How AI Works vs. Traditional Programming

المقدمة

بدأ الذكاء الاصطناعي في التأثير على كل جوانب حياتنا اليومية، لكن كيف يختلف عن البرمجيات التقليدية؟ بينما تعتمد البرامج التقليدية على التعليمات الثابتة والمدخلات والمخرجات المعروفة، فإن الذكاء الاصطناعي يعتمد على التعلم والتحليل الإحصائي للبيانات. هنتكلم هنا عن الفرق بين النوعين، ونوضح مفاهيم مثل Hard Computing وSoft Computing، ونفهم إزاي الذكاء الاصطناعي بيعمل بطريقة غير خطية خالص.

البرمجيات التقليدية (Hard Computing) مقابل الذكاء الاصطناعي (Soft Computing)

لما نتكلم عن البرمجيات التقليدية، بنقصد البرامج اللي بتقوم بمهام معينة باستخدام مجموعة من التعليمات المحددة اللي كتبها المبرمج. ده بيكون واضح جدًا في برامج زي برامج الحسابات المالية أو حتى متصفحات الويب. مشكلة البرامج دي إنها مش بتتعلم ولا بتقدر تتكيف مع البيئة المحيطة بيها؛ هي مجرد أداة تنفذ التعليمات اللي مكتوبة ليها.

على سبيل المثال: لو عندك برنامج حساب رواتب الموظفين، هو ببساطة بيأخذ عدد الساعات اللي شغلهم ومعدل الأجور، وبعدين يحسب الراتب النهائي. العملية دي بسيطة وخالية تمامًا من أي نوع من التعلم أو التحليل.

أما الذكاء الاصطناعي، فهو مختلف تمامًا. هو بيعتمد على التعلم من البيانات، يعني لما بنكتب برنامج ذكاء اصطناعي، مش بنعطيه التعليمات بشكل مباشر زي البرامج التقليدية. لا، بنديه بيانات ضخمة جدًا، وهو بنفسه بيدرس الأنماط والعلاقات بين هذه البيانات ويتعلم منها. النتيجة تكون نظام قادر على اتخاذ قرارات بنفسه بناءً على التجربة.

لو نشوف مثال بسيط، زي نموذج لغوي كبير زي ChatGPT، هتلاحظ إن كل مرة تكتب فيها "برومبت" (سؤال أو طلب)، النموذج بيولّد محتوى جديد بناءً على ما تعلمه من بيانات سابقة. ده مش موجود في البرامج التقليدية؛ لأن البرامج التقليدية مش بتقدر تنتج حاجة جديدة خارج إطار التعليمات اللي كتبتها.

Hard Computing vs. Soft Computing

لما نقول Hard Computing، بنقصد البرمجيات اللي بتعتمد على الحلول الدقيقة والخوارزميات الثابتة. ده النوع اللي بيستخدم في المشكلات البسيطة اللي المدخلات والمخرجات فيها معروفة مسبقًا. فوائده إنه سريع ودقيق جدًا في المشكلات الصغيرة، لكن المشكلة إنه مش قادر تتعامل مع البيانات الغامضة أو المتغيرة.

أما Soft Computing، هو النوع اللي بيعتمد على الحلول التقريبية والخوارزميات المرنة. ده النوع اللي بيتصل بالذكاء الاصطناعي، لأنه بيشتغل في المشكلات اللي المدخلات فيها مش واضحة تمامًا أو بتتغير مع الوقت. الفكرة هنا إن النظام بيتكيّف مع البيئة ويتعلم منها. رغم إن ده قد يكون أقل دقة في بعض الحالات، لكنه أكثر مرونة وقدرة على التعامل مع المشاكل المعقدة.

الخطية vs. عدم الخطية (Linearity vs. Non-Linearity)

في البرمجيات التقليدية، العلاقة بين المدخلات والمخرجات تكون خطية. يعني إن البرنامج بيعمل خطوة بخطوة، وكل خطوة فيها واضحه. على سبيل المثال: لو عندك برنامج حساب رواتب، هو بيأخذ عدد الساعات ومعدل الأجور، وبعدين يحسب الراتب النهائي. العلاقة بين المدخلات والمخرجات مباشرة.

لكن الذكاء الاصطناعي مختلف تمامًا. هو بيعمل بطريقة غير خطية. يعني العلاقات بين المدخلات والمخرجات مش واضحة أو مباشرة. على سبيل المثال: لو عندك نظام تشخيص الأمراض، هو مش بيحسب رقم معين. لا، هو بياخد صورة الأشعة وتاريخ بداية المرض، حالة المريض الصحية مثلا، وبعض المتغيرات، وبعدين بيحلل المعلومات ويقرر احتمالية الإصابة بمرض معين. العملية دي معقدة وغير خطية.

كيف يعمل الذكاء الاصطناعي ؟

لما نصمم نظام ذكاء اصطناعي، أول حاجة بنحتاجها هي التدريب على البيانات. يعني بنديه آلاف أو حتى ملايين البيانات عشان يتعلم منها. على سبيل المثال: لو عايزين نعلم الكمبيوتر يميّز بين أشهر أربع أنواع زهور، هنحتاج نديه آلاف الصور عشان يعرف الفرق بين كل نوع.

بعد التدريب، النظام يبقى قادر على حل مشكلات جديدة. يعني لو عطيته صورة جديدة، هو هيفكر في الأنماط اللي تعلمها خلال التدريب، وبعد كده هيقرر الصورة دي انهي نوع.

عشان النظام يبقى أفضل، مع الوقت بنعمل تحسين مستمر. يعني بنديه بيانات جديدة أو بنحسن الخوارزميات اللي بيشتغل بيها.

أمثلة عملية

محركات البحث التقليدية : تعتمد على قواعد بيانات موجودة مسبقًا. لو كتبت كلمات مفتاحية زي "أفضل مطعم في القاهرة"، المحرك هيجيب لك قائمة النتائج اللي مخزنة مسبقًا.
نماذج اللغة الكبيرة (LLMs): زي ChatGPT، بتتعلم من كميات هائلة من البيانات النصية. لو كتبت سؤال أو طلب معين، النموذج هيوصلك رد بناءً على ما تعلمه من البيانات السابقة.

أنواع الذكاء الاصطناعي

1) يتصرف زي البشر (Acting Humanly):

الفكرة هنا إن الآلة تقدر تتصرف زي الإنسان، بحيث لو حد تعامل معها مش هيشعر إنها آلة. ده بيحتاج من الآلة إنها تمتلك قدرات زي:

معالجة اللغة الطبيعية (Natural Language Processing).
تمثيل المعرفة (Knowledge Representation).
التفكير التلقائي (Automated Reasoning).
التعلم الآلي (Machine Learning).

2) يفكر زي البشر(Thinking Humanly):

هنحاول نقلد طريقة تفكير الإنسان في الكمبيوتر. ده بيتم باستخدام طرق زي:

التأمل الشخصي (Introspection): يعني تحاول تفهم إزاي تفكر.
التجارب النفسية (Psychological Experiments): زي مراقبة شخص وهم بيحل مشكلة.
تصوير الدماغ (Brain Imaging): لمعرفة المناطق النشطة في الدماغ.

3) يفكر بشكل منطقي (Thinking Rationally):

هنحاول إن الآلة توصل لقرارات صحيحة باستخدام المنطق الرياضي. على سبيل المثال: لو عندنا معلومتين:

سقراط هو إنسان.

كل الناس ممكن تموت.

النتيجة هتكون: سقراط ممكن يموت.

4) يتصرف بشكل منطقي (Acting Rationally):

هنحاول إن الآلة تختار أفضل عمل ممكن في أي موقف. مثلاً: لو عندنا سيارة ذاتية القيادة، مهمتها الأساسية هي الوصول للمكان المطلوب بأمان. لكن لو فيه خطر، هيختار الحل الأفضل اللي يقلل من الضرر.

في الختام

في المقال ده، احنا عرفناكم على الذكاء الاصطناعي من الزاوية الأساسية اللي بيفصله عن البرمجيات التقليدية. شرحنا إزاي الذكاء الاصطناعي بيعتمد على التعلم من البيانات والتحليل الإحصائي بدلاً من التعليمات الثابتة، وعرفناكم على مفاهيم زي Hard Computing وSoft Computing ، وكيفية التعامل مع المشكلات بشكل خطي وغير خطي. كمان تكلمنا عن أنواع الذكاء الاصطناعي الأربعة اللي كل نوع ليه طريقته الخاصة في حل المشاكل، سواء كان بيحاكي التفكير البشري أو بيحاول يكون منطقي وفعّال. ان شاء الله المقال القادم هيكون مكمل للمقال ده، بحيث نكمل السلسلة سوا.