Lecture 3 Theories and Concepts of AI 2024-2025

‫جامعة اجلند‬ ‫كلية اهلندسة وتقنيات املعلومات‬ ‫قسم الذكاء االصطناعي وعلم البياانت ‪ – AI & DS‬م‪1‬‬ ‫احملاظرة الثالثه‬ ‫‪Theories and Concepts of AI‬‬ ‫د‪.‬بالل السامعي‬ ‫‪2024-2025‬‬ ‫‪Dr. Bila...

‫جامعة اجلند‬ ‫كلية اهلندسة وتقنيات املعلومات‬ ‫قسم الذكاء االصطناعي وعلم البياانت ‪ – AI & DS‬م‪1‬‬ ‫احملاظرة الثالثه‬ ‫‪Theories and Concepts of AI‬‬ ‫د‪.‬بالل السامعي‬ ‫‪2024-2025‬‬ ‫‪Dr. Bilal Al-samaee‬‬ ‫‪1‬‬ Theories and Concepts of AI Objectives: - Understand the foundational theories and concepts of AI. Content: Machine Learning Deep Learning Natural Language Processing Computer Vision Robotics AI techniques Machine Learning 1 Algorithms that enable computers to learn from data without explicit programming. Deep Learning 2 A subfield of machine learning that utilizes artificial neural networks with multiple layers. Natural Language Proces s ing 3 Enables computers to understand and interact with human language. Computer Vis ion 4 Allows computers to "see" and interpret images and videos. Robotics 5 focused on designing, building, and operating robots to perform tasks  ‫تعلم االلة )‪Machine Learning (ML‬‬ ‫وفقا لتعريف آرثر صامويل ‪" :1959‬تعلم اآللة هو المجال الدراسي الذي يمنح أجهزة الحاسب‬ ‫القدرة على التعلم دون برمجتها صراح ًة من قبل البشر"‬ ‫في تعلم اآللة يختلف عن البرمجة التقليدية حيث أصبح بمقدور البشر إدخال البيانات للحاسوب باإلضافة إلى اإلجابات المتوقعة‬ ‫وفقًا للبيانات‪ ،‬ويكون الخرج هو القواعد التي تم استنتاجها بشكل برنامج أو ما يُسمى بالنموذج ‪ model‬ثم يمكن بعد ذلك‬ ‫تطبيق هذه القواعد على البيانات الجديدة إلنتاج اإلجابات‪.‬‬  Machine Learning (ML) ‫تعلم االلة‬ GOAL = Building models for predicting value/class of unseen data  Machine Learning (ML) ‫تعلم االلة‬ The Machine Learning Cycle  Machine Learning (ML) ‫تعلم االلة‬ Machine learning Algorithms ‫خوارزميات تعلم االلة‬ ‫‪8‬‬ ‫امثلة‬  ‫تطبيقات خوارزميات تعلم االلة ‪Popular Machine Learning Applications‬‬ ‫‪9‬‬ ‫التعلم الخاضع لالشرف ‪:Supervised Learning‬‬ ‫ الرعاية الصحية ‪ :Healthcare‬علم اآللة يساعد في التشخيص وخطط العالج الشخصية واكتشاف األدوية مثل خوارزميات‬ ‫‪DeepMind‬لتحليل الصور الطبية‪.‬‬ ‫ التمويل ‪ :Finance‬ستخدم الخوارزميات الكتشاف االحتيال وإدارة المخاطر‪ ،‬وتحليل األنماط للتنبؤ بسوق األسهم‪.‬‬ ‫ التجارة اإللكترونية ‪ :E-commerce‬أنظمة التوصية مثل المستخدمة في ‪ Amazon‬تحلل تفضيالت المستخدم لتقديم‬ ‫منتجات مخصصة‪.‬‬ ‫ النقل ‪ :Transportation‬تعلم اآللة يدعم السيارات ذاتية القيادة التخاذ قرارات آمنة في الوقت الحقيقي‪.‬‬ ‫ التسويق ‪:Marketing‬الخوارزميات تحلل سلوك المستخدم لتخصيص الحمالت اإلعالنية وزيادة التفاعل‪.‬‬ ‫ معالجة اللغة الطبيعية ‪ :NLP‬ستخدم في الدردشة اآللية وترجمة اللغة وتحليل المشاعر لفهم اللغة البشرية‪.‬‬ ‫ التعرف على الصور والصوت ‪ُ :Image and Speech Recognition‬تستخدم في المساعدات االفتراضية مثل ‪Siri‬‬ ‫والتعرف على الوجوه لألمان‪.‬‬ ‫التعلم غير الخاضع لالشراف ‪:Unsupervised Learning‬‬ ‫ التجميع ‪ :Clustering‬تجميع البيانات في مجموعات مثل تقسيم العمالء لتسويق موجه‪.‬‬ ‫ اكتشاف الشذوذ ‪ :Anomaly Detection‬الكشف عن األنماط غير العادية مثل االحتيال المالي‪.‬‬ ‫ تقليل األبعاد ‪ :Dimensionality Reduction‬تقنيات مثل ‪ PCA‬لتبسيط البيانات وتسريع العمليات‪.‬‬ ‫ تعلم القواعد الترابطية ‪ :Association Rule Learning‬اكتشاف العالقات في بيانات المستهلك لتحسين تخطيط المنتجات‪.‬‬ ‫التعلم المعزز ‪:Reinforcement Learning‬‬ ‫ ُيستخدم في السيارات ذاتية القيادة‪ ،‬معالجة اللغة الطبيعية‪ ،‬والتحكم في الروبوتات لتحقيق التعلم عبر التجربة والخطأ‪.‬‬  ‫ تعلم االلة )‪Machine Learning (ML‬‬ ‫التعلم العميق )‪:)2006( Deep Learning (DL‬‬ ‫هو مجال فرعي متقدم ضمن مجال تعلم اآللة ‪ ،Machine Learning‬التعلم العميق هي تقنية اخترعها اإلنسان من أجل محاولة تقليد الطريقة‬ ‫التي يعمل بها العقل البشري‪ ،‬فالتعلم العميق يحاول أن يحاكي العقل البشري في جميع قدراته من خالل استخدام الشبكات العصبية االصطناعية‬ ‫)‪ Artificial Neural Networks(ANN‬في محاكاة العمليات الذهنية في الدماغ البشري التي تستلهم تصميمها من بنية القشرة الدماغية‬ ‫ووظائفها‪.‬‬  ‫ تعلم االلة )‪Machine Learning (ML‬‬ ‫التعلم العميق )‪:)2006( Deep Learning (DL‬‬ ‫هو مجال فرعي متقدم ضمن مجال تعلم اآللة ‪ Machine Learning‬التعلم العميق هي تقنية اخترعها اإلنسان من أجل محاولة تقليد الطريقة‬ ‫التي يعمل بها العقل البشري‪ ،‬فالتعلم العميق يحاول أن يحاكي العقل البشري في جميع قدراته من خالل استخدام الشبكات العصبية االصطناعية‬ ‫)‪ Artificial Neural Networks(ANN‬في محاكاة العمليات الذهنية في الدماغ البشري التي تستلهم تصميمها من بنية القشرة الدماغية‬ ‫ووظائفها‪.‬‬ ‫النهايات العصبية‬ ‫خلية عصبية بيولوجية‬ ‫خلية عصبية اصطناعية‬ ‫خلية عصبية بيولوجية‬ ‫‪Biological‬‬ ‫وحدة معالجة ‪Processing‬‬ ‫خلية عصبية ‪Neuron‬‬ ‫‪Neuron‬‬ ‫‪Unit‬‬ ‫مخرجات ‪Output‬‬ ‫محور عصبي ‪Axon‬‬ ‫وزن ‪Weight‬‬ ‫تشابك عصبي ‪Synapse‬‬ ‫محور عصبي‬ ‫مدخالت ‪Inputs‬‬ ‫ديندرات ‪( Dendrites‬النهايات‬ ‫العصبية)‬ ‫خلية عصبية اصطناعية‬ ‫‪Artificial Neuron‬‬ ‫تفعيل ‪Activation‬‬ ‫إمكان جهد الفعل ‪Action‬‬ ‫‪Potential‬‬  ‫ تعلم االلة )‪Machine Learning (ML‬‬ ‫خوارزميات التعلم العميق‬  ‫تعلم االلة )‪Machine Learning (ML‬‬ ‫مقارنة بين التعلم العميق ‪ DL‬وتعلم اآللة ‪ML‬‬ ‫الخاصية‬ ‫تعلم اآللة)‪(ML‬‬ ‫التعلم العميق)‪(DL‬‬ ‫التدخل البشري‬ ‫يتطلب تدخل بشري كبير الستخراج الميزات‬ ‫يتطلب تدخل بشري قليل الستخراج الميزات‬ ‫الطاقة الحاسوبية‬ ‫يحتاج إلى طاقة حاسوبية أقل‬ ‫يحتاج إلى طاقة حاسوبية عالية‬ ‫كمية البيانات‬ ‫يعمل جيدًا مع كميات أقل من البيانات‬ ‫يحتاج إلى كميات كبيرة من البيانات‬ ‫وقت التشغيل‬ ‫أسرع في التدريب‬ ‫أبطأ في التدريب بسبب التعقيد العالي‬ ‫التعقيد‬ ‫خوارزميات بسيطة مثل التوقع الخطي وشجرة القرارات‬ ‫خوارزميات معقدة مثل الشبكات العصبية العميقة‬ ‫األجهزة المستخدمة‬ ‫يمكن أن يعمل على أجهزة عادية‬ ‫يحتاج إلى أجهزة متقدمة‬ ‫التدخل في الميزات‬ ‫يتطلب تحديد الميزات يدويًا‬ ‫يقوم بتحديد الميزات تلقائيًا‬ ‫المرونة‬ ‫مرن في التعامل مع بيانات مهيكلة وغير مهيكلة‬ ‫أكثر مرونة في التعامل مع بيانات غير مهيكلة‬  ‫معالجة اللغات الطبيعية )‪Natural Processing Language (NLP‬‬ ‫‪‬معالجة اللغات الطبيعية ‪: NLP‬‬ ‫‪ ‬هي فرع من فروع الذكاء االصطناعي ‪ AI‬الذي يتعامل مع تحليل وفهم النصوص الطبيعية‪ ،‬مثل‬ ‫التحليل اللغوي وتحليل المشاعر والترجمة اآللية‪.‬‬ ‫‪ ‬تقوم معالجة اللغة الطبيعية بالجمع بين اللغويات الحاسوبية وتعلم اآللة ‪ ML‬ونماذج التعلم‬ ‫العميق ‪ DL‬لمعالجة اللغة البشرية‪.‬‬ Natural Processing Language (NLP) ‫معالجة اللغات الطبيعية‬ Components of NLP ‫مكونات‬  ‫ معالجة اللغات الطبيعية )‪Natural Processing Language (NLP‬‬ ‫‪‬كيف يعمل ‪NLP‬‬ ‫‪.5‬التحليل البراجماتي‬ ‫‪.4‬التحليل الخطابي‬ ‫‪.3‬التحليل الداللي‬ ‫( ‪Pragmatic‬‬ ‫( ‪Discourse‬‬ ‫( ‪Semantic‬‬ ‫‪.2‬التحليل النحوي‬ ‫‪.1‬التحليل المعجمي‬ ‫(‪)Syntax Analysis‬‬ ‫)‪)Lexical Analysis‬‬ ‫‪)Analysis‬‬ ‫‪)Analysis‬‬ ‫‪)Analysis‬‬ ‫ يتضمممن فهممم الممن ضمممن‬ ‫ يتعامممممممممل مممممممممع تفسممممممممير‬ ‫ فممممي هممممذ المرحلممممة‪ ،‬يممممتم‬ ‫ يتم في هذ المرحلة تحليل‬ ‫ يتضمممن تقسمميم الممن إلممى‬ ‫السمممممممممميا االجتممممممممممماعي‬ ‫النصمممو ضممممن سمممياقها‬ ‫التحقممق مممن المعنممى العممام‬ ‫بنمممال الجملمممة أو التركيمممب‬ ‫وحدات لغوية مثل الكلمات‬ ‫والثقمممممافي‪.‬همممممذا التحليمممممل‬ ‫األكبمممممممر‪.‬يتضممممممممن همممممممذا‬ ‫للجملمة‪.‬الهممدف هممو التأكممد‬ ‫النحممممموي للتأكمممممد ممممممن أن‬ ‫والرممممممممموز‪.‬فممممممممي هممممممممذ‬ ‫يركمممز علمممى فهمممم الغمممرض‬ ‫التحليممل فهممم العالقممة بممين‬ ‫من أن المن يحممل معنمى‬ ‫الممن يتبممع قواعممد اللغممة‪.‬‬ ‫المرحلمممممممة‪ ،‬يمممممممتم إزالمممممممة‬ ‫من الن وكيف يمكمن أن‬ ‫الجمممممل والمقمممماطع ضمممممن‬ ‫صحيح ومنطقي‪.‬‬ ‫يممتم إنشممال شممجرة التحليممل‬ ‫عالمممات التممرقيم والتعممرف‬ ‫يفهمه اآلخرون‪.‬‬ ‫الن ‪.‬‬ ‫ ‪ -‬التحليل الداللي‪:‬‬ ‫النحوي ‪.Parse Tree‬‬ ‫علممى الجممذور والكلمممات‪-.‬‬ ‫ ‪ -‬التحليل البراجماتي‪:‬‬ ‫ ‪-‬التحليل الخطابي‪:‬‬ ‫ ‪ " -‬أحمد" هو شخ‬ ‫ ‪-‬التحليل النحوي‪:‬‬ ‫مثممممال نصممممي‪ ":‬أحمممممد‬ ‫ ‪ -‬إذا كمممان الشمممخ المممذي‬ ‫ ‪ -‬إذا كانت هناك جملمة‬ ‫ ‪ -‬الجملمممممة‪ " :‬أحممممممد"‬ ‫ذهب إلى المستشفى‪".‬‬ ‫يتحممممممممممممد يعممممممممممممرف أن‬ ‫ ‪ " -‬ذهمممممممممممممب إلمممممممممممممى‬ ‫تالية تقول‪" :‬ألنه كمان‬ ‫المستشمممفى" تعنمممي أن‬ ‫(فاعممممممل) ‪" +‬ذهممممممب"‬ ‫ ‪-‬التحليممممل المعجمممممي‪-:‬‬ ‫المستشفى قريب من مكان‬ ‫عممممل أحممممد‪ ،‬فممم ن الجملمممة‬ ‫لديمممممممه موعمممممممد ممممممممع‬ ‫أحمممد انتقممل إلممى مكممان‬ ‫(فعمممممممممممل) ‪" +‬إلمممممممممممى‬ ‫كلممممممممات‪" :‬أحممممممممد"‪,‬‬ ‫"ذهمممب إلمممى المستشمممفى"‬ ‫مريض"‪ ،‬فهذا يضميف‬ ‫المستشفى‬ ‫المستشمممممفى" (ظمممممرف‬ ‫"ذهممممممممب"‪" ,‬إلممممممممى"‪,‬‬ ‫تحمل معنمى أوضمح ضممن‬ ‫سياقًا جديدًا‪.‬‬ ‫مكان)‬ ‫"المستشفى"‬ ‫هذا السيا ‪.‬‬ ‫معالجة اللغات الطبيعية )‪Natural Processing Language (NLP‬‬ ‫تطبيقات معالجة اللغات الطبيعية ‪NLP‬‬ Generative artificial intelligence (GAI) ‫ الذكاء االصطناعي التوليدي‬ :‫انواع الذكاء االصطناعي‬ [1706.03762] Attention Is All You Need https://arxiv.org/abs/1706.03762 Generative artificial intelligence (GAI) ‫ الذكاء االصطناعي التوليدي‬ Generative artificial intelligence (GAI) ‫ الذكاء االصطناعي التوليدي‬ ‫الذكاء االصطناعي التوليدي )‪Generative artificial intelligence (GAI‬‬ ‫مراحل تطور الذكال االصطناعي التوليدي‪: GAI‬‬ ‫كيف تطورت النماذج اللغوية؟‬ ‫تطورت النماذج اللغوية كثيرا ً وخاصة ما يُعرف‬ ‫بـ النماذج اللغوية الكبيرة ‪Large Language‬‬ ‫)‪ ،Models(LLM‬وهذا أدى إلى ثورة في مجال الذكاء‬ ‫االصطناعي‪.‬‬ ‫حيث أصبحت هذه النماذج قادرة على أداء مهام معقدة‬ ‫تتطلب فه ًما عميقًا للغة‪ ،‬مما يفتح الباب أمام تطبيقات‬ ‫جديدة في العديد من المجاالت مثل الترجمة‪ ،‬تحليل‬ ‫النصوص‪ ،‬وتوليد المحتوى التلقائي‬  ‫ الذكاء االصطناعي التوليدي )‪Generative artificial intelligence (GAI‬‬ ‫تطبيقات الذكال االصطناعي التوليدي ‪:GAI‬‬ ‫يؤدي الذكاء االصطناعي التوليدي إلى تطبيقات متنوعة ومثيرة لالهتمام في جميع القطاعات التالية‪:‬‬ ‫ يستخدم الذكال االصطناعي التوليدي إلنشال أعمال فنية وموسيقى ونصو‬ ‫الفنون والترفيه‬ ‫أفالم‪ ،‬باإلضافة إلى تحويل الصور إلى أعمال فنية بأساليب متعددة‪.‬‬ ‫ يساهم في تطوير روبوتات دردشة تستجيب بشكل شبيه بالبشر ومساعدين‬ ‫التكنولوجيا واالتصاالت‬ ‫افتراضيين تفاعليين‪.‬‬ ‫ يساعد في توليد أفكار وخيارات تصميم لمصممي الجرافيك وخطط أرضية فعالة‬ ‫التصميم والعمارة‬ ‫للمهندسين المعماريين‪.‬‬ ‫ تحليل البيانات من األجهزة القابلة لالرتدال والسجالت الصحية اإللكترونية‬ ‫والصور الطبية (مثل األشعة السينية والتصوير بالرنين المغناطيسي‬ ‫الطب‬ ‫وفحوصات التصوير المقطعي المحوسب) الكتشاف العالمات واألنماط‬ ‫واألمراض والشذوذات والمخاطر وتوليد نتائج وصفية لتحسين التشخي ‪.‬‬ ‫ يتيح إنشال نماذج ثالثية األبعاد واقعية لإلعالنات‪ ،‬وإنتاج محتوى تسويقي‬ ‫التجارة اإللكترونية‬ ‫مخص ‪.‬‬ ‫ الذكاء االصطناعي التوليدي )‪Generative artificial intelligence (GAI‬‬ ‫بعض ادوات الذكال االصطناعي التوليدي )‪(GAI‬‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫الرؤية الحاسوبية )‪:Computer Vision(CV‬‬ ‫تعتبر فرع من فروع الذكال االصطناعي الذي فيه تقدم كبير في التكنولوجيا‪.‬هذا المجال يسعى لجعل الحواسيب تفهم‬ ‫وتحلل الصور والفيديوهات بشكل يشبه كيفية رؤيتنا لألشيال‪.‬‬ ‫‪ ‬من تطبيقات ‪: CV‬‬ ‫على سبيل المثال‪ ،‬يمكن استخدامها في تحديد أنواع السيارات‬ ‫على‬ ‫ِ‬ ‫التعرف‬ ‫أو الوجو في الصور‪.‬‬ ‫الصور‬ ‫أو األشيال المتحركة في‬ ‫على سبيل المثال‪ ،‬تحديد األشخا‬ ‫التعرف على‬ ‫الصور‪.‬‬ ‫الحركة‬ ‫يمكن استخدام الرؤية البصرية للحواسيب لتحليل الصور للحصول على‬ ‫معلومات مفيدة‪.‬على سبيل المثال‪ ،‬قياس حجم األشيال أو كثافتها في‬ ‫تحليل الصور‬ ‫الصور‪.‬‬ ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫ كيف يعمل الرؤية الحاسوبية ‪Computer Vision‬‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫‪ ‬تطبيقات الرؤية الحاسوبية ‪:CV‬‬ ‫التعرف على الوجو‬ ‫تتبع الكائنات‬ ‫تصنيف الصور‬ ‫اكتشاف الكائنات‬ ‫تحليالت الفيديو‬ ‫التجزئة‬ ‫كشف المشاعر‬  Computer Vision (CV) ‫ الرؤية الحاسوبية‬ 1. Face recognition ‫التعرف على الوجو‬  Computer Vision (CV) ‫ الرؤية الحاسوبية‬ 2. Object Detection ‫اكتشاف الكائنات‬ 3. Segmentation ‫التجزئة‬  Computer Vision (CV) ‫ الرؤية الحاسوبية‬ 4. Object Tracking ‫تتبع الكائنات‬ 5. Image Classification ‫تصنيف الصور‬ 6. Emotion Detection‫كشف المشاعر‬  Computer Vision (CV) ‫ الرؤية الحاسوبية‬ 7. Video Analytics ‫تحليالت الفيديو‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫من تطبيقات ‪CV‬‬ ‫التعليم‬ ‫االلتهاب الرئوي إيجابي‬ ‫الطب‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫من تطبيقات ‪CV‬‬ ‫النقل‬ ‫الزراعة‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫من تطبيقات ‪CV‬‬ ‫المدن الذكية‬ ‫التكنولوجيا‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫من تطبيقات ‪CV‬‬ ‫الطائرات بدون طيار‬ ‫التصنيع‬  ‫ الرؤية الحاسوبية )‪Computer Vision (CV‬‬ ‫من تطبيقات ‪CV‬‬ ‫القيادة الذاتية‬ ‫األمن والمراقبة‬  ‫ الروبوتات الذكية)‪(Intelligent Robotics‬‬ ‫الروبوتات ‪:Robot‬‬ ‫صممت من خالل نظام هندسي يجعلها تعمل كبديل لأليدي العاملة البشرية رغم مظهرها غير الشبيه بمظهر‬ ‫عبارة عن آلة ُ‬ ‫البشر اإال أناها قادرة على أن تؤدي الوظيفة المطلوبة منها بالطريقة التي يؤديها البشر‪.‬‬  ‫ الذكال االصطناعي وعلم البيانات ‪AI and DS‬‬ ‫‪.1‬الذكال االصطناعي ‪:AI‬‬ ‫الذكاء االصطناعي هو مجال من علوم الكمبيوتر يهدف إلى تطوير أنظمة‬ ‫وخوارزميات قادرة على محاكاة الذكاء البشري‪.‬‬ ‫‪ -‬تعلم االلة ‪ :ML‬تطور التعلم اآللي من الذكاء االصطناعي‪ ،‬مما يمنح‬ ‫اآلالت القدرة على التعلم من خالل الخبرة‪.‬‬ ‫‪ -‬التعلم العميق ‪ :DL‬الموجود داخل تعلم اآللة‪ ،‬يدفع اآلالت إلى الفهم‬ ‫والعمل على مستوى أقرب إلى الحدس البشري‪.‬‬ ‫‪.2‬علم البيانات )‪:Data Sciences(DS‬‬ ‫علم البيانات هو عملية استخراج رؤى او معرفة قابلة لالستخدام واتخاذا قرارات‬ ‫من البيانات غير المنظمة‪ ،‬ويشمل العديد من مجاالت علوم الكمبيوتر واإلحصاءات‬ ‫واألساليب العلمية‪.‬‬ ‫‪.3‬والذكال االصطناعي وعلم البيانات ‪:AI and DS‬‬ ‫الذكاء االصطناعي وعلم البيانات هما مجاالن متكامالن يركزان على استخدام‬ ‫البيانات الرقمية وتحليلها‪.‬‬ ‫‪ -‬يهدف علم البيانات إلى استخراج المعرفة من البيانات‪،‬‬ ‫‪ -‬بينما يسعى الذكاء االصطناعي إلى محاكاة الذكاء البشري وحل‬ ‫المشكالت المعرفية المعقدة باستخدام هذه البيانات والخوارزميات المتقدمة‪.‬‬ ‫ العالقة بين تقنيات الذكال االصطناعي‬