الذكاء الاصطناعي والفوضى الخلاقة
المقالة بواسطة: المهندس سامر نزال
قررت كتابة هذه
المقالة بعد فترة من التشتت بين المقالات النظرية والحلول العملية، من اين نبدء
لدخول علم الذكاء الاصطناعي؟ لماذا يجب أن نكون مثقفين بهذا المجال؟ هل هنالك
متطلبات قبل خوض غمار هذا العالم؟ بالتأكيد لن أتمكن من الإجابة على كل هذا
التساؤلات في مقالة واحدة، لكن دعونا نبدء بالاساسيات وبخطوات واثقة ونسأل الله أن
نتمكن من كتابة المزيد لتقديم سلسلة تكون كخارطة طريق للمهتمين.
في هذه المقالة سوف
نتعرف على الذكاء الاصطناعي Artificial Intelligence؟
وما يلزمنا تحديدا لدمج الاعمال مع الذكاء الاصطناعي؟ وكيف قامت ميكروسوفت بترجمة
النظريات الى واقع عملي؟
الذكاء الاصطناعي AI
شئنا ام أبينا هو رائد الثورة الصناعية الرابعة وللتذكير اليكم ملخص سريع للثورات
الصناعية:
- الثورة
الصناعية الأولى: الاّلات والمعدات التي تعمل على البخار
- الثورة الصناعية
الثانية: الصناعات المعتمدة على الطاقة الكهربائية
- الثورة الصناعية الثالثة:
ثورة المعلومات والكمبيوتر والانترنت
- الثورة الصناعية
الرابعة: الذكاء الاصطناعي وعلم البيانات.
نعيش
اليوم حالة من عدم الاستقرار في شتى القطاعات، انها الفوضى الخلاقة، فالتغير حاصل
لا محالة، وشركات كبرى مهددة بينما شركات صغيرة سوف تكبر وتتقدم بسرعة. ما يحدد
مستقبل الشركات هو قدرتها على إدارة التغير والتأقلم السريع والمرونة بالتعامل مع
هذه المتغيرات، فإما ان تتحكم بهذه التغيرات والا سوف تتحكم بك لا محالة.
كيف اصبح الذكاء الاصطناعي متاحا وقابل للتحقيق؟
الذكاء الاصطناعي
ليس علم حديث بل أن جزء كبير من نظرياته قد تم التوصل لها منذ اكثر من 60 عاما،
وتم تطبيق أجزاء كبيرة منها ولكن كانت حكرا على الجهات والمنظمات الكبيرة. الان
ومع التقدم الهائل في التكنولوجيا اصبح استخدام الذكاء الاصطناعي أساسي ومتاح
للجميع سواء ادركنا ذلك ام لم ندرك.
ومما لا شك فيه فإن تقنيات
الذكاء الاصطناعي AI ستمكن الشركات بجميع احجامها تحقيق نتائج
افضل على مستوى الاعمال وذلك عبر الاستفادة من 3 عوامل أساسية أصبحت متوفرة في
الزمن الحاضر:
- Big Data:
نعيش اليوم في عالم مليئ بالبيانات والتي يمكن الحصول عليها من قواعد البيانات
التقليدية، من وسائل التواصل الاجتماعي، من انترنت الأشياء IoT،
من الوثائق والحركات المالية ... الخ. ومما لا شك فيه أن الحصول على نتائج مميزة
في مجال الذكاء الاصطناعي مرهون بتوفير بيانات اكثر لتدريب افضل لنتائج أدق.
- Big Compute:
ساعدت الحوسبة العملاقة على معالجة البيانات الضخمة Big Data
حيث كان من الصعب معالجة وتدريب مليارات السجلات والوثائق قبل توفر الإمكانيات
الضخمة المتوفرة في حواسيب هذه الأيام.
- الخوارزميات
المتطورة والتي اتاحت فرصة تحقيق الذكاء الاصطناعي عبر نمذجة وتعليم الاّلة Machine
Learning وتقييم النتائج.
قدرة الحواسيب الان
على الرؤية والاستماع والتحدث بشكل قريب للبشر هو تقدم هائل واساسي في شتى
المجالات، ولك أن تتخيل ما شئت من السيناريوهات، نذكر على سبيل المثال إمكانية
الحواسيب على مراقبة خطوط الإنتاج واستكشاف المنتجات المعطوبة او القدرة على تحليل
الصور الطبية والتكهن بالمرض بشكل دقيق وقادر على التطور مع مرور الزمن. وبالتأكيد
وفر الذكاء الاصطناعي إمكانيات لا محدودة بالتعامل مع العملاء من حيث توفير تجارب
متقدمة لإجراء محادثات اّلية بالكامل وتقديم الخدمات دون التدخل البشري الا في
حالات استثنائية. هذه الإمكانيات المذكورة متوفره ومطبقة، وكل يوم يتم الإعلان عن
سيناريوهات أخرى لإستخدمات الذكاء الاصناعي في حياتنا واعمالنا.
ما هو الذكاء الاصطناعي؟
بعد هذه المقدمة،
فإن الذكاء الاصطناعي هو بإختصار قدرة الأجهزة والحواسيب على التصرف بشكل يقارب
قدرات البشر الذكية. لتوضيح التعريف يمكننا التركيز على ثلاث مفاهيم أساسية والتي
هي:
- القدرة على التعلم
Learning : كما نعلم فإن البرمجيات يتم صنعها بواسطة المبرمجين لأداء مهام
محددة والتي تحتاج لتثبيت واعداد كل مره يتم تطويرها وهذا هو النمط التقليدي
السائد، ولكن ماذا لو كانت هذه البرمجيات قادرة على التعلم وتطوير نفسها دون
الحاجة لتطوير ميزات وخصائص معينة كل مره بواسطة المبرمجين؟ الذكاء الاصطناعي
يمكنه عمل ذلك عبر التعلم المستمر وتحسين النتائج عبر خوارزميات معدة خصيصا لتلقي
البيانات وتحويلها الى نتائج يتم تحسينها عبر مرور الوقت.
- القدرة على الإدراك
والاحساس Perception: الإدراك هو من الخصائص البشرية التي تضفي
لمسات الذكاء التي لا نشعر بها نظرا لمصاحبتها للجنس البشري فطريا ، لكن هل يمكننا
تمكين الجماد ليدرك ويحس بالكائنات من حوله؟ نعم الان الذكاء الاصطناعي يمكنه
تمييز الأشياء من حوله، يمكن التعرف على اليد وحركاتها المختلفة او فهم كلام
الانسان وتفسيره.
- القدرة على التفكير
والاستنتاج Cognition : تتلخص القدرة على التفكير والاستنتاج حول
إمكانية إضفاء المنطق على البيانات التي تم تلقيها، وحيث أن الادارك يفسر وجود
الأشياء والاحساس بها، فإن التفكير والاستنتاج يتيح لهذه الأجهزة والمعدات
والحواسيب إمكانية تفسير ما يحدث والتفكير به واستنتاج واقتراح افضل الحلول. مثال
على ذلك القدرة على التنبوء حول مستقبل التغييرات المناخية حول العالم، او اقتراح
افضل الحلول لحدث معين، ولكم مطلق الحرية بإطلاق العنان لأفكاركم بهذا الخصوص.
كيف يمكن الاستفادة من الذكاء الاصطناعي في
عالم الاعمال؟
في عالم الاعمال
يمكن الاستفادة من الذكاء الاصطناعي AI عبر ثلاث أمور
أساسية:
منصات الذكاء الجاهزة
للإستخدام والربوتات الذكية
في عالم
الحوسبة السحابية Cloud Computing قطعت ميكروسوفت شوطا كبيرا وتسعى الان
لتحقيق نتائج مميزة في عالم الذكاء الاصطناعي AI
وذلك عبر توفير خدمات ذكية ضمن خدماتها السحابية Azure.
هذه
الخدمات والأدوات جاهزة للإستخدام ضمن التطبيقات الحالية لإضفاء لمسة الذكاء عليها
وتحسينها. مثال على
الخدمات المتوفرة ما يسمى Computer Vision عبر اتاحة
إمكانيات بصرية لتمييز الصور وتصنيفها وتحديد الأشياء وتمييز الحروف والكلمات.
كذلك يمكن تحويل النصوص الى كلام والكلام الى نصوص او بشكل عام تمييز الكلام
والاصوات عبر Services Speech. بالإضافة الى ذلك تتوفر خدمات لها علاقة
باللغات Language Services وتمييز
المشاعر وترجمة الكلمات وفهم اللغات المختلفة وسياق الجمل والعبارات. هذه الخدمات
واكثر يمكن استخدماها دون خبرات برمجية عبر استخدام Azure Cognitive
Services.
النمط
الاخر هو بناء تطبيقات جديدة ذكية بطبيعتها وذلك عبر استخدام وبناء ربوتات ذكية
لإجراء محادثات رقمية مع البشر والتي ستشكل فارقا بكيفية تعامل الموظفين مع الشركة
وكذلك طريقة تقديم الخدمات للعملاء. منذ 20 عاما كان من المسلمات لأي شركة أن يتم
انشاء موقع الكتروني web site لتقديم المعلومات والبيانات عن هذه الشركة
وكذلك توفير بعض الخدمات الالكترونية لتسهيل اعمال الشركات والعملاء على حد سواء،
واليوم نرى موجة جديدة لبناء الروبوتات الذكية الرقمية والتي يمكن من خلالها اتاحة
قنوات اتصال جديدة لتقديم خدمات هذه الشركات عبر اعتماد AI Conversational
Platform حيث يمكن توفيرها عبر الموقع الالكتروني او تطبيقات الموبايل او
حتى عبر المنصات الأخرى الشهيرة مثل الفيسبوك وSkype
و Slack.
تطبيقات الاعمال
الذكية
تنقسم
تطبيقات الاعمال الى نوعين: الافقية Horizontal Processes وهي التي تكون مشتركة بين
العديد من الصناعات والمجالات مثل عمليات التسويق وخدمة العملاء والتوظيف والموارد
البشرية، بينما العامودية Vertical Processes هي المتخصصة بمجال واحد
فقط او صناعة معينة مثل تميز الصور الاشعاعية وتشخيصها وتوقع المشاكل في المعدات
والاليات وتحسين اجراءات المخزون.
في الجزء
الأول من تطبيقات الاعمال (الافقية) والتي تكون مشتركة كما اسلفنا بين العديد من
الصناعات، سيكون من المنطق استخدام الحلول المتاحة والجاهزة للإستخدام والتي تندرج
تحت فئة Software as a Service والتي يمكن تأمين
التكامل بينها وبين بعض البيانات المتوفرة في الشركة او عمل بعض التخصيصات عليها
لتصبح أكثر ملائمة لطبيعة العمل. هذه الحلول ستسرع من عمليات انتشار الشركات
والوصول للسوق بأسرع وقت ممكن وبتكاليف اقل من تلك التي بنيت خصيصا لهذه الشركات
ولا ننسى أن معضمها يحتوي على تقنيات الذكاء الاصطناعي والتي سيتم الحديث عنها
لاحقا.
في الجزء
الثاني تطبيقات الاعمال (العامودية) يختلف الوضع قليلا عن النمط الأول حيث ستكون
الشركات مجبرة غالبا على بناء هذه التطبيقات من الصفر مع الاخذ بعين الاعتبار
الذكاء الاصطناعي وكيفية تسريعه لهذه العمليات. المطلوب في هذه الفئة هو وجود حلول
جاهزة لتأمين تجهيز البيانات وتدريب نماذج العمل المطلوبة وبالتأكيد تجهيز هذا
الإجراءات والخدمات واتاحتها للإستخدام وبالتالي القدرة على مراقبة أدائها. لحسن
الحظ فإن كل ما تم ذكره متوفر بالفعل ضمن Azure Machine Learning
والخدمات الأخرى ضمن Azure لتجهيز وتنظيف البيانات كذلك تتوفر مسرعات
الاعمال Accelerators الخاصة بالذكاء الاصطناعي حيث أنها تقطع
بالشركات اكثر من منتصف الطريق بدل من البدء من الصفر. نجد هذه المسرعات ضمن Azure AI
Gallery والتي تحتوي على مئات القوالب والنماذج الجاهزة للإستخدام
والتخصيص لتناسب العمل المراد أتمته.
دقرطة الذكاء
الاصطناعي
لتمكين
الموظفين وتحسين أدائهم العام لا بد من دقرطة البياات والمعرفة وبالتالي دقرطة
الذكاء الاصطناعي. (مصطلح دقرطة هو المكافئ ل Democratize
والذي يعني جعل الشيئ شائع ومتاح للجميع والابتعاد عن الاحتكار والبروقراطية)جميع
الشركات لديها كميات هائلة من البيانات والمعلومات وبالتالي المعارف المختلفة،
ولكن يصعب الوصول لها، ونفيد هنا بأن دقرطة الذكاء الاصطناعي وسط الموظفين لا بد
أن يمر بدقرطة البيانات (البيانات تنقسم الى قسمين: البيانات الهيكلية مثل قواعد
البيانات والبيانات الغير هيكلية مثل الوثائق) واتاحتها لجميع الموظفين بأفضل واسهل
الطرق.بعد
تأمين طرق سهلة للوصول لهذه البيانات يصبح من السهل على الموظفين استخدام الأدوات
الجاهزة للذكاء الاصطناعي والتي تتوفر بالعديد من التطبيقات الجاهزة مثل Excel
و Outlook و Power BI و Dynamics
365.
الهدف
هنا ليس فقط استخدام التقنيات الجاهزة, ولكن تمكين الموظفين من اختراج نماذج ذكاء
اصطناعية جديدة ومثال على ذلك إمكانية استخدام Automated Machine
Learning المضمنة داخل Power BI والتي تساعد
الموظفين (ليس المختصين بعلوم البيانات والذكاء الاصطناعي) على تزويد البيانات
اللازمة للتدريب ومن ثم تقوم هذه التقنية بإيجاد النموذج الأنسب للذكاء الاصطناعي
والبدء بعمليات التدريب وتجهيز النتائج بشكل اّلي تماما
التعلم الآلي Machine Learning والتعلم العميق Deep
Learning؟
لنبدء
بتعريفات أساسية للتفريق بين التعلم الآلي
Machine
Learning
والتعلم العميق Deep
Learning:
التعلم الآلي Machine Learning:
التعلم الآلي
هو جزء من الذكاء الاصطناعي والذي يستخدم العديد من التقنيات لتمكين الأجهزة والمعدات
من الاستفادة من الخبرات لأداء المهام المختلفة وكذلك هو احدى تقنيات علم البيانات
والذي يمّكن الأجهزة من استخدام البيانات للتنبوء بالاحداث المستقبلية. هذه التنبؤات
كفيلة بجعل التطبيقات والأجهزة أذكى وأقدر على تقديم المساعدة للإنسان. على سبيل
المثال، عندما تتسوق اونلاين فإن التعلم الآلي سيقوم بإقتراح منتجات أخرى يمكن أن
يحتاجها وذلك اعتمادا على ما تم شراءه وعلى عوامل أخرى يمكن أخذها بعين الاعتبار
اثناء عملية التعلم.
التعلم الآلي
بإختصار يمر بعدة مراحل نذكرها بإختصار:
1-
تجهيز البيانات لغرض تعليم الآلة
2-
استخراج اهم الخصائص التي سيتم
الاعتماد عليها في عملية التعلم (في حالة المراد تميز نوع الكائن الحي، نذكر مثلا
الخصائص التي يمكن الاعتماد عليها: عدد الارجل، هل يملك فرو؟، هل لديه ذيل، الخ)
3-
اختيار الخوارزمية المناسبة للمشكلة
المراد حلها وإدخال البيانات لها
4-
البدء بتدريب الآلة على مجموعة
البيانات وخصائصها
5-
فحص النموذج الذي تم تدريبه وإتاحته
للإستخدام
6-
البدء بإستخدام النموذج المدرب
للتنبوء بنوع البيانات الجديدة
بشكل عام فإن التعلم الآلي Machine Learning هو التقنية الأساسية
التي رافقت الذكاء الاصطناعي منذ البدء بالإستخدامات الفعلية. بشكل عام يحتاج
التعلم الآلي مصادر حاسوبية اقل للتدريب والتعلم ويعتمد على الانسان في عملية
التدريب من حيث وسم المدخلات وتحديد المخرجات، وبذلك يتدرب الجهاز على بيانات تم
تحديد خصائصها بواسطة الانسان وتغذية الخوازمية بالنتائج المتوقعة. بعد توفير
العديد من البيانات التي يمكن الاعتماد عليها في عملية التعلم، يتم الاعتماد على الآلة
بالتنبوء بناء على تلك المعطيات.
التطور
الحالي في التعلم الآلي Machine Learning اوصلنا الى ما يسمى بالتعلم العميق Deep Learning، فما هو بالضبط التعلم العميق؟
التعلم العميق Deep Learning:
التعلم العميق Deep Learning هو جزء من التعلم الآلي Machine Learning والذي يعتمد على
الشبكات العصبية الاصطناعية (الشبكات العصبية الاصطناعية تحاكي طريقة عمل دماغ
الانسان ضمن الشبكة العصبية). الفكرة من التعلم العميق ببساطة تتمحور حول توفير
العديد من المدخلات والعديد من المخرجات بالإضافة الى عدة طبقات مخفية بينهما. كل
طبقة من الطبقات تحتوي على العديد من العقد والتي تعمل على تلقي البيانات من العقدة
التي قبلها وتحويلها الى معلومات والتي بدورها ستكون هي مدخلات للعقدة التالية
وهكذا تستمر العملية. الفكرة هنا من احتواء هذا النموذج على العديد من الطبقات هو
تسريع عملية التعلم، حيث أن العقد ضمن الطبقات المختلفة ستتلقى بيانات ادق كل مره
وبذلك سيتم تحسين التنبوء المطلوب بشكل اسرع.
نظريا فإن التعلم العميق هو شيئ قديم، لكن لم يمكن من الممكن استخدامه كما
هو الحال اليوم نظرا لقلة البيانات وعدم توفر القوة الحاسوبية المطلوبة لعملية
التعلم، السؤال الان لماذا نحتاج بيانات كثيرة وقوة حاسوبية كبيرة لتنفيذ التعلم
العميق؟
ببساطة التعلم العميق يعتمد على بيانات غير مصنفة بواسطة الانسان، فهو قادر
بذاته على تحديد الخصائص Features التي ستساعده في عملية التعلم وبالتالي تجميع البيانات في تجمعات
معينة حسب الخصائص المفترضة والتي تتحسن مع مرور الوقت وكثرة البيانات. لتحقيق إمكانية
تحديد الخصائص بدون التدخل البشري يلزمنا أولا إمكانيات حاسوبية هائلة وكذلك
بيانات كبيرة جدا، فقط عند توفر هذين العاملين يمكن الاستفادة من التعلم العميق،
عدا ذلك يمكن الاعتماد على التعلم التعلم الآلي Machine Learning لأنه يحتاج مصادر
حاسوبية اقل وبيانات محدودة للتعلم.