الذكاء الاصطناعي (AI)
ماذا يعني الذكاء الاصطناعي (AI)؟
يشير الذكاء الاصطناعي (AI) إلى محاكاة الذكاء البشري في الآلات المبرمجة للتفكير مثل البشر وتقليد أفعالهم. يمكن اطلاق المصطلح أيضًا على أي جهاز يعرض سمات مرتبطة بالعقل البشري مثل التعلم وحل المشكلات.
السمة البارزة للذكاء الاصطناعي هي قدرته على ترشيد واتخاذ الإجراءات التي لديها أفضل الفرص لتحقيق هدف محدد.
الذكاء الاصطناعي (AI) هو فرع واسع النطاق لعلوم الكمبيوتر والحاسوب تقوم ببناء آلات ذكية قادرة على أداء المهام التي تتطلب عادةً الذكاء البشري.
كيف يعمل الذكاء الاصطناعي؟
هل تستطيع الآلات التفكير؟ - آلان تورينج ، 1950
بعد أقل من عقد على كسر لغز التشفير النازي ومساعدة قوات الحلفاء على الفوز في الحرب العالمية الثانية ، غيّر عالم الرياضيات آلان تورينج التاريخ للمرة الثانية بسؤال بسيط: "هل تستطيع الآلات التفكير؟"
لقد حدد بحث تورينغ "الآلات الحاسوبية والذكاء" (1950) ، واختبار تورينج اللاحق ، الهدف الأساسي والرؤية الأساسية للذكاء الاصطناعي.
ما هو الذكاء الاصطناعي في جوهره ، الذكاء الاصطناعي هو فرع علوم الكمبيوتر الذي يهدف إلى الإجابة على سؤال تورينج بالإيجاب، إنها محاولة لمحاكاة الذكاء البشري بواسطة الآلات.
أثار الهدف الواسع للذكاء الاصطناعي العديد من الأسئلة والنقاشات ،لدرجة أنه لا يوجد تعريف فردي للمجال مقبول عالميًا.
القيد الرئيسي في تعريف الذكاء الاصطناعي على أنه "آلات بناء ذكية" هو أنه لا يفسر بالفعل ما هو الذكاء الاصطناعي؟ ما الذي يجعل الآلة ذكية؟
في كتابهم الرائد الذكاء الاصطناعي: نهج حديث ، يتناول المؤلفان ستيوارت راسل وبيتر نورفيج السؤال من خلال توحيد عملهم حول موضوع العوامل الذكية في الآلات. مع أخذ ذلك في الاعتبار ، فإن الذكاء الاصطناعي هو "دراسة العوامل التي تتلقى تصورات من البيئة وأداء الإجراءات". (راسل ونورفيج الثامن)
يواصل نورفيج وراسل استكشاف أربعة مناهج مختلفة حددت ملامح مجال الذكاء الاصطناعي:
التفكير بطريقة إنسانية
التفكير بعقلانية
التصرف بشكل إنساني
التصرف بعقلانية
تتعلق الفكرة الأولي والثانية بعمليات التفكير والاستدلال، بينما تتعامل الأفكار الأخرى مع السلوك. يركز نورفيج وراسل بشكل خاص على العوامل العقلانية التي تعمل لتحقيق أفضل النتائج ، مشيرة إلى أن "جميع المهارات اللازمة لاختبار تورينج تسمح أيضًا للوكيل بالتصرف بعقلانية".
يعرف باتريك وينستون ، أستاذ فورد للذكاء الاصطناعي وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا ، الذكاء الاصطناعي بأنه "خوارزميات ممكّنة بسبب القيود ، مكشوفة من خلال تمثيلات تدعم النماذج التي تستهدف الحلقات التي تربط التفكير والإدراك والعمل معًا
في حين أن هذه التعريفات قد تبدو مجردة للشخص العادي ، إلا أنها تساعد في تركيز المجال كمجال لعلوم الكمبيوتر وتوفر مخططًا لدمج الآلات والبرامج مع التعلم الآلي ومجموعات فرعية أخرى من الذكاء الاصطناعي.
أثناء مخاطبة حشد في تجربة الذكاء الاصطناعي اليابانية في عام 2017 ، بدأ جيريمي أشين ، الرئيس التنفيذي لشركة DataRobot ، حديثه من خلال تقديم التعريف التالي لكيفية استخدام الذكاء الاصطناعي اليوم:
"إن الذكاء الاصطناعي عبارة عن نظام كمبيوتر قادر على أداء المهام التي تتطلب عادة الذكاء البشري ... والعديد من أنظمة الذكاء الاصطناعي هذه تعمل عن طريق التعلم الآلي ، وبعضها يعمل عن طريق التعلم العميق وبعضها يعمل بأشياء مملة للغاية مثل القواعد ".
فهم الذكاء الاصطناعي
عندما يسمع معظم الناس مصطلح الذكاء الاصطناعي ، فإن أول ما يفكرون به عادةً هو الروبوتات. ذلك لأن الأفلام والروايات ذات الميزانية الضخمة تنسج قصصًا عن آلات تشبه الإنسان وتسبب الخراب على الأرض. لكنه شيء يمكن أن يكون أبعد عن الحقيقة.
يعتمد الذكاء الاصطناعي على مبدأ أنه يمكن تعريف الذكاء البشري بطريقة تمكن الآلة من تقليده وتنفيذ المهام بسهولة ، من أبسطها إلى تلك الأكثر تعقيدًا. تشمل أهداف الذكاء الاصطناعي التعلم والاستدلال والإدراك.
مع تقدم التكنولوجيا ، أصبحت المعايير السابقة التي حددت الذكاء الاصطناعي قديمة. على سبيل المثال ، لم تعد الآلات التي تحسب الوظائف الأساسية أو تتعرف على النص من خلال التعرف الأمثل على الأحرف تجسد الذكاء الاصطناعي ، نظرًا لأن هذه الوظيفة تُعتبر الآن أمرا مفروغًا منه كوظيفة كمبيوتر متأصلة.
يتطور الذكاء الاصطناعي باستمرار لإفادة العديد من الصناعات المختلفة ،و يتم ربط الأجهزة باستخدام نهج متعدد التخصصات قائم على الرياضيات ، وعلوم الكمبيوتر ، واللغويات ، وعلم النفس ، والمزيد.
غالبًا ما تلعب الخوارزميات دورًا مهمًا جدًا في بنية الذكاء الاصطناعي ، حيث يتم استخدام الخوارزميات البسيطة في التطبيقات البسيطة ، بينما تساعد الخوارزميات الأكثر تعقيدًا في تأصيل الذكاء الاصطناعي القوي.
تطبيقات الذكاء الاصطناعي
تطبيقات الذكاء الاصطناعي لا حصر لها. يمكن تطبيق التكنولوجيا على العديد من القطاعات والصناعات المختلفة. يتم اختبار الذكاء الاصطناعي واستخدامه في صناعة الأدوية والعلاجات المختلفة للمرضى وللإجراءات الجراحية في غرفة العمليات.
تشمل الأمثلة الأخرى للآلات ذات الذكاء الاصطناعي أجهزة الكمبيوتر التي تلعب الشطرنج والسيارات ذاتية القيادة. يجب أن تزن كل من هذه الآلات عواقب أي إجراء تتخذه ، لأن كل إجراء سيؤثر على النتيجة النهائية. في الشطرنج ، النتيجة النهائية هي الفوز باللعبة. بالنسبة للسيارات ذاتية القيادة ، يجب أن يحسب نظام الكمبيوتر جميع البيانات الخارجية ويحسبها للعمل بطريقة تمنع التصادم.
للذكاء الاصطناعي أيضًا تطبيقات في الصناعة المالية ، حيث يتم استخدامه للكشف عن النشاط في مجال الأعمال المصرفية والتمويل مثل الاستخدام غير المعتاد لبطاقة الخصم والودائع الكبيرة - والتي تساعد جميعها قسم الاحتيال في البنك. تُستخدم تطبيقات الذكاء الاصطناعي أيضًا للمساعدة في تبسيط التداول وجعله أسهل. يتم ذلك عن طريق تسهيل تقدير العرض والطلب وتسعير الأوراق المالية.
تصنيف الذكاء الاصطناعي
يمكن تقسيم الذكاء الاصطناعي إلى فئتين مختلفتين: ضعيف وقوي. يجسد الذكاء الاصطناعي الضعيف نظامًا مصممًا للقيام بعمل معين. تشمل أنظمة الذكاء الاصطناعي الضعيفة ألعاب الفيديو مثل مثال الشطرنج من الأعلى والمساعدين الشخصيين مثل Alexa من Amazon و Apple's Siri. تسأل المساعد سؤالاً يجيبه لك.
أنظمة الذكاء الاصطناعي القوية هي أنظمة تقوم بالمهام التي تعتبر شبيهة بالإنسان. تميل هذه الأنظمة إلى أن تكون أكثر تعقيدًا وتعقيدًا. وهي مبرمجة للتعامل مع المواقف التي قد يُطلب منهم فيها حل المشكلة دون تدخل أي شخص. يمكن العثور على هذه الأنواع من الأنظمة في تطبيقات مثل السيارات ذاتية القيادة أو في غرف عمليات المستشفيات.
يندرج الذكاء الاصطناعي عمومًا تحت فئتين عريضتين:
الذكاء الاصطناعي الضيق: يشار إليه أحيانًا باسم "الذكاء الاصطناعي الضعيف" ، يعمل هذا النوع من الذكاء الاصطناعي في سياق محدود وهو بمثابة محاكاة للذكاء البشري. غالبًا ما يركز الذكاء الاصطناعي الضيق على أداء مهمة واحدة بشكل جيد للغاية وعلى الرغم من أن هذه الآلات قد تبدو ذكية ، إلا أنها تعمل تحت قيود وقيود أكثر بكثير من حتى الذكاء البشري الأساسي.
الذكاء الاصطناعي العام (AGI): يُشار إلى AGI أحيانًا باسم "الذكاء الاصطناعي القوي" ، وهو نوع من الذكاء الاصطناعي الذي نراه في الأفلام ، مثل الروبوتات من Westworld أو Data from Star Trek: The Next Generation. الذكاء الاصطناعي العام هو آلة تتمتع بذكاء عام ، ومثل الإنسان ، يمكنها تطبيق هذه الذكاء لحل أي مشكلة.
أمثلة على الذكاء الاصطناعي
المساعدون الأذكياء (مثل Siri و Alexa)
أدوات رسم خرائط الأمراض والتنبؤ بها
التصنيع والروبوتات بدون طيار
توصيات علاج رعاية صحية محسنة ومخصصة
روبوتات محادثة للتسويق وخدمة العملاء
Robo-Advisors لتداول الأسهم
مرشحات البريد المزعج على البريد الإلكتروني
أدوات مراقبة وسائل التواصل الاجتماعي للمحتوى الخطير أو الأخبار الكاذبة
توصيات الأغاني أو البرامج التلفزيونية من Spotify و Netflix
الذكاء الاصطناعي الضيق
إن الذكاء الاصطناعي الضيق موجود في كل مكان حولنا ويسهل بسهولة تحقيق الذكاء الاصطناعي حتى الآن. مع تركيزها على أداء مهام محددة ، شهدت Narrow AI اختراقات عديدة في العقد الماضي والتي كان لها "فوائد مجتمعية كبيرة وساهمت في الحيوية الاقتصادية للأمة" ، وفقًا لـ "التحضير لمستقبل الذكاء الاصطناعي". تقرير عام 2016 الصادر عن إدارة أوباما.
تتضمن بعض الأمثلة على Narrow AI ما يلي:
بحث جوجل
برنامج التعرف على الصور
سيري وأليكسا ومساعدين شخصيين آخرين
سيارات ذاتية القيادة
واتسون آي بي إم
التعلم الآلي والتعلم العميق
يتم دعم الكثير من الذكاء الاصطناعي الضيق من خلال اختراقات في التعلم الآلي والتعلم العميق. يمكن أن يكون فهم الفرق بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق أمرًا محيرًا. يقدم الرأسمالي المغامر فرانك تشين نظرة عامة جيدة عن كيفية التمييز بينهما ، مشيرا إلى:
"الذكاء الاصطناعي عبارة عن مجموعة من الخوارزميات والذكاء لمحاولة محاكاة الذكاء البشري. التعلم الآلي هو أحدها ، والتعلم العميق هو أحد تقنيات التعلم الآلي."
ببساطة ، يغذي التعلم الآلي بيانات الكمبيوتر ويستخدم تقنيات إحصائية لمساعدته على "تعلم" كيفية التحسن تدريجيًا في مهمة ما ، دون أن تكون مبرمجًا على وجه التحديد لتلك المهمة ، مما يلغي الحاجة إلى ملايين الأسطر من التعليمات البرمجية المكتوبة. يتكون التعلم الآلي من التعلم تحت الإشراف (باستخدام مجموعات البيانات المصنفة) والتعلم غير الخاضع للإشراف (باستخدام مجموعات البيانات غير المصنفة).
التعلم العميق هو نوع من التعلم الآلي الذي يدير المدخلات من خلال بنية شبكة عصبية مستوحاة من الناحية البيولوجية. تحتوي الشبكات العصبية على عدد من الطبقات المخفية التي تتم من خلالها معالجة البيانات ، مما يسمح للجهاز بالذهاب "عميقًا" في تعلمه ، مما يجعل الاتصالات ومدخلات الترجيح أفضل النتائج.
الذكاء الاصطناعي العام AGI
إن إنشاء جهاز بذكاء على مستوى الإنسان يمكن تطبيقه على أي مهمة هو الكأس المقدسة للعديد من الباحثين في الذكاء الاصطناعي ، لكن البحث عن AGI كان محفوفًا بالصعوبات.
إن البحث عن "خوارزمية عالمية للتعلم والعمل في أي بيئة" (راسل ونورفيج 27) ليس جديدًا ، لكن الوقت لم يخفف من صعوبة إنشاء آلة بشكل أساسي بمجموعة كاملة من القدرات المعرفية.
لطالما كان AGI ملهمًا للخيال العلمي البائس ، حيث تغلبت الروبوتات فائقة الذكاء على البشرية ، لكن الخبراء يتفقون على أنه ليس شيئًا يجب أن نقلق بشأنه في أي وقت قريب.
تاريخ الذكاء الاصطناعي
ظهرت الروبوتات الذكية والكائنات الاصطناعية لأول مرة في الأساطير اليونانية القديمة في العصور القديمة. كان تطوير أرسطو للقياس واستخدامه للتفكير الاستنتاجي لحظة أساسية في سعي البشرية لفهم ذكائها. في حين أن الجذور طويلة وعميقة ، فإن تاريخ الذكاء الاصطناعي كما نفكر فيه اليوم يمتد إلى أقل من قرن.
فيما يلي نظرة سريعة على بعض أهم الأحداث في الذكاء الاصطناعي.
1943
ينشر كل من وارين ماكولوغ ووالتر بيتس "حساب منطقي للأفكار جوهرية في النشاط العصبي". اقترحت الورقة النموذج الرياضي الأول لبناء شبكة عصبية.
1949
في كتابه منظمة السلوك: نظرية عصبية نفسية ، يقترح دونالد هيب النظرية القائلة بأن المسارات العصبية يتم إنشاؤها من التجارب وأن الروابط بين الخلايا العصبية تصبح أقوى كلما زاد استخدامها. لا يزال تعلم هيبيان نموذجًا مهمًا في الذكاء الاصطناعي.
1950
ينشر آلان تورينج "Computing Machinery and Intelligence ، ويقترح ما يعرف الآن باسم Turing Test ، وهي طريقة لتحديد ما إذا كانت الآلة ذكية أم لا.
قام خريجو جامعة هارفارد ، مارفين مينسكي ودين إدموندز ، ببناء SNARC ، أول كمبيوتر شبكة عصبية.
ينشر كلود شانون مقالة "برمجة جهاز كمبيوتر للعب الشطرنج".
إسحاق أسيموف ينشر "القوانين الثلاثة للروبوتات".
1952
قام آرثر صموئيل بتطوير برنامج التعلم الذاتي للعب لعبة الداما.
1954
تترجم تجربة الترجمة الآلية Georgetown-IBM تلقائيًا 60 جملة روسية مختارة بعناية إلى الإنجليزية.
1956
تمت صياغة عبارة الذكاء الاصطناعي في "مشروع بحث دارتموث الصيفي حول الذكاء الاصطناعي". وبقيادة جون مكارثي ، يُعتبر المؤتمر ، الذي حدد نطاق وأهداف الذكاء الاصطناعي ، على نطاق واسع ولادة الذكاء الاصطناعي كما نعرفه اليوم.
يُظهر كل من Allen Newell و Herbert Simon المنطق المنطقي (LT) ، برنامج المنطق الأول.
1958
قام جون مكارثي بتطوير لغة برمجة الذكاء الاصطناعي Lisp ونشر مقالة بعنوان "Programs with Common Sense". واقترحت الورقة أداة النصيحة الافتراضية ، وهو نظام ذكاء اصطناعي كامل قادر على التعلم من التجربة بنفس فعالية البشر.
1959
يقوم كل من Allen Newell و Herbert Simon و JC Shaw بتطوير برنامج حل المشكلات العام (GPS) ، وهو برنامج مصمم لتقليد حل المشكلات البشرية.
يطور هربرت جيلنتر برنامج إثبات نظرية الهندسة.
صاغ آرثر صموئيل مصطلح التعلم الآلي أثناء عمله في شركة IBM.
أسس جون مكارثي ومارفن مينسكي مشروع الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا.
1963
بدأ جون مكارثي مختبر AI في ستانفورد.
1966
يفصّل تقرير اللجنة الاستشارية لمعالجة اللغات التلقائية (ALPAC) من قبل حكومة الولايات المتحدة عدم إحراز تقدم في أبحاث الترجمة الآلية ، وهي مبادرة رئيسية للحرب الباردة مع وعد بالترجمة التلقائية والفورية للروسية. تقرير ALPAC يؤدي إلى إلغاء جميع مشاريع مسرح ماجنت الممولة من الحكومة.
1969
تم تطوير أول أنظمة الخبراء الناجحة في DENDRAL ، وبرنامج XX ، و MYCIN ، المصمم لتشخيص التهابات الدم ، في ستانفورد.
1972
يتم إنشاء لغة البرمجة المنطقية PROLOG.
1973
تم إصدار "تقرير Lighthill" ، الذي يوضح تفاصيل خيبة الأمل في أبحاث الذكاء الاصطناعي ، من قبل الحكومة البريطانية ويؤدي إلى تخفيضات شديدة في تمويل مشاريع الذكاء الاصطناعي.
1974-1980
يؤدي الإحباط من تقدم تطوير الذكاء الاصطناعي إلى تخفيضات كبيرة في المنح الأكاديمية. بالاقتران مع تقرير ALPAC السابق و "تقرير Lighthill" للعام السابق ، جف تمويل الذكاء الاصطناعي وأكشاك البحث. تُعرف هذه الفترة باسم "فصل الشتاء الأول لمنظمة العفو الدولية".
1980
تطور شركة المعدات الرقمية R1 (المعروف أيضًا باسم XCON) ، وهو أول نظام خبير تجاري ناجح. تم تصميم R1 لتكوين الطلبات لأنظمة الكمبيوتر الجديدة ، ويبدأ ازدهارًا استثماريًا في الأنظمة الخبيرة التي ستستمر معظم العقد ، وتنتهي فعليًا أول "فصل الشتاء AI".
1982
تطلق وزارة التجارة الدولية والصناعة اليابانية مشروع الجيل الخامس الطموح لأنظمة الكمبيوتر. الهدف من FGCS هو تطوير أداء يشبه الكمبيوتر العملاق ومنصة لتطوير الذكاء الاصطناعي.
1983
ردا على FGCS اليابانية ، أطلقت حكومة الولايات المتحدة مبادرة الحوسبة الاستراتيجية لتوفير البحوث الممولة من DARPA في الحوسبة المتقدمة والذكاء الاصطناعي.
1985
تنفق الشركات أكثر من مليار دولار سنويًا على الأنظمة الخبيرة وتنشأ صناعة كاملة تعرف باسم سوق ماكينات Lisp لدعمها. تقوم شركات مثل Symbolics و Lisp Machines Inc. ببناء أجهزة كمبيوتر متخصصة للعمل على لغة برمجة الذكاء الاصطناعي Lisp.
1987-1993
مع تحسن تكنولوجيا الحوسبة ، ظهرت بدائل أرخص ، وانهار سوق ماكينات Lisp في عام 1987 ، مما أدى إلى "الشتاء AI الثاني". خلال هذه الفترة ، أثبتت الأنظمة الخبيرة أنها مكلفة للغاية في صيانتها وتحديثها ، وأصبحت في النهاية غير ملائمة.
أنهت اليابان مشروع FGCS في عام 1992 ، مشيرة إلى الفشل في تحقيق الأهداف الطموحة المحددة قبل عقد من الزمن.
أنهت داربا مبادرة الحوسبة الإستراتيجية في عام 1993 بعد إنفاق ما يقرب من مليار دولار ، ولم تحقق التوقعات.
1991
تنشر القوات الأمريكية DART ، وهي أداة تخطيط وجدولة لوجستية مؤتمتة ، خلال حرب الخليج.
1997
ديب بلو يتفوق على بطل العالم في الشطرنج غاري كاسباروف
2005
ستانلي ، سيارة ذاتية القيادة ، تفوز في التحدي الكبير DARPA.
يبدأ الجيش الأمريكي في الاستثمار في الروبوتات المستقلة مثل "الكلب الكبير" من Boston Dynamic و "PackBot" من iRobot.
2008
تحقق Google اختراقات في التعرف على الكلام وتقدم الميزة في تطبيق iPhone الخاص بها.
2011
واتسون من شركة IBM يتفوق على المنافسة في برنامج Jeopardy !.
2012
أندرو نج ، مؤسس مشروع Google Brain Deep Learning ، يغذي شبكة عصبية باستخدام خوارزميات التعلم العميق 10 ملايين مقطع فيديو على YouTube كمجموعة تدريب. تعلمت الشبكة العصبية التعرف على قطة دون أن يتم إخبارها عن قطة ، والدخول في عصر الاختراق للشبكات العصبية وتمويل التعلم العميق.
2014
تصنع Google أول سيارة ذاتية القيادة اجتازت اختبار قيادة حكومي.
2016
فاز فريق AlphaGo من Google DeepMind على بطل Go Player لي سيدول.
الماخذ الرئيسية.
منذ بدايته ، خضع الذكاء الاصطناعي لتدقيق من العلماء والجمهور على حد سواء. أحد الموضوعات الشائعة هو فكرة أن الآلات سوف تصبح متطورة للغاية لدرجة أن البشر لن يكونوا قادرين على مواكبة ذلك .
وهناك بعد آخر هو أن الآلات يمكن أن تخترق خصوصية الناس وحتى يمكن تسليحها.
وتناقش الحجج الأخرى أخلاقيات الذكاء الاصطناعي وما إذا كانت الأنظمة الذكية مثل الروبوتات يجب أن تُعامل بنفس الحقوق التي يعامل بها البشر.
كما كانت السيارات ذاتية القيادة مثيرة للجدل إلى حد ما حيث تميل أجهزتها إلى التصميم بأقل قدر ممكن من المخاطر وأقل عدد من الضحايا. إذا تم تقديم سيناريو التصادم مع شخص أو آخر في نفس الوقت ، فستقوم هذه السيارات بحساب الخيار الذي قد يتسبب في أقل قدر من الضرر.
قضية أخرى مثيرة للجدل لدى العديد من الأشخاص مع الذكاء الاصطناعي هي كيف يمكن أن تؤثر على العمالة البشرية. مع بحث العديد من الصناعات لأتمتة وظائف معينة من خلال استخدام الآلات الذكية ، هناك قلق من أن يتم دفع الناس للخروج من القوى العاملة. قد تزيل السيارات ذاتية القيادة الحاجة إلى سيارات الأجرة وبرامج مشاركة السيارات ، في حين أن الشركات المصنعة قد تستبدل بسهولة العمالة البشرية بالآلات ، مما يجعل مهارات الناس أكثر عفا عليها الزمن.
وفيما يخص بعض المفاهيم والمصطلحات المرتبطة بمفهوم الذكاء الاصطناعي نشير اليها فيما يلي :
ضعف الذكاء الاصطناعي هو ذكاء آلي يقتصر على منطقة معينة.
ذكاء اصطناعي قوي
الذكاء الاصطناعي القوي هو نوع من الذكاء الآلي الذي يعادل الذكاء البشري.
ما هي هندسة المعرفة؟
هندسة المعرفة هي مجال من مجالات الذكاء الاصطناعي (AI) يمكّن نظامًا أو آلة من محاكاة عملية تفكير خبير بشري.
معالجة اللغة الطبيعية (NLP)
معالجة اللغات الطبيعية (NLP) هي نوع من الذكاء الاصطناعي الذي يسمح لأجهزة الكمبيوتر بتفكيك ومعالجة اللغة البشرية.
الشبكة العصبية الاصطناعية (ANN)
الشبكة العصبية الاصطناعية (ANN) هي أساس الذكاء الاصطناعي (AI) ، وهي حل المشكلات التي يكاد يكون من المستحيل على البشر القيام بها.
أتمتة العمليات الروبوتية - تعريف RPA
يشير أتمتة العمليات الروبوتية (RPA) إلى البرامج التي يمكن برمجتها بسهولة للقيام بالمهام الأساسية عبر التطبيقات تمامًا كما يفعل العمال البشريون.
وللعلم فان الذكاء الاصطناعي لن يقف عند ذكاء الآلة فقط انما سيمتد الى التقدم للذكاء فى كل المجالات بما يخدم مصلحه البشر فاحتياج البشر للذكاء امسي من ضروريات الحياة وننتظر كل يوم ظهور ذكاء يحل مشكله ما فى مجال الطب و ذكاء ما لابتكار الشىء الذى يبتكر لغة ذكاء لبرمجه الآلة التى ستعمل لانشاء الآلة التى تنتج جهاز ما وكل ذكاء يخدم البشر فى نهايه المطاف
