الذكاء الاصطناعي: الجزء 6

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

التصنيف

التصنيف هو مهمة الذكاء الاصطناعي حيث يقوم النظام بتعيين شيء لفئة. تشمل الأمثلة تصنيف رسائل البريد الإلكتروني إلى رسائل غير مرغوب فيها وليس بريدًا عشوائيًا، وتحديد ما إذا كانت المراجعة إيجابية أم سلبية، أو اكتشاف ما إذا كانت الأشعة السينية تبدو طبيعية أم غير طبيعية. التصنيف هو أحد الاستخدامات الأكثر شيوعًا للتعلم الآلي.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

كلود

كلود هي عائلة متقدمة من نماذج اللغات الكبيرة التي طورتها Anthropic. تم تصميمه ليكون آمنًا ودقيقًا وآمنًا، ويتميز بأدوات متخصصة مثل Claude Code (أداة ترميز فعالة)، و Claude Design، و Claude Science للبحث. تم تسمية كلود على اسم كلود شانون الشهير عالم الرياضيات وعالم الكمبيوتر وأب نظرية المعلومات.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

الذكاء الاصطناعي السحابي

يشير Cloud AI إلى خدمات الذكاء الاصطناعي التي يتم تقديمها عبر الإنترنت من قبل مزودي الحوسبة الكبار. بدلاً من شراء أجهزة باهظة الثمن، يمكن للشركات الوصول إلى نماذج الذكاء الاصطناعي والتخزين وقوة الحوسبة من خلال المنصات السحابية. هذا يجعل الذكاء الاصطناعي أكثر سهولة، ولكنه يثير أيضًا أسئلة حول خصوصية البيانات والأمان والتكلفة والاعتماد على شركات التكنولوجيا الكبيرة.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

التجميع

التجميع هو طريقة تعلم آلي تجمع العناصر المتشابهة معًا دون أن يتم إخبارها بالفئات الصحيحة مسبقًا. على سبيل المثال، قد يستخدم بائع التجزئة التجميع لتحديد مجموعات العملاء الذين لديهم عادات شراء مماثلة. التجميع مفيد لاكتشاف الأنماط، لكن المجموعات التي يجدها لا تزال بحاجة إلى تفسير بشري.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

الحوسبة المعرفية

الحوسبة المعرفية هي مصطلح قديم وأوسع للأنظمة المصممة لمحاكاة جوانب التفكير البشري، مثل التعلم والاستدلال وفهم اللغة. غالبًا ما يتم استخدامه في سياقات الأعمال. اليوم، يتحدث الناس بشكل أكثر شيوعًا عن الذكاء الاصطناعي والتعلم الآلي والذكاء الاصطناعي التوليدي، لكن الفكرة الأساسية تبقى: استخدام أجهزة الكمبيوتر لدعم المهام المعقدة على غرار الإنسان

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

رؤية الكمبيوتر

رؤية الكمبيوتر هي فرع الذكاء الاصطناعي الذي يساعد أجهزة الكمبيوتر على تفسير الصور والفيديو. يتم استخدامه في التصوير الطبي والتعرف على الوجه والسيارات ذاتية القيادة ومراقبة الجودة والزراعة والأمن والتحليل الرياضي. يمكن أن تكون أنظمة رؤية الكمبيوتر قوية، ولكنها قد تفشل عندما تختلف الإضاءة أو الزوايا أو الخلفيات أو ظروف العالم الحقيقي عن بيانات التدريب.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

درجة الثقة

درجة الثقة هي رقم يوضح مدى تأكد نظام الذكاء الاصطناعي من مخرجاته. على سبيل المثال، قد يقول مُصنِّف الصور أنه واثق بنسبة 92٪ من أن الصورة تظهر كلبًا. يمكن أن تكون درجات الثقة مفيدة، ولكنها ليست ضمانات. تتسم بعض أنظمة الذكاء الاصطناعي بالثقة المفرطة حتى عندما تكون خاطئة، وهذا هو سبب أهمية المعايرة والاختبار

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

نافذة السياق

إطار السياق هو مقدار المعلومات التي يمكن لنموذج اللغة أخذها في الاعتبار في وقت واحد. قد يتضمن سؤال المستخدم أو المحادثة السابقة أو النص الذي تم تحميله أو المستندات المستردة. تسمح نافذة السياق الأكبر للنموذج بالعمل مع مستندات أطول والمزيد من المعلومات الأساسية. ومع ذلك، حتى مع وجود نافذة سياق كبيرة، قد لا يزال النموذج يفتقد التفاصيل أو يعطي الأولوية لبعض المعلومات على غيرها. يعتقد الكثيرون في الصناعة أننا قد نتجه إلى نوافذ السياق اللانهائية - أي شيء لم يعد على المستخدم التفكير فيه.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

الشبكة العصبية التلافيفية

الشبكة العصبية التلافيفية، أو CNN، هي نوع من الشبكات العصبية المفيدة بشكل خاص للصور. تكتشف شبكات CNN الأنماط مثل الحواف والأشكال والأنسجة والكائنات. لقد لعبوا دورًا رئيسيًا في ظهور رؤية الكمبيوتر. على الرغم من استخدام البنيات الأحدث الآن أيضًا، تظل شبكات CNN مهمة في تحليل الصور والتصوير الطبي والتعرف البصري

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

كوربوس

المجموعة

هي مجموعة من النصوص أو البيانات المستخدمة للتحليل أو التدريب. على سبيل المثال، يمكن تدريب نموذج اللغة على مجموعة تحتوي على كتب ومقالات ومواقع ويب ورموز ومواد مكتوبة أخرى. تؤثر جودة وتكوين المجموعة بشدة على سلوك النموذج. إذا كانت المجموعة تحتوي على أخطاء أو تحيز أو معلومات قديمة، فقد يتعلمها النموذج أيضًا.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

وظيفة التكلفة

تقيس دالة التكلفة، التي تسمى أيضًا دالة الخسارة، مدى خطأ النموذج أثناء التدريب. يحاول النموذج تقليل هذا الخطأ بمرور الوقت. على سبيل المثال، إذا تنبأ الذكاء الاصطناعي بأسعار المنازل، فإن دالة التكلفة تقيس الفرق بين الأسعار المتوقعة والفعلية. التدريب هو في الأساس عملية تعديل النموذج لتقليل هذه الخسارة.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

التحقق المتقاطع

التحقق المتقاطع هو تقنية تستخدم لاختبار مدى جودة أداء النموذج على أجزاء مختلفة من البيانات. بدلاً من التدريب والاختبار مرة واحدة فقط، يتم تقسيم البيانات بعدة طرق. يساعد هذا في الكشف عما إذا كان النموذج يعمل باستمرار أو يعمل بشكل جيد فقط في تقسيم واحد محظوظ. يقلل التحقق المتقاطع من مخاطر المبالغة في تقدير أداء النموذج في العالم

الحقيقي.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

نموذج مخصص

النموذج المخصص هو نموذج ذكاء اصطناعي تم تكييفه لمؤسسة أو مهمة أو مجموعة بيانات معينة. على سبيل المثال، قد ترغب إحدى المستشفيات في الحصول على نموذج مدرب على وثائقها السريرية الخاصة، أو قد ترغب شركة محاماة في إعداد نموذج للصياغة القانونية. يمكن أن تكون النماذج المخصصة أكثر ملاءمة من النماذج العامة، ولكنها تتطلب معالجة البيانات واختبارها وإدارتها بعناية.

الاعتمادات: الصورة الموردة؛ المؤلف: ستيفن وايتلو؛

الذكاء الاصطناعي للأمن السيبراني

يستخدم الذكاء الاصطناعي للأمن السيبراني التعلم الآلي والأتمتة لاكتشاف التهديدات الرقمية أو منعها أو الاستجابة لها. يمكن أن يساعد في اكتشاف سلوك الشبكة غير المعتاد أو محاولات التصيد الاحتيالي أو البرامج الضارة أو عمليات تسجيل الدخول المشبوهة. في الوقت نفسه، يمكن للمهاجمين أيضًا استخدام الذكاء الاصطناعي لكتابة المزيد من عمليات الاحتيال المقنعة أو الهجمات الآلية. لذلك يعد الذكاء الاصطناعي أداة دفاعية وتحديًا جديدًا في مجال الأمن السيبراني.