ما الفرق بين التعلم العميق “Deep Learning” والذكاء الاصطناعي “Artificial Intelligence”؟
أصبح الذكاء الاصطناعى من أهم التقنيات في الوقت الحالى، حيث تم إنشائها للمساعدة على تسهيل الحياة البشرية وزيادة التطور التكنولوجى والحاضري. وفى بعض الأحيان يتم استخدام مصطلح آخر للتحدث علن الذكاء الاصطناعى وهو مصطلح “Deep Learning” ولكن هناك اختلاف بينهما. لذلك نتعرف اليوم على الفرق بين التعلم العميق “Deep Learning” والذكاء الاصطناعي “Artificial Intelligence”.
محتويات
ما هو الذكاء الاصطناعي (AI)؟
الذكاء الاصطناعى هو العلم والهندسة المستخدمة في صنع الآلات والبرامج الذكية. تحاكي برامج الذكاء الاصطناعي الوظائف المعرفية المرتبطة بالقدرات البشرية، مثل التعلم والإدراك وحل المشكلات. تتعلم هذه البرامج بأقل قدر من المدخلات البشرية عن طريق تحليل كميات هائلة من البيانات. غالبًا ما تكون مصممة للتعرف على الصور والتعرف على الكلام وروبوتات الدردشة والتعلم والتخطيط وحل المشكلات.
أنواع الذكاء الاصطناعى
يوجد نوعين من الذكاء الاصطناعى وهما:
- الذكاء الاصطناعى الضعيف: يستخدم فى تصميم البرامج التى تقوم بمهام صغيرة مثل فهم الأوامر الصوتية والاستجابة وفقًا لها (Alexa)، أو التعرف على الوجه (FaceApp). إنها أتمتة المهام المتخصصة للغاية والعديد من صلاحيات الذكاء الاصطناعي الضيقة التي تستخدمها العديد من الشركات.
- الذكاء الاصطناعى القوى: يستخدم لوصف برنامج أو آلة وصلت إلى حد الذكاء العام الاصطناعي. يحدث هذا عندما تكون البرامج على قدم المساواة مع الذكاء البشري ولديها القدرة على فعل أي شيء يستطيع الإنسان العادي القيام به. ولم يتم الوصول إلى هذا النوع حتى الآن.
ما هو التعلم الآلي (ML)؟
يعد التعلم الآلي هو جزء من الذكاء الاصطناعى إحدى الطرق التي يتم من خلالها تدريب البرامج على التعلم والتحسين تلقائيًا من خلال التجربة دون برمجتها بشكل صريح من قبل الأشخاص. كما يستخدم تعلم الآلة الخوارزميات والنماذج الإحصائية للتعلم دون تدخل بشري.
التعلم الخاضع للإشراف وغير الخاضع للرقابة والمعزز
تُصنف مهام التعلم الآلى، كالتالى:
- التعلم تحت الإشراف. هو عندما يتم تصنيف البيانات المقدمة بشكل جيد وتمييزها بالمخرجات التي نريدها. يتم بعد ذلك توفير مجموعة أخرى من البيانات لاستخدام الخوارزمية الخاضعة للإشراف وإنتاج نتيجة صحيحة من البيانات المصنفة.
- التعلم غير الخاضع للرقابة. يستخدم عندما لا يتوفر أي بيانات مصنفة للجهاز ويُسمح للخوارزميات بالتصرف بناءً على المعلومات دون أي توجيه. تقوم الآلة بتجميع المعلومات غير المصنفة وفقًا لأوجه التشابه والأنماط والاختلافات دون أي تدريب مسبق من مصادر البيانات الأخرى.
- التعلم المعزز. يتم استخدامه للعثور على أفضل سلوك أو مسار ممكن لمشكلة معينة. وتظهر في “لعبة الشطرنج ضد الذكاء الاصطناعى”، حيث يتم تزويد البرنامج بالمدخلات الأولية (موضع القطع وقواعد اللعبة) ثم يتم تدريبه على أكبر عدد ممكن من المخرجات حسب وجود الحلول (الفوز بالجولة).
اقرأ أيضًا:
- تطبيق photomath حيث يمكن للجميع أن يكونوا جيدين في الرياضيات.
- تطبيق Transcribe لتحويل الرسائل الصوتية الى نصوص.
- أفضل تطبيقات النسخ بالذكاء الاصطناعي لتحويل الصوت إلى نص.
ما هو التعلم العميق “Deep Learning”؟
التعلم العميق هو جزء فرعى من التعلم الآلي حيث تكون الخوارزميات مستوحاة من بنية ووظيفة الدماغ. تعتمد طريقة التعلم هذه على الشبكات العصبية الاصطناعية ويمكن أن تكون خاضعة للإشراف أو شبه خاضعة للإشراف أو غير خاضعة للإشراف.
وقد زادت دقته فى الوقت الحالى، نتيجة:
- توفر كميات كبيرة من البيانات المصنفة.
- زيادة كبيرة في قوة الحوسبة بسبب إدخال GPU عالي الأداء والحوسبة السحابية.
ويستخدم التعلم العميق فى:
- التحكم في السيارات ذاتية القيادة.
- الكشف عن الخلايا السرطانية في الأشعة السينية واختبارات التصوير الشعاعي.
- المساعدة في كفاءة الطاقة.
الشبكات العصبية العميقة للتعلم العميق
يشار إلى أساليب التعلم العميق بالشبكات العصبية العميقة، حيث أن معظمها يستخدم الشبكات العصبية الاصطناعية. لا تحتاج أساليب التعلم العميق إلى استخراج الميزات يدويًا ويتم تدريبها باستخدام مجموعات كبيرة من البيانات المصنفة وبنيات الشبكات العصبية التي تتعلم الميزات مباشرة من البيانات. يشير مصطلح “عميق” عادة إلى الطبقات المخفية في الشبكة العصبية، حيث قد يكون هناك ما يصل إلى 150 طبقة، مقابل 2-3 فقط في الشبكات العصبية الاصطناعية.
يستخدم التعلم العميق الكثير من البيانات لاستخراج الميزات المطلوبة. لذلك يجب أن يكون الجهاز المستخدم مزودًا بقدرات حاسوبية كبيرة حتى يتمكن من التحرك عبر هذه الطبقات؛ وإلا فإن الأمر سيستغرق وقتًا طويلاً للحصول على النتائج.
وللاختصار يمكن القول أن الذكاء الاصطناعى هو المصطلح الأعم للتحدث عن التقنية الحديثة، بينما التعلم العميق هو جزء بسيط من تلك التقنية.
المصدر
