خوارزميات الذكاء الاصطناعي

إن مصطلح خوارزميات الذكاء الاصطناعي يضم معانٍ مختلفة ويتكون من شقين كل منهما تعني منظمة معنة، واجتمعا لينشئوا تغيير كبير في شتى مجالات حياتنا المختلفة.

مصطلح خوارزميات يعني مجموعة من الإرشادات المنظمة التي تساعد الكمبيوتر في إجراء عمليات حسابية مختلفة.

كما تتيح للكمبيوتر معرفة ما يجب القيام به ومتى يقوم به والطريقة التي يجب أن يقوم بها.

أما الذكاء الاصطناعي فهو جزء من علو الكمبيوتر، والذي يعمل على تطوير أجهزة الكمبيوتر، وذلك بهدف مواكبة ومحاكاة الذكاء البشري.

ولكن يوجد تفاوت كبير في مستويات الذكاء الاصطناعي وبين أجهزة الكمبيوتر، ومع ذلك لا كون الذكاء  الاصطناعي في غنى عن الخوارزميات.

لأن بدون هذه الخوارزميات لن تكون هناك أي عمليات برمجة، لذلك سنتطرق إلى معرفة أهم أنواع خوارزميات الذكاء الاصطناعي.

للإلمام بكل مجال ونوع يخص حلول الذكاء الاصطناعي وخوارزميتها.

أنواع خوارزميات الذكاء الاصطناعي:

أولًا:

خوارزميات التصنيف – Classification Algorithms:

هي نوع من أنواع خوارزميات مجال الذكاء الاصطناعي، حيث أنها تقنية خاضعة للإشراف، حيث أنها تُستخدم لتحديد فئة الملاحظات بناءً على مجموعة من البيانات المدخلة.

أي أن البرنامج يتعلم من مجموعة البيانات والملاحظات المدخلة فيها، وذلك ليقوم بتصنيف الملاحظة الجديدة إلى فئات ومجموعات.

فتقوم بتحديد فئة مجموعة بيانات معينة، ثم تقوم بالتنبؤ بمخرجات هذه البيانات إلى واحدة من النتجتين المحتملين لكل فئة.

مثل نعم أو لا، ذكر أو أنثى، وقد يأتي متعدد الفئات في حال وجود أكثر من نتيجتين، وذلك مثل تصنيفات أنواع المحاصيل مثلًا.

ومن أهم الأمثلة على تطبيقات خوارزميات الذكاء الاصطناعي التصنيفية، هي:

• تصنيف البريد الإلكتروني، إذا كان بريدًا شخصيًا أو عشوائيًا.
• تنبؤ باستعداد سداد قرض الخاص بعملاء البنك.
• تحديد الخلايا السرطانية.
• تصنيف الأدوية.
• تحديد النقاط الرئيسية للوجه.

وينقسم خوارزميات الذكاء الاصطناعي التصنيفية إلى:

• الانحدار اللوجيستي – Logistic Regression:

يعتبر هذا التصنيف من تصنفيات مجال الذكاء الاصطناعي، والذي يقوم بتقدير القيم المنفصلة على أساس مجموعة مستقلة من التغيرات.

والتي يمكنه التنبؤ باحتمالية حدوث حدث، وذلك عن طريق ملاءمة البيانات لوظيفة التسجيل، والقيم تكون دائمًا بين 1 و 0.

• أشجار القرار – Decision Tress:

يقوم هذا التصنيف بتقسيم البيانات إلى مجموعات متجانسة وذلك على أساس الخصائص المشتركة بينهم.

• تصنيف بايز – Native ayes Classifier:

هو من تصنيفيات مجال الذكاء الاصطناعي الخاص بالخوارزميات التصنيفية، والذي يعتمد على الاستقلالية في التنبؤ.

أي إذا كان هناك أكثر من ميزة في فئة زاحدة، فإن هذا التصنيف بفترض أن هناك لا علاقة لها بالميزات والخصائص الأخرى، حتى يقوم بإخراج نتيجة مثالية.

ثانيًا:

خوارزميات الانحدار – Regression Algorithms:

هي ثان نوع من أنواع خوارزميات الذكاء الاصطناعي، والذي تثوم بالتنبؤ بقيم البيانات أو المخرجات، على أساس خصائص البيانات المدخلة إلى النظام الخاص بها.

حيث تعد خوارزميات الانحدار من ضمن مجال الذكاء الاصطناعي الخاص بخوارزميات التعلم الآلي الخاضعة للإشراف.

حيث أنه يمكن الاستفادة من خوارزميات الذكاء الاصطناعي هذه في التنبؤ بقيمة العقارات بناءً على الموقع والحجم وبقية العوامل المختلفة.

ويوجد تطبيقات عدة على خوارزميات الانحدار، مثل التنبؤ المالي والتنبؤ بأحوال القس والتسويق، وغيرها من التنبؤات.

وينقسم خوارزميات الانحدار إلى:

• الانحدار الخطي – Simple Linear Regression Model:

هو نموذج خطي من نماذج وحلول الذكاء الاصطناعي، يفترض وجود علاقة خطية بين متغيرات الإدخال والإخراج.

وإذا كانت النتيجة هي انحدار خطي واحد فيُسمى الانحدار الخطي بالانحدار الخطي البسيط، وإذا كان أكثر من متغير إدخال يٌسمى حينها بالانحدار الخطي المتعدد.

ومن تطبيقاته التنبؤ بالمحفظة المالية والرواتب.

• انحدار لاسو – Lasso Regression:

الهدف من تصنيف انحدار لاسو من تصنيف خوارزميات الذكاء الاصطناعي هو الحصول على نتائج أكثر دقة.

حيث أنه يعتمد على تقليل كمية البيانات، لإخراج بيانات محددة ودقيقة ومركزية، وذلك عن طريق استبعاد المتغيرات التي لها معامل انحدار يساوي صفر بعد عملية التقليل.

ويُستخدم هذا التنصيف من خوارزميات مجال الذكاء الاصطناعي في الشبكات المالية والاقتصادية في مجال التمويل.

• الانحدار متعدد المتغيرات – Multiple Regressin Algorithm:

يحتوي هذا النوع من خوارزميات الذكاء الاصطناعي على العديد من التطبيقات في الصناعة، والتي تستخدم لتسعير المنتجات وتسعير العقارات وأقسام التسويق، وذلك لمعرفة تأثير الحملات ونتائجها.

ويعتبر هذا النوع عكس خوارزمية الانحدار الخطي، لإن الانحدار الخطي المتعدد هو عبارة عن فئة أوسع من الانحدارات والتي تشمل انحدرارات خطية وانحدارات غير خطية.

ثالثًا:

خوارزميات التجميع – Clustering Algorithms:

هي آخر نوع من أنواع خوارزميات مجال الذكاء الاصطناعي، وهي عبارة عن أسلوب التعلم الآلي غير الخاضع للإشراب على عكس الانحدار الخطي.

وهو عبارة عن أسلوب شائع يستخدم في تحليل البيانات الإحصائية، حيث أنه يقوم بتجميع البيانات، ثم تصنيفها إلى مجموعات.

وتكون كل مجموعة منهن متشابهة في ذات الخصائص والسمات ومختلفة عن باقي المجموعات.

ومن أمثلة خوارزميات التجميع في حلول الذكاء الاصطناعي: المجال الطبي، وأيضًا تُستخدم في مصانع المحركات للتبؤ بكمية انباعاثات ثاني أكسيد الكربون.

طريقة عمل خوارزميات مجال الذكاء الاصطناعي:

إن طريقة العمل مبنية على عملية الإدخال والإخراج بشكل عام، حيث أن كل برنامج أو جهاز كمبيوتر يقوم بأخد البيانات والمعلومات المدخلة، ويقوم بإختيار الخوارزمية المناسبة للتعامل مع هذه البيانات.

والذي يقوم الكمبيوتر بتطبيقها خطوة بخطوة لتوليد المخرجات فيما بعد.

ومثال على ذلك: محركات البحث، والتي تستقبل البحث كمدخلات بها، وتبحث في قاعدة البيانات لديها عن الكلمات ذات الصلة بالبحث، ثم تقوم بعدها إخراج نتائج البحث.

وهذا هو أهم الأنواع الخاصة بخوارزميات الذكاء الاصطناعي بشكل مبسط مع طريقة عملها بشكل عام، لتكوين خلفية عامة عن خوارزميات هذا المجال الداخل في جميع مجالات حياتنا إلى حد حدوث تغيير كبير لم يحدث من قبل.