See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/328967715

‫ دراﺳﺔ ﺗﻘﻨﻴﺔ وﻣﻴﺪاﻧﻴﺔ‬, ‫اﻟﺬﻛﺎء اﻻﺻﻄﻨﺎﻋﻲ ﺑﻴﻦ اﻟﻮاﻗﻊ واﻟﻤﺄﻣﻮل‬

Conference Paper · November 2018

CITATIONS READS
0 102,754

4 authors, including:

Samia CHEHBI GAMOURA

University of Strasbourg
119 PUBLICATIONS   186 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

COVID-19 Data Analytics and Prediction View project

Big Data Analytics in Management View project

All content following this page was uploaded by Samia CHEHBI GAMOURA on 18 November 2018.

The user has requested enhancement of the downloaded file.

‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫الواقع والمأمول‬ ‫ب‬ ‫الذ اء اﻻصطنا‬

‫دراسة تقن ة وم دان ة‬

‫‪3‬‬
‫دكتورة سام ة شهب قمورة‪ , 1‬اي محمد‪ , 2‬ح ة كروش‬

‫‪ 1‬المدرسة العل ا لل سي ‪ ,‬جامعة س اسبورغ ‪ ,‬س اسبورغ ‪ ,‬فرسا‬

‫‪ 2‬جامعة الجزائر ‪ , 1‬الجزائر العاصمة ‪ ,‬الجزائر‬
‫‪ 3‬جامعة حس ة بن بوع ‪ ,‬شلف ‪ ,‬الجزائر‬

‫مﻠﺨﺺ‬
‫الذ اء اﻻصطنا اليوم أصبح مفهوما متداوﻻ جدا وقد دخل ع جميع المجاﻻت العلم ة التقن ة منها وح العلوم‬
‫اﻹ سان ة‪ .‬الهواتف الذك ة ب ا دينا وأجهزة التلفاز المتواصلة بيوتنا خ دل ل ع ذلك‪ .‬أصبح من الطب اليوم اقتناء‬
‫حد ذاته ل س علم جد د العالم اﻷ اد وﻻ ح‬ ‫أجهزة ذك ة والتعامل ب امج معلومات ة ذك ة ‪.‬علم الذ اء اﻵ‬
‫التجاري ل ن دمقرطته اليوم سمحت بتداوله مفهوم جد د‪ ،‬زاد من ذلك ان شار اﻷجهزة الرقم ة المتصلة وظاهرة الب انات‬
‫الضخمة ح ث أصبح المرء وان لم كن متخصصا المعلومات ة يتحدث عن الذ اء اﻻصطنا و طه عادة اﻷجهزة‬
‫التكنولوج ة المبتكرة مع انه ل س ل ء مبتكر مرت ط حتما القدرة ع التفك الذا ‪.‬‬
‫الذ اء اﻻصطنا تقن ا ول د مجال علمي ‪ :‬علم السلوك ات والعص ات وعلم اﻹعﻼم اﻵ أو ما س حديثا علم‬
‫علم اﻷوتومات ك ات والعلوم الدق قة(‪ .‬من ح ث‬ ‫المعلومات ة )للتفرقة الصح حة ب المجال ال س ة للمتخصص‬
‫التع ف هو العلم الذي ضم ل الخوارزم ات والطرق النظ ة منها والتطب ق ة ال تع أتمتة عمل ة أخذ القرارات م ان‬
‫اﻹ سان سواء ان ذلك ط قة املة أو جزئ ة مع ة اﻹ سان‪ ،‬مع القدرة ع التأقلم أو اﻻقت اس أو الت بؤ‪ .‬عادة‪ ،‬كون‬
‫ال نامج ذك ا إذا قام تلقائ ا سلوك غ م مج مس قا ح ث ستطيع من نفسه اخذ قرارات جد دة للتك ف مع حالته وحالة‬
‫مح طه ع الزمن‪ .‬إن خصائص الذ اء اﻻصطنا من الت فات التلقائ ة والتطور الذا والتعلم اﻵ التلقا تو فكرة‬
‫ح ة اﻵلة المطلقة أخذ القرارات المستق ل الق ب ومنه التخوفات المتصاعدة حال ا ع الساحت اﻹعﻼم ة‬
‫واﻷ اد م ة‪ .‬ل ن الواقع التق والعوائق اﻷخﻼق ة والتكنولوج ة تقول غ ذلك وهذا ما سنحاول إث اته من خﻼل مقالتنا‬
‫هذه‪ .‬إش ال ة أخﻼق ة ال امج المعلومات ة واﻵﻻت الذك ة ل ست جد دة و مطروحة منذ ال دا ة و ستمر مرافقة‬
‫التطور التكنولو ل إنها خلقت فرعا جد دا علم المعلومات ة والحقوق يتخصص هذا المجال‪.‬‬
‫هذا المقال‪ ،‬سنحاول إعطاء أسس الذ اء اﻻصطنا وخصائصه وال عض من نماذجه الح ة دون الدخول تفاص له‬
‫التقن ة سلط الضوء ع واقع تطوراته وطموحاته ب ما وصل ال ه فعﻼ وما أمل للوصول ال ه‪ .‬هدفنا هذه الدراسة‬
‫ي س لهؤﻻء متا عة‬ ‫مختص هو رسم صورة أفق التكنولوج ات الذك ة المتنام ة ش ل واﺿح الوسط اﻷ اد‬
‫دراسات دق قة حول الموﺿ ع‪.‬‬

‫‪ .1‬مدﺧﻞ‬
‫" ل إ سان هو طور التحول ل صبح آلة‪ ,‬ﻻ ل اﻷصح هو أن اﻵلة ال صدد تطورها لتتحول إ إ سان" هذا ما قاله‬
‫بول فال ي )‪ (Paul Valery‬دفاتره الشه ة دا ة القرن التاسع ع ]‪ .[1‬انت هذه المقولة‬ ‫الف لسوف الفر‬
‫أول ط ح فع ﻹش ال ة مستق ل اﻵلة تعا شها مع اﻻ سان و ذلك سجل هذا ال ساؤل اول ط ح مجال الذ اء‬
‫الﻼبيولو أو ما عرف أ ضا الذ اء اﻵ أو اﻻ استعماﻻ اليوم "الذ اء اﻻصطنا "‪ .‬فمنذ ذلك الح ما التطورات‬
‫عﻼقتها اﻹ سان؟ وهل فعﻼ اﻻلة‬ ‫الفعل ة ال وصلت اليها اﻵلة الوقت الحا ؟ ما هو دورها المستق ؟ وما‬
‫تحولت او س تحول ا إ سان؟ ل هذه اﻻسئلة حاولت ال ث من الدراسات تحل لها والتطرق إليها سواء ان ذلك من‬
‫برمجة اﻵلة وسلوك اتها او من طرف علماء المجاﻻت اﻷخرى ذات الصلة‪.‬‬ ‫طرف ال احث المتخصص‬
‫ﻻ خ ع أي احث اليوم أن الذ اء اﻻصطنا أﺿ من أ المواﺿيع ال ستقطب ا تغط ة جميع المجاﻻت‬
‫اﻷ اد م ة ح ث شهد الم دان دمقرطة واسعة نظرا ﻷس اب تكنولوج ة م سارعة من جهة و أس اب اقتصاد ة حتة‬
‫مفتعلة من طرف ال ات من جهة أخرى‪ ،‬و ال تم تع زها ظهور الب انات الضخمة السنوات اﻷخ ة ]‪ .[2‬ولعل‬
‫‪1‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫مستق ل الذ اء اﻻصطنا وتطب قاته أخذ من جدي الوسط العل عد انعقاد مؤتمر الب ت اﻷب ض الوﻻ ات‬
‫المتحدة نها ة العام ‪ ،2016‬ح ث تناول مسألة حساسة تخص مستق ل تطب قات الذ اء اﻻصطنا وأخﻼق اتها ]‪.[3‬‬
‫ق ل الحد ث عن مستق ل تطب قات الذ اء اﻻصطنا جدر بنا اﻻشارة ا تار خه الذي ش ل تدر ج ا خﻼل تق ا ‪130‬‬
‫سنة الماﺿ ة‪ ،‬ل ن الحد ث الجدي عنه كطفرة علم ة حدثت لل ة دأ خﻼل العقدين اﻷخ ن فقط نظرا للمهارات‬
‫واﻻنجازات الفائقة ال أص حت ت تج عنه مجاﻻت متعددة الطب ]‪ ،[6‬واللوجس ة ]‪ ،[5‬والصناعات ]‪ ،[6‬وال سي‬
‫اﻻقتصادي ]‪ ،[7‬ومعالجة اللغات الطب ع ة ]‪ ،[8‬وتداول اﻷسهم اﻷسواق ]‪ ،[9‬واﻻنظمة اﻷمن ة تحل ل الصور وتمي‬
‫اﻷصوات ]‪ ،[10‬وغ ها‪.‬‬
‫ش له المعا اليوم فهو عت من م ادين علم الحوس ة إﻻ أن دايته انت ع د‬ ‫أما عن مفهوم الذ اء اﻻصطنا‬
‫اﻷعصاب وعلم النفس ]‪ .[11‬ل نه صنف كذلك ﻷنه أﺿ مع التطورات التكنولوج ة مرت طا أنظمة‬ ‫مخت‬
‫الحوس ة والخوارزم ات و جمع افة التقن ات ال تهدف ا محا اة قدرات ال والحيوان الذهن ة وأنماط عملها دون‬
‫برمجة مس قة لتلك السلوك‪ ،‬وأهم هذه الخاص ات‪ :‬القدرة ع اﻻستدﻻل ]‪ ،[12‬والتعلم اﻵ الذا ]‪.[13‬‬
‫الساحة العلم ة والرأي العام نقرأ أن التخوفات من تطورات الذ اء اﻻصطنا تضم ش ل اولها خص تهد د وظائف‬
‫ال ‪ ،‬ال امج الذك ة ال يتم تصم مها أص حت تنجز وظ فة اﻹ سان ع أ مل وجه‪ ،‬ل وتتقنها م جد منخفض‬
‫من المخاطر والمضاعفات و أقل ت ال ف وهذا ما جعل إق ال أهل المال واﻷعمال عليها ]‪ .[14‬أما ثانيها فهو انتقال التح م‬
‫مص اﻹ سان وسط عالم تنجز‬ ‫اﻻمور ا اﻵلة فقد اﻹ سان الس طرة ]‪ .[15‬إن المرعب اﻷمر حقا هو التفك‬
‫اﻵلة ف ه وظائف كث ة وجد حساسة‪ .‬اﻹﺿافة إ ما شهده العالم البوم من اجت اح تكنولو وتعدد ة الوظائف ال‬
‫تتطلب تفاعﻼ مع اﻵلة مما جعل مستق ل ال غامضا وكذا الت بؤ ه صع ا للغا ة ]‪ .[16‬و جدر بنا اﻷمر ا اﻻشارة هنا‬
‫سلوكها الغ سابق ال مجة تخالف ما عهده العلم المخت ات‬ ‫أن التطورات ال شهدها اﻵﻻت ذات التعلم الذا‬
‫ع مر التار ـ ــخ‪ ،‬ح ث ان ال احث درك ج دا هدف وسلوك اخ اعه‪ ،‬و ستطيع ل سهولة التدخل عند الحاجة إ‬
‫ذلك‪.‬‬
‫أما عن الب انات الضخمة )‪ (Big Data‬فإن م دان المعلومات ة شهد حال ا خلطا كب ا ب مفهومها ومفهوم الذ اء‬
‫اﻻصطنا خاصة منها العلوم الم دان ة والتطب ق ة ال ت ط الذ اء مفهوم الب انات الضخمة ش ل دي رغم اﻻنفصال‬
‫التام وال امل للمجال ]‪ .[17‬إذا انت الب انات ساهم تغذ ة الخوارزم ات الذك ة فذلك ﻻ ع ان تلك الخوارزم ات‬
‫الذك ة مرت ط م ا ة م دان المعلمات المكثفة علما ان مجال الب انات الضخمة نفسه حتاج توﺿ حا وتحل ﻼ خ ج عن‬
‫إطار هذه المقالة‪ .‬أما عن مجال الب انات الضخمة التحل ل ة )‪ (Big Data Analytics‬فاﻷمر ختلف تماما ح ث أنه اشتق‬
‫من توظ ف الذ اء اﻻصطنا مع الب انات الضخمة ومع الوقت دأ أخذ منحاه ل خلق فرعا جد دا مجال العلوم‬
‫التكنولوج ة ]‪.[18‬‬

‫‪ .2‬س اق عام لﻠدراسة‬

‫‪ .2.1‬مفهوم الذكاء‬
‫عام ‪ ،2006‬قام مجموعة من ال احث اﻷم كي ب مقال عل ﻷ حاثهم التج ة غا ة اﻷهم ة ]‪ .[19‬ينص المقال‬
‫ع أن هناك تناقض ظهر تج ا عند محاولة الق ام مجهود تفك معت أمام حالة معقدة‪ ،‬والذي الن جة كون‬
‫"أقل ذ اء" من ن جة نفس الحالة المعقدة عند أخذ قرار ــع و ش ل عفوي‪ .‬هذه الدراسة حد ذاتها تتحدى العد د‬
‫من التع فات الحال ة لنموذج الذ اء‪ .‬ثم توالت ال حوث حول العالم لتؤكد أن الذ اء ﻻ يرت ط ش ل م ا المجهود‬
‫الذه ]‪ [20‬وﻻ حجم الحالة ]‪ [21‬وﻻ ح مدى تعق د الحالة نفسها ]‪) [22‬ش ل ‪ .(1‬الواقع؛ صنع طائرة من ن ع‬
‫‪ A577‬ت سع ل ‪ 500‬را ب اليوم حتاج أقل ذ اء من حفر نفق صغ طول ‪ 200‬م ع الط ق منطقة ف ضان ه‬
‫المدينة‪.‬‬

‫‪2‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ي‬ ‫ش ل ‪ .1‬تقس م الذ اء ال‬

‫‪ .2.1.1‬دراسة ايتيمولوجية‬

‫إي مولوج ا‪ ،‬لفظ "الذ اء" ) الﻼت ن ة ‪ (intelligentīa‬ع القا ل ة للفهم ]‪ [23‬ل ن الساحة العلم ة ح ث تتعدد‬
‫التخصصات وت شعب‪ ،‬نجد أنه من الصعب العثور ع تع ف موحد للفظ "الذ اء" و تفق عل ه أهل ال حث اﻷ اد ‪،‬‬
‫فمثﻼ مفهوم الذ اء عند الفﻼسفة ﻻ ماثل ذاك عند علماء ال اﺿ ات وﻻ علماء النفس‪ .‬ومن جهة أخرى‪ ،‬غال ا ما يتم‬
‫تلخ ص الذ اء الدماغ ال ي ع الرغم من وجود مخلوقات ابتدائ ة مكنها إنجاز مهام معقدة للغا ة ﻻ تملك أدمغة‬
‫د تار ل عض الحقائق العلم ة‬ ‫بيولوج ة مثل النمل والنحل ومستعمرات ال كت ا اﻷجسام ]‪ .[24‬إلينا ف ما‬
‫ال ساعدت ع تك ن مفهوم عل للذ اء تمه دا للفصل التا عن التدرج التار ع العلوم اﻹ سان ة والتج ة‬
‫ورأي ل منها‪:‬‬
‫‪ -‬عام ‪ ،1904‬هانص )‪ (Hans‬حصان خب ال اﺿ ات اﻷلما و له لم فون اوس )‪(Wilhelm Von Osten‬‬
‫ان قادرا ع اﻻستجا ة ﻹ جاد حاصل أي عمل ة جمع حساب ة س طة عن ط ق ال ب ع اﻷرض حافره‬
‫]‪ .[26‬فهل ان هانص ذك ا؟‬
‫إدوارد ش تولمان )‪ (Edward Chase Tolman‬استطاعت أن تتدرب‬ ‫‪ -‬عام ‪ ،1964‬ف ان عالم النفس اﻷم‬
‫ع استكشاف متاهة معقدة تجار ه المخ ة )ش ل ‪ (2‬ح صارت قادرة ع إ جاد المخ ج م ا ة و‬
‫ظرف وج ‪ .‬وصف ال احث ذلك أن الف ان ستخدم ما سماها الخرائط الذهن ة للتنقل ]‪ .[25‬السؤال المطروح‬
‫هنا؛ هل انت ف ان تولمان ذك ة؟‬

‫‪3‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ش ل ‪ .2‬تج ة تولمان‬

‫الشه غاري اس اروف‬ ‫عام ‪ ،1997‬الحاسوب د ب لو )‪ (Deep Blue‬تمكن من ﻻعب الشطرنج الرو‬ ‫‪-‬‬
‫)‪ Garry (Kasparov‬م اراة عالم ة ]‪ .[27‬فهل د ب لو ان اذ من اس اروف ?‬

‫‪" .1.1.2‬الذكاء" على مر التاريخ‬

‫الفلسفة‬

‫ان مفهوم الذ اء عند الفﻼسفة رهينة ال ث من التقل ات والتغ ات ع الزمن ل ن ي ط أغلب تهم الذ اء قدرة الفرد ع‬
‫التفك ]‪ [28‬ح ث أن المفاه م القد مة انت تق ب كث ا من ل ما عا س الغ زة ال تكون أ مﻼءمة لردود الفعل‬
‫أ منها إ التفك ‪ .‬ول ن عان ما تغ المفهوم وتطور مع تقدم العصور والفﻼسفة تحت تأث ات المجاﻻت العلم ة‬
‫والت ارات اﻷخرى ل عم الغ زة أ ضا ]‪.[29‬‬
‫عرف عالم النفس ال طا س ل بورت )‪ (Cyril Burt‬الذ اء قدرة فط ة عامة ع اﻹدراك ]‪ [30‬اما داف د ف شلر‬
‫فقد ذكر أن الذ اء هو القدرة ال املة والمعقدة للفرد للق ام مجهود لغرض‬ ‫‪ David) (Wechsler‬عالم النفس اﻷم‬
‫مع والتفك عقﻼن ة ردا ع حالة مح طه المتواجد ف ه‪ .‬وق ل هؤﻻء أع الف لسوف الشه افﻼطون )‪(Plato‬فقد‬
‫اع تع فا وج ل ن أ إلماما ل العلوم إذ قال إن الذ اء جمع ل انواع ال شاطات الذهن ة ال مكن للفرد تحص لها‬
‫و ذلك فهو فصله عن الفطرة ما فعل )‪ (Cyril Burt‬قرونا عد ذلك ]‪ .[30‬أما أرسطو الذي عا ش فﻼسفة ما ق ل الم ﻼد‬
‫من أ المفاه م المث ة‬ ‫فإنه لم عط تع فا واﺿحا ل نه صنف الذ اء م ة منفصلة عن القرار والمنطق ]‪ .[29‬و‬
‫لﻼهتمام لفﻼسفة الع الحد ث هو ذاك الذي أعطاه ابن خلدون )‪ (Ibn Khaldoun‬ح ث شمل الذ اء عدة جوانب‬
‫والنظري وح الس ا واﻻجتما ]‪.[28‬‬ ‫منها الذ اء التكت )ال شغ ( والذ اء التج‬
‫وأخ ا من أجل تجميع المفاه م نحو تلخ ص موحد إطار الفلسفة‪ ،‬ستطيع ان نقول ان الذ اء فلسف ا يب ع ‪4‬‬
‫أعمدة ‪ :‬ا ساب اﻻف ار‪ ،‬حفظها‪ ،‬تح لها ثم نقلها‪.‬‬

‫علم النفس‬

‫إن مفهوم الذ اء مرت ط ارت اطا كب ا علم النفس كون أوائل اﻷطروحات ر طته الدماغ ال ي وسلوكه‪ ،‬ونذكر منهم عالم‬
‫ي جان ب ا )‪ (Jean Piaget‬أث ت ع دراساته ان الذ اء يتولد جراء تك ف الفرد مع ب ئته وقد فرق ب‬ ‫النفس الس‬
‫الذ اء الوظ والذ اء المدروس ]‪ .[31‬و عام ‪ 1905‬وﺿع عالم النفس الفر آلفرد ب نات )‪ (Alfred Binet‬ما س‬
‫الحاصل الفكري )‪ (Intellectual Quotient‬وهو مق اس حاصل حسا لمقارنة الذ اء ال ي يتم الحصول عل ه ع‬
‫سلسلة من اﻻخت ارات م ادين مختلفة مثل المنطق والذا رة واﻻس نتاج وما ا غ ذلك ]‪ .[32‬أما ال س ة لص اغته‬
‫فيتم حسا ه عن ط ق قسمة معدل العمر الذه ع العمر التار للفرد من ﺿمن مجموعة‪ .‬والعمر الذه دوره‬
‫حسب انطﻼقا من نتائج اجا ات الفرد المخت ع اﻷسئلة ثم يتم ترت ب الق مة ﺿمن سلم النتائج للمجموعة‪.‬‬

‫‪4‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫( ‪100‬‬ ‫العمر التار‬ ‫الحاصل الفكري = )العمر الذه‬

‫ما نرى هذا اﻻخت ار س و تعلق ال فقط‪ ،‬أﺿف إ ذلك أسئلته نفسها ال اثارت وﻻزالت تث جدﻻ كب ا الوسط‬
‫الرغم من استمرار ة استخدامه ع نطاق واسع اليوم‪ .‬أصبح موﺿ ع الحاصل الفكري محل نزاع ب الجمع ات‬ ‫اﻷ اد‬
‫والمنظمات ال تطالب بتغي اسمه من الحاصل الفكري )‪ (Intellectal Quotient‬ا الحاصل اﻷ اد ) ‪Academic‬‬
‫‪ .(Quotient‬اﻹستمرار دراسة معمقة للحاصل الفكري وعﻼقته الذ اء تفوق إطار هذه المقالة و نكت هنا المنح‬
‫النموذ المستو من ]‪) [32‬ش ل ‪.(3‬‬

‫الحاصل الفكري )‪[32] (IQ‬‬ ‫ش ل ‪ .3‬نموذج لمنح تحل‬

‫‪ .1.2‬مفهوم الذكاء اﻻصطناعي‬

‫دءا وق ل اعطاء مفهوم محدد للذ اء اﻻصطنا تجدر اﻻشارة ا ان الم دأ اﻻسا الذي قوم عل ه علم الذ اء‬
‫اﻻصطنا ﻻ من حل اﻻش ال ات عة أ او معالجة الم د من الب انات او حفظ ا عدد من المعلومات‬
‫ال ست من العقل ال ي‪ ,‬إنما الم دأ اﻷصح الذي يب عل ه هذا المجال هو الواقع م دأ معالجة المعلومات مهما‬
‫انت طب عتها و حجمها ط قة آل ة أو نصف آل ة و ش ل مناسب و متوافق مع هدف مع ]‪ .[14‬ش هنا ان لمة‬
‫المعالجة ولنذكر ع س ل المثال اﻻنظمة النصف آل ة الذك ة‬ ‫نصف ال ة تع تدخل المستخدم )اﻹ سان(‬
‫المتخصصة ق ادة الطائرات )‪. (Auto Pilot‬‬

‫‪ .1.2.1‬مفهوم الذكاء اﻻصطناعي‬

‫رغم اختﻼفات اﻷ اد مي والفﻼسفة واهل العلم تع ف و تحد د مفهوم الذ اء حد ذاته ما تطرقنا للموﺿ ع‬
‫الفصل السابق‪ ،‬اﻻ ان اﻻجماع مفهوم الذ اء اﻻصطنا وارد منذ ظهور أوائل ال حوث دا ة سنوات ‪.1950‬‬
‫الذ اء اﻻصطنا )‪ (Artificial intelligence‬هو الت ار العل والتق الذي ضم الطرق والنظ ات والتقن ات ال‬
‫تهدف إ إ شاء آﻻت قادرة ع محا اة الذ اء ]‪ .[6‬عت المتخصصون علم اﻵل ات و المعلومات ة ان هذا التع ف‬
‫واﺿح و ملم مجالهم ما ح ذلك ]‪ [28] ,[16],[3‬و ]‪ .[25‬ب نما ش آخرون إ أن هذا النص غ واﺿح كتع ف‬
‫امل نظرا لطب عته حد ذاتها كعلم الع الحد ث معتمد ع التجد د واﻻبت ار والتغي ما ورد ]‪.[34‬‬
‫المتابع ل حوث وتطورات علم الذ اء اﻻصطنا غال ا ما ﻼحظ تص فه كعلم معر ول س كعلم تق و رجع ذلك لتار خه‬
‫ق ل سخها كف ع من علوم‬ ‫علم اﻷعصاب الحسا والمنطق ال ا‬ ‫كونه دأ أعمال حث لمجموعة من احث‬
‫قوم ع ال حث‬ ‫‪.‬‬
‫الحوس ة ]‪ [29‬نظرا لتعم م استخدام الخوارزم ات ل ن ما يتفق عل ه الجميع هو ان دورها اﻷسا‬
‫عن طرق حل لﻺش ال ات ذات التعق د المنط ‪ ،‬الحسا أو الخوارز العا ]‪ .[25‬قب ل ظهور الب انات الضخمة‪ ،‬وال‬
‫احد الفصول أسفله ‪ ،‬ان طم ح تقن ات الذ اء اﻻصطنا كت‬ ‫سنع مدخﻼ لها و عﻼقتها الذ اء اﻻصطنا‬
‫بتقل د اﻹ سان تطب قات معينة من وظائفه المعرف ة ل ن مع ال سارع المشهود و التصع د الب انات الضخمة تجاوزت‬
‫طموحات تلك التقن ات حدود التقل د اﻵد و ح البيولو ع أمل الوصول ا م د من القوة المستخلصة‬
‫لﻼستخدامات المختلفة ]‪ .[35‬ل ن هذه النقطة اﻻخ ة ال دأت تث العد د من المخاوف والتفس ات والتوقعات‬
‫وال تم التعب عنها الم شورات والمقاﻻت العلم ة وكذا المؤتمرات حول العالم‪.‬‬
‫يتكون الذ اء اﻵ من مفهوم يتم دمجهما‪ ،‬ول نهما مفصوﻻن من الناح ة النظ ة و تطوران ب ئة لتكي ف السلوك‬
‫أﻻ وهما ما ظهر )ش ل ‪: (4‬‬

‫‪5‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫الذا رة‪ :‬مثلها التخ ن‪ ،‬وهو ش ل من أش ال الذ اء س أ ضا الذ اء السل ]‪.[34‬‬ ‫‪‬‬
‫القدرة ع التحل ل مع إدراك العﻼقات ب اﻷش اء والمفاه م من اجل فهم الحقائق و ذلك كون عن‬ ‫اﻻستدﻻل‪:‬‬ ‫‪‬‬
‫ط ق استعمال الذا رة و المنطق و وسائل اخرى مستقاة من العلوم ال اﺿ ة ]‪.[25‬‬

‫مفهومه اﻻصطنا‬ ‫ش ل ‪ .4‬مكونات الذ اء‬

‫تحاول‬ ‫أما المنت ج العل لﻸ حاث حول الذ اء اﻻصطنا ع التار ــخ‪ ،‬لما نتصفح مقاﻻته نﻼحظ كثافة المقاﻻت ال‬
‫ل مرة إعطاء إطار جد د او متجدد لمفهومه وال أخذنا ن ذة منها ف ما ‪.‬‬

‫‪" .1.2.2‬الذكاء اﻻصطناعي" على مر التاريخ‬

‫عمل عالم المنطق وال اﺿ ات الشه آﻻن‬ ‫من الناح ة التار خ ة‪ ،‬نجد نقطة ال دا ة الخمس نات من القرن الما‬
‫تيور نج )‪ (Alan Turing‬الذي ساءل دا ة حوثه ما إذا ان ب م ان اﻵلة "التفك " مقالته الشه ة ]‪ .[36‬اشتهر‬
‫تيور نغ بتج ته ال تعت المرجع اخت ار الذ اء اﻵ )ش ل ‪ (5‬ح ث ضع هذا اﻻخت ار شخص آدمي وآلة )حاسوب(‬
‫مح ط مغلق مع إخفاء ه ة الشخص واﻵلة‪ .‬إذا لم ستطع الشخص المخت ع حد ث صو او كتا التفرقة ب‬
‫اﻵلة والشخص اﻵد اﻵخر ستطيع ان نقول ان اﻵلة )الحاسوب( هذه ذك ة‪.‬‬

‫ش ل ‪ .5‬اخت ار تيور نغ‬

‫‪6‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ع اخت ار تيور نج س نتج أننا امام مفهوم س للذ اء اﻻصطنا اي ان هذا اﻷخ مرت ط قدرات اﻻ سان فقط وﻻ‬
‫ضم اﻷش ال اﻷخرى لذ اء المخلوقات اﻻخرى النمل والفط ات وهذا ما ختلف تماما عن التطورات اﻻخ ة مجال‬
‫الذ اء اﻻجتما وال شار المس ن ط من البيولوج ا والذي س تعرض له ﻻحقا ع هذه المقالة‪.‬‬
‫ما نﻼحظ ع )ش ل ‪ (6‬عام ‪ 1950‬دأت شأة الذ اء اﻻصطنا و عام ‪ 1956‬دأت مﻼمح العلم الحد ث للذ اء‬
‫اﻻصطنا ت دو جل ا عندما عقد أول مؤتمر ل ة دارتموث )‪ (Dartmouth College‬اﻷم ك ة‪ ،‬ومن أبرز اح الذ اء‬
‫اﻻصطنا الذين ح وا المؤتمر اﻷم كيون مارفن مي س اي )‪ (Marvin Minsky‬وه رت سا مون ‪(Herbert‬‬
‫)‪ Simon‬و جون م ار )‪ (John McCarthy‬و أل ن ل )‪ . (Allen Newell‬و عد ذلك أخذت اﻷعمال اﻷ اد م ة‬
‫والمهن ة من متوازنا ومتوسطا ابت ار طرق وتقن ات جد دة السنوات الع ن التال ة متفرعة ا التقل د العص‬
‫الحسا مثل الش ات العص ة الصناع ة )‪ [39] (Artificial Neural Networks‬وال حث الحسا اﻹحصا مثل‬
‫أشعة الدعم اﻵل ة )‪ [40] (Support Vector Machine‬تطب ق ات مختلفة الصناعة واﻻنظمة اﻷمن ة والطب‬
‫وغ ها‪ .‬ما شهدت أ حاث دا ة الثمان نات من القرن الع ن اهتماما جد دا نظرا للنجاح التجاري المؤقت الذي حظ ت‬
‫‪ .‬ل ن عان ما‬ ‫ه النظم الخب ة ال تحا المهارات وتعتمد ع المعرفة التحل ل ة لواحد أو أ من الخ اء ال‬
‫ت اطأت لسنوات س ب ت اطؤ التطور التكنولو اﻻل و وعدم استطاعته ات اع وكب الخوارزم ات المتطورة ح ث أن‬
‫هذه اﻷخ ة هة جدا من ح ث مساحة التخ ن و عة الحساب وﻷن اﻹل ون ات لم ستطع توف اﻻحت اجات لها‬
‫آنذاك ]‪ .[3‬ل ن عان ما دأ العالم شهد تزا دا لتكنولوج ات اﻹل ون ك الحاس ة )القوة الحساب ة( ومساحات‬
‫التخ ن ال ب ة لتظهر أش اﻻ جد دة للتقن ات الخوارزم ة ال تحدث اليوم ثورة ع اوسع نطاق ومن ب نها التعلم اﻵ‬
‫العميق )‪ (Depp Learning‬الذي اص حت تفوق قدراته قدرات اﻻ سان اليوم‪ .‬انها حق ة الب انات الضخمة ال شهدها‬
‫منذ دا ة اﻷلف ة الثان ة ]‪.[35‬‬

‫للذ اء اﻻصطنا‬ ‫ش ل ‪ .6‬التدرج التار‬

‫‪ .1.2.3‬تصميم الذكاء اﻻصطناعي‬

‫ط قة تصم م الذ اء اﻻصطنا )ش ل ‪:(7‬‬ ‫هناك نوع‬

‫‪ -‬ش ل مركزي‪ :‬مستو من أعصاب الدماغ ال ي )‪ (neuromimetism‬و هذا الن ع من التصم م ت من مهمة‬
‫الخوارزم ة العثور ع الحل اﻷمثل‪ .‬إﻻ أنه غالب اﻷح ان يتلزم اﻷمر ع الخوارزم ة النظر جميع‬
‫اﻹجراءات ﻷن عدد الحلول الممكنة يزداد ش ل أ وفقا لعدد العنا وهذا ما ي د من تعق د عمل ة التعلم‬
‫الذا ش ل كب ]‪ .[38‬المثال المعروف عن هذا الش ل من الذ اء اﻵ هو الش ات العص ة اﻻصطناع ة وع‬
‫رأسها ش ات التعلم العميق الذي عا لسنوات ط لة من اش ال ة محدود ة القدرات الحساب ة لﻶلة س ب‬
‫عدم توافق التطور اﻻل و لﻶلة تصم م أجهزة ق ة الحساب والتخ ن ]‪ .[45‬اﻻ ان اﻻنفجار المشهود‬
‫تص يع مساحات هائلة من مرا ز التخ ن المعلوما ) ‪Data‬‬ ‫حال ا للب انات الضخمة وال سارع‬
‫‪ (Centers‬سمحت عودة ق ة لهذه التقن ة مؤخرا ]‪.[6‬‬

‫‪7‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ش ل ﻻمركزي‪ :‬مستو من المستو من الطب عة والبيولوج ا )‪ (bio inspired intelligence‬ومنها ال ائنات‬ ‫‪-‬‬
‫الح ة ال س طة مثل النمل ح ث ستطيع هذه ال ائنات ال س طة جدا ودون أدمغة معقدة و ط قة شارك ة ان‬
‫تنجز أعماﻻ جد معقدة مثل عمل ات ال حث والتنق ب وصناعة جسور لجلب الغذاء‪ .‬يؤمن احثو هذا الت ار‬
‫العل ان الذ اء ظهر كن جة لتفاعﻼت لجزئ ات م شاركة ول س ط قة حساب ة معقدة مثل ما هو الحال‬
‫الش ل المركزي للذ اء ]‪ .[43‬ان هذه اﻻنظمة قائمة ع ك انات أول ة الب ة لديها القدرة ع متا عة واحد أو‬
‫أ من اﻷهداف الفرد ة أو المش كة‪ .‬المثال المعروف عن هذا الش ل هو اﻻنظمة المتعددة الوحدات ) ‪Multi‬‬
‫‪ (Agent Systems‬المب ة ع تقل د الذ اء اﻻجتما لمجتمعات النمل التأقلم ال ــع والتلقا وكذا‬
‫القا ل ة الفائقة ع التنظ م الذا دون ح م مركزي‪ .‬و أ الذ اء كحاصل لل شارك والتفاعل ب هذه ال انات‬
‫و ب ئتها‪.‬‬

‫ش ل ‪ .7‬طرق تصم م للذ اء اﻻصطنا‬

‫‪ .1.2.3‬فروع الذكاء اﻻصطناعي‬

‫عد دراسة المراجع ال اطلعنا عليها هذا ال حث جمعنا )جدول ‪(1‬ملخص الفروع اﻻساس ة لعلم الذ اء اﻻصطنا‬
‫مع اعطاء وصف وج وأسس ل ف ع وكذا عي ة عن أهم إ جاب اته وسلب اته و عض تطب قاته‪:‬‬

‫‪8‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ع المراجع المدروسة‬ ‫جدول ‪ .1‬أهم فروع الذ اء اﻻصطنا‬

‫مراجع‬ ‫نماذج من‬ ‫عض التطب قات‬ ‫اﻻ جاب ات‬ ‫السﻠب ات‬ ‫اﻻساس‬ ‫الوصف‬ ‫الف ع‬
‫تطب قات‬ ‫الم دان ة‬

‫]‪[36‬‬ ‫‪SE Medical‬‬ ‫أعطت نتائج مستحسنة الطب و البي وك م اء‬ ‫ثق لة جدا‬ ‫ع أساس‬ ‫تقل د‬ ‫النظم الخب ة‬
‫م دان ا ومستعملة ا‬ ‫و ستهلك الذا رة‬ ‫المنطق و‬ ‫‪ (Expert‬المنطق‬
‫حد اﻵن‬ ‫المسندات‬ ‫)‪ Systems‬ال ي‬

‫‪[41] Shirka‬‬ ‫الطب الحيوي وال حث‬ ‫ﻻ تزال ق د اﻻستخدام‬ ‫ﻻ تنطبق ع‬ ‫ع أساس‬ ‫تركز ع‬ ‫تمث ل المعارف‬
‫‪language‬‬ ‫الوثائ وعلوم المكت ات‬ ‫وتعود قوة س ب‬ ‫جميع الس اقات‬ ‫النمذجة‬ ‫الب ئة‬ ‫واﻻستدﻻل‬
‫الب انات الضخمة‬ ‫‪ (Knowledge‬واﻷنطولوج ا‬
‫‪ representation‬والمعرفة‬
‫)‪and reasoning‬‬

‫‪[42] Maple‬‬ ‫الدقيق‬ ‫ال حث العل‬ ‫ﻻ يزال حا ا عدة‬ ‫نموذجة و رمجة‬ ‫ع اساس علم‬ ‫الحساب‬ ‫الحوس‬ ‫الج‬
‫أنظمة خاصة منها تلك‬ ‫صع ة‬ ‫الحاس ة‬ ‫الرمزي الغ‬ ‫) ‪computer‬‬
‫المتعلقة ال امج اﻵل ة‬ ‫رق‬ ‫‪(algebra‬‬
‫المؤتمتة التا عة ل كة‬
‫‪IBM‬‬

‫‪[43] AnyLogic‬‬ ‫اس ات ج ات الحروب‬ ‫تع نتائج ﻻ أس بها‬ ‫أنظمة تفاعل ة‬ ‫ع اساس‬ ‫اﻻنظمة المتأقلمة التغي‬
‫المتطورة و اﻻنظمة‬ ‫اﻻوساط ذات‬ ‫محدودة‬ ‫التحل ل المستمر‬ ‫الدينام‬ ‫ال شارك ة‬
‫الجغراف ة و‬ ‫الﻸ عاد المعقدة مثل‬ ‫للوسط والحاﻻت‬ ‫التلقا‬

‫‪9‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫الجيودينام ك ة و كذلك‬ ‫اﻻنظمة المتعددة‬ ‫عن ط ق‬ ‫حسب‬ ‫) ‪Adaptive‬‬

‫اﻻنظمة المال ة و التداول‬ ‫الوحدات ) ‪Multi‬‬ ‫التفاعﻼت‬ ‫الوسط‬ ‫‪(systems‬‬
‫‪(Agent Systems‬‬ ‫اﻻجتماع ة‬
‫ال شارك ة‬

‫‪[10] Kount‬‬ ‫ق ة جدا وفعالة ا حد أنظمة ال سي اﻻقتصادي‬ ‫تحتاج ا م كب‬ ‫ع اساس الخ ة‬ ‫الت بؤ‬ ‫التعلم اﻻ التلقا‬
‫و اﻻنظمة‬ ‫واﻻس ات‬ ‫كب عندما تتوفر ع‬ ‫من الب انات ل‬ ‫والتأقلم المستمر‬ ‫الحاﻻت‬ ‫) ‪Machine‬‬
‫المؤتمتة التص يع‬ ‫ب انات مكثفة و‬ ‫تصبح فعالة‬ ‫المستق ل ة‬ ‫‪(Learning‬‬
‫صح حة و هذا ما ف‬ ‫وا شاف‬
‫عودة استعمال التعلم‬ ‫الدوافع‬
‫اﻻ قوة مع ظهور‬ ‫الخف ة‬
‫الب انات الضخمة‬ ‫والتص ف‬
‫المعقد‬

‫‪[44] Google‬‬ ‫اﻻنظمة اﻻمن ة و المجال‬ ‫الحاجة اليها ملحة‬ ‫حساسة جدا‬ ‫ع اساس‬ ‫اللغة الفهم‬ ‫معالجة‬
‫‪assistant‬‬ ‫الش ه ط للمعاق و‬ ‫واستعمالها جائز الرغم‬ ‫وخاﺿعة لتطورات‬ ‫اﻻنطولوج ا‬ ‫المعنوي‬ ‫الطب ع ة‬
‫ذوي اﻻحت اجات الخاصة‬ ‫من سلب اتها مثل ما هو‬ ‫اللغة حد ذاتها‬ ‫والدﻻ للغة والقوام س‬ ‫) ‪Natural‬‬
‫الحال أنظمة اﻻمن‬ ‫مع صع ة تف ع‬ ‫الدينام ك ة‬ ‫‪Language‬‬
‫حال ا‬ ‫اللغات ثقاف ا‬ ‫‪(Processing‬‬

‫‪10‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫تفص ﻼ لف ع‬ ‫هذه المقالة تخص ص عرض أ‬ ‫نظرا ﻷهميته المتنام ة خاصة عد التهافت ع الب انات الضخمة ارتأينا‬
‫القسم التا ‪.‬‬ ‫التعلم اﻵ التلقا‬

‫‪ .1.3‬التعلم اﻵلي الذاتي )‪(Machine Learning‬‬

‫عند تقد م قلم صغ ملون )ش ل ‪ (8‬إ طفل عمره ضعة أشهر ونطلق عل ه لمة "قلم رصاص"‪ .‬ثم نرسم خطا قلم‬
‫الرصاص أمامه‪ .‬ثم نكرر هذه العمل ة مرت أو ثﻼث مرات‪ .‬س خلق دماغ الطفل نموذجا دماغه ل ء س "قلم‬
‫رصاص" مع خاص ة أو مهمة "رسم خط"‪ .‬ثم وقت ﻻحق نقدم س جارة إ نفس الطفل‪ .‬الطبع‪ ،‬ﻻ ت دو السجائر مثل‬
‫أقﻼم الرصاص ﻷننا نحن ال الغون ستطيع التمي ب الجسم ‪ ،‬ول ن ال س ة للطفل‪ ،‬فإن دماغه س قرب هذه الس جارة‬
‫إ قلم الرصاص محاولة له لرسم خط‪ .‬هذا المثال صف الض ط آل ة حصول التعلم عند اﻻ سان و ال قوم عليها‬
‫أ ضا م دأ التعلم الذا اﻵ ‪.‬‬

‫ش ل ‪ .8‬تج ة تعلم "قلم الرصاص" عند طفل‬

‫التعلم اﻵ هو مجموعة من تقن ات ال مج ات ال سمح لﻶلة بتكي ف السلوك مع ب ئتها دون تدخل اﻹ سان أو بتدخله‬
‫ش ل جز ]‪ .[10‬تقن ا‪ ،‬هو تصم م خوارزم ات قادرة ع اتخاذ قرارات مستقلة دون برمجة مس قة ]‪ .[3‬و تنقسم‬
‫ا ثﻼث أنواع اس نادا ا تصم ماتها واهدافها )ش ل ‪:(9‬‬

‫التعلم اﻵ الخاﺿع لﻺ اف )‪ :(Supervised Learning‬إذا انت تص فات اﻷش اء محددة سلفا واﻷمثلة‬ ‫‪-‬‬
‫المعروفة‪ ،‬يتعلم النظام التص ف وفقا لنموذج قدمها له المستخدم؛ س هذا التعلم تحت اﻹ اف )أو‬
‫التحل ل التمي ي(‪ .‬و ستخدم حل إش ال ات التص ف )‪ ،(Classification‬واﻻنحدار )‪،(Regression‬‬
‫والتنظ م الذا )‪.[14] (Self-Organization‬‬
‫مثال تطب ‪ :‬وفقا للعوامل المش كة المك شفة مع أعراض المر اﻵخ ن المعروف )اﻷمثلة(‪ ،‬مكن للنظام‬
‫تص ف المر الجدد ﺿوء تحل ﻼتهم الطب ة تقدير المخاطر )اﻻحتمال ة( لتطور هذا المرض أو ذاك‪.‬‬

‫التعلم اﻵ الغ خاﺿع لﻺ اف )‪ :(Unsupervised Learning‬عندما كون لدى المصمم أمثلة فقط‪ ،‬ول ن‬ ‫‪-‬‬
‫ل س لد ه تص فات لﻸش اء مس قا‪ ،‬فإننا نتحدث عن التعلم اﻵ الغ خاﺿع لﻺ اف‪ .‬هذه الحالة ع‬
‫الخوارزم ة أن تك شف بنفسها ب ة الب انات المخف ة ش ل أو خر ل ستخ ج منها التص فات‪ .‬وأشهر‬
‫اﻻش ال ات ال ستد هذا الن ع من التعلم اش ال ة التجميع )‪.[39] (Clustering‬‬
‫مثال تطب ‪ :‬علم دراسة اﻷو ئة الذي يهدف ا دراسة ﺿحا ا طان ال د و حاول إث ات فرﺿ ات‬
‫تفس ة‪ ،‬مكن للحاسوب خوارزم ة التعلم اﻵ الغ خاﺿع لم ف أن م المجموعات المختلفة من نفسه‬
‫و ي طها عوامل تفس ة مختلفة مثل اﻷصول الجغراف ة و الوراثة و العادات و الغذاء و التعرض للعوامل السامة‬
‫و غ ها‪.‬‬

‫التعلم اﻵ المعزز )‪ :(Reinforcement Learning‬خوارزم ة تتعلم السلوك عن ط ق المﻼحظة ثم‬ ‫‪-‬‬

‫خطواتها المستق ل ة ]‪.[23‬‬ ‫التك ف ح ث تعمل ع تل الن جة من ب ئتها فتحاول ط قة مستمرة التحس‬

‫‪11‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫أساس‬ ‫مثال تطب ‪ :‬محا اة اس ات ج ات الحرب ح ث يتعلم الجنود اﻻف اﺿيون الحرات والقرارات ع‬
‫الخسائر أو الم اسب أثناء المعارك المحا اة‪.‬‬

‫ش ل ‪ .9‬طرق تصم م للذ اء اﻻصطنا‬

‫‪ .1.3.1‬لماذا على اﻵلة ان تتعلم؟‬

‫ء ش ل فظيع ح ث ستغرق المرء عقودا ل يتعلم‬ ‫ما نعلم أن اﻹش ال ة الحق قة الواﺿحة التعلم ال ي أنه‬
‫و تخصص مفهوم ما‪ .‬لقد استغرق اﻷمر منا جم عا ستة أعوام فقط ح ن دأ دخول النظام الدرا ‪ ،‬و عد ذلك‬
‫ء ش ل ره ب‪ .‬ﺿف ا ذلك أن‬ ‫علم المعلومات ة مثﻼ‪ .‬لذا فإن الج س ال ي‬ ‫ع ن عاما لنصبح متخصص‬
‫المنظومة تجعلنا نحافظ ع أنظمة تعل م ة اهظة الثمن وط لة اﻷمد من المف ض أن تجعل العمل ات اليوم ة س طة‬
‫وفعالة‪ ،‬ومع ذلك تظل تلك العمل ات طيئة وصع ة‪ .‬لذا فإن التعلم ال ي هو عمل ة ط لة و طيئة‪ .‬وهذا ما دفع‬
‫المختص وﻻزال دفعهم ا ال حث دائما ع التعلم أ ع ط قة و أقل مجهود عن ط ق تصم م نفس طرق التعلم‬
‫لدى اﻵﻻت ال تفوق قدرتها الحساب ة والتخ ة قدرات اﻻ سان اليوم‪ .‬هذا من جهة ومن جهة اخرى من الدافع‬
‫الطلب الشد د عليها من طرف‬ ‫تصم م خوارزم ات ت ب ة ذك ة ال تعت حجر البناء الثا للتعلم اﻵ‬ ‫اﻻسا‬
‫صان القرارات الذين حتاجون ش ل ملح ا الت بؤ سي امورهم سواء ان ذلك اﻻقتصاد او الس اسة أو غ هما‪.‬‬
‫ﻷن أفضل ط قة ﻻتخاذ القرارات ت من التطلع والتخط ط ا المستق ل‪ ،‬ح و ن انت الب انات المتوفرة منقوصة‪.‬‬
‫أفضل مثال ع ذلك هو ما شهده العالم أ ه عند استخدام التعلم الذا الت بؤي سي الحملة اﻻنتخاب ة للرئ س‬
‫السابق اراك او اما )‪.[4] (Barack Obama‬‬ ‫اﻻم‬

‫‪ .4.1‬واقع ومستقبل الذكاء اﻻصطناعي‬

‫ت ن أ توقعات علماء الذ اء اﻻصطنا أنه غضون الع سنوات القادمة سوف تتمكن اﻵلة من أداء ‪ %80‬من المهام‬
‫المتكررة أو الصع ة‪ ،‬و العد د من الحاﻻت س تع عليها اتخاذ خ ارات ل صبح أمر تحد د القواعد اﻷخﻼق ة لﻶﻻت‬
‫سنحاول عرض الواقع الحا للذ اء اﻻصطنا الذي أخذ من جد دا تحت‬ ‫أصعب مهمة يواجهها لﻺ سان‪ .‬ف ما‬
‫ظل الب انات الضخمة التحل ل ة و عدها عض النماذج الح ة لتطب قاته‪.‬‬

‫‪ .4.1.1‬البيانات الضخمة التحليلية )‪(Big Data Analytics‬‬

‫خاص ة التعلم‬ ‫ﻻ شك ان من أ العوائق ال تعيق الذ اء اﻻصطنا هو الب انات المنقوصة ال تعد المش ل اﻻسا‬
‫السنوات اﻷخ ة ]‪ .[45‬لتوﺿيح اﻻمر من‬ ‫والت بؤ الذا و من اﻻش ال ات ال حظ ت اهتمام أ عدد من ال احث‬
‫الجهة التقن ة فان الخوارزم ة المتعلمة تحتاج ا أ عدد من الب انات لض ط سلوكها ل كون ا دقة الت بؤ و لما‬
‫تم توف ب انات لما زادت دقة ]‪ .[39‬عند نقص الب انات المغذ ة تصبح الخوارزم ة ش يهة حل لغز صورة مقطعة‬

‫‪12‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫الظﻼم غ مكتملة تحتاج احتماﻻت لل جيح توقع وتصور ما الصورة‪ .‬ل ن مع اجت اح الب انات الوف ة ودخول ع‬
‫الب انات الضخمة والمكثفة اص حت هذه الخوارزم ات أ ش عا الب انات و ذلك ا دقة و ا كفاءة ل ظهر ت ار جد د‬
‫تحت ظل الذ اء اﻻصطنا س الب انات الضخمة التحل ل ة و الذي هو الحق قة ا سجام ب الخوارزم ات الذك ة‬
‫و الب انات الضخمة ]‪ .[35‬وعادة ما يتم الخلط ب م دان الب انات الضخمة )‪ (Big Data‬الذي يتف ع من علم المعلومات ة‬
‫)‪ (Information Systems‬و الذي ختص بتخ ن و تجميع الب انات و تنظ مها و م دان الب انات الضخمة التحل ل ة‬
‫)‪) (Big Data Analytics‬ش ل ‪ (10‬الذي يتف ع من علم الذ اء اﻻصطنا و الذي ختص بتحل ل م ات هائلة من‬
‫الب انات وتقد م التوص ات و المساعدة للمستخدم بناء ع النتائج‪.‬‬

‫للب انات الضخمة التحل ل ة‬ ‫ش ل ‪ .10‬ش ل نموذ‬

‫ستعرض ف ما‬ ‫و س اق الحد ث عن الب انات الضخمة التحل ل ة كصورة مك ة لمفهوم الذ اء اﻻصطنا المعا‬
‫دراسة موجزة ل عض الحاﻻت التطب ق ة الم دان ة وال لم كتمل انجازها عد‪ .‬سنحاول ش ل غ معمق وصف مستق لها‬
‫ب صع ة التق ل الوسط العام وتعق دات اﻹ شاء التقن ة وكذا أخﻼق ات استخدامها‪.‬‬

‫‪ .4.1.2‬دراسة حاﻻت ميدانية‬

‫الرغم من التهافت العال ع التطب قات الذك ة اﻻ ان الواقع التكنولو ي متحفظا و ؤكد ان اﻻنجازات ال املة و‬
‫المؤتمتة ذات ا ش ل تام ت اد تكون منعدمة ل سجل ا التطب قات سب نجاح ﻻ تتعدى ال ‪ %80‬حسب ما ته‬
‫دراسات ص و استطﻼعات النتائج لمجلة ‪ [46] Gartner‬و الملخص )جدول ‪.(2‬‬

‫حسب ]‪[46‬‬ ‫عض تطب قات الذ اء اﻻصطنا‬ ‫جدول ‪ .2‬سب اﻷتمتة‬
‫التطب قات الموجودة‬ ‫س ة اﻷتمتة‬
‫ال امﻠة‬

‫أجهزة ال مبيوتر ال تتعرف ع أسئلة ال ﻼم واﻹجا ة‬ ‫‪%75‬‬

‫مكن أن تتك ف مع ظروف الطرق وحركة المرور‬ ‫الس ارات ذات ة الق ادة ال‬ ‫‪%65‬‬

‫من ام ات المراق ة‬ ‫ستطيع التعرف ع الوجه وتتعلم التعرف ع المجرم‬ ‫الحواس ب ال‬ ‫‪%80‬‬
‫الف ديو‪.‬‬

‫برامج الحاسوب ال تعرض مواقع ال ب أو اﻹعﻼنات ع المتصفح‬ ‫‪%95‬‬

‫‪13‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫‪.‬‬ ‫شخ ص المر‬ ‫أجهزة ال مبيوتر ال تحلل السجﻼت الطب ة للمساعدة‬ ‫‪%45‬‬

‫مكن استخدامها من ق ل القوات المسلحة‬ ‫الرو وتات القادرة ع اتخاذ قراراتها الخاصة وال‬ ‫‪%35‬‬

‫الرو وتات ال تهتم ك ار السن‬ ‫‪%32‬‬

‫اﻷسهم عن ط ق التك ف مع السوق الما‬ ‫مكن أن س ثمر‬ ‫أجهزة ال مبيوتر ال‬ ‫‪%65‬‬

‫التسويق الذكي )‪(Smart Marketing‬‬

‫فضل تقن ات ال س ق الرق مكن للمتاجر ال ب ة اليوم الت بؤ شأن ز ونة امرأة حامل ف عدل المس مب عاته ﻹﺿافة‬
‫مواد تﻼئم وﺿعيتها قصد رفع مب عاته مثل مﻼ س خاصة ال ساء الحوامل دون معلومات أ عن شهر الحمل أو ج س‬
‫الجن ‪ .‬هذا الن ع من ال س ق الهادف موجود ومستخدم منذ ضع سنوات فضل طاقات الوﻻء لل ائن ال تخزن تار ـ ــخ‬
‫المش ات هذا المتجر‪ .‬ل ن مع الب انات الضخمة التحل ل ة نمر ا حق ة جد دة من الذ اء اﻻصطنا ح ث س تمكن‬
‫المس من الحصول ع معلومات أ عن ج س الطفل وتار ـ ــخ الوﻻدة من خﻼل استخدام الم د من الب انات‪ :‬ب انات‬
‫الفا سبوك )‪ ،(Facebook‬و انات اﻻخت ارات الطب ة‪ ،‬والب انات الوراث ة واﻷصل العر للزوج إ غ ذلك‪ .‬الب انات‬
‫المتوفرة سمح لقسم ال س ق سمح الت بؤ ومعرفة حدي الوﻻدة من أبناء ز ائنها و ذلك التخط ط لرفع مب عاتها ح ث‬
‫أن الم د من الدقة الت بؤ تع حتما تخط طا و سي ا أفضل لذلك‪.‬‬

‫الطائرات الذكية ذاتية التوجيه )‪(Smart Drones‬‬

‫ع متنها تعت من أ اﻷش اء المتصلة ب عا وتداوﻻ الس ت‬ ‫أجهزة الط ان اﻵل ة التح م من دون ط ار و دون‬
‫اﻷخ ت ح ث تعدت المب عات ل التوقعات ارتفاع وصل ا ‪ .%30+‬وتتمكن هذه اﻻجهزة من التحليق ع مسافات‬
‫معت ة مع القدرة ع التص ر وال سج ل واﻻرسال اﻵ للمعلومات و ستخدم الواقع منذ مدة ط لة الم دان‬
‫العسكري ل نها دخلت ساحة اﻻستخدام المد منذ ضع سنوات فقط )ش ل ‪.(11‬‬
‫غالب اﻷح ان لما نذكر طائرات ذات ة التوج ه ن ط استخدامها ﻷغراض س ئة او خط ة التجسس ع س ل المثال‬
‫أو استخدامها كسﻼح ول ن الواقع التطب قات المدن ة الحسنة اﻻغراض تت اثر وتتعدد مع الوقت مثل اﻹسعافات اﻷول ة‬
‫المدن الذك ة‪ ،‬و دارة ال وارث الطب ع ة من خﻼل توف المساعدات اﻹ سان ة اﻵمنة ع ها‪.‬‬ ‫عن عد‪ ،‬أو التح م اﻷم‬
‫واقع التطور الصنا لهذه اﻻجهزة ضع طائرات الج ل اﻷول ال يتم التح م فيها عن عد واجهة المب عات ول ن‬
‫طائرات الج ل الثا ال يتم ش عها التك ف السلو الذا والتعلم والتق ر الذا ﻻزالت تخضع لﻼخت ار مرا ز‬
‫ال حث ح ث يتم تصم م طائرات دون ط ار مخصصة لل وارث الطب ع ة من شأنها أن تكون قادرة ع ا شاف‬
‫اﻷشخاص الذين حتاجون إ المساعدة والذهاب ﻹحضار الطعام والدواء والمساعدة إليهم‪ .‬ول ن هذا له ﻻ يزال‬
‫مرحلة النموذجة والتصم م اﻷو ا حد الساعة‪.‬‬
‫من الجهة اﻻخﻼق ة شهد العالم تأط ا وتقن نا شد دا ﻻستخدام الطائرات الذات ة التوج ه اﻷخص اورو ا ح ث حظر‬
‫استخدامها ﻷغراض س ئة وغ مدن ة مع اﻹشارة ا ان هذه القوان تمس استخدام الطائرة ول س الحوزة عليها‪.‬‬

‫لطائرات ذك ة ذات ة التوج ه‬ ‫ش ل ‪ .11‬ش ل نموذ‬

‫‪14‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫السيارات الذكية ذاتية التوجيه )‪(Waymo Vehicle‬‬

‫الس ارة الذات ة التوج ه والق ادة مرك ة س ع الطرقات ال ة تتمتع القدرة ع الق ادة دون أي تدخل من المستخدم‬
‫ال ي‪ .‬و يهدف هذا اﻻبت ار التكنولو إ تط ر و نتاج س ارات مكنها أن تعمل حقا حركة المرور دون أي تدخل‬
‫ي من اجل حفظ اﻷرواح الطرقات و كذا من اجل تحقيق اهداف اقتصاد ة اللوجس ة و النقل )ش ل ‪.(12‬‬
‫الس ارات الذات ة الق ادة ش ل جز مع سائق ي ع متنها موجودة السوق و ش اﻻستعماﻻت مثل س ارات‬
‫ت سﻼ )‪ (Tesla‬ال عرفت اق اﻻ كب ا الوﻻ ات المتحدة اﻻم ك ة رغم حدوث حادث مرور قاتل لسائق ع متنها عام‬
‫‪ .2016‬ول ن س ارات الج ل اﻻخ الذات ة التح م و ش ل تام ومش عة ح ة التق ر عن ط ق الذ اء اﻻصطنا تتعدى‬
‫قدرات الس ارات وتصنف علم ا مجال الرو وتات المتنقلة ال شارك فيها العد د من الجهات الفاعلة‪ .‬هذا الن ع من‬
‫الرو وتات رغم تضارب العد د من القضا ا التقن ة والقانون ة حوله ﻻزال ق د التج ب ﻷس اب تعق دات تقن ة من جهة‬
‫عقدها‬ ‫حالة حدوث حادث‪ .‬و الرغم من ذلك توصلت كة وا مو )‪ (Waymo‬إ ا جاد حل تج‬ ‫و ش ال ة التام‬
‫ا ة مع متاجر وال مارت )‪ (Wal-Mart‬ح ث عندما ضع أحد ال ائن طل ا ع موقع المتجر تصطح ه س ارة ذات ة إ‬
‫م ان التقاط مش اته‪ .‬و رجح الخ اء وال احثون أن الحوادث ستكون أقل عند تعم م استعمال الس ارات الذك ة ول ن‬
‫ق ل ذلك‪ ،‬ستظل حاجة إ مقا لة العد د من مستخد الطرق اﻵخ ن‪ ،‬ما ذلك السائقون ال ون الذين قودون‬
‫الس ارات ال ﻼس ك ة والمشاة ورا الدراجات مما ي د عوامل المخاطر استخدامها‪.‬‬

‫لس ارات ذك ة ذات ة التوج ه‬ ‫ش ل ‪ .12‬ش ل نموذ‬

‫الواقع المعزز )‪(Augmented Reality‬‬

‫الواقع المعزز هو ترا ب الواقع الم ا الفع مع عنا اخرى اف اﺿ ة مثل اﻷصوات والصور ثنائ ة وثﻼث ة اﻷ عاد وكذا‬
‫مقاطع الف ديو ط قة م سجمة‪ .‬و مكنه ان ذهب ا ا عد من ذلك عن ط ق اﺿافة تصورات تحف ة مثل اللمس‬
‫والمؤثرات السمع ة )ش ل ‪ .(13‬ح اليوم استحوذ مجال تط ر العاب الف ديو ومجال الس نما ع هذا الن ع من‬
‫التكنولوج ا ال لم ترتق عد ا التكنولوج ات الذك ة او المتعلمة تلقائ ا ل ن التطب قات اليوم ال عمل عليها الخ اء‬
‫مرا ز ال حث تتعدى ذلك ا واقع معزز عالم اف ا ذ ستطيع التطور عة وع الم ا عن ط ق قراءة و‬
‫هضم الب انات الواقع ة‪ .‬هذا الن ع من التكنولوج ا ستكون الخوارزم ات قا لة ﻷخذ القرارات ذات ا شك آ والمستف د‬
‫اﻷول س كون الصناعات مثل التصم م والص انة وكذا المجال الط مثل ال شف والجراحة‪.‬‬

‫‪15‬‬
‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‪ :‬تحد جديد للقانون؟" الجزائر‪ 27-26 ،‬نوفمبر ‪2018‬‬

‫ش ل ‪ .13‬أش ال نموذج ة للواقع المعزز‬

‫اﻻنسان اﻻلي البشري صوفيا )‪(Sophia humanoid‬‬

‫صوف ا رو وت ي يتطور اجتماع ا منذ عام ‪ 2016‬قامت بتصم مه كة ها سون رو وتكس )‪(Hanson Robotic‬‬
‫)ش ل ‪ .(14‬ان صوف ا تختلف عن الرو وتات ال ﻼس ك ة انها مش عة خوارزم ات ذك ة تتعلم من مجتمعها الذي‬
‫شل‬ ‫أﺿحت تتطور ف ه و قادرة ع عرض أ من ‪ 50‬تعب ات للوجه ش ل ذا وكذا ت ادل الحد ث مع ال‬
‫طب وتق ر إجا اتها من نفسها‪ .‬تقن ا ستطيع هذا اﻻ سان اﻵ تحل ل اﻷوجه وتحل ل اللغة الطب ع ة لﻺ سان وفهمها‬
‫ا حد ما وكذلك شغ ل عمل ات التص ف الذ ل ك ب اجا ات منطق ة تنافس اجا ات ا سان ي‪ .‬رغم التغط ة‬
‫ال ث فة من ق ل وسائل اﻹعﻼم جميع أنحاء العالم حول مشاركة صوف ا العد د من المقا ﻼت اﻻ ان ال احث و الخ اء‬
‫ذكرون أن اﻷهداف ال س ق ة و اﻻعﻼم ة تفوق الواقع التكنولو و يتحفظون ع اﻻندفاع للظن ان عالم الغد س كون‬
‫مليئا برو وتات مثل صوف ا‪.‬‬

‫صوف ا‬ ‫ﻵل ة اشتغال الرو وت اﻻجتما‬ ‫ش ل ‪ .14‬ش ل نموذ‬

‫‪ .5‬اختتام‪ ,‬مناقشة وتحليل‬

‫ة من اخ ار عن ات‬ ‫رغم التهافت اﻹعﻼ ع الذ اء اﻻصطنا انه وصل ا مست ات عال ة من القدرات الفوق‬
‫حولت ل دها العاملة ا آﻻت وعن خوارزم ات تهزم اﻻط اء شخ صهم لﻸمراض وادعاءات ا تو ان الحاسوب‬
‫قادر ع حل جميع المشا ل و اﻻش ال ات مهما تعقدت اﻻ ان واقع الذ اء اﻻصطنا العل و التق قول غ ذلك‬
‫تماما‪ .‬وﻻ شك ان من أ العوائق امام الذ اء اﻻصطنا اليوم هو إطاره التطب الذي عا صع ة المتا عة التكنولوج ة‬

‫‪16‬‬
 2018 ‫ نوفمبر‬27-26 ،‫ تحد جديد للقانون؟" الجزائر‬:‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‬

‫اﻷوساط‬ ‫تخوفات الراي العام و ح‬ ‫من جهة والتم ل الضخم ال ع د والغ واﺿح اﻻس ثمار من جهة إﺿافة ا‬
.‫عالم اﻻلة غدا‬ ‫اﻷ اد م ة من مستق له الغ واﺿع و خاصة مص ال‬
‫ المطلع ع الم شورات جد أن العلماء هذا مجال ينقسمون ا‬، ‫ف ما خص اﻷوساط اﻷ اد م ة للذ اء اﻻصطنا‬
‫ القسم اﻻول يزعم ان التكنولوج ات الذك ة ش ل فعﻼ تهد دا للج س ال ي وع ال ة تق ل ذلك ما أن‬: ‫قسم‬
‫ ف الرغم من اﻻدلة العلم ة الغ مقنعة ستمر أولئك دفع اﻻبت ارات ش ل مخ ف و ش ل‬.‫الفوائد تتجاوز الت ال ف‬
‫فوق ر ما مؤهﻼت اﻵﻻت نفسها اليوم عن ط ق ﺿخ رؤوس اموال كب ة اﻷ حاث الصناع ة واﻻ اد م ة ح ث ت عم‬
.‫( ال ات الدافعة ا ذلك‬Google, Apple, Facebook, Amazon) ‫مجموعة القافا‬
‫أما القسم الثا فانه م ل ا ال ك ع الحذر والشفاف ة التعامل مع هذه التكنولوج ات و طالب هؤﻻء بتأس س‬
‫هيئة دول ة لمراق ة وتقن ال حث العل واﻻبت ارات هذا المجال وهم مهتمون أ ضا دراسة تحوﻻت سوق العمل‬
‫غ مقنعة ح ث أصدر معهد ماسا شوس س‬ ‫ ول ن هنا أ ضا حتاج ا أدلة واﻷعمال ال حث ة ت‬.‫جراء اﻷتمتة‬
‫(التكنولو دراسة مقارنة ان مخرجها أن عدد الوظائف المدمرة جراء اﻻتمتة تركت مجاﻻ لخلق‬Massachusset)
‫ و ذهبون ا ا عد من ذلك مجزم‬.‫وظائف جد دة مجال اﻻل ات والذ اء اﻻصطنا فوق عددا الوظائف السا قة‬
.‫أن سوق العمال ستعرف عجزا كب ا اختصاصات اﻻحصاء واﻷوتومات ك ات والمعلومات ة‬
‫ومن هذا التحل ل الموجز عن الحالة الواقع ة والت بؤات المستق ل ة لتأث الذ اء اﻻصطنا نظن ان ال ة صدد‬
‫ نظن كذلك ان‬.‫ع ش تحول حت كون ف ه اﻻ سان مستق ﻼ جزء من نظامه ول س مس ا لنظامه ما هو الحال اليوم‬
‫ لنذكر هنا‬.‫نمط المجتمعات ال ة س تبع من جد د ليتجه نحو مجتمعات جد دة متعا شة مع اﻵﻻت ومتوافقة معها‬
‫( وان نت اﻻش اء‬Smart homes) ‫( والمنازل الذك ة‬Smart Cities) ‫ان هذا التحول قد دأ مع المدن الذك ة‬
‫س ب اﻵلة ما ذهب إل ه عض الم الغ‬ ‫ و ذلك س عد حالة تدم مستق ل ة لج س ال‬.(Internet Of Things)
‫ إحداهما نظ ة تأس س علم‬، ‫و س عد أ ضا استقﻼل ة اﻻلة تماما جراء تعلمها و ذات تها ل س ند ا قاعدت أساس ت‬
‫الحوس ة و ال مفادها أنه من المستح ل لﻺ سان ان ضع خوارزم ة مطلقة ﻷنه واﺿعها غ مطلق طب عته و الثان ة أن‬
‫ ل نه غ قادرة‬،‫ فالرو وت قادرة ع التغلب ع أفضل ﻻعب شطرنج العالم‬:‫هناك اختﻼفا جوه ا ب اﻷداء والخلق‬
.‫ع اخ اع القاعدة‬

‫المراجع‬
1. Carmody, F. J. (1952). Les Cahiers de la Pléiade. French Review, 21-31.
2. Carlos, R. C., Kahn, C. E., & Halabi, S. (2018). Data science: big data, machine learning, and artificial intelligence.
Journal of the American College of Radiology, 15(3), 497-498.
3. The Executive Office of the President of the USA (2016). Artificial intelligence, automation, and the economy.
WASHINGTON, D.C. 20502 Report, December 20, 2016.
4. Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., ... & Wang, Y. (2017). Artificial intelligence in healthcare: past,
present and future. Stroke and vascular neurology, 2(4), 230-243.
5. Thomassey, S., & Zeng, X. (2018). Introduction: Artificial Intelligence for Fashion Industry in the Big Data Era. In
Artificial Intelligence for Fashion Industry in the Big Data Era (pp. 1-6). Springer, Singapore.
6. Li, B. H., Hou, B. C., Yu, W. T., Lu, X. B., & Yang, C. W. (2017). Applications of artificial intelligence in intelligent
manufacturing: a review. Frontiers of Information Technology & Electronic Engineering, 18(1), 86-96.
7. Aghion, P., Jones, B. F., & Jones, C. I. (2017). Artificial Intelligence and Economic Growth (No. w23928). National
Bureau of Economic Research.
8. Panesar, K. (2018). Natural language processing (NLP) in Artificial Intelligence (AI): a functional linguistic
perspective.
9. Milgrom, P. R., & Tadelis, S. (2018). How Artificial Intelligence and Machine Learning Can Impact Market Design
(No. w24282). National Bureau of Economic Research.
10. Allen, G., & Chan, T. (2017). Artificial intelligence and national security. Cambridge, MA: Belfer Center for Science
and International Affairs.
11. Gunning, D. (2017). Explainable artificial intelligence (xai). Defense Advanced Research Projects Agency (DARPA),
nd Web.
12. Born, R. (2018). Artificial intelligence: The case against. Routledge.
13. Mullainathan, S., & Spiess, J. (2017). Machine learning: an applied econometric approach. Journal of Economic
Perspectives, 31(2), 87-106.
14. Wisskirchen, G., Biacabe, B. T., Bormann, U., Muntz, A., Niehaus, G., Soler, G. J., & von Brauchitsch, B. (2017).
Artificial intelligence and robotics and their impact on the workplace. IBA Global Employment Institute.

17
View publication stats

2018 ‫ نوفمبر‬27-26 ،‫ تحد جديد للقانون؟" الجزائر‬:‫الملتقﻰ الدولي "الذكاء اﻻصطناعي‬

15. Helbing, D., Frey, B. S., Gigerenzer, G., Hafen, E., Hagner, M., Hofstetter, Y., ... & Zwitter, A. (2019). Will democracy
survive big data and artificial intelligence?. In Towards Digital Enlightenment (pp. 73-98). Springer, Cham.
16. Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile
Networks and Applications, 23(2), 368-375.
17. Verónica Bolón, A. B., Amparo, M., & Sánchez, C. N. (2017). Artificial Intelligence: Foundations, Theory, and
Algorithms Feature Selection for High-Dimensional Data. Springer.
18. Hordri, N. F., Samar, A., Yuhaniz, S. S., & Shamsuddin, S. M. (2017). A systematic literature review on features of
deep learning in big data analytics. International Journal of Advances in Soft Computing & Its Applications, 9(1).
19. Friedman, N. P., Miyake, A., Corley, R. P., Young, S. E., DeFries, J. C., & Hewitt, J. K. (2006). Not all executive
functions are related to intelligence. Psychological science, 17(2), 172-179.
20. Wüstenberg, S., Greiff, S., & Funke, J. (2012). Complex problem solving—More than reasoning?. Intelligence,
40(1), 1-14.
21. Deary, I. J., Penke, L., & Johnson, W. (2010). The neuroscience of human intelligence differences. Nature reviews
neuroscience, 11(3), 201.
22. Barlow, J. B., & Dennis, A. R. (2016). Not as smart as we think: A study of collective intelligence in virtual groups.
Journal of Management Information Systems, 33(3), 684-712.
23. Thorndike, E. (2017). Animal intelligence: Experimental studies. Routledge.
24. Mulgan, G. (2018). Artificial intelligence and collective intelligence: the emergence of a new field. AI & SOCIETY,
1-2.
25. Matzel, L. D., & Sauce, B. (2017). Individual differences: Case studies of rodent and primate intelligence. Journal
of Experimental Psychology: Animal Learning and Cognition, 43(4), 325.
26. Despret, Vinciane. Hans: Le cheval qui savait compter. Empécheurs de penser rond, 2015.
27. Hassabis, Demis. "Artificial Intelligence: Chess match of the century." Nature 544.7651 (2017): 413.
28. Müller, Vincent C., and Nick Bostrom. "Future progress in artificial intelligence: A survey of expert opinion."
Fundamental issues of artificial intelligence. Springer, Cham, 2016. 555-572.
29. George, Frank Honywill. Artificial Intelligence: Its Philosophy and Neural Context. Routledge, 2018.
30. Müller, Vincent C. "Philosophy and theory of artificial intelligence 2017." (2018).
31. Ang, Soon, and Linn Van Dyne. Handbook of cultural intelligence. Routledge, 2015.
32. Abramovitch, Amitai, et al. "Meta-Analysis of Intelligence Quotient (IQ) in Obsessive-Compulsive Disorder."
Neuropsychology review (2017): 1-10.
33. Russell, Stuart J., and Peter Norvig. Artificial intelligence: a modern approach. Malaysia; Pearson Education
Limited,, 2016.
34. Deshpande, Anand, and Manish Kumar. "Artificial Intelligence for Big Data: Complete guide to automating Big
Data solutions using Artificial Intelligence techniques." (2018).
35. Jha, Saurabh, and Eric J. Topol. "Information and artificial intelligence." Journal of the American College of
Radiology15.3 (2018): 509-511.
36. Adeli, Hojjat. Expert systems in construction and structural engineering. CRC Press, 2014.
37. Da Silva, Ivan Nunes, et al. "Artificial neural networks." Cham: Springer International Publishing (2017).
38. Ghahramani, Zoubin. "Probabilistic machine learning and artificial intelligence." Nature 521.7553 (2015): 452.
39. Berk, Richard A. "Support Vector Machines." Statistical Learning from a Regression Perspective. Springer, Cham,
2016. 291-310.
40. Liu, Hu-Chen, et al. "Fuzzy Petri nets for knowledge representation and reasoning: A literature review."
Engineering Applications of Artificial Intelligence 60 (2017): 45-56.
41. Gerdt, Vladimir P., et al. Computer algebra in scientific computing. Springer International Pu, 2016.
42. Miorandi, Daniele, et al. Social collective intelligence. Springer International Pu, 2016.
43. Nirenburg, Sergei, and M. McShane. "Natural language processing." The Oxford Handbook of Cognitive
Science(2016): 337.
44. Schmidhuber, Jürgen. "Deep learning in neural networks: An overview." Neural networks 61 (2015): 85-117.
Gartner Data & Analytics Summit (2017). Great networking event with real world examples and expectations.
Definitely a must for any in the ‘data’ business.. Hilton Sydney, Report, 20 – 21 February, 2017.

18