تختلط علينا الكثير من المفاهيم حين يتعلق الأمر بمجال معين، فمثلا في مجال البرمجة، نخلط دائما بين المطور (Developer) و المبرمج (Programming) و الكودر (Coder) و مهندس البرمجيات (Soft Engineer) إذ نعتقد ان المبرمج يقوم بكل العمل و الآخرين مجرد تفرعات لا فائدة منها، فيدعو المبرمج نفسه احيانا بالمطور و أحيانا بالمبرمج، و هذا امر شائع، حتى في المجالات الأكثر تعقيدا مثل الذكاء الإصطناعي، يوجد تفرعات و تقسيمات للمفهوم و لعل أشهر هذه المفاهيم هي الـ Machine Learning و الـ Deep Learning ثم الـ Artificial Intelligence ... فما الفرق بين المفاهيم الثلاث ؟ و أين و متى نستطيع إستخدام كل مصطلح في مكانه المخصص ؟
الـ Machine Learning هو نفسه المثال السابق، و هو نفسه الولد، لا نقوم من خلال الـ Machine Learning بصناعة خوازرميات و تركيبها في الجهاز من أجل الإطلاع او المعرفة، بل ما نقوم به هو تزويد جهاز معينا بمجموعة من المعلومات التي تسمى Inputs و كذلك مخرجات أجهزة Machines أخرى على شكل Outputs في الجهاز المراد توعيته، و نترك الجهاز يقوم بإبتكار طريقة تفكيره او تعلمه للأشياء، و حين يتم تدريبه جيدا، فيمكننا تنصيب هذا الـ Machine Learning في أي مكان و لن يختلف ذكائه.
كمثال أقرب للـ Machine Learning، لنفترض ان سيارة ذاتية القيادة تم تدريبها بإعطائها العديد من المعطيات حول الإنسان و الحيوان و الأشجار و الطرق و علامات التشوير .... لكن في مكان معين مثلا لوس أنجلس في أمريكا، بعد تدريب السيارة و جعل الـ Machine Learning ذكيا كفاية لإستعاب الطريق و الناس و الأشجار و قمنا لاحقا بقيادة هذه السيارة في أستراليا مثلا، فالنتيجة المتوقعة هي ان تشتغل السيارة بكفاءة، لأن الآلة قد تعلمت و إكتسبت خبرة من خلال المعطيات السابقة و يمكن إستخدامها في أي مجال اخر.
الجواب هو لا، لأنه قادر فقط على تحريك القطع بما يناسب الرقعة و غير قادر على تحريكه لهزيمة اللاعب الآخر، الجزء المتحكم بالتفكير و محاولة إيجاد مخرج للفوز و التغلب على لاعب الشطرنج هو الـ Deep Learning و يبدأ بالتفكير إنطلاقا من معطيات اخرى حول مباريات سابقة قام بها الجهاز ذو التعليم الآلي، و كلما زاد عدد المباريات إستطاع الـ Deep Learning تطوير نفسه و ترقية نفسه ليصل الى مستوى لا يهزمه فيه أحد.
الجواب هو نعم، يمكن ذلك ببساطة بإضافة أزيد من Machine Learning ( الذي يتكون تلقائيا من Deep Learning ) في جهاز واحد ( سيارة، روبوت، حاسوب، هاتف ذكي ...) حين نقوم بإدراج مجموعة منها وسط جهاز محدد فنحصل على جهاز قادر على التفكير بشكل موسع، فحينها نتحدث عن الذكاء الإصطناعي.
لذلك، نجد ان الروبوتات المبنية على الذكاء الإصطناعي ( مثلا الروبوت صوفيا ) يستطيع القيام بالعديد من الأشياء دفعة واحدة و حسب الأوامر، فإن سألت الروبوت سؤالا، يقوم الروبوت بإستيعابه و تحليله، ثم يرسله للـ Machine Learning الذي يصب في مجال ذلك السؤال و يقوم بتحليل و الخروج بنتيجة ذات ذكاء إصطناعي قد فكر فيها الروبوت تلقائيا ثم ينطق من فمه ما حصل عليه من نتائج، إن قمنا بإستفسار نفس الروبوت في مجال اخر، فسيجيبك، لا نحتاج الى تغيير الروبوت و لا أي شيئ، لأنه مزود بالعديد من الـ Machine Learning التي تلعب كل واحدة دورا في الحصول على إجابات و مخرجات إنطلاقا من مجموعة من المعطيات، و يزداد ذكاء الذكاء الإصطناعي بإزدياد عدد الـ Machine Learning داخله.
العملية عملية تصاعدية، يأتي الـ Deep Learning ليقوم بحل المعطيات و تكوين حسابات جديدة عن طريق العديد من المعلومات، هذه المعلومات يوفرها الـ Machine Learning و يقوم بتناقلها عن طريق الـ Neural Networks كما أشرنا، ثم عند تكوين الـ Machine Learning يمكن تجميع عدة منها في جهاز واحد لنحصل على الـ Artificial Intelligence او الذكاء الإصطناعي.
يمكنك ان تلاحظ ان الـ AI يتكون من الـ Machine Learning و يتكون هذا الأخير من الـ Deep Learning، و هذه هي التراتبية التي يجب عليك انت استيعابها حين تود التفريق بين المصطلحات الثلاث.
اتمنى ان يكون موضوعنا لهذا اليوم جيدا و وفر لك العديد من المعلومات و المدارك التي لم تكن لديك فكرة عنها، و لا تنسى مشاركة هذا الموضوع مع أصدقائك إن وجدته مفيدا.
الهدف من هذا الموضوع / تلخيص : لا تملك العبارات الثلاث نفس المعنى، فكل عبارة تُشَيِدُ بتخصص معين و لها خصائص معينة بعيدة عن المصطلح الثاني، و إن كان مجال كل مصطلح يكمل الآخر، إلا انه توجب علينا معرفة الفرق بين كل من المصطلحات الثلاث و متى يتم إستخدام كل واحد و أين يتم إستخدامه كذلك، فهل لديك فكرة عن الفرق بين الـ AI و الـ Deep Learning و أيضا الـ Machine Learning ؟ سنحاول تعريفه من أجلكم في هذا المقال .
- تعريف مصطلح الـ Machine Learning ( التعلم الآلي ) :
نحن كبشر لدينا منهجيتنا في التعلم، لذلك يختلف مستوى الذكاء الخاص بكل شخص و درجة إستيعابه، فعلى سبيل المثال، إن اردنا ان نُعَرِّفَ فيلاً لطفل، فنحن نقوم بجلب مجموعة من الصور للفيلة، ثم نريها للطفل على التوالي و نخبره ان ما يوجد في الصورة هو فيل و ليس حصان او خنزير، يقوم عقل الطفل حينها بتبني مجموعة من النقاط مثل الخرطوم، الأنياب، اللون و الحجم، و تلقائيا، عندما يرى صورة أي فيل غير الصور التي قدمناها له، فسيدرك ان الحيوان هو فيل و ليس حيوانا آخر، نحن لم نقم بصناعة اي خوارزمية او اي شيئ من اجل تعليم الطفل ذلك، بل قمنا بإستعراض مجموعة صور و تركنا عقله يتبنى النقاط و يُدرك الصور.الـ Machine Learning هو نفسه المثال السابق، و هو نفسه الولد، لا نقوم من خلال الـ Machine Learning بصناعة خوازرميات و تركيبها في الجهاز من أجل الإطلاع او المعرفة، بل ما نقوم به هو تزويد جهاز معينا بمجموعة من المعلومات التي تسمى Inputs و كذلك مخرجات أجهزة Machines أخرى على شكل Outputs في الجهاز المراد توعيته، و نترك الجهاز يقوم بإبتكار طريقة تفكيره او تعلمه للأشياء، و حين يتم تدريبه جيدا، فيمكننا تنصيب هذا الـ Machine Learning في أي مكان و لن يختلف ذكائه.
كمثال أقرب للـ Machine Learning، لنفترض ان سيارة ذاتية القيادة تم تدريبها بإعطائها العديد من المعطيات حول الإنسان و الحيوان و الأشجار و الطرق و علامات التشوير .... لكن في مكان معين مثلا لوس أنجلس في أمريكا، بعد تدريب السيارة و جعل الـ Machine Learning ذكيا كفاية لإستعاب الطريق و الناس و الأشجار و قمنا لاحقا بقيادة هذه السيارة في أستراليا مثلا، فالنتيجة المتوقعة هي ان تشتغل السيارة بكفاءة، لأن الآلة قد تعلمت و إكتسبت خبرة من خلال المعطيات السابقة و يمكن إستخدامها في أي مجال اخر.
- تعريف مصطلح الـ Deep Learning ( التعلم العميق ) :
الـ Deep Learning هو جزء من الـ Machine Learning، هذا الجزء خاص بحساب التعقيدات و تصحيح الأخطاء، نحن نعلم أن الـ Machine Learning يقوم بأخذ معطيات و خلق طريقة تعلم خاصة به، و ما يحدث حقا في الداخل هو وجود عدة طبقات تسمح بتحليل تلك المعطيات و تخزين بعضها و ربط بعضها ببعض عن طريق الـ Neural Networks، في مكان ما داخل الـ Machine Learning يوجد الـ Deep Learning، طبقة مؤهلة تسمح بدراسة تلك البيانات بشكل أعمق، القيام بأعقد العمليات الحسابية و أكثرها صعوبة، كمثال للـ Deep Learning و طريقة إشتغاله، لنفترض ان جهاز Machine Learning قمنا بتجهيزه من أجل معرفة حركات لعب لعبة الشطرنج و طريقة لعبه، و أصبح قادرا على لعب الشطرنج بإحترام القواعد و تحريك كل قطعة بالشكل الملائم لها، لكن إن وضعنا هذا الجهاز في تحدي مع لاعب شطرنج هل سيستطيع التفوق عليه بناءً على ما قمنا بتزويده من معلومات ؟الجواب هو لا، لأنه قادر فقط على تحريك القطع بما يناسب الرقعة و غير قادر على تحريكه لهزيمة اللاعب الآخر، الجزء المتحكم بالتفكير و محاولة إيجاد مخرج للفوز و التغلب على لاعب الشطرنج هو الـ Deep Learning و يبدأ بالتفكير إنطلاقا من معطيات اخرى حول مباريات سابقة قام بها الجهاز ذو التعليم الآلي، و كلما زاد عدد المباريات إستطاع الـ Deep Learning تطوير نفسه و ترقية نفسه ليصل الى مستوى لا يهزمه فيه أحد.
- تعريف مصلطح الـ Artificial Intelligence (الذكاء الإصطناعي):
ثم يأتي الـ AI او الـ Artificial Intelligence او الذكاء الإصطناعي، و هو ببساطة عبارة عن مجموعة من خوارزميات او الات الـ Machine Learning، شرحنا في المثال الأول السيارة ذاتية القيادة، و المثال الثاني ذكاء قادر على التغلب على لاعب الشطرنج، السؤال هنا هل يمكننا صناعة جهاز واحد يستطيع قيادة السيارة اليا و التغلب على لاعب الشطرنج في نفس الوقت ؟الجواب هو نعم، يمكن ذلك ببساطة بإضافة أزيد من Machine Learning ( الذي يتكون تلقائيا من Deep Learning ) في جهاز واحد ( سيارة، روبوت، حاسوب، هاتف ذكي ...) حين نقوم بإدراج مجموعة منها وسط جهاز محدد فنحصل على جهاز قادر على التفكير بشكل موسع، فحينها نتحدث عن الذكاء الإصطناعي.
لذلك، نجد ان الروبوتات المبنية على الذكاء الإصطناعي ( مثلا الروبوت صوفيا ) يستطيع القيام بالعديد من الأشياء دفعة واحدة و حسب الأوامر، فإن سألت الروبوت سؤالا، يقوم الروبوت بإستيعابه و تحليله، ثم يرسله للـ Machine Learning الذي يصب في مجال ذلك السؤال و يقوم بتحليل و الخروج بنتيجة ذات ذكاء إصطناعي قد فكر فيها الروبوت تلقائيا ثم ينطق من فمه ما حصل عليه من نتائج، إن قمنا بإستفسار نفس الروبوت في مجال اخر، فسيجيبك، لا نحتاج الى تغيير الروبوت و لا أي شيئ، لأنه مزود بالعديد من الـ Machine Learning التي تلعب كل واحدة دورا في الحصول على إجابات و مخرجات إنطلاقا من مجموعة من المعطيات، و يزداد ذكاء الذكاء الإصطناعي بإزدياد عدد الـ Machine Learning داخله.
- الرابط بين كل من الـ ML و الـ DL و الـ AI :
العملية عملية تصاعدية، يأتي الـ Deep Learning ليقوم بحل المعطيات و تكوين حسابات جديدة عن طريق العديد من المعلومات، هذه المعلومات يوفرها الـ Machine Learning و يقوم بتناقلها عن طريق الـ Neural Networks كما أشرنا، ثم عند تكوين الـ Machine Learning يمكن تجميع عدة منها في جهاز واحد لنحصل على الـ Artificial Intelligence او الذكاء الإصطناعي.
يمكنك ان تلاحظ ان الـ AI يتكون من الـ Machine Learning و يتكون هذا الأخير من الـ Deep Learning، و هذه هي التراتبية التي يجب عليك انت استيعابها حين تود التفريق بين المصطلحات الثلاث.
اتمنى ان يكون موضوعنا لهذا اليوم جيدا و وفر لك العديد من المعلومات و المدارك التي لم تكن لديك فكرة عنها، و لا تنسى مشاركة هذا الموضوع مع أصدقائك إن وجدته مفيدا.