"الذكاء الاصطناعي لن يحل محل البشر، ولكن البشر الذين لديهم الذكاء الاصطناعي سوف يحلون محل البشر الذين لا يمتلكون الذكاء الاصطناعي." - البروفيسور كريم لاخاني من كلية هارفارد للأعمال (لاخاني، 2023)

ما يحتاج طلاب الجامعات إلى معرفته حول الذكاء الاصطناعي

يحدث الذكاء الاصطناعي ثورة في العديد من القطاعات، من الرعاية الصحية إلى التمويل. إن فهم أسسه وتطوراته أمر بالغ الأهمية لأي شخص يتطلع إلى البقاء في المقدمة في عالم الأعمال اليوم. يشرح هذا الدليل أهم عشرة أشياء يجب أن تعرفها عن الذكاء الاصطناعي، وهو مصمم خصيصًا لطلاب إدارة الأعمال في الكلية.

فهم صعود وظهور الذكاء الاصطناعي

ما هو الذكاء الاصطناعي؟

الذكاء الاصطناعي هو فرع من فروع علوم الكمبيوتر يركز على إنشاء آلات قادرة على أداء المهام التي تتطلب عادةً الذكاء البشري. تتضمن هذه المهام التعرف على الكلام، وتحديد الصور، وفهم اللغة الطبيعية، واتخاذ القرارات، وحتى لعب ألعاب معقدة مثل الشطرنج والغو. الهدف النهائي للذكاء الاصطناعي هو تطوير أنظمة يمكنها التعلم من الخبرة، والتكيف مع المدخلات الجديدة، وتنفيذ مهام شبيهة بالمهام البشرية بدقة وكفاءة.

الذكاء الاصطناعي في سياق الأعمال

بالنسبة لطلاب الأعمال، يعد فهم الذكاء الاصطناعي أمرًا بالغ الأهمية لأنه يحول قطاعات مختلفة بما في ذلك التمويل والتسويق وإدارة العمليات والمزيد. تمكن أدوات الذكاء الاصطناعي الشركات من تحليل مجموعات البيانات الضخمة والتنبؤ بالاتجاهات وأتمتة المهام الروتينية وتحسين عمليات صنع القرار. على سبيل المثال، في مجال التسويق، يمكن للذكاء الاصطناعي تخصيص تجارب العملاء من خلال تحليل سلوك المستهلك وتفضيلاته. في مجال التمويل، يمكن للذكاء الاصطناعي تعزيز اكتشاف الاحتيال وأتمتة استراتيجيات التداول.

تعريفات مختلفة للذكاء الاصطناعي

لا يوجد تعريف مقبول عالميًا للذكاء الاصطناعي. بشكل عام، يمكن وصفه بأنه استخدام الخوارزميات لأداء المهام التي تتطلب عادةً الذكاء البشري. ومع ذلك، يمكن أن يختلف نطاق الذكاء الاصطناعي:

• الذكاء الاصطناعي الضيق: أنظمة الذكاء الاصطناعي المصممة لمهام محددة، مثل المساعدين الافتراضيين مثل Siri أو Alexa، والتي هي جيدة في أداء مجموعة محدودة من الوظائف.
• الذكاء الاصطناعي العام: أنظمة الذكاء الاصطناعي الافتراضية التي تمتلك القدرة على أداء أي مهمة فكرية يستطيع الإنسان القيام بها. ويظل هذا المستوى من الذكاء الاصطناعي موضوعًا للبحث النظري.
• الذكاء الاصطناعي الفائق الذكاء: الذكاء الاصطناعي الذي يتفوق على الذكاء البشري في كافة المجالات. هذا المفهوم أكثر تخمينًا وموضوعًا للنقاش بين الخبراء.

تُعرِّف المفوضية الأوروبية الذكاء الاصطناعي بأنه الأنظمة التي تُظهر سلوكًا ذكيًا من خلال تحليل بيئتها واتخاذ إجراءات لتحقيق أهداف محددة. ويشمل هذا التعريف مجموعة واسعة من القدرات التي يمكن أن يتمتع بها الذكاء الاصطناعي، بدءًا من الأنظمة الآلية البسيطة إلى خوارزميات التعلم المعقدة.

الجذور التاريخية وتطور الذكاء الاصطناعي

البدايات المبكرة

يعود مفهوم الكائنات الاصطناعية إلى الأساطير والقصص القديمة. على سبيل المثال، كان تالوس، الآلي العملاق في الأساطير اليونانية، والغوليم، وهو مخلوق من الفولكلور اليهودي، تمثيلات مبكرة للكيانات التي صنعها الإنسان والتي تتمتع بقوى خاصة. تعكس هذه الأساطير شغف البشرية الدائم بخلق آلات تشبه الحياة.

الأسس الفلسفية

في القرن السابع عشر، بدأت فكرة التفسيرات الآلية للفكر البشري تتشكل. وتكهن رينيه ديكارت وغيره من الفلاسفة بإمكانية وجود أدمغة ميكانيكية، مما مهد الطريق للتقدم التكنولوجي اللاحق. وأكد تأكيد ديكارت الشهير "أنا أفكر، إذن أنا موجود" على أهمية التفكير والوعي، وهما موضوعان أساسيان في أبحاث الذكاء الاصطناعي.

الميلاد الرسمي للذكاء الاصطناعي

كانت بداية ظهور الذكاء الاصطناعي رسميًا كتخصص علمي في عام 1956 في مؤتمر دارتموث، الذي نظمه جون مكارثي، ومارفن مينسكي، وناثانيال روتشستر، وكلود شانون. وقد مثل هذا الحدث بداية الموجة الأولى للذكاء الاصطناعي. وكان الهدف من المؤتمر استكشاف إمكانية إنشاء آلات يمكنها محاكاة جوانب من الذكاء البشري. وناقش الحاضرون موضوعات مثل معالجة اللغة الطبيعية، والشبكات العصبية، والخوارزميات ذاتية التحسين.

الموجات الثلاث للذكاء الاصطناعي

1. الذكاء الاصطناعي الرمزي (خمسينيات وستينيات القرن العشرين): ركز هذا العصر على التفكير الرمزي والمنطق. طور الباحثون أنظمة قادرة على إجراء استنتاجات منطقية وحل المشكلات باستخدام قواعد محددة مسبقًا. تشمل المشاريع البارزة Logic Theorist، الذي أثبت النظريات الرياضية، وELIZA، وهو برنامج معالجة لغة طبيعية مبكر يحاكي معالجًا نفسيًا.
2. الأنظمة الخبيرة (1980): وشهدت الموجة الثانية ظهور أنظمة الخبراء، التي قامت بترميز الخبرة البشرية في قواعد لأتمتة عمليات اتخاذ القرار. وقد استُخدمت هذه الأنظمة في مجالات مختلفة، بما في ذلك التشخيص الطبي والتخطيط المالي والهندسة. وعلى الرغم من نجاحها، واجهت أنظمة الخبراء قيودًا بسبب اعتمادها على قواعد محددة مسبقًا، مما جعلها غير مرنة في التعامل مع المواقف الجديدة.
3. التعلم الآلي والتعلم العميق (منذ التسعينيات وحتى الوقت الحاضر): وقد جلبت الموجة الثالثة تقدمًا كبيرًا مع تطوير خوارزميات التعلم الآلي والتعلم العميق. وعلى عكس الأساليب السابقة، تتعلم هذه الخوارزميات من البيانات، مما يحسن أدائها بمرور الوقت. وتشمل الاختراقات الرئيسية تطوير الشبكات العصبية، وآلات المتجهات الداعمة، والتعلم التعزيزي. وتتراوح التطبيقات من التعرف على الصور والكلام إلى لعب الألعاب والقيادة الذاتية.

المفاهيم الأساسية للذكاء الاصطناعي

التعلم الآلي (ML)

التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي تركز على تطوير الخوارزميات التي تسمح لأجهزة الكمبيوتر بالتعلم من البيانات واتخاذ القرارات بناءً عليها. ينقسم التعلم الآلي إلى ثلاثة أنواع رئيسية:

• التعلم تحت الإشراف: يتضمن تدريب نموذج على بيانات مُسمَّاة، حيث يكون الناتج المطلوب معروفًا. يتعلم النموذج كيفية تعيين المدخلات إلى المخرجات استنادًا إلى بيانات التدريب هذه. تتضمن التطبيقات الشائعة اكتشاف البريد العشوائي وتصنيف الصور والتحليلات التنبؤية.
• التعلم غير الخاضع للإشراف: يتضمن تدريب نموذج على بيانات غير مُسمَّاة، حيث يكون الناتج المطلوب غير معروف. يحدد النموذج الأنماط والهياكل في البيانات. تتضمن التطبيقات التجميع، وتقليل الأبعاد، واكتشاف الشذوذ.
• التعلم التعزيزي: يتضمن تدريب نموذج لاتخاذ سلسلة من القرارات من خلال التفاعل مع البيئة. يتعلم النموذج تحقيق هدف من خلال تلقي المكافآت أو العقوبات على أفعاله. تتضمن التطبيقات لعب الألعاب والروبوتات والمركبات ذاتية القيادة.

التعلم العميق

التعلم العميق هو جزء من التعلم الآلي يستخدم الشبكات العصبية ذات الطبقات العديدة (ومن هنا جاءت تسميتها "العميقة") لنمذجة الأنماط المعقدة في البيانات. تستلهم الشبكات العصبية بنيتها ووظيفتها من الدماغ البشري، الذي يتكون من عقد مترابطة (عصبونات) تعالج المعلومات. تتضمن المكونات الرئيسية للشبكات العصبية ما يلي:

• طبقة الإدخال: يستقبل بيانات الإدخال.
• الطبقات المخفية: معالجة البيانات المدخلة من خلال سلسلة من التحويلات.
• طبقة الإخراج: ينتج الناتج النهائي.

لقد مكّن التعلم العميق من تحقيق تقدم كبير في مجالات مثل التعرف على الصور والكلام، ومعالجة اللغة الطبيعية، والأنظمة المستقلة. ومن بين بنيات التعلم العميق البارزة الشبكات العصبية التلافيفية (CNNs) لمعالجة الصور والشبكات العصبية المتكررة (RNNs) لبيانات التسلسل.

معالجة اللغة الطبيعية

البرمجة اللغوية العصبية (NLP) هي مجال من مجالات الذكاء الاصطناعي يركز على التفاعل بين أجهزة الكمبيوتر واللغة البشرية. تمكن البرمجة اللغوية العصبية الآلات من فهم اللغة البشرية وتفسيرها وتوليدها. تتضمن المكونات الرئيسية للبرمجة اللغوية العصبية ما يلي:

• الرمز المميز: تقسيم النص إلى كلمات أو رموز فردية.
• وسم أجزاء الكلام: تحديد الأجزاء النحوية للكلام في الجملة.
• التعرف على الكيان المسمى: تحديد الكيانات وتصنيفها (على سبيل المثال، الأسماء، التواريخ، المواقع) في النص.
• تحليل المشاعر: تحديد المشاعر أو العواطف المعبر عنها في النص.

تتضمن تطبيقات معالجة اللغة الطبيعية (NLP) برامج الدردشة الآلية، وترجمة اللغة، وتحليل المشاعر، واسترجاع المعلومات.

رؤية الكمبيوتر

تمكن الرؤية الحاسوبية الآلات من تفسير وتحليل البيانات المرئية من العالم، مثل الصور ومقاطع الفيديو. تتضمن المكونات الرئيسية للرؤية الحاسوبية ما يلي:

• تصنيف الصورة: تحديد الأشياء أو المشاهد في الصورة.
• اكتشاف الكائن: تحديد موقع الأشياء وتحديد هويتها داخل الصورة.
• التجزئة: تقسيم الصورة إلى مناطق أو أجزاء ذات معنى.
• إنشاء الصورة: إنشاء صور جديدة بناءً على الأنماط التي تم تعلمها.

تشمل تطبيقات الرؤية الحاسوبية التعرف على الوجه، والمركبات ذاتية القيادة، والتصوير الطبي، والواقع المعزز.

الروبوتات

يتضمن علم الروبوتات تصميم واستخدام الروبوتات، وهي عبارة عن آلات تعمل بالذكاء الاصطناعي وقادرة على أداء المهام بشكل مستقل أو شبه مستقل. وتشمل المكونات الرئيسية لعلم الروبوتات ما يلي:

• تصور: استخدام أجهزة الاستشعار لإدراك البيئة.
• تخطيط: تحديد تسلسل الإجراءات لتحقيق هدف.
• يتحكم: تنفيذ الأعمال المخططة بدقة.
• التشغيل: استخدام المحركات والمشغلات للتحرك والتفاعل مع البيئة.

تشمل تطبيقات الروبوتات أتمتة التصنيع، والروبوتات الجراحية، والطائرات بدون طيار، وروبوتات الخدمة.

محركات التقدم في مجال الذكاء الاصطناعي وتطبيقاته

الاكتشافات العلمية

لقد تطور الذكاء الاصطناعي بسرعة كبيرة بفضل العديد من الاختراقات العلمية. فقد أدت الابتكارات في الخوارزميات، مثل تطوير الشبكات العصبية، وآلات المتجهات الداعمة، والتعلم التعزيزي، إلى توسيع قدرات الذكاء الاصطناعي. كما ساهمت الأبحاث في مجال العلوم المعرفية وعلم الأعصاب في فهم كيفية تكرار الذكاء البشري في الآلات.

• الشبكات العصبية: تتألف الشبكات العصبية، المستوحاة من الدماغ البشري، من عقد مترابطة (خلايا عصبية) تعالج المعلومات. وقد أدت التطورات في هياكل الشبكات العصبية، مثل الشبكات العصبية التلافيفية (CNNs) والشبكات العصبية المتكررة (RNNs)، إلى تحسينات كبيرة في مهام مثل التعرف على الصور والكلام.
• آلات الدعم المتجهة (SVMs): خوارزمية تعلم خاضعة للإشراف تُستخدم في مهام التصنيف والانحدار. تعمل خوارزميات SVM من خلال إيجاد المستوى الفائق الأمثل الذي يفصل بين نقاط البيانات من فئات مختلفة.
• التعلم التعزيزي (RL): مجال من مجالات التعلم الآلي حيث يتعلم العميل اتخاذ القرارات من خلال التفاعل مع البيئة وتلقي ردود الفعل في شكل مكافآت أو عقوبات. تم تطبيق التعلم الآلي بنجاح في لعب الألعاب والروبوتات والأنظمة المستقلة.

زيادة قوة الحوسبة

كان نمو القدرة الحاسوبية، وفقًا لقانون مور، الذي يتوقع مضاعفة الترانزستورات على الشريحة كل عامين، محركًا رئيسيًا للتقدم في مجال الذكاء الاصطناعي. أصبحت الهواتف الذكية اليوم أقوى من أفضل أجهزة الكمبيوتر قبل بضعة عقود. وقد مكنت هذه الزيادة في القدرة الحاسوبية من معالجة كميات هائلة من البيانات اللازمة لتدريب نماذج الذكاء الاصطناعي المعقدة.

• وحدات معالجة الرسوميات (GPUs): تم تصميم وحدات معالجة الرسومات في البداية لتقديم الرسومات، ولكنها تُستخدم الآن على نطاق واسع في مهام الذكاء الاصطناعي بسبب قدرتها على إجراء العمليات الحسابية المتوازية بكفاءة.
• وحدات معالجة الموتر (TPUs): أجهزة متخصصة صممتها Google خصيصًا لأحمال عمل الذكاء الاصطناعي، حيث توفر تحسينات كبيرة في السرعة والكفاءة مقارنة بوحدات المعالجة المركزية ووحدات معالجة الرسومات التقليدية.

انفجار البيانات

لقد جلب العصر الرقمي انفجارًا في البيانات، مما وفر المواد الخام لأنظمة الذكاء الاصطناعي للتعلم والتحسين. سمحت تقنيات البيانات الضخمة بجمع وتخزين وتحليل مجموعات بيانات ضخمة. تعد هذه البيانات ضرورية لتدريب نماذج التعلم الآلي، والتي تتطلب كميات كبيرة من المعلومات للتوصل إلى تنبؤات وقرارات دقيقة.

• مصادر البيانات: يتم توليد البيانات من مصادر مختلفة، بما في ذلك وسائل التواصل الاجتماعي، وأجهزة الاستشعار، ومعاملات التجارة الإلكترونية، والأجهزة المحمولة. تتيح هذه البيانات المتنوعة لأنظمة الذكاء الاصطناعي التعلم من السيناريوهات الواقعية وتحسين أدائها.
• تخزين البيانات: لقد أتاح التقدم في الحوسبة السحابية وأنظمة التخزين الموزعة تخزين كميات هائلة من البيانات ومعالجتها بكفاءة.

التطبيقات الحالية للذكاء الاصطناعي

لقد أصبح الذكاء الاصطناعي الآن جزءًا لا يتجزأ من العديد من جوانب حياتنا اليومية، بما في ذلك:

• المساعدون الافتراضيون: تساعد المساعدين المدعمين بالذكاء الاصطناعي مثل Siri وAlexa وGoogle Assistant المستخدمين على أداء المهام والإجابة على الأسئلة والتحكم في أجهزة المنزل الذكية.
• أنظمة التوصية: توصي خوارزميات الذكاء الاصطناعي بالمنتجات والخدمات والمحتوى بناءً على تفضيلات المستخدم وسلوكه. ومن الأمثلة على ذلك توصيات الأفلام من Netflix واقتراحات المنتجات من Amazon.
• الرعاية الصحية: تُستخدم الذكاء الاصطناعي في التشخيص ووضع خطط العلاج المخصصة واكتشاف الأدوية. على سبيل المثال، يمكن للذكاء الاصطناعي تحليل الصور الطبية للكشف عن أمراض مثل السرطان أو مساعدة الأطباء في وضع خطط علاج مخصصة.
• المركبات ذاتية القيادة: تستخدم السيارات ذاتية القيادة الذكاء الاصطناعي للتنقل على الطرق وتجنب العوائق واتخاذ قرارات القيادة. وتتصدر شركات مثل Tesla وWaymo وUber طليعة تطوير تكنولوجيا القيادة الذاتية.
• تمويل: تقوم خوارزميات الذكاء الاصطناعي بتحليل اتجاهات السوق، واكتشاف الاحتيال، وأتمتة التداول. كما يتم استخدام الذكاء الاصطناعي في برامج الدردشة لخدمة العملاء والاستشارات المالية الشخصية.

التحديات في تعريف الذكاء الاصطناعي

إن أحد أكبر التحديات التي تواجه الذكاء الاصطناعي هو أنه تقليد لشيء لا نفهمه تمامًا: الذكاء البشري. هذا المجال المتطور يتحدى تعريفًا واحدًا ثابتًا. ومع تقدم التكنولوجيا، يستمر فهمنا وتعريفاتنا للذكاء الاصطناعي في التطور. إن إدراك هذه التحديات يسلط الضوء على تعقيد الذكاء الاصطناعي وطبيعته الديناميكية، مما يتطلب التعلم والتكيف المستمر.

• الاعتبارات الأخلاقية: يثير تطوير الذكاء الاصطناعي ونشره أسئلة أخلاقية، مثل التحيز في أنظمة الذكاء الاصطناعي، وخصوصية البيانات، وتأثير الأتمتة على الوظائف. إن معالجة هذه القضايا أمر بالغ الأهمية لضمان الاستخدام المسؤول للذكاء الاصطناعي.
• القدرة على التفسير: إن فهم كيفية اتخاذ نماذج الذكاء الاصطناعي للقرارات أمر بالغ الأهمية لكسب الثقة وضمان المساءلة. ويعمل الباحثون على تطوير تقنيات لجعل نماذج الذكاء الاصطناعي أكثر قابلية للتفسير وشفافية.

مستقبل الذكاء الاصطناعي

في حين أننا ما زلنا بعيدين عن تحقيق الذكاء الاصطناعي العام، حيث تمتلك الآلات جميع القدرات الفكرية البشرية، فإن التطبيقات الحالية للذكاء الاصطناعي تعمل بالفعل على تحويل عالمنا. يحمل المستقبل إمكانيات مثيرة مع استمرار الذكاء الاصطناعي في التطور والتكامل مع جوانب مختلفة من الحياة. يعد البقاء على اطلاع على تطورات الذكاء الاصطناعي المستقبلية أمرًا بالغ الأهمية لطلاب الأعمال لتوقع التغييرات والفرص في المشهد التجاري.

• الذكاء الاصطناعي والمجتمع: سيستمر تأثير الذكاء الاصطناعي على المجتمع في النمو، وسيؤثر على مجالات مثل التعليم والرعاية الصحية والنقل والاقتصاد. إن فهم هذه التأثيرات سيساعد قادة الأعمال على اتخاذ قرارات مستنيرة والاستفادة من إمكانات الذكاء الاصطناعي لإحداث تغيير إيجابي.
• التقنيات الناشئة: وسوف تتقاطع الذكاء الاصطناعي بشكل متزايد مع التقنيات الناشئة الأخرى، مثل إنترنت الأشياء، والبلوك تشين، والواقع المعزز. ومن شأن هذه التآزرات أن تخلق فرصًا جديدة للابتكار ونمو الأعمال.

خاتمة

إن فهم الذكاء الاصطناعي وتداعياته ليس فقط لعشاق التكنولوجيا؛ بل إنه أمر حيوي لأي شخص في عالم الأعمال. ومع استمرار تقدم الذكاء الاصطناعي، فإن تأثيره سينمو فقط، مما يجعل من الضروري لطلاب الأعمال أن يبقوا على اطلاع ومستعدين للاستفادة من تقنيات الذكاء الاصطناعي في حياتهم المهنية المستقبلية. يهدف هذا الدليل الشامل إلى تزويدك بالمعرفة الأساسية اللازمة للتنقل في المشهد المتطور للذكاء الاصطناعي وتسخير إمكاناته في عالم الأعمال.

مراجع

لاخاني، ك.، وإغناتيوس، أ. (2023، أغسطس). الذكاء الاصطناعي لن يحل محل البشر، لكن البشر الذين لديهم الذكاء الاصطناعي سوف يحلون محل البشر الذين لا يمتلكون الذكاء الاصطناعي. هارفارد بيزنس ريفيو. https://hbr.org/2023/08/الذكاء الاصطناعي لن يحل محل البشر، لكن البشر مع الذكاء الاصطناعي سيحلون محل البشر بدون الذكاء الاصطناعي

موليك، إي. (2024). الذكاء المشترك: العيش والعمل مع الذكاء الاصطناعي (طبعة مصورة). مجموعة بنغوين للنشر. ISBN: 059371671X، 9780593716717.

الشيخ، ح.، برينس، س.، شريفرز، إي. (2023). الذكاء الاصطناعي: التعريف والخلفية. في: مهمة الذكاء الاصطناعي. البحث من أجل السياسة. سبرينغر، شام. https://doi.org/10.1007/978-3-031-21448-6_2