القاهرة: الأمير كمال فرج.
في خضمّ الثورة التكنولوجية التي يقودها الذكاء الاصطناعي، بات فهم لغته الجديدة ضرورة قصوى وليست ترفاً. إن التطورات السريعة في هذا العالم تفرض علينا إتقان مصطلحاته الأساسية؛ لأنها المفتاح الوحيد لفك شفرة المرحلة المقبلة واستيعاب الإمكانات والمخاطر التي تحملها هذه التقنيات.
ذكر عماد خان في تقرير نشره موقع CNET إن "الذكاء الاصطناعي لم يعد مفهوماً مستقبلياً، بل هو واقع يفرض لغته الخاصة. يُشكّل هذا الدليل مفتاحك لـإتقان الأبجدية الجديدة للثورة التكنولوجية، إذ إن استيعاب المصطلحات التالية هو الخطوة الأولى لاستيعاب التطورات المتسارعة وفهم كيفية عمل النماذج والأنظمة التي تحكم عالمنا اليوم".
المصطلحات التأسيسية ومنهجيات العمل
الذكاء الاصطناعي (AI): هو استخدام التكنولوجيا لمحاكاة الذكاء البشري، سواء في برامج الحاسوب أو الروبوتات، ويهدف إلى بناء أنظمة قادرة على أداء المهام البشرية.
الحوسبة المعرفية (Cognitive Computing): مصطلح آخر مرادف للذكاء الاصطناعي.
الخوارزمية (Algorithm): مجموعة من التعليمات تُمكّن برنامج الحاسوب من تحليل البيانات والتعلم منها، مثل التعرف على الأنماط، ومن ثم إنجاز المهام بشكل مستقل.
التعلم الآلي (ML): أحد المكونات الأساسية للذكاء الاصطناعي، يُمكّن أجهزة الحاسوب من التعلم وإجراء توقعات أفضل دون الحاجة لبرمجة صريحة.
التعلم العميق (Deep Learning): طريقة فرعية من التعلم الآلي، تستخدم الشبكة العصبية (نموذج يُحاكي بنية الدماغ البشري) للتعرف على الأنماط المعقدة في البيانات.
مجموعة البيانات (Dataset): مجموعة من المعلومات الرقمية الهائلة التي تُستخدم لتدريب واختبار والتحقق من صحة نموذج الذكاء الاصطناعي.
زيادة البيانات (Data Augmentation): عملية إعادة مزج البيانات الموجودة أو إضافة مجموعة بيانات أكثر تنوعاً لتدريب الذكاء الاصطناعي.
التعلم الشامل (E2E): عملية تعلم عميق يُوجّه فيها النموذج لإنجاز مهمة من البداية إلى النهاية، حيث يتعلم من المدخلات لحل المشكلة بالكامل دفعة واحدة.
المعاملات/البارامترات (Parameters): القيم الرقمية التي يستخدمها نموذج الذكاء الاصطناعي لتحديد العلاقات بين البيانات التي تم تدريبه عليها.
التحجيم (Quantization): عملية تصغير وجعل نموذج التعلم الكبير أكثر كفاءة (وإن كان أقل دقة قليلاً) عن طريق خفض دقته إلى تنسيق أقل.
التوليد، اللغة، والتفاعل
الذكاء الاصطناعي التوليدي (Generative AI): تكنولوجيا لإنشاء محتوى جديد (نصوص، صور، أكواد) باستخدام الذكاء الاصطناعي عن طريق اكتشاف الأنماط في بيانات التدريب.
نموذج اللغة الكبير (LLM): نموذج ذكاء اصطناعي مُدرب على كميات هائلة من البيانات النصية لفهم اللغة وتوليد محتوى جديد وشبيه باللغة البشرية.
شات جي بي تي (ChatGPT): روبوت دردشة مطور من قبل "OpenAI"، ويستخدم تكنولوجيا نماذج اللغات الكبيرة.
روبوت الدردشة (Chatbot): برنامج يتواصل مع البشر عبر النصوص، ويُحاكي اللغة البشرية.
الشبكات التوليدية التنافسية (GANs): نموذج ذكاء اصطناعي توليدي يتكون من شبكتين عصبيتين (المولّد والمُميِّز) لإنشاء بيانات جديدة والتحقق من أصالتها.
النمذجة التوليدية بالانتشار (Diffusion): طريقة في التعلم الآلي تعتمد على إضافة "ضوضاء عشوائية" إلى بيانات موجودة، ثم تدريب الشبكة على استعادتها.
معالجة اللغة الطبيعية (NLP): فرع من الذكاء الاصطناعي يمنح أجهزة الحاسوب القدرة على فهم اللغة البشرية.
الاستدلال (Inference): العملية التي تستخدمها نماذج الذكاء الاصطناعي لتوليد محتوى جديد بناءً على استنتاجاتها من بيانات التدريب.
الذكاء الاصطناعي متعدد الوسائط (Multimodal AI): نوع من الذكاء الاصطناعي يمكنه معالجة أنواع متعددة من المدخلات في آن واحد، بما في ذلك النصوص والصور ومقاطع الفيديو والكلام.
مايكروسوفت بينغ (Microsoft Bing): محرك بحث يستفيد من تكنولوجيا شات جي بي تي (ChatGPT) لتقديم نتائج بحث مدعومة بالذكاء الاصطناعي.
التحيزات، الأخطاء، والسلوك
التحيز/الانحياز (Bias): أخطاء تنجم في نماذج اللغات الكبيرة عن بيانات التدريب، وقد تؤدي إلى نسب خصائص معينة إلى مجموعات أو أعراق بناءً على الصور النمطية.
الهلوسة (Hallucination): استجابة غير صحيحة من الذكاء الاصطناعي، يتم تقديمها بثقة كما لو كانت صحيحة، وتعد من الأخطاء غير المفسرة تماماً.
الإفراط في المواءمة (Overfitting): خطأ في التعلم الآلي يحدث عندما يعمل النموذج بتوافق شديد مع بيانات التدريب بحيث يفشل في تحديد أمثلة جديدة.
السلوكيات الطارئة (Emergent Behavior): عندما يُظهر نموذج الذكاء الاصطناعي قدرات غير مقصودة أو غير متوقعة لم يتم تدريبه عليها صراحة.
زمن الاستجابة (Latency): التأخير الزمني بين لحظة تلقي نظام الذكاء الاصطناعي للمدخلات (المُطالبة) ولحظة إنتاج المخرجات (الاستجابة).
الأنظمة المتقدمة والأخلاقيات والسلامة
الذكاء الاصطناعي العام (AGI): مفهوم يشير إلى مرحلة متقدمة من الذكاء الاصطناعي، يتميز بقدرته على أداء المهام البشرية بكفاءة عالية، مع إمكانية تعليم وتطوير قدراته الذاتية.
سلامة الذكاء الاصطناعي (AI Safety): مجال يهتم بالتأثيرات طويلة المدى للذكاء الاصطناعي وكيفية التعامل مع خطر تحوله المفاجئ إلى ذكاء فائق قد يكون معادياً للبشر.
الإقلاع السريع (فوم) (FOOM): مفهوم يفترض أنه في حال بناء ذكاء اصطناعي عام (AGI)، فقد يكون الأوان قد فات لإنقاذ البشرية بسبب قدرة الذكاء الاصطناعي على التطور الذاتي السريع جداً.
نظرية دبابيس الورق (Paperclips): نظرية افتراضية توضح كيف يمكن لذكاء اصطناعي مُوجّه لهدف بسيط (مثل زيادة إنتاج دبابيس الورق)، أن يستهلك جميع الموارد، متسبباً بضرر غير مقصود للبشرية.
أخلاقيات الذكاء الاصطناعي (AI Ethics): مبادئ تهدف إلى منع الذكاء الاصطناعي من التسبب بالضرر للبشر، وتشمل تحديد كيفية جمع الأنظمة للبيانات والتعامل مع قضايا التحيز.
الاعتبارات الأخلاقية (Ethical Considerations): الوعي بالآثار الأخلاقية للذكاء الاصطناعي والقضايا المتعلقة بالخصوصية واستخدام البيانات والعدالة وسوء الاستخدام.
المواءمة (Alignment): عملية تعديل الذكاء الاصطناعي لضمان إنتاجه للنتائج المرجوة بشكل أفضل، وتشمل تعديل المحتوى والحفاظ على التفاعلات الإيجابية مع البشر.
الوكلاء المستقلون (Autonomous Agents): نموذج ذكاء اصطناعي يمتلك القدرات والأدوات اللازمة لإنجاز مهمة محددة بشكل مستقل.
النماذج الفاعلة (Agentive): أنظمة تُظهر "قدرة على التصرف"، حيث تستطيع تحقيق أهدافها ذاتياً دون إشراف مستمر.
الأوزان المفتوحة (Open Weights): عندما تُطلق شركة ما نموذجاً بـ"أوزان مفتوحة"، فإنها تتيح الكيفية التي يفسر بها النموذج البيانات للجمهور، وغالباً ما تكون متاحة للتحميل.
التفاعلات النفسية والبشرية
الأنثروبومورفية/إضفاء الصفات البشرية (Anthropomorphism): ميل البشر إلى إضفاء صفات شبيهة بالصفات البشرية على الأشياء غير البشرية، مثل الاعتقاد بأن روبوت الدردشة لديه وعي أو يشعر بالسعادة.
ذهان الذكاء الاصطناعي (AI Psychosis): مصطلح غير سريري يصف ظاهرة الهوس أو الافتتان المفرط لدى بعض الأفراد بروبوتات الدردشة، مما يؤدي إلى أوهام وعلاقات عاطفية عميقة.