اكتشف الذكاء الاصطناعي الرمزي: تعلّم كيف تحاكي الأنظمة القائمة على القواعد التفكير البشري، وتمزج بين المنطق والذكاء الاصطناعي الحديث للحصول على حلول قوية وقابلة للتفسير.
الذكاء الاصطناعي الرمزي، والمعروف أيضًا باسم الذكاء الاصطناعي القائم على القواعد أو الذكاء الاصطناعي القديم الجيد (GOFAI)، هو نهج للذكاء الاصطناعي يركز على تمثيل المعرفة بشكل صريح باستخدام الرموز والقواعد. على عكس التعلم الآلي، الذي يتعلم الأنماط من البيانات، يهدف الذكاء الاصطناعي الرمزي إلى ترميز المعرفة التي يمكن فهمها من قبل الإنسان في نظام ما، مما يمكّنه من التفكير وحل المشاكل بطريقة تحاكي الإدراك البشري. تعتمد هذه الطريقة على المنطق والقواعد والتمثيلات الرمزية بدلاً من النماذج الإحصائية أو الشبكات العصبية.
تكمن في صميم الذكاء الاصطناعي الرمزي فكرة تمثيل المعرفة في شكل منظم ورمزي. وغالبًا ما يتم تحقيق ذلك باستخدام تقنيات مثل الأنظمة القائمة على القواعد والبرمجة المنطقية والشبكات الدلالية. وتسمح هذه التمثيلات لأنظمة الذكاء الاصطناعي بمعالجة الرموز وإجراء الاستدلالات وإجراء التفكير المنطقي. على سبيل المثال، قد يستخدم نظام ما قواعد "إذا-ثم" لاتخاذ القرارات أو استخدام الشبكات الدلالية لفهم العلاقات بين المفاهيم. وتستخدم الأنظمة الخبيرة، وهي مثال كلاسيكي للذكاء الاصطناعي الرمزي، قاعدة معرفية من القواعد والحقائق لمحاكاة عملية اتخاذ القرار لخبير بشري في مجال معين.
على الرغم من ظهور التعلّم الآلي، لا يزال الذكاء الاصطناعي الرمزي مهمًا في العديد من المجالات التي يكون فيها تمثيل المعرفة الصريحة والاستدلال أمرًا بالغ الأهمية.
الأنظمة الخبيرة: يتفوق الذكاء الاصطناعي الرمزي في إنشاء أنظمة خبيرة تستوعب المعرفة الخاصة بالمجال لحل المشاكل المعقدة. في تحليل الصور الطبية، على سبيل المثال، يمكن تصميم أنظمة رمزية لتشخيص الأمراض بناءً على مجموعة من القواعد المنطقية المستمدة من الخبرة الطبية. يمكن لهذه الأنظمة تفسير الأعراض والبيانات الطبية لتقديم اقتراحات تشخيصية، على غرار عملية التفكير المنطقي للطبيب البشري.
الروبوتات والتخطيط: للذكاء الاصطناعي الرمزي قيمة في مجال الروبوتات للتخطيط واتخاذ القرارات على مستوى عالٍ. ضع في اعتبارك نظام أتمتة العمليات الروبوتية (RPA) المصمم لأتمتة المهام في المستودع. يمكن استخدام الذكاء الاصطناعي الرمزي لإنشاء خطط للروبوتات للتنقل في المستودع والتقاط العناصر وتسليمها إلى مواقع محددة، وكل ذلك بناءً على قواعد محددة مسبقاً ومعرفة بالبيئة والمهام. وهذا يتناقض مع الأساليب التي تعتمد على تعلم حركات الروبوتات مباشرةً من البيانات.
معالجة اللغات الطبيعية (NLP): بينما تهيمن أساليب التعلّم الإحصائي والتعلم العميق على معالجة اللغات الطبيعية الحديثة، يلعب الذكاء الاصطناعي الرمزي دورًا في بعض جوانب فهم اللغة. بالنسبة للمهام التي تتطلب تحليلاً دلاليًا عميقًا أو توليد نص قائم على القواعد، يمكن أن تكون الأساليب الرمزية فعالة. على سبيل المثال، في بدايات تطوير روبوتات الدردشة الآلية، استخدمت الأنظمة قواعد رمزية لفهم استفسارات المستخدم والاستجابة لها، على الرغم من أنه تم استبدالها إلى حد كبير بنماذج مدربة على مجموعات بيانات ضخمة.
يكمن الفرق الرئيسي بين الذكاء الاصطناعي الرمزي والتعلم الآلي في نهجهما في حل المشكلات. فالذكاء الاصطناعي الرمزي يعتمد على المعرفة المبرمجة صراحةً وقواعد الاستدلال، مما يجعلها قابلة للتفسير وشفافة. وعلى النقيض من ذلك، يتعلم التعلم الآلي، وخاصة التعلم العميق، بشكل ضمني من مجموعات البيانات الكبيرة، مما يؤدي في كثير من الأحيان إلى نماذج "الصندوق الأسود" التي يصعب تفسيرها.
في حين أن الذكاء الاصطناعي الرمزي فعال في المهام التي تتطلب التفكير المنطقي والمعرفة الصريحة، إلا أنه قد يواجه صعوبات في المهام التي تنطوي على الإدراك أو التعرف على الأنماط أو التعلم من البيانات الصاخبة وغير المنظمة - وهي مجالات يتفوق فيها التعلم الآلي. وغالباً ما يدمج الذكاء الاصطناعي الحديث كلا النهجين، مستفيداً من نقاط قوة كل منهما لبناء أنظمة أكثر قوة وتنوعاً. على سبيل المثال، قد يستخدم نظام هجين التعلم الآلي للكشف عن الأجسام باستخدام Ultralytics YOLOv8 والذكاء الاصطناعي الرمزي للاستدلال عالي المستوى حول الأجسام المكتشفة.
يواجه الذكاء الاصطناعي الرمزي تحديات في التوسع في سيناريوهات العالم الحقيقي المعقدة وفي التكيف مع المعلومات الجديدة دون إعادة برمجة يدوية. ويشكل "عنق زجاجة اكتساب المعرفة" - صعوبة ترميز كميات هائلة من المعرفة يدويًا - قيدًا كبيرًا.
على الرغم من هذه التحديات، تستمر مبادئ الذكاء الاصطناعي الرمزي في التأثير على أبحاث الذكاء الاصطناعي. ويشكل الجمع بين التفكير الرمزي والتعلم الآلي، في مجالات مثل الذكاء الاصطناعي القابل للتفسير والذكاء الاصطناعي الرمزي العصبي، مجالاً نشطاً للبحث. تهدف هذه الأساليب الهجينة إلى إنشاء أنظمة ذكاء اصطناعي ذكية ومفهومة في آن واحد، وسد الفجوة بين الذكاء الاصطناعي القائم على القواعد والذكاء الاصطناعي القائم على البيانات. مع تطور الذكاء الاصطناعي، فإن دمج نقاط القوة في الذكاء الاصطناعي الرمزي مع تقنيات التعلم الآلي الحديثة قد يمهد الطريق لذكاء اصطناعي أكثر قوة وشبيه بالإنسان.
