أنواع خوارزميات الذكاء الاصطناعي
تم التدقيق بواسطة: فريق أراجيك
عند التأمل في مصطلح "خوارزميات الذكاء الاصطناعي" نرى أنّه يتكون من شقين "خوارزميات"، و"الذكاء الاصطناعي"، وتُعرف "الخوارزمية" بأنّها مجموعة إرشادات منظمة تساعد الكمبيوتر في إجراء عملية حسابية، وتتيح للكمبيوتر معرفة ما يجب القيام به ومتى يقوم به، أمّا تعريف "الذكاء الاصطناعي" فهو جزء من علوم الكمبيوتر يركز على تطوير أجهزة الكمبيوتر بهدف محاكاة الذكاء البشري، وفي الحقيقة هناك تفاوت في مستويات الذكاء الاصطناعي بين أجهزة الكمبيوتر، ومع ذلك فلا غنى للذكاء الاصطناعي عن الخوارزميات؛ لأنه بدونها لن يكون هناك مكان لبدء عملية البرمجة، وسنتطرق في الأسطر القادمة إلى الحديث عن أشهر أنواع خوارزميات الذكاء الاصطناعي.
اقرأ أيضًا: ما هو الفرق بين الذكاء الاصطناعي وتعلم الالة.
أنواع خوارزميات الذكاء الاصطناعي
سنتعرف فيما يلي على أنواع خوارزميات الذكاء الاصطناعي والتي تنقسم إلى ثلاثة أنواع كما يلي:
خوارزميات التصنيف (Classification Algorithms)
وهي تقنية تعلم خاضعة للإشراف تُستخدم لتحديد فئة الملاحظات على أساس مجموعة من البيانات المدخلة؛ بمعنى أن البرنامج يتعلم من مجموعة البيانات والملاحظات المدخلة؛ ليقوم بدوره في تصنيف الملاحظة الجديدة إلى فئات ومجموعات وليس إلى قيمة. الهدف الرئيسي من خوارزميات التنصيف هو تحديد فئة مجموعة بيانات معنية ثم التنبؤ بمخرجات هذه البيانات، ويمكن أن يأتي التصنيف ثنائيًا في حال وجود نتيجتين محتملتين للفئة مثل: نعم أو لا، ذكر أو أنثى، وقد يأتي التصنيف متعدد الفئات في حال وجود أكثر من نتيجتين مثل: تصنيفات أنواع المحاصيل، وتصنيفات أنواع الموسيقى، ومن الأمثلة على تطبيقات خوارزميات التصنيف ما يأتي:
- تصنيف البريد الإلكتروني إذا كان شخصيًا أو عشوائيًا.
- التنبؤ باستعداد سداد قرض عملاء البنك.
- تحديد الخلايا السرطانية.
- تصنيف الأدوية.
- الكشف عن النقاط الرئيسية للوجه.
ومن الأمثلة على بعض أنواع خوارزميات التصنيف الشائعة ما يأتي:
- الانحدار اللوجستي " Logistic Regression": يقوم هذا التصنيف بتقدير القيم المنفصلة بناءً على مجموعة مستقلة من المتغيرات، فبالتالي يتنبأ باحتمالية حدوث حدث عن طريق ملاءمة البيانات لوظيفة التسجيل، وستكون القيم التي يتم الحصول عليها دائمًا ضمن (0 و1).
- أشجار القرار " Decision Trees": يُستخدم هذا التصنيف في تقسيم البيانات إلى مجموعات متجانسة بناءً على الخصائص المشتركة بينها.
- تصنيف بايز" Naive Bayes Classifier": يستند هذا التصنيف على الاستقلالية في التنبؤ؛ بمعنى في حال وجود أكثر من ميزة في فئة ما فإنّه يفترض أنّ هناك ميزة لا علاقة لها بالميزات والخصائص الأخرى.
خوارزميات الانحدار (Regression Algorithms)
تقوم خوارزميات الانحدار بالتنبؤ بقيم البيانات الجديدة (المخرجات) بناءً على خصائص البيانات المدخلة إلى النظام، وتعدّ خوارزميات الانحدار ضمن عائلة خوارزميات التعلم الآلي الخاضعة للإشراف، ويمكن الاستفادة من هذه الخوارزميات مثلًا في التنبؤ بقيمة العقارات بناءً على الموقع والحجم والعوامل الأخرى، ومن أهم التطبيقات على خوارزميات الانحدار التنبؤ المالي، والتسويق، والتنبؤ بأحوال الطقس، وغيرها، من الأمثلة على الأنواع الشائعة من خوارزميات الانحدار ما يأتي:
- الانحدار الخطي(Simple Linear Regression model): هو نموذج خطي يفترض وجود علاقة خطية بين متغيرات الإدخال ومتغيرات الإخراج، ويُسمى الانحدار الخطي في حال وجود متغير إدخال واحد بالانحدار الخطي البسيط، أمّا في حال وجود متغيرات إدخال متعددة بالانحدار الخطي المتعدد، ومن التطبيقات الشائعة على هذا النوع التنبؤ بالمحفظة المالية، والتنبؤ بالرواتب.
- انحدار لاسو(Lasso Regression): الهدف من انحدار لاسو الحصول على نتائج دقيقة، ويعتمد على تقليص وتقليل كمية البيانات لحصر المخرجات في نقطة مركزية وذلك من خلال استبعاد المتغيرات التي لها معامل انحدار يساوي الصفر بعد عملية التقليص، وتُستخدم هذه الخوارزمية في الشبكات المالية والاقتصادية في مجال التمويل.
- الانحدار متعدد المتغيرات(Multiple Regression Algorithm): تحتوي هذه الخوارزمية على العديد من التطبيقات في الصناعة لتسعير المنتجات وتسعير العقارات وأقسام التسويق لمعرفة تأثير الحملات، على عكس خوارزمية الانحدار الخطي؛ فإن الانحدار المتعدد هو فئة أوسع من الانحدارات التي تشمل الانحدارات الخطية وغير الخطية.
خوارزميات التجميع (Clustering Algorithms)
خوارزميات التجميع: هي عبارة عن أسلوب للتعلم الآلي غير خاضعة للإشراف، وهي أسلوب شائع لتحليل البيانات الإحصائية، يتضمن هذا الأسلوب تجميع البيانات ثم تصنيف نقاط البيانات إلى مجموعات، وكل مجموعة تكون متشابهة في نفس الخصائص والسمات، وتكون مختلفة عن باقي المجموعات، تُستخدم هذه الخوارزمية في المجال الطبي، كما تستخدمها مصانع المحركات للتنبؤ بكمية انبعاث ثاني أكسيد الكربون.
كيف تعمل خوارزميات الذكاء الاصطناعي؟
إنّ طريقة عمل خوارزميات الذكاء الاصطناعي مبنية على عملية الإدخال والإخراج؛ بمعنى كل برنامج أو جهاز كمبيوتر يقوم بأخذ المدخلات المتمثلة بالبيانات والمعلومات وغيرها، ثم يختار الخوارزمية المناسبة بناءً على نوعية العمل؛ ليقوم الكمبيوتر بتطبيقها خطوة بخطوة لتوليد المخرجات، فعلى سبيل المثال محرك البحث عبارة عن خوارزمية تأخذ استعلام البحث كمدخل وتبحث في قاعدة البيانات الخاصة به عن العناصر ذات الصلة بالكلمات الموجودة في الاستعلام. ثم تخرج النتائج.
وبشكلٍ مُبسط يمكن تصور الخوارزميات كمخطط انسيابي؛ يؤدي الإدخال إلى خطوات وأسئلة تحتاج إلى معالجة بالترتيب، وعند اكتمال كل قسم من المخطط الانسيابي؛ تكون النتيجة التي تم إنشاؤها هي الإخراج.
يمكن أن تقوم خوارزميات الذكاء الاصطناعي بحل الكثير من المشاكل في مختلف المجالات، ومن الأمثلة على ذلك ما يأتي:
· الرعاية الصحية
مكنت الخوارزميات الباحثين فحص كميات هائلة من البيانات باستخدام برامج متخصصة للكشف عن العلاجات، وإنشاء تكنولوجيا لإنقاذ الحياة.
· الطاقة
باستخدام الخوارزميات يمكن للموردين المحليين إعادة توجيه الطاقة من المناطق المجاورة لضمان حصول الأشخاص عليها باستخدام أجهزة الكمبيوتر.
·السلامة العامة
تُستخدم الخوارزميات لضمان الأمن والسلامة العامة للناس؛ فمثلًا في شبكة يتم استخدام هذا النوع من البرمجة في كيفية تعديل الضوء الأحمر بناءً على تدفق حركة المرور.
· مشاكل الحكومات
تستخدم الحكومات خوارزميات الذكاء الاصطناعي بشكل يومي؛ حيث يتم استخدامها في مراقبة بعض الاتصالات المحددة مما يؤدي إلى الحفاظ على أمن البلد ومنع الأعمال الإجرامية.