الفرق بين الذكاء الاصطناعي وتعلم الآلة

الذكاء الاصطناعي (AI) والتعلم الآلي (ML) هما كلمتان رائعتان للغاية في الوقت الحالي ، وغالبًا ما يتم استخدامهما بالتبادل.

إنهما ليسا نفس الشيء تمامًا ، لكن التصور بأنهم كذلك قد يؤدي أحيانًا إلى بعض الارتباك. لذلك اعتقدت أنه سيكون من المفيد كتابة قطعة لشرح الفرق.

ما هو الفرق بين الذكاء الاصطناعي وتعلم الآلة؟

يظهر كلا المصطلحين بشكل متكرر عندما يكون الموضوع هو البيانات الضخمة والتحليلات والموجات الأوسع من التغيير التكنولوجي التي تجتاح عالمنا.

باختصار ، أفضل إجابة هي:

الذكاء الاصطناعي هو المفهوم الأوسع لكون الآلات قادرة على تنفيذ المهام بطريقة نعتبرها “ذكية”.

و Machine Learning هو تطبيق حالي للذكاء الاصطناعي يعتمد على فكرة أننا يجب أن نكون قادرين على منح الأجهزة حق الوصول إلى البيانات والسماح لهم بالتعلم بأنفسهم.

الأيام الأولى

لقد كان الذكاء الاصطناعي موجودًا منذ فترة طويلة – تحتوي الأساطير اليونانية على قصص لرجال ميكانيكيين مصممون لتقليد سلوكنا. تم تصميم أجهزة الكمبيوتر الأوروبية المبكرة جدًا على أنها “آلات منطقية” ومن خلال إعادة إنتاج القدرات مثل الحساب الأساسي والذاكرة ، رأى المهندسون أن وظيفتهم ، بشكل أساسي ، هي محاولة إنشاء أدمغة ميكانيكية.

مع تقدم التكنولوجيا ، والأهم من ذلك ، فهمنا لكيفية عمل عقولنا ، تغير مفهومنا لما يشكل الذكاء الاصطناعي. بدلاً من الحسابات المعقدة بشكل متزايد ، ركز العمل في مجال الذكاء الاصطناعي على محاكاة عمليات صنع القرار البشري وتنفيذ المهام بطرق بشرية أكثر من أي وقت مضى.

غالبًا ما يتم تصنيف الذكاء الاصطناعي – الأجهزة المصممة للعمل بذكاء – في واحدة من مجموعتين أساسيتين – مطبقة أو عامة. يعد الذكاء الاصطناعي التطبيقي أكثر شيوعًا – فالأنظمة المصممة لتداول الأسهم والأسهم بذكاء ، أو المناورة بمركبة مستقلة تقع ضمن هذه الفئة.

تعد أنظمة الذكاء الاصطناعي المعممة – الأنظمة أو الأجهزة التي يمكنها نظريًا التعامل مع أي مهمة – أقل شيوعًا ، ولكن هذا هو المكان الذي تحدث فيه بعض التطورات الأكثر إثارة اليوم. إنه أيضًا المجال الذي أدى إلى تطوير التعلم الآلي. غالبًا ما يشار إليها على أنها مجموعة فرعية من الذكاء الاصطناعي ، فمن الأكثر دقة اعتبارها على أنها أحدث ما توصلت إليه التكنولوجيا.

صعود التعلم الآلي

أدى اكتشافان مهمان إلى ظهور التعلم الآلي باعتباره الأداة التي تدفع تطوير الذكاء الاصطناعي إلى الأمام بالسرعة التي يتمتع بها حاليًا.

كان أحد هذه الإدراك – نُسب إلى آرثر صموئيل في عام 1959 – أنه بدلاً من تعليم أجهزة الكمبيوتر كل ما يحتاجون لمعرفته حول العالم وكيفية تنفيذ المهام ، فقد يكون من الممكن تعليمهم التعلم بأنفسهم.

والثاني ، في الآونة الأخيرة ، هو ظهور الإنترنت ، والزيادة الهائلة في كمية المعلومات الرقمية التي يتم إنشاؤها وتخزينها وإتاحتها للتحليل.

بمجرد أن يتم تطبيق هذه الابتكارات ، أدرك المهندسون أنه بدلاً من تعليم أجهزة الكمبيوتر والآلات كيفية القيام بكل شيء ، سيكون من الأكثر كفاءة ترميزها لتفكير مثل البشر ، ثم توصيلها بالإنترنت لمنحهم إمكانية الوصول إلى جميع المعلومات في العالم.

الشبكات العصبية

لقد كان تطوير الشبكات العصبية عاملاً أساسيًا في تعليم أجهزة الكمبيوتر كيفية التفكير وفهم العالم بالطريقة التي نقوم بها ، مع الاحتفاظ بالمزايا الفطرية التي تمتلكها علينا مثل السرعة والدقة وعدم التحيز.

الشبكة العصبية هي نظام كمبيوتر مصمم للعمل من خلال تصنيف المعلومات بنفس طريقة عمل الدماغ البشري. يمكن تعليمه التعرف على الصور ، على سبيل المثال ، وتصنيفها وفقًا للعناصر التي تحتوي عليها.

يعمل بشكل أساسي على نظام احتمالية – استنادًا إلى البيانات التي يتم تغذيتها به ، فهو قادر على إصدار بيانات أو قرارات أو تنبؤات بدرجة من اليقين. تتيح إضافة حلقة التغذية الراجعة “التعلم” – من خلال استشعار أو إخبارك ما إذا كانت قراراتها صحيحة أم خاطئة ، فإنها تعدل النهج الذي ستتخذه في المستقبل.

يمكن لتطبيقات التعلم الآلي قراءة النص ومعرفة ما إذا كان الشخص الذي كتبه يقدم شكوى أو يهنئ. يمكنهم أيضًا الاستماع إلى مقطوعة موسيقية ، وتحديد ما إذا كان من المحتمل أن يجعل شخصًا ما سعيدًا أو حزينًا ، والعثور على مقطوعات موسيقية أخرى تتناسب مع الحالة المزاجية. في بعض الحالات ، يمكنهم حتى تأليف الموسيقى الخاصة بهم للتعبير عن نفس الموضوعات ، أو التي يعرفون أنها من المحتمل أن تكون موضع تقدير من قبل المعجبين بالقطعة الأصلية.

هذه هي جميع الاحتمالات التي توفرها الأنظمة القائمة على ML والشبكات العصبية. بفضل الخيال العلمي ، ظهرت فكرة أيضًا أنه يجب أن نكون قادرين على التواصل والتفاعل مع الأجهزة الإلكترونية والمعلومات الرقمية ، كما نفعل بشكل طبيعي مع إنسان آخر. تحقيقًا لهذه الغاية ، أصبح مجال آخر من مجالات الذكاء الاصطناعي – معالجة اللغة الطبيعية (NLP) – مصدرًا للابتكار المثير للغاية في السنوات الأخيرة ، وهو مجال يعتمد بشدة على تعلم الآلة.

تحاول تطبيقات البرمجة اللغوية العصبية (NLP) فهم التواصل البشري الطبيعي ، سواء المكتوب أو المنطوق ، والتواصل معنا في المقابل باستخدام لغة طبيعية مماثلة. يتم استخدام ML هنا لمساعدة الآلات على فهم الفروق الدقيقة في اللغة البشرية ، وتعلم كيفية الاستجابة بطريقة من المحتمل أن يفهمها جمهور معين.

حالة من العلامات التجارية؟

الذكاء الاصطناعي – وخاصة اليوم ML لديه بالتأكيد الكثير ليقدمه. مع وعدها بأتمتة المهام العادية بالإضافة إلى تقديم رؤى إبداعية ، تجني الصناعات في كل قطاع من الخدمات المصرفية إلى الرعاية الصحية والتصنيع الفوائد. لذلك ، من المهم أن تضع في اعتبارك أن الذكاء الاصطناعي والتعلم الآلي هما شيئان آخران … هما منتجان يتم بيعهما – باستمرار ومربح.

من المؤكد أن المسوقين اغتنموا التعلم الآلي كفرصة. بعد أن ظل الذكاء الاصطناعي موجودًا لفترة طويلة ، من الممكن أن يُنظر إليه على أنه شيء “قبعة قديمة” بطريقة ما حتى قبل أن تتحقق إمكاناته حقًا. كانت هناك بعض البدايات الخاطئة على طول الطريق المؤدي إلى “ثورة الذكاء الاصطناعي” ، ومن المؤكد أن مصطلح “التعلم الآلي” يمنح المسوقين شيئًا جديدًا ولامعًا ، والأهم من ذلك ، أنه راسخ بقوة في الحاضر.

غالبًا ما تم التعامل مع حقيقة أننا سنطور في النهاية ذكاءً اصطناعيًا شبيهاً بالبشر على أنها أمر حتمي من قبل التقنيين. بالتأكيد ، نحن اليوم أقرب من أي وقت مضى ونتحرك نحو هذا الهدف بسرعة متزايدة. يعود الفضل في الكثير من التقدم المثير الذي شهدناه في السنوات الأخيرة إلى التغييرات الأساسية في الطريقة التي نتصور بها عمل الذكاء الاصطناعي ، والتي أحدثتها ML. آمل أن تكون هذه القطعة قد ساعدت قلة من الناس على فهم الفرق بين الذكاء الاصطناعي والتعلم الآلي. في مقالتي التالية حول هذا الموضوع ، أعتزم التعمق – حرفيًا – حيث أشرح النظريات وراء كلمة طنانة أخرى شائعة – التعلم العميق.

المصدر

الفرق بين الذكاء الاصطناعي وتعلم الآلة

nbarkh1

اترك رد

تمرير للأعلى
%d مدونون معجبون بهذه: