من الكمبيوتر إلى الذكاء الاصطناعي: كيف وصلنا إلى عصر الآلة الذكية؟
منذ أن بدأ الإنسان في استخدام الآلات لإجراء الحسابات، ظل حلمه يتجاوز مجرد تسريع العمليات الحسابية: هل يمكن أن نصنع آلة تستطيع أن تتعلم؟ وهل يمكن للآلة أن تفهم اللغة، وتتعرف على الصور، وتساعد الإنسان في حل المشكلات؟
قد يبدو هذا السؤال حديثًا، خصوصًا مع انتشار أدوات مثل ChatGPT، لكنه في الحقيقة أقدم بكثير من عصر الهواتف الذكية.
ولكي نفهم كيف وصلنا إلى الذكاء الاصطناعي، علينا أن نعود قليلًا إلى الوراء.
من آلة الحساب إلى الكمبيوتر
كانت الحواسيب الأولى مختلفة تمامًا عن الأجهزة التي نعرفها اليوم. فقد كانت كبيرة الحجم ومكلفة، وكان استخدامها مرتبطًا في الأساس بالمؤسسات والمختبرات والجامعات والجهات التي تستطيع تحمل تكلفتها وتشغيلها.
لكن مع تطور المكونات الإلكترونية وانخفاض تكلفتها خلال سبعينيات القرن العشرين، بدأت أجهزة الكمبيوتر تصبح أصغر وأكثر قدرة على الوصول إلى أسواق جديدة. وفي أوائل الثمانينيات دخل الكمبيوتر الشخصي مرحلة الانتشار الجماهيري، وأصبحت فكرة امتلاك جهاز كمبيوتر في المنزل أكثر واقعية.
وهنا بدأت الحوسبة تخرج تدريجيًا من المختبرات والمؤسسات الكبرى إلى حياة الناس اليومية.
لكن كانت هناك مشكلة أخرى:
الكمبيوتر يستطيع معالجة المعلومات، ولكن كيف يمكن أن تتصل أجهزة الكمبيوتر ببعضها؟
ثم جاء الإنترنت
بدأت جذور الإنترنت الحديثة في شبكات بحثية سبقت الإنترنت بصورته الحالية. ومن أهم المحطات في هذه الرحلة شبكة ARPANET، التي بدأت تشغيلها عام 1969 بأربع عقد حاسوبية أولية، وأسهم تطورها في وضع أحد الأسس المهمة للإنترنت الحديث.
لكن الإنترنت ليس هو نفسه الويب.
ففي مارس عام 1989، اقترح عالم الحاسوب البريطاني تيم برنرز-لي في CERN مشروعًا لنظام عالمي للمعلومات يعتمد على النصوص المترابطة. ثم كتب أول خادم ومتصفح للويب في عام 1990، وأصبح الويب متاحًا على الإنترنت على نطاق أوسع في عام 1991.
وبمرور الوقت، تحول الإنترنت والويب إلى جزء أساسي من الحياة اليومية.
أصبح بإمكان الإنسان أن يبحث عن معلومة في ثوانٍ، ويرسل رسالة إلى شخص في قارة أخرى، ويشاهد فيديو، ويقرأ كتابًا، ويشتري منتجًا، وينشر مقالًا يصل إلى قراء في أنحاء العالم.
وهنا حدث شيء بالغ الأهمية بالنسبة للقصة التي نحكيها:
بدأ العالم ينتج كميات هائلة من البيانات.
عندما أصبحت البيانات وقودًا للتعلم
تخيل أنك تريد تعليم طفل التمييز بين القطط والكلاب.
يمكنك أن تريه صورة قطة وتقول له: «هذه قطة»، ثم صورة كلب وتقول له: «هذا كلب»، وتكرر العملية مع عدد كبير من الأمثلة.
بمرور الوقت، يبدأ الطفل في ملاحظة خصائص وأنماط تساعده على التمييز بينهما.
في التعلم الآلي، تحدث فكرة مشابهة بصورة رياضية وحاسوبية أكثر تعقيدًا. تُستخدم البيانات لتدريب نماذج تستطيع اكتشاف أنماط وعلاقات داخلها، ثم استخدام ما تعلمته في إجراء تنبؤات أو تصنيفات أو مهام أخرى.
ومع زيادة قوة الحواسيب، وتوافر كميات ضخمة من البيانات، وتطور الخوارزميات، أصبح بالإمكان بناء أنظمة أكثر قدرة على التعامل مع مشكلات معقدة.
وهكذا بدأت أجزاء الصورة تكتمل:
حواسيب أكثر قوة + بيانات أكثر + خوارزميات متطورة + شبكات عالمية = البيئة التي ساعدت الذكاء الاصطناعي الحديث على النمو.
لكن المفاجأة أن فكرة الذكاء الاصطناعي نفسها ليست جديدة.
متى بدأ الذكاء الاصطناعي؟
يُعد عام 1956 محطة أساسية في تاريخ الذكاء الاصطناعي.
في ذلك العام اجتمع عدد من العلماء في كلية دارتموث الأمريكية ضمن مشروع دارتموث الصيفي لأبحاث الذكاء الاصطناعي. ويُنظر إلى هذا الاجتماع باعتباره لحظة تأسيس مجال الذكاء الاصطناعي بوصفه مجالًا بحثيًا مستقلًا، كما ارتبط به ظهور مصطلح «الذكاء الاصطناعي» الذي صاغه عالم الرياضيات جون مكارثي.
أي أن الذكاء الاصطناعي ليس وليد ChatGPT، ولا وليد الهواتف الذكية.
لقد بدأت فكرته قبل سبعين عامًا.
لكن لماذا يبدو لنا اليوم وكأنه ظهر فجأة؟
لأن القدرة على تحقيق هذه الفكرة تطورت تدريجيًا عبر عقود.
فما هو الذكاء الاصطناعي؟
بأبسط صورة ممكنة، الذكاء الاصطناعي هو مجموعة من التقنيات التي تجعل الأنظمة الحاسوبية قادرة على تنفيذ مهام تتطلب عادةً بعض القدرات التي نربطها بالذكاء البشري، مثل التعلم من البيانات، والتنبؤ، والتعرف على الأنماط، وفهم اللغة، والتوصية، واتخاذ بعض القرارات أو دعمها.
ويعرّف المعهد الوطني الأمريكي للمعايير والتكنولوجيا NIST نظام الذكاء الاصطناعي بأنه نظام قائم على الآلة يستطيع، لتحقيق أهداف يحددها الإنسان، إنتاج تنبؤات أو توصيات أو قرارات تؤثر في بيئات حقيقية أو افتراضية.
وهنا يجب أن ننتبه إلى كلمة مهمة جدًا:
«محاكاة».
فالذكاء الاصطناعي لا يعني بالضرورة أننا صنعنا عقلًا بشريًا داخل الكمبيوتر.
هل الذكاء الاصطناعي يفكر مثل الإنسان؟
عندما يكتب لك برنامج ذكي إجابة متماسكة، أو يلخص كتابًا، أو يترجم نصًا، أو ينشئ صورة، قد يبدو لك أنه يفكر بالطريقة نفسها التي يفكر بها الإنسان.
لكن هذا الاستنتاج يحتاج إلى قدر كبير من الحذر.
فالأنظمة الحالية يمكن أن تكون شديدة القدرة في مهام محددة، لكنها لا تعني تلقائيًا امتلاكها وعيًا أو مشاعر أو تجربة إنسانية مثل الإنسان.
وهذا يقودنا إلى التمييز بين الذكاء الاصطناعي الموجود حاليًا وبين مفهوم الذكاء الاصطناعي العام AGI، وهو مفهوم افتراضي يشير إلى أنظمة تمتلك قدرات عامة واسعة عبر مجموعة كبيرة من المهام. أما الذكاء الاصطناعي العام بهذا المعنى، فما يزال مفهومًا نظريًا وليس وصفًا لقدرة متاحة بالفعل في الأنظمة الحالية.
من الذكاء الاصطناعي إلى التعلم الآلي
لفهم ما يحدث اليوم، نحتاج إلى مصطلح آخر: التعلم الآلي Machine Learning.
التعلم الآلي أحد فروع الذكاء الاصطناعي، ويعتمد على تدريب أنظمة حاسوبية باستخدام البيانات حتى تستطيع اكتشاف الأنماط وتحسين دقة تنبؤاتها أو نتائجها.
وهناك أيضًا التعلم العميق Deep Learning، وهو أحد فروع التعلم الآلي يعتمد على شبكات عصبية متعددة الطبقات، وقد أصبح مهمًا جدًا في مجالات مثل معالجة اللغة والصور والتعرف على الأنماط المعقدة.
ثم وصلنا إلى مرحلة أكثر إثارة:
الذكاء الاصطناعي التوليدي.
عندما بدأت الآلة في إنشاء محتوى جديد
الذكاء الاصطناعي التوليدي لا يقتصر على تحليل المعلومات الموجودة، بل يستطيع إنشاء محتوى جديد، مثل النصوص والصور والصوت والفيديو، اعتمادًا على الأنماط التي تعلمها من بيانات التدريب.
وهنا ظهر جيل جديد من التطبيقات التي أصبحت مألوفة لدى ملايين المستخدمين.
ومن أبرز الأمثلة نماذج اللغة الكبيرة LLMs، التي تستطيع التعامل مع اللغة البشرية وإنشاء النصوص استجابةً لطلبات المستخدم.
ولهذا أصبحت أدوات مثل ChatGPT قادرة على كتابة نص، أو تلخيص معلومات، أو المساعدة في البرمجة، أو ترجمة محتوى، أو اقتراح أفكار.
وهنا يمكننا أن نفهم لماذا يبدو عصرنا مختلفًا عن عصر الكمبيوتر القديم.
فالكمبيوتر التقليدي كان ينتظر أن نخبره بالتعليمات.
أما الأنظمة الحديثة فتستطيع التعامل مع اللغة والصور والصوت والبيانات، والتعلم من كميات هائلة من الأمثلة، وإنتاج نتائج جديدة.
الذكاء الاصطناعي في حياتنا اليومية
قد لا نشعر أحيانًا بوجود الذكاء الاصطناعي حولنا، لأنه أصبح جزءًا من العديد من الخدمات الرقمية.
يمكن أن يدخل في:
- أنظمة التوصية بالمحتوى.
- التعرف على الصور والوجوه.
- معالجة اللغة والترجمة.
- اكتشاف الرسائل المزعجة.
- تحليل البيانات.
- المساعدة في بعض التطبيقات الطبية.
- أدوات الكتابة والترجمة.
- البحث وتحليل المعلومات.
- إنشاء النصوص والصور والصوت.
وهذا يعني أن الذكاء الاصطناعي لم يعد مجرد فكرة من أفلام الخيال العلمي.
لقد أصبح بالفعل جزءًا من الحياة اليومية.
وهل هذه هي نهاية القصة؟
على العكس تمامًا.
ربما نحن في بداية فصل جديد.
لقد بدأت الرحلة بآلات حساب ضخمة ومكلفة، ثم جاء الكمبيوتر الشخصي، وبعده الإنترنت والويب، ثم الهواتف الذكية، وتدفقت البيانات من مليارات الأجهزة والخدمات.
ومع تطور الخوارزميات وقوة الحوسبة، أصبح من الممكن تدريب نماذج قادرة على التعامل مع اللغة والصور وغيرها من أشكال البيانات بدرجات مذهلة من التعقيد.
لكن القوة التقنية تطرح سؤالًا أكبر من سؤال: ماذا يستطيع الذكاء الاصطناعي أن يفعل؟
السؤال الأهم هو:
كيف نستخدمه؟
فالذكاء الاصطناعي يمكن أن يكون أداة قوية للتعلم والبحث والإبداع وتحسين الخدمات، لكنه يحتاج أيضًا إلى استخدام مسؤول، ومراجعة بشرية، واهتمام بالدقة والخصوصية والأمان.
وفي النهاية، ربما تكون أعظم قفزة في تاريخ الذكاء الاصطناعي ليست أن الآلة أصبحت أكثر شبهًا بالإنسان، وإنما أن الإنسان أصبح يمتلك أداة جديدة يمكنها أن توسع قدرته على المعرفة والإبداع.
لقد انتقلنا من آلة لا تفعل إلا ما نبرمجها عليه، إلى أنظمة تستطيع التعلم من البيانات والتعامل مع اللغة والصور وإنتاج محتوى جديد.
لكن كيف تتعلم هذه الآلات أصلًا؟
كيف تتحول ملايين أو مليارات الأمثلة إلى نموذج قادر على التنبؤ والإجابة والإنشاء؟
هذا هو السؤال الذي سنجيب عنه في المقال القادم: كيف يتعلم الذكاء الاصطناعي؟
المصادر والمراجع
- Dartmouth College — AI at Dartmouth: تاريخ مؤتمر دارتموث عام 1956 وبدايات مجال الذكاء الاصطناعي.
- DARPA — ARPANET: تاريخ ARPANET وبدايات الشبكات التي أسهمت في تطور الإنترنت الحديث.
- W3C — World Wide Web: مقترح تيم برنرز-لي الأصلي لإنشاء الويب عام 1989.
- W3C — Tim Berners-Lee Biography: معلومات تاريخية عن إنشاء أول خادم ومتصفح للويب وإتاحته على الإنترنت.
- Computer History Museum: تاريخ تطور الكمبيوتر الشخصي وانتقال أجهزة الكمبيوتر إلى السوق الجماهيري في السبعينيات وأوائل الثمانينيات.
- NIST — Artificial Intelligence Glossary: تعريف الذكاء الاصطناعي.
- NIST — Generative Artificial Intelligence Glossary: تعريف الذكاء الاصطناعي التوليدي.
- IBM — Machine Learning: شرح التعلم الآلي وعلاقته بالذكاء الاصطناعي والبيانات.
- IBM — AI vs. Machine Learning vs. Deep Learning: توضيح العلاقة بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق.
بقلم
د سامح هدهود