أساسيات الذكاء الاصطناعي | مرحباً بالذكاء الاصطناعي

🤖 ما هو الذكاء الاصطناعي؟

الذكاء الاصطناعي هو مجال في علوم الحاسوب يهدف إلى بناء برمجيات قادرة على تقليد القدرات البشرية — كالفهم والتعلم وحل المشكلات واتخاذ القرارات.

💡

فكر فيه هكذا

البشر يتعلمون من التجربة — طفل يلمس الموقد مرة واحدة ثم يتجنبه دائماً. الذكاء الاصطناعي يتعلم من البيانات — كلما رأى أمثلة أكثر، كلما أصبح أذكى.

ليس الذكاء الاصطناعي شيئاً واحداً — هو مظلة تحتها مجالات متداخلة. انظر كيف تتداخل المصطلحات الثلاثة:

الذكاء الاصطناعي Artificial Intelligence

برمجيات تحاكي القدرات البشرية بشكل عام

تعلم الآلة Machine Learning

النموذج يتعلم من البيانات بدلاً من قواعد مكتوبة يدوياً

التعلم العميق Deep Learning

شبكات عصبية متعددة الطبقات لاستخراج الأنماط المعقدة

🔑

العنصر الأساسي: البيانات

بدون بيانات لا يوجد تعلم. كل نموذج ذكاء اصطناعي تراه اليوم — ChatGPT، Copilot، Google Translate — تدرّب على كميات ضخمة من النصوص والصور والأصوات التي أنتجها البشر.

📚 أنواع التعلم

كيف يتعلم الكمبيوتر؟ هناك ثلاثة أساليب مختلفة — كل أسلوب يناسب نوعاً معيناً من المشكلات.

🏷️

التعليم الموجَّه

Supervised Learning

النموذج يتعلم من أمثلة مُصنَّفة مسبقاً — كل مثال يأتي مع الإجابة الصحيحة. بعد التدريب يستطيع التنبؤ بإجابات لأمثلة جديدة لم يرها من قبل.

مثال واقعي آلاف صور القطط والكلاب مع تسمياتها → النموذج يتعلم الفرق → يُصنّف صور جديدة بنفسه

🔍

التعليم غير الموجَّه

Unsupervised Learning

لا إجابات جاهزة — النموذج يبحث عن أنماط وتشابهات مخفية داخل البيانات بنفسه ويكتشف المجموعات دون أن يُخبره أحد بما يبحث عنه.

مثال واقعي بيانات عملاء بدون تصنيف → النموذج يكتشف: هؤلاء شباب يفضلون التوصيل، وهؤلاء عائلات يهمهم السعر

🎮

التعليم المعزَّز

Reinforcement Learning

النموذج يتعلم بالتجربة والخطأ — يحاول، يحصل على مكافأة إن نجح أو عقوبة إن أخفق، ويكرر حتى يتقن المهمة.

مثال واقعي برنامج يتعلم لعب الشطرنج → يجرب حركات → يربح أو يخسر → تدريجياً يصبح خبيراً

🎯 ماذا يفعل النموذج؟

عندما يتعلم النموذج، يُوظَّف في إحدى هذه المهام الثلاث الرئيسية:

📂

التصنيف

Classification

تحديد الفئة التي ينتمي إليها عنصر معين من بين فئات محددة مسبقاً.

هذا بريد عادي أم مزعج؟

🫧

التجميع

Clustering

تجميع البيانات المتشابهة مع بعضها دون معرفة مسبقة بالفئات.

ما المجموعات الطبيعية في هذه البيانات؟

📈

الانحدار

Regression

التنبؤ بقيمة عددية مستمرة بناءً على خصائص معطاة.

كم سيكون سعر هذا المنزل؟

🔤 مفاهيم تكمل الصورة

🧪

اختبار تورينغ

Turing Test

اقترحه عالم الرياضيات آلان تورينغ عام 1950. الفكرة: إذا تحدثت مع كمبيوتر ولم تستطع التمييز بينه وبين إنسان، فهو اجتاز الاختبار.

🗄️

البيانات الضخمة

Big Data

كميات هائلة جداً من البيانات تتجاوز قدرة الأدوات التقليدية على معالجتها. تحتاج تقنيات خاصة لتخزينها وتحليلها واستخراج الفائدة منها.

🕸️

التعلم العميق

Deep Learning

فرع من تعلم الآلة يستخدم شبكات عصبية اصطناعية متعددة الطبقات. هو ما يقف خلف التعرف على الصور والكلام وترجمة اللغات.

📦

النموذج

Model

الناتج النهائي من عملية التدريب — تمثيل رياضي أو برمجي يحفظ ما تعلمه من البيانات ويستخدمه للتنبؤ أو التصنيف على بيانات جديدة.

✏️ تمرين: هل تذكر؟

اضغط على كل مصطلح للتحقق من تعريفه — هل كانت إجابتك صحيحة؟

🧠 مراجعة المصطلحات اكتشفت 0 / 10

التعليم الموجَّه ←

يتعلم النموذج من بيانات مرفقة بالإجابات الصحيحة مثل صور مع تسميات: قطة / كلب.

التعليم غير الموجَّه ←

يتعلم النموذج من بيانات غير مرفقة بإجابات، ويكتشف أنماطاً أو مجموعات مخفية بنفسه.

التعليم المعزَّز ←

يتعلم النموذج من خلال المحاولة والخطأ، مع الحصول على مكافآت أو عقوبات بعد كل قرار.

التصنيف ←

تحديد الفئة التي ينتمي إليها عنصر — مثال: بريد عادي أم بريد مزعج؟

التجميع ←

تجميع البيانات المتشابهة مع بعضها دون معرفة مسبقة بالفئات.

الانحدار ←

التنبؤ بقيمة عددية مستمرة — مثل توقع سعر منزل بناءً على مواصفاته.

اختبار تورينغ ←

اختبار لمعرفة ما إذا كان الكمبيوتر يمكنه تقليد الذكاء البشري لدرجة يخدع فيها الإنسان.

البيانات الضخمة ←

كميات هائلة من البيانات المتنوعة التي تتطلب تقنيات خاصة لمعالجتها وتحليلها.

التعلم العميق ←

فرع من التعلم الآلي يستخدم الشبكات العصبية متعددة الطبقات لاستخراج الأنماط المعقدة.

النموذج ←

تمثيل رياضي أو برمجي يتعلم من البيانات لتنفيذ مهمة مثل التنبؤ أو التصنيف.