ما هي البرمجيات؟

برمجيات الحاسوب (Software)

• البرامج هي التعليمات التي تجعل الحاسوب يعمل.
• تُخزن البرمجيات على القرص الصلب أو على قرص مدمج أو قرص رقمي متعدد الاستخدام (DVD) أو فلاش.
• يتم تحميل البرمجيات (نسخها) من القرص إلى ذاكرة الوصول العشوائي (RAM) عند الحاجة إليها.
• البرمجيات هي مجموعة برامج وتطبيقات تنفذها الحاسوب، وهي حلقة الوصل بين المبرمج والحاسوب.
• هناك نوعان رئيسيان من البرمجيات: برمجيات النظم والبرمجيات التطبيقية.

أنواع البرمجيات

• يمكن تقسيم البرمجيات إلى نوعين رئيسيين: برمجيات النظم وبرمجيات تطبيقية.

برمجيات النظم (System Software)

• هي البرمجيات التي يستخدمها الحاسوب ليقوم بعمله على أكمل وجه.
• تُبنى داخل الحاسوب، وبعضها يُخزن على الأقراص الممغنطة ويجب شراؤه بشكل منفصل.
• تشمل لغات البرمجة والمترجمات ونظم التشغيل.

لغات البرمجة (Programming Languages)

• تستخدم لتطوير برامج الحاسوب.
• تتكون من مجموعة من الرموز والقواعد لتوجيه العمليات في الحاسوب.
• هناك العديد من لغات البرمجة المستخدمة، ويتم تصميم كل منها لحل نوع خاص من المشكلات.
• من أهم لغات البرمجة المعروفة: فورتران (Fortran)، كوبول (COBOL)، باسكال (Pascal)، سي (C)، جافا (Java)، وبايثون (Python).
• يمكن لأي شخص يهدف لأن يصبح مبرمجا أن يتعلم إحدى هذه اللغات ويتقنها.
• منذ ظهور الحواسيب، ظهرت المئات من لغات البرمجة.
• كلما حدث تطوير في معدات الحاسوب، ظهر جيل جديد من اللغات يتميز عن الجيل السابق باقترابه من لغة الإنسان وابتعاده عن لغة الحاسوب.
• يوجد عدة مستويات من لغات البرمجة.
  • لغة الآلة: تتكون من أرقام ثنائية تعبر عن التعليمات ومواقع الذاكرة والبيانات الضرورية، وتختلف من نوع حاسوب إلى آخر. استخدامها صعب ويحتاج إلى وقت كبير، كما أنه معرض للأخطاء.
  • اللغات عالية المستوى: تستخدم جملاً أقرب إلى لغة الإنسان أو التعابير الحسابية من لغات الآلة ولغات التجميع. من أمثلتها: BASIC، C، Pascal، COBOL، FORTRAN، وهي تحتاج إلى مترجمات أو مفسرات ليفهمها الحاسوب.
  • مولدات التطبيقات: وتدعى أيضا لغات الجيل الرابع وهي لغات قواعد البيانات التي تساعد المستخدم في صناعة الملفات والشاشات والتقارير أو أي وظيفة أخرى دون كتابة برنامج. وباستخدام هذه اللغات مثل Oracle وAccess فإن المبرمج يقوم بصناعة مجموعة ملفات ذات علاقة فيما بينها أو حسب أصول ومعايير معينة، ثم يصنع المبرمج مجموعة شاشات لتحديث هذه الملفات.

المترجمات والمفسرات (Compilers and Interpreters)

• المترجم أو المفسر هو برنامج يحول البرنامج المصدري (Source-code) المكتوب بلغة عالية المستوى إلى البرنامج الهدفي (Object-code) المكتوب بلغة الآلة.
• المترجم يترجم جميع برنامج المستوى العالي مرة واحدة فقط، بينما يقوم المفسر بترجمة وتنفيذ جملة واحدة في الوقت الواحد بمجرد إدخالها إلى الحاسوب.
• المفسر ينفذ بصورة أبطأ ويأخذ حيزاً أكبر في الذاكرة الرئيسة من المترجم.

نظم التشغيل (Operating Systems)

• يعرف نظام التشغيل بأنه مجموعة من البرامج التي تتحكم وتشرف وتدعم معدات الحاسوب والحزم التطبيقية.
• لا يمكن لأي جهاز حاسوب أن يعمل إلا عند توفر نظام التشغيل الذي يحمل من الذاكرة الثانوية (الأقراص الممغنطة) إلى الذاكرة الرئيسة عند تشغيل الجهاز ليبدأ بإدارة العمل في الجهاز.
• يتكون نظام التشغيل من مجموعة من البرامج المتكاملة والتي تعمل كفريق، كل منها يؤدي مهمات معينة.
• برنامج التحكم الرئيسي في نظام التشغيل هو المشرف (Supervisor) ويعرف بالمراقب (Monitor) أو المنفذ (Executive)، وهو مسؤول عن توجيه النشاطات لجميع أجزاء نظام التشغيل.
• عند تشغيل الحاسوب لأول مرة، فإن المشرف هو أول برنامج يحمل من القرص الصلب إلى الذاكرة الرئيسة.
• وظائف نظم التشغيل:
  • تشغيل الحاسوب والاستعداد للعمل (Booting up)
  • يمثل واجهة ربط مع المستخدم تمكنه من تشغيل البرمجيات الأخرى (User interface)
  • إدارة المصادر والمهام مثل إدارة الذاكرة الرئيسية ووحدات الإدخال / الإخراج وإدارة وحدة المعالجة وإدارة وحدات التخزين الثانوية (Task and resources management)
  • مراقبة النظام بأكمله وإعاقة العمليات الغير مسموح بها (Monitoring illegal operations)
  • إدارة الملفات وتنظيمها في المجلدات والفهارس ونسخها ونقلها (Files management)
  • المحافظة على سرية النظام والوصول غير المخول لبيانات وبرمجيات الجهاز (System security)
• من أنواع نظم التشغيل:
  • متعدد المهام (Multitasking) مثل Windows والذي يمكنك من تنفيذ أكثر من مهمة في نفس الوقت مثل طباعة وثيقة ورسم صورة في نفس الوقت.
  • متعدد المعالجة (Multiprocessing) ويستخدم في الحواسيب التي تحتوي أكثر من CPU فيها لتوزيع وإدارة العمل بين هذه الوحدات.
  • المشاركة الزمنية (Timesharing) ويستخدم عندما يكون أكثر من مستخدم multi-user يتصل كل من طرفه مع نفس الجهاز حيث يعطي لكل منهم شريحة زمنية لتنفيذ أوامره.
  • نظام تشغيل شبكات الحاسوب (Network OS).
  • نظام تشغيل أجهزة الوقت الحقيقي (Real-Time): مثل الأجهزة الطبية والتي تحدث فيها عمليات الإدخال والمعالجة والإخراج في نفس اللحظة.

البرمجيات التطبيقية (Applications Software)

• هذه البرمجيات تطوّع الحاسوب من أجل تنفيذ وظائف مفيدة كمعالجة النصوص، الجداول الإلكترونية، قواعد البيانات، البريد الإلكتروني، برامج الرسم، أدوات العرض، الألعاب، الوسائط المتعددة، معالجة الحسابات باستخدام برنامج المحاسب المثالي، إدارة الجرد، وجدولة المواد الدراسية والرسم الهندسي باستخدام برنامج AutoCAD.
• يتم شراء هذه البرمجيات حسب الطلب من شركات الحاسوب المعنية بالبرمجة.
• من البرمجيات التطبيقية: برمجيات معالجة النصوص، برمجيات الجداول الإلكترونية، برمجيات قواعد البيانات، برمجيات العرض والتقديم، برمجيات النشر المكتبي، برمجيات تعدد الوسائط، برمجيات المحاسبة والمالية، برمجيات التصميم والتصنيع، البرمجيات التعليمية والبرمجيات الترفيهية.
• أنواع البرمجيات تبعا للمصدر
  • البرمجيات التجارية (Commercial Software) هي البرمجيات التي يتم الحصول عليها بشرائها من مصدرها ويتم ترخيصها للمستخدم ولاستخدامها عدة شروط وقواعد.
  • البرمجيات المجازة لفترة (Shareware): هي برمجيات تحتفظ بحق الملكية تسوق مجانا على الإنترنت أو الأقراص الضوئية الملحقة بالمجلات لفترة معينة لتجريبها، وبعد مضي الفترة يطالب المستخدم بدفع ثمنها إذا أراد الاستمرار في استخدامها. بعض هذه البرمجيات يتوقف عن العمل أو يتعطل جزء منها بمجرد انتهاء المدة، وقد يمنح المصدر إضافات أو حسماً للمستخدم عندما يدفع ثمنها.
  • البرمجيات المجانية (Freeware) تسوق مجانا للاستخدام وذلك لأن مبرمجها يحتاج إلى ملاحظات ونصائح من المستخدمين لتحسين الطبعة الجديدة من هذه البرمجية. هذا النوع من البرمجيات يحتفظ بحق الملكية ولا يجوز نسخها مطلقا.
  • البرمجيات العامة أو المشاعة (Public Domain Software): هي البرمجيات المتوفرة للجميع مجانا مع إمكانية نسخها وتعديلها حسب رغبة المستخدم.

الواجهة في البرمجيات (Interfaces)

• الواجهة (Interface) هي الطريقة التي يتخاطب بها مستخدم البرمجية مع الحاسوب وهي نوعان:
  • التخاطب بكتابة الأوامر (Command Line Interface): حيث يكتب المستخدم الأمر كاملا من خلال لوحة المفاتيح ليظهر على الشاشة، وهذه الطريقة قديمة وبطيئة وتحتاج لمعرفة أكثر بنظام الحاسوب.
  • الواجهة الرسومية (Graphical User Interface, GUI): تستخدم الصور والأيقونات والقوائم حيث يختار المستخدم الأمر المطلوب أو الأيقونة بتوجيه الفأرة والنقر عليها لتفعيل الأمر، وهذه الطريقة تتميز بالسهولة والمتعة.

تطوير النظم (System Development)

• يقصد بتطوير النظام عملية تحويل نظام يدوي إلى نظام محوسب، وهي تشمل عدة خطوات، ويقوم بها فريق متكامل يكون مسؤولاً عن تحديد المعدات والبرمجيات اللازمة.
• يمر تطوير النظام بعدة خطوات، هي:
  • تحديد المتطلبات (Define requirements): وفيها يجاب على ما هي المهام التي يجب أن يقوم بها أو يوفرها النظام المحوسب؟
  • دراسة الجدوى (Assess feasibility): ويجاب على هل من المجدي حوسبة النظام وهل الميزانية كافية؟ هل يتوفر في السوق المعدات والبرمجيات اللازمة؟
  • التحليل (System analysis): وتتم دراسة النظام القائم دراسة عميقة.
  • التطوير (Development): ويتعاون فيها فريق العمل والمستخدمون لإنشاء البرمجية المطلوبة وشراء المعدات اللازمة.
  • اختبار وفحص النظام (Testing and fine-tuning): ويتم تجريب النظام وتحديد الأخطاء والتأكد من أنه يؤدي الغرض الذي أنشئ لأجله.
  • تدريب المستخدمين على النظام الجديد (Training the client): لتمكين المستخدمين من استخدام النظام.
  • تسليمه للمستخدمين ليبدأ العمل عليه (Handover to client): ترحيله إلى الجهة الطالبة.
  • مراقبة النظام وصيانته (Monitor and maintaining): إدامة عمل النظام.

الخوارزميات (Algorithms)

• الخوارزميات ليست لغة برمجة، إنما هي طرق التحليل والتفكير التي عليك اتباعها حتى تتمكن من كتابة الكود بشكل صحيح.
• أغلب الأشخاص الذين يحاولون أن يتعلموا البرمجة تراهم يذهبون مباشرةً في الاتجاه الخاطئ، فتجدهم يبدؤون مباشرة بدراسة لغة برمجة معينة دون أن يتعلموا مبادئ البرمجة التي تتمثل بوضع الأفكار الأساسية للبرنامج ثم تحليلها وتأديتها واحدة تلو الأخرى.
• صفات الخوارزمية البرمجية:
  • يجب تحديد تفاصيل الإدخال والإخراج بدقة كبيرة.
  • يجب أن تكون كل خطوة في نظام الخوارزمية شديدة الوضوح وخالية من الغموض.
  • يجب أن تكون الخوارزمية فعالة للغاية عند استخدام طرق عديدة لحل مشكلة ما.
• يجب ألا تعتمد الخوارزمية على رمز أوامر حاسوبي، بل يجب أن تتم كتابتها بطريقة يمكن استخدامها من قبل لغات برمجية متعددة لكن مماثلة.

مثال على خوارزميات البرمجة

• قد تختلف الطرق التي يتم بها كتابة الخوارزميات في البرمجة.
• يمكن كتابة خوارزمية برمجة عبر كتابة خطوات مرقمة (Pseudocode)، أو عبر صورة مخطط انسيابي (Flowchart) فيه أسهم وأشكال دائرية.
• مثال: اكتب خوارزمية لقراءة طول وعرض مستطيل ومن ثم حساب مساحته.
  • الخطوات (Pseudocode):
  • البداية
  • اقرأ الطول (L) والعرض (W)
  • احسب المساحة A=L*W
  • اطبع قيمة المساحة A
  • النهاية
    • يمكن تمثيل الخوارزمية المذكورة باستخدام مخطط انسيابي (Flowchart) كما هو ممثل بالشكل.

الذكاء الاصطناعي (Artificial Intelligence, AI)

• هو قدرة برامج الحاسوب على محاكاة القدرات الذهنية البشرية وأنماط عملها مثل التعلم والاستنتاج ورد الفعل.
• فرع من فروع علم الحاسوب يهدف إلى تصميم آلات وتطبيقات تحاكي العقل البشري أو تتفوق عليه في مختلف التخصصات.
• أمثلة على تطبيقات الذكاء الاصطناعي:
  • التعلم من البيئة المحيطة
  • الاستنتاج
  • اتخاذ القرارات
  • حل المشاكل
  • التواصل
  • التخطيط
  • القدرة على تحريك وتغيير الأشياء
• يشمل مهام متعددة مثل النحت، الرسم، حل مسائل رياضية معقدة، الترجمة، التشخيص الطبي، قيادة السيارات (السيارات ذاتية القيادة).
• الهدف من عمل تطبيقات وآلات تتميز بسهولة حياة البشر ومساعدتهم على مهامهم اليومية، بالإضافة إلى القيام بأعمال معينة بسرعة ودقة أعلى من الأداء البشري.
• العالم الأمريكي جون ماكارثي هو الذي وضع مصطلح الذكاء الاصطناعي في عام ١٩٥٦ وقد عرفه بأنه فرع من فروع علم الحاسوب يهدف إلى إنشاء الآلات الذكية.

أنواع الذكاء الاصطناعي

• الذكاء الاصطناعي الضيق (Artificial Narrow Intelligence, ANI): يتخصص في مجال معين فقط، موجود في حياتنا بكثرة، مثل برنامج يتغلب على الإنسان في لعبة الشطرنج، اقتراحات YouTube لفيديوهات للمشاهدة بناء على المعرفة السابقة، واقتراحات مواقع التسوق لمنتجات معينة بناء على معلومات مجمعة، دعايات معينة على وسائل التواصل الاجتماعي بناء على سلوكك واهتماماتك، تمييز وجوه الأصدقاء في صورة جديدة، قراءة النصوص المكتوبة بخط اليد وتحويلها إلى نصوص يمكن معالجتها.
• الذكاء الاصطناعي العام (Artificial General Intelligence, AGI): يشير إلى حواسيب تقترب أو تصل مستوى ذكاء الانسان بشكل عام وليس في مهمة محددة فقط، أي أنه يمكنه تأدية أي مهمة فكرية يمكن للإنسان القيام بها مثل الإدراك والتعلم والتحليل.
• الذكاء الاصطناعي الفائق (Artificial Super Intelligence, ASI): فكر أذكى بكثير من أفضل العقول البشرية في كل مجال تقريبا

اختبار تورينغ (Turing test)

• ابتكره آلان تورينغ عام 1950 للتحقق من قدرة الآلة على محاكاة طريقة تفكير الإنسان.
• يتم الاختبار عن طريق محادثات كتابية بين عدد من الحكام وإنسان حقيقي، ومحادثات أخرى في نفس التوقيت تتم بينهم وبين الحاسوب، دون إعطاء هؤلاء الحكام معلومات عن ماهية من يتحدث معهم.
• عادة ما تكون مدة هذه المحادثة 25 دقيقة، حيث اعتقد آلان تورينغ أنه إذا تمكن الحاسوب من جعل لجنة من الحكام، يختلط عليها الأمر بكونه إنسانًا أم جهازًا، فإن قدرته على التفكير سوف تقارب بذلك طريقة تفكير البشر بشكل كبير.
• اتسمت طبيعة هذا الاختبار بالصعوبة الكبيرة، حيث لم يتمكن أي حاسب أو نظام ذكاء اصطناعي من تخطيه على الإطلاق قبل حلول عام 2014.
• يوجين غوستمان هو برنامج ذكاء اصطناعي حاسوبي يقوم بإجراء محادثات عبر الإنترنت كطفل أوكراني عمره 13 سنة. في عام 2014 وفي حدث أقيم في الجمعية الملكية في العاصمة البريطانية لندن وبتنظيم جامعة ريدنج تمكن يوجين غوستمان من اجتياز اختبار تورينغ حيث تمكن من إقناع %33% من الحكام بأنه إنسان وكانت هذه هي المرة الأولى التي يستطيع فيها برنامج حاسوبي اجتياز هذا الاختبار.

مجالات وتطبيقات الذكاء الاصطناعي

• النظم الخبيرة (Expert Systems): تستخدم تقنيات الذكاء الاصطناعي لتقديم المشاورة والمساعدة في اتخاذ القرارات، وتستخدم غالبًا في عالم المال والطب والتسويق. فهي برامج تُحاكي (تقلد أو تُشابه) أداء الخبير البشري في مجال خبرة معينة، وذلك عن طريق تجميع واستخدام معلومات وخبرة خبير أو أكثر في مجال ما وتغذية الحاسوب بهذه الخبرات ومن ثم التعامل معها عن طريق قواعد معينة يتم تغذيتها في الحاسوب حتى يصل الحاسوب إلى القدرة على حل المشكلات بطريقة أسرع من الخبير البشري.
• نظم رؤية الكمبيوتر: (Computer Vision) هي التي تهدف إلى بناء تطبيقات ذكية قادرة على فهم محتوى الصور والفيديوهات بكفاءة مشابهة لكفاءة الإنسان أو بكفاءة أعلى من كفاءة الانسان. ومن الأمثلة على ذلك خاصية البحث عن طريق الصورة في محرك بحث جوجل وخاصية تمييز الوجوه في فيسبوك وتحليل الصور الطبية مثل صور الأشعة.
• معالجة اللغات الطبيعية (Natural Language Processing, NLP): يتعامل هذا المجال مع فهم وتحليل النصوص، ويسهل هذا المجال التفاعل بين أجهزة الكمبيوتر والبشر باستخدام اللغة الطبيعية. فكما تتعامل الحواسيب بلغة الآلة، يتحدث الإنسان باللغة الطبيعية التي يفهمها أبناء المجتمع المحلي مثل اللغة العربية والإنجليزية ولكن لا يفهمها الحاسوب في المقابل، لذلك وضع العلماء مجموعة من الأنظمة لمعالجة اللغات الطبيعية من قبل الحاسوب وذلك عن طريق وضع أسس وقواعد لفهم ترابط الكلمات في الجملة المفيدة، وكذلك فهم قواعد الإعراب لتحليل الجملة إلى أسماء وأفعال وصفات وأحوال وأدوات ربط وغيرها.
  • أمثلة: التدقيق الإملائي والنحوي في معالجات النصوص، التعامل مع الآلة عن طريق الكتابة بخط اليد، القراءة الآلية للنصوص، الترجمة الآلية، الاتصال بالكمبيوتر عن طريق اللغات الطبيعية بدلا من استخدام الماوس ولوحة المفاتيح.
• تمييز الأصوات:(Voice Recognition) يسعى العلماء إلى استخدام طريقة الأوامر الصوتية لجعل الحاسوب ينفذ أمرًا معينًا من خلال التحدث بلغات متعددة إليه بدلا من وسائل الإدخال التقليدية مثل لوحة المففاتيح أو الفأرة، وللتحدث مع الحاسوب يلزم أمرين:

1. تمييز الأصوات : لابد من تحويل الأصوات إلى نصوص ومن ثم تخزينها ومعالجتها من قبل الحاسوب.
2. إصدار صوت اصطناعي من الحاسوب: هنا يجب تسجيل عدد كبير من الكلمات وتخزينها بشكل رقمي في الحاسوب. ﺣﻴﺚ تكمن اﻟﺼﻌﻮﺑﺔ ﻓﻲ ﻋﺪة ﻧﻮاﺣﻲ ﻣﻨﻬﺎ أن ﻓﻬﻢ اﻟﻜﻼم اﻟﺒﺸﺮي ﻳﻌﺘﻤﺪ ﻋﻠﻰ ﻓﻬﻢ ﺳﻴﺎق اﻟﻜﻼم وﻟﻴﺲ ﻣﻘﺘﺼﺮا ﻋﻠﻰ ﻓﻬﻢ اﻟﻜﻠﻤﺎت ﻓﻘﻂ.

• البرمجة الآلية: (Automatic Programming) تهدف البرمجة الآلية إلى إنتاج برامج ذكية تستخدم في مساعدة المبرمجين وتسهل عليهم إنتاج برامجهم، ويوجد هدف أكبر للبرمجة الآلية وهو إنتاج البرنامج الذكي الذي يستطيع أن ينتج برنامجا بنفسه، ويكون ذلك عن طريق إعطائه تفاصيل المشكلة ليقوم هو بتصميم وإنتاج البرنامج المطلوب لحلها أو الوصول إلى النتيجة المطلوبة.

الروبوتات Robots))

• هي عبارة عن آلات ميكانيكية تتم برمجتها لتؤدي بعض المهام التي يقوم بها الإنسان بنفس مستوى ذكاء الإنسان وبدقة وسرعة أكبر أحيانا.
• الأنظمة أو البرامج التي تشغل هذه الآلات تدمج عدة أنواع من الذكاء الاصطناعي مثل تمييز الصوت وتمييز الصور ومعالجة اللغات الطبيعية، كما أن هذه الأنظمة قادرة على أداء الكثير من المهام المختلفة على حسب الموقف وتمتلك الكثير من المستشعرات والمحركات مثل قياس درجة الحرارة والحركة. ومثال عليها الروبوت صوفيا الذي تم إطلاقه عام 2016.

تعلم الآلة والتعلم العميق

• يعتبر تعلم الآلة والتعلم العميق من أهم الحقول والأكثر تطويراً في عالم الذكاء الاصطناعي لتعدد وأهمية تطبيقاتهما في مختلف المجالات.

تعلم الآلة (Machine Learning, ML)

• هو علم يختص في بناء برامج (أو نماذج) حاسوبية ذكية من خلال تدريب نظام الحاسوب على أداء المهام بدون تعليمات صريحة.

• للحاسوب قدرة عالية جداً على تنفيذ التعليمات وبوتيرة تفوق سرعة الإنسان بملايين المرات. وبذلك استطاعت البشرية توظيفه في بناء عدد كبير جدا من الحلول والتطبيقات من خلال إعطائه أوامر صريحة وواضحة ومحددة لحل أي مشكلة. ولكن تبين أن هذا لا يكفي لأن هنالك عددا كبيرا من المشاكل لها طبيعة ديناميكية (متغيرة) ولا نستطيع حصرها في حالات محددة. فكان لابد من أن يكون هنالك برامج (أو نماذج) ذكية تستطيع اتخاذ القرار والتعامل مع الظروف المختلفة والمستجدة بشكل ذاتي وبدون الرجوع للإنسان. حيث تحقق هذا من خلال تقنيات تعلم الآلة وما نتج عنها من نماذج ذكية قادرة على التصرف بشكل ذاتي عند معطيات وظروف لم تكن موجودة أثناء برمجتها. فعلى سبيل المثال لا الحصر، تم مؤخراً بناء نماذج ذكية للتحكم الآلي في السيارات وتوجيها بشكل كامل دون تدخل الإنسان. فلهذه النماذج قدرة على تحديد الفعل المناسب في الوقت المناسب عند أي ظرف حتى لو كان مستجداً لإيصال الشخص إلى المكان الذي يرغب بدون أي ضرر أو حوادث. فأنظمة التحكم الآلي في السيارات دون تقنيات تعلم الآلة لا يمكنها حصر جميع الظروف وعناصر الطريق وتحديدها مسبقا والتعامل معها بشكل سلس. فيمكن أن تقفز قطة أمامك في جو ضبابي وأنت تنعطف إلى اليمين، وعلى يمينك دراجة هوائية تريد أن تتجاوزك. هل كان لك كمبرمج أن تتخيل هذا السيناريو أثناء بناء برنامج التحكم الآلي، طبعا لا. فبالتالي حقل تعلم الآلة مهم جدا في هذه التطبيقات. يرتكز تعلم الآلة بشكل أساسي على البيانات، حيث تعتبر الوقود الأساسي لخوارزميات التعلم الآلي.

• تقسم طرق تعلم الآلة بناءً على المستخدمة في تدريب النماذج الحاسوبية الى عدة أنواع منها:

  • تعلم الآلة الخاضع للإشراف(Supervised Learning): يعتمد هذا النوع بالأساس على تدريب الحاسوب وتعليمه باستخدام بيانات معدة مسبقاً وخاضعة لإشراف الخبير لتصبح معروفة النتيجة (Labeled Dataset). فعلى سبيل المثال، تخيل أنك تريد أن تبني نموذجا ذكيا وقادرا على تقييم أسعار الشقق السكنية. فبناء على هذه الطريقة تحتاج لبيانات عن عدد كبير من الشقق السكنية والتي تم بيعها سابقاً ومعروفة السعر أي معروفة النتيجة. تشمل هذه البيانات على مواصفات متعددة لكل شقة كالمساحة وعدد الغرف والموقع والإطلالة وسنة البناء وغيرها من الخصائص (Features) وتحتاج أيضا لسعر كل شقة. فعند تحديد المواصفات لكل شقة وربطها مع السعر نكون قد أشرفنا على تحضير البيانات وأصبحت معروفة النتيجة (السعر). وبعد ذلك يقوم الخبير بإعطاء هذه الخصائص مع الأسعار إلى خوارزميات تعلم الآلة والتي بدورها تنتج نماذج ذكية قادرة على تقييم سعر أية شقة سكنية جديدة حسب المواصفات الخاصة بها. وسميت هذه الطريقة بتعلم الآلة الخاضع للإشراف لأن الإنسان يقوم بتحضير البيانات التي سيبنى منها النموذج الذكي ويشرف على تحديد السمة (label) وهي سعر الشقة في مثالنا السابق.

• التعلم الآلي غير الخاضع للإشراف (Unsupervised Learning): هذه الطريقة في تعلم الآلة تعتمد على تزويد النظام ببيانات غير معروفة النتيجة ولم تخضع لإشراف من خبير. وتقوم خوارزميات تعلم آلة معينة باكتشاف أنماط متعددة والتنبؤ ببعض خصائصها وأحيانا تقسيمها لمجموعات ليسهل دراستها. مثال على ذلك برامج تصنيف الوثائق النصية. فبعض البرامج قادرة على تقسيم آلاف الوثائق لمجموعات حسب موضوعها.

• التعلم الآلي المعزز (Reinforcement Learning): تقوم هذه الطريقة أساساً على بناء نماذج ذكية تطور نفسها تدريجيا من خلال أسلوب المكافأة والعقاب حتى تصل لمستوى مرض من الكفاءة تستطيع من خلالها اتخاذ القرار المناسب عند كل فعل. فلك أن تتخيل النموذج الذكي في هذه الحالة كطفل، فبداية لا يكون لديه أية خبرة أو معرفة عما يجب أن يقوم به حتى يحقق غاية معين. فإذا قام بالفعل الخاطئ نقوم بحرمانه من المكافأة أما إذا أصاب فيحصل على المكافأة ويتكرر ذلك عدة مرات حتى يصبح لديه معرفة كافية بما يجب وما لا يجب فعله. مثال على التعلم الآلي المعزز هو تدريب رجل آلي على الوقوف والتوازن. فكما تعلم أن هذه العملية تحتاج إلى عدة حركات حتى تتم بشكل صحيح متمثلة بتحريك مفاصل القدم والساق والفخذ وتحريك أجزاء الأرجل المختلفة باتجاهات معينة وبشكل متزامن. فإذا قام الرجل الآلي بأحد الحركات الخاطئة فيسبب الوقوع وبالتالي العقاب وذلك من خلال تقليل تقييم ردة الفعل الخاطئة داخل النموذج الذكي وإلا إذا ساهمت في الوقوف فيستحق الرجل الآلي المكافأة ويتحسن التقييم لهذه الحركة ويستمر ذلك عدد كبير من المرات حتى تتعلم الآلة الحركات والترتيب الصحيح لها.

التعليم العميق:(Deep Learning)

• حقل فرعي من حقول تعلُّم الآلة تستخدم خوارزميات محددة تُسمى الشبكات العصبونية، ومصممة على غرار التشابكات العصبية في الدماغ البشري. وهذه التقنية مبنية على إنشاء شبكة معقدة من الوحدات العصبونية والتي تكون موزعة على عدة طبقات، حيث تكون كل وحدة مربوطة بواحد أو أكثر من الروابط (links).
  • تحاول طرق التعلم العميق أتمتة المهام الأكثر تعقيدًا والتي تتطلب عادةً الذكاء البشري. على سبيل المثال، يمكنك استخدام التعليم العميق لوصف الصور أو ترجمة المستندات أو تحويل ملف صوتي إلى نص. التعلم العميق ليس تقنية جديدة بل سطع ضوءها عندما حدث تطور ملحوظ في بناء المعالجات وخاصة GPUs وNPUs وبعد تصميم خوارزميات ذكية وتعتمد على المحولات (Transformers). فأصبح بالإمكان تدريب نماذج ذكية وعميقة ومعقدة من كم هائل من البيانات في وقت قياسي (ساعات) أو أيام بدلاً من أشهر. للتعلم العميق تطبيقات متعددة تشمل برامج المحادثة الذكية مثل ChatGPT وبرامج تلخيص النصوص وبرامج وضع وصف نصي للصور بشكل تلقائي دون تدخل الانسان وبرامج تكوين الصور اعتمادا على نص مدخل وغيرها الكثير حيث أن كل هذه الأمثلة تندرج تحت ما يسمى الذكاء الاصطناعي التوليدي.

الذكاء الاصطناعي التوليدي (Generative (Al

• برنامج حاسوبي يجعل الأشياء تبدو وكأنها من صنع البشر. فهو يشير إلى نماذج الذكاء الاصطناعي المصممة لتوليد محتوى جديد وذلك بالاستناد إلى مدخلات مختلفة على شكل نص مكتوب، صوت، صور، مقاطع فيديو، رموز برمجية أو أي مدخل تستطيع AI التعرف عليه ومعالجته. يمكن أن يشمل المحتوى الجديد مقالات حلولاً للمشاكل، أو محاكاة واقعية تم إنشاؤها باستخدام صور أو صوت لشخص ما. وكما يمكنك الاستعانة بالذكاء الاصطناعي التوليدي لزيادة إبداعك وإنتاجيتك وتوسيع معرفتك. ومن أشهر أدوات الذكاء الاصطناعي التوليدي ChatGPT وDall-E Bard.

استخدامات الذكاء الاصطناعي التوليدي

• تنفيذ روبوتات دردشة لخدمة العملاء والدعم الفني.
• نشر تقنيات التزييف العميق لتقليد الأشخاص أو حتى الأفراد المحددين.
• تحسين دبلجة الأفلام والمحتوى التعليمي بلغات مختلفة.
• كتابة ردود البريد الإلكتروني، وملفات التعارف، والسير الذاتية، وأبحاث التخرج.
• إنشاء فن فوتوغرافي واقعي بأسلوب معين.
• تحسين مقاطع الفيديو الترويجية للمنتجات.
• اقتراح مركبات دوائية جديدة للاختبار.
• تصميم المنتجات المادية والمباني.
• تحسين تصميمات الشرائح الإلكترونية الجديدة.
• تأليف موسيقى بأسلوب أو نغمة معينة.

قيود تطبيق الذكاء الاصطناعي التوليدي

• لا يحدد دائما مصدر المحتوى.
• من الصعب تحديد المعلومات غير الدقيقة في المحتوى الذي يبدو واقعيًا.
• قد يكون من الصعب فهم كيفية ضبط الأداء للتكيف مع الظروف الجديدة.
• قد يكون من الصعب تقييم التحيز في المصادر الأصلية، مما يجعل النتائج عرضة للتأثر بالتحيز أو التعصب أو الكراهية، وقد يتم تجاهل هذه الجوانب دون الانتباه إليها بشكل كافٍ.

المخاوف ذات الصلة

• جودة النتائج: قد ينتج الذكاء الاصطناعي التوليدي محتوى غير دقيق أو مضلل أو منخفض الجودة، مما يجعل من الصعب الوثوق بالمعلومات دون معرفة مصدرها.
• إمكانية الاستخدام السيئ: يمكن استغلال الذكاء الاصطناعي التوليدي لأغراض ضارة مثل إنشاء أخبار مزيفة، أو تزوير مقاطع الفيديو (deepfakes)، أو سرقة المحتوى (الانتحال)، أو انتحال الشخصيات لتنفيذ هجمات إلكترونية.
• تعطيل نماذج الأعمال القائمة: يشكل الذكاء الاصطناعي تهديدًا لصناعات مثل تحسين محركات البحث (SEO) والإعلانات، مما قد يؤدي إلى تغيير كيفية عمل الشركات واستثمارها في المحتوى.

أدوات الذكاء الاصطناعي التوليدي

• متاحة لعدة مجالات مثل النصوص، الصور، الموسيقى، والأصوات. أدوات توليد النصوص تشمل: GPT، Jasper، AI-Writer وLex
• أدوات توليد الصور تشمل: Stable Diffusion، Dall-E 2، Midjourney
• أدوات توليد الموسيقى تشمل: MuseNet Amper Dadabots
• أدوات توليد الرموز البرمجية (code) تشمل: Tabnine و CodeStarter، Codex، GitHub Copilot
• أدوات توليد الأصوات تشمل: Podcast.ai Descript Listnr
• شركات تصميم الشرائح باستخدام الذكاء الاصطناعي تشمل: Nvidia Synopsys، Cadence، Google

الذكاء الاصطناعي التوليدي مقابل الذكاء الاصطناعي التقليدي

• الذكاء الاصطناعي التوليدي: يُنتج محتوى جديدًا، مثل ردود الدردشة، التصاميم البيانات الاصطناعية، أو التزييف العميق (deepfakes). غالبًا ما يستخدم تقنيات الشبكات العصبية مثل المحولات (transformers)، والشبكات التوليدية المعكوسة (GANs)، والتشفير التلقائي المتغير (VAEs)، تبدأ عملية الذكاء الاصطناعي التوليدي عادةً بإدخال استفسار أو مجموعة بيانات لتوجيه توليد المحتوى، ويمكن أن تكون عملية تكرارية لتحسين أو استكشاف محتويات جديدة متنوعة.
• الذكاء الاصطناعي التقليدي: يركز على اكتشاف الأنماط، اتخاذ القرارات، تحسين التحليلات، تصنيف البيانات، واكتشاف الاحتيال. يستخدم تقنيات مثل الشبكات العصبية الالتفافية (convolutional neural networks)، الشبكات العصبية المتكررة (recurrent neural networks) والتعلم التعزيزي (reinforcement learning)، تعالج خوارزميات الذكاء الاصطناعي التقليدي البيانات الجديدة لإرجاع نتيجة بسيطة.

نبذة تاريخية

• كان روبوت الدردشة "Eliza"، الذي أنشأه Joseph Weizenbaum في الستينيات، من بين أولى أمثلة الذكاء الاصطناعي التوليدي. استخدمت هذه التطبيقات المبكرة نهجًا قائمًا على القواعد، والذي كان يتعطل بسهولة بسبب محدودية المفردات، نقص السياق، والاعتماد المفرط على الأنماط، وغيرها. كما كان من الصعب تخصيص وتوسيع نظام الدردشة فيها.
• شهد هذا المجال انتعاشا بعد التقدم في الشبكات العصبية والتعلم العميق في عام 2010، مما أتاح للتكنولوجيا تعلم كيفية تحليل النصوص الموجودة، تصنيف عناصر الصور، وتحويل الصوت إلى نص تلقائيًا. قدم Ian Goodfellow تقنيات GANS (الشبكات التوليدية المعكوسة) في عام 2014. قدمت هذه التقنية العميقة نهجًا جديدًا لتنظيم الشبكات العصبية المتنافسة لتوليد ثم تقييم تنويعات المحتوى. كانت هذه التقنيات قادرة على إنشاء أشخاص، أصوات، موسيقى ونصوص واقعية. وقد أثار هذا اهتمامًا وخوفا من كيفية استخدام الذكاء الاصطناعي التوليدي لإنشاء تزييف عميق واقعي يُقلد الأصوات والأشخاص في مقاطع الفيديو. منذ ذلك الحين، ساعد التقدم في تقنيات ومعمارية الشبكات العصبية الأخرى على توسيع قدرات الذكاء الاصطناعي التوليدي. تشمل هذه التقنيات الذاكرة القصيرة والطويلة الأمد، المحولات وغيرها.

آخر أخبار وتوجهات الذكاء الاصطناعي التوليدي

• تزايدت المخاوف بشأن الذكاء الاصطناعي، وبرزت الحاجة إلى تنظيمه.
• دعا جيفري هينتون، أحد الشخصيات البارزة في مجال الذكاء الاصطناعي، إلى مزيد من البحث في سلامة وأخلاقيات الذكاء الاصطناعي خلال مؤتمر في MIT، أكثر من مصدر.
• فيما تتناول النظم الخضراء والاقتضادية من الذكاء الاصطناعي من وجهة نظر مختلفة، فإن أصحاب المصلحة لديهم وجهات نظر مختلفة حول كيفية معالجة هذه المخاوف
• اتخذت الحكومتان الأمريكية والبريطانية خطوات لمعالجة هذه المخاوف، بما في ذلك تنظيم تصدير تكنولوجيا الذكاء الاصطناعي وتشكيل فرق عمل لمراجعة القضايا الأخلاقية والأمنية. وفي الوقت نفسه، أجرت هيئة المنافسة والأسواق البريطانية (CMA) مراجعة للذكاء الاصطناعي الأساسي لتقييم تأثيره على الابتكار ومصلحة المستهلكين. تدفع المخاوف بشأن قوة الشركات التقنية الكبرى والآثار السلبية المحتملة للذكاء الاصطناعي الجمهور إلى المطالبة بتدخل الحكومة. أظهرت دراسة استقصائية لآراء الناخبين الأمريكيين أن %54% يعتقدون أن الحكومة يجب أن تتخذ إجراءات سريعة لتنظيم الذكاء الاصطناعي. على الرغم من أن الجهود الأخيرة لوقف الذكاء الاصطناعي قوبلت في البداية بشكوك من قبل الق