كيف وصل الذكاء الاصطناعي إلى ما هو عليه اليوم؟
إنشاء التطبيقات، توليد المحتوى، حل المشكلات، المهام التي كانت في السابق حكراً على الخبراء يمكن الآن التعامل معها من خلال بعض الأسئلة المصاغة جيداً. هذا التحول كبير، وفهم كيف وصلنا إلى هذه النقطة يتطلب استكشاف تطور الذكاء الاصطناعي.
تتبع هذه المقالة تطوّر الذكاء الاصطناعي عبر مراحل رئيسية:
ما هو الذكاء الاصطناعي ومن أين أتى؟
نظرة عامة على أصوله وتطوره المبكر.
صعود التعلم العميق
كيف أعادت القدرة الحاسوبية المتزايدة والبيانات تشكيل تعلم الآلة.
ولادة نماذج اللغة
ظهور الأنظمة القادرة على معالجة وتوليد اللغة البشرية.
ما هو نموذج اللغة الكبير (LLM) حقاً؟
نظرة مفصلة على نماذج اللغة الضخمة وكيفية عملها.
ما هو الذكاء الاصطناعي التوليدي؟
استكشاف قدرة الذكاء الاصطناعي على إنشاء محتوى جديد في النص والصورة وغيرها.
المرشدون الرقميون: كيف تقودنا الدردشات الآلية في عالم الذكاء الاصطناعي
دور واجهات الحوار في جعل الذكاء الاصطناعي في متناول الجميع.
كل قسم يبني نحو صورة أوضح للأنظمة التي تشكل مشهد التكنولوجيا اليوم.
لطالما تساءل البشر عما إذا كان بإمكاننا بناء آلات تفكر. عندما تم اختراع الحواسيب لأول مرة تسارع ذلك، وفي عام 1950 طرح آلان تورينج نفس السؤال وتبعه باختبار تورينج الشهير، وهو تجربة فكرية حيث تحاول آلة خداع إنسان ليعتقد أنها أيضاً إنسان. كان هذا هو الشرارة التي أشعلت شعلة الذكاء الاصطناعي. وقد عرفوه بأنه أداء مهام تتطلب عادةً ذكاءً بشرياً، يمكنهم فهم اللغة، التعرف على الصور، حل المشكلات و اتخاذ قراراتهم بأنفسهم، ليصبحوا أساساً شخص افتراضي يمكنه الإجابة على جميع أسئلتك و حل جميع مشاكلك. لهذا كان اختبار تورينج مهماً، حيث تضع ذكاءً اصطناعياً وجهاً لوجه أمام إنسان يجب عليه الآن تحديد ما إذا كان يتحدث إلى إنسان أم روبوت. الذكاء الاصطناعي يحاكي التفكير البشري. ولهذا أعطاه جون مكارثي اسم الذكاء الاصطناعي. كانوا يعتقدون أنه سيستغرق صيفاً واحداً فقط للوصول إلى مستوى يمكنه اجتياز هذه الاختبارات و العمل بشكل مثالي بمفرده، ولكن في الواقع تطوير الذكاء الاصطناعي لا يزال مستمراً.
كان الذكاء الاصطناعي في بداياته، في الستينيات والسبعينيات، قائمًا على القواعد. إذا أردت أن تجعل الحاسوب “يفكر”، كان عليك إخباره بالضبط كيف يفكر. كانت هذه أنظمة الخبراء، حيث يجب ترميز كل قاعدة بواسطة إنسان. نجح هذا حتى نقطة معينة، فلا يمكنك تعليم الذكاء الاصطناعي كل قرار ممكن لكل سيناريو ممكن، فهذا مستحيل، أو على الأقل غير عملي، لذا كان عليهم اكتشاف كيف يمكن أن يتخذ الحاسوب قرارات جديدة بنفسه، قرارات لم يواجهها أحد من قبل.
هنا ظهر تعلم الآلة. في الثمانينيات والتسعينيات، تحول الباحثون إلى فكرة جديدة: ماذا لو استطعنا تعليم الحاسوب التعلم من البيانات بدل الاعتماد فقط على القواعد؟ هذا هو تعلم الآلة: تدريب خوارزمية على مجموعة كبيرة من الأمثلة، حتى تتمكن من رصد الأنماط و تقديم التنبؤات. ماذا يعني ذلك؟ لنفترض أنك في الماضي كنت تعلم الذكاء الاصطناعي كيفية اتباع قواعد النحو عن طريق كتابة كل قاعدة نحوية واحدة تلو الأخرى، أما تعلم الآلة كفكرة فهو أن الذكاء الاصطناعي يُعطى آلاف المقالات والكتب والوثائق ليقرأها و يكتشف بنفسه كيف تعمل اللغة الإنجليزية، التعلم الذاتي.
كان تعلم الآلة رائعاً، لكنه محدود. غالبًا ما كان يحتاج إلى الإنسان ليخبره أي الميزات ينظر إليها. ثم جاء التعلم العميق، المدعوم بـ الشبكات العصبية، وهي بنية مستوحاة بشكل فضفاض من طريقة عمل الدماغ البشري، تنظر إلى كمية هائلة من البيانات، ولكن على خطوات، مما يساعدها على رؤية المزيد والمزيد من الأنماط.
حدث الاختراق الحقيقي حوالي عام 2012، عندما سحق AlexNet، وهو شبكة عصبية عميقة، منافسة كبرى في التعرف على الصور. فجأة، أصبح التعلم العميق قادرًا على التغلب على البشر في التعرف على القطط على الإنترنت. لم يكن هذا أفضل فحسب، بل مذهل للغاية. يعني التعلم العميق أنه يمكنك إدخال بيانات خام (نصوص، صور، صوت) إلى النموذج وسيكتشف الأنماط المهمة بنفسه. لا مزيد من التوجيه اليدوي. فقط المزيد من البيانات، المزيد من الطبقات، المزيد من القدرة الحسابية. بدأ الذكاء الاصطناعي في التعلم بشكل أُسّي.
بعد أن اجتاز التعلم العميق الصور، تساءل الباحثون: هل يمكنه اجتياز اللغة أيضاً؟ الجواب: نعم، ولكن ليس بسهولة. اللغة مليئة بالدقة والتفاصيل. لكن مع ما يكفي من البيانات، و بنية ذكية بما فيه الكفاية، ظهرت نماذج التعلم العميق مثل الشبكات العصبية المتكررة (RNN) التي يمكنها فهم البيانات المتسلسلة، أي أنها لا تنظر فقط إلى كلمة واحدة، بل كيف تأتي الكلمات الواحدة تلو الأخرى و لماذا تفعل ذلك بهذه الطريقة، ولاحقًا المحولات (Transformers) التي لا تنظر فقط إلى الكلمات بشكل فردي في التسلسل، بل يمكنها النظر إلى النص ككل مرة واحدة وساعدت أيضًا على بدء فهم وتوليد النصوص.
في عام 2017، قدمت Google بنية المحولات. لقد غيرت قواعد اللعبة. يمكن للمحولات معالجة اللغة بشكل متوازي، بسرعة أكبر، و التركيز على أجزاء مختلفة من الجملة، مقلدة تركيز الإنسان. هذه البنية هي التي تشغّل نماذج اللغة الكبيرة أو LLMs، مثل GPT، Gemini، Mistral، فجأة أصبح الجميع يريدون إنشاء نموذجهم الخاص الذي يتفوق على الآخرين.
نموذج اللغة الكبير (LLM) هو نوع من أنظمة الذكاء الاصطناعي مصمم لـ توليد وفهم اللغة البشرية. يتم تدريبه على كميات هائلة من بيانات النصوص، مثل الكتب، والمواقع الإلكترونية، والمقالات، والشيفرة البرمجية، ويتم بناؤه باستخدام التعلم العميق. بدلاً من فهم الكلمات مثل الإنسان، يتعلم أنماط الكتابة والكلام لدينا.
التقنية وراء ذلك؟ شيء يسمى بنية المحولات التي تتيح له معالجة وتوليد اللغة على نطاق واسع. وهذا هو مصدر “GPT” في ChatGPT:
اعتمادًا على إصدار نموذج اللغة الكبير، يمكن أن تختلف ذكاء الدردشة الآلية و دقتها و قدراتها الحوارية بشكل كبير. الإصدارات الأحدث تفهم السياق بشكل أفضل، وترتكب أخطاء أقل، وتقدم إجابات أكثر فائدة.
يعود هذا الاختلاف إلى المعلمات – المليارات من الروابط التي تحدد كيفية معالجة النموذج للمعلومات. المزيد من المعلمات يعني عادةً ذاكرة أفضل و فهم أعمق.
بالتأكيد سمعت عن GPT-4، Claude، Gemini، LLaMA. لذا من المهم الآن أن نفهم حقيقة مهمة: أي من هذه النماذج لا “يفهم” ما يقوله، هي فقط بارعة للغاية في توقع الكلمة التالية، بناءً على السياق.
الذكاء الاصطناعي التوليدي هو مفهوم ستسمع عنه كثيرًا مرتبطًا بالذكاء الاصطناعي. إنه مصطلح شامل لأي ذكاء اصطناعي ينتج أشياء جديدة. إذا كان بإمكانه الكتابة أو الرسم أو التحدث أو الغناء دون نسخ مواد موجودة، فهو توليدي — أي ينتج أشياء جديدة. يمكنه إنشاء نصوص جديدة (مثل ChatGPT)، أو صور (مثل DALL·E أو Midjourney)، أو فيديوهات (مثل Sora)، أو حتى شيفرة برمجية (مثل GitHub Copilot). هناك العديد من الأنواع المختلفة تدعمها العديد من نماذج اللغة الكبيرة.
الدردشات الآلية هي بوابتنا الودية إلى المعرفة المعقدة للعالم بأسره. بدلاً من الحاجة إلى المعرفة التقنية، نبدأ ببساطة محادثة ونستكشف الذكاء الاصطناعي بشكل طبيعي. إنها تترجم التقنية المخيفة إلى لغتنا.
استخدامات الدردشة الآلية:
لكن لا ننسى: هي لا “تفهم” بنفس طريقة البشر. إنها تحاكي الفهم. وهذا جيد في الوقت الحالي. لم نصل بعد إلى تفرد الذكاء الاصطناعي، لكننا بالتأكيد على الطريق السريع. و__ChatGPT__؟ إنه فقط علامة الميل الأحدث في رحلة أطول بكثير.
نحن نساعد الشركات مثل شركتك في تطوير روبوتات الدردشة الذكية، وخوادم MCP، وأدوات الذكاء الاصطناعي أو أنواع أخرى من أتمتة الذكاء الاصطناعي لاستبدال البشر في المهام المتكررة في مؤسستك.
اكتشف كيف تطورت الذكاء الاصطناعي من النماذج اللغوية إلى الأنظمة التي تتعامل مع واجهات المستخدم الرسومية ومتصفحات الويب، مع رؤى حول الابتكارات والتحديات ومستقبل ...
تشمل اتجاهات تكنولوجيا الذكاء الاصطناعي التقدمات الحالية والناشئة في الذكاء الاصطناعي، بما في ذلك تعلم الآلة، ونماذج اللغة الكبيرة، والقدرات متعددة الوسائط، وال...
استكشف أبرز النقاط من الكلمة الرئيسية لمؤتمر Microsoft Ignite 2024، حيث يكشف ساتيا ناديلا كيف تقوم الذكاء الاصطناعي وCopilot بتحويل الإنتاجية ونمو الأعمال والأم...
