‫[غالف]‬

‫ﻣﺪﺧﻞ إﻟﻰ‬
‫اﻟﺬﻛﺎء اﻻﺻﻄﻨﺎﻋﻲ‬
‫ّ‬
‫وﺗﻌﻠﻢ اﻵﻟﺔ‬
‫ﻣﺤﻤﺪ ﻟﺤﻠﺢ‬
‫مدخل إلى الذكاء االصطناعي وتعلم اآللة‬
‫تعرف على أهم المفاهيم واألسس التي بني عليها‬

‫مجال الذكاء االصطناعي وتعلم اآللة‬

‫تأليف‬
‫محمد لحلح‬

‫تحرير‬
‫جميل بيلوني‬

‫إخراج فني‬
‫فرج الشامي‬
 ‫أكاديمية حسوب © النسخة األولى ‪2020‬‬

‫مرخص بموجب رخصة المشاع اإلبداعي‪َ :‬نسب ُ‬

‫المصنَّف ‪ -‬غير تجاري‬ ‫هذا العمل َّ‬

‫الترخيص بالمثل ‪ 4.0‬دولي‬

 ‫عن الناشر‬
‫• أ�نتج هذا الكتاب برعاية شركة حسوب وأكاديمية حسوب‪.‬‬

‫•تهــدف أكاديميــة حســوب إلــى توفير مقــاالت ودروس عالية الجــودة حول مجــاالت ُمختلفة وبلغة‬

‫عربية فصيحة‪.‬‬

‫•تقــدم أكاديميــة حســوب دورات شــاملة بجــودة عاليــة عــن تعلــم البرمجــة بأحــدث تقنياتهــا تعتمــد‬

‫علــى التطبيــق العملــي‪ ،‬ممــا يؤهــل الطالــب لدخــول ســوق العمــل بثقــة‪.‬‬

‫مدعمــا باألمثلــة‬
‫ً‬ ‫ً‬
‫شــامل‬ ‫عربيــا‬
‫ً‬ ‫ً‬
‫توثيقــا‬ ‫•تتكامــل األكاديميــة مــع موســوعة حســوب‪ ،‬التــي توفــر‬

‫للغات البرمجة‪.‬‬

‫المســاهمة فــي األكاديميــة مفتــوح لــكل مــن يــرى فــي نفســه القــدرة علــى توفيــر مقــاالت أو‬
‫•بــاب ُ‬
‫كتــب أو مســارات عاليــة الجــودة‪.‬‬

‫•تهــدف حســوب لتطويــر الويــب العربــي وخدمــات اإلنترنــت عــن طريــق توفيــر حلــول عمليــة‬

‫وســهلة االســتخدام لتحديــات مختلفــة تواجــه المســتخدمين فــي العالــم العربــي‪.‬‬

‫•تشــجع حســوب الشــباب العربــي للدخــول إلــى ســوق العمــل عــن بعــد بتوفيرهــا‬
‫ً‬
‫إضافــة إلــى موقــع بعيــد‪ ،‬وكمــا‬ ‫منصــات عربيــة للعمــل عــن بعــد‪ ،‬مســتقل وخمســات؛‬

‫أنهــا توفــر خدمــات للنقاشــات الهادفــة فــي حســوب ‪ I/O‬وخدمــة رفــع الصــور عبــر‬

‫موقع صور‪.‬‬

‫•يعمــل فــي حســوب فريــق شــاب وشــغوف مــن مختلــف الــدول العربيــة‪ .‬ويمكــن معرفــة المزيــد‬

‫عــن شــركة حســوب والخدمــات التــي تقدمهــا بزيــارة موقعهــا‪.‬‬

‫‪5‬‬

‫جدول المحتويات‬

‫‪9‬‬ ‫‪ .1‬إنجازات الذكاء الصنعي‬

‫‪11‬‬ ‫‪ .1 .1‬اإلنجازات في مهام الحياة اليومية‬

‫‪22‬‬ ‫‪ .2 .1‬اإلنجازات في مجال السفر والتجوال‬
‫‪28‬‬ ‫‪ .3 .1‬اإلنجازات في المجال الطبي والخدمات الصحية‬
‫‪38‬‬ ‫‪ .4 .1‬ال حدود إلمكانيات الذكاء الصنعي‬
‫‪39‬‬ ‫‪ .5 .1‬خالصة الفصل‬

‫‪40‬‬ ‫‪ .2‬الذكاء االصطناعي‪ :‬مراحل البدء والتطور واألسس التي نشأ عليها‬
‫‪41‬‬ ‫‪ .1 .2‬القرن التاسع عشر والبدايات‬
‫‪41‬‬ ‫‪ .2 .2‬التحديات الجديدة للرياضيات واآلفاق المستقبلية‬
‫‪43‬‬ ‫‪ .3 .2‬األخطاء في نص أحد المسائل يفتح ً‬
‫آفاقا جديدة‬
‫‪44‬‬ ‫‪ .4 .2‬أول شبكة عصبية اصطناعية‬
‫‪44‬‬ ‫‪ .5 .2‬تكاتف الجهود ومحاولة توحيد المصطلحات‬
‫‪45‬‬ ‫‪ .6 .2‬التطور السريع ألشباه الموصالت‬
‫‪46‬‬ ‫‪ .7 .2‬أسباب حدوث شتاء الذكاء االصطناعي‬
‫‪48‬‬ ‫‪ .8 .2‬الشتاء األول للذكاء االصطناعي ‪1980-1974‬‬
‫‪49‬‬ ‫‪ .9 .2‬فترة االزدهار‬
‫‪50‬‬ ‫‪ .10 .2‬الشتاء الثاني للذكاء االصطناعي ‪1993-1987‬‬
‫‪51‬‬ ‫‪ .11 .2‬عودة الذكاء االصطناعي إلى الساحة‬
‫‪56‬‬ ‫‪ .12 .2‬خالصة الفصل‬
‫‪56‬‬ ‫‪ .13 .2‬مراجع إضافية‬

‫‪57‬‬ ‫‪ .3‬المفاهيم األساسية لتعلم اآللة‬

‫‪60‬‬ ‫‪ .1 .3‬لماذا نريد من اآلالت أن تتعلم؟‬

‫‪61‬‬ ‫‪ .2 .3‬المكونات الرئيسية لتعلم اآللة‬
‫‪6‬‬

‫‪64‬‬ ‫‪ .3 .3‬الفرق بين التعلم (‪ )Learning‬والذكاء (‪)Intelligence‬‬

‫‪67‬‬ ‫‪ .4 .3‬تعلم اآللة التقليدي‬

‫‪77‬‬ ‫‪ .5 .3‬التجميع (‪)Clustering‬‬

‫‪86‬‬ ‫‪ .6 .3‬التعلم المعزز (‪)Reinforcement Learning‬‬

‫‪95‬‬ ‫‪ .7 .3‬الشبكات العصبية (‪ )Neural Networks‬والتعلم العميق (‪)Deep Leaning‬‬

‫‪109‬‬ ‫‪ .8 .3‬خالصة الفصل‬

‫‪109‬‬ ‫‪ .9 .3‬مراجع إضافية‬

‫‪110‬‬ ‫‪ .4‬التحديات الرئيسية وكيفية التوسع في المجال‬

‫‪111‬‬ ‫‪ .1 .4‬كمية غير كافية من بيانات التدريب‬

‫‪113‬‬ ‫‪ .2 .4‬بيانات التدريب المتحيزة‬
‫‪114‬‬ ‫‪ .3 .4‬البيانات ذات جودة ضعيفة‬
‫‪114‬‬ ‫‪ .4 .4‬الميزات التي ال عالقة لها بالموضوع‬
‫‪115‬‬ ‫‪ .5 .4‬فرط تخصيص بيانات التدريب‬
‫‪116‬‬ ‫‪ .6 .4‬قلة تخصيص بيانات التدريب‬
‫‪116‬‬ ‫‪ .7 .4‬عملية االختبار والتحقق‬
‫‪117‬‬ ‫‪ .8 .4‬المفاهيم الضرورية للتوسع بمجال تعلم اآللة‬
‫‪119‬‬ ‫‪ .9 .4‬خالصة الفصل‬
‫‪120‬‬ ‫‪ .10 .4‬مراجع إضافية‬

‫‪121‬‬ ‫‪ .5‬المصادر‬
 ‫تقديم‬

‫ال يخفــى علــى أي متعلــم لمجــال علــوم الحاســوب كثــرة االهتمــام بمجــال الــذكاء االصطناعــي وتعلــم‬

‫اآللــة‪ ،‬وكذلــك األمــر بالنســبة لمســتخدم التقنيــة العــادي الــذي بــات يــرى تطــو ًرا كبيـ ًـرا فــي اآلالت والتقنيــات‬

‫بــدءا مــن المســاعد الصوتــي اآللــي فــي جوالــه وحتــى ســيارته وبقيــة األشــياء الذكيــة‬
‫ً‬ ‫التــي تحيــط بــه‬

‫يومــا بعــد يــوم وتتنافــس كبــرى الشــركات حــول مــن‬

‫المحيطــة بــه‪ .‬تتوالــى االختراعــات واالكتشــافات ً‬
‫يحــرز أكبــر تقــدم ليخطــف األضــواء مــن غيــره‪ ،‬ويتبــادر إلــى ذهنــي إعــان شــركة نيورالينــك األخيــر عــن‬

‫توصلهــا إلمكانيــة زرع شــرائح فــي الدمــاغ لتُ مكِّــن اآللــة أخيـ ًـرا مــن تبــادل التواصــل مــع الدمــاغ مباشــر ًة‪.‬‬
‫ُّ‬
‫ولــم يكــن ليأتــي هــذا التطــور الــذي وصلنــا إليــه فــي مجــال الــذكاء االصطناعــي وتعلــم اآللــة عبثً ــا وإ َّنمــا‬

‫نتيجــة جهــود وأعمــال كبيــرة علــى مــر التاريــخ‪.‬‬

‫ولــد هــذا الكتــاب مــن رحــم كتــاب آخــر ‪ -‬نعمــل علــى ترجمتــه ‪ -‬يشــرح كيفيــة كتابــة مشــاريع واقعيــة‬

‫فــي مجــال تعلــم اآللــة بلغــة بايثــون فــكان ذلــك الكتــاب يَ تطـ َّـرق إلــى مصطلحــات مجــال تعلــم اآللــة دون‬

‫شــرح فتســاءلنا‪ ،‬كيــف يمكــن أن نرمــي القــارئ بوابــل مــن المصطلحــات الجديــدة الصعبــة دون توفيــر شــرح‬

‫فقررنــا آنــذاك العمــل‬

‫خصوصــا مــع نقــص فــي المحتــوى العربــي لشــروحات جيــدة لمفاهيــم تعلــم اآللــة؟ َّ‬
‫ً‬ ‫لهــا‬
‫ً‬
‫أول علــى توفيــر مرجــع يشــرح كل مفاهيــم ومصطلحــات الــذكاء االصطناعــي وتعلــم اآللــة قبــل االنتقــال‬

‫إلــى العمــل علــى الكتــاب اآلخــر‪ ،‬فجــاء هــذا الكتــاب الــذي بيــن يديــك اآلن وسننشــر ذاك الكتــاب العملــي‬

‫مبنيــا عليــه‪.‬‬
‫ثانيــا ً‬
‫ـزءا ً‬
‫اآلخــر بعــده ليكــون جـ ً‬

‫يبــدأ هــذا الكتــاب بعــرض أهميــة الــذكاء االصطناعــي وتعلــم اآللــة عبــر اإلشــارة إلــى المشــاريع‬

‫واإلنجــازات التــي قدَّ مهــا هــذا المجــال إلــى البشــرية حتــى يومنــا هــذا وكيــف أثــرت علــى كل مجــاالت‬
‫‪8‬‬ ‫ميدقت‬

‫حياتنــا اليوميــة‪ .‬ننتقــل بعدهــا إلــى لمحــة تاريخيــة عــن المجــال وكيفيــة والدتــه ومراحــل حياتــه حتــى‬

‫ـذ المعلومــات الدســمة فــي الفصــل الثالــث الــذي يشــرح المصطلحــات المتعلقــة‬
‫يومنــا الحالــي‪ .‬ســتجد بعدئـ ٍ‬
‫بمجــال تعلــم اآللــة ويشــرح أســاليب تعليــم اإلنســان لآللــة واألســس التــي بنيــت عليهــا عمليــات تعليــم اآللــة‪.‬‬

‫أخيــرا عــرض‬
‫ً‬ ‫نعــرض فــي الفصــل األخيــر تحديــات عمليــة تعليــم اآللــة ومــا عالقــة البيانــات فيهــا‪ ،‬ثــم‬

‫خارطــة طريــق ألهــم المفاهيــم التــي يجــب أن تتقنهــا فــي حــال أردت التوســع فــي المجــال وإتقانــه‪.‬‬

‫أرجــو أن نكــون قــد ُوفق َنــا فــي هــذا العمــل لســد ثغــر ًة كبيــر ًة فــي المحتــوى العربــي ‪-‬كمــا خططنــا‬

‫لذلــك‪ -‬الــذي يفتقــر أشــد االفتقــار إلــى محتــوى جيــد ورصيــن فــي مجــال الــذكاء االصطناعــي وتعلــم اآللــة‪.‬‬

‫جميل بيلوني‬
‫‪2020-10-21‬‬
 ‫‪1.‬إنجازات الذكاء الصنعي‬

‫ال يــكاد يمضــي يــوم إال ونســمع فيــه ظهــور اختــراع جديــد مــن هنــا‪ ،‬وقفــزة علميــة مــن هنــاك‪ ،‬أمســت‬

‫التكنولوجيــا عنصـ ًـرا أساسـ ًـيا فــي حياتنــا ُتشــاركنا يومياتنــا وتســاعدنا فــي معظــم أعمالنــا ومهامنــا ســواء‬
‫َّ‬
‫يتجــزأ مــن شــخصيتنا وذواتنــا إلــى درجــة أنــه يصعــب‬ ‫جــزءا ال‬
‫ً‬ ‫الســهلة منهــا أو الصعبــة بــل أصبحــت‬

‫علينــا تخيــل الحيــاة مــن دونهــا‪ .‬لــم يقتصــر األمــر علــى ذلــك فقــط‪ ،‬وإنمــا تعــدى األمــر ألبعــد مــن ذلــك‬
‫ـر ُف عنــا أضعــاف مــا نعرفـ ُ‬
‫ـه عنهــا‪ .‬وفــي حضــرة هــذا االنغمــاس‬ ‫بكثيــر إذ أضحــت هــذه التكنولوجيــا َتعـ ِ‬
‫التقنــي تتالشــى حــدود الخصوصيــة‪ ،‬وتتكســر جــدران التفـ ُّـرد اإلنســاني بقــوة أمــواج التطفــل التكنولوجــي‪،‬‬

‫المعلَــن مفيــدة ولطيفــة إال أن‬

‫مثلــة بتطبيقــات مثــل فيســبوك وغوغــل ‪-‬ومــا شــابههما‪ -‬تراهــا مــن وجههــا ُ‬
‫ُم َّ‬

‫مخفيــا آخــر يصعــب تصديقــه‪ .‬لتتحــول بذلــك جميــع معلوماتنــا وصورنــا واهتماماتنــا وقائمــة‬
‫ً‬ ‫لهــا وجهً ــا‬

‫أصدقائنــا لمجــرد قيــم رقميــة محصــورة بيــن الصفــر أو الواحــد!‬

‫ولكــن دعونــا ال نركــز علــى الجوانــب الســلبية فقــط ولنأخــذ نصــف الــكأس الممتلئــة‪ ،‬فمــن المعيــب‬

‫عــدو محتمــل أو براثــن احتــال فكــري أو اقتصــادي ومــا إلــى ذلــك‪.‬‬

‫ٌ‬ ‫أن نحســب كل تقنيــة علينــا هــي‬
‫وهنــا ســتطفوا أســئلة ال يمكننــا التغاضــي عنهــا أو تجاوزهــا ومــن بيــن هــذه األســئلة‪ ،‬هــل اســتطعنا ً‬
‫حقــا‬
‫االســتفادة مــن ِّ‬
‫كل هــذه التكنولوجيــا؟ هــل طغــت الجوانــب الســلبية للتكنولوجيــا علــى جوانبهــا اإليجابيــة؟‬
‫وإلــى أي مــدى اســتطاعت هــذه التكنولوجيــا أن تســاعدنا؟ وهــل يمكــن لآللــة أن تزيــد مــن ذكائهــا بمــا يُ عـ ٌ‬
‫ـرف‬
‫ُّ‬
‫وتعلــم اآللــة ومــا إلــى ذلــك مــن هــذه المصطلحــات الرنانــة؟ بــل الســؤال األهــم هنــا‬ ‫بتقنيــات الــذكاء الصنعــي‬
‫هــل ً‬
‫حقــا يمكننــا بنــاء الثقــة فــي قراراتهــا واســتنتاجاتها؟ أم أن اآللــة هــي األخــرى تخطــئ مثلمــا يخطــئ‬
‫حاليــا اتحــاد قــوة اآلالت مــع اإلنســان فــي أبهــى َّ‬
‫حلــة لتشــكيل مــا‬ ‫ً‬ ‫أي إنســان؟ وأخيـ ًـرا هــل نحــن نشــهد‬
‫‪10‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫ً‬
‫وبعضــا مــن حقوقــه‬ ‫يُ عـ ُ‬
‫ـرف فــي بعــض األفــام ســايبورغ؟ أم أننــا نشــهد تجريــد اإلنســان مــن خصوصيتــه‬
‫ـة ماديـ ٌ‬
‫ـة بحتــة‬ ‫األساســية وتجميــد أفــكاره وتهميشــها وجعلهــا مجــرد منشــور عابــر تتحكــم فيــه خوارزميـ ٌ‬

‫ُتعلــي مــن قيمــة اإلعجــاب أو التعليــق أكثــر مــن قيمــة المنشــور بحــد ذاتــه أو الفكــرة الكامنــة وراءه؟‬

‫فــي الحقيقــة وعلــى الرغــم مــن كثــرة األخطــار المترتبــة علــى خصوصيــة الفــرد بـ ِّ‬
‫ـكل تقنيــة جديــدة‪،‬‬

‫إال أنــه ال بــدُّ لنــا بــأن نعتــرف أن لهــذه التكنولوجيــا فضـ ًـا كبيـ ًـرا فــي تطــور الكثيــر مــن المجــاالت والعلــوم‬

‫ألشــياء كثيــرة لــم نكــن لنحلــم بهــا‬

‫ً‬ ‫الماديــة والنظريــة وأثرهــا الــذي ســيمتدُ ألجيــال وأجيــال وتحقيقهــا‬
‫ٌ‬
‫وجــه ســيء تتشــارك‬ ‫نتخيلهــا مــن قبــل‪ .‬ومــع هــذه المميــزات الرائعــة ال بــد أن يكــون لهــا وجــه آخــر‬
‫َّ‬ ‫أو‬
‫ٌ‬
‫وجــه نابــع مــن الشــرِّ اإلنســاني‬ ‫بــه هــذه التكنولوجيــا مــع كل االختراعــات القديمــة كانــت أو الحديثــة‬

‫لبســط ســيطرتنا ونفوذنــا علــى أقراننــا مــن البشــر‪ ،‬ومــا هــذه التكنولوجيــا أو التقنيــات‬
‫ِ‬ ‫الموجــود فينــا‬

‫الحديثــة إال مجــرد أدوات جديــدة بإمكانيــات مذهلــة نســتطيع مــن خاللهــا خدمــة البشــرية أو تدميرهــا‪،‬‬

‫وأمــا هــي بحــد ذاتهــا فليــس لهــا أي نيــة خبيثــة للنيــل منــا أو للســيطرة علينــا ففــي نهايــة المطــاف نحــن‬

‫مــن برمجناهــا!‬

‫ُ‬
‫ـنتجاهل‬
‫ـراع جديــد سـ‬
‫ـدر مــن اإلمــكان مــن أي تقنيـ ٍـة أو اختـ ٍ‬
‫وفــي إطــار ســعينا لالســتفادة بأكبــر قـ ٍ‬
‫ُ‬
‫سنســلط الضــوء فــي‬ ‫الجانــب الســلبي وســنحاول التركيــز فقــط علــى الجانــب اإليجابــي‪ .‬ولذلــك‬

‫نســبيا ‪ -‬مــن العلــوم الحديثــة أال وهــو الــذكاء الصنعــي (‪artificial‬‬

‫ً‬ ‫هــذه السلســلة علــى فــرع جديــد ‪-‬‬
‫‪ )intelligence‬وتحديــدً ا ُّ‬
‫تعلــم اآللــة (‪ )machine learning‬لمــا لــه مــن فوائــد كبيــرة وإمكانيــات هائلــة‬

‫حتمــا أكثــر منهــا فــي الســنوات الالحقــة‪ .‬ولكــي‬

‫ً‬ ‫ومذهلــة‪ ،‬والتــي شـ ِـهدناها فــي الســنوات الســابقة وسنشــهدُ‬
‫ُّ‬
‫وتعلــم اآللــة‬ ‫ال ُنطيــل فــي المقدمــات إليكــم أهــم التطبيقــات اإلنجــازات العلميــة والعمليــة للــذكاء الصنعــي‬

‫وكيــف لهــذه التقنيــات أن تســاعدنا فــي مجــاالت حياتنــا اليوميــة‪.‬‬

‫‪11‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 1.‬اإلنجازات في مهام الحياة اليومية‬

‫‪1. 1. 1.‬اكتشاف الكائنات في الصور‬

‫لطالمــا شــاهدنا الســباق المتســارع بيــن الشــركات علــى أتمتــة مهامهــا وخطــوط إنتاجهــا فــي ســعي‬
‫حثيــث منهــا لالعتمــاد علــى اآللــة بـ ً‬
‫ـدل مــن البشــر نظـ ًـرا للفوائــد الكبيــرة التــي ســتجنيها من هــذا االعتمــاد‪ ،‬إذ‬
‫ال تتطلــب اآللــة زيــادة أجــر ســنوية‪ ،‬وال تتذمــر مــن كثــرة العمــل اإلضافــي‪ ،‬بــل مــع ِّ‬
‫كل ذلــك تســتمر بالحفــاظ‬
‫علــى جــودة اإلنتــاج ودقتــه‪ِّ ،‬‬
‫وكل متطلبــات هــذه اآلالت جـ َّـراء مــا تقدمــه هــو عمليــة صيانــة دوريــة بســيطة‬
‫لتســتمر فيهــا بخدمــة تلــك الشــركات‪ .‬إنهــا ً‬
‫حقــا الموظــف المثالــي الــذي يحلــم بــه جميــع أصحــاب المشــاريع‪.‬‬

‫إال أن الــدور الــذي تقدمــه هــذه اآلالت بســيط للغايــة‪ ،‬ويعــود الســبب فــي ذلــك لقصورهــا مــن عــدة نواحــي‬
‫ـاء علــى مــا رأتــه‪ ،‬عــدا‬
‫إذ ال يمكنهــا فهــم أو تمييــز مــا تــراه‪ ،‬وال تســتطيع أن تتخــذ قــرار مــن تلقــاء نفســها بنـ ً‬
‫عــن األســباب األخــرى التــي ال حصــر لهــا التــي تســاعد علــى تشــكل الوعــي لــدى هــذه اآللــة‪ ،‬وقــد الحــظ كثيــر‬

‫مهامــا كثيــرة ال بــد لنــا مــن تطويــر النظــام البصــري الخــاص بــاآلالت‬
‫ً‬ ‫مــن الباحثيــن أنــه إذا أردنــا أن نؤتمــت‬

‫حاليــا بالرؤيــة الحاســوبية)‪.‬‬

‫ً‬ ‫(والــذي يعــرف‬

‫شــهد مجــال الرؤيــة الحاســوبية (‪ )computer vision‬كثيـ ًـرا مــن التطــورات النوعيــة كمــا أضــاف‬

‫الــذكاء الصنعــي المزيــد علــى هــذا التطــور كان مــن أبرزهــا إمكانيتــه فــي أكتشــاف الكائنــات فــي الصــور‪،‬‬

‫ماهيــة مــا تشــاهده‪ .‬إنــه فــي الحقيقــة لشــيئ رائــع أل َّننــا نســتطيع‬
‫َّ‬ ‫أي أن تجعــل اآلالت قــادرة علــى معرفــة‬

‫بذلــك معرفــة تصرفــات هــذا الكائــن‪ ،‬وهــل يقــوى هــذا الكائــن الــذي تــراه اآللــة علــى الحركــة أم أنــه مجــرد‬

‫شــجرة؟ أم أنــه إنســان يســتطيع الحركــة؟ أم أنــه مجــرد آلــة أخــرى؟ وهنــا ال بــدَّ لنــا مــن تغييــر تســمية‬

‫اآللــة إلــى روبــوت ‪-‬إنســان آلــي‪ -‬وذلــك بســبب كميــة الحــواس البشــرية التــي اســتطعنا تزويــده بهــا فلذلــك‬
‫‪12‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫اســتحق هــذه التســمية عــن جــدارة‪ .‬ولكــن كيــف سيســتطيعُ هــذا الروبــوت أن يعــرف أن أمامــه إنســان‬
‫وهــو يــراه مجــرد بكســات تحــوي قيــم لونيــة معينــة؟ فأيــن يبــدأ جســم الكائــن بيــن ّ‬
‫كل هــذه البكســات‬

‫وأيــن ينتهــي؟ ولنفــرض أننــا اســتطعنا أن نجعــل الروبــوت يتعــرف علــى هــذا الكائــن؟ مــاذا لــو غيرنــا حجــم‬

‫الصــورة المدروســة أو ألوانهــا أو درجــة حتــى درجــة ســطوعها هــل يــا ُتــرى سيسـ ُ‬
‫ـتمر هــذا الروبــوت فــي‬

‫تمييــز هــذا الكائــن أم ال؟‬

‫تعتمــد معظــم أنظمــة اكتشــاف الكائنــات فــي الصــور علــى الشــبكات العصبيــة االصطناعيــة ّ‬
‫والتــي‬
‫تحتــوي علــى الكثيــر مــن الطبقــات الداخليــة المخفيــة‪ ،‬وتختــص ّ‬
‫كل طبقــة مــن هــذه الطبقــات بمهمــة‬

‫معينــة‪ ،‬فمثـ ًـا تختــص الطبقــة األولــى بتحديــد الحــواف والهيــاكل الهندســية الخارجيــة للكائــن‪ ،‬ومــن ثـ ّ‬
‫ـم‬
‫ُتمـ ّـر ُر هــذه الطبقــة نتائجهــا إلــى الطبقــة التاليــة‪ّ ،‬‬
‫والتــي تعمــل علــى مســتوى آخــر مــن التفاصيــل‪ ،‬مثــل أن‬
‫تكــون مختصــة بتحديــد األلــوان والتدرجــات اللونيــة ومقارنتهــا بمــا تعلمتــه ومــا تدربــت عليــه سـ ً‬
‫ـابقا‪ ،‬ومــن‬

‫ـم ُتمــرِّ ُر هــي األخــرى نتائجهــا إلــى الطبقــة التاليــة‪ ،‬وهكــذا دواليــك إلــى أن تكتمــل المعلومــات الخاصــة‬
‫ثـ ّ‬
‫بالصــورة‪ ،‬ويصــل النظــام إلــى نتيجــة نهائيــة مــع الطبقــة األخيــرة‪ ،‬وبذلــك يســتطيع تحديــد مــا هــو الكائــن‬

‫الموجــود فــي الصــورة بدقــة معينــة‪.‬‬

‫كانــت شــركة مايكروســوفت مــن أوائــل الشــركات ّالتــي دخلــت‪ 1‬هــذا المجــال وأنجــزت فيــه ولكــن مــا‬

‫لبثــت إلــى أن لحقتهــا جميــع الشــركات‪ ،‬بــل وبعــض الشــركات ســبقتها بمراحــل مثــل شــركة فيســبوك‪ .‬فــي‬

‫يومنــا الحالــي ال يــكاد يخلــو أي روبــوت مــن منظومــة الرؤيــة الحاســوبية بمختلــف تطبيقاتهــا‪ ،‬مــن بينهــا‬

‫مدمجــا بالكاميــرات‬
‫ً‬ ‫نظامــا‬
‫ً‬ ‫نظــام اكتشــاف الكائنــات‪ ،‬ولــم يقتصــر األمــر علــى ذلــك فحســب بــل وأصبحــت‬
‫الحديثــة فــي الهواتــف النّقالــة لننتقــل بذلــك إلــى خطــوة جديــدة متقدمــة فــي عالــم الرؤيــة الحاســوبية‬
‫ومزيــدً ا مــن اإلمكانيــات للروبوتــات والــذي ســيؤدي فــي نهايــة المطــاف إلــى كثــرة االعتمــاد عليهــا مسـ ً‬
‫ـتقبل‪.‬‬
‫‪13‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 1. 2.‬الترجمة بين اللغات‬

‫لطالمــا كان نقــل المعرفــة مــن لغــة إلــى أخــرى عمليــة شــاقة ومجهــدة‪ ،‬وتحتــاج إلــى جيــوش مــن‬
‫المترجميــن والمدققيــن والكتَّ ــاب ً‬
‫أيضــا‪ ،‬ولطالمــا كان حاجــز اللغــة هــو الحاجــز األساســي الموجــود فــي‬

‫جســر التواصــل بيــن الشــعوب‪ ،‬بــل وغال ًبــا مــا يرتبــط عــدد اللغــات المحكيــة فــي دولـ ٍـة مــا بمســتوى انغــاق‬

‫ثقافــة هــذه الدولــة أو انفتاحهــا‪ .‬ولطالمــا حاولــت بعــض الشــركات مثــل غوغــل وفيســبوك فــي تطويــر أنظمة‬

‫الترجمــة فــي إطــار ســعيها لهــدم هــذا الحاجــز‪ ،‬إال أن معظــم هــذه المحــاوالت كانــت خجولــة وال ترتقــي إلــى‬

‫الترجمــة البشــرية‪ .‬ولكــن هــذا الحــال لــم يــدم طويـ ًـا فمــع تقــدم الــذكاء الصنعــي وإمكانياتــه غيــر المحدودة‬

‫فــكان ال بــد مــن هــذه الشــركات مــن إعــادة النظــر فــي الحلــول أ�تيحــت مــن خــال الــذكاء الصنعــي ومحاولــة‬
‫ُّ‬
‫التعلــم العميــق (‪ - )Deep Learning‬وهــي جــزء‬ ‫تعظيــم االســتفادة منهــا‪ .‬وفعـ ًـا كان ذلــك‪ ،‬بفضــل طريقــة‬

‫مــن طــرق تطبيــق الــذكاء الصنعــي ‪ -‬إذ أحدثــت هــذه الطريقــة نقلــة نوعيــة فــي الترجمــة‪.‬‬

‫التعلــم العميــق فــي الترجمــة ّالتــي تقدمهــا عمالقــة اإلنترنــت شــركة غوغــل‬
‫ُّ‬ ‫ســاهم تطبيــق طرائــق‬

‫(التابعــة للشــركة األم ألفابــت) فــي خفــض معــدل الخطــأ بمقــدار ‪ 60%‬بحســب تصريــح الشــركة‪.2‬‬
‫ً‬
‫الحقــا اســم نظــام‬ ‫َ‬
‫أطلــق عليــه‬ ‫كمــا أوضحــت أنهــا ســتعتمدُ علــى هــذه التقنيــة بالكامــل فــي ترجمتهــا‪.‬‬

‫الترجمــة اآلليــة العصبيــة (‪ )Neural Machine Translation system‬ويدعــى اختصــا ًرا ‪NMTS‬‬

‫وصــرح كــوك لــي ‪-‬عالــم حاســوب وأحــد مطــوري نظــام ‪ - NMTS‬أن عمليــات الدخــل والخــرج للنظــام‬

‫بأكملــه تكــون عبــر شــبكة عصبيــة واحــدة‪.‬‬

‫يتعلــم هــذا النظــام الترجمــة مــن خــال تحليــل الترجمــات الموجــودة فــي خطابــات األمــم المتحــدة‬

‫والبرلمــان األوروبــي‪ ،‬وعنــد تمريرهــا عبــر الشــبكة العصبيــة تتعــدَّ ل االتصــاالت الموجــودة بيــن الخاليــا‬
‫‪14‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫العصبيــة االصطناعيــة بهــدف تحســين الترجمــة النهائيــة‪ .‬وهــي تحلــل الجمــل عــن طريــق تقســيم َّ‬
‫كل‬

‫كلمــة فيهــا إلــى أجــزاء مقطعيــة (أجــزاء الكلمــة باللغــة اإلنكليزيــة)‪ ،‬وتتحــد هــذه األجــزاء بطريقــة مــا داخــل‬
‫الشــبكة العصبيــة مشـ ً‬
‫ـكلة المعنــى‪ ،‬وهــي طريقــة مســتمدة مــن طريقــة اكتشــاف الكائنــات فــي الصــور مــن‬

‫خــال تقســيم الصــورة لبكســات وتحليــل هــذه البكســات بطريقــة معقــدة جــدً ا الســتخراج ميــزات معقــدة‬

‫(‪ )complex features‬مثــل الحــواف واألنمــاط الهندســية ومــا إلــى ذلــك‪.‬‬

‫ُّ‬
‫التعلــم العميــق ونجاحــه فــي مســاعدتنا فــي التغلــب‬ ‫يســلط هــذا النجــاح الضــوء علــى أهميــة تقنيــات‬

‫علــى مشــاكل أنظمــة الترجمــة ّالتــي عانينــا منهــا لســنوات‪ .‬ويعتقــد شــميد هوبــر ‪ -‬عالــم حاســوب فــي‬

‫جامعــة لوغانــو ‪ -‬أن اآلالت ستســتطيعُ محــاكاة طريقــة البشــر فــي الترجمــة أو حتــى هزيمتهــم فــي حــال‬

‫تمكنهــا مــن الجمــع بيــن المدخــات الحســية المختلفــة‪ ،‬فمثـ ًـا فــي المســتقبل لــن يــرى الحاســوب جملــة‬

‫ـيتحكم فــي‬
‫ُ‬ ‫ـط تســقط مــن األشــجار‪ ،‬وسـ‬
‫سيشــاهد فيديوهــات لقطـ ٍ‬
‫«ســقطت القطــة مــن الشــجرة» وإنمــا ُ‬
‫روبوتــات آليــة أخــرى يمكنهــا رؤيــة القطــط وســماعها والشــعور باأللــم مــن خــال أجهــزة استشــعار األلــم‪،‬‬

‫لتنقــل هــذه التجــارب إلــى النظــام ويعالجهــا ويربطهــا جميعً ــا بالنصــوص المترجمــة‪.‬‬

‫‪1. 1. 3.‬التحدث بصوت خام وحقيقي‬

‫ـم التفاعــل‬
‫ـم لطالمــا راودنــا لكثيــر مــن الوقــت حلـ ُ‬
‫إن الســماح لألشــخاص بالتحــدث مــع اآلالت هــو حلـ ٌ‬
‫بيــن اإلنســان والحاســوب بالصــوت‪ .‬وعندمــا ظهــرت قــدرة الحواســيب علــى فهــم الــكالم الطبيعــي مــن‬

‫خــال اســتخدام الشــبكات العصبيــة العميقــة (مثــل تقنيــة البحــث مــن خــال الصــوت فــي غوغــل) أحــدث‬

‫ذلــك ثــورة فــي الســنوات القليلــة الماضيــة‪ ،‬إال أن توليــد الــكالم مــن خــال الحاســوب (أو عمليــة تحويــل‬

‫كبيــرا‪ ،‬وذلــك بســبب‬

‫ً‬ ‫النــص إلــى كالم [‪ّ ]text to speech‬‬
‫والتــي تختصــر إلــى ‪ )TTS‬لــم يشــهد تطــو ًرا‬
‫‪15‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫الميــزات التــي يمكــن للمــرء أن يفكــر بهــا‬

‫ضعــف قدرتــه علــى نقــل المشــاعر أثنــاء الــكالم وهــو مــن أجمــل ِّ‬
‫عنــد ســماعه لصــوت طبيعــي‪ ،‬وتكمــن المشــكلة فــي االعتمــاد علــى توليــد الــكالم مــن خــال تقنيــة تحويــل‬

‫النــص إلــى كالم بطريقــة تسلســلية‪ ،‬إذ تعتمــد هــذه التقنيــة علــى تســجيل قاعــدة بيانــات كبيــرة جــدً ا مــن‬

‫ـم إعــادة تركيبهــا لتكويــن كلمــات متكاملــة ممــا‬

‫أجــزاء الــكالم القصيــرة المكونــة مــن ِوحــدة واحــدة‪ ،‬وثـ ّ‬
‫صع ُب مهمــة تعديــل الصــوت بــدون تســجيل قاعــدة بيانــات جديــدة كاملــة وهــذا مــا شــكَّل مشــكلة‬
‫ســي ِّ‬
‫ُ‬
‫حقيقــة فــي هــذا التقنيــة‪.‬‬

‫ولكــن كان لشــركة ديــب ماينــد (المملوكــة مــن ِقبــل شــركة غوغــل) رأي آخــر‪ ،‬إذ اســتطاعت هــذه‬

‫األخيــرة مــن بنــاء نظــام قــادر علــى توليــد صــوت خــام وحقيقــي ليحاكــي أي صــوت بشــري‪ ،‬وبذلــك يكــون‬

‫الصــوت الناتــج عــن هــذا النظــام أفضل مــن أفضل أنظمــة تحويــل النصــوص إلــى كالم (‪)Text-to-Speech‬‬

‫الحاليــة‪ .3‬ممــا يقلــل الفجــوة بيــن أداء صــوت اآللــة والصــوت الطبيعــي بمقــدار ‪.50%‬‬

‫تقدمــا مــن الطــرق القديمــة إذ اعتمــدت علــى‬

‫ً‬ ‫أن الطريقــة التــي اتبعتهــا شــركة ديــب ماينــد كانــت أكثــر‬

‫علــى نمذجــة الصــوت الخــام‪ ،‬وهــو أمــر لطالمــا تجنبــه الباحثــون فــي هــذا المجــال بســبب ســرعة تدفــق‬

‫الــكالم (عــادة ‪ 16000‬عينــة فــي الثانيــة أو أكثــر)‪.‬‬

‫كمــا أنهــا اعتمــد علــى الشــبكات العصبيــة التالفيفيــة بالكامــل (‪Fully Convolutional Neural‬‬

‫‪ .)Network‬ومــن أجــل اســتخدام الصــوت الــذي يولــده نظــام ‪ WaveNet‬كان ال بــد مــن تحويــل النــص إلى‬
‫الميــزات اللغويــة والصوتيــة ّ‬
‫(التــي تحتــوي علــى معلومــات حــول‬ ‫كالم‪ ،‬إذ تحــول النصــوص إلــى سلســلة مــن ِّ‬
‫الصــوت الحالــي‪ ،‬والمقطــع اللفظــي‪ ،‬والكلمــة‪ ،‬ومــا إلــى ذلــك مــن مميــزات الكلمــات بحســب اللغــة) وتدخـ ُـل‬

‫هــذه المعلومــات إلــى نظــام ‪ .WaveNet‬وبالتالــي إن تنبــؤات الشــبكة ليســت مشــروطة فقــط بالعينــات‬

‫الصوتيــة الســابقة‪ ،‬وإنمــا بالنــص الــذي نريــد أن تنطقــه‪ .‬كمــا أن هــذا النظــام اســتطاع توليــد ميــزات إضافيــة‬

‫للصــوت مثــل‪ :‬التنفــس أثنــاء الحديــث‪ ،‬ومحــاكاة حــركات الفــم ممــا يعطــي مرونــة أكبــر لنمــوذج الصــوت‬
‫الخــام بــل وحتــى ً‬
‫أيضــا يمكنــه محــاكاة اللهجــات واللكنــات والعواطــف‪.‬‬

‫يفتــح نظــام ‪ WaveNets‬الكثيــر مــن الفــرص واألفــكار حــول طريقــة اســتغالل هــذه التقنيــة لتحقيــق‬

‫أيضــا‪ ،‬فمثـ ًـا إن فكــرة‬

‫أقصــى درجــة مــن االســتفادة الماليــة للشــركات الكبيــرة وحتــى للشــركات الناشــئة ً‬

‫اســتبدال المعلقيــن الصوتييــن (‪ )Voice Over‬بنظرائهــم اآللييــن ســتكون فكــرة رائعة ومســتدامة ومســتقرة‬

‫أكثــر مــن اســتئجار معلقيــن بشــريين‪ ،‬أو ميــزة قــراءة األخبــار لبعــض األشــخاص ّالذيــن يعانــون مــن عســر‬

‫القــراءة أو لألشــخاص المشــغولين بقيــادة الســيارة أو للنســاء المشــغوالت باألعمــال المنزليــة‪ ،‬كمــا يمكننــا‬
‫‪16‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫لغــات جديــدة ليحاكــي طريقــة النطــق‬

‫ٍ‬ ‫أيضــا لقــراءة النصــوص لألشــخاص ّالذيــن يتعلمــون‬
‫اســتخدامها ً‬
‫ً‬
‫مضيفــا بذلــك ســهولة ملحوظــة برحلــة التعلــم ونقطــة إضافيــة فــي رصيــد هــذا النظــام‪ .‬وبذلــك‬ ‫البشــري‬

‫ـاب جديــدٌ للشــركات بخفــض تكاليفهــا‪ ،‬وزيــادة شــعبيتها‪ ،‬وتعظيــم إيراداتهــا وهــو الهــدف الرئيســي‬
‫ـيفتح بـ ٌ‬
‫ُ‬ ‫سـ‬
‫والمشــترك لـ ِّ‬
‫ـكل الشــركات‪.‬‬

‫‪1. 1. 4.‬التعرف على المشاعر من خالل الصوت‬

‫مــع تزايــد األجهــزة القابلــة لالرتــداء وانتشــار «إنترنــت األشــياء» (‪ ،)Internet of Things‬وحقيقــة‬
‫أن الهواتــف المحمولــة أصبحــت مــن األمــور األساســية لـ ِّ‬
‫ـكل شــخص‪ ،‬واالنتشــار المتزايــد لمختلــف األجهــزة‬

‫األخــرى ّالتــي تســتطيع التواصــل مــع البشــر مــن خــال الصــوت‪ ،‬كالمســاعدين الشــخصيين فــي الهواتــف‬
‫مثــل‪ :‬المســاعد الشــخصي ســيري (‪ )Siri‬الخــاص بأجهــزة أبل‪ ،‬والمســاعد الشــخصي أليكســا (‪ )Alexa‬الخاص‬
‫بأجهــزة أمــازون‪ ،‬والمســاعد الشــخصي كورتانــا (‪ )Cortana‬الخــاص بأجهــزة مايكروســوفت‪ ،‬فــكان ال بــدّ‬

‫مــن جعــل األنظمــة الصوتيــة أذكــى ليــس فقــط علــى مســتوى فهــم الــكالم المنطــوق فحســب؛ وإنمــا لفهــم‬

‫المشــاعر المترابطــة مــع هــذا الــكالم لكــي تســتطيع تحليــل ردات فعــل مــن تتحــدث معــه وقياســها ومعرفــة‬
‫مــا هــو التصــرف الصحيــح المناســب لـ ّ‬
‫ـكل ردة فعــل وبنــاء أنظمــة ذكيــة تســتفيد مــن ذلــك‪.‬‬

‫تســابقت العديــد مــن الشــركات للدخــول فــي هــذا المجــال وكان أبرزهــا شــركة إمبــاث (‪)Empath‬‬

‫اليابانيــة وشــركة أمــازون األمريكيــة وشــركة ‪ Affectiva‬األمريكيــة المنبثقــة مــن معهــد ماساتشوســتس‬

‫للتكنولوجيــا‪ ،‬واســتطاعت هــذه األخيــرة إطــاق شــبكة عصبيــة قــادرة علــى تحليــل الغضــب مــن البيانــات‬

‫الصوتيــة فــي أقــل مــن ‪ 1.2‬ثانيــة متجــاوزة بذلــك قــدرة البشــر علــى إدراك الغضــب مــن الصــوت وســمي‬
‫ً‬
‫الحقــا ‪SoundNet‬‏‪.4‬‬ ‫هــذا النظــام‬
‫‪17‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫يعتمــد هــذا النظــام علــى الشــبكات العصبيــة التالفيفيــة بالكامــل (‪Fully Convolutional Neural‬‬

‫‪ )Networks‬لتصنيــف األصــوات مــن خــال تحليــل التغيــرات فــي تماثــل الــكالم ونبــرة الصــوت وإيقاعــه‬

‫وجودتــه لتمييــز حــاالت الــكالم والمشــاعر وجنــس المتكلــم‪.‬‬

‫إن العناصــر األساســية والمعياريــة المتبعــة فــي هــذا النظــام هــو القــدرة علــى تمكيــن التطبيقــات‬

‫واألجهــزة إلدراك مشــاعر البشــر فــي الزمــن الحقيقــي (‪ )Real-time‬للحــدث‪.‬‬

‫إن التطبيقــات العمليــة كثيــرة لمثــل هــذه األنظمــة إذ يمكنهــا مســاعدتنا فــي اكتشــاف العالمــات‬

‫المبكــرة للخــرف أو النوبــات القلبيــة‪ ،‬وإمكانيــة جعــل المســاعدين الشــخصيين أكثــر جاذبيــة واســتجابة‬

‫بمعرفتهــا مشــاعر للمتحــدث‪ ،‬ومــن خــال تعلــم هــذه األنظمــة مــن أخطائهــا ســتضيف بذلــك ميــزة جميلــة‬

‫أرى فــي رصيــد هــذه األنظمــة‪ ،‬كمــا يمكــن لهــذه األنظمــة مســاعدة مندوبــي خدمــة العمــاء فــي معرفــة‬
‫مشــاعر الزبائــن بــل إن شــركة ‪ Empath‬اختبــرت ذلــك إذ نشــرت خدماتهــا فــي مراكــز خدمــة العمــاء (‪call‬‬

‫‪ )centers‬وصرحــت الشــركة بأنهــا َّ‬

‫خفضــت بهــذه التقنيــة وقــت العمــل اإلضافــي للعامليــن فــي المركــز‬
‫ّ‬
‫‪-‬والــذي يشــير إلــى معــدل تحــول‬ ‫بمقــدار ‪ 20%‬مــع تعزيــز معــدل تحويــل المبيعــات (‪)Sales Conversion‬‬

‫الــزوار أو العمــاء المحتمليــن إلــى عمــاء حقيقييــن‪ -‬بمقــدار يقــارب ‪ ،400%‬كمــا أن شــركة إمبــاث دخلــت‬

‫فــي شــراكة مــع شــركة األلعــاب بوكــو (‪ )Bocco‬إلنشــاء رســائل متحركــة تفاعليــة للكشــف عــن مشــاعر‬

‫أيضــا فــي شــراكة أخــرى مــع شــركة يوتــاكا (‪ )Utaka‬إلنتــاج‬

‫الالعبيــن األطفــال‪ ،‬كمــا دخلــت نفــس الشــركة ً‬

‫مصبــاح يتــدرج ألوانــه بطريقــة تتوافــق مــع المشــاعر األشــخاص‪.‬‬

‫علــى الرغــم مــن هــذا التقــدم الحاصــل فــي هــذا المجــال إال أنــه مــا تــزال اآلالت تواجــه صعوبــة فــي‬

‫أي نظــام آلــي إلــى مســتوى أداء المتخصصيــن البشــر‬ ‫الكشــف عــن المشــاعر الحقيقيــة بدقــة عاليــة ولــم يـ َ‬
‫ـرق ّ‬
‫فــي اكتشــاف جميــع المشــاعر اإلنســانية‪ ،‬إال أنــه وبــكل األحــوال مهمــا تكــن الخطــوة التاليــة لهــذه التقنيــة‬
‫ً‬
‫فوفقــا لدراســة نشــرتها شــركة األبحــاث ‪ Allied Market Research‬يمكــن أن‬ ‫فحتمــا ســتكون مثمــرة‬
‫ً‬
‫تصــل قيمــة هــذا الســوق إلــى ‪ 33.9‬مليــار دوالر علــى مســتوى العالــم فــي عــام ‪ 2023‬مدفوعً ــا بارتفــاع‬

‫شــعبية األجهــزة المــدارة بالصــوت‪.5‬‬

‫‪18‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 1. 5.‬التعرف على المشاعر من خالل الصور‬

‫ـزءا مــن حياتنــا وســاعدتنا كثيـ ًـرا فــي مجــال الحمايــة واآلمــن‪،‬‬
‫كانــت الكاميــرات لســنوات عديــدة جـ ً‬
‫وال زالــت حتــى اآلن تســاعدنا‪ .‬إذ يمكننــا مــن خاللهــا مراقبــة الموظفيــن فــي الشــركة‪ ،‬ومراقبــة المصانــع‬

‫لحمايتهــا مــن الســارقين‪ ،‬ورصــد المخالفــات المروريــة فــي الطرقــات‪ ،‬ومراقبــة المنــزل أثنــاء غيــاب‬

‫أصحابــه‪ ،‬ومراقبــة المــدارس‪ ،‬والعديــد مــن االســتخدامات األخــرى المفيــدة جــدً ا لهــذه التقنيــة‪ ،‬ولكــن بعــد‬

‫بــزوغ عصــر الــذكاء الصنعــي لوحــظ أن هــذا المنجــم الذهبــي مــن المعلومــات القــادم مــن هــذه الكاميــرات‬

‫والمتــاح منــذ عشــرات الســنين لــم يســتثمر علــى النحــو الصحيــح مــن أجــل تحقيــق أقصــى اســتفادة منــه‪،‬‬
‫وهنــا تضافــرت الجهــود لتعزيــز دور تقنيــات الــذكاء الصنعــي وتحديــدً ا ُّ‬
‫تعلــم اآللــة ولســد هــذه الفجــوة مــن‬

‫خــال تحليــل مــا تشــاهده هــذه اآلالت بنفســها واســتخالص المعلومــات المفيــدة والمهمــة‪ ،‬والتــي نســتطيع‬

‫مــن خاللهــا دعــم عمليــة اتخــاذ القــرار باالعتمــاد علــى األدلــة المناســبة‪.‬‬

‫وبمــا إن قــدرة ّ‬
‫تعلــم اآللــة تعــدت عــن كونهــا قــادرة علــى اكتشــاف الكائنــات فــي الصــور بــل تجــاوزت‬

‫الحــدود وأصبحــت قــادرة علــى رصــد مشــاعر النــاس‪ .‬علــى الرغــم مــن أنهــا ليســت قــادرة علــى رصــد‬

‫المشــاعر بدقــة ممتــازة‪ ،‬إال أن دقتهــا معقولــة ومنطقيــة إذا اعتبرنــا أنهــا مجــرد البدايــة فــي هــذا المجــال‬

‫“مجــال اكتشــاف ورصــد المشــاعر مــن خــال الصــور”‪ ،‬تعتمــد معظــم هــذه النظــم فــي عملهــا علــى‬

‫خوارزميــات تتعــرف علــى تفاصيــل الوجــه مــن العينيــن والحاجبيــن إلــى الشــفاه والعضــات المرتبطــة‬

‫بهــا ثــم تنشــئ خوارزميــة قــادرة علــى التنبــؤ بمــا تعنيــه تعابيــر الوجــه المختلفــة وذلــك بحســب تفاصيــل‬
‫الوجــوه الخاصــة بـ ّ‬
‫ـكل ِعــرق معيــن‪ .‬إذ تســتطيع هــذه الخوارزميــات تعلــم شــعور اإلنســان بالفــرح مــن خــال‬
‫مشــاهدة مالييــن األشــخاص يضحكــون بطــرق مختلفــة ومــع تحليــل ّ‬
‫كل صــورة مــن هــذه الصــور علــى حدة‬
‫‪19‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫تســتطيع هــذه الخوارزميــات أن تصــل الســتنتاج قريــب جــدً ا مــن الحقيقــة‪ ،‬بــل وأحيا ًنــا تصــل إلــى الحقيقــة‬

‫الكاملــة لمشــاعر الشــخص‪.‬‬

‫نظــام اكتشــاف المشــاعر أقــوى وأدق وال يحلــل الصــور فقــط‪ ،‬وإنما جميع هــذه المعلومات اســتخلصت‬

‫مــن خــال تحليــل الصــور فقــط فمــا بالــك إذا كان النظــام يحلــل الصــوت والصــورة ليصبــح بذلــك مشــهدً ا‬
‫متكامـ ًـا لــدى الخوارزميــات تترابــط فيــه ّ‬
‫كل التفاصيــل لنصــل فــي نهايــة األمــر الســتنتاجات أكثــر دقــة‬
‫وموثوقيــة بمشــاعر الفــرح أو الحــزن‪ّ ،‬‬
‫والتــي اســتطعنا تحقيقهــا بفضــل خوارزميــات التعلــم العميــق‪ .‬ولكــن‬

‫هــل حــدث ذلــك فعـ ًـا؟ هــل اســتطاعت إحــدى الشــركات أن تطبــق هــذا األمــر؟ فــي الحقيقــة نعم اســتطاعت‬

‫تطبيقهــا وأيَّ مــا تطبيــق فهــا هــي الدكتــور رنــا القليوبــي ‪-‬حاصلــة علــى دكتــوراه علــوم الحاســب مــن جامعــة‬

‫كامبريــدج‪ -‬تطـ ُـل علينــا بتأسيســها مــع مجموعــة مــن األشــخاص مــن معهــد ماساتشوســتس للتكنولوجيــا‬
‫شــركة ناشــئة ســمتها أفكتيفــا (‪ّ )Affectiva‬‬
‫والتــي تقــدم خدمــات الكشــف عــن المشــاعر مــن خــال الصــوت‬

‫لمصطلــح الــذكاء العاطفــي االصطناعــي‪.‬‬

‫ـوقت ُ‬
‫والصــورة وهــي مــن أول مــن سـ َّ‬

‫َّ‬
‫المرشــحة وغيــر المنحــازة باســتخدام مستشــعر‬ ‫تقيــس أنظمــة هــذه الشــركة تعابيــر الوجــه غيــر‬

‫وب قياســية‪ ،‬إذ تحــدد فــي البدايــة جنــس هــذا الوجــه ســواء فــي الصــور أو‬
‫ضوئــي أو بمجــرد كاميــرات ِ‬
‫الفيديــو وتحــدد الخوارزميــات المعتمــدة بصــورة رئيســية علــى مجــال الرؤيــة الحاســوبية معالــم الوجــه‬
‫ّ‬
‫التعلــم العميــق‬ ‫الرئيســية‪ ،‬مثــل‪ :‬زوايــا الحواجــب وأطــراف األنــف وزوايــا الفــم‪ ،‬ومــن ثــم تحلــل خوارزميــات‬

‫ِوحــدات البكســل فــي الصــور عنــد تلــك المناطــق لتصنيــف تعابيــر الوجــه ومعرفــة مــا هــو الشــعور األنســب‬

‫لهــذا التعبيــرات‪ .‬وتقيــس ‪ 7‬أنــواع فريــدة للمشــاعر وهــي‪ :‬الغضــب واالزدراء واالشــمئزاز والخــوف والفــرح‬
‫والحــزن والمفاجــأة‪ .‬وتتــدرب هــذه الخوارزميــات علــى قاعــدة بيانــات كبيــرة جــدً ا تصــل إلــى ‪ 6‬مالييــن‬
‫صــورة مــن ‪ 87‬دولــة ُمقدمـ ً‬
‫ـة بذلــك مقاييــس دقـ ٍـة تصــل إلــى ‪ 90%‬بحســب التصريــح الرســمي للشــركة (زر‬

‫الموقــع الرســمي لمزيــد مــن التفاصيــل)‪.‬‬

‫وصلــت قيمــة االســتثمارات الحاليــة فــي الشــركة إلــى ‪ 26‬مليــون دوالر مــع تســجيل أكثــر مــن‬

‫‪ 7‬بــراءات اختــراع غيــر أن هــذه الشــركة ليســت الوحيــدة فــي هــذا المضمــار وإنمــا هنالــك العديــد مــن‬
‫ً‬
‫الحقــا شــركة آبــل وشــركة‬ ‫الشــركات األخــرى مثــل‪ :‬شــركة إيموتينــت (‪ )Emotient‬والتــي اســتحوذت عليهــا‬

‫أيضــا مــن ِقبــل شــركة نيلســن (‪ ،)Nielsen‬ويبقى‬

‫إنرســكوب (‪ )Innerscope‬وهــي األخــرى اســتحوذ عليهــا ً‬

‫جمــة وتطبيقــات تعــزز مــن‬

‫هــذا المجــال واعــدً ا للعديــد مــن شــركات التســويق والدعايــة لمــا لــه مــن فوائــد َّ‬
‫المخطــط لهــا‪.‬‬
‫قيمــة اإلعالنــات وإمكانيــات وصولهــا إلــى الجمهــور بالطريقــة ُ‬
‫‪20‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 1. 6.‬اختيار جزء من فقرة تجيب على سؤالك‬

‫فــي ظــل الزخــم الهائــل والمتواصــل مــن المعلومــات المنتشــرة فــي جميــع األنــواع مــن المواقــع‬
‫ـواء المواقــع التعليميــة أو المدونــات أو حتــى فــي مواقــع التواصــل االجتماعي‪.‬‬
‫الموجــودة علــى اإلنترنــت سـ ً‬
‫وفــي كثيــر مــن األوقــات نجــد أن عمليــة البحــث علــى المعلومــة الصحيحــة والدقيقــة والمناســبة أصبــح‬

‫كمــن يبحــث عــن إبــرة فــي كومــة مــن القــش‪ ،‬وفــي ظــل هــذا الكــم الهائــل مــن المعلومــات تتالشــى أي‬

‫قيمــة للوقــت فتصبــح رحلــة البحــث عــن إجابــة لســؤال معيــن رحلــة مليئــة بمعلومــات – لــن نقــول أنهــا‬

‫ضــارة ولكنهــا غيــر مفيــدة فــي الوقــت الحالــي – وغال ًبــا مــا نشــاهد جميــع المواقــع تحــاول بشــتى الطــرق‬

‫تمامــا مــا تحبــه وتكرهــه أكثــر‬

‫تشــتيت تركيــزك وتشــدك لالنغمــاس فــي منجــم المعلومــات بــل وهــي تفهــم ً‬
‫مــن معظــم األشــخاص ّالذيــن تعرفــت عليهــم خــال حياتــك وذلــك فقــط مــن خــال خوارزمياتهــا (كمــا تفعــل‬

‫شــركة فيســبوك)‪ .‬كمــا أنهــا تعــرف بالضبــط كيــف ُتشــد انتباهــك وتحــرك مشــاعرك فــي محاولــة منهــا إلشــباع‬

‫فضولــك ّالــذي ال يعــرف الشــبع‪.‬‬

‫وفــي حضــرة هــذه األحــداث تتنامــى الحاجــة الملحــة لإلجابــة علــى األســئلة بأقصــر مــدة زمنيــة‬

‫وبدقــة عاليــة أو مقبولــة وبســهولة معقولــة وهنــا جــاءت شــركة غوغــل لتقــدم لنــا الحلــول‪ ،‬ولتعطينــا اإلجابة‬

‫ـق مــن ذهــب‪ .6‬هــل صــدف وأن ســألت محــرك البحــث غوغــل عــن أمــر مــا وجاءك‬
‫المناســبة للســؤال علــى طبـ ٍ‬
‫بمقطــع مــن مقالــة معينــة تجيبــك عــن هــذا الســؤال بالضبــط؟ كيــف حــدث ذلــك؟ هــل وظفــت شــركة غوغــل‬
‫أحــد األشــخاص ُليحــدد مــا هــي الفقــرة المناســبة التــي تجيــب ســؤالك؟ بالتأكيــد ال‪ً ،‬‬
‫إذا كيــف لهــا معرفــة‬
‫ذلــك؟ ببســاطة أنهــا مــن ِفعــل الشــبكات العصبيــة االصطناعيــة العميقــة ‪-‬وهــي إحــدى طــرق ّ‬
‫تعلــم اآللــة‪-‬‬ ‫ِ‬
‫ذات صلــة بالموضــوع‬ ‫ً‬
‫بــدل مــن عرضهــا لنتائــج ُ‬ ‫إذ عمــدت الشــركة علــى عــرض اإلجابــات المناســبة لــك‬

‫فقــط‪ .‬مختصــر ًة بذلــك الوقــت ومضيفــة لهــا ميــزة جديــدة تزيــد مــن إعجابــك بهــا أكثــر مــن ذي قبــل‪.‬‬
‫‪21‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫تعتمــد هــذه الطريقــة علــى تدريــب الشــبكات العصبيــة االصطناعيــة العميقــة مــن خــال خوارزميــة‬

‫تدعــى خوارزميــات ضغــط الجمــل (‪ .7)Sentence Compression Algorithms‬علــى الرغــم مــن كــون‬

‫ـبيا‪ -‬علــى اإلنســان إال أن‬

‫اإلجابــة عــن األســئلة المباشــرة إجابــة مباشــرة ودقيقــة مــن المهــام الســهلة ‪-‬نسـ ً‬
‫األمــر معقــد جــدً ا مــن وجهــة نظــر الخوارزميــات‪ ،‬إذ ال بــدّ لهــا فــي البدايــة مــن فهــم اللغــة الطبيعيــة للســؤال‬

‫فهمــا كامـ ًـا باإلضافــة إلــى فهــم الــكالم الطبيعــي العامــي إليجــاد الــرد المناســب مهمــا َّ‬
‫تغيــرت الصياغــة‪.‬‬ ‫ً‬

‫الموجــه‪ .‬إذ ال بــدّ للبشــر فــي البدايــة مــن‬

‫َّ‬ ‫ـم الشــبكات العصبيــة االصطناعيــة مــن خــال التعلــم‬
‫تتعلـ ُ‬
‫ً‬
‫الحقــا قاعــدة بيانــات ال بــأس‬ ‫تحديــد كيــف يمكــن أن يُ قتطــع الجــواب مــن مقــال أو بحــث معيــن‪ ،‬لتتشــكل‬
‫ُّ‬
‫التعلــم الخاصــة بالشــبكات العصبيــة‪ ،‬لــذا عمــدت شــركة غوغــل علــى توظيــف‬ ‫بهــا تعتمــد عليهــا خوارزميــات‬
‫فريــق مــن اللغوييــن ّ‬
‫(الذيــن يســمونهم ‪ )Pygmalion‬قوامــه أكثــر مــن ‪ 100‬لغــوي مــن جميــع أنحــاء‬

‫العالــم يتحدثــون أكثــر مــن ‪ 30‬لغــة مختلفــة‪ ،‬ويحــاول هــذا الفريــق تصنيــف أجــزاء معينــة مــن الــكالم‬

‫بطريقــة دقيقــة ليســاعدوا الخوارزميــات علــى فهــم كيــف تعمــل اللغــات البشــرية مــن أجــل أن تتمكــن هــذه‬

‫تمامــا مــا تصبــو إليــه شــركة‬

‫الخوارزميــات فــي نهايــة المطــاف مــن اســتخراج األجوبــة بمفردهــا‪ ،‬وهــذا ً‬
‫الموجــه‪.‬‬
‫َّ‬ ‫ّ‬
‫التعلــم غيــر‬ ‫غوغــل وهــو أن تجعــل هــذه الخوارزميــات تعمــل بمفردهــا أي بطريقــة‬

‫ولكــن الســؤال المشــروع هنــا مــاذا لــو أضيــف هــذه الميــزة إلــى جميــع حقــول البحــث الموجــودة‬
‫ببعــض المواقــع ّالتــي نثــق ً‬
‫حقــا بجــودة محتواهــا؟ بــكل تأكيــد ذلــك ســيعزز مــن محبــة النــاس لهــذه‬

‫المواقــع وهــذا بــدوره سـ ُـيعزز شــعبيتها وإجمالــي إيراداتهــا فــي نهايــة المطــاف وهــذا مــن أبــرز التطبيقــات‬

‫لهذه األنظمة‪.‬‬
‫‪22‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 2.‬اإلنجازات في مجال السفر والتجوال‬

‫‪1. 2. 1.‬تصفح خريطة مترو أنفاق لندن‬

‫رأينــا قــدرة الــذكاء الصنعــي علــى تنفيــذ مهــام رائعــة مثــل التعــرف علــى الصــور والترجمــة بيــن اللغات‬
‫َّ‬
‫المعقــدة بيــن البيانــات‬ ‫والتعــرف علــى المشــاعر ولكــن مــاذا عــن قــدرة الــذكاء الصنعــي فــي تمثيــل العالقــات‬
‫أو المتغيــرات والتــي تتطلــب قــد ًرا جيــدً ا مــن التفكيــر المنطقــي مثــل ُّ‬
‫تعلــم كيفيــة التنقــل عبــر الخريطــة‬

‫فــي متــرو أنفــاق لنــدن‪ ،‬فهــل يســتطيع الــذكاء الصنعــي النجــاح فــي هــذه المهمــة؟‬

‫كشــفت شــركة ديــب ماينــد (‪ )DeepMind‬المملوكــة لشــركة ألفابــت (الشــركة األم لمحــرك البحــث‬

‫لغوغــل) فــي ورقــة بحثيــة نشــرتها أنهــا اســتطاعت التغلــب علــى هــذه العقبــة مــن خــال بنــاء شــبكة عصبية‬
‫اصطناعيــة ذات ذاكــرة خارجيــة‪ ،‬مســتفيد ًة بذلــك مــن قــدرة الشــبكات العصبيــة علــى التعلــم وتخزيــن هــذا‬
‫ً‬
‫الحقــا لتشــكيل اســتنتاجات مثــل خوارزميــات البرمجــة‬ ‫العلــم الممثــل بحقائــق فــي الذاكــرة الســتخدامه‬

‫تمامــا‪ ،‬وبذلــك ســتتمكن مــن التنقــل فــي متــرو أنفــاق لنــدن باســتخدام خريطــة النفــق وبــدون‬
‫التقليديــة ً‬
‫أيضــا‪ .8‬فــي الحقيقــة‪َّ ،‬‬
‫حــل هــذه‬ ‫أي معرفــة مســبقة بهــا وبــدون معرفــة طريقــة ِّ‬
‫حــل األلغــاز المنطقيــة ً‬

‫المشــاكل ســيكون مثيـ ًـرا لإلعجــاب لخوارزميــة نظــام هجيــن قــادر علــى تحقيــق ذلــك وبــدون أي قواعــد‬
‫ً‬
‫مسبقا‪.‬‬ ‫محددة‬

‫يمكــن لهــذا النظــام فهــم خريطــة لــم ترهــا مــن قبــل إذ تتــدرب هــذه الشــبكة العصبيــة علــى هيــاكل‬

‫شــبيهة بالخريطــة بصــورة عشــوائية (والتــي يمكــن أن تمثــل محطــات متصلــة بخطــوط ومــا شــابه‬
‫ذلــك)‪ ،‬وذلــك مــن أجــل ُّ‬
‫تعلــم كيفيــة تخزيــن أوصــاف هــذه العالقــات فــي ذاكــرة الشــبكة الخارجيــة‪،‬‬

‫ومحاولــة اإلجابــة علــى األســئلة المتعلقــة بهــا وفــي حــال عــرض خريطــة جديــدة علــى النظــام ســيتمكن‬
‫‪23‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫النظــام مــن كتابــة هــذه العالقــات الجديــدة (االتصــاالت بيــن متــرو األنفــاق) فــي الذاكــرة واســتدعائها‬

‫لتخطيــط الطريــق‪.‬‬

‫وصـ َّـرح أليكــس جريفــز ‪-‬عالــم الحاســب والمؤلــف المشــارك فــي الورقــة البحثيــة‪ -‬أ َّنــه الرغــم إثبــات‬

‫هــذه التقنيــة لنفســها فــي حـ ِّـل المشــاكل االصطناعيــة فقــط‪ ،‬إال أ َّنــه يمكننــا تطبيقهــا فــي المهــام الواقعيــة‬

‫ّالتــي تنطــوي علــى عمليــات اســتدالل مــن كميــات هائلــة مــن البيانــات‪ .‬كمــا يمكــن أن يحـ ُّـل هــذا النظــام‬

‫األســئلة ّالتــي لــم ُتحــدَّ د إجاباتهــا بطريقــة واضحــة فــي مجموعــة البيانــات‪.‬‬

‫ســيمنح هــذه التقــدم قــرارات أذكــى بطريقــة تنقلنــا وذلــك ألن الحاســوب يســتطيع ربــط الكثيــر مــن‬

‫تمامــا كيفيــة التنقــل فــي المــدن مــع الحفــاظ علــى توفيــر وقــود‬ ‫المعلومــات مــع بعضهــا ً‬
‫بعضــا وســيعرف ً‬
‫أكثــر فــي الســيارة وهــذا سيشــكل ميــزة مــن ميــزات الســيارات ذاتيــة القيــادة والعديــد مــن التطبيقــات‬
‫األخــرى المشــابهة‪.‬‬

‫‪1. 2. 2.‬القدرة على قيادة سيارة‬

‫كــم مــر ًة ســمعنا عــن حــوادث ســيارات ســببها الرئيســي نــوم الســائق أو ســرعته أو انشــغاله بالهاتــف؟‬

‫ـأن ‪ 1.24‬مليــون شــخص حــول العالــم يموتــون ســنويً ا بســبب أخطــاء الســائقين؟‪ 9‬مــا ذنــب هــذا‬
‫هــل تعلــم بـ َّ‬
‫المواطن المســكين ليموت بســبب رعونة ســائق؟ هل ً‬
‫فعل يتســبب جهل الســائقين بطرق المدينة وشــوارعها‬

‫بحــدوث االزدحامــات المروريــة؟ هــل تســتطيع اآللــة أن تقلــل مــن نســبة االنبعاثــات الكربونيــة ّالتــي تســببها‬

‫المنظومــة الحاليــة للمــرور (أي االعتمــاد علــى البشــر في قيادة الســيارات)؟ هل تعتقــد بأن المبلــغ ّالذي تدفعه‬

‫للتأميــن علــى ســيارتك كبيـ ًـرا جــدً ا؟ هل ســتخفف الســيارات ذاتية القيــادة من اســتخدام الوقــود األحفوري؟‬

‫هــل تعتقــد بــأن جميــع هذه المشــاكل التي ذكرناهــا يمكننا التغلب عليها باســتخدام الســيارات ذاتيــة القيادة؟‬
‫‪24‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫َّ‬
‫وأبشــرك بــأن هــذا النظــام‬ ‫إذا كان جوابــك ال علــى جميــع األســئلة الســابقة فاســمح لــي أن أخالفــك الــرأي‬

‫ـيغير رأيــك بالكامــل حــول‬ ‫المــروري الواعــد‪ّ ،‬‬

‫والــذي ســيعتمد فــي مجملــه علــى الســيارات ذاتيــة القيــادة سـ ِّ‬
‫ِّ‬
‫كل مشــاكل النظــام الحالــي‪.‬‬

‫إن التطــور الســريع ّالــذي حــدث ألنظمــة الرؤيــة الحاســوبية‪ ،‬وزيــادة قــوة المعالجــات علــى معالجــة‬
‫َّ‬
‫المعلومــات فــي الصــور بســرعات كبيــرة كان لــه أثــر كبيــر علــى مجــاالت حياتيــة عديــدة‪ ،‬فهــا نحــن نالحــظ‬

‫ـواء فــي تشــخيص األمــراض أو حتــى فــي عالجهــا‪ .‬والتطــور‬

‫كيــف ســاعد هــذا التطــور المجــال الطبــي سـ ً‬
‫الهائــل الــذي حصــل فــي عالــم الروبوتــات كان أحــد مســبباته هــذا التطــور‪ ،‬لــم يتوقــف األمــر إلــى هــذا الحــد‬

‫فحســب بــل تعــدى ليفتتــح مجــاالت وأســواق جديــدة مثــل أســواق الســيارات ذاتيــة القيــادة‪ .‬تســارعت‬

‫معظــم شــركات الســيارات إلــى الدخــول فــي تطويــر هــذا النــوع مــن الســيارات‪ ،‬مــن أبرزهــم منهــم شــركة‬

‫جنــرال موتــورز وتويوتــا وآبــل وغوغــل وإنتــل وأودي وبــي أم دبليــو وتســا وأوبــر وفــورد‪ ،‬وغيرهــا الكثيــر‬

‫مــن الشــركات‪.‬‬

‫تعتمــد الســيارات ذاتيــة القيــادة علــى العديــد مــن التقنيــات مثــل‪ :‬خوارزميــات رســم الخرائــط‬

‫والبيانــات ّالتــي تحصــل عليهــا مــن أجهــزة االستشــعار الموصولــة بهــا وأنظمــة الرؤيــة المجســمة ونظــام‬

‫تحديــد المواقــع ونظــام اكتشــاف الكائنــات فــي الصــور‪ .‬إن معظــم هــذه التقنيــات ‪-‬إن لــم يكــن جميعهــا‪-‬‬

‫تعتمــد علــى الــذكاء االصطناعــي وتحديــدً ا تعلــم اآللــة‪ ،‬ونظـ ًـرا الختــاف الســيناريوهات ّالتــي تتـ َّ‬
‫ـدرب عليهــا‬

‫ذاتيــة القيــادة بيــن العالــم االفتراضــي والعالــم الحقيقــي تظهــر حاجتنــا إلــى نظــام يســتطيع‬
‫الســيارات َّ‬
‫اتخــاذ قــرار عقالنــي فــي اللحظــة المناســبة اعتمــادً ا علــى خبراتــه القديمــة‪ ،‬وهنــا يتدخــل الــذكاء الصنعــي‬

‫ليكــون همــزة الوصــل بيــن العالميــن وليدفــع عجلــة تطــوِّ ر الســيارات َّ‬
‫ذاتيــة القيــادة إلــى األمــام‪.‬‬

‫مــن أبــرز المتضرريــن مــن الســيارات ذاتيــة القيــادة هــي شــركات التأميــن فمــع قلــة الحــوادث‬

‫المروريــة لــن تظهــر الحاجــة لتأميــن الســيارة‪ ،‬كمــا إن عــدد ســائقي الحافــات وســيارات األجــرة ســينخفض‬

‫التغيــر فــي النظــام المــروري‪ ،‬بلغــت االســتثمارات فــي هــذا المجــال خــال الســنوات‬
‫ُّ‬ ‫كثيــرا بســبب هــذا‬
‫ً‬
‫القليلــة الماضيــة ‪ 16‬مليــار دوالر كانــت وراءهــا أكثــر مــن ‪ 30‬شــركة عالميــة‪ ،‬وإلــى اآلن مــا زالــت تتزايــد‬

‫االســتثمارات فــي هــذه التقنيــة‪ ،‬علــى الرغــم مــن عــدم وجــود أي عوائــد ماليــة مباشــرة لهــذه االســتثمارات‪،‬‬

‫إال أن هــذه الشــركات متفائلــة جــدً ا مــن المســتقبل‪ .‬ومــن يــدري قــد يأتــي يــوم وتثــق بالســيارة ذاتيــة‬

‫القيــادة أكثــر مــن ثقتــك بســائق الحافلــة لتوصيــل ابنتــك إلــى المدرســة!‬
‫‪25‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 2. 3.‬تطيير طائرات الدرون باستخدام الذكاء الصنعي‬

‫لطالمــا عانــت عمليــات البنــاء والتنقيــب مــن أخطــار كثيــرة وفــي كثيــر مــن األحيــان شــكلت عمليــة‬
‫التحقــق مــن ســير المشــروع بنجــاح تحديً ــا كبيـ ًـرا وخطيـ ًـرا بنفــس الوقــت إذ إن البنــاء ليــس مكتمـ ًـا بعــد‪،‬‬

‫واحتماليــة أن يظهــر عيــب مــا فــي المشــروع كبيــر جــدً ا‪ ،‬وبالتأكيــد ال نريــد أن نخاطــر بــأرواح المشــرفين‬

‫أو العمــال القائميــن علــى المشــروع‪ ،‬كمــا إن عمليــات التنقيــب تحتــوى هــي األخــرى علــى نفــس الكــم مــن‬

‫المخاطــرة الشــديدة بــأرواح العامليــن‪ ،‬وفــي ِكال الحالتيــن لــن نســتطيع المراهنــة علــى حيــاة المشــرفين أو‬
‫العمــال بـ ِّ‬
‫ـكل تأكيــد‪ ،‬ونظـ ًـرا لكــون المشــروع جديــد فليــس لدينــا خريطــة ثالثيــة األبعــاد نســتطيع مــن خاللها‬

‫تطييــر الطائــرات بــدون طيــار مثــل طائــرات الــدرون وإن مهمــة التحكــم المباشــر فيهــا أثنــاء طيرانهــا ‪-‬أي‬

‫بالزمــن الحقيقــي‪ -‬يحتــاج ألنــاس ماهريــن جــدً ا عــدا عــن صعوبــة المترافقــة عنــد اكتشــاف أماكــن فيهــا‬
‫اإلضــاءة ضعيفــة ومعتمــة ولــو توفــر ِّ‬
‫كل المقومــات فلــن تخلــو هــذه المهمــة مــن األخطــاء البشــرية‪ ،‬فمــا‬
‫ّالــذي يجــب علينــا فعلــه فــي هــذه النــوع مــن الحــاالت؟ ومــاذا ً‬
‫أيضــا عــن الكــوارث الطبيعيــة مثل الــزالزل أو‬

‫تطييــر طائــرات الــدرون يدويً ــا ومعرفــة أماكــن وجــود الناجيــن وإنقــاذ أرواحهــم‬
‫ّ‬ ‫األعاصيــر هــل سنســتطيع‬

‫بأقصى سرعة؟‬

‫إكســن (‪ )Exyn‬عــن برنامــج جديــد يعتمــد علــى الــذكاء الصنعــي يســتطيع تطييــر‬
‫كشــفت شــركة ِ‬
‫طائــرات الــدرون بمفردهــا فــي المناطــق المظلمــة وذات الطبيعــة غيــر المســتقرة وفــي األماكــن الخارجــة‬

‫عــن ميــزة التعقــب الجغرافــي (‪ ،)GPS‬أي الطيــران بمجــال مجهــول وبــدون أي خريطــة مســاعدة ســامحة‬

‫بذلــك للطائــرات بخلــق وعــي خــاص بهــا يُ مكنُهــا مــن اتخــاذ قــرارات فــي الزمــن الحقيقــي‪ ،‬وصــرح المؤســس‬

‫الشــركة فيجــاي كومــار ‪-‬عالــم الروبوتــات المخضــرم وعميــد كليــة الهندســة فــي جامعــة بــن‪ -‬إن الــذكاء‬

‫االصطناعــي المســتخدم لتطييــر الطائــرات بمفردهــا أكثــر تعقيــدً ا مــن الــذكاء المســتخدم فــي الســيارات‬
‫‪26‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫ذاتيــة القيــادة أو الروبوتــات األرضيــة وذلــك عائــدٌ علــى قــدرة الطائــرات علــى الطيــران فــي جميــع‬

‫المســارات باألبعــاد الثالثــة المتاحــة علــى عكــس الســيارات‪ ،‬كمــا أن الطائــرات ال تســتطيع حمــل بطاريــات‬

‫كبيــرة لــذا يجــب أن ُتعالـ ُ‬

‫ـج المعلومــات بســرعة قبــل نفــاذ البطاريــات ومعرفــة االتجــاه الصحيــح الواجــب‬
‫ســلكه وبالطبــع يمكننــا ً‬
‫أيضــا المعالجــة باســتخدام المعالجــة الســحابية لتجنــب اســتهالك البطاريــة‪.10‬‬

‫تعتمــد هــذه التقنيــة علــى بنــاء خريطــة ثالثيــة األبعــاد من خــال المعلومــات الــواردة من مستشــعراتها‬
‫فــي الزمــن الحقيقــي‪ّ ،‬‬
‫وكلمــا اكتشــفت كائ ًنــا جديــدً ا ســواء حاجــز إســمنتي أو أي كائن آخــر‪ُ ،‬تحـ ِّ‬
‫ـدث خريطتها‬

‫بمــا يتوافــق مــع ذلــك لتحقيــق هــدف تحليقهــا األساســي‪ .11‬مســتفيد ًة بذلــك مــن مجــال الــذكاء االصطناعــي‬

‫وتعلــم اآللــة فــي عمليــات اتخــاذ القــرارات المناســبة باالعتمــاد علــى الخبــرات الســابقة وبــدون أي تدخــل‬

‫بشــري‪ ،‬ويحــاول الروبــوت اإلجابــة علــى ثــاث أســئلة جوهريــة قبــل بدئهــا بــأي عمليــة مالحــة جويــة وهــي‪:‬‬

‫•أين أنا في هذه البيئة المحيطة؟‬

‫•أين الموقع الذي أحاول الذهاب إليه؟‬

‫•كيف سأصل إلى هناك على النحو األمثل؟‬

‫بعــد محاولــة اآللــة اإلجابــة علــى هــذه األســئلة ســيتضح لهــا الخطــوة األولــى وتتعلــم بعدهــا مــن‬

‫المستشــعرات والكاميــرات لكــي تســتطيع اتخــاذ القــرار المناســب بمــا يتوافــق مــع ســلوك الكائــن ّالــذي‬
‫أمامهــا‪ .‬وتوفــر هــذه الشــركة ً‬
‫أيضــا البنيــة الهندســية لهــذه التقنيــة لتســتطيع تركيبهــا علــى نــوع محـ ِّ‬
‫ـدد مــن‬

‫أيضــا لــذا فهــي تصنــف نفســها بأ َّنهــا‬

‫الطائــرات لتجنــب زيــادة الحمــل عليــك بجعلــك تدفــع ثمــن الطائــرة ً‬

‫شــركة برمجيــات معتمــدة علــى الــذكاء الصنعــي لتمكيــن الطائــرات مــن الطيــران بــدون تدخــل بشــري‪.‬‬

‫إن التطبيقــات العمليــة لهــذه التقنيــة مفيــدة جــدً ا وفريــدة من نوعهــا وال بدّ أنها ســتجعل مــن العمليات‬

‫الخطــرة والصعبــة أكثــر أما ًنــا ودقــة وموثوقيــة وســتُ ضيف إنجــا ًزا جديــدً ا يحققــه الــذكاء الصنعــي‪ .‬فــي‬

‫إكســن إلــى ‪ 16‬مليــون دوالر وتحــاول الشــركة‬

‫الحقيقــة وصلــت إجمالــي االســتثمارات الحاليــة فــي شــركة ِ‬
‫تعزيــز وجودهــا أكثــر بدخولهــا إلــى إدخــال هــذا النــوع الروبوتــات فــي المخــازن ممــا يفتــح ً‬
‫أفاقــا جديــدة‬

‫وفــرص رائعــة أمــام هــذه الشــركة‪.12‬‬

‫‪27‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 2. 4.‬توقع ازدحام مواقف السيارات بحسب المنطقة‬

‫بعــد أن أمضيــت الكثيــر مــن الوقــت فــي تجهيــز نفســك لالجتمــاع المرتقــب‪ ،‬وبعــد أن حضــرت جميــع‬
‫األوراق والمســتندات الالزمــة أصبحــت علــى تمــام االســتعداد للذهــاب لالجتمــاع‪ ،‬فتركــب ســيارتك الخاصــة‬

‫وتذهــب لموقــع االجتمــاع وعندمــا تصــل وتحــاول ركــن ســيارتك فــي أقــرب موقـ ٍـف للســيارات تجــده ممتلئ‬

‫ـارغ‪ ،‬فتمضــي أكثــر مــن ســاعة‬

‫ـب فـ ٍ‬
‫تمامــا‪ ،‬تحــاول البحــث عــن موقــف آخــر‪ ،‬ولكنــك ال تجــد أي موقـ ٍـف قريـ ٍ‬
‫ً‬
‫كاملــة فــي محاولتــك للبحــث عــن موقــف مناســب‪ ،‬ولكــن تفشــل جميــع محاوالتــك‪ .‬هــل هــذا الســيناريو‬

‫مألــوف بالنســبة لــك؟ إن كنــت مــن ســكان المملكــة المتحــدة ‪-‬أو أحــد المــدن ذات التعــداد الســكاني الكبيــر‪-‬‬
‫ً‬
‫فوفقــا لموقــع التلغــراف يمضــي الســائق فــي المملكــة المتحــدة‬ ‫يوميــا‪،‬‬
‫ً‬ ‫فحتمــا أنــك تواجــه هــذا الســيناريو‬
‫ً‬
‫‪13‬‬
‫مــا مجموعــه ‪ 2549‬ســاعة فــي محاولــة منــه إليجــاد موقــف للســيارة أي ‪ 106‬يــوم مــن الوقــت الضائــع!‬
‫إنــه ً‬
‫حقــا وقــت طويــل لمهمــة ركــن الســيارة‪ .‬الحظــت شــركة غوغــل هــذا األمــر وســارعت بإطــاق ميــزة‬

‫جديــدة فــي تطبيــق الخرائــط خاصتهــا (‪ )Google Maps‬تســاعدنا علــى معرفــة أماكــن ازدحــام مواقــف‬

‫الســيارات فــي خطــوة منهــا لمســاعدتنا علــى التخطيــط األنســب لرحالتنــا‪.14‬‬

‫إن المنهجيــة التــي تعتمــد عليهــا هــذه الميــزة هــي المســاهمات الجماعيــة مــن قبــل المســتخدمين‬

‫(‪ )Crowdsourced‬وبعــض خوارزميــات تعلــم اآللــة البســيطة للمســاعدة فــي تحديــد صعوبة وجــود موقف‬
‫للســيارة‪ .‬كمــا توفــر هــذه المنهجيــة دقـ ً‬
‫ـة أعلــى مــن طريقــة الســابقة وهــي مــن معلومــات المتوفــرة مــن عــدد‬

‫الســيارات المتواجــدة فــي المواقــف والتــي تكــون متاحــة علــى اإلنترنــت‪ ،‬فغال ًبــا مــا تقــدم هــذه الطريقــة‬

‫معلومــات غيــر كاملــة أو خاطئــة بســبب المتنزهيــن غيــر القانونييــن أو األشــخاص ّالذيــن غــادروا مبكـ ًـرا مــن‬

‫أماكنهــم‪ .‬هــذا النــوع مــن المشــاكل تجاوزتهــا المنهجيــة الجديــدة ّالتــي اعتمــدت عليهــا غوغــل كمــا راقبــت‬

‫شــركة غوغــل حركــة الســيارات قبــل عثورهــا علــى موقــف فــإذا دارت الســيارات حــول مواقــع مواقــف‬
‫‪28‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫أن المواقــف مزدحمــة‪ ،‬كمــا اعتمــدت علــى موازنــة الوقــت المتوقــع للوصــول‬
‫للســيارات فهــذا يــدل علــى َّ‬
‫مــع وقــت توقــف الســيارة واســتخدمت غوغــل نمــوذج االنحــدار اللوجســتي (‪)Logistic Regression‬‬

‫البســيط لتدريــب الخوارزميــة فــي إشــارة ‪-‬غيــر مباشــرة‪ -‬منهــا بأ َّنــه ال داعــي الســتخدام الشــبكات العصبيــة‬
‫االصطناعيــة فــي ِّ‬
‫كل حالــة وإ َّنمــا يمكــن للخوارزميــات البســيطة أن تفــي بالغــرض فــي بعــض المهــام‪.‬‬

‫ـأن هــذه الميــزة أدت لزيــادة كبيــرة فــي النقــرات علــى وضــع النقــل العــام‬
‫الحظــت شــركة غوغــل بـ َّ‬

‫(‪ )transit travel‬ممــا يشــير إلــى َّ‬

‫أن المســتخدمين الذيــن لديهــم معلومــات إضافيــة حــول صعوبــة إيجــاد‬
‫موقــف للســيارة كانــوا أكثــر ميـ ًـا للتفكيــر فــي الذهــاب بالمواصــات العامــة بـ ً‬
‫ـدل مــن الذهــاب بســياراتهم‬

‫الشــخصية‪ ،‬وهــذا بــدوره يمكــن أن يخفــف مشــكلة مــن مشــاكل المــرور ويســاعد النــاس فــي حفــظ أوقاتهــم‬

‫المهــدرة ســدى‪.‬‬

‫‪1. 3.‬اإلنجازات في المجال الطبي والخدمات الصحية‬

‫‪1. 3. 1.‬تقنية جديدة تمكن البكم من الكالم‬

‫ودائمــا مــا كانــت‬

‫ً‬ ‫عانــى المجــال الطبــي فــي زمــن مــن األزمــان علــى كثيــر مــن المشــاكل والتحديــات‪،‬‬

‫القفــزات النوعيــة فــي هــذا المجــال مــن أصعــب القفــزات أل َّنهــا تراهــن علــى أرواح بشــرية وهــذا مــا يشــكل‬

‫مضاعفــا علــى كاهــل الباحثيــن والمختصيــن‪ ،‬وعلــى الرغــم مــن التقــدم الملحــوظ ّالــذي شــهده المجــال‬
‫ً‬ ‫عب ًئــا‬

‫فــي القــرن التاســع عشــر والعشــرين إال أ َّنــه كان للــذكاء الصنعــي دور مميــز فــي تســريع عجلــة تقدمــه العلمــي‬

‫واختصــار العديــد مــن ســنوات البحــث والتجريــب‪ ،‬لنســتطلع اآلن مــا هــي أبــرز هــذه اإلنجــازات الرائعــة‪.‬‬
‫‪29‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫فــي دراســة جديــدة نشــرتها جامعــة كاليفورنيا‪-‬ســان فرانسيســكو حــول إمكانيــة إعطــاء صــوت‬

‫ـواء أكان ســبب هــذا الفقــد إصابــات فــي الدمــاغ أو بســبب‬

‫لألشــخاص الذيــن فقــدوا قدرتهــم علــى الــكالم سـ ً‬
‫االضطرابــات العصبيــة مثــل‪ :‬الصــرع أو الزهايمــر أو التصلــب المتعــدد أو باركنســون ‪...‬إلــخ‪.15‬‬

‫تعتمــد هــذه التقنيــة علــى اســتخدام األقطــاب الكهربائيــة والــذكاء الصنعي إلنشــاء جهاز يمكنــه ترجمة‬

‫إشــارات الدمــاغ إلــى كالم وبحســب الباحثيــن فقــد يتمكــن هــؤالء األشــخاص ليــس مــن اســتعادة قدرتهــم‬

‫علــى الــكالم فحســب وإنمــا ســيتمكنون مــن نقــل المشــاعر المترافقــة مــع الــكالم والتــي تعكــس شــخصية‬

‫المتحــدث‪ .‬عندمــا يحــاول أي شــخص الــكالم يرســل الدمــاغ إشــارات مــن القشــرة الحركيــة إلــى عضــات‬
‫الفــك والشــفاه والحنجــرة لتنســيق حركتهــا وإصــدار الصــوت المخصــص لـ ِّ‬
‫ـكل حــرف مــن الحــروف‪ .‬ومــن‬
‫ّ‬
‫المولــدة مــن األقطــاب الموصولــة بهــذه المراكــز يمكــن للخوارزميــات المعتمــدة علــى‬ ‫خــال قــراءة البيانــات‬
‫ّ‬
‫تعلــم اآللــة مــن فهــم االرتبــاط بيــن اإلشــارات العصبيــة والــكالم المنطــوق بطريقــة تمكنهــا مــن االســتفادة‬
‫مــن اإلشــارات وتحويلهــا لــكالم منطــوق (يمكنــك مشــاهدة هــذا الفيديــو القصيــر الــذي يشــرح ذلــك)‪.‬‬

‫علــى الرغــم مــن ذلــك ال تــزال هــذه التقنيــة غيــر دقيقــة بمــا يكفــي الســتخدامها واعتمادهــا خــارج‬

‫حتمــا لهــذه التقينــات ويمكــن جــدً ا أن تصبــح مشــاكل عديــدة مــن بينهــا‬
‫ً‬ ‫المختبــرات‪ ،‬إال أن المســتقبل واعــدٌ‬

‫مشــكلة فقــدان القــدرة علــى الــكالم شــي ًئا مــن الماضــي‪.‬‬

‫‪1. 3. 2.‬تزويد المكفوفين بأعين اصطناعية‬

‫فــي آخــر إحصائيــة أجرتهــا منظمــة الصحــة العالميــة أعلنــت فيهــا أن أعــداد المكفوفيــن تقــدر بأكثــر‬

‫مــن ‪ 39‬مليــون شــخص حــول العالــم‪ ،‬ومــن بيــن أبــرز المشــاكل ّالتــي يعانــي منهــا المكفوفيــن هــي الصعوبــة‬

‫الكبيــرة فــي التنقــل والحركــة بــدون مرافــق‪ .16‬األمــور تغيــرت كثيـ ًـرا مــع تطــور أنظمــة الرؤيــة الحاســوبية‬
‫‪30‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫والــذكاء االصطناعــي وبفضــل إمكانيــة دمــج أنظمــة اكتشــاف الكائنــات فــي الصــور والكثيــر مــن التقنيــات‬

‫األخــرى التــي مكنــت فريــق بحثي مــن جامعــة ميغيــل هيرنانديــز (‪)University of Miguel Hernandez‬‬

‫مــن تطويــر آليــة جديــدة للرؤيــة عبــر إرســال إشــارات الرؤيــة البصريــة مباشــرة إلــى القشــرة البصريــة‬

‫الموجــودة فــي الدمــاغ‪.17‬‬

‫تعتمــد هــذه الطريقــة علــى تســجيل الكاميــرات مــا تشــاهده أمامهــا ومــن ثــم ترســله إلــى الحاســوب‬

‫فيترجــم الحاســب هــذه المعلومــات المرئيــة إلــى نبضــات كهربائيــة باالعتمــاد علــى مجموعــة معقــدة مــن‬

‫أخيــرا إلــى الدمــاغ عــن طريــق كابــل متصــل بمنفــذ‬

‫ً‬ ‫خوارزميــات الــذكاء الصنعــي وتعلــم اآللــة لتُ رســل‬

‫مباشــر إلــى الجمجمــة ليحفــز بــدوره الغرســة الموجــودة فــي القشــرة البصريــة فــي الدمــاغ‪ .‬علــى الرغــم مــن‬

‫التعقيــدات الموجــودة فــي هــذا النظــام إال أنــه يعــدُّ قفــزة نوعيــة‪ ،‬وتبلــغ دقــة الصــورة التــي تســتطيع هــذه‬

‫أن أحــد الباحثيــن فــي هــذا المشــروع وهــو فيرنانديــز‬

‫التقنيــة تغذيــة الدمــاغ بهــا هــي ‪ 10×10‬بكســل‪ .‬إال َّ‬
‫يتصــور إمكانيــة زرع ‪ 6‬غرســات فــي الدمــاغ علــى ّ‬
‫كل جوانبــه وبذلــك ســترتفع الدقــة إلــى ‪ 60×60‬بكســل‪.‬‬
‫مــن الجديــر بالذكــر ً‬
‫أيضــا أن هــذه التقنيــة ال تســمح لألشــخاص المولوديــن بــدون حاســة البصــر باســتعادة‬

‫بصرهــم وإنمــا فقــط تســمح للنــاس ّالذيــن فقــدوا بصرهــم بســبب مــرض مــا أو بســبب حــادث معيــن‪.‬‬

‫بالتأكيــد إن هــذا الحــل لــن يعــوض الكفيــف بصــره بالمعنــى الحرفــي للكلمــة‪ ،‬ولكــن يعــدّ هــذا الحــل‬

‫خطــوة كبيــرة فــي تعزيــز اســتقاللية المكفوفيــن وتمكينهــم مــن اســتعادة جــزء كبيــر مفقــود مــن حياتهــم‪.‬‬

‫ولذلــك يجــب علينــا أن نبقــى متفائليــن مــن هــذه اإلمكانيــات الجديــدة للتكنولوجيــا وأن نجهــز أنفســنا ليــس‬
‫ـزءا مــن مصنعيهــا ومطوريهــا ً‬
‫أيضــا‪.‬‬ ‫لشــراء هــذه التقنيــات الجديــدة فقــط وإنمــا لنكــون جـ ً‬
‫‪31‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 3. 3.‬التعرف على اعتالل الشبكية السكري (سبب رئيسي للعمى)‬

‫من صور الشبكية‬

‫تعرفنــا فــي الفقــرة الماضيــة علــى طريقــة جيــدة لتعويــض المكفوفيــن عــن نظــام الرؤيــة الخــاص‬

‫بهــم‪ ،‬ولكــن مــاذا لــو اســتطعنا أن نســبق المــرض بخطــوة‪ ،‬وأن نكتشــفه ونعالجــه قبــل أن يتطــور ويتســبب‬
‫بفقــدان المريــض بصــره بالكامــل؟ ولكــن مهـ ًـا هــل ً‬
‫حقــا نســتطيع فعــل ذلــك؟ نعــم نســتطيع فقــط إذا كان‬

‫ســبب العمــى هــو مضاعفــات مــرض الســكري أو التنكــس (الضمــور) البقعــي المرتبــط بالتقــدم فــي العمــر‪.‬‬

‫عامــا فــي أوروبــا ومــا‬

‫ويصيــب هــذا األخيــر أكثــر مــن ‪ 25%‬مــن األشــخاص الذيــن تزيــد أعمارهــم عــن ‪ً 60‬‬
‫يصــل إلــى ‪ 11‬مليــون شــخص فــي الواليــات المتحــدة األمريكيــة‪.‬‬

‫نظامــا يعتمــد علــى الــذكاء الصنعــي قــادر علــى التنبــؤ‬

‫ً‬ ‫أعلنــت شــركة ديــب ماينــد عــن تطويرهــا‬

‫بالتنكــس البقعــي واالعتــال فــي شــبكية العيــن وذلــك ألن ِكال المرضيــن يمكــن تشــخيصهما مــن خــال‬

‫رؤيــة صــور المســح ثالثيــة األبعــاد الخاصــة بالعيــن المريضــة‪ ،‬وبمــا أن الــذكاء الصنعــي وتحديــدً ا تعلــم اآللــة‬
‫ماهــر جــدً ا فــي التعامــل مــع الصــور بطريقــة رائعــة وسلســلة فــإن أداؤه ســيكون مقبـ ً‬
‫ـول جــدً ا فــي هــذا‬

‫تشــخيص مثــل هــذا النــوع مــن األمــراض‪.18‬‬

‫فــي البدايــة يتــدرب النمــوذج علــى العديــد مــن الصــور المشــخصة بــأن لديهــا هــذه األمــراض ومــن‬
‫ثــم يحــاول أن يحــدد بعــض الميــزات (‪ّ )features‬التــي ترتبــط مــع هــذه األمــراض ومــن ثــم ُتعـ ُ‬
‫ـرض صــور‬

‫جديــدة لهــذا النظــام ليطبــق عليهــا مــا تعلمــه من الصــور الســابقة ويســتنتج فيمــا إذا كان المريض ســيتعرض‬

‫للتنكــس البقعــي خــال األشــهر الســتة القادمــة أم ال‪.‬‬

‫‪32‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫وبهــذا اإلنجــاز تثبــت شــركة ألفابــت أنهــا قــادرة علــى تطويــر أنظمــة ال تكشــف الفــرق بيــن صــور‬

‫القطــط والــكالب فحســب وإنمــا قــادرة علــى تطويــع مجــال الــذكاء الصنعــي ليخــدم مجــال الطبــي والرعايــة‬

‫الصحيــة فــي جميــع تطبيقاتــه‪ ،‬ويأمــل الباحثــون فــي مجــال الــذكاء الصنعــي فــي أن يســاعد هــذا التقــدم‬

‫العلمــي علــى تســهيل العمليــات الطبيــة وأتمتتهــا بأفضــل طريقــة للنهــوض فــي مســتوى الرعايــة الصحيــة‬
‫ألقصــى حـ ٍّ‬
‫ـد ممكــن فــي جميــع دول العالــم‪.‬‬

‫‪1. 3. 4.‬الكشف عن أمراض السرطان‬

‫يعــدُّ مــرض الســرطان مــن أكثــر األمــراض فتــكًا بيــن ســائر األمــراض التــي عانتهــا البشــرية َّ‬
‫ألن‬

‫ـبيا فبحســب إحصائيــة صــدرت مــن مجلــة أبحــاث الســرطان‬

‫انتشــاره واســع ونســب الشــفاء منــه قليلــة نسـ ً‬
‫فــي المملكــة المتحــدة جــاء فيهــا أن فــي عــام ‪ 2018‬شــخصت أكثــر مــن ‪ 17‬مليــون حالــة فــي جميــع‬

‫أنحــاء العالــم توفــي منهــم حوالــي ‪ 9.6‬مليــون حالــة‪ ،‬وكمــا أشــارت اإلحصائيــة إلــى أنــه بحلــول عــام ‪2040‬‬
‫سـ ُـيكون ّ‬
‫كل عــام حوالــي ‪ 27.5‬مليــون حالــة ســرطان جديــدة‪ .19‬تكمــن خطــورة هــذا المــرض فــي صعوبــة‬

‫ظهــر علــى جســم المريــض أي أعــراض فــي‬

‫ُ‬ ‫التعــرف عليــه أو تشــخيصه فــي مراحلــه األولــى‪ ،‬فهــو ال يُ‬
‫بدايتــه‪ ،‬وال يُ كتشـ ُـف غال ًبــا إال عندمــا تظهــر أعـ ٌ‬
‫ـراض متقدمــة أي فــي مراحــل تطــور المــرض األخيــرة‪ ،‬وبعــد‬

‫فــوات األوان‪ .‬كمــا أن األعــراض الخاصــة بمــرض الســرطان بمختلــف أنواعــه تتشــابه مــع أعــراض كثيــر مــن‬

‫األمــراض األخــرى ممــا يضفــي حاجـ ًـزا آخــر يحــول بيننــا وبيــن االكتشــاف المبكــر للســرطان‪.‬‬

‫إال أن هــذه األمــور تغيــرت كثيـ ًـرا بعــد التقــدم التكنولوجــي‪ ،‬إذ يمكــن للحواســيب تحليــل كميــات كبيرة‬

‫مــن البيانــات وبفضــل الــذكاء الصنعــي اســتطعنا أن نســتنتج االرتباطــات واألنمــاط الخفيــة فــي البيانــات‬
‫ونحللهــا ونصنفهــا وهــذا األمــر مــن المســتحيل أن يحققــه البشــر مثلمــا تحققــه خوارزميــات ُّ‬
‫تعلــم اآللــة‪ .‬كمــا‬
‫‪33‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫أيضــا ّ‬
‫والتــي يمكــن أن تكــون غيــر مرئيــة للبشــر‬ ‫يمكــن اكتشــاف األنمــاط الخفيــة فــي صــور األشــعة الســينية ً‬

‫نظـ ًـرا مــن إمكانيــة العيــن المتواضعــة علــى تمييــز الفروقــات الصغيــرة والدقيقــة فــي الصــور الشــعاعية‪ ،‬كمــا‬
‫أن خوارزميــات تعلــم اآللــة قــادرة ً‬
‫أيضــا علــى معالجــة العديــد مــن هــذه األنمــاط‪ ،‬واألهــم مــن ذلــك قدرتهــا‬

‫علــى تقليــل نســبة الخطــأ ّالتــي يمكــن أن تحــدث بســبب البشــر‪.‬‬

‫تعتمــد هــذه الطريقــة فــي التشــخيص علــى الشــبكات العصبيــة االصطناعيــة‪ ،‬إذ نــزود فــي البداية هذه‬

‫الشــبكات بالصــور ألشــخاص مصابيــن بالســرطان وتبــدأ الخوارزميــات بتحليــل وتصنيــف الصــور واكتشــاف‬

‫ماهيــة الصــور ّالتــي يكــون أصحابهــا مصابيــن بالمــرض‪ ،‬وبمــا‬

‫َّ‬ ‫الميــزات (‪ )features‬فيهــا لمعرفــة‬
‫وتحديــد ّ‬
‫أن لدينــا ســجالت طبيــة هائلــة تحتــوي علــى الحــاالت المصابــة وبكامــل معلوماتهــا وتفاصيلهــا ستســتطيعُ‬
‫ّ‬
‫التعلــم بدقــة أكبــر واســتنتاج أنمــاط أعــم وأشــمل‪.‬‬ ‫ُّ‬
‫التعلــم العميــق مــن‬ ‫خوارزميــات‬

‫فعلــى ســبيل المثــال أظهــر فريــق مــن الباحثيــن مــن مركــز بيــث الطبــي فــي كليــة الطــب بجامعــة‬

‫هارفــارد أن تحليــل البيانــات مــن خــال خوارزميــات التعـ ّـل‪E‬م العميــق يمكــن أن تقلــل مــن معــدل الخطــأ‬

‫فــي تشــخيص ســرطان الثــدي بنســبة ‪ .85%‬وعلــق الدكتــور بيــك ‪-‬أحــد الباحثيــن علــى هــذا البحــث قائـ ًـا‪:‬‬

‫كان هدفنا هو بناء نظام حسابي للمساعدة في تحديد مناطق انتشار السرطان في الغدد الليمفاوية‪،‬‬

‫وكانت النتائج مذهلة ألنها نجحت في تشخيص السرطان بدقة ‪ ،92%‬ومع مزيد من التحسينات في‬

‫الخوارزمية‪ ،‬حقق الباحثون دقة ‪ 97%‬في النتائج‪.‬‬

‫وحتــى أن هــذه الخوارزميــات تســتطيع تشــخيص مختلــف أنــواع الســرطان مثــل‪ :‬ســرطان الثــدي‬

‫وســرطان الرئــة وســرطان الجلــد وســرطان القولــون والمســتقيم وســرطان الجينــوم وســرطان البروســتات‬

‫وســرطان الــرأس والعنــق وســرطان الغــدة الدرقيــة‪ .20‬غيــر أنــه ال يمكننــا بالتأكيــد االســتغناء عــن إشــراف‬

‫الدكاتــرة المختصيــن علــى هــذه الخوارزميــات بــل ســيقتصر دورهــا علــى كونهــا مســاعد شــخصي للدكاتــرة‬

‫ذكــي ومفيــد جــدً ا يحســن دقــة عمليــة التشــخيص ويســرعها‪.‬‬

‫‪34‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 3. 5.‬تصنيع أدوية جديدة بالكامل باالعتماد فقط على الذكاء الصنعي‬

‫يعــدّ مجــال صناعــة وتطويــر األدويــة الجديدة مــن المجــاالت الصعبــة وذات التكاليف المرتفعــة‪ ،‬إذ في‬
‫دراســة نشــرت علــى موقــع جامانيتــورك (‪ )jamanetwork‬فــي الشــهر مــارس مــن عــام ‪ 2020‬جــاء فيــه أن‬

‫تكلفــة إدخــال دواء جديــد إلــى الســوق يبلــغ ‪ 985‬مليــون دوالر كمــا أن متوســط زمــن وصــول هــذا الــدواء‬

‫أليــدي النــاس ســيكون مــن ‪ 10‬إلــى ‪ 12‬ســنة‪ .21‬ويعــود ارتفــاع هــذه التكليــف إلــى المراحــل اإلجباريــة ّالتــي‬

‫يجــب أن يمــر بهــا أي دواء حتــى يصــل إلــى الســوق‪ ،‬فمثـ ًـا يجــب أن يُ ختبــر علــى جميــع الحــاالت الخاصــة‬

‫مثــل‪ :‬كبــار الســن واألطفــال والحوامــل والمرضعــات وعلــى مختلــف األعــراق البشــرية لمعرفــة التأثيــرات‬
‫الجانبيــة المحتملــة‪ ،‬ولذلــك تجــد الكثيــر مــن التحذيــرات والتعليمــات فــي نشــرة التوصيــف الخاصــة بـ ّ‬
‫ـكل‬

‫دواء تتحــدث عــن كافــة التأثيــرات المحتملــة علــى المريــض‪ .‬ولطالمــا حاولــت شــركات الــدواء تخفيــض‬

‫هــذه التكاليــف ولكنهــا لــم تحقــق نجاحــات كبيــرة إال عندمــا تدخــل الــذكاء الصنعــي فــي األمــر‪.‬‬

‫فــي الحقيقــة ســبق وأن ســاعدت خوارزميــات الحاســب عمليــة تطويــر الــدواء بصــورة كبيــرة إال‬

‫إن آخــر الطــرق ّالتــي توصــل إليهــا الباحثيــن مــن جامعــة فلينــدرز فــي جنــوب أســتراليا كانــت ملفتــة‬

‫للنظــر إذ اســتطاعوا بنــاء دواء مناعــي يعالــج االنفلونــزا باســتخدام برنامــج يعتمــد علــى الــذكاء الصنعــي‬

‫فقــط أي لوحــده وبــدون أي تدخــل بشــري‪ ،‬ليكــون بذلــك أول مســاعدة يقدمهــا لنــا الــذكاء الصنعــي مــن‬

‫هذا النوع‪.22‬‬
‫‪35‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫يعتمــد هــذا البرنامــج علــى خوارزميــة تدعــى “خوارزمية البحــث عــن روابــط” (‪Search Algorithm‬‬

‫‪ )for Ligands‬وتدعــى اختصــا ًرا ‪ ،SAM‬إذ تبحــث هــذه الخوارزميــة عــن جميــع المركبــات التــي يمكــن‬
‫تصورهــا فــي الكــون للعثــور علــى دواء جديــد‪ّ .‬‬
‫وعلــق أحــد الباحثيــن قائـ ًـا‪:‬‬

‫كان علينا أن ّ‬
‫نعلم برنامج الذكاء االصطناعي على مجموعة من المركبات المعروفة بتنشيط جهاز المناعة‬

‫البشري‪ ،‬ومجموعة من المركبات ّالتي ال تعمل‪َّ .‬‬

‫وثم كانت مهمة الذكاء االصطناعي هي العمل على تمييز‬

‫برنامجا آخر‪ ،‬يسمى “الكيميائي االصطناعي” (‪)Synthetic Chemist‬‬

‫ً‬ ‫ثم طورنا‬
‫ما يميز الدواء‪ ،‬ومن َّ‬
‫ّ‬
‫والذي ينتج تريليونات من المركبات الكيميائية المختلفة‪ ،‬بعد ذلك زودنا الخوارزمية ‪ SAM‬بهذه المركبات‬

‫حتى تتمكن من فحصها للعثور على مركبات مرشحة تعتقد اآللة بأنها يمكن أن تكون عقاقير مناعية‬

‫مناسبة للبشر‪.‬‬

‫وعلــق بتروفســكي وهــو أحــد الباحثيــن فــي هــذا البحــث علــى األمــر “إن قــدرات هــذا البرنامــج‬

‫ليســت محصــورة فقــط فــي قدرتــه علــى تحديــد العقاقيــر الجيــدة فحســب‪ ،‬بــل إنــه فــي الحقيقــة توصــل‬

‫أيضــا “لــذا أخذنــا هــذه العقاقيــر ّالتــي‬

‫حاليــا”‪ .‬وأردف ً‬
‫ً‬ ‫إلــى أدويــة مناعيــة بشــرية أفضــل مــن الموجــودة‬

‫ابتكرهــا البرنامــج بغيــة تجربتهــا علــى الحيوانــات للتأكــد مــن فعاليتهــا‪ ،‬وتحديــدً ا اللقــاح المخصــص لعــاج‬

‫اإلنفلونــزا”‪ .‬وختــم كالمــه قائـ ًـا‪“ :‬إن هــذا مــن شــأنه أن يقصــر عمليــة اكتشــاف العقاقيــر وتطويرهــا علــى‬

‫مــدار عقــود ويخفــض تكلفــة إنتاجهــا بمئــات المالييــن مــن الــدوالرات”‪.‬‬

‫‪36‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫‪1. 3. 6.‬تتبع حالتك الصحية وأنت في المنزل‬

‫تحدثنــا عــن طــرق كثيــرة التــي تســاعد األطبــاء فــي تشــخيص بعــض األمــراض‪ ،‬ولكــن مشــكلة هــذه‬
‫الطــرق أنهــا متواجــدة فقــط عنــد األطبــاء‪ ،‬وبالنظــر إلــى حقيقــة أن أغلبيــة المرضــى فــي جميــع أرجــاء‬

‫العالــم ال يذهبــون للطبيــب مــن أجــل التشــخيص عــن حالتهــم إال بعــد ظهــور عالمــات مؤكــدة عــن المــرض‪.‬‬

‫كانــت معظــم محاوالتنــا مهــدورة ولفئــة قليلــة مــن المجتمــع (غال ًبــا مــا تكــون مــن المتعلميــن)‪ .‬ولكــن مــاذا‬
‫لــو تمك َّنــا مــن الكشــف عــن األمــراض مبكـ ًـرا إنهــا ً‬
‫حقــا ســتؤدي إلــى فرصــة أكبــر وأفضــل للشــفاء‪ ،‬ألن ذلــك‬

‫ســيقطع طريــق انتشــار المــرض قبــل أن يتمكــن مــن التفشــي بكامــل الجســم‪.‬‬

‫سنســتأجر غرفــة فــي المشــفى ونعيــش بهــا لنضمــن حصولنــا علــى‬

‫ُ‬ ‫ُّ‬
‫الحــل المقتــرح؟ هــل‬ ‫إذا مــا‬

‫اإلشــراف الطبــي المناســب؟ أم نســتأجر طبي ًبــا ونحضــره معنــا إلــى البيــت ليشــرف علــى حالتنــا الصحيــة؟‬

‫فــي الواقــع وبغــض النظــر عــن حقيقــة قلــة عــدد األطبــاء حــول العالــم فــإن هــذه الفكــرة مكلفــة جــدً ا وغيــر‬

‫عمليــة‪ .‬إذا مــا الحــل؟ مــا رأيــك بــأن نحضــر طبي ًبــا صغيـ ًـرا جــدً ا بالتأكيــد ال أقصــد هنــا أن يكــون صغيـ ٌـر‬

‫بالعمــر وإنمــا صغيــر بالحجــم ليكــون مثـ ًـا بحجــم الموجــه (الراوتــر) الالســلكي تقري ًبــا ونضعــه فــي البيــت‬
‫ليراقــب حالتنــا الصحيــة؟ هــل برأيــك أنــه يوجــد لدينــا ً‬
‫حقــا طبيــب بهــذه المواصفــات؟ إذا كان جوابــك ال‬
‫فــا مشــكلة أنــا مثلــك ظننــت بأنــه ال يوجــد طبيــب بهــذه المواصفــات ولكــن تفاجــأت ً‬
‫حقــا عنــد قراءتــي أن‬

‫هنالــك فعـ ًـا طبيــب بهــذه المواصفــات ولكــن نســيت أن أخبــرك بأنــه ليــس بشــريً ا وإنمــا آلــة‪.‬‬

‫تســتطيع هــذه اآللــة تتبــع جميــع أنــواع اإلشــارات الفيزيولوجيــة الخاصــة بــك أثنــاء حركتــك مــن‬

‫غرفــة إلــى غرفــة أخــرى مثــل‪ :‬التنفــس‪ ،‬ومعــدل نبضــات القلــب‪ ،‬والنــوم وطريقــة المشــي والكثيــر مــن‬

‫األمــور األخــرى ّالتــي تحــدد حالتــك الصحيــة بدقــة‪ .‬هــل فعـ ًـا اســتطاع اإلنســان اختــراع مثــل هــذه اآللــة؟‬
‫‪37‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫نعــم اســتطاع‪ ،‬إذ تزعــم البروفيســورة دينــا قتابــي ‪-‬وﻫﻲ ﺑﺮوﻓﻴﺴﻮرة ﻣﺨﺘﺼﺔ فــي ﻋﻠﻮم اﻟﻬﻨﺪﺳﺔ اﻟﻜﻬرﺑﺎﺋﻴﺔ‬

‫واﻟﺤﺎﺳﻮﺑﻴﺔ فــي جامعــة إم آي تــي‪ -‬أنهــا اســتطاعت بنــاء هــذه اآللــة فــي مختبرهــا‪ ،‬وكمــا تعتقــد بــأن‬
‫َّ‬
‫محــل مجموعــة كبيــرة ومكلفــة مــن المعــدات الطبيــة والتــي نســتخدمها فــي‬ ‫هــذا االختــراع قــد يحــل‬

‫المستشــفيات للحصــول علــى البيانــات الســريرية حــول الجســم البشــريأ‪.‬‬

‫تغيــر الحقــل الكهرطيســي المحيــط بنــا ّ‬

‫كلمــا تحركنــا مهمــا كانــت‬ ‫تعتمــد هــذا اآللــة علــى مراقبــة ّ‬
‫الحركــة صغيــرة (مثــل التنفــس)‪ ،‬إذ تبــث هــذه اآللــة إشــارة الســلكية منخفضــة االســتطاعة ِّ‬
‫تغطــي‬

‫مســاحة شــقة بغرفــة نــوم أو اثنتيــن‪ ،‬وتســتطيع هــذه األمــواج االنتشــار فــي البيــت إذ تنعكــس اإلشــارة‬
‫عــن أجســام األشــخاص الموجوديــن ضمــن نطاقهــا‪ ،‬ومــن ثــم تســتخدم هــذه اآللــة تقنيــات ّ‬
‫تعلــم اآللــة فــي‬

‫تحليــل اإلشــارات المنعكســة‪ ،‬واســتخالص البيانــات الفيزيولوجيــةب‪ .‬وقــد ُركِّبــت اآللــة حتــى اآلن ‪-‬وفقـ ًـا‬

‫لقتابــي‪ -‬فــي أكثــر مــن ‪ 200‬منــزل‪ ،‬وذلــك ألشــخاص أصحــاء وآخريــن يعانــون مــن بعــض األمــراض (مثــل‬
‫باركنســون‪ ،‬وألزهايمــر واالكتئــاب‪ ،‬واألمــراض الرئويــة)‪ .‬كمــا شــاركت قتابــي فــي تأســيس شــركة ناشــئة‬

‫أســمتها إيميرالــد (‪ )Emerald‬مــن أجــل اســتثمار هــذه التقنيــة تجاريً ــا‪ ،‬وقدمــت اآللــة إلــى شــركات األدويــة‬

‫والتقانــة الحيويــة مــن أجــل دراســتها واختبارهــا‪.‬‬

‫وحتــى تثبــت قتابــي فائــدة هــذه اآللــة‪ ،‬اســتعرضت البيانــات ّالتــي ُجمعــت علــى مــدى ثمانيــة أســابيع‬

‫فــي منــزل مريــض مصــاب بــداء باركنســون‪ ،‬مشــير ًة إلــى أن ِمشــيته كانــت تتحســن مــا بيــن الســاعة‬
‫الخامســة والسادســة مــن ّ‬
‫كل صبــاح‪ ،‬بشــكل يتواقــت مــع أخــذه للــدواء‪ ،‬وتقــول‪:‬‬

‫هذا الجهاز ال يساعدك على فهم حياة المريض فحسب‪ ،‬بل يساعدك على فهم تأثير الدواء ً‬
‫أيضا‬

‫وهــو مــا قــد يمكِّــن األطبــاء مــن تحديــد الســبب وراء إفــادة بعــض األدويــة لبعــض المرضــى دو ًنــا عــن‬

‫البعــض اآلخــر‪.‬‬

‫ـواء مــا يتعلــق بمحتــوى مــا نتناولــه من‬

‫ويســتعين كثيـ ٌـر منــا بالعديــد مــن أجهــزة الرصــد الشــخصي‪ ،‬سـ ً‬
‫ســعرات غذائيــة أو مــا نخطــوه مــن خطــوات يوميــة‪ ،‬وبإمــكان الــذكاء الصنعــي تأديــة دور مهــم فــي ترجمــة‬

‫الســورية‪ ،‬مــن شــبكة‬ ‫انظــر مقــال دينــا القتابــي‪ ،‬بروفيســورة علــم الحاســوب و الهندســة الكهربائيــة‬ ‫أ‬
‫الباحثون السوريون‬

‫الســلكيا وأنــت فــي منزلــك‪ ،‬مــن شــبكة إن آي تــي‬

‫ً‬ ‫ب انظــر مقــال ســيتمكن طبيبــك قري ًبــا مــن تتبــع صحتــك‬
‫تكنولوجي ريفيو‪.‬‬
‫‪38‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫تلــك البيانــات بطريقــة تنعكــس باإليجــاب علــى صحتنــا‪ .‬وتتجلــى أهميــة رصــد التغيــرات المبكــرة مــع ازدياد‬

‫أعــداد المســنين حــول العالــم‪ ،‬إذ تقــول األمــم المتحــدة أن عــدد المســنين الذيــن تتجــاوز أعمارهــم ‪ 60‬ســنة‬

‫يبلــغ ‪ 13%‬مــن عــدد ســكان العالــم أي مــا يقــارب المليــار نســمة‪ .23‬وتقــول قتابــي إن الكثيــر مــن المســنين‬

‫حقيقيــا علــى حياتهــم‪ ،‬وتعتقــد‬

‫ً‬ ‫باتــوا يعيشــون بمفردهــم‪ ،‬وهــم يعانــون مــن أمــراض مزمنــة تشــكل تهديــدً ا‬

‫أن ابتكارهــا سـ ُـيمكن األطبــاء مــن التدخــل المبكــر بالمريــض تفاديً ــا لمحاولــة إســعاف المرضــى بشــكل طــارئ‬
‫ً‬
‫الحقــا وجعلــه ينتظــر فــي طوابيــر المشــافي‪.‬‬

‫‪1. 4.‬ال حدود إلمكانيات الذكاء الصنعي‬

‫حاليــا مجــال إال‬

‫ً‬ ‫لــم يقتصــر دور الــذكاء الصنعــي علــى المجــاالت التــي ذكرناهــا فقــط بــل ال يوجــد‬

‫ـزءا أساسـ ًـيا مــن أجزائــه‪ .‬ســنعرض ســريعً ا أهــم اإلنجــازات فــي‬
‫وقــد دخــل فيــه الــذكاء الصنعــي وأصبــح جـ ً‬
‫المجــاالت التالــي‪:‬‬

‫•مجال الزراعة‬
‫‪24‬‬
‫»الكشف عن أمراض المحاصيل الزراعية‬
‫‪25‬‬
‫»رش المبيدات الحشرية بدقة متناهية‬

‫»توقع مردود المحاصيل‬

‫‪26‬‬

‫•مجال األمن والحماية‬

‫‪27‬‬
‫»الكشف عن اللصوص في حال غيابك عن المنزل‬
‫‪28‬‬
‫»توقع حدوث اضطرابات اجتماعية (مظاهرات) قبل حدوثها بخمسة أيام‬
‫‪29‬‬
‫»التحقق من هوية المستخدم‬

‫•مجال المال واألعمال‬

‫‪30‬‬
‫»تداول األسهم‬
‫‪31‬‬
‫»معالجة طلبات التأمين‬
‫‪32‬‬
‫»تحسين وتوفير استخدام الطاقة الكهربائية لمراكز بيانات شركة غوغل‬

‫•مجال القانون‬

‫»توقــع نتائــج القضايــا فــي المحكمــة األوروبيــة لحقــوق اإلنســان بدقــة تصــل ‪ 79%‬وهــي أعلى‬

‫مــن دقة اإلنســان وهــي ‪70%‬‏‬

‫‪33‬‬
‫‪39‬‬ ‫يعنصلا ءاكذلا تازاجنإ‬

‫»البحــث واالســتقصاء والتحقــق الدقيــق فــي صفقــات االندمــاج واالســتحواذ لتقليــل‬

‫‪34‬‬
‫خسائر الشركات‬

‫•مجال األلعاب والبرمجة‬

‫‪35‬‬
‫»التغلب على ‪ 75%‬من األمريكيين في اختبار الذكاء البصري‬
‫‪36‬‬
‫»التغلب على البشر في لعبة المسابقات المشهورة ‪Jeopardy‬‏‬
‫ً‬
‫ساحقا (شاهد الفيديو)‬ ‫»الفوز بلعبة سوبر ماريو فو ًزا‬
‫‪37‬‬ ‫»كتابة برنامج ذكاء صنعي يعتمد على ّ‬
‫تعلم اآللة بمفرده‬

‫•المجال الفني واإلبداعي‬

‫‪38‬‬
‫احترافيا‬
‫ً‬ ‫»تقليد طريقة رسم الفنان فان جوخ للوحاته تقليدً ا‬
‫‪39‬‬
‫»كتابة قصائد اجتازت مرحلة االختبارات المؤهلة للنشر‬

‫»كتابة مقاالت وتقارير رياضية لوكالة أسوشيتد برس‬

‫‪40‬‬

‫‪41‬‬
‫»كتابة سيناريو فيلم سينمائي‬

‫‪1. 5.‬الخالصة‬
‫إن جميــع هــذه اإلنجــازات الرائعــة الواعــدة ّ‬
‫والتــي اســتطعنا تغطيتهــا فقــط وهنالــك العديــد مــن‬

‫اإلنجــازات األخــرى والتــي اعتقدنــا فــي زمــن مــن األزمــان أنهــا ضــرب مــن الخيــال مــا هــي ســوى البدايــة‬
‫ً‬
‫الحقــا ســيكون أكثــر دهشــة وأكثــر فائــدة فــي عديد مــن جوانــب حياتنــا‪ ،‬وبالتأكيد‬ ‫فحســب‪ ،‬ومــا سنكتشـ ُ‬
‫ـفه‬
‫حتمــا جعــل‬
‫ً‬ ‫ّ‬
‫كل إنجــاز جديــد يرافقــه ظهــور تهديــدات جديــدة‪ ،‬وهــذا األمــر ال يمكننــا إيقافــه ولكــن يمكننــا‬

‫الموصــى بهــا‪ ،‬وهــذه المســؤولية تقــع علــى عاتــق‬

‫التهديــدات أخــف وذلــك بتطبيــق كافــة التعليمــات األمنيــة ُ‬
‫ّ‬
‫كل فــرد منــا ســواء اســتطعنا االســتفادة مــن هــذه القنيــات أم ال‪.‬‬

‫واآلن هــل مــا زلــت متــرددً ا فــي دخــول مجــال الــذكاء الصنعــي وتحديــدً ا ّ‬
‫تعلــم اآللــة؟ ســتتعرف‬
‫فــي الفصــل التالــي علــى معلومــات جديــدة عــن تاريــخ هــذا المجــال ّ‬
‫والتــي ستســاعدك فــي اتخــاذ هــذا‬

‫حتما‪.‬‬
‫ً‬ ‫القرار‬
 ‫‪2.‬الذكاء االصطناعي‪ :‬مراحل البدء‬
‫والتطور واألسس التي نشأ عليها‬

‫بعــد ّ‬
‫كل مــا تعرفنــا عليــه مــن إنجــازات الــذكاء االصطناعــي وإمكانياتــه منقطعــة النظيــر فــي جميــع‬

‫جوانــب حياتنــا اليوميــة‪ ،‬ال بــدّ لســائل أن يســأل؛ كيــف بــدأ األمــر كلــه؟ كيــف وصلنــا إلــى مــا وصلنــا إليــه؟‬

‫كيــف اســتطاع الــذكاء االصطناعــي التفــوق علــى ُمعلمــه (اإلنســان) فــي بعــض المجــاالت (مثــل األلعــاب‬

‫وغيرهــا)؟ كيــف اكتســب هــذه القــوة الرياضيــة الهائلــة؟‬

‫ً‬
‫عميقــا فــي جحــر الــذكاء االصطناعــي ونبــش‬ ‫لفهــم واضــح وكامــل لهــذا المجــال ال بــدَّ لنــا مــن الغــوص‬

‫تاريخــه وأســراره لفهمــه جيــدً ا‪ ،‬ومعرفــة األســس ّالتــي وضــعَ عليهــا إلــى أن تكتمــل الصــورة فــي أذهاننــا‬

‫ـل أعمــق تمكننــا مــن الدخــول فــي هــذا المجــال الشـ ّـيق‪.‬‬
‫ولنســتطيعَ بعدهــا التعــرف علــى تفاصيـ ٍ‬

‫فــي البدايــة مــن الضــرورة بمــكان المــرور علــى تاريخ مجــال الرياضيــات المرتبــط بالــذكاء االصطناعي‪،‬‬
‫ّ‬
‫والــذي جعــل مــن الــذكاء االصطناعــي قابـ ًـا للوجــود‪ ،‬باإلضافــة إلــى ذلــك تأتــي أهميــة الرياضيــات مــن كونها‬
‫العلــم ّالــذي سيســاعدنا فــي بنــاء ذكاء البرنامــج ومــا طــرق االســتنتاج واالســتنباط المســتخدمة فــي معظــم‬

‫سيســاعد فــي تقــدم‬

‫الخوارزميــات إال خيــر مثــال علــى ذلــك‪ .‬لــذا فــإن أي تقــدم علمــي فــي الرياضيــات ُ‬
‫الــذكاء االصطناعــي بطريقــة أو بأخــرى‪ ،‬وبالطبــع الرياضيــات ليــس العلــم الوحيــد ّالــذي شــارك فــي تقــدم‬

‫الــذكاء االصطناعــي بــل شــاركت علــوم أخــرى مثــل الفلســفة ّالتــي حاولــت وصــف عمليــة التفكيــر البشــري‬

‫علــى أنهــا معالجــة ميكانيكيــة للرمــوز‪ ،‬وغيرهــا مــن العلــوم مثــل علــم اإلحصــاء واالحتمــاالت‪.‬‬

‫ارتباطــا مباشـ ًـرا مــع الــذكاء االصطناعــي وســنحاول‬

‫ً‬ ‫ســنركز علــى أهــم النقــات النوعيــة ّالتــي ترتبــط‬

‫تجنــب أي تفاصيــل أخــرى ليــس تقليـ ًـا مــن شــأنها ولكــن فــي نهايــة المطــاف هدفنــا التركيــز علــى تاريــخ‬

‫الــذكاء االصطناعــي وليــس تاريــخ الرياضيــات ككل‪.‬‬

‫‪41‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫‪2. 1.‬القرن التاسع عشر والبدايات‬

‫شــهد الربــع الثانــي مــن القــرن التاســع عشــر بدايــة ظهــور بــذور الــذكاء االصطناعــي علــى‬

‫تــك موجــودة بعــد‪ ،‬إال أن الــذكاء االصطناعــي ‪-‬كمنطــق رياضــي‪-‬‬

‫الرغــم مــن أن الحواســيب لــم ُ‬
‫ّ‬
‫وشــق طريقــه فــي الوســط العلمــي فعندمــا قــدم لنــا العالــم جــورج‬ ‫أوجــد لنفســه المــكان المناســب‬
‫ً‬
‫الحقــا بالجبــر‬ ‫بــول (‪ )George Boole‬نظريتــه الخاصــة فــي المنطــق الجبــري ّ‬
‫والتــي ســميت‬

‫البوليانــي (‪ )Boolean algebra‬وهــي نظريــة تعتمــد فــي أساســها علــى تمثيــل أي متغيــرات فــي‬

‫أي عمليــة رياضيــة علــى قيمتيــن فقــط وهمــا ‪ 1‬و‪ ،0‬وتشــكل مجموعــة متغيــرات عبــارات منطقيــة‪.‬‬

‫تمامــا للطــرق المســتخدمة فــي الجبــر العادي‪.‬‬

‫ويمكــن كتابــة هــذه العبــارات وإثبــات صحتهــا بطريقــة مماثلــة ً‬
‫وكانــت هــذه النظريــة األســاس ّالــذي نشــأت عليهــا علــوم الحاســب ً‬
‫أيضا‪.‬‬

‫‪2. 2.‬التحديات الجديدة للرياضيات واآلفاق المستقبلية‬

‫فــي هــذه األثنــاء كانــت الرياضيــات غيــر واضحــة المعالــم وكانــت هنالــك جهــود كبيــرة فــي تنظيــم‬
‫الطــرق الرياضيــة ومــن بيــن هــذه الجهــود كان هنالــك المؤتمــر الدولــي للرياضيــات ّ‬
‫والــذي ســاعد فــي‬

‫توحيــد الجهــود المبذولــة وفــي النســخة الثانيــة مــن هــذا المؤتمــر وتحديــدً ا فــي عــام ‪ 1900‬عــرض عالــم‬

‫الرياضيــات األلمانــي ديفيــد هيلبــرت (‪ )David Hilbert‬فــي ذلــك المؤتمــر الــذي أقيــم فــي باريــس ‪23‬‬
‫مســألة رياضيــة عصيــة علــى الحـ ّـل (والتــي تســمى ً‬
‫أيضــا معضــات هيلبــرت)‪.‬‬

‫وقــال هيلبــرت إن هــذه المســائل ســتُ ِّ‬

‫حدد شــكل الرياضيــات فــي الـــ‪ 100‬ســنة المقبلــة‪ ،‬ألنــه اختــار‬

‫مســائل ذات صــات وجــذور بفــروع متعــددة فــي الرياضيــات‪ ،‬بحيــث أن الســعي لحلهــا ســوف يولــد‬

‫نظريــات ونتائــج جديــدة‪ُ .‬ح ّلــت حتــى يومنــا الحالــي ‪ 16‬مســألة وأدى ذلــك إلــى بــروز فــروع رياضيــة‬

‫جديــدة‪ .‬ويــرى المتمعــن فــي طريقــة تطــور رياضيــات القــرن العشــرين أن ســببها الرئيســي هــو حـ ّـل تلــك‬

‫المســائل ممــا أدى إلــى حــدوث ثــورة عارمــة فــي هــذا العلــم طيلــة القــرن الـــ ‪ 20‬وأعطتــه دفعــة قويــة ترتــب‬

‫عليهــا إنتــاج غزيــر فــي جميــع االختصاصــات الرياضيــة‪.‬‬

‫الــدرس ّالــذي يمكــن أن نتعلمــه مــن مســائل هيلبــرت أو مــن العقليــة الكامنــة بطريقــة تفكيــره هــو‬

‫أنــه قــد يكــون مــن الصعــب جــدً ا تحديــد جميــع االفتراضــات ّالتــي تســتخدم فــي أي فــرع مــن الرياضيــات‪.‬‬

‫ولكــن هــذا األمــر لــم يــرق إلــى عالميــن مــن علمــاء الرياضيــات وهمــا برترانــد راســل وألفريــد نــورث وايتهيــد‬

‫ـاء علــى‬ ‫وإنمــا حثهــم علــى اعتنــاق هــذا التحــدي ومحاولــة تجميــع ّ‬
‫كل الفرضيــات والمســلمات الرياضيــة بنـ ً‬
‫‪42‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫المنطــق الجبــري لجوتلــوب فريجــه (‪ّ )Gottlob Frege‬الــذي كان حاضـ ًـرا بشــدة آنــذاك‪ ،‬وذلــك فــي ثالثــة‬

‫مجلــدات تحــت اســم “مبــادئ الرياضيــات” (‪ُ )Principia Mathematica‬نشــرت عــام ‪1910-1912-‬‬

‫‪ 1913‬علــى التتالــي جــاءت محاولــة هاذيــن العالميــن لتمثيــل مجموعــة مــن البديهيــات وقواعــد االســتنتاج‬

‫فــي منطــق الرمــوز‪ ،‬لنســتطيع مــن خاللهــا ‪-‬مــن حيــث المبــدأ علــى األقــل‪ -‬إثبــات جميــع الحقائــق الرياضيــة‪،‬‬

‫كمــا حــاوال مــن خــال هــذا الكتــاب تحديــد األســس الرياضيــة بدقــة ليكــون بذلــك أول كتــاب يناقــش‬

‫المبــادئ الرياضيــة بتلــك الطريقــة آنــذاك‪.‬‬

‫أحــدث هــذا الكتــاب جلَبــة كبيــرة فــي الوســط العلمــي لــذا بــدأت تظهــر مجموعــة مــن األســئلة‬

‫عمومــا فــي هــذا الصــدد وبعيــدً ا عــن وضــع البديهيــات كحقائق‬

‫ً‬ ‫والتحليــات‪ .‬وإحــدى األســئلة ّالتــي طرحــت‬

‫منطقيــة عــن أي منظومــة رياضيــة‪ ،‬مثــل مبــادئ الرياضيــات (‪:)Principia Mathematica‬‬

‫•مــاذا لــو كان بإمكاننــا اســتنتاج تناقــض مــن البديهيــات؟ (وهــذا هــو الســؤال ّالــذي حفــز العلمــاء‬
‫علــى إيجــاد مســألة عــدم االتســاق)‪.‬‬

‫•ومــاذا لــو كان هنــاك بيــان رياضــي ال يمكــن إثباتــه مــن خــال هــذه المنظومــة؟ (وهــذا هــو الســؤال‬

‫ّالــذي حفــز العلمــاء علــى إيجــاد مبرهنــة عــدم االكتمــال)‪.‬‬

‫وفــي عــام ‪ ،1931‬نشــر عالــم رياضيــات نمســاوي شــاب يدعــى كــورت غــودل (‪ )Kurt Gödel‬ورقــة‬

‫بحثيــة أحدثــت صدمــة تــرددت أصداؤهــا فــي أنحــاء مجتمــع الرياضييــن وأجبرتهــم علــى إعــادة النظــر‬
‫فــي علمهــم‪ .‬كانــت هــذه الورقــة تحتــوي علــى مبرهنــة عــدم االكتمــال‪ّ .‬‬
‫والتــي تحـ ُّ‬
‫ـث علــى التشــكيك فــي‬

‫معنــى افتــراض أن أمـ ًـرا مــا صحيــح فــي الرياضيــات‪ .‬كان التغيــر الناتــج فــي فهمنــا للرياضيــات مثيـ ًـرا بقــدر‬

‫التغييــر ّالــذي حــدث فــي إدراكنــا للهندســة‪ ،‬عنــد اكتشــاف الهندســة غيــر اإلقليديــة (أو الهندســة الالإقليديــة)‬

‫فــي القــرن التاســع عشــر‪ .‬اشــتمل هــذان االكتشــافان الكبيــران علــى نظـ ٍـم بديهيــة‪ ،‬وال يمكــن فهــم كليهمــا‬
‫علــى نحــو صحيــح دون تقديــر مــا يعنيــه الرياضيــون بكلمــة «بديهــي» والــدور ّالــذي تلعبــه المســلمات‬

‫في الرياضيات‪.‬‬

‫أحدثــت نظريــة عــدم االكتمــال ثــورة فــي الرياضيــات وألهمــت أشــخاص مثــل جــون فــون نيومــان‪،‬‬

‫ّالــذي ابتكــر نظريــة األلعــاب‪ ،‬وآالن تورنــغ (‪ّ ،)Alan Turing‬الــذي يعــد األب الروحــي للــذكاء االصطناعــي‬

‫وعلــوم الحاســوب‪.‬‬
‫‪43‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫فــي وقــت الحــق‪ ،‬أصبحــت نظريــات غــودل ال تقــدر بثمــن فيمــا يتعلــق بعلــوم الحاســوب‪ ،‬ألن‬

‫االعتــراف بــأن هنــاك أشــياء ال يمكــن إثباتهــا يضــع حــدً ا لمــا يمكــن للحواســيب حلــه‪ ،‬وتجنــب ضيــاع الوقــت‬

‫فــي محاولــة عمــل المســتحيل‪.‬‬

‫ً‬
‫آفاقا جديدة‬ ‫‪2. 3.‬األخطاء في نص أحد المسائل يفتح‬

‫بالعــودة لعــام ‪ 1928‬أعــاد العالــم ديفيــد هيلبــرت عــرض المســائل مــرة أخــرى‪ ،‬وكان مــن بيــن هــذه‬

‫المســائل مســألة القــرار (‪ )Entscheidungsproblem‬وهــي إثبــات أنــه هــل يمكــن الحصــول علــى منهــج‬

‫أو مجموعــة إجــراءات يمكننــا مــن خاللهــا الحكــم علــى عبــارة رياضيــة بأنهــا صحيحــة أو خاطئــة (أطروحــة‬

‫التقريــر أو الحكــم)‪ .‬لفتــت هــذه المســألة نظــر الشــاب آالن تورنــغ وقــرر أن يعتنــق هــذا التحــدي ويبــدأ بحــل‬

‫هــذه المســألة وفــي إطــار حلــه لهذه المســألة احتــاج آالن آللة ذكية تســتطيع أن تقــرأ وتتعامل مــع مخرجاتها‪.‬‬

‫آليــا‪ .‬آلــة كاملــة‬

‫كان هــذا يعنــي أن تتعامــل اآللــة مــع رمــوز وحــركات محــددة تمكنهــا مــن القيــام بعملهــا ً‬
‫قــادرة علــى فهــم لغــة مكونــة مــن األرقــام ‪ 1‬و ‪ 0‬للقيــام بهــذه المهمــة‪.‬‬

‫مــن خــال اســتعانته بعمــل جــورج كانتــور (‪ Georg Cantor‬وهــو العالــم ّالــذي حــاول ّ‬
‫حــل هــذه‬

‫المســألة قبــل تورنــغ) توصــل تورنــغ إلــى أن اآللــة ّالتــي يفكــر فيهــا والمطلوبــة إلنجــاز مســألة هيلبــرت تحتاج‬

‫لخطــوات ال منتهيــة‪ ،‬وبالتالــي فهــي عاجــزة عــن إنتــاج أي جــواب‪ .‬وإن وصــول اآللــة لجــواب يعنــي أنهــا‬

‫تتحــرك فــي حلقــة مغلقــة بدايتهــا الســؤال ونهايتهــا الجــواب‪ ،‬وهــذا يعنــي عــدد منتـ ِـه مــن الخطــوات‪ .‬آلــة‬
‫ً‬
‫الحقــا‬ ‫تيورينــغ متورطــة فــي خطــوات ال منتهيــة وبالتالــي فــا أمــل مــن وصولهــا إلــى جــواب‪ .‬واســتنتج‬
‫خطــأ مســألة (معضلــة) هيلبــرت‪.‬‬

‫وعندمــا عَ ِم َ‬
‫ــل فــي محطــة بليتشــلي بــارك (وهــي حديقــة خصصــت فــي الحــرب العالميــة الثانيــة‬

‫لتكــون المقــر الرئيســي لعمليــات فــك الشــيفرة األلمانيــة)‪ ،‬تمكــن مــن تحقيــق خمســة إنجــازات مهمــة فــي‬

‫مجــال تحليــل الشــفرات‪ ،‬وأثنــاء الحــرب العالميــة الثانيــة اســتطاع بنــاء جهــاز كهروميكانيكــي للمســاعدة‬

‫فــي فــك شــفرة اإلشــارات الخاصــة بجهــاز إنجمــا األلمانــي (‪ ،)Enigma Machine‬وســمي هــذا الجهــاز‬
‫ً‬
‫الحقــا بآلــة تورينــغ وســاعدت هــذه اآللــة علــى اختصــار مــدة الحــرب بمــدة ‪ 2-4‬ســنوات علــى األقــل‪.‬‬
‫حــاول آالن تورنــغ بهــذه اآللــة إيجــاد ّ‬
‫حــل لمعضلــة هيلبــرت‪ .‬وكان آللــة تورنــغ اإلثبــات الحقيقــي لقــدرة‬
‫اآللــة علــى العمــل بالمنطــق الرياضــي بــدون تدخــل البشــر ً‬
‫وفقــا لمدخــات وأوامــر مســبقة‪ .‬علــى الرغــم‬

‫مــن أن تورنــغ برهــن بآلتــه خطــأ مســألة هيلبــرت وذلــك بإثباتــه عــدم قــدرة الرياضيــات علــى حـ ّـل جميــع‬

‫المشــاكل عــدا المشــاكل القابلــة للحـ ّـل بحــد ذاتهــا‪ ،‬إال أنــه اســتطاع أن يركــز فقــط علــى مــا يســتطيع تحقيقــه‬
‫‪44‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫باســتخدام آلتــه الفكريــة‪ ،‬ووصلــوا بذلــك الســتنتاج بــأن أي مســألة تخضــع للمنطــق الرياضــي يمكــن تمثيلهــا‬

‫بالقيمتين ‪ 0‬و‪.1‬‬

‫‪2. 4.‬أول شبكة عصبية اصطناعية‬

‫لــم يكــن آالن تورينــغ الوحيــد فــي المضمــار (مضمــار تطــور الــذكاء االصطناعــي) وإنمــا انضــم لمرافقتــه‬

‫بعــض العلمــاء األخريــن مثــل‪ :‬عالــم الفيزيولوجيــا العصبيــة وارن ماكولوتــش وعالــم الرياضيــات الشــاب‬

‫والتــر بيتــس عندمــا نشــرا ورقــة علميــة فــي عــام ‪ 1943‬تتحــدث عــن كيفية عمــل الخاليــا العصبيــة ونمذجا‬

‫للمــرة األولــى شــبكة عصبيــة بســيطة باســتخدام دوائــر كهربائيــة ولهمــا تنســب الفكــرة األساســية للخاليــا‬

‫العصبيــة االصطناعيــة ّالتــي نســتخدمها فــي أيامنــا الحاليــة‪ .42‬وفــي الخمســينيات بــدأ علمــاء الحواســيب‬

‫بتطبيــق هــذه الفكــرة فــي عملهــم‪ .‬وكان مــن بينهــم العالــم األمريكــي أرثــر ســامويل عندمــا أنشــأ برنامــج‬
‫علــم نفســه بنفســه لعبــة الدامــا (‪ ،)checkers‬كمــا أنــه أول مــن أبتكــر مصطلــح ّ‬
‫تعلــم اآللــة (‪machine‬‬ ‫يُ ّ‬

‫‪ )learning‬وكان ذلــك فــي عــام ‪.1952‬‬

‫‪2. 5.‬تكاتف الجهود ومحاولة توحيد المصطلحات‬

‫فــي ورقــة بحثيــة نشــرها تورنــغ عــام ‪ 1950‬أثنــاء عملــه بقســم الحاســوب بجامعــة مانشســتر‪ ،‬ع ّبــر‬

‫تورنــج عــن تســاؤالته حــول قــدرة أي آلــة أو برنامــج أو حاســوب علــى القيــام بأفعــال وتصرفــات تــدل‬

‫علــى وجــود ذكاء حقيقــي ووعــي خــاص بهــا‪ .43‬ولكــن كان ال بــدّ فــي البدايــة اإلجابــة علــى بعــض األســئلة‬
‫مثــل‪ :‬مــا هــو الوعــي؟ هــل يمكــن آللــة اصطناعيــة التفكيــر ً‬
‫حقــا؟ هــل يتألــف العقــل مــن خاليــا عصبيــة فــي‬

‫الدمــاغ فقــط؟ أم أن هنــاك شــرارة غيــر ملموســة فــي جوهــره؟‬

‫أقترح أن نتفكر في هذا السؤال‪ :‬هل تفكر اآلالت؟ يجب أن نبدأ ً‬

‫أول بتحديد معنى واضح لمصطلحي‬

‫«تفكير» و «آلة» ‪ -‬آالن تورنغ بتصرف‬

‫ماهيــة الوعــي والــذكاء ولكــن أالن‬

‫ّ‬ ‫كانــت هــذه األســئلة أساســية للكثيــر مــن النــاس مــن أجــل تحديــد‬

‫ـد أبســط بكثيــر مــن تلــك األســئلة‪ :‬وهــو‬

‫تورنــغ قــرر التغاضــي عــن جميــع األســئلة واســتبدالها بســؤال واحـ ٍ‬
‫هــل يمكــن للحاســوب التحــدث مثــل البشــر؟ ولمعرفــة ذلــك اقتــرح تورنــج لعبــة تجمــع فرديــن أحدهمــا‬
‫حاســوب ذكــي‪ ،‬واآلخــر محقــق أو حكــم‪ّ ،‬‬
‫وكل منهــم فــي غرفــة منفصلــة ويتواصلــون ســويً ا عبــر شاشــة‬

‫حاســوب ولوحــة مفاتيــح بــدون معرفتهــم بالشــخص المقابــل ّالــذي يحدثونــه‪ .‬وتهــدف اللعبــة ألن يميــز‬
‫‪45‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫الحقــا ُ‬
‫وقصــر علــى‬ ‫ً‬ ‫ـور هــذا االختبــار‬ ‫ً‬
‫الحقــا باختبــار الــذكاء‪ ،‬طـ ّ‬ ‫الحكــم بيــن اإلنســان والحاســوب وعرفــت‬
‫ـوب واحــد‪ ،‬ومــن خــال توجيــه أســئلة مباشــرة لـ ّ‬
‫ـكل منهمــا وتحليــل اإلجابــة سـ ُـيحاول‬ ‫ـد وحاسـ ٍ‬
‫حكـ ٍـم واحـ ٍ‬

‫حقيقيــا أم مجــرد حاســب‪ .‬أي بعبــارة أخــرى‪ ،‬سـ ُـيعدُّ الحاســوب ً‬

‫ذكيــا إن‬ ‫ً‬ ‫ـخصا‬
‫الحكــم اســتنتاج إن كان شـ ً‬
‫كان يصعــب تمييــز محادثتــه عــن محادثــة اإلنســان‪.‬‬

‫ً‬
‫الحقــا‪ ،‬ومــن الجديــر بالذكــر أنــه لــم يســتطع أي حاســوب‬ ‫ظهــرت العديــد مــن االختبــارات األخــرى‬

‫اجتيــاز اختبــار تورنــغ حتــى عــام ‪ 2014‬إال حاســوب يُ دعــى يوجيــن جوســتمان (‪)Eugene Goostman‬‬

‫اســتطاع إقنــاع ‪ 33%‬مــن الحــكام بأنــه طفــل روســي عمــره ‪ 13‬ســنة‪.‬‬

‫بالعــودة إلــى وقــت طــرح اختبــار تورنــغ لــم يكــن فــي ذلــك الوقــت حديــث عــن إعطــاء المصطلحــات‬

‫المناســبة للمفاهيــم الموجــودة‪ .‬فــي الحقيقــة إن البدايــة الرســمية لظهــور مصطلــح الــذكاء االصطناعــي‬

‫(‪ )Artificial Intelligence‬كانــت فــي عــام ‪ 1956‬وتحديــدً ا فــي كليــة دارتمــوث فــي واليــة هانوفــر فــي‬

‫الواليــات المتحــدة األمريكيــة‪ ،‬وذلــك بفضــل ورشــة عقــدت حــرم الكليــة ناقــش فيهــا مجموعــة مــن العلمــاء‬

‫معظمهــم مــن شــركة ‪- IBM‬نتيجــة ازدهــار الشــركة آنــذاك‪ -‬البرمجيــات الذكيــة والبرمجيــات القــادرة علــى‬

‫التفكيــر حتــى أطلقــوا فــي نفــس الورشــة المصطلــح الرســمي وهــو الــذكاء االصطناعــي لهــذا المجــال‬

‫العلمي الصاعد‪.‬‬

‫بعدهــا توالــى االهتمــام فــي هــذا المجــال وضخــت الواليــات المتحــدة أمـ ً‬
‫ـوال طائلــة لدعــم المشــاريع‬

‫المتعلقــة بهــذا المجــال‪ ،‬وبــدا هنــاك تفــاؤل كبيــر جــدً ا فــي هــذا العلــم الجديــد‪ ،‬إذ أطلــق فــي عــام ‪1959‬‬
‫نموذجــا لشــبكة عصبيــة قــادرة علــى إزالــة صــدى‬
‫ً‬ ‫برنــارد ويــدرو ومارســيان هــوف مــن جامعــة ســتانفورد‬

‫الصــوت مــن المكالمــات عبــر خطــوط الهاتــف التقليديــة لتكــون بذلــك أول شــبكة عصبيــة تحـ ّـل مشــكلة فــي‬

‫عالمنــا الحقيقــي‪ ،‬وأطلقــوا عليهــا اســم مادليــن (‪ )MADALINE‬وال تــزال هــذه الشــبكة مســتخدمة حتــى‬

‫يومنــا الحالــي‪.44‬‬

‫‪2. 6.‬التطور السريع ألشباه الموصالت‬

‫فــي هــذه األثنــاء كان العمــل متواصـ ًـا علــى تطويــر تقنيــة أشــباه الموصــات‪ ،‬وتحســين إمكانياتهــا‬

‫التطبيقيــة ممــا جــذب العديــد مــن وســائل اإلعــام علــى تغطيــة أخبــار هــذا المجــال‪ ،‬ومــن بيــن وســائل‬

‫اإلعــام كانــت «مجلــة إلكترونيكــس» تجهــز عددهــا ‪ 35‬وعندمــا طلبــت المجلــة مــن الدكتــور غــوردون مــور‬
‫‪46‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫كتابــة مقــال مفصــل يتنــاول فيــه الحديــث عــن توقعاتــه حــول مــا ســيحدث فــي صناعــة مكونــات أشــباه‬

‫الموصــات فــي األعــوام الـــ‪ 10‬القادمــة‪.‬‬

‫انتهزت تلك الفرصة لمراجعة ما شهده هذا المجال من تطورات حتى ذلك الوقت‪ .‬وكان ذلك في عام‬

‫‪ ،1964‬على ما أعتقد‪ ،‬وحينها نظرت إلى األنواع القليلة من الرقاقات ّالتي صنعناها‪ ،‬والحظت أننا انتقلنا‬
‫من «ترانزستور» واحد على ّ‬
‫كل رقاقة إلى نحو ثمانية عناصر (ترانزستورات ومقاومات) على الرقاقة‬

‫أما في‬
‫عنصرا‪ّ .‬‬
‫ً‬ ‫الواحدة‪ .‬ثم أصبحت الرقاقات الجديدة حينها تحمل ضعف عدد العناصر‪ ،‬أي نحو ‪16‬‬

‫عنصرا‪ ،‬ونبحث إمكانية صنع رقاقات تحمل ضعف‬

‫ً‬ ‫المختبر‪ ،‬فكنا نعمل على إنتاج رقاقات تتضمن نحو ‪30‬‬

‫عنصرا للرقاقة الواحدة‪ .‬وعندما وضعت تلك المعلومات على شكل رسم بياني‪،‬‬
‫ً‬ ‫هذا العدد‪ ،‬أي نحو ‪60‬‬
‫ابتداء من «الترانزستور» الوحيد على رقاقة في عام ‪ ،1959‬الحظت أن عدد العناصر كان يتضاعف ّ‬
‫كل‬

‫عام تقري ًبا‪ .‬وهكذا أجريت عملية استقراء‪ ،‬وتوقعت أننا سنواصل مضاعفة عدد العناصر على الرقاقة‬

‫عنصرا في ذلك الوقت إلى نحو ‪ 60‬ألف عنصر في غضون ‪ 10‬أعوام‪.‬‬

‫ً‬ ‫الواحدة ّ‬
‫كل عام‪ ،‬لنقفز من ‪60‬‬

‫‪ -‬غوردون مور بتصرف‬

‫أحدثــت هــذه المقالــة نقلــة نوعيــة فــي طريقــة تعامــل العامليــن فــي هــذا القطــاع مــع آليــة تطويــر‬

‫أشــباه الموصــات مــع العلــم بــأن هــدف الدكتــور غــوردون مــن المقــال لــم يكــن بنــاء األساســات العلميــة‬

‫والمثبتــة لطريقــة تطويــر هــذه التقنيــة‪ ،‬وإنمــا فقــط لقيــاس واســتنباط طريقــة تطورهــا فــي الماضــي‪،‬‬
‫ً‬
‫منعطفــا حــادً ا آخــر بعــد هــذا المقــال وأصبحــت المقالــة‬ ‫وجعلهــا أوضــح للعيــان‪ ،‬ولكــن اتخــذت األمــور‬

‫خارطــة الطريــق المســتقبلية لهــذا المجــال‪.‬‬

‫‪2. 7.‬أسباب حدوث شتاء الذكاء االصطناعي‬

‫ومــن جانــب آخــر لــم يكــن علــى الصعيــد اإلعالمــي العالمــي ســمعة قويــة لمجــال الــذكاء االصطناعــي‪،‬‬

‫إذ كان هــذا المجــال جديــدً ا وغيــر واضــح المعالــم إلــى حــد مــا‪ ،‬ولكــن تغيــرت األمــور كثيـ ًـرا بعــد أن زار‬

‫المخــرج الســينمائي ســتانلي كوبريــك العالــم مارفــن مينســكي (‪ )Marvin Minsky‬فــي مختبــر الــذكاء‬

‫االصطناعــي التابــع لمعهــد ماساتشوســتس للتكنولوجيــا (‪ )MIT‬وذلــك للســؤال عمــا إذا كان الحاســب‬
‫ً‬
‫فعــا بحلــول عــام ‪ .452001‬أكــد لــه مينســكي بتفــاؤل أنــه‬ ‫الذكــي ّالــذي كان يتخيلــه ســيكون موجــودً ا‬

‫ســيكون موجــودً ا‪ .‬أدى ذلــك ذلــك لــوالدة فيلــم جديــد أطلــق عليــه اســم ‪ A Space Odyssey‬ناقــش هــذا‬

‫عالميــا‬
‫ً‬ ‫ممــا جعــل مــن مجــال الــذكاء االصطناعــي موضوعً ــا‬
‫الفيلــم الــذكاء االصطناعــي بطريقــة مختلفــة ّ‬
‫وحديث الساعة‪.‬‬
‫‪47‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫فــي ذلــك الوقــت لــم تكثــر األقاويــل والمبالغــات والشــائعات مــن وســائل اإلعــام فقــط‪ ،‬وإنمــا تعــدى‬

‫ذلــك إلــى العلمــاء ليبالغــوا فــي تفاؤلهــم ونظرتهــم المســتقبلية‪ .‬حتــى أن أحــد العلمــاء وهــو هيربرت ســايمون‬

‫صـ ّـرح عالنيــة بعــام ‪ 1965‬متحد ًثــا عــن مســتقبل الــذكاء االصطناعــي فقــال‪:‬‬

‫عاما‪ ،‬على القيام بأي عمل يمكن لإلنسان القيام به‬

‫ً‬ ‫ستكون اآلالت قادرة‪ ،‬في غضون عشرين‬

‫‪ -‬هيربرت سايمون‬

‫لــم يقتصــر األمــر عليــه فقــط وإنمــا انضــم إليــه العالــم مارفــن مينســكي ّالــذي أدلــى عــام ‪1967‬‬

‫بالتصريــح التالــي‪:‬‬

‫في غضون جيل واحد‪ ...‬ستُ ّ‬

‫حل مشكلة خلق ‘الذكاء االصطناعي’ بشكل كبير ‪ -‬مارفن مينسكي‬

‫أضــف إلــى ذلــك أنــه فــي ذلــك الوقــت كانــت الواليــات المتحــدة فــي خضــم الحــرب البــاردة‪ ،‬وكانــت‬

‫جــزءا مــن‬
‫ً‬ ‫سياســة أعضــاء الكونجــرس أن يســتثمروا مبالــغ كبيــرة فــي الــذكاء االصطناعــي بصفتــه‬

‫خصوصــا الترجمــة‬
‫ً‬ ‫إســتراتيجية أمنيــة شــاملة‪ ،‬وتركــزت االســتثمارات فــي تلــك الفتــرة علــى الترجمــة‪،‬‬

‫بيــن اللغتيــن الروســية واإلنجليزيــة‪ ،‬وكان ذلــك فــي الســنوات مــا بيــن ‪ 1954‬و‪ ،1966‬واعتقــد الكثيــر‬

‫مــن العلمــاء البارزيــن بحتميــة تحقيــق إنجــازات هامــة‪ ،‬كمــا فــاض مجــال الــذكاء االصطناعــي بالتبرعــات‬

‫مــن المموِّ ليــن األثريــاء غيــر أن اإلنجــازات لــم تتحقــق بســرعة كمــا كان يعتقــدون‪ .‬وفــي عــام ‪ 1966‬نشــر‬
‫ُ‬
‫وخلــص‬ ‫ســبعة علمــاء مــن اللجنــة االستشــارية حــول المعالجــة اآلليــة للغــة تقريـ ًـرا بطلــب مــن الحكومــة‪،‬‬

‫هــذا التقريــر إلــى أن الترجمــة اآلليــة كانــت أبطــأ وأكثــر تكلفــة وأقــل دقــة مــن الترجمــة البشــرية‪ ،‬وبعدهــا‬

‫فــرض الكونجــرس علــى وكالــة المشــاريع واألبحــاث الدفاعيــة المتقدمــة (داربــا) أن تقتصــر فــي تمويلهــا‬

‫علــى المشــاريع ذات التأثيــر المباشــر علــى المجهــود العســكري؛ ممــا أدى إلــى انتهــاء العمــل علــى الكثيــر مــن‬
‫المشــاريع العلميــة االستكشــافية واألساســية‪ ،‬بمــا فــي ذلــك أبحــاث الــذكاء االصطناعــي‪ّ ،‬‬
‫والتــي كانــت داربــا‬

‫تمولهــا بســخاء‪.‬‬

‫تنوعــت العوائــق ّالتــي تراكمــت فــي طريــق تطــور الــذكاء االصطناعــي ومــع األخــذ بعيــن‬

‫االعتبــار بــأن الحواســيب كانــت فــي ذلــك الوقــت غاليــة جــدً ا وبطيئــة وغيــر قــادرة علــى تحقيــق مــا‬
‫ً‬
‫الحقــا أن العلمــاء فشــلوا فــي إدراك مــدى صعوبــة بعــض المشــاكل‬ ‫يصبــوا إليــه أولئــك العلمــاء‪ .‬اتضــح‬

‫ّالتــي واجهتهــم‪ .‬وفــي عــام ‪ ،1974‬وردً ا علــى انتقــادات جيمــس اليتهيــل (‪ )James Lighthill‬علــى‬
‫‪48‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫تمويــل أبحــاث الــذكاء االصطناعــي والضغــط المســتمر مــن الكونغــرس لتمويــل مشــاريع أكثــر إنتاجيــة‪،‬‬

‫قطعــت الحكومتيــن األمريكيــة والبريطانيــة تمويلهمــا لمعظــم األبحــاث االستكشــافية المتعلقــة بمجــال‬

‫الــذكاء االصطناعــي‪ ،‬وكانــت تلــك أول انتكاســة كبيــرة تشــهدها أبحــاث الــذكاء االصطناعــي‪.‬‬

‫‪2. 8.‬الشتاء األول للذكاء االصطناعي ‪1980-1974‬‬

‫شـكّل هــذا الزخــم اإلعالمــي الهائــل فــي ظــل اإلنجــازات المتواضعــة ّالتــي حققهــا العلمــاء فــي تقــدم‬

‫الــذكاء االصطناعــي إلــى إحبــاط كبيــر للمجتمــع الداعــم لهــذا المجــال‪ ،‬وأدى ذلــك النخفــاض تمويــل مشــاريع‬

‫الــذكاء االصطناعــي ليدخــل مجــال الــذكاء االصطناعــي فــي مرحلــة رقــود كبيــرة امتــدت بين العــام ‪1974-‬‬

‫‪ 1980‬وكان ذلــك أول شــتاء يواجهــه الــذكاء االصطناعــي منــذ بدايتــه‪ .‬ومــن بيــن المشــاكل ّالتــي واجههــا‬
‫آنذاك هي‪:‬‬

‫•ضعــف ســرعة المعالجــة الحاســوبية‪ :‬نتيجــة التقنيــات القديمــة المســتخدمة فــي‬

‫تركيب المعالجات‪.‬‬

‫والتــي كانــت عنصـ ًـرا أساسـ ًـيا فــي تخزيــن المعلومــات ّالتي سـ‬
‫ـتتدرب‬
‫ُ‬ ‫•ذاكــرة التخزيــن المحــدودة‪ّ :‬‬

‫عليهــا خوارزميــات الــذكاء االصطناعي‪.‬‬

‫•عدم وجود كمية بيانات كافية‪ :‬نتيجة عدم وجود ذاكرة تخزين كافية‪.‬‬

‫•الخوارزميــات الرياضيــة‪ :‬كان هنــاك صعوبــات عديــدة فــي إيجــاد حلــول مناســبة للعمليــات‬

‫الرياضيــة ّالتــي تقــود إلــى إيجــاد الحــل األمثــل فــي خوارزميــة معينــة‪ ،‬وتــم إيجــاد العديــد مــن هــذه‬
‫ً‬
‫الحقــا ومــن بينهــا ‪.Stochastic Gradient Descent‬‬ ‫الحلــول‬
‫‪49‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫أدت هــذه المشــاكل الرئيســية والكثيــر مــن المشــاكل األخــرى إلــى إعــادة هيكلــة مجــاالت متعــددة‬

‫متعلقــة بمجــال علــوم الحاســوب والعمــل علــى تطويــر جوانــب كثيــرة مهمــة رســمت لنــا تاريــخ تطــور‬

‫الحواســيب والــذكاء االصطناعــي فــي آن واحــد‪.‬‬

‫‪2. 9.‬فترة االزدهار‬

‫وفقــد االهتمــام مــن جميــع الباحثيــن‬

‫ِ‬ ‫بعــد الشــتاء األول ّالــذي ّ‬
‫مــر بــه مجــال الــذكاء االصطناعــي‪،‬‬

‫فــي هــذا المجــال تحولــت األنظــار إلــى األنظمــة الخبيــرة عندمــا أعــادت األمــل فــي هــذا المجــال وكان‬
‫بعــض تطبيقاتهــا مثــل أنظمــة إكســكون (‪ّ ،)Xcon‬‬
‫والتــي حظــت بشــعبية كبيــرة باعتبارهــا أنظمــة متخصصــة‬

‫تحاكــي عمليــة اتخــاذ القــرار مثــل الخبــراء المختصيــن‪ ،‬وقــادرة علــى حـ ّـل مشــاكل محــددة دقيقــة مثــل‬

‫ألن المنطــق ّالتــي تعتمــد عليــه هــذه‬

‫تشــخيص األمــراض المعديــة‪ ،‬أو تحديــد المركبــات الكيميائيــة‪ ،‬وذلــك َّ‬
‫األنظمــة آنــذاك هــو الحلقــات الشــرطية “‪ّ ”if-else‬‬
‫والتــي تخالــف الفكــرة األساســية للــذكاء االصطناعــي‪ ،‬أال‬

‫وهــي القــدرة علــى اتخــاذ قــرار مــن تلقــاء نفســها أي بــدون برمجــة هــذا القــرار‪ .‬ومــع ذلك قفــزت اســتثمارات‬

‫المرتبطــة بالــذكاء االصطناعــي مــن بضعــة مالييــن مــن الــدوالرات فــي عــام ‪ 1980‬إلــى مليــارات الــدوالرات‬

‫فــي عــام ‪،1987‬‬

‫ظهــرت فــي تلــك الفتــرة قفــزة معتبــرة عندمــا أعلــن تيــري سيجنوســكي وتشــارلز روزنبــرغ مــن جامعة‬

‫هوبكنــز عــن تطويرهمــا لشــبكة عصبيــة اصطناعيــة قــادرة علــى تعليــم نفســها نطــق الكلمــات الجديــدة‬
‫والتــي أســموها شــبكة ‪ ،NetTalk‬تتألــف هــذه الشــبكة مــن ثالثــة طبقــات‪ ،‬واســتطاعت ّ‬
‫تعلــم كيفيــة نطــق‬ ‫ّ‬

‫‪ 20000‬كلمــة بطريقــة صحيحــة فــي أســبوع واحــد‪ .46‬ومــع اســتمرار تدريبهــا أصبحــت طريقتهــا فــي نطــق‬

‫وضوحــا‪ ،‬وكان ذلــك انجــا ًزا متميـ ًـزا فــي ذلــك الوقــت‪.‬‬
‫ً‬ ‫الكلمــات أكثــر‬

‫ولكــن األجهــزة المختصــة بالــذكاء االصطناعــي آنــذاك لــم تكــن عمليــة إذ كانــت مكلفــة جــدً ا ومعقــدة‬
‫ومــع ظهــور الحواســيب المكتبيــة مــن تطويــر شــركة ‪ IBM‬وشــركة آبــل ‪ّ ،Apple‬‬
‫والتــي تفوقــت بمراحــل‬
‫علــى جهــاز ليســب (‪ )Lisp‬المخصــص للــذكاء االصطناعــي ّ‬
‫والــذي صممــه ريتشــارد جرينبــات أحــد أعضــاء‬

‫الفريــق البحثــي فــي الــذكاء االصطناعــي الخــاص بمعهــد (‪ ،)MIT‬ونظـ ًـرا لتراكــم المشــاكل الخاصــة بأجهــزة‬

‫ـاء بصعوبــة تحديثهــا‪ ،‬وألن المســتهلكين لــم يعــودوا‬

‫ـدءا مــن تكلفتهــا العاليــة‪ ،‬وانتهـ ً‬
‫الــذكاء االصطناعــي بـ ً‬
‫بحاجــة إلــى شــراء آالالت باهظــة الثمــن متخصصــة فقــط فــي تشــغيل أجهــزة الــذكاء االصطناعــي أدى ذلــك‬

‫إلــى انهيــار فــي ســوق هــذه األجهــزة عــام ‪ 1987‬وبذلــك انهــار خــط تصنيــع كامــل لتبــدأ بذلــك مــرة أخــرى‬

‫فتــرة ركــود ثانيــة يواجههــا هــذا المجــال‪.‬‬

‫‪50‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫‪2. 10.‬الشتاء الثاني للذكاء االصطناعي ‪1993-1987‬‬

‫امتــدت الفتــرة الثانيــة مــن شــتاء الــذكاء االصطناعــي بيــن عامــي ‪ 1987-1993‬كمــا أن معظــم‬

‫جليــا مــن خــال انخفــاض عــدد الحاضريــن فــي مؤتمــر‬

‫النــاس فقــدت اهتمامهــا بهــذا المجــال‪ ،‬وكان ذلــك ً‬
‫‪ AAAI‬الخــاص بالــذكاء االصطناعــي إلــى ‪ 2000‬زائــر فــي عــام ‪ 1991‬بينمــا بلغــت نســبة الحضــور‬

‫للمؤتمــر فــي عــام ‪ 1986‬حوالــي ‪ 6000‬زائــر‪ ،‬وبالمثــل يمكــن مالحظــة الزيــادة فــي المقــاالت المتعلقــة‬

‫بالــذكاء االصطناعــي منــذ عــام ‪ 1987‬والوصــول إلــى أدنــى نقطــة لهــا فــي عــام ‪ 1995‬فــي صحيفــة‬

‫نيويورك تايمز‪.‬‬

‫وبالنظــر إلــى المخطــط الســابق ّالــذي يســتعرض عــدد تكــرار الكلمــات الدالليــة الخاصــة بالــذكاء‬

‫االصطناعــي والمتواجــدة فــي ‪ 16625‬ورقــة بحثيــة علميــة متعلقــة بخوارزميــات وتقنيــات الــذكاء‬

‫االصطناعــي الموجــودة آنــذاك‪ ،‬نالحــظ أنــه ظهــرت العديــد مــن األوراق البحثيــة والخوارزميــات الواعــدة‬
‫ً‬
‫منخفضــا بالموازنــة مــع الســنوات الماضيــة وبهذا اســتمرت‬ ‫فــي تلــك الفتــرة إال أن االهتمــام الحقيقــي مــا زال‬

‫فتــرة الركــود العلمــي فــي مجــال الــذكاء االصطناعــي‪.‬‬

‫‪51‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫‪2. 11.‬عودة الذكاء االصطناعي إلى الساحة‬

‫فــي عــام ‪ 1997‬وألول مــرة فــي تاريــخ البشــرية تمكــن جهــاز حاســوب مــن التغلــب علــى أقــوى العــب‬
‫شــطرنج فــي العالــم وهــو غــاري كاســباروف فــي مباراتــه المشــهورة مــع حاســوب ديــب بلــو (‪،)Deep Blue‬‬

‫كان هــذا الحــدث مــا أشــعل فتيــل االهتمــام مــرة أخــرى ليتصــدر الــذكاء االصطناعــي فــي ذلــك الوقــت جميع‬

‫عناويــن الصحــف والمجــاالت وليكــون الحــدث األبــرز فــي نشــرات األخبــار‪.‬‬

‫وبعــد هــذا الحــدث ظهــر فــي نفــس العــام قفــزة جديــدة أخــرى تحســب للــذكاء االصطناعــي‪ ،‬وهــي‬

‫ظهــور أول نظــام للتعرف على الــكالم (‪ )Speech Recognition‬وسـ ّ‬

‫ـمي ‪Dragon NaturallySpeaking‬‬

‫ويســتطيع هــذا النظــام أداء ثــاث مهــام رئيســية وهــي‪:‬‬

‫•التعرف على الكالم‪.‬‬

‫•تحويل النص إلى كالم (‪.)Text-To-Speech‬‬

‫•التعرف على األوامر المنطوقة‪.‬‬

‫جــزءا مــن نظــام‬

‫ً‬ ‫ً‬
‫الحقــا‬ ‫طــورت هــذا النظــام شــركة (‪ّ )Dragon Systems‬‬
‫والــذي أصبــح‬

‫الوينــدوز ‪ .Windows 95‬كان هــذا النظــام حجــر األســاس ومــن الخطــوات الكبيــرة فــي مجــال تفســير‬

‫اللغة المنطوقة‪.‬‬

‫وفــي عــام ‪ 1999‬اســتطاع مجموعــة مــن العلمــاء فــي جامعــة شــيكاغو فــي تطويــر آليــة للتشــخيص‬
‫بمســاعدة الحاســب (‪ّ )Computer-Aided Diagnosis‬‬
‫والتــي تعــرف اختصــا ًرا (‪ ،)CAD‬اســتعرضت هــذه‬

‫اآلليــة ‪ 22000‬صــورة شــعاعية لســرطان الثــدي‪ ،‬واســتطاعت الكشــف عــن الســرطان بدقــة بلغــت نســبتها‬

‫‪ ،52%‬وعبــر الدكتــور كيونــو دوي أســتاذ األشــعة فــي جامعــة شــيكاغو أنــه يمكــن اعتبــار هــذه اآلليــة كــرأي‬
‫‪52‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫ـان لفحــص الصــور الشــعاعية للثــدي‪ ،‬وبهــذا يمكننــا التغلــب علــى األخطــاء البشــرية الناتجــة عــن قلــة خبــرة‬
‫ثـ ٍ‬
‫األطبــاء‪ ،‬أو عندمــا يكونــوا مرهقيــن جــدً ا وتســتطيع مســاعدتهم مــن خــال إظهــار نتائــج بيانيــة للصــور‪.47‬‬

‫لتطور الذكاء االصطناعي باالكتمال وهي‪:‬‬

‫ّ‬ ‫وآنذاك‪ ،‬بدأت العناصر األساسية‬

‫‪2. 11. 1.‬التأثير النفسي لقانون مور‬

‫تتمتَّ ــع قلــة قليلــة مــن ظواهــر الكــون الرقمــي بتأثيـ ٍ‬

‫ـر عميــق علــى تكنولوجيــا المعلومــات واالتصــاالت‬

‫ـاز‪“ :‬يتضاعــف عــددُ الترانزســتور علــى‬

‫ـون مــور‪ .‬ويمكــن صياغــة هــذا القانــون بإيجـ ٍ‬
‫مثلمــا يعــادل تأثيـ َـر قانـ ِ‬
‫الدوائــر المدمجــة َّ‬
‫كل عاميــن تقري ًبــا”‪.‬‬

‫يتنــاول د‪ .‬ييــل بــات ‪-‬عا ِلــم حاســوب بجامعــة تكســاس فــي أوســتن‪ -‬قانـ َ‬
‫ـون مــور فــي محاضراتــه‬

‫بطرحــه الســؤال التالــي علــى الحضــور‪ :‬مــا هــو موضــوع قانــون مــور؟‬

‫•الفيزياء؟‬

‫•تكنولوجيا معالجة الحاسوب؟‬

‫‪53‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫•المعمارية الدقيقة للحاسوب؟‬

‫•علم النفس؟‬

‫اإلجابــة الصحيحــة بحســب د‪ .‬بــات هــي (د) علــم النفــس‪ .‬يســتند رأي الدكتــور بــات علــى أن قانــون‬

‫تحق َقــه وينســبون‬ ‫َّ‬

‫تتحقــق مــن تلقــاء نفســها (أي اعتقــادً ا يعتقــده الكثيــرون وينتظــرون ُّ‬ ‫مــور أصبــح نبــوءة‬
‫ِ‬
‫إليــه مــا يحــدث)‪ .‬فمصمِّ مــو الدوائــر المدمجــة (ومديروهــم) بشــركات إنتــل وهيتاشــي وإيــه إم دي وغيرهــا‬
‫توقــع أنــه ســيوجد جيـ ٌـل جديــد مــن الشــرائح ّ‬
‫كل ‪ 24 –18‬شـ ً‬
‫ـهرا‪،‬‬ ‫مــن مص ِّنعــي الشــرائح تأقلمــوا نفسـ ًّـيا مــع ُّ‬

‫محســنة؛ فــإن‬
‫َّ‬ ‫ـات جديــد ًة بســعة‬ ‫وإن لــم تطــرح شـ ُ‬
‫ـركة إنتــل رقاقـ ٍ‬ ‫بضعْ ــف ســعة اإلصــدارات الســابقة‪ْ .‬‬
‫يتمتــع ِ‬
‫ـات جديــد ًة‪.‬‬
‫دركــون أن شــركة إيــه إم دي أو غيرهــا مــن المنافســين ســيطرحون رقاقـ ٍ‬
‫مســئوليها التنفيذييــن يُ ِ‬

‫المتخصصة‬
‫ّ‬ ‫‪2. 11. 2.‬المعالجات السريعة وظهور المعالجات‬

‫انعكــس تطــور فــي صناعــة أشــباه الموصــات علــى طريقــة تصنيــع المعالجات فأصبــح لدينــا معالجات‬
‫ســريعة جــدً ا‪ّ ،‬‬
‫وكل ســنة تتضاعــف هــذه الســرعة بفضــل قانــون مــور‪ ،‬باإلضافــة إلــى ذلــك أدى ظهــور وحدات‬

‫معالجــة الرســوميات (‪ )GPU‬إلــى تعظيــم عمــل البرامــج علــى المعالجــة المتوازيــة ممــا أعطــى ســرعة أكبــر‬

‫علــى تنفيــذ خوارزميــات الــذكاء االصطناعــي‪ ،‬وكان التنافــس بيــن شــركتي نيفيديــا (‪ )Nvidia‬وشــركة ‪ATi‬‬

‫كثيــرا‬
‫ً‬ ‫المختصيــن فــي بنــاء بطاقــات المعالجــة الرســومية محتــدً ا جــدً ا فــي هــذه الفتــرة‪ ،‬بــل وازدادت‬

‫فــي مطلــع القــرن الواحــد والعشــرين‪ ،‬وكان جهــد ِكال الشــركتين منص ًبــا علــى زيــادة مميــزات البطاقــات‬

‫الرســومية خاصتهــا مــن خــال زيــادة قدرتهــا علــى المعالجــة المتوازيــة‪ ،‬وإضافــة مختلــف المزايــا األخــرى‪،‬‬
‫وكان لهــذه المنافســة فضــل كبيــر علــى تســريع عجلــة تطــور الــذكاء االصطناعــي‪.‬‬

‫وشــهد عــام ‪ 2007‬ظهــور أول بطاقــة معالجــة رســوميات مخصصــة لألغــراض العامــة ّ‬
‫والتــي‬
‫ّ‬
‫وتعلــم اآللــة‬ ‫اســتخدمت مــن أجــل عمــل أبحــاث علــى البيانــات الضخمــة وفــي مجــال الــذكاء االصطناعــي‬

‫والتنقيــب فــي البيانــات‪ ،‬باإلضافــة إلــى ذلــك تســتخدم هــذه البطاقــات فــي يومنــا الحالــي فــي تعديــن‬

‫البتكويــن‪( .‬هــل ســبق وأن ســمعت عــن مــزارع البتكويــن؟)‬

‫‪2. 11. 3.‬تطور طرق التخزين وظهور حلول التخزين السحابي‬

‫لــم يكــن التطــور الحاصــل علــى مســتوى رفــع قــوة المعالجــة فقــط‪ ،‬وإنمــا رافقــه ً‬
‫أيضــا تطــو ًرا فــي‬

‫طــرق التخزيــن الموجــودة ففــي عــام ‪ 1990‬ظهــر نــوع جديــد مــن األقــراص الصلبــة بســعة تصــل إلــى ‪1.5‬‬

‫غيغابايــت‪ ،‬ولــم يكــن هــذا القــرص األول ّالــذي خــرج إلــى الســاحة بــل إن األقــراص الصلبــة ظهــرت منــذ‬
‫‪54‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫عــام ‪ ،1953‬وطــورت شــركة ناســا فــي عــام ‪ 1993‬مكتبــة تخزيــن كبيــرة معتمــدة علــى األشــرطة فقــط‬

‫بوتيــرة منخفضــة إلــى أن شــهدنا‬

‫ـور الســعات التخزينــة َ‬
‫تبلــغ ســعتها اإلجماليــة ‪ 1.2‬تيرابايــت‪ ،‬واســتمر تطـ ّ‬
‫ـوب األمــر ّالــذي دفــع عجلــة التطــور للتقــدم بســرعة كبيــرة وبــدأت تظهــر آنــذاك الحلــول‬
‫انتشــار شــبكة الـ ِ‬
‫المتقدمــة مثــل الحـ ّـل ّالــذي طرحتــه شــركة أمــازون للتخزيــن الســحابي ‪ ،EC2‬وخدمــة التخزيــن البســيطة‬
‫ِّ‬

‫ألمــازون (‪ )Amazon Simple Storage Service‬وتدعــى ‪ ،S3‬وبذلــك لــم تعــد ســعة التخزيــن تشــكل‬

‫مشــكلة كبيــرة‪.48‬‬

‫عالميا والبيانات الضخمة‬

‫ً‬ ‫الوب‬
‫‪2. 11. 4.‬انتشار شبكة ِ‬

‫ـوب (‪ )World Wide Web‬انتشــا ًرا‬

‫تزامنــت بدايــات القــرن الواحــد والعشــرين مــع انتشــار شــبكة الـ ِ‬
‫عالميــا كبيـ ًـرا ممــا نتــج عنــه ظهــور شــركات ســاعدت علــى تطويعــه وتنظيمــه (مثــل‪ :‬شــركة أمــازون وشــركة‬
‫ً‬
‫غوغــل) ّ‬
‫والتــي فتحــت ً‬
‫أفاقــا جديــدة فــي طريقــة تعامــل النــاس مــع هــذه الشــبكة فأصبحــت المعلومــة‬

‫بعيــدة عنــك بمقــدار ضغطــة زر واحــدة كمــا أحدثــت تجــارة جديــدة ســميت بالتجــارة اإللكترونيــة‪.‬‬

‫مــن الجديــر بالذكــر أنــه عــادة مــا تختلــط المفاهيــم بالنســبة لعامــة النــاس بيــن مصطلحــي‬

‫ـوب لــذا مــن الواجــب علينــا توضيــح الفــرق بينهــم إذ أن الــوب مــا هــو إال طريقــة للوصــول‬
‫اإلنترنــت والـ ِ‬
‫ـوب” هــو فــي الواقــع تطبيــق مــن‬
‫وتبــادل المعلومــات عبــر اســتخدام اإلنترنــت ومحــركات البحــث‪ .‬و”الـ ِ‬
‫تمامــا‪ .‬أي أنــه مجــرد خدمــة مــن‬
‫تطبيقــات اإلنترنــت مثــل تطبيقــات الدردشــة اآلنيــة والبريــد اإللكترونــي ً‬
‫خدمات اإلنترنت‪.‬‬

‫ســاعد هــذا االنتشــار الكبيــر علــى توليــد بيانــات كبيــرة إذ قــدرت كميــة البيانــات ّالتــي أ�نشــأت عــام‬

‫‪ 2002‬حوالــي ‪ 5‬إكســابايت (إكســابايت) وتقــدر كميــة البيانــات المنشــأة فــي وقتنــا الحالــي ب ‪ 33‬زيتابايت‬

‫(زيتابايــت)‪ ،‬ويتوقــع أن تنمــو كميــة البيانــات المنشــأة فــي عــام ‪ 2025‬إلــى ‪ 175‬زيتابايــت‪.‬‬
‫‪55‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫‪2. 11. 5.‬عودة اهتمام الباحثين في مجال الذكاء االصطناعي والمجتمع ككُ ّل‬

‫مــن خــال المخطــط ّالــذي اســتعرضنا فيــه عــدد تكــرارات الكلمــات الدالليــة الخاصــة بالــذكاء‬

‫االصطناعــي نالحــظ أن الزيــادة الملحوظــة فــي االهتمــام عــادت مــن عــام ‪ 2000‬وليشــهد المجــال‬

‫البحثــي فــي هــذا المجــال أوج االهتمــام فــي عــام ‪ 2005‬األمــر ّالــذي ترافــق مــع تطــور كبيــر فــي‬

‫الخوارزميــات فنالحــظ ظهــور الخوارزميــة التطوريــة وتطبيقاتهــا الكثيــرة فــي مجــاالت عديــدة والشــبكات‬

‫العصبيــة االصطناعيــة وشــبكات بايــز وخوارزميــة الدعــم اآللــي للمتجــه (انظــر الخوارزميــات التطوريــة‪،‬‬

‫شــبكة الباحثــون الســوريون)‪.‬‬

‫هــل تذكــر المشــاكل ّالتــي عانــى منهــا تطــور الــذكاء االصطناعــي؟ باختصــار كانــت أبــرز المشــاكل‬

‫األساســية هــي‪:‬‬
‫•ضعف سرعة المعالجة الحاسوبية‪.‬‬

‫•ذاكرة التخزين المحدودة‪.‬‬

‫•عدم وجود كمية بيانات كافية‪.‬‬

‫•الخوارزميات الرياضية‪.‬‬

‫الحــظ أن جميــع المشــاكل ُح ّلــت بالفعــل مــع ذلــك ظهــرت العديــد مــن المشــاكل األخــرى‪ ،‬ولكــن بالطبــع‬

‫ليســت بضــراوة المشــاكل األولــى‪ ،‬ليشــهد بذلــك مجــال الــذكاء االصطناعــي صفحــة جديــدة فــي تاريخــه‬

‫وليعــود بذلــك إلــى دائــرة الضــوء مــرة أخــرى‪ ،‬ولكــن هــذه المــرة ستســتمر طويـ ًـا‪.‬‬

‫ّ‬
‫وتعلــم اآللــة‬ ‫ظهــرت بعدهــا العديــد مــن التطبيقــات العمليــة مدعومــة مــن تقنيــات الــذكاء االصطناعــي‬

‫فــي المجــاالت الصناعيــة وتوالــت اإلنجــازات والتطبيقــات العمليــة تباعً ــا والتــي ذكرنــا بعضهــا فــي الفصــل‬

‫الســابق ومــن بيــن أبــرز األحــداث ّالتــي أحدثــت ضجــة آنــذاك هــو إعــان شــركة نتفليكــس (‪ )Netflix‬فــي‬

‫عــام ‪ 2006‬عــن جائــزة تبلــغ قيمتهــا مليــون دوالر لــكل مــن يســتطيع أن يأتــي بخوارزميــة توصيــة القتــراح‬

‫األفــام المناســبة علــى المشــتركين بشــرط أن تكــون أفضــل وأســرع مــن الخوارزميــة ّالتــي لديهــم‪ .49‬لــم‬

‫يكــن إيجــاد خوارزميــة بهــذه المواصفــات مهمــة ســهلة أبــدً ا ولكــن فريــق صغيــر مــن علمــاء الحاســب فــي‬

‫شــركة ‪ AT&T‬اعتنــق التحــدي وعكــف علــى إيجــاد الخوارزميــة المناســبة وتكللــت محاولتهــم بالنجــاح ولكن‬

‫تطلــب األمــر منهــم ثــاث ســنوات كاملــة!‬

‫رســميا‬
‫ً‬ ‫وبعدهــا انضمــت جميــع الشــركات العمالقــة مثــل غوغــل وفيســبوك إلــى هــذا المجــال‬
‫األمــر ّالــذي شــجع جميــع الشــركات الصغيــرة الكبيــرة األخــرى إلــى التفكيــر جديً ــا فــي األنضمــام ً‬
‫أيضــا‬
‫‪56‬‬ ‫يلع أشن يتلا سسألاو روطتلاو ءدبلا لحارم ‪:‬يعانطصالا ءاكذلا‬

‫ليصبــح بذلــك مجــال الــذكاء االصطناعــي مجـ ً‬

‫ـال مزدهـ ًـرا وأساسـ ًـيا فــي أغلــب شــركات وادي الســيليكون‬

‫(‪.)Silicon Valley‬‬

‫‪2. 12.‬الخالصة‬

‫بالطبــع هنالــك العديــد مــن األحــداث األخــرى ّالتــي شــاركت فــي تأســيس هــذا المجــال ولكننــا حاولنــا‬

‫تســليط الضــوء علــى أبــرز المحطــات ّالتــي شــهدها مجــال الــذكاء االصطناعــي ومشــتقاته مثــل تعلــم اآللــة‬

‫علــى مــرِّ الســنوات‪ ،‬واآلن بعــد فهمنــا إمكانياتــه وتطبيقاتــه وتاريخــه الكامــل نســتطيع اآلن الدخــول فيــه‬

‫بخطــوات واثقــة وثابتــة لمعرفتــه عــن قــرب وســبر أغــواره‪.‬‬

‫‪2. 13.‬مراجع إضافية‬

‫•‪Analyzing the Prospect of an Approaching AI Winter‬‬

‫•‪A history of machine learning‬‬

‫•‪Timeline of Computer History‬‬

‫•كتاب الكون الرقمي‪ :‬الثورة العالمية في االتصاالت ‪ -‬الفصل الثاني نظرة ُّ‬
‫تأملية لقانون مور‬
 ‫‪3.‬المفاهيم األساسية لتعلم اآللة‬

‫إن ســبق وحاولــت قــراءة أي مقــال علــى اإلنترنــت يتحــدث عــن ّ‬

‫تعلــم اآللــة‪ ،‬فــا بــدّ مــن أنــك عثــرت‬ ‫ٍ‬
‫علــى نوعيــن مــن المقــاالت؛ فإمــا أن تكــون ســميكة وأكاديميــة ومليئــة بالنظريــات (عــن نفســي لــم أســتطع‬

‫حتــى تجــاوز نصــف مقــال)‪ ،‬أو عــن القصــص الخياليــة المريبــة حــول ســيطرة الــذكاء الصنعــي علــى البشــر‪،‬‬

‫أو منهــم مــن يتحــدث عــن البيانــات وتأثيرهــا الســاحر علــى مجــاالت العلــوم األخــرى أو البعــض اآلخــر مــن‬

‫تغيــر وظائــف المســتقبل‪ .‬لــم يكــن هنالــك أي كتــاب يضعنــي علــى بدايــة‬
‫المقــاالت يتحــدث عــن كيفيــة ّ‬
‫الطريــق لكــي أتعلــم أبســط األساســيات ألنتقــل بعدهــا إلــى المفاهيــم المعقــدة واثــق الخطــى‪.‬‬
‫‪58‬‬ ‫لآلا ملعتل ةيساسألا ميهافملا‬

‫لــذا كان ال بــدّ لــي مــن كتابــة فصــل واضــح ومفهــوم وواقعــي لطالمــا تمنيــت وجــوده‪ .‬ســيكون هــذا‬
‫دومــا فهــم طريقــة عمــل مجــال ّ‬
‫تعلــم اآللــة‪ .‬بتطبيــق أفــكاره‬ ‫الفصــل مقدمــة بســيطة ألولئــك ّالذيــن أرادوا ً‬
‫علــى أمثلــة مــن مشــاكل العالــم الحقيقــي‪ ،‬والحلــول العمليــة المطبقــة‪ ،‬بلغــة بســيطة ومفهومــة‪ ،‬وتجنــب‬

‫ـواء أكانــوا مبرمجيــن أو‬

‫العلــم سـ ً‬
‫ماهيــة هــذا ِ‬
‫ّ‬ ‫النظريــات الصعبــة قــدر اإلمــكان وليســتطيع الجميــع فهــم‬

‫مــدراء بــل وحتــى ألي شــخص كان‪.‬‬

‫‪59‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫وإليك المخطط الرئيسي للمواضيع التي سنتناولها في هذا الفصل ملخصة بالصورة التالية‪:‬‬
‫‪60‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3. 1.‬لماذا نريد من اآلالت أن تتعلم؟‬

‫هــذا صديقنــا أحمــد يريــد شــراء ســيارة ويحــاول حســاب مقــدار مبلــغ المــال ّالــذي سـ‬
‫ـيحتاج لتوفيــره‬
‫ُ‬
‫شــهريً ا‪ .‬واســتعرض عشــرات اإلعالنــات علــى اإلنترنــت وعلــم بــأن الســيارات الجديــدة يبلــغ ســعرها حوالــي‬

‫‪ 20000‬دوالر‪ ،‬والســيارات المســتعملة لعــام واحــد يبلــغ ســعرها ‪ 19000‬دوالر‪ ،‬والمســتعملة لعاميــن يبلــغ‬

‫ســعرها ‪ 18000‬دوالر وهكــذا دواليــك‪.‬‬

‫يبــدأ أحمــد ‪-‬محللنــا الرائــع‪ -‬بمالحظــة نمــط معيــن لســعر الســيارات؛ إذ يعتمــد ســعر الســيارة علــى‬
‫مــدة اســتخدامها‪ ،‬وينخفــض ســعرها بمقــدار ‪ 1000‬دوالر مقابــل ّ‬
‫كل عــام مــن عمرهــا‪ ،‬لكــن ســعرها لــن‬
‫ينخفــض أقــل مــن ‪ 10000‬دوالر‪.‬‬

‫ُ‬
‫عــرف باالنحــدار‬ ‫وطبقــا لمصطلحــات ّ‬
‫تعلــم اآللــة يكــون أحمــد قــد ابتكــر مــا يُ‬ ‫ً‬ ‫فــي هــذه الحالــة‬

‫(‪ :)Regression‬وهــي طريقــة لتوقــع قيمــة (أو ســعر) ّ‬

‫معيــن علــى أســاس بيانــات قديمــة معروفــة‪ .‬أغلــب‬

‫النــاس تــؤدي هــذا األمــر طــوال الوقــت دون أن تشــعر بــه‪ ،‬فمثـ ًـا عنــد محاولتنــا لتقديــر الســعر المعقــول‬

‫لجهــاز أيفــون مســتعمل علــى موقــع ‪ ،eBay‬أو أثنــاء محاولتنــا معرفــة وزن اللحــوم المناســب والكافــي‬
‫لبلــوغ حــدّ الشــبع لـ ّ‬
‫ـكل شــخص مــن المدعويــن علــى عزومــة الغــداء‪ .‬فعندهــا ســنبدأ بتقديــر األمــر ونســأل‬

‫ـواء اعترفنــا بذلــك أم ال‪ ،‬أغلبنــا يــؤدي‬

‫أنفســنا‪ ،‬هــل ‪ 200‬غــرام كافــي للشــخص؟ أم ‪ 500‬غــرام أفضــل؟ سـ ً‬
‫هــذه المهمــة ال شــعوريً ا‪.‬‬
‫‪61‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ســيكون مــن الجميــل أن يكــون لدينــا صيغــة بســيطة مثــل هــذه لحـ ّـل ّ‬
‫كل مشــكلة فــي العالــم‪ .‬وخاصــة‬

‫بالنســبة لعزومــة الغــداء‪ .‬ولكــن لســوء الحــظ هذا مســتحيل‪.‬‬

‫لنعــود إلــى مثــال الســيارات‪ .‬المشــكلة الحقيقيــة فــي هــذا المثــال هــو وجــود تواريــخ تصنيــع مختلفــة‪،‬‬

‫وعشــرات األنــواع مــن الســيارات‪ ،‬والحالــة الفنيــة للســيارة‪ ،‬باإلضافــة الرتفــاع الطلــب الموســمي على ســيارة‬

‫معينــة‪ ،‬والكثيــر مــن العوامــل المخفيــة األخــرى ّالتــي تؤثــر بســعر الســيارة‪ .‬وبالتأكيــد لــن يســتطيع صديقنــا‬
‫أحمــد االحتفــاظ بـ ّ‬
‫ـكل هــذه البيانــات فــي رأســه أثنــاء حســابه للســعر‪.‬‬

‫حتمــا آلالت لتأديــة العمليــات الرياضيــة‪ .‬لــذا لنجــاري‬

‫ً‬ ‫معظــم النــاس كســالى بطبعهــم ولذلــك ســنحتاج‬

‫الوضــع الحاصــل و ِلنتجــه باتجــاه توفيــر آلــة تــؤدي هــذه المهمــة الحســابية ّالتــي واجهناهــا‪ .‬ولنُوفــر لهــا‬

‫ـنطلب منهــا العثــور علــى جميــع األنمــاط المخفيــة المتعلقــة بالســعر‪.‬‬

‫ُ‬ ‫بعــض البيانــات الالزمــة وسـ‬

‫الجميــل فــي األمــر أن هــذه اآللــة ســتُ ؤدي هــذه المهمــة بطريقــة أفضــل بكثيــر ممــا سـ ُـيؤديه بعــض‬

‫النــاس عنــد تحليلهــم بعنايــة لجميــع التبعيــات المتعلقــة بالســعر فــي أذهانهــم‪ .‬فــي الحقيقــة كان هــذا النــوع‬
‫مــن المشــاكل المحفــز األساســي لــوالدة ّ‬
‫تعلــم اآللــة‪.‬‬

‫‪3. 2.‬المكونات الرئيسية لتعلم اآللة‬

‫لــو أردنــا اختصــار جميــع األهــداف الكامنــة وراء مجــال ّ‬
‫تعلــم اآللــة فســيكون الهــدف الوحيــد هــو‬
‫ّ‬
‫التعلــم مــن البيانــات المدخلــة) وهــذا خالصــة األمــر‪،‬‬ ‫ـاء علــى البيانــات المدخلــة (أي‬
‫توقــع النتائــج معينــة بنـ ً‬
‫إذ يمكــن تمثيــل جميــع مهــام ّ‬
‫تعلــم اآللــة بهــذه الطريقــة‪.‬‬

‫ّ‬
‫كلمــا زاد تنــوع البيانــات (تســمى فــي بعــض األحيــان بالعينــات) المجمعــة لديــك‪ ،‬كان مهمة العثــور على‬

‫ـيحتاج‬
‫ُ‬ ‫ـبيا‪ .‬لذلــك‪ ،‬فــإن أي نظــام يســتخدم ّ‬
‫تعلــم اآللــة سـ‬ ‫األنمــاط ذات الصلــة والتنبــؤ بالنتيجــة أســهل نسـ ً‬
‫لثالثــة مكونــات رئيســية وهــي‪:‬‬

‫‪3. 2. 1.‬البيانات (‪)Data‬‬

‫هــل تريــد الكشــف عــن رســائل البريــد اإللكترونــي المزعجــة؟ احصــل علــى عينــات مــن الرســائل هــذه‬

‫الرســائل المزعجــة‪ .‬هــل تريــد التنبــؤ بالتغيــرات ّالتــي تطــرأ علــى أســعار األســهم؟ ابحــث عــن ســجالت‬

‫أســعار األســهم‪ .‬هــل تريــد معرفــة مــا هــي تفضيــات المســتخدم؟ حلـ ّـل أنشــطته علــى الفيســبوك‪( ،‬وأعتقــد‬

‫بــأن مــارك زوكربيــرج ماهـ ٌـر جــدً ا فــي ذلــك ;‪ .) )-‬كلمــا كانــت البيانــات أكثــر تنوعً ــا‪ ،‬كانــت النتيجــة أفضــل‪.‬‬
‫‪62‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫فــي بعــض األحيــان تكــون عشــرات اآلالف مــن ســجالت البيانــات هــي الحــد األدنــى الســتنتاج معلومــة‬

‫معينــة وفــي البعــض اآلخــر نحتــاج إلــى مالييــن العينــات‪.‬‬

‫هناك طريقتين رئيسيتين للحصول على البيانات‪:‬‬

‫•الطريقة اليدوية‪.‬‬
‫•الطريقة اآللية‪.‬‬

‫المجمعــة يدويً ــا باحتوائهــا علــى أخطــاء أقــل بكثيــر بالموازنــة مــع نظيرتهــا اآلليــة‪،‬‬
‫ّ‬ ‫تتميــز البيانــات‬

‫عمومــا‪ .‬أمــا الطريقــة اآلليــة‬

‫ً‬ ‫ولكنهــا بالمقابــل تســتغرق وقتً ــا أطــول فــي التجميــع ممــا يجعلهــا أكثــر تكلفــة‬
‫كل مــا ســنفعله هــو جمــع ّ‬
‫كل مــا يمكننــا العثــور عليــه علــى أمــل أن تكــون جــودة هــذه‬ ‫فتكــون أرخــص إذ ّ‬

‫البيانــات مقبولــة‪.‬‬

‫تســتخدم بعــض الشــركات مثــل غوغــل عمالئهــا لتصنيــف البيانــات لهــم مجا ًنــا‪ .‬هــل تعلــم لمــاذا طريقة‬

‫التحقق البشــري ‪( ReCaptcha‬المســتخدمة في أغلب المواقع) تجبرك على “تحديد جميع الفتات الشــوارع‬

‫الموجــودة فــي صــورة معينــة”؟ فــي الحقيقــة إن هــذه الطريقة ما هــي إال وســيلة لتصنيف البيانــات وتعظيم‬

‫مجبرا للعمل لديهم وبالمجان‪.‬‬

‫ً‬ ‫ّ‬
‫ويسخرونك‬ ‫االســتفادة منها‪ .‬إذ يســتغلون حاجتك للتســجيل في الموقع معين‬
‫‪63‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫مدعيــن بأنهــم بهــذه الطريقــة يختبرونــك بأنــك بشــري! نعــم هــذا بالضبــط مــا يفعلونــه! ت ًبــا لهــم األشــرار!‬

‫أراهــن لــو أنــك بمكانهــم فســتُ ظهر رمــز التحقــق البشــري أكثــر منهــم بكثيــر‪ .‬أليــس كذلــك؟‬

‫بيــد أن مــن الصعوبــة بمــكان الحصــول علــى مجموعــة جيــدة مــن البيانــات ‪-‬والتــي تســمى عــاد ًة‬

‫مجموعــة بيانــات (‪ ،)Dataset‬وهــذه المجموعــات ُم ّ‬

‫همــة للغايــة بــل إن مجموعــة البيانــات ذات الجــودة‬

‫العاليــة هــي فــي الواقــع كنــز حقيقــي لصاحبهــا لدرجــة أن الشــركات يمكــن أن تكشــف أحيا ًنــا عــن‬

‫خوارزمياتهــا‪ ،‬إال أنهــا نــاد ًرا مــا تكشــف مجموعــات البيانــات الخاصــة بهــا‪.‬‬

‫الميزات (‪)Features‬‬
‫ِّ‬ ‫‪3. 2. 2.‬‬

‫تطرقنــا فــي الفصــل األول ‪-‬عــن قصــد‪ -‬إلــى هــذا المصطلــح عدَّ ة مــرات ويُ عـ َـرف ً‬
‫أيضا باســم المعامالت‬

‫المتغيــرات (‪ .)Variables‬والتــي يمكــن أن تعبــر عــن المســافة المقطوعــة بالســيارات‪،‬‬

‫ّ‬ ‫(‪ )Parameters‬أو‬

‫أو جنــس المســتخدم‪ ،‬أو ســعر الســهم‪ ،‬أو تكــرار كلمــة معينــة فــي النــص‪ .‬بعبــارة أخــرى‪ ،‬هــذه هــي الميــزات‬
‫ّالتــي يجــب أن َت ُ‬
‫نظـ َـر لهــا اآللــة‪.‬‬

‫فالميــزات هــي أســماء األعمــدة‪.‬‬

‫ِّ‬ ‫ـيطا ‪-‬‬ ‫عندمــا تكــون البيانــات ُم َّ‬
‫خزنــة فــي الجــداول‪ ،‬يكــون األمــر بسـ ً‬
‫ـكل تأكيــد ال يمكننــا اعتبــار ّ‬
‫كل بكســل ميـ ّـزة‪.‬‬ ‫ولكــن مــاذا لــو كان لديــك ‪ 100‬غيفابايــت مــن صــور القطــط؟ بـ ّ‬

‫الميــزات الصحيحــة يســتغرق عــادة وقتً ــا أطــول مــن أي خطــوة أخــرى فــي‬
‫هــذا هــو الســبب بكــون اختيــار ّ‬
‫دائمــا مــا تكــون‬
‫أيضــا هــو المصــدر الرئيســي لألخطــاء؛ ولذلــك ً‬ ‫بنــاء نظــام يعتمــد علــى ّ‬
‫تعلــم اآللــة وهــذا ً‬

‫الميــزات ّالتــي يحبونهــا أو تلــك ّالتــي يجدونهــا‬

‫االختيــارات البشــرية غيــر موضوعيــة‪ ،‬إذ يختــارون فقــط ّ‬
‫“أكثــر أهميــة” ولــذا مــن فضلــك تجنــب أن تكــون بشــريً ا!‬

‫‪3. 2. 3.‬الخوارزميات (‪)Algorithms‬‬

‫وضوحــا‪ ،‬إذ يمكــن ّ‬

‫حــل أي مشــكلة بطــرق مختلفــة بيــد أن الطريقــة‬ ‫ً‬ ‫وهــو الجــزء األســهل واألكثــر‬

‫ّالتــي تختارهــا ســتُ ؤثر علــى دقــة النمــوذج النهائــي وأدائــه وحجمــه‪ .‬هنــاك فــارق بســيط واحــد مهــم‪ :‬إذا‬

‫كانــت البيانــات ســيئة فلــن تســاعدك حتــى أفضــل خوارزميــة موجــودة‪ ،‬ففــي بعــض األحيــان يُ َشــار إليهــا‬

‫بمصطلــح “الدخــل الســيئ ســيؤدي إلــى نتائــج ســيئة”‪ ،‬لذلــك ال تهتــم كثيـ ًـرا لنســبة الدقــة‪ ،‬وحــاول الحصــول‬

‫علــى المزيــد مــن البيانــات كبدايــة‪.‬‬

‫‪64‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫مــن الجديــر بالذكــر أن مصطلــح نمــوذج (‪ )Model‬يشــير إلــى مــا خالصــة مــا تعلمتــه مــن البيانــات‪،‬‬

‫ويكمننــا فــي بعــض األحيــان اســتخدام نمــوذج جاهــز وتمريــر البيانــات لــه أو تحســين نمــوذج حالــي‪.‬‬

‫‪3.‬الفرق بين التعلم (‪ )Learning‬والذكاء (‪)Intelligence‬‬ ‫‪3.‬‬

‫إن ســبق ورأيــت مقـ ً‬
‫ـال بعنــوان “هــل سـ ّ‬
‫ـتحل الشــبكات العصبيــة محــل تعلــم اآللــة؟” أو علــى شــاكلته‬

‫مــن العناويــن ّالتــي تنشــرها بعــض المواقــع التابعــة لوســائل إعالميــة علــى اإلنترنــت‪ً .‬‬
‫دائمــا مــا يســمي‬

‫رجــال اإلعــام هــؤالء أي انحــدار خطــي (‪ )Linear Regression‬علــى أنــه ذكاء اصطناعــي‪ ،‬بــل إن بعــض‬

‫وســائل اإلعــام تضخــم األمــور لدرجــة يصعــب تصديقهــا حتــى أصبحنــا نخــاف مــن الــذكاء الصنعــي‬

‫كمــا خــاف أبطــال فيلــم ‪ Terminator‬مــن الروبــوت ‪ .SkyNet‬وإليــك صــورة توضــح المفاهيــم وتفــض‬
‫االلتباس الموجود‪:‬‬
‫‪65‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫عمومــا هــو دراســة أجهــزة الحاســب بمــا فيهــا مــن‬

‫ً‬ ‫•علــوم الحاســب (‪:)Computer Science‬‬

‫أســس نظريــة و حســابية‪ ،‬كمــا تشــتمل علــى دراســة الخوارزميــات‪ ،‬وبُنــى المعطيــات وأساســيات‬

‫تصميــم الشــبكات ونمذجــة البيانــات وغيرهــا‪...‬‬

‫•الــذكاء االصطناعــي (‪ :)Artificial Intelligence‬وهــو فــرع مــن فــروع علــوم الحاســب يهــدف‬

‫إلــى تعزيــز قــدرة اآلالت والحواســيب علــى أداء مهــام ُمعينــة ُتحاكــي و ُتشــابه تلــك ّالتــي تقــوم بهــا‬
‫ُ‬
‫التعلــم مــن التجــارب الســابقة‪ ،‬أو غيرهــا مــن العمليــات‬ ‫الذكيــة؛ كالقــدرة علــى التفكيــر‪ ،‬أو‬
‫ّ‬ ‫الكائنــات‬

‫الُأخــرى ّالتــي تتطلــب عمليــات ذهنيــة‪.‬‬

‫•تعلــم اآللــة (‪ :)Machine Learning‬وهــو جــزء مهــم مــن الــذكاء االصطناعــي‪ ،‬وهــو أحــد فــروع‬

‫أي خبــرات‬ ‫ُ‬

‫التعلــم مــن تلقــاء نفســه مــن ّ‬ ‫الــذكاء االصطناعــي ّالــذي يُ عنــى بجعــل الحاســوب قــاد ًرا علــى‬

‫المناســب بصــورة أســرع‪ ،‬ولكــن تعلــم‬

‫أو تجــارب ســابقة‪ ،‬ممــا يجعلــه قــاد ًرا علــى التنبــؤ واتخــاذ القــرار ُ‬
‫اآللــة ليــس الفــرع الوحيــد ّالــذي يــؤدي هــذه المهمــة‪.‬‬

‫•الشــبكات العصبيــة االصطناعيــة (‪ :)Artificial Neural Networks‬وهــي مــن أحــد أشــهر‬

‫الطــرق الشــعبية فــي مجــال ّ‬
‫تعلــم اآللــة‪ ،‬ولكــن هنــاك طــرق أخــرى جيــدة ً‬
‫أيضــا‪.‬‬
‫‪66‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫وتدريــب‬ ‫لبنــاء‬ ‫حديثــة‬ ‫طريقــة‬ ‫هــو‬ ‫‪:)Deep‬‬ ‫(‪Learning‬‬ ‫العميــق‬ ‫•التعلــم‬

‫واســتخدام الشــبكات العصبيــة‪ .‬وهــي باألســاس هيكليــة جديــدة للشــبكات العصبيــة‪.‬‬

‫وحاليــا ال أحــد يفصــل التعلــم العميــق عــن “الشــبكات العصبيــة العاديــة”‪ .‬حتــى أننــا نســتخدم نفــس‬
‫ً‬
‫دومــا تســمية نــوع الشــبكة وتجنــب اســتخدام الكلمــات الرنانــة‪.‬‬
‫المكتبــات لهــم‪ .‬مــن األفضــل ً‬

‫دائمــا تذكــر بأنــه ال توجــد طريقــة واحــدة أبــدً ا لحــل مشــكلة معينــة فــي مجــال ّ‬
‫تعلــم اآللــة‬ ‫مــن المهــم ً‬
‫دائمــا العديــد مــن الخوارزميــات ّالتــي يمكنهــا حــل نفــس المشــكلة‪ ،‬وتبقــى مهمــة اختيــار الطريقــة‬
‫بــل هنــاك ً‬
‫أي شــيء باســتخدام شــبكة عصبيــة اصطناعيــة‪،‬‬ ‫أو الخوارزميــة األنســب عائــدة إليــك؛ إذ يمكنــك ّ‬
‫حــل ّ‬
‫ولكــن مــن ّالــذي ســيدفع لــك ثمــن اســتئجار (أو حتــى شــراء) بطاقــة معالجــة الرســوميات (‪ )GPU‬مــن‬

‫نوع ‪GeForces‬؟‬

‫حاليا في مجال ّ‬
‫تعلم اآللة‪.‬‬ ‫ً‬ ‫لنبدأ بنظرة عامة أساسية على االتجاهات األربعة السائدة‬

‫‪3. 4.‬تعلم اآللة التقليدي‬

‫جــاءت الطــرق األولــى ّ‬
‫لتعلــم اآللــة مــن مجــال اإلحصــاء البحــت فــي خمســينات القــرن الماضــي‪ .‬إذ‬

‫اعتمــد العلمــاء علــى حـ ّـل معظــم المهــام الرياضيــة الرســمية مــن خــال البحــث عــن األنمــاط فــي األرقــام‪،‬‬

‫وتقييــم قــرب نقــاط البيانــات‪ ،‬وحســاب اتجــاه المتجهــات‪.‬‬

‫‪67‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫حاليــا نصــف اإلنترنــت علــى هــذه الخوارزميــات‪ .‬فعندمــا تــرى قائمــة بالمقــاالت المرشــحة لــك‬
‫ً‬ ‫يعمــل‬

‫قراءتهــا فــي أحــد المواقــع‪ ،‬أو عندمــا يحظــر البنــك ّالــذي تتعامــل معــه بطاقتــك عنــد تمريــرك إياهــا علــى‬

‫اآللــة فــي محطــة وقــود عشــوائية فــي مــكان مجهــول بعيــدة عــن ســكنك‪ ،‬فعلــى األرجــح هــذه األفعــال‬
‫ناتجــة عــن خوارزميــات ّ‬
‫تعلــم اآللــة‪.‬‬

‫تعــد الشــركات التكنولوجيــا الكبــرى مــن أكبــر المعجبيــن بالشــبكات العصبيــة‪ ،‬إذ أنهــا تســتطيع‬
‫ً‬
‫فمثــا يمكــن لدقــة صغيــرة ولتكــن ‪ 2%‬إلحــدى‬ ‫االســتفادة منهــا بقــدر أكبــر مــن الشــركات الناشــئة‪.‬‬

‫خوارزمياتهــا الحساســة أن تعــود بالنفــع علــى إيــرادات الشــركة بمبلــغ مالــي ضخــم يبلــغ ‪ 2‬مليــار دوالر‪.‬‬

‫ولكــن عندمــا تكــون شــركتك صغيــرة وناشــئة‪ ،‬فهــذه النســبة ليســت ذات فائــدة كبيــرة‪.‬‬

‫فــإذا أمضــى المهندســين فــي فريقــك البرمجــي ســنة كاملــة يعملــون علــى تطويــر خوارزميــة توصيــة‬

‫جديــدة لموقــع التجــارة اإللكترونيــة الخــاص بــك‪ ،‬مــع معرفتهــم بــأن ‪ 99%‬مــن الزيــارات تأتي مــن محركات‬

‫وخصيصــا أن معظــم‬
‫ً‬ ‫تمامــا‬
‫البحــث‪ ،‬عندهــا ســتكون فائــدة الخوارزميــة قليــل جــدً ا إذ لــم عديمــة الفائــدة ً‬
‫المســتخدمين لــم يفتحــوا الصفحــة الرئيســية وهــذا ســيكون أكبــر هــدر لطاقــة فريقــك البرمجــي وبذلــك‬

‫ســيكون أســوء اســتثمار لهــذه العقــول خــال هــذه الســنة‪.‬‬

‫بصــرف النظــر عــن مــا يقــال عــن هــذه الطــرق إال أنهــا ســهلة ســهولة كبيــرة‪ ،‬بــل إنهــا مثــل أساســيات‬

‫يوميــا بــدون أن يفكــر بهــا‪.‬‬

‫ً‬ ‫الرياضيــات وأغلبنــا يســتخدمها‬
‫‪68‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ُّ‬
‫التعلــم الخاضــع‬ ‫الموجــه (ويســمى ً‬
‫أيضــا‬ ‫َّ‬ ‫ُّ‬
‫التعلــم‬ ‫ينقســم ُّ‬
‫تعلــم اآللــة الكالســيكي إلــى فئتيــن وهمــا‬
‫ّ‬
‫التعلــم غيــر الخاضــع لإلشــراف)‪.‬‬ ‫الموجــه (ويســمى ً‬
‫أيضــا‬ ‫َّ‬ ‫ُّ‬
‫التعلــم غيــر‬ ‫لإلشــراف) و‬

‫‪3. 4. 1.‬التعلم الموجه (‪)Supervised Learning‬‬

‫“م ّ‬
‫علــم” يــزود اآللــة بجميــع اإلجابــات الصحيحــة والدقيقــة‪ ،‬مثــل‬ ‫تحتــوي اآللــة علــى “مشــرف” أو ُ‬
‫فعليــا‬
‫ً‬ ‫تحديــد فيمــا إذا كان الشــكل فــي الصــورة لقطــة أو كلــب‪َ .‬ق َّســم (أو َص َّنــف) المعلــم بهــذا الطريقــة‬

‫البيانــات إلــى قطــط وكالب‪ ،‬ويســتخدم الجهــاز هــذه األمثلــة الصحيحــة للتعلــم منهــا واحــدً ا تلــو اآلخــر‪.‬‬

‫الموجــه فــأن ســيترك اآللــة بمفردهــا مــع كومــة كبيــرة مــن صــور الحيوانــات ومهمتهــا‬
‫َّ‬ ‫أمــا التعلــم غيــر‬
‫ســتكون تصنيــف هــذه الصــور وذلــك ألن البيانــات غيــر مصنفــة‪ ،‬وال يوجــد ُم ِّ‬
‫علــم يُ ِّ‬
‫حــدد لنــا مــا الشــكل‬

‫الموجــود فــي هــذه الصــور‪ ،‬ولذلــك ســتحاول اآللــة بمفردهــا العثــور علــى أي أنمــاط فــي الصــور لتحديــد‬
‫ً‬
‫الحقــا‪.‬‬ ‫الفــوارق ومعرفــة مــا الموجــود فــي الصــور‪ .‬ســنتحدث عــن هــذه الطرائــق فــي التعــرف علــى األنمــاط‬

‫الموجــه مســتخدمٌ بكثــرة فــي‬

‫َّ‬ ‫ُّ‬
‫فالتعلــم‬ ‫مــن الواضــح أن اآللــة ســتتعلم أســرع بكثيــر مــع ّ‬
‫معلــم‪ ،‬لذلــك‬

‫الموجــه وهمــا‪:‬‬
‫ّ‬ ‫المهــام الواقعيــة‪ .‬هنــاك نوعيــن رئيســيين لطريقــة التعلــم‬

‫•التصنيف (‪ :)Classification‬التنبؤ بصنف كائن معين‪.‬‬

‫•االنحدار (‪ :)Regression‬التنبؤ بنقطة معينة على محور رقمي‪.‬‬

‫‪69‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ ‪.‬أالتصنيف (‪)Classification‬‬

‫ـاء علــى إحــدى الســمات المعروفــة مسـ ً‬

‫ـبقا‪ .‬افصــل الجــوارب بحســب‬ ‫تقســيم الكائنــات أو العناصــر بنـ ً‬
‫وعمومــا يســتخدم التصنيــف مــن أجــل‪:‬‬
‫ً‬ ‫اللــون‪ ،‬والمســتندات بحســب اللغــة‪ ،‬والموســيقى بحســب األســلوب‪.‬‬

‫•تصفية البريد اإللكتروني من الرسائل المزعجة‪.‬‬

‫•كشف عن اللغة المستخدمة‪.‬‬

‫•البحث عن وثائق مماثلة‪.‬‬

‫•تحليل المشاعر‪.‬‬

‫•التعرف على الحروف واألرقام المكتوبة بخط اليد‪.‬‬

‫•الكشف عن الغش‪.‬‬

‫ومن بعض الخوارزميات الشائعة المستخدمة للتصنيف‪:‬‬

‫•خوارزمية بايز أو المصنّف المعتمد على قانون بايز في االحتماالت (‪.)Naive Bayes‬‬

‫•خوارزمية شجرة القرار (‪.)Decision Tree‬‬

‫•خوارزمية االنحدار اللوجستي (‪.)Logistic Regression‬‬

‫•خوارزمية الجار األقرب (‪.)K-Nearest Neighbours‬‬

‫•خوارزمية الدعم اآللي للمتجه (‪.)Support Vector Machine‬‬

‫•ويوجد ً‬
‫أيضا العديد من الخوارزميات األخرى‪.‬‬

‫غال ًبــا مــا يعتمــد مجــال ُّ‬

‫تعلــم اآللــة علــى تصنيــف األشــياء‪ .‬إذ تكــون اآللــة فــي هــذه الحالــة مثــل طفــل‬

‫يتعلــم كيفيــة فــرز األلعــاب‪ :‬فهــا هــي الدميــة‪ ،‬وهــذه هــي الســيارة‪ ،‬وهــذه هــي الشــاحنة ‪...‬إلــخ ولكــن مهـ ًـا‪.‬‬

‫هــل هــذا األمــر صحيــح؟ هــل ســيعرف الطفــل المعنــى الحقيقــي للدميــة أو للســيارة؟ ليســتطيع بعدهــا‬
‫تمييــز أي دميــة مهمــا اختلــف شــكلها ولونهــا وطريقــة صنعهــا؟ أي بعبــارة أخــرى‪ ،‬هــل سيســتطيع أن يعمــم‬

‫مــا تعلمــه؟‬

‫بميــزات (‪ )Features‬حتــى‬ ‫ّ‬

‫لمعلــم‪ .‬ويجــب تصنيــف البيانــات ّ‬ ‫دائمــا‬
‫ً‬ ‫فــي التصنيــف ســنحتاج‬
‫الميــزات‪ .‬فــي الحقيقــة يمكننــا تصنيــف ّ‬
‫كل‬ ‫ـاء علــى هــذه ّ‬
‫تتمكــن اآللــة مــن تعييــن األصنــاف المناســبة بنـ ً‬
‫ـاء علــى اهتماماتهــم (كمــا تفعــل خوارزميــة فيســبوك)‪،‬‬
‫ـداء مــن تصنيــف المســتخدمين بنـ ً‬
‫شــيئ تقري ًبــا ابتـ ً‬
‫والمقــاالت المســتندة إلــى اللغــة أو الموضــوع (وهــذا أمــر مهــم لمحــركات البحــث)‪ ،‬والموســيقى المبنيــة‬
‫‪70‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ـواء أكانــت موســيقى جــاز أو هيــب هــوب ‪...‬إلــخ (هــذا األمــر نشــاهده فــي قوائــم تشــغيل‬
‫علــى األســلوب سـ ً‬
‫الخاصــة بتطبيــق ‪ ،)Spotify‬وحتــى تصنيــف رســائل البريــد اإللكترونــي الخاصــة بــك‪.‬‬

‫فــي تصفيــة الرســائل المزعجــة وغيــر المرغــوب بهــا‪ ،‬تســتخدم خوارزميــة بايــز (‪)Naive Bayes‬‬
‫ـب اآللــة عــدد الكلمــات الجيــدة فــي الرســالة وعــدد الكلمــات االحتياليــة ً‬
‫أيضــا‬ ‫علــى نطــاق واســع‪ .‬إذ تحسـ ُ‬
‫ـاء علــى تصنيــف ســابق للكلمــات موجــود فــي قاعــدة بيانــات أو مجموعــة بيانــات (‪ ،)Dataset‬ومــن ثـ ّ‬
‫ـم‬ ‫بنـ ً‬
‫تضــرب االحتمــاالت باســتخدام معادلــة بايــز‪ ،‬وتجمــعُ النتائــج النهائيــة وبهــذه البســاطة أصبــح لدينــا جهــاز‬
‫يســتفيد مــن طرائــق ّ‬
‫تعلــم اآللــة مــن أجــل أن يزيــد ذكائــه ومعرفتــه‪.‬‬

‫بعدهــا بفتــرة وجيــزة تعلــم مرســلو البريــد العشــوائي كيفيــة التعامــل مــع هــذه المرشــحات ‪-‬إن‬
‫صــح التعبيــر‪ّ -‬‬
‫والتــي تعتمــد علــى خوارزميــة بايــز فعكفــوا علــى إضافــة الكثيــر مــن الكلمــات المصنّفــة‬
‫علــى أنهــا “جيــدة” فــي نهايــة البريــد اإللكترونــي لتُ ضــاف هــذه الكلمــات إلــى العمليــة الحســابية الخاصــة‬
‫ً‬
‫الحقــا بتســمم‬ ‫ســميت‬
‫ّ‬ ‫بحســاب احتمــاالت كــون الرســالة مزعجــة أم ال‪ .‬ومــن المفارقــة أن هــذه الثغــرة‬

‫بايــز (‪ .)Bayesian poisoning‬دخلــت خوارزميــة بايــز التاريــخ باعتبارهــا مــن أوائــل الخوارزميــات‬

‫عمليــا فــي ترشــيح رســائل البريــد اإللكترونــي‪ ،‬ولكــن فــي وقتنــا الحالــي ال تســتخدم هــذه‬
‫ً‬ ‫األنيقــة والمفيــدة‬

‫وذكاء معتمــدً ا علــى الشــبكات العصبيــة االصطناعيــة‬

‫ً‬ ‫الخوارزميــة وإنمــا تســتخدم خوارزميــات أكثــر قــوة‬

‫لتصفيــة رســائل البريــد العشــوائي المزعــج‪.‬‬

‫‪71‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫إليــك مثــال عملــي آخــر علــى تطبيقــات خوارزميــات التصنيــف‪ .‬لنفتــرض أنــك بحاجــة القتــراض بعض‬

‫المــال عــن طريــق بطاقتــك االئتمانيــة‪ .‬كيــف ســيعرف البنــك إذا كنــت تريــد فعـ ًـا أن تســدد هــذا القــرض أم‬

‫ال؟ وبالتأكيــد ال توجــد طريقــة مباشــرة لمعرفــة ذلــك‪ ،‬مثــل أن يســألك مثـ ًـا‪ .‬ولكــن لــدى البنــك الكثيــر مــن‬
‫الملفــات الشــخصية ألشــخاص اقترضــوا مـ ً‬
‫ـال فــي الماضــي‪ .‬فــي الواقــع لــدى البنــك جميــع البيانــات المهمــة‬

‫حــول أعمــار األشــخاص المقترضيــن ومســتوى تعليمهــم ومهنهــم ورواتبهــم ‪-‬واألهــم مــن ذلــك‪ -‬حقيقــة أن‬

‫هــل هــؤالء المقترضيــن ســددوا القــرض أم ال‪.‬‬

‫وهــذه البيانــات مهمــة جــدً ا إذ يمكننــا تمريرهــا للنظــام الداخلــي للبنــك ّالــذي يعتمــد علــى ّ‬
‫تعلــم اآللــة‬

‫للعثــور علــى األنمــاط المحــددة الموجــودة فــي األشــخاص ّالذيــن يســددون القــروض‪ ،‬وبذلــك يمكننــا‬

‫الحصــول علــى اإلجابــة المبنيــة علــى هــذه البيانــات الســابقة‪ .‬فــي الواقــع ال توجــد مشــكلة حقيقيــة فــي‬

‫الحصــول علــى إجابــة مــن هــذه البيانــات‪ .‬وإنمــا تكمــن المشــكلة فــي أنــه ال يســتطيع البنــك أن يثــق فــي‬
‫إجابــة اآللــة ثقـ ً‬
‫ـة عميــاء‪ .‬فمــاذا لــو حــدث فشــل فــي النظــام أو فــي جــزء منــه مثــل تعطــل أحــد األقــراص‬

‫الصلبــة المخــزن عليهــا قواعــد البيانــات المطلوبــة‪ ،‬أو أن أحــد قراصنــة اإلنترنــت هجــم على الخــادم وتالعب‬

‫بالخوارزميــات أو البيانــات‪ .‬فمــا ّالــذي ســيحدث فــي هــذه الحالــة؟‬

‫تلقائيــا إلــى‬
‫ً‬ ‫ستقســم جميــع البيانــات‬
‫ِّ‬ ‫للتعامــل مــع هــذه الحالــة لدينــا خوارزميــة شــجرة القــرارأ‪ .‬والتــي‬

‫أســئلة أجوبتهــا نعــم أو ال‪ .‬قــد يبــدو األمــر غري ًبــا بعــض الشــيء مــن منظــور بشــري‪ ،‬فمثـ ًـا مــا المشــكلة إذا‬

‫أمريكيــا؟ بالرغــم مــن ذلــك تضــع اآللــة مثــل هــذه األســئلة‬

‫ً‬ ‫كان الدائــن يكســب أكثــر مــن ‪ 128.12‬دوال ًرا‬
‫لتقســيم البيانــات بشــكل أفضــل فــي ّ‬
‫كل خطــوة‪.‬‬

‫وهكــذا ُتصنــعُ شــجرة القــرار‪ .‬كلمــا كان الفــرع أعلــى كلمــا كان الســؤال أعــم‪ .‬يمكــن ألي محلــل أن‬
‫تمامــا مــا هــو القــرار المناســب‪ .‬يمكــن أال يشــعر بــأن ّ‬
‫كل تفاصيلهــا منطقيــة‬ ‫ِّ‬
‫ويعلــم ً‬ ‫يأخــذ ناتــج الخوارزميــة‬

‫إال أنــه يســتطيع أن يبنــي عليهــا قــراره‪.‬‬

‫ ‪.‬بأشجار القرار (‪)Decision Trees‬‬

‫تســتخدم خوارزميــة شــجرة القــرار علــى نطــاق واســع فــي المجــاالت ذات المســؤولية العاليــة مثــل‪:‬‬

‫التشــخيص والطــب وفــي األمــور الماليــة‪.‬‬

‫أ شاهد هذا الفيديو باللغة اإلنجليزية لتفصيل أكثر‬

‫‪72‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫مــن أكثــر الخوارزميــات شــيوعً ا لتشــكيل األشــجار همــا خوارزميــة ‪ CART‬وخوارزميــة ‪ ،C4.5‬ونــاد ًرا‬

‫مــا تســتخدم طريقــة بنــاء أشــجار القــرار األساســية الصرفــة فــي وقتنــا الحالــي إال أنهــا غال ًبــا مــا تضــع حجــر‬

‫جمعــات (‪ )Ensembles‬المعتمــدة علــى أشــجار القــرار تعمــل بطريقــة‬

‫الم ّ‬
‫األســاس لألنظمــة الكبيــرة‪ ،‬بــل إن ُ‬
‫ً‬
‫الحقــا فــي هــذا الفصــل‬ ‫أفضــل مــن المجمعــات المعتمــدة علــى الشــبكات العصبيــة االصطناعيــة (ســنتحدث‬
‫عــن ّ‬
‫كل جــزء منهــم بالتفصيــل)‪.‬‬

‫عندمــا تبحــث عــن شــيء مــا فــي غوغــل‪ ،‬فمــا يحــدث بالضبــط هــو أن مجموعــة مــن األشــجار‬

‫ســتبحث عــن إجابــة أو مجموعــة مــن اإلجابــات المناســبة لــك‪ .‬وهــذه األشــجار ســريعة جــدً ا‪ ،‬ولذلــك تحبهــا‬

‫محركات البحث‪.‬‬

‫تعــدّ خوارزميــة الدعــم اآللــي للمتجــه (‪ )Support Vector Machines‬والتــي يشــار إليهــا اختصــا ًرا‬
‫(‪ )SVM‬هــي الطريقــة األكثــر شــيوعً ا للتصنيــف الكالســيكي‪ .‬والمســتخدمة لتصنيــف ّ‬
‫كل شــيئ موجــود‬

‫تقربيــا مثــل‪ :‬النباتــات حســب مظهرهــا فــي الصــور‪ ،‬والوثائــق بحســب الفئــات ‪...‬إلــخ‪.‬‬
‫ً‬
‫‪73‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الفكــرة وراء خوارزميــة الدعــم اآللــي للمتجــه بســيطة جــدً ا إذ تحــاول رســم خطيــن بيــن نقــاط‬

‫البيانــات الخاصــة بــك مــع أكبــر هامــش بينهمــا‪.‬‬

‫هنــاك جانــب مفيــد جــدً ا مــن خوارزميــات التصنيــف وهــو الكشــف عــن البيانــات الشــاذة‪ .‬فعندمــا ال‬

‫حاليــا فــي الطــب وتحديــدً ا فــي‬

‫ً‬ ‫أي مــن الفئــات‪ ،‬فإننــا نبرزهــا‪ .‬وتســتخدم هــذه الطريقــة‬
‫تتناســب الميــزة مــع ّ‬
‫أجهــزة التصويــر بالرنيــن المغناطيســي‪ ،‬تبــرز الحواســيب جميــع المناطــق المشــبوهة أو انحرافــات االختبــار‪.‬‬
‫كمــا تســتخدم ً‬
‫أيضــا فــي أســواق األســهم للكشــف عــن الســلوك غيــر الطبيعــي للتجــار لمعرفــة مــا يحــدث‬

‫تلقائيــا‬
‫ً‬ ‫وراء الكواليــس‪ .‬الجميــل فــي األمــر أنــه عندمــا ّ‬
‫نعلــم الحاســب األشــياء الصحيحــة فنكــون علمنــاه‬

‫مــا هــي األشــياء الخاطئــة‪.‬‬

‫القاعــدة األساســية هــي ّ‬

‫كلمــا زاد تعقيــد البيانــات‪ ،‬زاد تعقيــد الخوارزميــة‪ .‬بالنســبة للنصــوص واألرقــام‬

‫والجــداول ســنختار النهــج الكالســيكي إذ النمــاذج الناتجــة ســتكون أصغــر‪ ،‬وتتعلــم أســرع وتعمــل بوضــوح‬

‫أمــا بالنســبة للصــور ومقاطــع الفيديــو وجميــع أنــواع البيانــات المعقــدة األخــرى‪ ،‬ســنتجه بالتأكيــد‬
‫أكبــر‪َّ .‬‬
‫نحــو الشــبكات العصبيــة‪.‬‬

‫منــذ خمــس ســنوات فقــط كان بإمكانــك العثــور علــى مصنــف للوجــه مبنــي علــى خوارزميــة الدعــم‬

‫حاليــا أصبــح مــن الســهل االختيــار مــن بيــن مئــات الخوارزميــات المعتمــدة علــى‬
‫ً‬ ‫اآللــي للمتجــه (‪.)SVM‬‬
‫الشــبكات العصبيــة المدربــة مسـ ً‬
‫ـبقا‪ .‬أمــا بالنســبة لمرشــحات البريــد العشــوائي فلــم يتغيــر شــيئ‪ ،‬فــا تــزال‬

‫بعــض األنظمــة مكتوبــة بخوارزميــة الدعــم اآللــي للمتجــه (‪.)SVM‬‬

‫‪74‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ ‪.‬جاالنحدار (‪)Regression‬‬

‫ّ‬
‫التعلم اآللة!‬ ‫وهو طريقة لرسم خط بين مجموعة نقاط‪ .‬نعم‪ ،‬هذا هو‬

‫حاليا في تطبيقات متعددة‪ ،‬مثل‪:‬‬

‫ً‬ ‫يستخدم االنحدار‬

‫•توقعات أسعار األسهم‪.‬‬

‫•تحليل حجم الطلب والمبيعات‪.‬‬

‫•التشخيص الطبي‪.‬‬

‫•أي ارتباطات عددية‪.‬‬

‫ومن الخوارزميات الشائعة نذكر‪:‬‬

‫•خوارزمية االنحدار الخطي (‪.)Linear‬‬

‫•خوارزمية االنحدار متعدد الحواف (‪.)Polynomial‬‬

‫رقمــا بـ ً‬
‫ـدل مــن فئــة‪ .‬ومــن األمثلــة علــى‬ ‫االنحــدار هــو فــي األســاس آليــة للتصنيــف ولكــن هنــا نتوقــع ً‬
‫ذلــك توقــع ســعر الســيارة مــن خــال المســافة المقطوعــة‪ ،‬وتوقــع حركــة المــرور بحســب وقــت محــدد‬

‫مــن اليــوم‪ ،‬وتوقــع حجــم الطلــب مــن خــال نمــو الشــركة‪ ،‬ومــا إلــى ذلــك‪ .‬ويكــون مــن الواجــب اســتخدام‬

‫االنحــدار عندمــا تعتمــد مشــكلة معينــة علــى الوقــت‪.‬‬

‫ّ‬
‫كل مــن يعمــل فــي مجــاالت التمويــل والتحليــل المالــي يحــب خوارزميــات االنحــدار‪ .‬حتــى أن‬

‫معظمهــا مدمــج فــي برنامــج مايكروســوفت إكســل (‪ .)Excel‬وطريقــة اســتخدامها سلســة جــدً ا مــن الداخــل‬
‫‪75‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫إذ تحــاول اآللــة ببســاطة رســم خــط يشــير إلــى متوســط االرتبــاط (‪ .)Average Correlation‬علــى عكــس‬

‫الشــخص ّالــذي يحــاول رســم شــكل االنحــدار يدويً ــا علــى الســبورة‪ ،‬فــإن اآللــة ترســم الشــكل بدقــة رياضيــة‬

‫عاليــة جــدً ا‪ ،‬بحســاب متوســط الفاصــل الزمنــي لــكل نقطــة‪.‬‬

‫خطيــا‪ ،‬أمــا عندمــا يكــون خــط االنحــدار‬

‫ً‬ ‫ـتقيما فيكــون هــذا االنحــدار‬
‫عندمــا يكــون خــط االنحــدار مسـ ً‬
‫منحنيــا فيكــون االنحــدار متعــدد الحــواف (‪ .)Polynomial‬وهــذه األنــواع الرئيســية من االنحــدار‪ .‬والبعض‬
‫ً‬
‫اآلخــر أكثــر غرابــة مثــل االنحــدار اللوجســتي (‪ )Logistic Regression‬وســيكون شــكله مميــز كتميــز‬

‫الخــروف األســود فــي قطيــع غنــم‪ .‬ولكــن ال تدعــه يخدعــك‪ ،‬ألنــه مجــرد طريقــة تصنيــف وليــس انحــدا ًرا‪.‬‬

‫ال بــأس فــي الخلــط بيــن االنحــدار والتصنيــف إذ يتحــول العديــد مــن المصنّفــات لتنفيذ عمليــة انحدار‬
‫وعمومــا ُتســتخدَ م طــرق االنحــدار عندمــا ال يمكننــا تحديــد فئــة الكائــن‪ ،‬وإنمــا‬
‫ً‬ ‫بقليــل مــن الضبــط واإلعــداد‪.‬‬

‫يمكننــا تحديــد ومعرفــة مــدى قربــه مــن هــذه الفئــة‪ ،‬وهنــا بالضبــط تأتــي مهمتــه‪.‬‬

‫‪3. 4. 2.‬التعلم غير الموجه (‪)Unsupervised learning‬‬

‫الموجــه بقليــل‪ ،‬وتحديــدً ا فــي التســعينيات‪ .‬ويســتخدم‬

‫ّ‬ ‫ّ‬
‫التعلــم‬ ‫الموجــه بعــد ظهــور‬
‫ّ‬ ‫ّ‬
‫التعلــم غيــر‬ ‫ظهــر‬

‫الموجــه‪ ،‬ولكــن فــي بعــض األحيــان لــن يكــون لدينــا خيــار آخــر ســوى اســتخدامه‪.‬‬
‫ّ‬ ‫ّ‬
‫التعلــم‬ ‫أقــل مــن‬
‫‪76‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫تعــدّ البيانــات المصنّفــة نــوع فاخــر مــن البيانــات‪ .‬ولكــن مــاذا لــو كنــت رغبــت فــي إنشــاء تصنيــف‬

‫مخصــص للحافــات (الباصــات)؟ هــل يجــب عليــك التقــاط صــور يدويً ــا لمليــون حافلــة فــي الشــوارع‬

‫عمــرا بأكملــه‪.‬‬
‫ً‬ ‫واحــدة منهــا؟ مســتحيل‪ ،‬سيســتغرق هــذا األمــر‬
‫ٍ‬ ‫وتصنيــف ّ‬
‫كل‬

‫فــي هــذا النــوع مــن التعلــم مــن منظورنــا نحــن نعطيهــا أومــر معينــة للتجميــع أو تقليــل األبعــاد‬

‫الميــزات (‪ )Features‬ومحاولــة الربــط بينهــا ومعرفــة‬

‫وهــي تــؤدي هــذه المهمــة مــن خــال تحليلهــا لقيــم ّ‬
‫العالقــات أو االرتبــاط بيــن هــذه البيانــات‪ .‬كمــا يمكــن أن تكــون البيانــات معقــدة للغايــة‪ ،‬ولذلــك ال يمكــن‬

‫لهــذه الخوارزميــات التكهــن بالنتيجــة المطلوبــة بصــورة صحيحــة‪ .‬نحــاول فــي تلــك الحــاالت تنظيــم‬

‫بياناتنــا أو إعــادة هيكلتهــا فــي صيغــة منطقيــة أكثــر مــن الســابق مــن أجــل معرفــة فيمــا إذا اســتطاعت‬
‫ّ‬
‫ومتعلــق بنوعيــة البيانــات‬ ‫هــذه الخوارزميــات اســتنتاج شــيئ مــا‪ ،‬وبذلــك األمــر لــه عــدة جوانــب للحـ ّـل‬

‫وطريقــة تنظيمهــا وجودتهــا‪.‬‬

‫ولكــن هنــاك بعــض األمــل إذ لدينــا المالييــن مــن المنصــات ّالتــي توفــر خدمــات رخيصــة نسـ ً‬
‫ـبيا تبــدأ‬

‫مــن ‪ 5‬دوالر أمريكــي‪ ،‬وغال ًبــا نعتمــد عليهــا لمســاعدتنا فــي تصنيــف البيانــات وهــذه الطريقــة المعتمــدة ّالتــي‬

‫تجــري وفقهــا أمــور تطويــر البيانــات فــي هــذا المجــال‪.‬‬

‫الموجه‪:‬‬
‫َّ‬ ‫ُّ‬
‫للتعلم غير‬ ‫بعض األنواع‬

‫•التجميع (‪.)Clustering‬‬

‫•تقليل األبعاد أو التعميم (‪.)Dimensionality Reduction‬‬

‫•تعلم قواعد الربط (‪.)Association rule learning‬‬
‫‪77‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3.‬التجميع (‪)Clustering‬‬ ‫‪5.‬‬

‫ميــزات غيــر معروفــة‪ .‬إذ تختــار اآللــة أفضــل طريقــة‬ ‫ُت ِّ‬
‫قســم عمليــة التجميــع الكائنــات علــى أســاس ِّ‬
‫الميــزات ّالتــي تراهــا مناســبة‪.‬‬
‫لفــرز ّ‬

‫هذه بعض التطبيقات لعملية التجميع في وقتنا الحالي‪:‬‬

‫•تقسيم السوق (أو تقسيم أنواع العمالء‪ ،‬أو طريقة والئهم للعالمة التجارية)‪.‬‬

‫•دمج نقاط قريبة على الخريطة‪.‬‬

‫•ضغط الصورة‪.‬‬

‫•تحليل وتسمية البيانات الجديدة‪.‬‬

‫•الكشف عن السلوك غير الطبيعي‪.‬‬

‫ومن بعض خوارزميات الشائعة للتجميع‪:‬‬

‫•خوارزمية ‪.K-mean_clustering‬‬

‫•خوارزمية ‪.Mean-Shift‬‬

‫•خوارزمية ‪.DBSCAN‬‬

‫فعليــا عمليــة تصنيــف ولكــن المفارقــة هنــا أنهــا ال تحتــوي علــى فئــات محــددة‬
‫ً‬ ‫تعــدّ عمليــة التجميــع‬
‫ـبقا‪ .‬مشــابهة جــدً ا لعمليــة تقســيم الجــوارب فــي الــدرج بحســب ألوانهــم‪ ،‬وذلــك عندمــا ال تتذكــر ّ‬
‫كل‬ ‫مسـ ً‬

‫األلــوان ّالتــي لديــك فعندهــا ســتجلب الجــورب األول ذو اللــون األســود وتضعــه جان ًبــا وتأخــذ الجــورب‬
‫‪78‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الثانــي‪ ،‬وهكــذا‪ .‬تحــاول خوارزميــات التجميــع العثــور علــى كائنــات متشــابهة (بحســب بعــض الميــزات)‬

‫ودمجهــا فــي مجموعــة فتُ جمِّ ــع الكائنــات ّالتــي لديهــا الكثيــر مــن الميــزات المماثلــة فــي فئــة واحــدة‪،‬‬

‫وتســمح لنــا بعــض الخوارزميــات حتــى تحديــد العــدد الدقيــق للمجموعــات ّالتــي نريدهــا‪.‬‬

‫مــن أحــد أشــهر األمثلــة علــى التجميــع هــي تجميــع العالمــات (أو المؤشــرات) علــى خرائــط الـ ِ‬
‫ـوب‪.‬‬

‫فمثـ ًـا عندمــا تبحــث عــن جميــع المطاعــم النباتيــة المحيطــة بــك‪ ،‬ســيجمِّ عُ محــرك البحــث الخــاص بالخريطة‬

‫فحتمــا ســيتجمد متصفحــك بعــد عمليــة البحث‬

‫ً‬ ‫جميــع المطاعــم علــى شــكل أرقــام‪ ،‬ولــو أنــه لــم يجمِّ عهــا لــك‬

‫ألنــه ســيحاول رســم جميــع المطاعــم النباتيــة الموجــودة علــى ســطح الكــرة األرضيــة وعددهــم ســيكون‬
‫كبيـ ًـرا بـ ّ‬
‫ـكل تأكيــد‪.‬‬

‫ومــن بعــض االســتخدامات األخــرى لخوارزميــات التجميــع تطبيقــات الهواتــف المحمولة مثــل‪Apple :‬‬

‫‪ Photos‬و‪ Google Photos‬إذ ِكالهمــا يســتخدمان خوارزميــات تجميــع معقــدة أكثــر مــن المثــال الســابق‪،‬‬

‫وذلــك ألنهــم يبحثــان عــن الوجــوه المميــزة فــي الصــور بهــدف إنشــاء ألبومــات خاصــة ألصدقائــك‪ .‬ال يعــرف‬

‫التطبيــق عــدد أصدقــاؤك وال حتــى كيــف تبــدوا أشــكالهم‪ ،‬ولكنــه مــع ذلــك يحــاول العثــور علــى ميــزات‬
‫صريحــة فــي وجوههــم‪ ،‬والموازنــة بينهــا لمعرفــة عددهــم‪ ،‬وعــرض األلبومــات ً‬
‫وفقــا لذلــك‪.‬‬

‫ومــن بعــض االســتخدامات األخــرى هــي ضغــط الصــورة فعنــد حفــظ الصــورة بالحقــة ‪ ،PNG‬يمكنــك‬

‫ضبــط مجموعــة األلــوان وليكــن عددهــا ‪ 32‬لو ًنــا‪ .‬هــذا يعنــي أن آليــة التجميــع ســتأخذ جميــع البكســات‬

‫“المحمــرة” وتحســب قيمــة “المتوســط األحمــر” وتضبطــه علــى جميــع البكســات الحمــراء‪ .‬وبذلــك يكــون‬
‫لدينــا ألــوان أقــل‪ ،‬ممــا يــؤدي فــي نهايــة المطــاف إلــى حجــم ملــف أقــل‪ ،‬وبذلــك تنخفـ ُ‬
‫ـض مصاريــف التخزين‬

‫المحلــي أو الســحابي‪.‬‬

‫ومــع ذلــك يمكــن أن نواجــه بعــض مشــاكل فــي األلــوان مثــل األلــوان القريبــة مــن لونيــن بنفــس‬
‫الوقــت مثــل لــون األزرق الســمائي (‪ .)Cyan‬إذ ال يمكننــا تصنيفــه فيمــا إذا كان أخضـ ًـرا أم أزرق؟ هنــا يأتــي‬

‫دور خوارزميــة ‪.K-Means‬‬

‫‪3. 5. 1.‬خوارزمية ‪K-mean‬‬

‫تعيــن خوارزميــة ‪ K-Means‬مجموعــة مــن النقــاط اللونيــة والبالــغ عددهــا ‪ 32‬نقطة لونيــة بطريقة‬
‫إذ ّ‬
‫عشــوائية فــي مجموعــة األلــوان‪ .‬وتســمى هــذه النقــاط (أو األلــوان) بالنقــاط المركزيــة (‪.)Centroids‬‬

‫و ُتحــدد النقــاط المتبقيــة علــى أنهــا مخصصــة ألقــرب نقطــة (لــون) مركــزي‪ .‬وبعدهــا سـنُالحظ أننــا حصلنــا‬
‫‪79‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫نوعً ــا مــا علــى مــا يشــبه المجــرات حــول هــذه األلــوان ‪ 32‬ثــم ننقــل النقطــة المركزيــة إلــى وســط مجرتنــا‪،‬‬

‫و ُنكــرِّ ر ذلــك حتــى تتوقــف النقطــة المركزيــة عــن التحــرك‪.‬‬

‫كرتونيــا‬
‫ً‬ ‫شــرحا‬
‫ً‬ ‫َّ‬
‫نفذنــا جميــع المهــام بنجــاح‪ ،‬ولدينــا ‪ 32‬مجموعــة ُمحــدَّ دة ومســتقرة‪ .‬وإليــك‬

‫وتفصيليا لما جرى‪:‬‬

‫ً‬

‫دائمــا على شــكل‬

‫البحــث عــن األلــوان المركزيــة مريــح‪ ،‬إال أن التجميعــات فــي الحيــاة الواقعيــة ليســت ً‬
‫دوائــر‪ .‬لنفتــرض أنــك عالــم جيولوجيــا وتحتــاج للعثــور علــى بعــض المعــادن المتماثلــة علــى الخريطــة‪ .‬فــي‬
‫هــذه الحالــة‪ ،‬يمكــن تشــكيل تجميعــات بطريقــة غريبــة وحتــى متشــعبة‪ .‬وال يمكنــك ً‬
‫أيضــا أن تعــرف عددهــم‬

‫فهــل هــم ‪ 10‬أم ‪100‬؟ بــكل تأكيــد أن خوارزميــة ‪ K-means‬لــن تتناســب مــع هــذه الحالــة‪ ،‬وإنمــا ســتكون‬

‫خوارزميــة ‪ DBSCAN‬مفيــد ًة أكثر‪.50‬‬

‫‪80‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3. 5. 2.‬خوارزمية ‪DBSCAN‬‬

‫أن النقــاط لدينــا هــم أنــاس فــي ســاحة البلــدة‪َ .‬ابحــث عــن أي ثالثــة أشــخاص يقفــون‬
‫لنفتــرض َّ‬
‫بالقــرب مــن بعضهــم البعــض واطلــب منهــم أن يمســكوا أيديهــم ثــم اطلــب منهــم البــدء فــي اإلمســاك بأولئــك‬

‫الجيــران ّالذيــن يمكنهــم الوصــول إليهــم‪ .‬وهكــذا دواليــك إلــى أن نصــل لشــخص ال يســتطيع اإلمســاك بــأي‬
‫شــخص آخــر‪ .‬هــذه هــي مجموعتنــا األولــى‪ .‬كــرِّ ر هــذه العمليــة ُليجمــعُ ّ‬
‫كل النــاس بمجموعــات‪.‬‬

‫فعليا مجرد بيانات شاذة‪.‬‬

‫ً‬ ‫مالحظة‪ :‬الشخص ّالذي ليس لديه من يمسك يده ‪ -‬هو‬

‫إليك رسم توضيحي يبين لك كيف سيبدو الحل‪:‬‬

‫تمامــا للتصنيــف‪ ،‬إذ يمكــن اســتخدام المجموعــات للكشــف عــن الحــاالت‬

‫نالحــظ أن التجميــع مشــابه ً‬
‫الشــاذة‪ .‬هــل الحظــت بــأن المســتخدم يتصــرف بطريقــة غيــر طبيعيــة بعــد اشــتراكه بموقعــك‪ K‬أو‬

‫بخدمتــك؟ دع اآللــة تحجبــه مؤقتً ــا‪ ،‬وتنشــئ تذكــرة للدعــم الفنــي لفحــص هــذا النشــاط المريــب التخــاذ‬

‫القــرار المناســب‪ .‬فربمــا يكــون روبــوت آلــي يحــاول إشــغال الخــادم ّالــذي تحجــزه لموقعــك‪ .‬فــي الحقيقــة‬

‫ماهيــة “الســلوك الطبيعــي” ُ‬

‫للمســتخدم وإنمــا ســنأخذ جميــع أفعــال ونشــاطات‬ ‫ّ‬ ‫لــن نحتــاج حتــى لمعرفــة‬

‫“نموذجيــا” أم ال‪.‬‬
‫ً‬ ‫المســتخدم ونحملهــا إلــى نموذجنــا ونتــرك اآللــة ُتقــرِّ ر مــا إذا كان هــذا المســتخدم‬

‫يمكــن أن ال يعمــل هــذا النهــج بطريقــة جيــد بالموازنــة مــع التصنيــف‪ ،‬ولكــن القــرار النهائــي سـ ُـيبنى‬

‫علــى المحاولــة والتجربــة‪.‬‬

‫‪81‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3. 5. 3.‬تقليل األبعاد (‪)Dimensionality Reduction‬‬

‫ميــزات‬ ‫أيضــا بالتعميــم (‪ )Generalization‬وهــي عمليــة تجميــع ّ‬

‫ميــزات محــددة بداخــل ِّ‬ ‫وتعــرف ً‬

‫ذات مســتوى أعــم وأعلــى‪.‬‬

‫ومن بعض التطبيقات العملية لهذه الطريقة نجد‪:‬‬

‫•أنظمة التوصية‪.‬‬

‫•التصورات (المحاكاة) الجميلة‪.‬‬

‫•نمذجة الموضوعات والبحث عن وثائق مماثلة‪.‬‬

‫•تحليل الصور المزيفة‪.‬‬

‫•إدارة المخاطر‪.‬‬

‫ومن بعض الخوارزميات الشائعة لتطبيقها‪:‬‬

‫•خوارزميــة تحليــل المكونــات الرئيســية (‪ Principal Component Analysis‬ويشــار لهــا‬

‫اختصا ًرا ‪.)PCA‬‬

‫•خوارزميــة تحليــل القيمــة المفــردة (‪ Singular Value Decomposition‬ويشــار لهــا‬

‫اختصا ًرا ‪.)SVD‬‬

‫•خوارزمية ‪.Latent Dirichlet allocation‬‬

‫‪82‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫•خوارزميــة التحليــل الداللــي الكامــن (‪ Latent Semantic Analysis‬ويشــار إليهــا اختصــا ًرا ‪LSA‬‬

‫أو ‪ pLSA‬أو ‪.)GLSA‬‬

‫•خوارزمية ‪( t-SNE‬التي تستخدم في مجال الرؤية الحاسوبية)‪.‬‬

‫ً‬
‫ســابقا هــذه األســاليب‪ ،‬وكان عليهــم العثــور علــى “شــيئ‬ ‫اســتخدم علمــاء البيانــات المتعصبــون‬

‫مثيــر لالهتمــام” فــي أكــوام ضخمــة مــن األرقــام؛ وعندمــا لــم تســاعدهم مخططــات إكســل بهــذه المهمــة‬
‫ميــزة ّ‬
‫تعلــم كيفيــة‬ ‫أجبــروا اآلالت علــى العثــور علــى األنمــاط حتــى حصلــوا علــى طريقــة تقليــل األبعــاد أو ّ‬
‫تقليل البعد‪.‬‬

‫ً‬
‫عوضــا عــن مجموعــة مــن‬ ‫دائمــا اســتخدام التلخيــص أو التجريــد (‪،)Abstractions‬‬
‫مــن األفضــل ً‬
‫الميــزات المجــزأة‪ .‬فمثـ ًـا‪ ،‬يمكننــا دمــج ّ‬
‫كل الــكالب ذات اآلذان مثلثيــة الشــكل واألنــوف الطويلــة والذيــل‬

‫الكبيــر ليصبــح لدينــا تلخيــص لشــكل كلــب لطيــف وهــو كلــب “شــبيرد”‪ .‬نعــم فقدنــا بعــض المعلومــات حــول‬
‫الصفــات المميــزة الخاصــة بالكلــب شــبيرد‪ ،‬إال أن التلخيــص الجديــد يعــدُّ أكثــر فائــدة لتســمية األغــراض‬
‫َّ‬
‫تتعلــم بطريقــة أســرع‪ ،‬وال تظهــر لديهــا مشــكلة‬ ‫الم َّ‬
‫لخصــة‬ ‫وتوضيحهــا‪ .‬باإلضافــة إلــى ذلــك‪ ،‬إن النمــاذج ُ‬
‫ً‬
‫الحقــا‪ -‬وهــي تســتخدم‬ ‫“فــرض التخصيــص” (‪ )Overfitting‬بكثــرة ّ‬
‫‪-‬التــي ســنتحدث عنهــا بالتفصيــل‬

‫الميــزات‪.‬‬
‫عــددً ا أقــل مــن ّ‬

‫أصبحــت هــذه الخوارزميــات أداة مذهلــة “لنمذجــة المواضيــع”‪ .‬إذ يمكننــا تلخيــص مواضيــع مــن‬

‫كلمــات محــددة لمعانيهــا وهــذا مــا تفعلــه خوارزميــة التحليــل الداللــي الكامــن‪ .‬تعتمــد علــى عــدد مــرات‬
‫‪83‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫تكــرار كلمــة معينــة فــي موضــوع محــدد مثــل‪ :‬اســتخدام كلمــة “تقنيــة” بكثــرة فــي المقــاالت التقنيــة‪،‬‬

‫وبالتأكيــد ســنعثر علــى أســماء األشــخاص السياســيين بكثــرة فــي األخبــار السياســية وهكــذا‪.‬‬

‫كمــا يمكننــا بــكل تأكيــد إنشــاء مجموعــات مــن جميــع الكلمــات فــي المقــاالت‪ ،‬ولكننــا ســنفقد جميــع‬

‫المدَّ ِخــرة‬
‫خصيصــا العالقــة بيــن الكلمــات ذات المعنــى نفســه مثــل ُ‬
‫ً‬ ‫الروابــط المهمــة بيــن معانــي الكلمــات‬

‫المدَّ ِخــرات الكهربائيــة [‪ ]Accumulator‬الموجــودة فــي مســتندات مختلفــة)‪.‬‬

‫(‪ ،Battery‬والمقصــود بهــا ُ‬
‫أن خوارزميــة التحليــل الداللــي الكامــن ســتتعامل معهــا بالطريقــة الصحيحــة‪ ،‬ولهــذا الســبب تحديــدً ا‬
‫إال َّ‬
‫ُســمِّ يت «بخوارزميــة التحليــل الداللــي الكامــن»‪.‬‬

‫لذلــك نحــن بحاجــة إلــى ربــط الكلمــات والمســتندات فــي ميــزة واحــدة للحفــاظ علــى هــذه االتصــاالت‬

‫الكامنــة واتضــح لنــا بــأن خوارزميــة التفكيــك المفــرد (‪ )Singular decomposition‬تــؤدي هــذه المهمــة‬
‫بقــوة‪ ،‬ممــا يشـ ُـف عــن فائــدة المجموعــات المجمعــة بحســب الموضــوع ّالتــي تحدثنــا عنهــا سـ ً‬
‫ـابقا‪.‬‬

‫مــن االســتخدامات الشــائعة األخــرى هــي أنظمــة التوصيــة (‪ )Recommender Systems‬والتصفيــة‬

‫التعاونيــة (‪ )Collaborative Filtering‬مــن أجــل تقليــل األبعــاد‪ .‬ممــا يبــدو أنــه إذا كنــت تســتخدمه فــي‬

‫تلخيــص تقييمــات المســتخدمين‪ ،‬فســتحصل علــى نظــام رائــع للتوصيــة باألفــام والموســيقى واأللعــاب بــل‬

‫وحتــى أي شــيء تريــده‪.‬‬

‫‪84‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫فهمــا كامـ ًـا لفكــرة التلخيــص (أو التجريــد) اآللــي‪ ،‬ولكــن مــن الممكــن رؤيــة‬
‫ســنتمكن بالــكاد مــن فهــم ً‬
‫بعــض االرتباطــات عــن قــرب‪ .‬إذ يرتبــط بعضهــا بعمــر المســتخدم فمثـ ًـا يلعــب األطفــال لعبــة مايــن كرافــت‬

‫(‪ )Minecraft‬ويشــاهدون معهــا الرســوم المتحركــة بكثــرة‪ ،‬ويرتبــط بعــض المســتخدمين اآلخريــن بنوعيــة‬

‫فيلــم معينــة أو بهوايــات مخصصــة وهكــذا‪.‬‬

‫تســتطيع اآلالت الحصــول علــى هــذه المفاهيــم التجريديــة عاليــة المســتوى مــن دون حتــى فهــم‬

‫بنــاء فقــط علــى معرفــة تقييمــات المســتخدم‪.‬‬

‫ً‬ ‫ماهيتهــا‪،‬‬

‫‪3. 5. 4.‬تعلم قواعد الربط (‪)Association Rule Learning‬‬

‫وهي طريقة للبحث عن األنماط في تدفق الطلبات‪.‬‬

‫حاليا تستخدم في عدد من المجاالت مثل‪:‬‬

‫•التنبؤ بالمبيعات والخصومات‪.‬‬

‫•تحليل البضائع المشترية معً ا‪.‬‬

‫•معرفة كيفية وضع المنتجات على الرفوف‪.‬‬

‫•تحليل أنماط تصفح اإلنترنت‪.‬‬

‫‪85‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الخوارزميات الشائعة لها هي‪:‬‬

‫•خوارزمية ‪.Apriori‬‬

‫•خوارزمية ‪.Eclat‬‬

‫•خوارزمية ‪.FP-growth‬‬

‫وتســتخدم هــذه الطريقــة لتحليــل عربــات (سـ ّـات) التســوق اإللكترونيــة أو الواقعيــة‪ ،‬كمــا تســتخدم‬
‫ً‬
‫أيضــا ألتمتــة اســتراتيجية التســويق‪ ،‬والمهــام األخــرى المتعلقــة بمثــل هــذه األحــداث‪ .‬وتحديــدً ا عندمــا‬

‫يكــون لديــك تسلســل لشــيئ معيــن وترغــب فــي إيجــاد أنمــاط فيــه ‪ -‬جــرب هــذه األشــياء‪.‬‬

‫لنفتــرض أن العميــل ســيأخذ ســتة عبــوات مــن العصائــر ويذهــب إلــى طاولــة المحاســبة ثــم إلــى بــاب‬

‫الخــروج‪ .‬هــل يجــب أن نضــع الفــول الســوداني بجانــب الطريــق المــؤدي إلــى طاولــة المحاســبة؟ وفــي حــال‬

‫وضعناهــا‪ ،‬كــم مــرة سيشــتريها النــاس بالمجمــل؟ لربمــا تتماشــى العصائــر مــع الفــول الســوداني‪ ،‬ولكــن مــا‬

‫هــي التسلســات األخــرى ّالتــي يمكننــا التنبــؤ بهــا اعتمــادً ا علــى البيانــات؟ هــل يمكــن لتغييــرات بســيطة فــي‬

‫ترتيــب البضائــع أن تــؤدي إلــى زيــادة كبيــرة فــي األربــاح؟‬

‫وينطبــق نفــس الشــيء علــى التجــارة اإللكترونيــة‪ .‬إذ المهمــة هنــا أكثــر حماســية وإثــارة لالهتمــام‪ ،‬فما‬

‫ّالــذي سيشــتريه العميــل فــي المــرة القادمــة؟ هــل سيشــتري المنتجــات النباتيــة؟ أم الحيوانيــة؟‬

‫تعتمــد األســاليب الكالســيكية لتعلــم اآللــة علــى نظــرة مباشــرة على جميع الســلع المشــترية باســتخدام‬

‫األشــجار أو المجموعــات‪ .‬يمكــن للخوارزميــات البحــث عــن األنمــاط فقــط‪ ،‬ولكــن ال يمكنهــا تعميمهــا أو إعادة‬
‫إنتاجهــا بمــا يتوافــق مــع األمثلــة الجديدة‪.‬‬

‫خاصــا ومناس ـ ًبا لــه‪ ،‬لذلــك ال نــرى‬

‫ً‬ ‫ـإن َّ‬
‫كل متجــر تجزئــة كبيــر يبنــي حـ ًـا‬ ‫أمــا فــي العالــم الحقيقــي فـ َّ‬
‫تطــورات كبيــرة فــي هــذا المجــال‪ .‬وعلــى المســتوى التقنــي فــإن أعلــى مســتوى مــن التقنيــات المســتخدمة‬

‫هــي أنظمــة التوصيــة (أو تســمى أحيا ًنــا األنظمــة الناصحــة)‪.‬‬

‫‪86‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3.‬التعلم المعزز (‪)Reinforcement Learning‬‬ ‫‪6.‬‬

‫وهو عملية رمي روبوت في متاهة وتركه بمفرده ليجد طريق الخروج بنفسه‪.‬‬

‫حاليا‪:‬‬
‫ً‬ ‫من بعض التطبيقات العملية المستخدمة‬

‫•السيارات ذاتية القيادة‪.‬‬

‫•روبوت تنظيف األرضية‪.‬‬

‫•األلعاب‪.‬‬
‫‪87‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫•أتمتة التداول‪.‬‬

‫•إدارة موارد المؤسسة‪.‬‬

‫من أبرز الخوارزميات الشائعة لها‪:‬‬

‫•خوارزمية التعلم المعزز وفق النموذج الحر (‪.)Q-Learning‬‬

‫الم َّ‬
‫عزز التخاذ القرار ‪.SARSA‬‬ ‫ّ‬
‫للتعلم ُ‬ ‫•خوارزمية خطة ماركوف‬
‫الم َّ‬
‫عزز العميق وفق النموذج الحر ‪.DQN‬‬ ‫•خوارزمية التعلم ُ‬
‫•خوارزمية الناقد المميز غير المتزامن ‪.A3C‬‬

‫•الخوارزمية الجينية (‪.)Genetic algorithm‬‬

‫أخيــرا‪ ،‬نصــل إلــى شــيئ يشــبه الــذكاء الحقيقــي‪ .‬فــي كثيــر مــن المقــاالت نــرى خطــأ شــائعً ا بــأن‬
‫ً‬
‫وجــه‪ .‬لــذا وجــب‬
‫الم َّ‬ ‫الموجــه أو أحيا ًنــا فــي قســم التَ ُّ‬
‫علــم غيــر ُ‬ ‫َّ‬ ‫ُّ‬
‫التعلــم‬ ‫يصنــف التَ ُّ‬
‫علــم المعــزز تحــت قســم‬
‫التنويــه إلــى كونــه طريقــة ُّ‬
‫تعلــم منفصلــة‪.‬‬

‫علــم المعــزز فــي الحــاالت ّالتــي ال تتعلــق فيهــا مشــكلتك بالبيانــات علــى اإلطــاق‪،‬‬
‫يســتخدم التَ ُّ‬

‫وإنمــا لديــك بيئــة افتراضيــة تتعامــل معهــا‪ .‬مثــل عالــم ألعــاب الفيديــو أو مدينــة افتراضيــة للســيارات‬

‫ذاتية القيادة‪.‬‬

‫معرفــة جميــع قواعــد الطرقــات الجويــة فــي العالــم لــن ُت ِّ‬

‫علــم الطيــار اآللــي كيفيــة القيــادة علــى‬

‫بأحــد الطــرق الجويــة‪ .‬وبغــض النظــر عــن مقــدار البيانــات ّالتــي نجمعهــا‪ ،‬ال يــزال يتعــذر علينــا توقــع جميــع‬
‫المواقــف المحتملــة‪ .‬وهــذا هــو الســبب األساســي لهــدف التعلــم المعــزز وهــو تقليــل الخطــأ‪ ،‬وليــس التنبــؤ‬

‫بجميــع التحــركات المحتملــة‪.‬‬

‫إن البقــاء علــى قيــد الحيــاة فــي البيئــة االفتراضيــة هــي الفكــرة األساســية للتعلــم المعــزز‪ .‬إذ ســنعتمد‬

‫علــى تــرك الروبــوت الصغيــر الفقيــر يتجــول فــي الحيــاة االفتراضيــة و ُنعاقبــه علــى األخطــاء و ُنكافئــه علــى‬

‫األفعــال الصحيحــة‪ .‬بنفــس الطريقــة ّالتــي نعلــم بهــا أطفالنــا‪ ،‬أليــس كذلــك؟‬

‫الطريقــة أكثــر فعاليــة لتدريــب الروبــوت هــي بنــاء مدينــة افتراضيــة والســماح للســيارة ذاتيــة القيــادة‬
‫كل طــرق القيــادة وحيلهــا فيهــا ً‬
‫أول‪ .‬فــي الحقيقــة هــذه هــي الطريقــة المعتمــدة فــي تدريــب الروبوت‬ ‫بتعلــم ّ‬

‫الموجــودة فــي الســيارات ذاتيــة القيــادة‪ ،‬إذ ننشــئ فــي البدايــة مدينــة افتراضيــة اســتنادً ا لخريطــة المدينــة‬

‫ـخاصا افتراضييــن يمشــون فــي الشــوارع (لمحــاكاة الواقــع) ونتــرك الســيارة‬

‫الحقيقيــة‪ ،‬ونضيــف إليهــا أشـ ً‬
‫تتعلــم بمفردهــا وذلــك بوضــع هــدف نصــب أعيننــا وهــو “تقليــل العــدد ّالــذي تقتلــه مــن النــاس بأقــل مــا‬
‫‪88‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫يمكــن” وهكــذا يســتمر الروبــوت فــي التــدرب إلــى أن يصــل لمرحلــة ال يقتــل بهــا أحــد‪ .‬عندمــا يــؤدي‬

‫أداء جيــدً ا فــي لعبــة ‪ GTA‬عندهــا س ـنُحرِّ َره ونختبــره فــي الشــوارع الحقيقيــة‪.‬‬
‫الروبــوت ً‬

‫قد يكون هناك نهجان مختلفان للتعلم المعزز وهما‪:‬‬

‫•نهج قائم على نموذج (‪.)Model-Based‬‬

‫•نهج غير قائم على نموذج أو النهج الحر (‪.)Model-Free‬‬

‫إن النهــج القائــم علــى نمــوذج يعنــي أن الســيارة بحاجــة لحفــظ كامــل الخريطــة أو أجزائهــا‪ .‬هــذا‬

‫نهــج قديــم جــدً ا ألنــه مــن المســتحيل بالنســبة للســيارة الفقيــرة ذاتيــة القيــادة أن تحفــظ الكوكــب بأكملــه‪.‬‬
‫أمــا فــي النهــج غيــر القائــم علــى نمــوذج فــا تحفــظ الســيارة َّ‬
‫كل حركــة ولكنهــا تحــاول تعميــم المواقــف‪،‬‬ ‫َّ‬
‫ومحاولــة التصــرف بعقالنيــة إلــى جانــب محاولتهــا الحصــول علــى أقصــى مكافــأة‪.‬‬

‫هــل تذكــر األخبــارأ المتداولــة حــول خســار بطــل العالــم بلعبــة ‪ Go‬أمــام الــذكاء الصنعــي؟ هــل تعلــم‬

‫ـب بهــذه اللعبــة أكبــر مــن عــدد الــذرات الموجــودة فــي الكــون‬
‫بــأن عــدد التركيبــات القانونيــة المحتملــة للعـ ِ‬
‫ً‬
‫الحقــا‪ .51‬ولكــن هــل ســنطلب مــن هــذا الروبــوت المســكين حفــظ‬ ‫َّ‬
‫كلــه؟ حتــى أن العلمــاء أثبتــوا ذلــك‬
‫ّ‬
‫كل ذلك؟‬

‫فــي الواقــع أن اآللــة لــم تتذكــر جميــع التركيبــات المحتملــة للعــب ومــع ذلــك فــازت بلعبــة ‪ ،Go‬إذ‬

‫(تمامــا كمــا فعلــت فــي لعبــة الشــطرنج عندمــا هزمــت‬

‫ً‬ ‫حاولــت تطبيــق أفضــل حركــة فــي ّ‬
‫كل دور علــى حــدة‬

‫فعليــا اختــارت‬
‫ً‬ ‫غــاري كاســباروف فــي المبــاراة الشــهيرة ســنة ‪ّ 1997‬‬
‫والتــي ســميت بمبــاراة القــرن‪ .)52‬هــي‬
‫ببســاطة أفضــل حركــة (مــن ناحيــة المكســب) لـ ّ‬
‫ـكل حالــة‪ ،‬وقــد فعلــت مــا يكفــي للتغلــب علــى البشــر‪.‬‬

‫أ تجد هنا رابط أحد األخبار‬

‫‪89‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الحــر (‪)Q-learning‬‬
‫ّ‬ ‫أساســيا أدى لظهــور التَ ُّ‬
‫علــم المعــزز وفــق النمــوذج‬ ‫ً‬ ‫مفهومــا‬
‫ً‬ ‫يعــد هــذا النهــج‬
‫ّ‬
‫للتعلــم‬ ‫ّ‬
‫التعلــم المعــزز بــل وظهــور الخوارزميــات مثــل خوارزميــة خطــة ماركــوف‬ ‫وهــو فــرع مــن فــروع‬

‫الحــر (‪.)DQN‬‬
‫ّ‬ ‫ّ‬
‫التعلــم المعــزز العميــق وفــق النمــوذج‬ ‫المعــزز التخــاذ القــرار (‪ )SARSA‬وخوارزميــة‬

‫ومــن الجديــر بالذكــر أن حــرف “‪ ”Q‬يشــير إلــى “الجــودة” (‪ )Quality‬إذ يتعلــم الروبــوت أداء الفعــل األكثــر‬
‫“نوعيــة” فــي ّ‬
‫كل حالــة ويحفــظ جميــع المواقــف علــى أنهــا سلســلة ماركوفيــة بســيطة (‪.)Markov chain‬‬

‫يمكــن لآللــة اختبــار مليــارات المواقــف والحــاالت فــي البيئــة افتراضيــة‪ ،‬ويمكنهــا تذكــر جميــع الحلول‬
‫ّالتــي أدت لمكافــأة أكبــر‪ .‬ولكــن كيــف يمكنهــا أن تميــز المواقــف ّالتــي رأتهــا مسـ ً‬
‫ـبقا عــن المواقــف الجديــدة‬

‫كليــا؟ فمثـ ًـا إذا كانــت الســيارة ذاتيــة القيــادة فــي إحــدى التقاطعــات بيــن الشــوارع وكانــت إشــارة المــرور‬
‫ً‬
‫حمــراء وتحولــت فجــأة اإلشــارة الخضــراء فهــل هــذا يعنــي أنهــا يمكــن أن تســير مباشــرة؟ مــاذا لــو كانــت‬

‫هنــاك ســيارة إســعاف تســير فــي شــارع قريــب وتطلــب مــن الســيارات األخــرى إفســاح الطريــق لهــا؟‬

‫اإلجابــة الحاليــة علــى هــذا الســؤال وفــق المعطيــات المتاحــة إلــى يومنــا هــذا هــو “ال أحــد يعــرف‬

‫فعليــا ال توجــد إجابــة ســهلة‪ .‬لطالمــا اســتمر الباحثــون فــي‬

‫ً‬ ‫مــا ّالــذي ســتفعله هــذه الســيارة ذاتيــة القيــادة”‪،‬‬

‫المحاولــة للعثــور علــى إجابــة‪ ،‬ولكــن فــي الوقــت نفســه ال يجــدون ســوى الحلــول المؤقتــة لبعــض الحــاالت‪.‬‬

‫فيعتمــد البعــض علــى محــاكاة جميــع المواقــف يدويً ــا ّالتــي تنتــج حـ ًـا للحــاالت االســتثنائية‪ ،‬مثــل‪ :‬مشــكلة‬

‫العربــة (‪ ،)trolley problem‬ويتعمــق البعــض اآلخــر أكثــر مــن ذلــك ويتــرك للشــبكات العصبيــة مهمــة‬
‫‪90‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫اكتشــافها‪ ،‬وهــذا قادنــا لتطــور التعلــم المعــزز وفــق النمــوذج الحــر (‪ )Q-learning‬إلــى شــبكات التعلــم‬
‫المعــزز العميــق (‪ .)Deep Q-Network‬لكنهــا ليســت بالحــل المثالــي ً‬
‫أيضــا‪.‬‬

‫‪3. 6. 1.‬طريقة المجموعات‬

‫ّ‬
‫تتعلم تصحيح أخطاء بعضها البعض‪.‬‬ ‫وهو مجموعة أشجار غبية‬

‫من بعض تطبيقاتها العملية في وقتنا الحالي‪:‬‬

‫•جميــع التطبيقــات ّالتــي تعمــل علــى الخوارزميــات الكالســيكية (الفــارق هنــا أنهــا تقــدم‬

‫أداء أفضل)‪.‬‬

‫•أنظمة البحث‪.‬‬

‫•الرؤية الحاسوبية‪.‬‬
‫•الكشف عن األغراض‪.‬‬

‫من أبرز الخوارزميات الشائعة لها‪:‬‬

‫•خوارزمية األشجار العشوائية (‪.)Random Forest‬‬

‫•خوارزمية التدرج المعزز (‪.)Gradient Boosting‬‬

‫حــان الوقــت لألســاليب الحديثــة والكبيــرة‪ .‬تعــدُّ المجمعــات والشــبكات العصبيــة مقاتــان رئيســيان‬
‫يمهــدان طريقنــا نحــو التفــرد فــي عمليــة التَ ُّ‬
‫علــم‪ .‬واليــوم ينتجــون أكثــر النتائــج دقــة ويســتخدمون علــى‬

‫نطــاق واســع فــي جميــع األحــداث‪.‬‬

‫‪91‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫علــى الرغــم مــن فعاليتهــا العاليــة إال أن الفكــرة الكامنــة وراءهــا بســيطة للغايــة إذ تعتمــد علــى أخــذ‬
‫مجموعــة مــن الخوارزميــات ذات الفعاليــة العاديــة‪ ،‬وتجبرهــا علــى تصحيــح أخطــاء بعضهــا ً‬
‫بعضا‪ ،‬فســتكون‬

‫الجــودة اإلجماليــة للنظــام أفضــل مــن أفضــل خوارزميــات تعمــل بطريقــة منفــردة‪.‬‬

‫ســتحصل علــى نتائــج أفضــل إذا أخــذت أكثــر الخوارزميــات تقل ًبــا فــي النتائــج‪ّ ،‬‬
‫والتــي تتوقــع نتائــج‬

‫تمامــا فــي حالــة حــدوث ضوضــاء صغيــرة علــى بيانــات الدخــل مثــل خوارزميــات أشــجار القــرار‬
‫مختلفــة ً‬
‫وأشــجار االنحــدار‪ ،‬فهــذه الخوارزميــات حساســة للغايــة‪ ،‬حتــى أنــه يمكــن لقيمــة شــاذة واحــدة خارجيــة‬

‫مطبقــة علــى بيانــات الدخــل أن تجعــل النمــاذج يجــن جنونهــا‪ .‬فــي الحقيقــة هــذا بالضبــط مــا نحتــاج إليــه‪.‬‬

‫هنالك ثالث طرق لبناء المجمعات‪:‬‬

‫•طريقة التكديس (‪.)Stacking‬‬

‫•طريقة التعبئة (‪.)Bagging‬‬

‫•طريقة التعزيز (‪.)Boosting‬‬

‫واحد منهم على حدة‪:‬‬

‫ٍ‬ ‫سنشرح ّ‬
‫كل‬

‫ ‪.‬أطريقة التكديس (‪)Stacking‬‬

‫مــرر مجموعــة مــن النمــاذج المتوازيــة كمدخــات للنمــوذج األخيــر ّ‬

‫والــذي ســيؤدي إلــى اتخــاذ‬ ‫ُت َّ‬
‫القرار النهائي‪.‬‬
‫‪92‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫َتنتـ ُ‬
‫ـج هــذه النمــاذج مــن تطبيــق خوارزميــات مختلفــة وكلمــة “مختلفــة” تعنــي أي أن خلــط تكديــس‬

‫نفــس الخوارزميــات علــى نفــس البيانــات لــن يكــون له أي معنــى أو أهميــة‪ .‬وإن عمليــة اختيــار الخوارزميات‬

‫أمــر متــروك لــك مطلــق الحريــة فــي اختبــاره إال أ َّنــه بالنســبة للنمــوذج المعنــي باتخــاذ القــرار النهائــي‪ ،‬فعــاد ًة‬

‫مــا يكــون االنحــدار خيــا ًرا جيــدً ا لخوارزميتــه‪.‬‬

‫ ‪.‬بطريقة التعبئة (‪)Bagging‬‬

‫أيضــا باســم (‪ .)Bootstrap Aggregating‬نســتخدم فــي هــذه الطريقــة الخوارزميــة‬

‫وهــي معروفــة ً‬

‫نفســها‪ ،‬ولكــن ندربهــا علــى مجموعــات فرعيــة مختلفــة مــن البيانــات األصليــة‪ ،‬ونحســب فــي النهايــة‬

‫متوســط اإلجابــات فقــط‪.‬‬

‫يمكــن أن تتكــرر البيانــات فــي مجموعــات فرعيــة عشــوائية‪ .‬فمثـ ًـا‪ ،‬يمكننــا الحصــول علــى مجموعات‬

‫فرعيــة مــن المجموعــة “‪ ”1-2-3‬مثــل‪ ”2-2-3“ :‬و”‪ ”1-2-2‬و”‪ ”3-1-2‬ومــا إلــى ذلــك‪ .‬نســتخدم‬

‫مجموعــات البيانــات الجديــدة هــذه لتعليــم الخوارزميــة نفســها عــدَّ ة مــرات‪ ،‬ثـ ّ‬
‫ـم نتوقــع اإلجابــة النهائيــة‬

‫عــن طريــق خوارزميــة البســيطة التصويــت باألغلبيــة‪.‬‬

‫أشــهر مثــال علــى اســتخدام طريقــة التعبئــة هــي خوارزميــة الغابــات العشــوائية (‪)Random Forest‬‬
‫والتــي ببســاطة تعبــأ باســتخدام أشــجار القــرار ّ‬
‫(التــي ســبق وأن وتحدثنــا عنهــا فــي الفقــرات الســابقة)‪.‬‬

‫فمثـ ًـا عنــد فتحــك لتطبيــق الكاميــرا الخــاص بهاتفــك ورؤيتــك لمربعــات مرســومة حــول وجــوه األشــخاص‬

‫فيجــب أن تســأل نفســك‪ ،‬كيــف حــدث ذلــك؟‬

‫‪93‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫فــي الحقيقــة مــن المحتمــل أن تكــون هــذه النتيجــة بفضــل خوارزميــة الغابــات العشــوائية‪.‬‬

‫وذلــك ألن الشــبكات العصبيــة بطيئــة جــدً ا عنــد تشــغيلها فــي الزمــن الحقيقــي (‪،)Real-time‬‬

‫وبالمقابــل تكــون طريقــة التعبئــة مثاليــة بهــذه الحــاالت ألنــه يمكنهــا أن تبنــي أشــجار القــرار علــى‬

‫جميــع البطاقــات الرســومية الضعيفــة والقويــة بــل وحتــى علــى المعالجــات الجديــدة الفاخــرة الخاصــة‬
‫ّ‬
‫بتعلم اآللة!‬

‫فــي بعــض المهــام‪ ،‬تكــون االســتراتيجية المتبعــة هــي التركيــز على قــدرة الغابة العشــوائية علــى العمل‬

‫بالتــوازي مثلمــا يحــدث عنــد اســتخدام الشــبكات العصبيــة االصطناعيــة أمــا طريقــة التجميــع ال تســتطيع‬

‫العمــل بالتــوازي‪ ،‬والبعــض اآلخــر مــن التطبيقــات تتطلــب الســرعة ّالتــي تســتطيع تحققهــا طــرق المجموعات‬

‫بغــض النظــر عــن أســلوب تطبيقهــا وتحديــدً ا فــي المهــام ّالتــي تتطلــب معالجــة بالزمــن الحقيقــي‪ .‬ولكنَّهــا‬
‫فــي النهايــة مســألة مفاضلــة بيــن خيــاري الدقــة أو الســرعة وذلــك بحســب ّ‬
‫كل مهمــة‪.‬‬

‫ ‪.‬جطريقة التعزيز (‪)Boosting‬‬

‫وهــي الطريقــة ّالتــي تعتمــد علــى تدريــب الخوارزميــات واحــد ًة تلــو األخــرى‪ .‬وتولــي ّ‬
‫كل خوارزميــة‬

‫الحقــة معظــم اهتمامهــا لنقــاط البيانــات ّالتــي أخطــأت الخوارزميــة الســابقة فــي تفســيرها‪ ،‬وتكــرر هــذه‬

‫العمليــة إلــى أن تصبــح النتيجــة مرضيــة‪.‬‬

‫كمــا هــو الحــال فــي طريقــة التعبئــة‪ ،‬تســتخدم الخوارزميــة مجموعــات فرعيــة متنوعــة مــن بياناتنــا‬

‫ـزءا مــن البيانــات‬ ‫ولكــن هــذه المــرة لــن ُننش ـ َئها بطريقــة عشــوائية‪ .‬وإ َّنمــا فــي ّ‬
‫كل عينــة فرعيــة‪ ،‬نأخــذ جـ ً‬
‫‪94‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ّالتــي فشــلت الخوارزميــة الســابقة فــي معالجتهــا‪ .‬وبذلــك ُننشــئ خوارزميــة جديــدة لتتعلــم كيفيــة إصــاح‬

‫األخطــاء الموجــودة فــي الخوارزميــة الســابقة‪.‬‬

‫الميــزة الرئيســية فــي طــرق التجميــع هــي الدقــة الممتــازة بالموازنــة مــع الوقــت المأخــوذ‪ ،‬وتعد أســرع‬

‫بكثيــر مــن الشــبكات العصبيــة‪ .‬تقري ًبــا األمر أشــبه ما يمكن بســباق بين ســيارة وشــاحنة على المضمــار‪ .‬يمكن‬

‫فحتما ســتأخذ الســيارة‪ .‬إللقاء‬

‫ً‬ ‫للشــاحنة أن تــؤدي المزيــد مــن األفعال‪ ،‬ولكن في حال أردت أن تســير بســرعة‬

‫نظــرة علــى مثــال حقيقي الســتخدام طرق التجميع (وتحديــدً ا طريقة التعزيز) افتح موقع فيســبوك أو موقع‬

‫غوغــل واكتــب أي اســتعالم فــي مربع البحث‪ .‬هل يمكنك ســماع جيوش من األشــجار تــزأر وتتحطم معً ا لفرز‬

‫النتائــج حســب الصلــة؟ ذلــك بســبب أن هــذه الشــركات يســتخدمون طريقــة التجميــع باســتخدام التعزيــز‪.53‬‬
‫(حاليــا هنــاك ثــاث أدوات شــائعة لتطبيــق طريقــة التعزيــز‪ ،‬يمكنــك قــراءة هــذا التقريــر المفصــل ّالــذي‬
‫ً‬
‫يــوازن بينهــا ‪ CatBoost‬مقابــل ‪ LightGBM‬مقابــل ‪.)XGBoost‬‬
‫‪95‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫‪3. 7.‬الشبكات العصبية (‪ )Neural Networks‬والتعلم العميق‬

‫(‪)Deep Leaning‬‬

‫‪3. 7. 1.‬الشبكات العصبية (‪)Neural Networks‬‬

‫الشــبكات العصبيــة‪ :‬وهــي عبــارة عــن مجموعــة مــن الخاليــا العصبيــة االصطناعيــة الموجــودة‬
‫فــي طبقــات ُم ِّ‬
‫توضعَ ــة فــوق بعضهــا ً‬
‫بعضــا‪ ،‬ولهــا طبقــة أوليــة‪ ،‬وطبقــة النهائيــة‪ ،‬تتلقــى الطبقــة األوليــة‬

‫الحقــا للطبقــة ّالتــي تليهــا وهكــذا إلــى أن نحصــل علــى الخــرج مــن‬
‫ً‬ ‫المعلومــات الخــام‪ ،‬وتعالجهــا لتُ مرِّ رهــا‬
‫الطبقــة النهائيــة‪.‬‬

‫بعض أشهر تطبيقاتها العملية المستخدمة في وقتنا الحالي‪:‬‬

‫•تحديد الكائن في الصور ومقاطع الفيديو‪.‬‬

‫•التعرف على الكالم والتراكيب اللغوية‪.‬‬

‫•معالجة الصور وتحويل التنسيق‪.‬‬

‫•الترجمة اآللية‪.‬‬
‫عوضا عن جميع تطبيقات طرق ّ‬
‫تعلم اآللة السابقة‪.‬‬ ‫ً‬ ‫•باإلضافة إلى أنه يمكنها أن تعمل‬

‫من بعض الهيكليات الشائعة للشبكات العصبية‪:‬‬

‫•الشبكات العصبية بيرسيبترون (‪.)Perceptron‬‬

‫•الشبكات العصبية التالفيفية (‪.)CNN‬‬

‫‪96‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫•الشبكات العصبية المتكررة (‪.)RNN‬‬

‫•الشبكات العصبية ذات الترميز التلقائي (‪.)Autoencoders‬‬

‫إن أي شــبكة عصبيــة اصطناعيــة هــي فــي األســاس مجموعــة مــن الخاليــا العصبيــة االصطناعيــة‬

‫(‪ )Neurons‬و االتصــاالت (‪ّ )Connections‬التــي بينهــا‪ ،‬وإن الخليــة العصبيــة االصطناعيــة هــي مجــرد‬

‫تابــع لديــه مجموعــة مــن المدخــات وخــرج وحيــد‪ .‬وتتمثــل مهمــة الخليــة العصبيــة االصطناعيــة فــي أخــذ‬

‫جميــع األرقــام مــن مدخالتهــا‪ ،‬وأداء الوظيفــة المنوطــة إليهــا وإرســال النتيجــة للخــرج‪.‬‬

‫ـد مــا القنــوات بيــن الخاليــا العصبيــة الحقيقيــة‪ ،‬إذ تربــط مخرجــات خليــة‬
‫االتصــاالت تشــبه إلــى حـ ٍ‬
‫عصبيــة معينــة لمدخــل خليــة عصبيــة أخــرى حتــى يتمكنــوا مــن إرســال األرقــام والنتائــج لبعضهــا ً‬
‫بعضــا‪،‬‬
‫ّ‬
‫وكل اتصــال لــه وســيط واحــد فقــط وهــو الــوزن (‪ ،)Weight‬وهــو مشــابه لقــوة االتصــال لإلشــارة؛ فعندمــا‬
‫يمــر الرقــم ‪ 10‬مــن خــال اتصــال بــوزن ‪ 0.5‬يتحــول إلــى ‪ .5‬هــذه األوزان تطلــب مــن الخليــة العصبيــة‬

‫االصطناعيــة أن تســتجيب أكثــر للدخــل ذو الــوزن األكبــر‪ ،‬وأقــل للدخــل ذو الــوزن األقــل‪ُ .‬تعدَّ ل هــذه األوزان‬
‫ّ‬
‫تتعلــم الشــبكة العصبيــة االصطناعيــة‪.‬‬ ‫عنــد التدريــب وهكــذا‬

‫فيمــا يلــي مثــال لخاليــا عصبيــة اصطناعيــة بســيطة ولكنهــا مفيــدة فــي الحيــاة الواقعيــة‪ :‬ســتجمع‬

‫جميــع األرقــام مــن مدخالتهــا وإذا كان هــذا العــدد أكبــر مــن ‪ N‬فســتُ عطي النتيجــة ‪ 1‬وإال ســتعطي‬

‫النتيجة ‪.0‬‬
‫‪97‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫لمنــع حــدوث فوضــى فــي الشــبكة‪ ،‬ترتبــط الخاليــا العصبيــة بطبقــات‪ ،‬وليــس بطريقــة عشــوائية؛ ال‬

‫ترتبــط الخاليــا العصبيــة داخــل الطبقــة الواحــدة‪ ،‬وإنمــا تتصــل بالخاليــا العصبيــة للطبقــات التالية والســابقة‬

‫صارمــا باتجــاه واحــد مــن‬

‫ً‬ ‫(األعلــى واألســفل)‪ .‬تتحــرك البيانــات فــي الشــبكة العصبيــة االصطناعيــة تحــركًا‬

‫مدخــات الطبقــة األولــى إلــى مخرجــات الطبقــة األخيــرة‪.‬‬

‫كافيــا مــن الطبقــات ووضعــت األوزان بطريقــة صحيحــة‪ ،‬فســتحصل علــى النتيجــة‬
‫ً‬ ‫إذا وضعــت عــددً ا‬

‫المرجــوة وإليــك مثـ ًـا يوضــح األمــر‪ ،‬تريــد أن تكتشــف مــا هــو الرقــم المكتــوب بخــط اليــد فــي الصــورة‬

‫الممــررة‪ ،‬ســتُ َّ‬

‫مرر الصــورة إلــى الشــبكة عــن طريــق مدخــات الطبقــة األولــى‪ ،‬وبعدهــا فــإن البكســات‬
‫نشــط الخاليــا العصبيــة المرتبطــة بهــا‪ ،‬وهــي بدورهــا ستُ ّ‬
‫نشــط الطبقــات التاليــة المرتبطــة بهــا‪،‬‬ ‫الســوداء ستُ ّ‬

‫أخيــرا المخــرج المســؤول عــن الرقــم أربعــة‪ .‬إذا هكــذا وصلنــا للنتيجــة المرجــوة‬
‫ً‬ ‫وهكــذا حتــى يضــيء‬
‫(ســنأخذ هــذا المثــال بوضــوح أكبــر وبـ ّ‬
‫ـكل تفاصيلــه الدقيقــة فــي الجــزء الثانــي مــن هــذه السلســلة)‪.‬‬

‫عمليــا الخاليا العصبيــة والوصالت‬

‫ً‬ ‫فــي الواقــع عنــد برمجــة الخاليــا العصبيــة على الحاســوب ال نكتــب‬

‫ـاء علــى ضــرب المصفوفــات ببعضهــا‬ ‫المرتبطــة بهــا‪ .‬وإنمــا يمثــل ّ‬

‫كل شــيء كمصفوفــات وتحســب النتيجــة بنـ ً‬
‫ّ‬
‫التعلــم فــي الخاليــا العصبيــة‬ ‫ً‬
‫بعضــا للحصــول علــى أداء أفضــل‪ .‬يبســط هــذا الفيديــو كيــف تحــدث عمليــة‬
‫االصطناعيــة‪ ،‬وكيــف تحــدد عمليــة الضــرب دقــة الشــبكة العصبيــة ّالتــي لــدي (ال تنــس أن ِّ‬
‫تغعــل خيــار‬

‫التعليقــات التوضيحيــة ألن الفيديــو مترجــم إلــى اللغــة العربيــة)‪.‬‬

‫‪98‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫تحتــوي الشــبكة علــى طبقــات متعــددة لهــا روابــط بيــن ّ‬

‫كل خليــة عصبيــة تســمى الشــبكات العصبيــة‬

‫بيرســيبترون المتعــددة (‪ )Multilayer Perceptron‬وتســمى اختصــا ًرا (‪ )MLP‬وتعــد أبســط بنيــة‬

‫مناسبة للمبتدئين‪.‬‬

‫بعــد إنشــاء الشــبكة‪ ،‬ســتكون مهمتنــا هــي تعييــن الطــرق المناســبة لتتفاعــل الخاليــا العصبيــة مــع‬

‫ُعطي الشــبكة بيانــات الدخــل أو “مدخــات الشــبكة العصبيــة”‬

‫اإلشــارات الــواردة بطريقــة صحيحــة‪ .‬وس ـن ِ‬
‫صــورة الرقــم المكتــوب بخــط اليــد وبيانــات الخــرج أو “مخرجات الشــبكة العصبية” ســتكون الرقــم الموافق‬

‫الممــررة عبــر مدخــات الشــبكة‪ .‬أي ســنقول للشــبكة “عدلــي أوزانــك بالطريقــة الصحيحــة حتــى‬
‫للصــورة ُ‬
‫الممـ َّـررة لــك علــى أنهــا صــورة للرقــم ‪.”4‬‬
‫تســتطيعين معرفــة الصــورة ُ‬

‫فــي البدايــة ُتســند جميــع األوزان بطريقــة عشــوائية‪ .‬بعــد أن نعــرض لهــا ً‬
‫رقمــا معينًــا‪ ،‬إذ تنبعــث‬

‫منهــا إجابــة عشــوائية ألن األوزان ليســت صحيحــة حتــى اآلن‪ ،‬ونــوازن مــدى اختــاف هــذه النتيجــة عــن‬
‫النتيجــة الصحيحــة‪ .‬ثــم نبــدأ فــي بالرجــوع للخلــف عبــر الشــبكة مــن المخرجــات إلــى المدخــات ونخبــر ّ‬
‫كل‬

‫خليــة عصبيــة‪ ،‬لقــد تنشــطت هنــا وأديــت عمـ ًـا رهي ًبــا وهكــذا‪.‬‬

‫ـم التغييــر” المتتاليــة هنــاك أمــل فــي‬

‫ـم التحقــق ثـ ّ‬
‫بعــد مئــات اآلالف مــن هــذه الــدورات “االســتدالل ثـ ّ‬
‫أن ُتصحــح الشــبكة العصبيــة أوزانهــا وتجعلهــا تعمــل علــى النحــو المنشــود‪ .‬االســم العلمــي لهــذه المنهجيــة‬

‫هــي “منهجيــة االنتشــار العكســي” (‪.)Backpropagation‬‬

‫ّ‬
‫التعلــم بالتفاصيــل الدقيقــة فــي الطبقــات المخفيــة وكيــف‬ ‫يبســط هــذا الفيديــو كيــف َتحـ ُ‬
‫ـدث عمليــة‬
‫تنــس أن ِّ‬
‫تغعــل خيــار التعليقــات التوضيحيــة ألن الفيديــو مترجــم إلــى اللغــة‬ ‫َ‬ ‫تتعلــم مــن أخطائهــا (ال‬
‫العربية ً‬
‫أيضا)‪.‬‬

‫يمكــن للشــبكة العصبيــة المدربــة تدري ًبــا جيــدً ا أن تنــوب عــن عمــل أي مــن الخوارزميــات الموضحــة‬

‫فــي هــذا الفصــل (بــل وغال ًبــا مــا يمكنهــا أن تعمــل بدقــة أكثــر منهــم)‪ .‬وهــذا مــا جعلهــا شــائعة االســتخدام‬

‫علــى نطــاق واســع‪.‬‬

‫الحقــا أن الشــبكات ّالتــي تحتــوي علــى عــدد كبيــر مــن الطبقــات تتطلــب قــوة حســابية ال يمكــن‬
‫ً‬ ‫اتضــح‬

‫حاليــا فــأي حاســوب ُمخصــص لأللعــاب يتفــوق‬

‫ً‬ ‫تصورهــا آنــذاك (عنــد بدايــة ظهــور الشــبكات العصبيــة)‪ .‬أمــا‬

‫ـك لــدى النــاس أي أمــل فــي أن تصبــح هــذه‬

‫بــاألداء علــى أداء مراكــز البيانــات الضخمــة آنــذاك‪ .‬لذلــك لــم يـ ُ‬
‫القــدرة الحســابية متوفــرة ذلــك الحيــن‪ ،‬وكانــت فكــرة الشــبكات العصبيــة مزعجــة بضخامتهــا‪.‬‬
‫‪99‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫سنتاول في شرحنا أهم الهياكل المشهورة للشبكات العصبية في الوقت الحاضر‪.‬‬

‫ ‪.‬أالشبكات العصبية التالفيفية (‪)Convolutional Neural Networks‬‬

‫أحدثــت بنيــة الشــبكات العصبيــة التالفيفيــة والتــي تدعــى اختصــا ًرا (‪ )CNN‬ثــورة فــي عالم الشــبكات‬
‫حاليــا‪ ،‬إذ تســتخدم للبحــث عــن الكائنــات فــي الصــور وفــي مقاطــع الفيديــو‪ ،‬كمــا تســتخدم ً‬
‫أيضــا‬ ‫ً‬ ‫العصبيــة‬

‫للتعــرف علــى الوجــوه‪ ،‬وتحويــل التنســيق‪ ،‬وتوليــد وتحســين الصــور‪ ،‬وإنشــاء تأثيــرات مثــل التصويــر‬

‫البطــيء وتحســين جــودة الصــورة‪ .‬باختصــار تســتخدم بنيــة الشــبكات العصبيــة التالفيفيــة فــي جميــع‬

‫الحــاالت ّالتــي تتضمــن صــو ًرا ومقاطــع فيديــو‪.‬‬

‫يمكنــك مالحظــة كيــف اســتطاعت تقنيــات تعلــم اآللــة ّالتــي طورتهــا شــركة فيســبوك مــن تحديــد‬

‫الكائنــات الموجــودة فــي الصــورة بدقــة ممتــازةأ‪.‬‬

‫مــن أبــرز المشــاكل الرئيســية ّالتــي تواجهنــا عنــد التعامــل مــع الصــور هــي صعوبــة اســتخراج الميــزات‬

‫منهــا‪ .‬علــى عكــس ســهولة ّالتــي نجدهــا عنــد التعامــل مــع النصــوص‪ ،‬إذ فــي النصــوص يمكنــك ببســاطة‬

‫تقســيم النــص بحســب الجمــل‪ ،‬والبحــث عــن الكلمــات ذات ســمات معينــة‪ ،‬ومــا إلــى ذلــك‪ .‬ولكــن فــي الصــور‬
‫تصنيفــا يدويً ــا لكــي تتمكــن برامــج ّ‬
‫تعلــم اآللــة مــن‬ ‫ً‬ ‫األمــر أعقــد مــن ذلــك بكثيــر إذ يجــب تصنيــف الصــور‬

‫أ انظر صفحة ‪ Detectron‬على شبكة ‪.GitHub‬‬

‫‪100‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫ً‬
‫الحقــا‬ ‫معرفــة مــكان آذان القطــط أو ذيولهــا فــي هــذه الصــورة المحــددة والمنصفــة‪ .‬ســميت هــذه المنهجيــة‬

‫باســم “صناعــة الميــزات يدويً ــا” وكان يســتخدمها الجميــع تقري ًبــا‪.‬‬

‫ولكــن األمــر لــم يتوقــف إلــى هــذا الحــد فحســب وإنمــا ظهــرت العديــد مــن المشــاكل مــع منهجيــة‬

‫صناعــة الميــزات يدويً ــا‪ ،‬فمثـ ًـا فــي البدايــة إذا كانــت تعرفــت الشــبكة العصبيــة علــى أذنــي القطــة وأبعــدت‬

‫هــذه القطــة عــن الكاميــرا فنحــن فــي مشــكلة ألن الشــبكة لــن تــرى شــي ًئا (بســبب ّ‬
‫تغيــر حجــم أذن القطــة)‪.‬‬

‫تميــز القطــط عــن بقيــة الحيوانــات األخــرى (فــي الحقيقــة‬

‫ثانيــا لنحــاول تســمية ‪ 10‬ميــزات مختلفــة ّ‬
‫ً‬
‫أنــا أول مــن فشــل فــي هــذه المهمــة)‪ ،‬ولكــن مــع ذلــك عندمــا أرى نقطــة ســوداء ُتسـ ُ‬
‫ـرع مــن جانبــي أثنــاء‬

‫تجولــي فــي الشــارع عنــد منتصــف الليــل ‪-‬حتــى لــو لمحتهــا فقــط فــي زاويــة عينــي‪ -‬سأســتطيع أن أحــدد‬

‫بأنهــا قطــة وليســت فــأر‪ ،‬والســبب بســيط جــدً ا إذ ال شــعوريً ا يصنــف دماغنــا العديــد مــن الميــزات الخاصــة‬

‫بالقطــط وال ينظــر إلــى شــكل األذن أو عــدد األرجــل فقــط وذلــك بــدون أي جهــد منــي وال حتــى تفكيــر‪.‬‬

‫ـاء علــى ذلــك ســيصعب األمــر جــدً ا عنــد محاولتــي لنقــل هــذه المعرفــة إلــى اآللــة‪.‬‬
‫وبنـ ً‬

‫لــذا فهــذا يعنــي أن اآللــة ســتحتاج إلــى ّ‬

‫تعلــم هــذه الميــزات بمفردهــا‪ ،‬وإنشــاء هــذه الميــزات اعتمــادً ا‬

‫علــى الخطــوط األساســية للصــورة‪ .‬ســننفذ مــا يلــي‪:‬‬

‫•سنقسم الصورة بأكملها إلى كتل ذات حجم ‪ 8×8‬بكسل‪.‬‬

‫•ســنخصص لــكل نــوع مــن أنــواع الخطــوط علــى الصــورة رمـ ًـزا معي ًنــا ‪ -‬ســواء أكان الخــط ً‬
‫أفقيــا‬
‫ســيكون الرمــز [‪ ]-‬أو رأسـ ًـيا ســيكون الرمــز [|] أو قطريً ــا ســيكون الرمــز [‪ .]/‬يمكــن ً‬
‫أيضــا أن يكــون‬

‫مرئيــا للغايــة ‪ -‬وهــذا يحــدث ولذلــك لســنا ً‬

‫دائمــا علــى ثقــة تامــة‪.‬‬ ‫ً‬ ‫العديــد منهــا‬

‫ســيكون الناتــج عــدة جــداول مــن الخطــوط ّالتــي هــي فــي الواقــع أبســط الميــزات ّالتــي تمثــل حــواف‬

‫الكائنــات علــى الصــورة‪ .‬إنهــا صــور بمفردهــا ولكنهــا مبنيــة مــن الخطــوط‪ .‬وهكــذا نســتمر فــي أخــذ كتلــة‬

‫ذات حجــم ‪ 8×8‬ونــرى كيــف تتطابــق معً ــا‪ .‬ونعيدهــا مــرا ًرا وتكــرا ًرا‪.‬‬
‫‪101‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الطــي (‪ ،)Convolution‬مســتمدة هــذا االســم مــن تابــع‬

‫ّ‬ ‫تســمى هــذه العمليــة بعمليــة االلتفــاف أو‬

‫ـي كطبقــة مــن الشــبكة العصبيــة‪ ،‬ألنــه فــي نهايــة األمــر يمكــن‬
‫ـي المطبــق فيهــا‪ .‬يمكــن تمثيــل عمليــة الطـ ّ‬
‫الطـ ّ‬
‫لـ ّ‬
‫ـكل خليــة عصبيــة أن تكــون بمثابــة تابــع يــؤدي أي وظيفــة أريدهــا‪.‬‬

‫تلقائيــا أوزا ًنــا أكبــر‬

‫ً‬ ‫ـتعين‬
‫عندمــا نغــذي ونــزود شــبكتنا العصبيــة بالكثيــر مــن صــور القطــط‪ ،‬فإنهــا سـ ّ‬
‫كثيــرا فــي هــذه النــوع مــن الصــور‪ .‬ال تهتــم اآللــة مــا إذا كان ظهــر‬
‫ً‬ ‫لمجموعــات الخطــوط ّالتــي تتكــرر‬

‫ـما هندسـ ًـيا معقــدً ا مثــل وجــه القطــة‪ ،‬وبالمجمــل ســتكون بعــض مجموعــات‬
‫ـتقيما أو جسـ ً‬
‫خطــا مسـ ً‬
‫القطــة ً‬
‫دائمــا‪.‬‬
‫الخطــوط ســتكون نشــطة ً‬

‫كمخرجــات ســتنظر هــذه الشــبكة العصبيــة االصطناعيــة ذات البنيــة التالفيفيــة ألكثــر المجموعــات‬

‫ـاطا فــي هــذه الصــور وســتبني عليهــا قرارهــا فيمــا إذا كانــت الصــور لقطــة أو لكلــب‪.‬‬
‫نشـ ً‬
‫‪102‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫يكمــن جمــال هــذه الفكــرة فــي أن الشــبكة العصبيــة ســتبحث عــن الميــزات األكثــر تميـ ًـزا للكائنــات‬

‫بمفردهــا‪ .‬لســنا بحاجــة الختيارهــا يدويً ــا‪ .‬يمكننــا تزويــد الشــبكة بكميــة كبيــرة مــن الصــور ألي كائــن فقــط‬

‫مــن خــال البحــث فــي غوغــل عــن مليــارات مــن الصــور المشــابهة وهكــذا ســوف تنشــئ شــبكتنا خرائــط‬

‫مميــزة مــن الخطــوط وتتعلــم كيفيــة تمييــز أي كائــن بمفردهــا‪.‬‬

‫ ‪.‬بالشبكات العصبية المتكررة (‪)Recurrent Neural Networks‬‬

‫تعــدّ الشــبكات العصبيــة المتكــررة والتــي يشــار لهــا اختصــا ًرا (‪ )RNN‬مــن أكثــر ال ُبنــى الهيكليــة‬

‫الجمــة إذ أعطتنــا الكثيــر مــن‬

‫ّ‬ ‫للشــبكات العصبيــة االصطناعيــة شــيوعً ا فــي وقتنــا الحاضــر‪ .‬وذلــك لفوائدهــا‬

‫األشــياء المفيــدة مثــل الترجمــة اآلليــة‪ ،‬والتعــرف علــى الــكالم‪ ،‬وتركيــب صــوت مميــز للمســاعد الشــخصي‬

‫وعمومــا تعــدّ هــذه البنيــة مــن أفضــل الخيــارات الموجــودة للبيانات التسلســلية‬
‫ً‬ ‫مثــل المســاعد ســيري (‪.)Siri‬‬

‫مثــل‪ :‬الصــوت أو النــص أو الموســيقى‪.‬‬

‫هــل تذكــر القــارئ الصوتــي الخــاص الموجــود فــي نظــام التشــغيل وينــدوز إكــس بــي‬
‫ً‬
‫محــاول لصقهــا معً ــا‪ .‬اآلن وازن‬ ‫ً‬
‫حرفــا بحــرف‪،‬‬ ‫(‪)Windows XP‬؟ هــذا الرجــل المضحــك يبنــي الكلمــات‬

‫بيــن صوتــه وصــوت المســاعد الشــخصي أليكســا الخــاص بشــركة أمــازون‪ ،‬أو المســاعد الشــخصي الخــاص‬

‫بغوغــل‪ ،‬فــرق كبيــر بينهــم‪ ،‬أليــس كذلــك؟ إنهــم ال ينطقــون الكلمــات بوضــوح فقــط وإنمــا يضيفــون لكنــة‬

‫خاصــة مناســبة لهــم! إليــك هــذا الفيديــو اللطيــف لشــبكة عصبيــة تحــاول أن تتحــدث بعــد تزويدهــا بصــوت‬

‫بشــري (تحلــى بالصبــر عنــد مشــاهدته ‪.) D-:‬‬

‫ّ‬
‫كل ذلــك ألن المســاعدين الصوتييــن الحديثيــن مدربــون علــى التحــدث علــى عبــارات كاملــة دفعــة‬
‫ً‬
‫حرفــا بحــرف‪ ،‬يمكننــا أخــذ مجموعــة مــن النصــوص الصوتيــة وتدريــب شــبكة عصبيــة‬ ‫واحــدة وليــس‬

‫إلنشــاء تسلســل صوتــي أقــرب إلــى الــكالم األصلــي‪ .‬بمعنــى آخــر‪ ،‬سنســتخدم النــص كمدخــل للشــبكة‬

‫العصبيــة االصطناعيــة وصــوت الشــخص المجـ ّـرد كخــرج لهــذه الشــبكة‪ .‬نطلــب مــن الشــبكة العصبيــة إنشــاء‬

‫بعــض األصــوات لنــص محــدد‪ ،‬ثــم موازنتــه بالصــوت األصلــي ومحاولــة تصحيــح األخطــاء لالقتــراب قــدر‬

‫اإلمــكان مــن الصــوت األصلــي المثالــي‪.‬‬

‫تبــدو عمليــة التعلــم بســيطة وكالســيكية أليــس كذلــك؟ حتــى الشــبكات العصبيــة ذات التغذيــة‬
‫المســبقة تســتطيع فعــل ذلــك‪ .‬ولكــن كيــف يجــب تعريــف مخرجــات هــذه الشــبكة؟ هــل ســيكون بلفــظ ّ‬
‫كل‬ ‫ُ‬
‫عبــارة ممكنــة موجــودة فــي اللغــة اإلنكليزيــة؟ بالتأكيــد هــذا ليــس خيــا ًرا جيــدً ا‪.‬‬
‫‪103‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫هنــا ستســاعدنا حقيقــة أن النــص أو الــكالم أو حتــى الموســيقى؛ مــا هــي إال تسلســات مــن المعلومات‪.‬‬

‫تتكــون مــن وحــدات متتاليــة (مثــل المقاطــع اللفظيــة للكلمــات اإلنكليزيــة)‪ .‬تبــدو جميعهــا فريــدة مــن نوعهــا‬

‫ولكنهــا تعتمــد علــى مقاطــع ســابقة‪ .‬ألـ ِـغ هــذا االتصــال بيــن هــذه المقاطــع وســتحصل علــى مقطــع موســيقي‬

‫من نــوع دبســتيب (‪.)Dubstep‬‬

‫يمكننــا تدريــب الشــبكة العصبيــة بيرســيبترون لتوليــد هــذه األصــوات الفريــدة‪ ،‬ولكــن كيــف‬
‫ســتتذكر اإلجابــات الســابقة؟ لــذا تكمــن الفكــرة فــي إضافــة ذاكــرة خاصــة لـ ّ‬
‫ـكل خليــة عصبيــة اصطناعيــة‪،‬‬

‫واســتخدامها كمدخــل إضافــي عنــد تشــغيل المقطــع التالــي‪ .‬يمكــن للخاليــا العصبيــة أن تــدون مالحظــات‬

‫ـرف متحــرك‪ ،‬ولذلــك يتوجــب عليهــا أن ُتظهــر المقطــع الصوتــي التالــي بنبــرة‬
‫لنفســها مثــل اكتشــافها لحـ ٍ‬
‫أعلــى (فــي الحقيقــة إنهــا مجــرد مقاربــة بســطية للغايــة)‪ .‬بهــذه الطريقــة ظهــرت الشــبكات المتكــررة‪.‬‬

‫كان لهــذا النهــج مشــكلة كبيــرة وهــي عندمــا تتذكــر جميــع الخاليــا العصبيــة نتائجهــا الســابقة‪ ،‬يصبــح‬

‫ضخمــا جــدً ا لدرجــة أنــه مــن المســتحيل ‪-‬مــن الناحيــة الفنيــة‪ -‬ضبــط جميــع‬
‫ً‬ ‫عــدد االتصــاالت فــي الشــبكة‬
‫األوزان‪ ،‬لذلــك عندمــا ال تســتطع الشــبكة العصبيــة نســيان بعــض األشــياء غيــر المهمــة فلــن تتمكــن مــن ّ‬
‫تعلــم‬
‫األشــياء الجديــدة (حتــى نحــن البشــر لدينــا نفــس المشــكلة نســيان بعــض المعلومــات غيــر المهمــة‪ ،‬أو ّ‬
‫لعلهــا‬

‫وخصيصــا إذا كانــت هــذه األشــياء هــي ذكريــات مؤلمــة!)‪.‬‬

‫ً‬ ‫ميــزة؟‬

‫ـيطا جــدً ا وذلــك بتحديــد حجــم معيــن لذاكــرة الخليــة العصبيــة االصطناعيــة‪.‬‬
‫كان التحســين األول بسـ ً‬
‫لنقــل بــأن الشــبكة ســتحفظ آخــر ‪ 5‬نتائــج فقــط‪ ،‬ولكــن أليســت هــذه الفكــرة مناقضــة للفكــرة األساســية‬

‫ّالتــي انطلقنــا منهــا (وهــي تذكــر مــا تعلمتــه الشــبكة بالكامــل)؟‬

‫‪104‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫الحقــا نهــج أفضــل بكثيــر‪ّ ،‬‬

‫والــذي سيســتخدم خاليــا خاصــة‪،‬‬ ‫ً‬ ‫بعــد تحديثــات وتطويــرات كثيــرة جــاء‬
‫ـد مــا ذاكــرة الحاســوب‪ ،‬يمكــن لـ ّ‬
‫ـكل خليــة إمكانيــة تســجيل رقــم معيــن أو قراءتــه أو إعــادة‬ ‫تشــبه إلــى حـ ٍ‬
‫تعيينــه‪ ،‬وســميت هــذه الخاليــا بخاليــا الذاكــرة طويلــة وقصيــرة األجــل (‪.)LSTM‬‬

‫واآلن عندمــا تحتــاج الخليــة العصبيــة إلــى تعييــن منبــه لتذكــر هذا المقطــع‪ ،‬فإنها ســتضع رايــة (‪)Flag‬‬

‫فــي تلــك الخليــة‪ .‬مثــل “كان الحــرف ســاكنًا فــي الكلمــة‪ ،‬اســتخدم المــرة التاليــة قواعــد نطــق مختلفــة”‪.‬‬

‫ســيعاد ضبــط الخليــة تاركــة فقــط االتصــاالت “طويلــة‬

‫عندمــا ال تســتدعي الحاجــة الســتخدام الرايــات‪ُ ،‬‬
‫تدرب الشــبكة العصبيــة ليــس فقــط لكــي ّ‬
‫تتعلــم كيفيــة ضبــط‬ ‫ُ‬ ‫األجــل” للشــبكة العصبيــة؛ وبعبــارة أخــرى‪ ،‬ســتُ‬

‫أيضــا كيفيــة ضبــط الرايــات (وهــي أشــبه مــا يمكــن بالمنبهــات) فــي الخاليــا العصبيــة‪.‬‬ ‫األوزان وإنمــا لتَ َّ‬
‫تعلــم ً‬

‫قــد يبــدو الحــل بســيط جــدً ا ومــع ذلــك يعمــل بكفــاءة عاليــة‪ .‬لكــن مــاذا لــو دمجنــا إمكانيــة تعديــل‬

‫مقاطــع الفيديــو باســتخدام الشــبكات العصبيــة التالفيفيــة (‪ )CNN‬مــع إمكانيــة تعديــل الصــوت باســتخدام‬
‫الشــبكات العصبيــة المتكــررة (‪ )RNN‬علــى مــاذا ســنحصل؟ هــل ً‬
‫حقــا ســنحصل علــى الرئيــس الســابق‬

‫للواليــات المتحــدة األمريكيــة؟ إليــك هــذا الفيديــو لتكتشــف األمــر‪.‬‬

‫‪3. 7. 2.‬التعلم العميق (‪)Deep Learning‬‬

‫ّ‬
‫“التعلــم العميــق هــو‬ ‫حتمــا‬
‫إذا أردنــا أن نختصــر التعلــم العميــق بجملــة واحــدة وواحــدة فقــط ســتكون ً‬
‫شــبكة عصبيــة اصطناعيــة كبيرة”‪.‬‬

‫من بعض التطبيقات العملية للتعلم العميق‪:‬‬

‫•التعرف على الصور واألصوات‪.‬‬

‫•تحليل بيانات األرصاد الجوية‪.‬‬

‫•تحليل بيانات األبحاث البيولوجية‪.‬‬

‫•مجال التسويق واختيار الجمهور المستهدف من اإلعالنات‪.‬‬

‫ّ‬
‫التعلم العميق نجد‪:‬‬ ‫من بعض الهيكليات الشبكة العصبية االصطناعية المستخدمة بكثرة في‬

‫•شبكات بيرسيبترون متعددة الطبقات (‪.)Multilayer Perceptron Networks‬‬

‫•الشبكات العصبية التالفيفية (‪.)Convolutional Neural Networks‬‬

‫‪105‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫•الشــبكات العصبيــة المتكــررة ذات الذاكــرة قصيــرة وطويلــة األمــد (‪Long Short-Term‬‬

‫‪.)Memory Recurrent Neural Networks‬‬

‫•والعديد من البنى األخرى للشبكة‪.‬‬

‫بعــد بنــاء العلمــاء والباحثيــن للعديــد مــن ال ُبنــى (المعماريــات) الخاصــة بالشــبكات العصبيــة فــي‬

‫محاولــة منهــم للعثــور علــى البنيــة األنســب الكتشــاف األنمــاط فــي البيانــات‪ ،‬ومــن بيــن أبــرز هــذه ال ُبنــى‬

‫(المعماريــات) كانــت البنيــة الخاصــة بالشــبكة التعلــم العميــق‪ ،‬ويذكــر أن أول مــرة ظهــر فيهــا مفهــوم التعلــم‬
‫العميــق كان فــي عــام ‪ ،2006‬وعرفــت فــي ذلــك الوقــت علــى أنهــا مجــال فرعــي مــن مجــاالت ّ‬
‫تعلــم اآللــة‬

‫(مــع أنهــا تنــدرج تحــت نفــس فئــة الشــبكات العصبيــة)‪ ،‬إال أنهــا القــت االهتمــام الواســع عندمــا طبــق جيفــري‬
‫ّ‬
‫بالتعلــم العميــق فــي مســابقة ‪ ImgNet‬وحققــوا آنــذاك نتائــج‬ ‫هينتــون وزمالئــه بنيــة الشــبكة الخاصــة‬

‫مبهــرة‪ ،‬إذ اســتطاعوا تحقيــق دقــة أفضــل بـــ ‪ 10%‬مــن ال ُبنــى القديمــة فــي التعــرف علــى الصــور‪.54‬‬

‫المــدوي اســتطاعت بجــدارة لفــت األنظــار حولهــا وبــدأت بالظهــور العديــد مــن‬
‫ّ‬ ‫بعــد هــذا النجــاح‬

‫التطبيقــات واألبحــاث الجديــدة الخاصــة بالتعلــم العميــق‪ ،‬ممــا أدى إلــى تطورهــا تطــو ًرا كبيـ ًـرا‪ ،‬كمــا أنهــا‬

‫أثببــت جودتهــا بتحقيقهــا نتائــج مذهلــة فــي العديــد مــن التطبيقــات‪ ،‬وبذلــك أوجــدت لنفســها مكانــة ال‬

‫خصوصــا‪.‬‬
‫ً‬ ‫عمومــا ومجــال تعلــم اآللــة‬
‫ً‬ ‫يســتهان بهــا فــي مجــال الــذكاء الصنعــي‬

‫عتمــدُ مفهــوم التعلــم العميــق فــي أساســه علــى طريقــة ّ‬

‫تعلــم مؤلفــة مــن عــدّ ة طبقــات مــن التمثيــات‬ ‫يَ ِ‬
‫الســمات والمفاهيــم عاليــة المســتوى نـ ً‬
‫ـزول إلــى المفاهيــم‬ ‫المقابلــة لبنيـ ٍـة هرميــة مــن الســمات‪ ،‬ويتــم تعريـ ُـف ِّ‬
‫أيضــا نمــط التعلــم الموجــه وغيــر الموجــه إال أنهــا تعمــل عمـ ًـا ممتــا ًزا‬
‫ذات المســتوى األدنــى‪ ،‬وهــي تعمــل ً‬

‫الموجــه)‪.‬‬
‫ّ‬ ‫ّ‬
‫التعلــم‬ ‫مــع البيانــات المصنفــة (أي مــع‬
‫‪106‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫إن للتعلــم العميــق عالقــة وطيــدة مــع البيانــات إذ ال بــدّ مــن الحصــول علــى كميــات كبيرة مــن البيانات‬
‫ّ‬
‫التعلــم‪ .‬ومــع ازديــاد البيانــات ســوف تتحســن الدقــة تحسـنًا كبيـ ًـرا ممــا‬ ‫إذا أردنــا اســتخدام هــذا النــوع مــن‬

‫ســيؤدي لنتائــج أفضــل فــي نهايــة المطــاف‪.‬‬

‫‪3. 7. 3.‬الفرق بين الشبكات العصبية والتعلم العميق‬

‫فــي الحقيقــة إن التعلــم العميــق مــا هــو إال بنيــة مخصصــة مــن الشــبكات العصبيــة‪ ،‬ولكنهــا ســميت‬

‫بالتعلــم العميــق نســبة إلــى عــدد الطبقــات ّالتــي تحتويهــا هــذه البنيــة الشــبكية‪ ،‬وبمــا أنهــا أكبــر مــن عــدد‬

‫الطبقــات الخاصــة بالشــبكات العاديــة آنــذاك فلذلــك ُســميت بهــذا االســم‪.‬‬

‫ّ‬
‫تتعلــم‬ ‫تكمــن قــوة التعلــم العميــق فــي إمكانيتــه فــي ّ‬
‫تعلــم الميــزات (‪ )Features‬بطريقــة هرميــة‪ ،‬أي‬

‫عــال مــرو ًرا بميــزات بمســتوى أخفــض‬ ‫ً‬

‫انطالقــا مــن ميــزات مــن مســتوى‬ ‫التسلســل الهرمــي للميــزات‬
‫ٍ‬
‫مســتوى‬
‫ً‬ ‫وهكــذا إلــى أن نصــل آلخــر الميــزات ذات المســتوى األدنــى‪ ،‬ممــا يعطــي ألســلوب التعلــم هــذا‬

‫وخصوصــا مــع الوظائــف والمفاهيــم المعقــدة مــن خــال بنائهــا مــن المفاهيــم‬
‫ً‬ ‫جديــدً ا مــن التجريــد للنظــام‬

‫األبسط فاألبسط‪.‬‬
‫‪107‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫مــن الشــكل الســابق نالحــظ كيــف أن التعلــم العميــق يســتطيع تعلــم التمثيــات الهرميــة للبيانــات‪.‬‬

‫ّالتــي تربــط المدخــات مــع المخرجــات مباشــرة مــن البيانــات دون االعتمــاد علــى الميــزات ّالتــي حددهــا‬

‫اإلنســان‪ .‬أي تســتطيع اســتنتاج كميــات كبيــرة مــن الميــزات ومحاولــة تحليلهــا وبطهــا بالصــورة الكاملــة‬
‫للمشــكلة‪ .‬يطلــق علــى هــذا النــوع مــن طريقــة ّ‬
‫تعلــم الميــزات الخاصــة بالبيانــات بتعلــم الميــزات‬

‫(‪.)Feature learning‬‬

‫ومــن بيــن أبــرز الطفــرات العلميــة ّالتــي شــهدها التعلــم العميــق كان علــى يــد شــركة ديــب ماينــد‬

‫(والتــي اســتحوذت عليهــا شــركة ألفابــت)‪ ،‬إذ اســتطاعت شــركة ديــب ماينــد أن تدمــج بيــن التعلــم العميــق‬

‫مــع التعلــم المعــزز مــن أجــل حـ ّـل المشــاكل المعقــدة مثــل لعــب األلعــاب‪.‬‬

‫ً‬
‫الحقــا علــى طريقتهــم هــذه اســم شــبكات التعلــم المعــزز العميــق (‪،)Deep Q-Network‬‬ ‫أطلقــوا‬
‫ّ‬
‫التعلــم العميــق فــي أغلــب البنــى الخاصــة بالشــبكات العصبيــة‪ .‬ومــن المالحــظ ممــا ســبق‬ ‫بعدهــا اصبــح‬

‫أن طريقــة التعلــم العميــق تتطلــب أجهــزة حاســب قويــة جــدً ا‪ ،‬وذلــك ألنهــا تتعامــل مــع كميــات كبيــرة‬

‫من البيانات‪.‬‬
‫‪108‬‬ ‫آلا ملعتل ةيساسألا ميهافملا‬

‫هنالــك العديــد مــن البنــى الخاصــة بالشــبكات العصبيــة لدرجــة أننــا نحتــاج لكتــاب كامــل لتغطيــة‬

‫كافــة أنواعهــا ومميزاتهــا وســلبياتها وطــرق عملهــا ‪..‬إلــخ‪ ،‬إال أنــه وبمــا أنــك اســتطعت تعلــم األساســيات‬

‫فحتمــا ستســتطيع تعلــم أصعــب البنــى الشــبكية‪ ،‬وإلعطــاء نظــرة دقيقــة لألمــر إليــك الصــورة التاليــة‪:‬‬
‫ً‬
‫‪109‬‬ ‫لآلا ملعتل ةيساسألا ميهافملا‬

‫‪3. 8.‬الخالصة‬
‫بعــد تعرفنــا علــى أهــم األساســيات الخاصــة ّ‬
‫بتعلــم اآللــة‪ ،‬وكيــف تختلــف عــن بعضهــا ً‬
‫بعضــا‪ ،‬ومــا هــي‬

‫النقــاط ّالتــي يجــب علينــا التركيــز عليهــا عنــد اختيارنــا لطريقــة مــا علــى حســاب األخــرى‪ ،‬وتعرفنــا أخيـ ًـرا‬

‫علــى الشــبكات العصبيــة والتعلــم العميــق‪ ،‬ال بــدّ لنــا مــن أن نســأل أنفســنا‪ ،‬مــا هــي المشــاكل ّالتــي يُ واجهنــا‬

‫هــذا المجــال؟ مــا نــوع هــذه المشــاكل؟ وكيــف نســتطيع تجاوزهــا؟‬

‫ســنحاول فــي الفصــل التالــي ‪-‬واألخيــر‪ -‬اإلجابــة علــى هــذه األســئلة ونتعلــم ً‬
‫أيضــا بعــض األمــور‬

‫قدمــا فــي هــذا المجــال‪.‬‬ ‫المهمــة ّ‬

‫والتــي ستســاعدنا فــي المضــي ً‬

‫‪3. 9.‬مراجع إضافية‬

‫•مقال ‪.Machine Learning for Everyone‬‬

‫•كتــاب ‪Hands on Machine Learning with Scikit Learn Keras and TensorFlow‬‬

‫الطبعــة الثانيــة‪.‬‬

‫•مقال‪What is Deep Learning?‎‬‬

‫الموجه)‬
‫ّ‬ ‫•سلسلة ‪( Machine Learning for Humans‬إن أردت التعمق أكثر في التعلم‬

‫•مقــال ‪( The 5 Clustering Algorithms Data Scientists Need to Know‬تفاصيــل‬

‫أوســع حــول خوارزميــات التجميــع)‬

‫•كتاب ‪( Programming Collective Intelligence‬برمجة الذكاء الجمعي)‬

‫•مقال ‪The neural network zoo‬‬

 ‫‪4.‬التحديات الرئيسية وكيفية‬
‫التوسع في المجال‬

‫كمــا هــو الحــال مــع جميــع المجــاالت العلميــة ال بــدّ مــن وجــود بعــض المشــاكل والعقبــات فــي رحلــة‬
‫ً‬
‫وانطالقــا مــن كــون أن‬ ‫ـتثناء‬
‫ً‬ ‫الوصــول إلــى المعلومــة الصحيحــة والكاملــة‪ ،‬ومجــال َت ُّ‬
‫علــم اآللــة ليــس اسـ‬

‫مهمتنــا الرئيســية عنــد مواجهتنــا أي مســألة تنحصــر بيــن شــيئين أساســيين وهمــا‪:‬‬

‫•اختيار البيانات المناسبة‪.‬‬

‫•اختيار الخوارزمية (الطريقة) المناسبة‪.‬‬

‫نجــد أن أغلــب المشــاكل ّالتــي تواجــه هــذا المجــال إمــا أن تكــون بســبب الخوارزميــة الســيئة أو‬

‫البيانــات الســيئة‪ ،‬فــي البدايــة لنبــدأ باســتعراض أهــم التحديــات ّالتــي تواجهنــا مــع البيانــات‪.‬‬

‫‪4. 1.‬كمية غير كافية من بيانات التدريب‬

‫ّ‬
‫التعلــم مــن خــال بيانــات قليلــة‬ ‫تتجلــى إحــدى إمكانيــات قــوة العقــل البشــري علــى قدرتــه علــى‬
‫جــدً ا‪ ،‬فمثـ ًـا لكــي يتعلــم الطفــل الصغيــر معنــى التفــاح‪ّ ،‬‬
‫كل مــا عليــك فعلــه هــو تحضــر أمامــه تفاحــة‪ ،‬وأن‬

‫تشــير إلــى تفاحــة وتقــول “هــذه تفاحــة” (وربمــا تكــرر هــذه العمليــة أكثــر مــن مــرة حتــى يتعلــم الطفــل)‪.‬‬

‫إال أنــه مــن المفاجــئ ‪-‬مــن وجهــة نظــر اآللــة‪ -‬أن الطفــل ســيكون قــاد ًرا علــى التعــرف علــى جميــع أنــواع‬

‫وألــوان وأشــكال التفــاح مــن خــال تعلمــه شــكل تفاحــة واحــدة فقــط‪ ،‬وفــي بعــض األحيــان مــن زاويــة رؤية‬

‫واحــدة (مثلمــا يحــدث عندمــا تعــرض صــورة مــا علــى طفلــك وتعلمــه مــا يوجــد بهــا)‪ .‬طفـ ٌـل عبقــري! هــذا‬

‫حتمــا مــا ســتقوله اآللــة عــن طفلــك‪.‬‬

‫ً‬
‫‪111‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫ّ‬
‫التعلــم‪،‬‬ ‫إن الميــزات التلقائيــة الموجــودة فــي طفلــك (وفــي ّ‬
‫كل أطفــال العالــم)‪ ،‬والقــادرة علــى تعميــم‬

‫واســتنباط النمــوذج الخــاص بــأي كائــن (مثــل اســتنباط شــكل التفــاح فــي مثالنــا الســابق)‪ ،‬والعديــد مــن‬

‫تلقائيــا فــي عقولنــا ولألســف ال تكــون‬

‫ً‬ ‫الميــزات األخــرى ّالتــي لــم يســبق لنــا تعلمهــا وإنمــا وجدناهــا مثبتــة‬
‫تلقائيــا فــي اآللــة لتُ عـ ِّـزز عمليــة تعلمهــا‪ .‬بــل إن معظــم خوارزميــات ّ‬
‫تعلــم اآللــة تحتــاج للكثيــر مــن‬ ‫ً‬ ‫موجــودة‬

‫البيانــات حتــى تســتطيع العمــل بصــورة صحيحــة وحتــى بالنســبة ألبســط المشــكالت علــى العقــل‪ ،‬ســتحتاج‬
‫ّ‬
‫تتعلــم‪ ،‬أمــا بالنســبة للمشــكالت المعقــدة مثــل‬ ‫خوارزميــات ّ‬
‫تعلــم اآللــة عــاد ًة آلالف األمثلــة الصحيحــة كــي‬

‫التعــرف علــى الصــور أو الــكالم المنطــوق‪ ،‬فغال ًبــا مــا ســتحتاج لمالييــن األمثلــة الصحيحــة (باســتثناء‬

‫الحــاالت ّالتــي نســتطيع فيهــا إعــادة اســتخدام أجــزاء مــن نمــوذج موجــود)‪.‬‬

‫مــن الجديــر بالذكــر أنــه للقاعــدة الســابقة بعــض االســتثناءات إذ فــي بعــض الحــاالت تكــون كميــة‬

‫بيانــات صغيــرة نوعً ــا مــا ولكــن فعاليتهــا قويــة وهــذا يعــود إلــى عــدة ميــزات لهــذه البيانــات مثــل‪:‬‬

‫•شمولية البيانات لكافة الحاالت الممكنة للشيء المدروس‪.‬‬

‫•عدم وجود ضجيج أو قيم فارغة أو شاذة‪.‬‬

‫فــي الحقيقــة إن هــذه البيانــات هــي حلــم لــكل مهندســي ّ‬

‫تعلــم آلــة‪ .‬ففــي بحــث مشــهور نشــر فــي‬
‫عــام ‪ ،2001‬أظهــر باحثــا مايكروســوفت ميشــيل بانكــو وإريــك بريــل أن خوارزميــات ّ‬
‫تعلــم اآللــة المختلفــة‬

‫جــدً ا ببنيتهــا وصعوبتهــا وطريقــة تعاملهــا مــع البيانــات‪ ،‬وحتــى الخوارزميــات البســيطة إلــى حــد مــا‪ ،‬كان‬
‫ً‬
‫متطابقــا تقري ًبــا عنــد حلهــا لمشــكلة معقــدة تنــدرج تحــت مســائل معالجــة اللغــة الطبيعيــة (المحكيــة)‬ ‫أداؤهــا‬

‫وتوضيحهــا‪ ،‬وذلــك بمجــرد إعطــاء هــذه الخوارزميــات البيانــات الكافيــة فقــط‪.55‬‬

‫‪112‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫نالحظ من خالل الشكل السابق أهمية البيانات مقابل الخوارزميات‪ .‬على حد تعبير المؤلفين‪:‬‬

‫تشير هذه النتائج إلى أننا قد نرغب في إعادة النظر في هذه المفاضلة بين إنفاق الوقت والمال على‬

‫تطوير الخوارزمية مقابل إنفاقها على طريقة تطوير وتحسين البيانات‪.‬‬

‫‪4. 2.‬بيانات التدريب المتحيزة‬

‫مــن األهميــة بمــكان اســتخدام مجموعــة تدريــب تمثــل جميــع الحــاالت ّالتــي تريــد التعميــم عليهــا‪.‬‬

‫وخصيصــا إذا كانــت العينــة صغيــرة جــدً ا‪ ،‬فســيكون لديــك ضوضــاء‬

‫ً‬ ‫غال ًبــا مــا يكــون هــذا أصعــب ممــا يبــدو‪:‬‬

‫تحيــزة نتيجــة للصدفــة البحتــة)‪ ،‬ولكــن حتــى العينــات الكبيــرة جــدً ا يمكــن‬
‫فــي أخــذ العينــات (أي البيانــات ُم ِّ‬
‫‪113‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫أن تكــون متحيــزة ً‬

‫أيضــا إذا كانــت المشــكلة فــي طريقــة تجميــع البيانــات (أخــذ العينــات)‪ .‬هــذا يســمى تحيــز‬

‫أخــذ العينــات‪.‬‬

‫مــن أحــد األمثلــة المشــهورة فــي تحيــز البيانــات (العينــات) وهــو مــا حــدث أثنــاء االنتخابــات الرئاســية‬
‫األمريكيــة عــام ‪ّ ،1936‬‬
‫والتــي تنافــس فيهــا النــدون مقابــل روزفلــت‪ :‬إذ أجــرت مجلــة ‪The Literary‬‬

‫كبيــرا جــدً ا‪ ،‬فأرســلت بريــدً ا لحوالــي ‪ 10‬مالييــن شــخص تطلــب منهــم رأيهــم فــي‬
‫ً‬ ‫‪ Digest‬اســتطالعً ا‬

‫المرشــح المناســب للرئاســة حصــل هــذا االســتطالع علــى ‪ 2.4‬مليــون إجابــة‪ ،‬وتوقــع بثقــة عاليــة أن‬

‫النــدون ســيحصل علــى ‪ 57%‬مــن األصــوات ولكــن كانــت المفارقــة عندمــا فــاز روزفلــت بنســبة ‪ 62%‬مــن‬

‫األصــوات‪ .56‬دقيقــة! كيــف حــدث ذلــك؟‬

‫فــي الحقيقــة وبعــد التدقيــق فــي حيثيــات الموضــوع تبيــن أن العيــب كان فــي طريقــة تجميــع‬
‫البيانــات (وتســمى أحيا ًنــا طريقــة أخــذ العينــات) وكانــت المشــاكل علــى الشــكل التالــي‪:‬‬

‫•البيانــات (أو العينــات) محصــورة بفئــة محــددة مــن الشــعب‪ :‬حصلــت المجلــة علــى العناويــن‬

‫األشــخاص ّالذيــن سترســل لهــم االســتطالع مــن خــال أدلــة الهاتــف‪ ،‬وقوائــم المشــتركين فــي‬

‫المالحــظ أن جميــع األشــخاص‬

‫المجــات‪ ،‬وقوائــم عضويــة األنديــة‪ ،‬ومــا شــابه مــن ذلــك‪ .‬ولكــن مــن ُ‬
‫يندرجــون تحــت الطبقــة الغنيــة مــن المجتمــع‪ّ ،‬‬
‫والذيــن هــم أكثــر عُ رضــة للتصويــت علــى المرشــح‬

‫الجمهــوري (ومــن هنــا النــدون كان المرشــح المثالــي)‪.‬‬

‫•نســبة عــدد المشــاركين‪ :‬فــي الحصيلــة الكليــة لالســتطالع أجــاب أقــل مــن ‪ 25%‬مــن النــاس‬

‫الذيــن أرســل لهــم االســتطالع‪ ،‬وهــذا تحيــز فــي طريقــة جمــع البيانــات‪ ،‬مــن خالل اســتبعاد األشــخاص‬

‫ّالذيــن ال يهتمــون كثيـ ًـرا بالسياســة‪ ،‬واألشــخاص ّالذيــن ال يحبــون االشــتراك فــي المجلــة ومــا إلــى‬

‫ذلــك‪ .‬هــذا هــو نــوع خــاص مــن التحيــز ألخــذ العينــات يســمى تحيــز عــدم االســتجابة‪.‬‬

‫ولكــن مــن ناحيــة أخــرى‪ ،‬كيــف يمكننــا الحصــول علــى مجموعــة بيانــات تدريــب كبيــرة وصحيحــة‬
‫وشــاملة لـ ّ‬
‫ـكل الحــاالت؟ ال بــد أن ذلــك ســيكلفنا الكثيــر مــن الوقــت والجهــد والمــال!‬

‫‪4. 3.‬البيانات ذات جودة ضعيفة‬

‫فــي حــال كانــت بيانــات التدريــب الخاصــة بــك مليئــة باألخطــاء‪ ،‬والقيــم المتطرفــة‪ ،‬والضوضــاء (التي‬

‫يمكــن أن تحــدث بســبب القياســات ذات الجــودة الضعيفــة والمنخفضــة)‪ ،‬فســيصعب علــى النظــام اكتشــاف‬

‫األنمــاط األساســية‪ ،‬لذلــك مــن غيــر المرجــح أن يعمــل نظامــك بصــورة جيــدة‪ .‬غال ًبــا مــا يســتثمر مهندســي‬
‫‪114‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫وعلمــاء البيانــات جهدهــم ووقتهــم فــي تنظيــف بيانــات التدريــب فــي محاولــة منهــم للحصــول علــى بيانــات‬

‫نســتطيع مــن خــال تعليــم اآللــة‪ .‬فمثـ ًـا‪:‬‬

‫•إذا كانــت بعــض األمثلــة واضحــة بأنهــا شــاذة‪ ،‬فقــد يكــون مــن األفضــل تجاهلهــا أو محاولــة إصالح‬

‫األخطــاء الموجــودة بهــا يدويً ا‪.‬‬

‫•إذا كانــت بعــض الحــاالت تفتقــد بعــض الميــزات (علــى ســبيل المثــال‪ ،‬لــم يُ حـ ِّ‬
‫ـدد ‪ 5%‬مــن عمالئــك‬

‫أعمارهــم)‪ ،‬فيجــب عليــك أن ُتقــرِّ ر مــا إذا كنــت تريــد تجاهــل هــذه الســمة ً‬
‫تمامــا‪ ،‬أو تجاهــل هــذه‬

‫الحــاالت بالمجمــل‪ ،‬أو تريــد مــلء القيــم المفقــودة (بقيــم مثــل‪ :‬متوســط أعمــار العمــاء‪ ،‬أو بــأي‬
‫طريقــة أخــرى تراهــا مناســبة الســتبدال القيــم الفارغــة)‪ ،‬أو يمكنــك ً‬
‫أيضــا تدريــب نمــوذج واحــد مــع‬

‫هــذه الميــزة ونمــوذج آخــر بدونهــا والموازنــة بيــن النتائــج‪ ،‬وهكــذا‪.‬‬

‫‪4. 4.‬الميزات التي ال عالقة لها بالموضوع‬

‫يشاع قول في مجتمع العلمي لتعلم اآللة وهو‪:‬‬

‫حتما لمخرجات خاطئة‪.‬‬

‫ً‬ ‫المدخالت الخاطئة تؤدي‬

‫هــذه نقطــة دقيقــة جــدً ا‪ ،‬ففــي الحقيقــة إن الميــزات ّالتــي ال عالقــة لهــا بموضــوع المســألة أو‬
‫ّ‬
‫التعلــم إال إذا كانــت‬ ‫المشــكلة لــن توصلنــا إلــى النتائــج المرجــوة أبــدً ا‪ ،‬ولــن يكــون نظامــك قــاد ًرا علــى‬

‫بيانــات التدريــب تحتــوي علــى ميــزات كافيــة وذات ِصلــة‪ ،‬وليــس الكثيــر مــن الميــزات ّالتــي ال عالقــة لهــا‬
‫ّ‬
‫التعلــم اآللــة‪ .‬ومــن كثــرة أهميتهــا أوجــد بعــض‬ ‫بالموضــوع‪ .‬هــذه الجزئيــة مهمــة جــدً ا فــي نجــاح مشــروع‬

‫الباحثيــن مســمى خــاص يتضمــن كافــة العمليــات ّالتــي تنــدرج فــي هــذا الســياق وهــي هندســة الميــزات‬

‫(‪ ،)Feature engineering‬وغال ًبا ما تتضمن عمليات هذه الهندسة على ما يلي‪:‬‬

‫•اختيــار الميــزة‪ :‬اختيــار أكثــر الميــزات المفيــدة والتــي لهــا عالقــة بالموضــوع لتدريــب الخوارزمية‬

‫عليهــا مــن بيــن جميــع الميــزات األخــرى الموجودة‪.‬‬

‫•استخراج الميزات‪ :‬دمج بعض الميزات الموجودة إلنتاج ميزة أكثر فائدة‪.‬‬

‫•إنشاء ميزات جديدة‪ :‬إنشاء ميزات جديدة من خالل جلب بيانات جديدة‪.‬‬

‫واآلن بعــد أن اطلعنــا علــى العديــد مــن األمثلــة علــى التحديــات ّالتــي تواجهنــا فــي طريقــة التعامــل‬

‫ـق نظــرة علــى بعــض التحديــات ّالتــي تواجهنــا فــي طريقــة تعاملنــا مــع الخوارزميــات‪.‬‬
‫مــع البيانــات‪ ،‬لنلـ ِ‬
‫‪115‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫‪4. 5.‬فرط تخصيص بيانات التدريب‬

‫أجنبيــا‪ ،‬وأقــدم ســائق ســيارة األجــرة علــى ســرقتك‪ ،‬فغال ًبــا مــا ســتميل‬
‫ً‬ ‫لنفتــرض أنــك تــزور بلــدً ا‬

‫للقــول بــأن جميــع ســائقي ســيارات األجــرة فــي ذلــك البلــد لصــوص‪ .‬فــي الواقــع إن التعميــم المفــرط هــو‬

‫شــيئ نقــوم بــه نحــن معشــر البشــر فــي كثيــر مــن األحيــان‪ ،‬ولألســف يمكــن أن تقــع اآلالت فــي نفــس الفــخ‬
‫إذا لــم نكــن حذريــن‪ .‬فــي ّ‬
‫تعلــم اآللــة‪ ،‬يُ طلَــق علــى هــذه المشــكلة اســم فــرط التخصيــص (‪،)Overfitting‬‬

‫وتشــير هــذه المشــكلة إلــى أن النمــوذج يــؤدي عمـ ًـا جيــدً ا مــع بيانــات التدريــب‪ ،‬ولكنــه ال يســتطيع أن يُ عمِّ ــم‬
‫ّ‬
‫التعلــم علــى البيانــات الجديــدة‪.‬‬

‫يحــدث فــرط التخصيــص عندمــا يكــون النمــوذج معقــدً ا جــدً ا بالنســبة لكميــة بيانــات التدريــب‬

‫وضجيجهــا‪ ،‬وبعــض الحلــول الممكنــة فــي هــذه الحالــة هــي‪:‬‬

‫•تبســيط النمــوذج عــن طريــق تحديــد نمــوذج بمعلمــات أقــل (فمثـ ًـا‪ ،‬نختــار نمــوذج خطــي بـ ً‬
‫ـدل مــن‬

‫نمــوذج متعــدد الحــدود عالــي الدرجــة)‪ ،‬عــن طريــق تقليــل عــدد الســمات فــي بيانــات التدريــب أو عــن‬

‫طريــق تقييــد النمــوذج‪.‬‬

‫•جمع المزيد من بيانات التدريب‪.‬‬

‫•تقليــل الضوضــاء فــي بيانــات التدريــب (مثــل إجــراء عمليــة إصــاح أخطــاء البيانــات وإزالــة القيــم‬

‫المتطرفــة ومــا إلــى ذلك)‪.‬‬

‫‪4. 6.‬قلة تخصيص بيانات التدريب‬

‫إن قلــة التخصيــص (‪ )Underfitting‬هــو عكــس فــرط التخصيــص‪ ،‬ويحــدث ذلــك عندمــا يكــون‬

‫ـيطا جــدً ا فــي طريقــة تعرفــه علــى البنيــة المخفيــة فــي البيانــات‪ .‬وإليــك بعــض الطــرق ّالتــي‬
‫نموذجــك بسـ ً‬
‫تســاعدنا علــى إصــاح هــذه المشــكلة هــي‪:‬‬

‫•اختيار نموذج أكثر قوة‪ ،‬مع المزيد من الوسطاء (‪.)Parameters‬‬

‫ّ‬
‫التعلم (االستعانة بمختص هندسة الميزات)‪.‬‬ ‫•تغذية النموذج بميزات أفضل لخوارزمية‬

‫•تقليل القيود على النموذج‪.‬‬

‫هنــاك موضــوع آخــر مهــم جــدً ا وهــو أنــه بمجــرد قيامــك بتدريــب نمــوذج‪ ،‬هــذا ال يعنــي بــأن النمــوذج‬

‫حتمــا مــن التعميــم علــى كافــة الحــاالت الجديــدة‪ .‬إذ يجــب علينــا فحصــه واختبــاره وتقييمــه‬
‫ً‬ ‫ســيتمكن‬

‫لمعرفــة ذلــك وقــد نحتــاج أحيا ًنــا إلعــادة ضبطــه إذا لــزم األمــر‪ ،‬لنــرى كيــف ســننفذ ذلــك‪.‬‬
‫‪116‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫‪4. 7.‬عملية االختبار والتحقق‬

‫إحــدى الطــرق المســتخدمة لمعرفــة مــدى تعميــم نمــوذج علــى الحــاالت الجديــدة هــي بتجربتــه‬

‫مباشــرة علــى الحــاالت الجديــدة‪ ،‬وذلــك بنشــر النمــوذج للمســتخدمين ومراقبــة مــدى جــودة أدائــه‪ .‬يمكــن‬

‫فحتمــا‬
‫ً‬ ‫ـفيا جــدً ا ألنــه إذا كان النمــوذج الخــاص بــك ســي ًئا للغايــة‪،‬‬
‫أن يكــون هــذا الخيــار جيــدً ا‪ ،‬ولكــن تعسـ ً‬
‫سيشــتكي المســتخدمون منــه‪ ،‬لــذا فهــذا الخيــار مســتبعد‪.‬‬

‫الخيــار األفضــل هــو تقســيم بياناتــك إلــى مجموعتيــن‪ :‬مجموعــة للتدريــب ومجموعــة لالختبــار‪ .‬كمــا‬

‫تالحــظ مــن األســماء‪ ،‬يتــدرب النمــوذج الخــاص بــك مــن خــال مجموعــة التدريــب‪ ،‬ويختبــر مــا تعلمــه‬

‫علــى مجموعــة االختبــار‪ .‬يســمى معــدل الخطــأ فــي الحــاالت الجديــدة خطــأ التعميــم‪ ،‬ومــن خــال تقييــم‬

‫نموذجــك فــي مجموعــة االختبــار‪ ،‬تحصــل علــى تقديــر لهــذا الخطــأ‪ .‬تخبــرك هــذه القيمــة بمــدى جــودة أداء‬
‫نموذجــك فــي الحــاالت ّالتــي لــم يراهــا مــن قبــل‪.‬‬

‫مــن الشــائع اســتخدام ‪ 80%‬مــن البيانــات لمجموعــة بيانــات التدريــب (‪ )Training‬و‪ 20%‬لمجموعــة‬

‫بيانــات االختبــار (‪ .)Testing‬كمــا أنــه يوجــد العديــد مــن الطــرق األخــرى للتقســيم مثــل طريقــة تقســيم‬

‫البيانــات إلــى ثــاث مجموعــات‪ :‬مجموعــة للتدريــب‪ ،‬مجموعــة لالختبــار‪ ،‬مجموعــة للتحقــق (‪)Validation‬‬
‫ً‬
‫(مثل الختيــار ‪.)hyper-parameters‬‬ ‫والتــي تســتخدم الختيار أفضــل اإلعدادات لخوارزميات ّ‬
‫تعلــم اآللة‪.‬‬ ‫ّ‬

‫ً‬
‫الحقــا‬ ‫حاليــا وســنحاول التطــرق لهــا‬
‫ً‬ ‫ولكــي ال يخــرج الكتــاب عــن عنوانــه الرئيســي ســنكتفي بهــذه الطرائــق‬

‫فــي الجــزء التالــي بالتفصيــل الكاملــة عنــد ورودهــا‪.‬‬

‫‪4. 8.‬المفاهيم الضرورية للتوسع بمجال تعلم اآللة‬

‫ّ‬
‫وتعلــم اآللــة وال‬ ‫إلــى اآلن ال نــزال فــي طــور الحديــث عــن مدخــل بســيط لمجــال الــذكاء االصطناعــي‬

‫بــد أنــك تســأل نفســك مــاذا لــو أردت أن أحتــرف هــذا المجــال؟ مــا ّالــذي يتوجــب علــي تعلمــه مــن المجــاالت‬

‫األخــرى مثــل اإلحصــاء والرياضيــات؟ هــل فعـ ًـا يمكننــي إكمــال طريقــي فــي هــذا المجــال بــدون أن أتعلــم‬

‫المفاهيــم األساســية فــي اإلحصــاء والرياضيــات؟‬

‫فــي الحقيقــة ال يوجــد إجابــة موحــدة لهــذا الســؤال لنســتطيع فيهــا تعميــم األمــر علــى ّ‬
‫كل المتعلميــن‪،‬‬

‫وذلــك ألن األمــر مرهــون بمــدى ســرعتك فــي التعلــم وخلفيتــك العلميــة الســابقة‪ ،‬فبعــض المتعلميــن‬

‫يســتطيعون الدخــول فــي هــذا المجــال إذا كانــوا قادميــن مــن هندســة علــوم الحاســوب بســهولة نســبية‬

‫وبــدون أن يطلعــوا علــى المفاهيــم الرياضيــة واإلحصائيــة؛ ألنهــم غال ًبــا تعلموهــا أثنــاء دراســتهم للهندســة‪،‬‬
‫‪117‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫والبعــض األخــر مــن المتعلميــن لديهــم ســرعة بديهــة عاليــة وشــغف قــوي لهــذا المجــال فيتعلمــون الفكــرة‬

‫كليــا عليــك‪،‬‬
‫اإلحصائيــة أو الرياضيــة بمجــرد تطبيقهــم لهــا فــي مثــال مــا‪ .‬لــذا فــإن األمــر يعتمــد اعتمــادً ا ً‬
‫وسنســتعرض أهــم األفــكار الرئيســية ّالتــي يتوجــب عليــك معرفتهــا قبــل إكمــال رحلتــك التعليميــة‪.‬‬

‫ســنعتمد علــى نفــس الركائــز ّالتــي تتبناهــا شــركة غوغــل أثنــاء عنــد تعليمهــا للمبتدئيــن فــي هــذا‬

‫المجــال‪ ،‬أي دورة ‪.Machine Learning Crash Course‬‬

‫‪4. 8. 1.‬المتطلبات المعرفية األساسية‬

‫عمومــا يفضــل أن يكــون لديــك معرفــة جيــدة للمتغيــرات والمعــادالت الخطيــة والرســوم البيانيــة‬
‫ً‬
‫درجــات البيانيــة (‪ )Histograms‬والوســائل اإلحصائيــة‪.‬‬ ‫(‪ )Graphs‬للــدوال والتوابــع والمخططــات أو ُ‬
‫الم َّ‬
‫باإلضافــة إلــى ذلــك مــن الناحيــة المثاليــة يجــب أن تكــون إمكانياتــك البرمجيــة جيــدة إلــى حــد مــا‪ .‬كمــا‬

‫يفضــل أن تكــون لــك معرفــة بلغــات البرمجــة الخاصــة بتعلــم اآللــة (مثــل لغــة البايثــون ولغــة ‪ .)R‬إال أنــه‬

‫إذا لــم يكــن لديــك معرفــة بهــا فــا بــأس بذلــك إذ يمكنــك تعلــم األساســيات فقــط وإكمــال طريقــك فــي‬
‫ّ‬
‫تعلم اآللة‪.‬‬

‫‪4. 8. 2.‬الجبر‬
‫•المتغيرات الرياضية‪ ،‬المعامالت الرياضية‪ ،‬الدوال الرياضية‬

‫•المعادالت الخطية‬

‫المعادالت اللوغاريتمية‬
‫•اللوغاريتمات‪ُ ،‬‬
‫•الدالة السينية‬

‫‪4. 8. 3.‬الجبر الخطي‬

‫•الموتر (‪ ،)tensor‬رتبة الموتر‬

‫•ضرب المصفوفات‬

‫‪4. 8. 4.‬علم المثلثات‬

‫•دوال المثلثــات وأهمهــا دالــة الظــل الزائديــة ‪ ،tanh‬نتعــرف عليهــا باعتبارهــا دالــة التنشــيط وال‬

‫حاجــة لمعرفــة متعمقــة بهــا‪.‬‬

‫‪118‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫‪4. 8. 5.‬اإلحصاء‬
‫•المتوسط‪ ،‬والوسيط‪ ،‬والقيم المتطرفة أو الشاذة‪ ،‬واالنحراف المعياري‬

‫•القدرة على قراءة المخططات والتدرجات البيانية‬

‫‪4. 8. 6.‬أساسيات البرمجة ولتكن بلغة بايثون‬

‫عموما يجب أن نتعلم المفاهيم األساسية ألي لغة برمجة وسنضرب ً‬

‫مثل عن لغة البايثون‪:‬‬ ‫ً‬
‫•كتاب البرمجة بلغة بايثون‬

‫•توثيق لغة بايثون‬

‫فالمواضيع األساسية التي يجب أن تتقنها (والمشمولة بالمرجعين السابقين) هي‪:‬‬

‫•تعريف التوابع وكيفية استدعائها‪ ،‬وكيفية استخدام الطرق المختلفة للمعامالت‬

‫•أنــواع البيانــات‪ :‬القواميــس ‪ ،Dictionaries‬القوائــم ‪ ،Lists‬المجموعــات ‪ ،Sets‬وطــرق (إنشــائها‬

‫والوصــول إليهــا وكيفيــة المــرور عليهــا)‬

‫•الحلقات التكرارية بأنواعها‬

‫•الكتل الشرطية‪ ،‬والتعابير الشرطية‬

‫•تنسيق السالسل النصية‬

‫•المتغيرات‪ ،‬وطرق اإلسناد‪ ،‬وأنواع البيانات األساسية‬

‫•فهم كيفية استعمال ‪( list comprehensions‬متقدم واختياري)‬

‫‪4. 8. 7.‬التعامل مع الطرفية المحلية والسحابية‬

‫لتشــغيل تماريــن البرمجــة علــى جهــازك المحلــي أو فــي وحــدة تحكــم ســحابية‪ ،‬يجــب أن تتعلــم‬

‫كيفيــة العمــل مــع الطرفيــة (‪:)console‬‬

‫•سطر أوامر لينكس‬

‫•توثيق الطرفية ‪Bash‬‬

‫•مدخل إلى طرفية لينكس‬

‫•سلسلة مدخل إلى كتابة سكربتات الصدفة‬

‫‪119‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫‪4. 8. 8.‬حساب التفاضل والتكامل (اختياري) للمواضيع المتقدمة‬

‫•مفهوم االشتقاق (لن تضطر إلى حسابه وإنما لفكرته)‪.‬‬

‫•التدرج أو االنحدار‪.‬‬
‫ً‬
‫وثيقا بالتدرجات أو اإلنحدار)‪.‬‬ ‫ارتباطا‬
‫ً‬ ‫•االشتقاق الجزئي (التي ترتبط‬

‫•قاعــدة السلســلة ‪( Chain rule‬مــن أجــل فهــم كامــل وشــامل لخوارزميــة ‪backpropagation‬‬

‫المختصــة بتدريــب الشــبكات العصبيــة)‪.‬‬

‫‪4. 9.‬الخالصة‬
‫واآلن بعــد أن تعرفنــا علــى الكثيــر مــن األفــكار حــول ّ‬
‫تعلــم اآللــة‪ .‬قــد يــراودك شــعور بأنــك مشـ ٌ‬
‫ـوش‬

‫بعــض الشــيء وهــذا أمــر طبيعــي جــدً ا يفضــل أن تراجــع الفقــرات ّالتــي تعتقــد بأنــك لــم تركــز عليهــا كثيـ ًـرا‬
‫وعمومــا لنراجــع أبــرز مــا تحدثنــا عنــه‪،‬‬
‫ً‬ ‫أو يمكنــك ببســاطة التركيــز علــى مــا يهمــك مــن هــذا الكتــاب فقــط‪،‬‬
‫عمومــا تكــون خطــوات بنــاء أي نظــام يعتمــد علــى ّ‬
‫تعلــم اآللــة‬ ‫ً‬ ‫ونلقــي نظــرة علــى الصــورة الكاملــة لألمــر‪،‬‬

‫علــى الشــكل التالــي‪:‬‬

‫ـدءا مــن اختيــار مــكان الحصــول علــى البيانــات‪ ،‬مــع التركيز‬ ‫•جمــع البيانــات وإعدادهــا‪ّ :‬‬
‫كل شــيء بـ ً‬
‫علــى مــدى نظافتها وشــموليتها‪.‬‬

‫أيضــا بهندســة الميــزات وهــي جميــع التغييــرات ّالتــي تطــرأ‬

‫•اختيــار الميــزات المناســبة‪ :‬وتعــرف ً‬

‫علــى البيانــات مــن لحظــة تنظيفهــا وإعــادة بنائهــا فــي بعــض الحــاالت إلــى حيــن إدخالهــا فــي نمــوذج‬
‫ّ‬
‫تعلــم اآللــة‪.‬‬
‫•اختيار خوارزمية ّ‬
‫تعلم اآللة المناسبة وتدريب نموذجنا األول‪.‬‬

‫•اختبار وتقييم نموذجنا‪ :‬ويشمل ذلك اختيار المقاييس المناسبة إلى جانب التقييم الفعلي‪.‬‬

‫•التغيير والتبديل للنماذج وضبطها‪ :‬تشمل عملية تحسين النموذج إلى أقصى حد ممكن‪.‬‬

‫ننس ً‬
‫أيضا بعض المالحظات األخرى المهمة‪:‬‬ ‫وال َ‬
‫تعلمهــا مــن البيانــات‪ ،‬بـ ً‬
‫ـدل‬ ‫تعلــم اآللــة يتعلــق بجعــل اآلالت تتحســن بــأداء بعــض المهــام مــن خــال ّ‬
‫• ّ‬

‫مــن االضطــرار إلــى ترميــز القواعــد بشــكل صريــح‪.‬‬

‫•هنــاك العديــد مــن األنــواع المختلفــة ألنظمــة ّ‬
‫تعلــم اآللــة ال يمكننــا أبــدً ا االدعــاء بأنــه يوجــد‬

‫تمامــا‪ .‬إذ‬
‫طريقــة أفضــل مــن جميــع الطــرق األخــرى فــي جميــع الحــاالت‪ ،‬فهــذا االدعــاء خاطــئ ً‬
‫يعتمــد األمــر كلــه علــى الحالــة ّالتــي تواجههــا فمثـ ًـا يمكنــك األخــذ بعيــن االعتبــار علــى البيانــات ً‬
‫أول‪،‬‬
‫‪120‬‬ ‫لاجملا يف عسوتلا ةيفيكو ةيسيئرلا تايدحتلا‬

‫ثانيــا والســرعة المطلوبــة للخوارزميــة ثالثً ــا ومــا إلــى ذلــك‬

‫وعلــى مــا نريــد مــن اآللــة أن تتعلمــه منهــا ً‬
‫من المحددات‪.‬‬

‫دومــا أن تناقــش كيفيــة التغلــب علــى التحديــات الموجــودة فــي البيانــات‬

‫ً‬ ‫•مــن األفضــل‬

‫والخوارزميــات ألن ذلــك ســوف يختصــر عليــك الكثيــر مــن الوقــت والجهــد‪ ،‬والمــال!‬

‫إلــى هنــا نكــون انتهينــا مــن جميــع األفــكار األساســية لهــذا المجــال فأرجــو أنــك حظيــت برحلــة ممتعــة‬

‫وشـ ّـيقة‪ ،‬وأســأل اهلل أن أكــون قــد وفقــت فــي نقــل المعلومــات األساســية والكاملــة لهــذا المجــال بطريقــة‬

‫ســهلة ومبســطة‪ ،‬وأتمنــى بــأن يســاعدك هــذا الكتــاب علــى تحديــد وجهتــك القادمــة‪ ،‬وبالتأكيــد لــن يخلــو‬

‫دومــا ســماع كافــة مالحظاتكــم‬

‫ـتثناء لــذا يســعدني ً‬
‫ً‬ ‫أي عمــل بشــري مــن األخطــاء‪ ،‬وهــذا الكتــاب ليــس اسـ‬

‫وتصويباتكــم واقتراحاتكــم عبــر البريــد اإللكترونــي‪.‬‬

‫حتما بداية الرحلة بالنسبة لك‪.‬‬

‫ً‬ ‫وأخيرا قد تكون هذه هي النهاية بالنسبة للكتاب‪ ،‬ولكنها‬
‫ً‬

‫‪4. 10.‬مراجع إضافية‬

‫•كتــاب ‪Hands on Machine Learning with Scikit Learn Keras and TensorFlow‬‬

‫الطبعة الثانية‪.‬‬

‫•الدورة التدريبية لتعلم اآللة المقدمة من غوغل‬

121 ‫ رداصملا‬

‫المصادر‬5.
1 -  Linn, A. (2018, May 15). Microsoft researchers win ImageNet computer vision challenge.
Retrieved 2020, from https://blogs.microsoft.com/ai/microsoft-researchers-win-imagenet-
computer-vision-challenge/

2 -  Castelvecchi, D. (n.d.). Deep learning boosts Google Translate tool. Retrieved from https://www.
nature.com/news/deep-learning-boosts-google-translate-tool-1.20696

3 -  Oord, A. V., & Dieleman, S. (2016). WaveNet: A Generative Model for Raw Audio. Retrieved 2020,
from https://deepmind.com/blog/article/wavenet-generative-model-raw-audio

4 -  Oord, A. V., & Dieleman, S. (2016). WaveNet: A Generative Model for Raw Audio. Retrieved 2020,
from https://deepmind.com/blog/article/wavenet-generative-model-raw-audio

5 -  Jadhav, A. (2019). Emotion Detection and Recognition (EDR) Market to Reach $33.9 Billion
by 2023. Retrieved 2020, from https://www.alliedmarketresearch.com/press-release/emotion-
detection-and-recognition-market.html

6 -  Metz, C. (2017, June 03). Google’s Hand-Fed AI Now Gives Answers, Not Just Search Results.
Retrieved 2020, from https://www.wired.com/2016/11/googles-search-engine-can-now-answer-
questions-human-help/

7 -  Filippova, K., & Alfonseca, E. (1970, January 01). Fast k-best Sentence Compression. Retrieved
2020, from https://research.google/pubs/pub44820/

8 -  Graves, A., Wayne, G., Reynolds, M. et al. Hybrid computing using a neural network with dynamic
external memory. Nature 538, 471–476 (2016). https://doi.org/10.1038/nature20101

9 -  Jm, & Hernandez, A. (2020, January 28). 50 Car Accident Statistics - 2020: Reasearch &
Infographic. Retrieved from https://carsurance.net/blog/car-accident-statistics/

10 -  https://techcrunch.com/2017/02/21/exyn-unveils-ai-to-help-drones-fly-autonomously-
even-indoors-or-off-the-grid/

11 -  Kolodny, L. (2017, February 21). Exyn unveils AI to help drones fly autonomously, even indoors
or off the grid. Retrieved 2020, from https://techcrunch.com/2017/02/21/exyn-unveils-ai-to-help-
drones-fly-autonomously-even-indoors-or-off-the-grid/

12 -  Crowe, S., & Rangel, J. (2019, November 19). Exyn Technologies Closes $16M Series A for aerial
autonomy. Retrieved 2020, from https://www.therobotreport.com/exyn-technologies-closes-16m-
series-a-for-aerial-autonomy-software/

13 -  Agencies. (2013, May 27). Motorists spend 106 days looking for parking spots. Retrieved 2020,
from https://www.telegraph.co.uk/motoring/news/10082461/Motorists-spend-106-days-looking-
for-parking-spots.html
122 ‫ رداصملا‬

14 -  Hwang, Y. (2017, February 14). Machine Learning Application: Predicting Parking Difficulty.
Retrieved 2020, from https://www.iotforall.com/machine-learning-application-predicting-parking-
difficulty/

15 -  Weiler, N. (2019, April 19). Synthetic Speech Generated from Brain Recordings. Retrieved 2020,
from https://www.ucsf.edu/news/2019/04/414296/synthetic-speech-generated-brain-recordings

16 -  Pascolini D, Mariotti SPM. Global estimates of visual impairment: 2010. British Journal
Ophthalmology Online First published December 1, 2011 as 10.1136/bjophthalmol-2011-300539.

17 -  Griffin, M. (2020, March 02). Brain implant helps a blind woman regain her sight and play
computer games. Retrieved 2020, from https://www.fanaticalfuturist.com/2020/03/brain-implant-
helps-a-blind-woman-regain-her-sight-and-play-computer-games/

18 -  Macaulay, T. (2020, May 19). New AI from DeepMind and Google can detect a common cause
of blindness. Retrieved 2020, from https://thenextweb.com/neural/2020/05/19/new-ai-from-
deepmind-and-google-can-detect-a-common-cause-of-blindness/
Metz, C. (2016, November 29). Google’s AI Reads Retinas to Prevent Blindness in Diabetics. Retrieved
2020, from https://www.wired.com/2016/11/googles-ai-reads-retinas-prevent-blindness-
diabetics/#:~:text=Demonstrating this promise, Google researchers,leading cause blindness among
adults.

19 -  Cancer Research UK, Accessed 2020, https://www.cancerresearchuk.org/health-professional/

cancer-statistics/worldwide-cancer

20 -  Kontzer, T. (2016, September 19). Deep Learning Cuts Error Rate for Breast Cancer Diagnosis:
NVIDIA Blog. Retrieved 2020, from https://blogs.nvidia.com/blog/2016/09/19/deep-learning-
breast-cancer-diagnosis/

21 -  Wouters OJ, McKee M, Luyten J. Estimated Research and Development Investment Needed
to Bring a New Medicine to Market, 2009-2018. JAMA. 2020;323(9):844–853. doi:10.1001/
jama.2020.1166

22 -  Masige, S. (2019, July 09). Australian researchers just released the world’s first AI-developed
vaccine and it could prevent another horror flu season. Retrieved from https://www.businessinsider.
com.au/australian-researchers-just-released-the-worlds-first-ai-developed-vaccine-and-it-
could-prevent-another-horror-flu-season-2019-7

23 -  United Nation. (2020). International Day of Older Persons. Retrieved from https://www.un.org/
en/observances/older-persons-day

24 -  Furness, D. (2016, October 06). Deep Learning Algorithms Help Farmers Identify Crop Disease.
Retrieved from http://www.digitaltrends.com/computing/ai-crop-disease/

25 -  Simon, M. (2016, May 25). The Future of Humanity’s Food Supply Is in the Hands of AI.
Retrieved from https://www.wired.com/2016/05/future-humanitys-food-supply-hands-ai/
123 ‫ رداصملا‬

26 -  Brokaw, A. (2016, August 04). This startup uses machine learning and satellite imagery to
predict crop yields. Retrieved from http://www.theverge.com/2016/8/4/12369494/descartes-
artificial-intelligence-crop-predictions-usda

27 -  Irvine, M. (2014, September 22). Defend Your Home With Artificial Intelligence. Retrieved from
http://www.popsci.com/article/gadgets/defend-your-home-artificial-intelligence

28 -  Russon, M. (2016, October 06). CIA using deep learning neural networks to predict social
unrest five days before it happens. Retrieved from http://www.ibtimes.co.uk/cia-using-deep-
learning-neural-networks-predict-social-unrest-five-days-before-it-happens-1585115

29 -  Sawers, P. (2016, April 14). Identity verification startup Onfido raises $25 million to inject
more trust into the sharing economy. Retrieved from http://venturebeat.com/2016/04/14/identify-
verification-startup-onfido-raises-25-million-to-inject-more-trust-into-the-sharing-economy/

30 -  Metz, C. (2016, January 25). The Rise of the Artificially Intelligent Hedge Fund. Retrieved from
https://www.wired.com/2016/01/the-rise-of-the-artificially-intelligent-hedge-fund/

31 -  Schreiber, D. (2017). Lemonade Sets a New World Record. Retrieved from https://www.
lemonade.com/blog/lemonade-sets-new-world-record/

32 -  Shead, S. (2016, July 21). Google’s $500 million purchase of DeepMind just got very interesting.
Retrieved from http://uk.businessinsider.com/googles-400-million-acquisition-of-deepmind-is-
looking-good-2016-7

33 -  UCL. (2016). AI predicts outcomes of human rights trials. Retrieved from http://www.ucl.ac.uk/
news/news-articles/1016/241016-AI-predicts-outcomes-human-rights-trials

34 -  Ward, A. (2016, September 14). ‘It gives them their lives back’ - Slaughters chief on what AI
means for associates. Retrieved from http://www.legalweek.com/sites/legalweek/2016/09/14/
slaughters-strikes-deal-with-ai-technology-startup-luminance/?slreturn=20170116173944

35 -  Armasu, L. (2017, January 20). AI System Scores Better Than 75% Of Americans In Visual
Intelligence Test. Retrieved from http://www.tomshardware.com/news/ai-system-takes-
intelligence-test,33462.html

36 -  BBC. (2011, February 17). IBM’s Watson supercomputer crowned Jeopardy king. Retrieved
from http://www.bbc.co.uk/news/technology-12491688

37 -  Simonite, T. (2017). AI Software Learns to Make AI Software. Retrieved from https://www.

technologyreview.com/2017/01/18/154516/ai-software-learns-to-make-ai-software/

38 -  Prado, G. M. (2015, September 16). A new program can recreate how Vincent van Gogh painted
the world. Retrieved from http://uk.businessinsider.com/the-science-how-vincent-van-gogh-saw-
the-world-2015-9

39 -  Merchant, B. (2015). The Poem That Passed the Turing Test. Retrieved from https://www.vice.
com/en/article/vvbxxd/the-poem-that-passed-the-turing-test
124 ‫ رداصملا‬

40 -  Mascarenhas, H. (2016, July 06). Associated Press to expand its sports coverage by using AI to
write Minor League Baseball articles. Retrieved from http://www.ibtimes.co.uk/associated-press-
expand-its-sports-coverage-by-using-ai-write-minor-league-baseball-articles-1568804

41 -  The Guardian. (2016, June 10). This is what happens when an AI-written screenplay is made
into a film. Retrieved from https://www.theguardian.com/technology/2016/jun/10/artificial-
intelligence-screenplay-sunspring-silicon-valley-thomas-middleditch-ai

42 -  Nightingale, J., & Reingold, E. (n.d.). Artificial Neural Networks Technology. Retrieved from
http://www2.psych.utoronto.ca/users/reingold/courses/ai/cache/neural4.html

43 -  Turing, A. M. (1950). Computing Machinery and Intelligence. Mind 49: 433-460. Retrieved from
http://cogprints.org/499/1/turing.html

44 -  Roberts, E. (n.d.). The Intellectual Excitement of Computer Science. Retrieved from https://
cs.stanford.edu/people/eroberts/courses/soco/projects/neural-networks/History/history1.html

45 -  Rifkin, G. (2016). Marvin Minsky, pioneer in artificial intelligence, dies at 88. Retrieved from
https://thetech.com/2016/01/28/minsky-v135-n38

46 -  The New York Times Archives. (1988, August 16). Learning, Then Talking. Retrieved from
https://www.nytimes.com/1988/08/16/science/learning-then-talking.html

47 -  CancerNetwork. (2000). Computer Technology Helps Radiologists Spot Overlooked Small

Breast Cancers. Retrieved from https://www.cancernetwork.com/view/computer-technology-helps-
radiologists-spot-overlooked-small-breast-cancers

48 -  Hull, G., & Ranade, S. (1994). Performance measurements and operational characteristics of
the Storage Tek ACS 4400 tape library with the Cray Y-MP EL. In NASA CONFERENCE PUBLICATION
(pp. 229-229). NASA.

49 -  Buskirk, E. V. (2009). BellKor’s Pragmatic Chaos Wins $1 Million Netflix Prize by Mere Minutes.
Retrieved from https://www.wired.com/2009/09/bellkors-pragmatic-chaos-wins-1-million-
netflix-prize/

50 -  Prado, K. S. (2017). How DBSCAN works and why should we use it? Retrieved from https://
towardsdatascience.com/how-dbscan-works-and-why-should-i-use-it-443b4a191c80

51 -  Johnson, D. (2016). After 2,500 Years, a Chinese Gaming Mystery is Solved. Retrieved from
https://motherboard.vice.com/en_us/article/vv7ejx/after-2500-years-a-chinese-gaming-mystery-
is-solved

52 -  Kasparov, G. K., & Greengard, M. (2018). Deep thinking: Where machine intelligence ends and
human creativity begins. doi:10.1038/544413a

53 -  Ilic, A., & Kuvshynov, O. (2017). Evaluating boosted decision trees for billions of users.
Retrieved from https://engineering.fb.com/ml-applications/evaluating-boosted-decision-trees-for-
billions-of-users/
125 ‫ رداصملا‬

54 -  WIRED Staff. (2012). Google’s Artificial Brain Learns to Find Cat Videos. Retrieved from https://
www.wired.com/2012/06/google-x-neural-network/

55 -  Banko, M., & Brill, E. (2001, July). Scaling to very very large corpora for natural language
disambiguation. In Proceedings of the 39th annual meeting of the Association for Computational
Linguistics (pp. 26-33).

56 -  Deturck, D. (n.d.). Case Study I: The 1936 Literary Digest Poll. Retrieved from https://www.
math.upenn.edu/~deturck/m170/wk4/lecture/case1.html