذ يعاني في مادة معينة، فقد تتبع الشجرة التالية:
هل الطالب يواجه صعوبة في الفهم؟
. نعم - هل يحتاج إلى دروس تقوية؟
. نعم - سجله في دروس الدعم.
. لا - قد يحتاج إلى مواد تعليمية إضافية.
. لا - لا حاجة لإجراءات إضافية.
- نموذج الانحدار اللوجستي
هذا النموذج يستخدم في الحالات التي يكون فيها القرار محصورًا بين خيارين فقط (نعم/لا ناجح / راسب، مريض / سليم).
- كيف يعمل؟
يعتمد على تحليل البيانات لتحديد الاحتمالية التي ينتمي إليها عنصر معين لفئة معينة.
- مثال عملي
يمكن استخدامه لتوقع ما إذا كان التلميذ سيحتاج إلى دعم إضافي بناءً على درجاته السابقة ونشاطه في الفصل .
- إذا كانت نسبة الغياب مرتفعة والدرجات منخفضة احتمالية احتياجه للدعم عالية.
- إذا كانت نسبة الغياب منخفضة والدرجات جيدة لا يحتاج إلى دعم إضافي.
- يمكن للذكاء الاصطناعي تحليل أداء التلاميذ واقتراح خطط دراسية فردية.
- يمكن للمدرسين استخدامه لإنشاء أنشطة تفاعلية تساعد في تحسين مستوى التلاميذ.
- يساعد الذكاء الاصطناعي في تصحيح الاختبارات تلقائيًا وتوفير تقارير دقيقة عن أداء كل تلميذ.