ما هو الذكاء الاصطناعي؟ شرح مبسط لكيف تفكر الآلات

 استخدمت الذكاء الاصطناعي اليوم مرات عدة دون أن تنتبه: حين اقترحت لوحة المفاتيح في هاتفك الكلمة التالية قبل أن تكتبها، وحين اختفت رسالة احتيال من صندوق بريدك قبل أن تراها. فهم ما هو الذكاء الاصطناعي يبدأ من هذه اللحظات الصغيرة لا من أفلام الروبوتات. تطبيق الخرائط الذي أخبرك أنك ستصل بعد ثماني عشرة دقيقة لم يكن يخمّن، بل قارن حركة السير الحالية بأنماط ملايين الرحلات السابقة. ومنصة الفيديو التي عرضت عليك مقطعًا أعجبك فعلًا لم تقرأ أفكارك، وإنما لاحظت ما شاهده أشخاص يشبهونك في عاداتهم. 

هذه الأمثلة كلها تشترك في فكرة واحدة بسيطة: آلة تتعلم من أمثلة كثيرة ثم تتوقع ما سيحدث. سنشرح هنا الفكرة بلغة واضحة، ونتابع رحلة التقنية من قاعة جامعية صيفية عام 1956 حتى المساعدات الذكية، ثم نسأل السؤال الأهم: هل تفكر الآلة حقًا كما نفكر؟ وفي الطريق سنفصل بين الحقائق والخرافات الشائعة، ونمر على الاستخدامات اليومية والحدود التي ينبغي أن تعرفها قبل أن تثق بأي نظام ذكي.

ما هو الذكاء الاصطناعي

تعريف الذكاء الاصطناعي (Artificial Intelligence) في أبسط صوره هو: مجال من علوم الحاسوب يهدف إلى بناء أنظمة تؤدي مهام كانت تحتاج عادة إلى ذكاء بشري، مثل التعرف على الصور، وفهم الكلام، والترجمة، واتخاذ قرار بناءً على معطيات. الكلمة المفتاحية هنا هي "مهام"؛ فالنظام لا يملك ذكاءً عامًا يشبه عقلك، بل يملك قدرة محددة جرى تدريبه عليها.

البرنامج التقليدي يعمل بقواعد يكتبها المبرمج حرفيًا: إذا حدث كذا فافعل كذا. أما الأنظمة الذكية الحديثة فتعتمد غالبًا على تعلم الآلة (Machine Learning)، أي أن المبرمج لا يكتب القواعد بنفسه، بل يقدّم للنظام كمية كبيرة من البيانات (Data) ويترك له اكتشاف القواعد منها. لو أردت برنامجًا يميز الرسائل المزعجة بالطريقة القديمة، لاحتجت إلى كتابة آلاف الشروط عن الكلمات والروابط المريبة، وسيتجاوزها المحتالون خلال أسابيع. بالطريقة الحديثة تعطي النظام ملايين الرسائل المصنفة مسبقًا، فيستخرج بنفسه العلامات التي تفرق بين الرسالة السليمة والمزعجة، ويتحسن كلما وصلته أمثلة جديدة.

دور البيانات والخوارزميات

يقوم أي نظام ذكي على ركيزتين متكاملتين. الأولى هي البيانات، وهي المادة الخام التي يتعلم منها: صور، نصوص، أرقام مبيعات، تسجيلات صوتية. والثانية هي الخوارزميات (Algorithms)، وهي الوصفات الرياضية التي تحدد كيف يقرأ النظام تلك البيانات ويستخلص منها الأنماط. البيانات الجيدة مع خوارزمية ضعيفة تعطي نتائج متواضعة، والخوارزمية القوية مع بيانات رديئة تعطي نتائج مضللة. لهذا يقضي المهندسون وقتًا طويلًا في جمع البيانات وتنظيفها قبل أي تدريب، لأن جودة ما يدخل تحدد جودة ما يخرج. والنتيجة النهائية لهذا التدريب تسمى "نموذجًا" (Model)، وهو الشيء الذي تتعامل معه فعليًا حين تستخدم تطبيقًا ذكيًا.

تاريخ الذكاء الاصطناعي باختصار

لم يولد هذا المجال مع الهواتف الذكية، بل قبلها بنحو سبعين عامًا. في صيف 1956 اجتمع عدد من الباحثين في ورشة عمل بكلية دارتموث الأمريكية، وكان مقترح تلك الورشة هو المكان الذي ظهر فيه مصطلح "الذكاء الاصطناعي" رسميًا لأول مرة. كان الحماس كبيرًا، وظن بعضهم أن آلة تفكر كالإنسان ستظهر خلال جيل واحد، لكن الطريق كان أطول بكثير.

في السبعينيات والثمانينيات انتشرت "الأنظمة الخبيرة" (Expert Systems)، وهي برامج تحاول نقل خبرة متخصص بشري، كطبيب أو مهندس، إلى مجموعة ضخمة من قواعد "إذا... فإن...". نجحت هذه الأنظمة في مجالات ضيقة، لكنها كانت مكلفة في صيانتها وعاجزة أمام أي حالة لم يتوقعها من كتب قواعدها. ومع تراجع النتائج عن الوعود، مرّ المجال بفترات انحسار في التمويل والاهتمام عُرفت باسم "شتاء المجال" (AI Winter).

جاءت نقطة التحول الكبرى عام 2012، حين فاز نموذج يعتمد على التعلم العميق (Deep Learning)، عُرف باسم AlexNet، في مسابقة ImageNet للتعرف على الصور بفارق واضح عن كل المنافسين. أثبتت تلك اللحظة أن الشبكات العصبية، مع بيانات ضخمة ومعالجات رسومية قوية، قادرة على ما عجزت عنه الأساليب السابقة. بعدها بخمس سنوات، في 2017، نشر باحثون من Google ورقة بعنوان "Attention Is All You Need" قدّمت بنية المحوّل (Transformer)، التي أصبحت الأساس الذي تقوم عليه معظم نماذج اللغة الحالية.

ثم وصلت التقنية إلى الجمهور الواسع في 30 نوفمبر 2022، حين أطلقت شركة OpenAI خدمة ChatGPT، فصار ملايين الناس يحاورون نموذجًا لغويًا مباشرة لأول مرة. منذ ذلك اليوم انتقل الحديث عن هذه التقنية من المختبرات والمؤتمرات إلى المكاتب والمدارس وموائد العشاء.

كيف يتعلم الذكاء الاصطناعي من البيانات

أوضح طريقة لفهم التدريب هي مقارنته بطفل صغير يتعلم التعرف على القطة. لا أحد يعطي الطفل تعريفًا علميًا يقول: حيوان ثديي من فصيلة السنوريات له شوارب وذيل. ما يحدث فعلًا أن الأم تشير إلى قطة في الشارع وتقول "قطة"، ثم إلى أخرى في كتاب مصور، ثم إلى ثالثة في التلفاز. وبعد عشرات الأمثلة يبدأ الطفل في الإشارة بنفسه، فيخطئ أحيانًا ويسمي الكلب الصغير قطة، فتصحح له الأم، ومع الوقت تصبح إجاباته أدق. النموذج الآلي يمر بالرحلة ذاتها تقريبًا، لكن عبر أربع مراحل يمكن تتبعها بوضوح:

• البيانات المصنفة: يحصل النموذج على آلاف أو ملايين الصور، كل منها مرفقة بوسم يقول "قطة" أو "ليست قطة". هذا يعادل إشارة الأم وقولها الاسم، وكلما كانت الأمثلة أكثر تنوعًا في الألوان والزوايا والإضاءة، كان التعلم أمتن.
• استخراج الأنماط: تبحث الخوارزميات داخل هذه الصور عن سمات تتكرر مع وسم "قطة"، مثل شكل الأذنين المدببتين أو ملمس الفراء أو موضع العينين. لا يحفظ النموذج الصور نفسها، بل يكوّن تمثيلًا رقميًا لما يجمع بينها.
• التوقع: عندما تعرض عليه صورة جديدة لم يرها من قبل، يحسب النموذج احتمال أن تكون قطة، فيقول مثلًا إنها قطة بنسبة عالية. هذه هي لحظة إشارة الطفل بإصبعه إلى حيوان في الحديقة وإعلانه اسمه.
• التغذية الراجعة: يقارن النظام توقعه بالإجابة الصحيحة، ويقيس حجم الخطأ، ثم يعدّل أرقامه الداخلية قليلًا حتى يخطئ أقل في المرة القادمة. تتكرر هذه الدورة ملايين المرات، تمامًا كما تتكرر تصحيحات الأم بصبر.

الفرق الجوهري أن الطفل يكفيه عدد محدود من الأمثلة، وسرعان ما يتعرف على قطة مرسومة بخطوط بسيطة أو دمية على شكل قطة. أما النموذج فيحتاج عادة إلى كميات هائلة من البيانات، وقد يرتبك أمام صورة بزاوية غريبة لم يتدرب على مثلها. وهذه الملاحظة تقودنا مباشرة إلى سؤال التفكير.

هل تفكر الآلات حقا

حين يميز النموذج القطة بدقة مذهلة، يبدو كأنه "يعرف" ما هي القطة. لكن ما يحدث في الداخل مختلف عما يحدث في رأس الطفل. الطفل يربط القطة بتجارب كثيرة: صوت المواء، دفء الفراء تحت يده، خوفه من خدشها، وحكاية قبل النوم. هو يفهم أن القطة كائن حي يجوع وينام ويغضب. النموذج في المقابل يتعامل مع أنماط من الأرقام، ويحسب أي إجابة هي الأرجح إحصائيًا بناءً على ما رآه في التدريب. هو بارع جدًا في التوقع، لكن لا يوجد دليل علمي على أنه يملك فهمًا أو وعيًا أو نية بالمعنى البشري، وما زال الباحثون يناقشون حدود هذه المسألة.

هذا الفرق ليس تفصيلًا فلسفيًا فقط، بل له أثر عملي. النظام الذي يعتمد على الأنماط قد يعطيك إجابة واثقة وخاطئة تمامًا إذا خرج السؤال عن نطاق ما تعلمه، لأنه لا يملك "حسًا سليمًا" يجعله يتوقف ويقول: هذا غريب. لهذا انتشرت حول التقنية تصورات مبالغ فيها في الاتجاهين، والقائمة التالية تضع أشهرها في مكانها الصحيح:

• خرافة: الآلة تملك وعيًا ومشاعر. الواقع أن الأنظمة الحالية تحاكي اللغة العاطفية لأنها تعلمتها من نصوص بشرية، لكنها لا تشعر بالحزن أو الفرح، ولا توجد طريقة علمية متفق عليها تثبت امتلاكها وعيًا.
• خرافة: النظام الذكي لا يخطئ لأنه آلة. الواقع أنه يخطئ باستمرار، فهو يقدم توقعات احتمالية لا حقائق مطلقة، ودقته تعتمد على جودة بيانات تدريبه وعلى قرب سؤالك مما تدرب عليه.
• خرافة: الآلات ستستولي على كل الوظائف قريبًا. الواقع أن التقنية تؤتمت مهام محددة داخل الوظائف أكثر مما تلغي وظائف كاملة، وتغيّر طبيعة العمل وتخلق أدوارًا جديدة، وإن كان بعض المهن سيتأثر أكثر من غيره.
• خرافة: الأنظمة الذكية محايدة تمامًا. الواقع أنه يرث انحيازات البيانات التي تعلم منها، فإذا كانت الأمثلة غير متوازنة بين الفئات، ستميل قراراته بالطريقة ذاتها دون أن يقصد أحد ذلك.
• خرافة: هذه التقنية اختراع جديد ظهر مع ChatGPT. الواقع أن المجال عمره نحو سبعين عامًا، وأن ما رأيناه عام 2022 كان ثمرة عقود من الأبحاث في الخوارزميات وتراكم البيانات وتطور العتاد.
• خرافة: كلما زادت البيانات صار النظام أذكى تلقائيًا. الواقع أن الكمية وحدها لا تكفي، فالبيانات المكررة أو المغلوطة أو المنحازة قد تضعف النموذج، والجودة والتنوع يهمان بقدر الحجم.

أنواع الذكاء الاصطناعي

يقسّم الباحثون هذه الأنظمة عادة حسب اتساع قدراتها إلى نوعين رئيسيين. النوع الأول هو الذكاء الضيق (Narrow AI)، وهو كل ما نستخدمه فعليًا اليوم: نظام يتقن مهمة محددة أو مجموعة مهام متقاربة، مثل التعرف على الوجوه، أو الترجمة، أو ترشيح الأفلام، أو لعب الشطرنج. قد يتفوق هذا النظام على أمهر البشر في مهمته، لكنه لا يستطيع نقل مهارته إلى مجال مختلف دون تدريب جديد، فنموذج الشطرنج لا يعرف كيف يقود سيارة.

النوع الثاني هو الذكاء العام (Artificial General Intelligence)، ويُختصر AGI، ويقصد به نظام افتراضي قادر على التعلم والتفكير وحل المشكلات في أي مجال تقريبًا بمرونة تضاهي الإنسان. هذا النوع لم يتحقق حتى الآن وفق تقييم أغلب الباحثين. تعلن بعض الشركات أنها تسعى إليه، ويختلف الخبراء اختلافًا واسعًا حول ما إذا كان سيتحقق خلال سنوات أو عقود أو لن يتحقق بالصيغة المطروحة أصلًا، كما لا يوجد اتفاق على تعريف دقيق يحدد متى نقول إنه وصل. لذلك احذر من العناوين التي تعلن ولادته، وتعامل معها بوصفها نقاشًا مفتوحًا لا حقيقة محسومة.

ما هو الذكاء الاصطناعي التوليدي

برز في السنوات الأخيرة فرع لفت انتباه الجميع هو الذكاء الاصطناعي التوليدي (Generative AI). الأنظمة التقليدية كانت تصنّف أو تتوقع، فتقول إن هذه الصورة قطة أو إن هذه الرسالة مزعجة. أما الأنظمة التوليدية فتنتج محتوى جديدًا: نصوصًا، وصورًا، وأصواتًا، ومقاطع فيديو، وحتى شيفرات برمجية، بناءً على وصف تكتبه. ورغم قدراته اللافتة، يبقى هذا الفرع نوعًا من الذكاء الضيق، فهو يعتمد على الأنماط التي تعلمها من بيانات ضخمة، ولا يتجاوز في جوهره منطق التوقع الذي شرحناه مع مثال القطة.

تطبيقات الذكاء الاصطناعي وحدوده

تنتشر تطبيقات الذكاء الاصطناعي اليوم في قطاعات تمس حياتك مباشرة، وغالبًا تعمل في الخلفية دون أن تظهر بشعار واضح. أبرز هذه المجالات ثلاثة، ويمكن تلخيصها كما يلي:

• الصحة: تساعد النماذج الأطباء في قراءة الصور الطبية مثل الأشعة وصور شبكية العين، فتلفت نظرهم إلى مناطق مشتبه بها تستحق الفحص. القرار النهائي يبقى للطبيب، لكن الأداة تسرّع الفرز وتقلل احتمال تفويت علامة دقيقة.
• النقل: تقدّر تطبيقات الخرائط زمن الوصول وتقترح طرقًا بديلة اعتمادًا على بيانات حركة السير، وتستخدم شركات الشحن أنظمة لتخطيط المسارات. كما تتضمن سيارات حديثة كثيرة أنظمة مساعدة تنبه السائق عند الخروج عن المسار.
• الهواتف: من تحسين الصور الليلية في الكاميرا، إلى فتح القفل بالوجه، والإملاء الصوتي، والترجمة الفورية، يعتمد هاتفك على نماذج صغيرة يعمل بعضها داخل الجهاز نفسه دون إرسال بياناتك إلى خادم بعيد.

في المقابل، لهذه الأدوات حدود يجب أن تعرفها. الانحياز هو أولها، فالنموذج الذي تدرّب على بيانات غير متوازنة قد يعامل فئات من الناس بطريقة غير عادلة في التوظيف أو الإقراض. وثانيها الأخطاء الواثقة، إذ قد يقدم النظام إجابة خاطئة بنبرة مقنعة، فيجب التحقق من أي معلومة مهمة قبل الاعتماد عليها. وثالثها الخصوصية، لأن كثيرًا من الخدمات الذكية تحتاج إلى بياناتك لتعمل، فاقرأ إعدادات الخصوصية، ولا تشارك معلومات حساسة في أدوات لا تعرف سياسة تعاملها معها. أما الفروق التقنية بين أنواع التعلم، وطريقة عمل النماذج اللغوية من الداخل، فلكل منها شرح مستقل في مقالات قادمة.

الأسئلة الشائعة

ما هو الذكاء الاصطناعي بكلمات بسيطة؟

هو مجموعة تقنيات تجعل الحاسوب قادرًا على أداء مهام تحتاج عادة إلى ذكاء بشري، مثل فهم الكلام أو التعرف على الصور أو اقتراح قرار. يحدث ذلك غالبًا بتدريب النظام على أمثلة كثيرة حتى يكتشف الأنماط فيها، ثم يستخدم هذه الأنماط للتوقع في حالات جديدة. ومن تطبيقات الذكاء الاصطناعي المألوفة لك فلترة الرسائل المزعجة واقتراح الكلمات أثناء الكتابة.

ما الفرق بين الذكاء الاصطناعي وتعلم الآلة؟

الأول هو المجال الواسع الذي يضم كل محاولات جعل الآلة تؤدي مهام ذكية، بما فيها الأنظمة القديمة القائمة على قواعد مكتوبة يدويًا. أما تعلم الآلة فهو فرع منه، وهو الأسلوب الذي يجعل النظام يتعلم القواعد بنفسه من البيانات بدل أن يكتبها المبرمج، ويقوم عليه معظم ما نستخدمه اليوم.

هل يمكن أن تصبح الآلة واعية؟

لا يوجد حتى الآن دليل علمي على أن أي نظام حالي يملك وعيًا أو مشاعر، فهو يعالج الأنماط ويحسب الاحتمالات. مسألة إمكانية الوعي الآلي مستقبلًا ما زالت موضع نقاش مفتوح بين العلماء والفلاسفة، ولا توجد إجابة حاسمة متفق عليها.

هل أحتاج إلى البرمجة لاستخدام الأدوات الذكية؟

لا، فمعظم الأدوات الحديثة صُممت ليستخدمها أي شخص عبر واجهات بسيطة يكتب فيها طلبه بلغته اليومية. البرمجة تفيدك إذا أردت بناء نماذج خاصة أو دمجها في أنظمة شركتك، لكن الاستفادة اليومية لا تتطلبها، وتكفيك معرفة كيف تصيغ طلبك وكيف تتحقق من النتيجة.

هل الذكاء الاصطناعي التوليدي آمن للاستخدام؟

يمكن استخدامه بأمان إذا التزمت ببعض القواعد البسيطة: لا تشارك فيه بيانات شخصية أو مالية حساسة، وراجع أي معلومة مهمة من مصدر موثوق قبل أن تعتمد عليها. تذكّر أيضًا أن المحتوى الذي ينتجه قد يحتوي أخطاء أو انحيازات، فتعامل معه كمسودة ذكية تحتاج إلى مراجعتك، لا كحكم نهائي.