ما هو الذكاء الاصطناعي؟

يشمل الذكاء الاصطناعي (AI) العديد من التكنولوجيات المعقدة والناشئة التي كانت تتطلّب في السابق تدخلًا بشريًا ويمكن الآن أن ينفّذها جهاز كمبيوتر. بشكل عام، الذكاء الاصطناعي هو برنامج أو نموذج غير بشري يُظهر مجموعة واسعة من مهارات حلّ المشاكل والإبداع.

يمكن للأجهزة تنفيذ وظائف متقدّمة، والتي كانت تُستخدَم في السابق لمحاولة فهم المعلومات واقتراحها. أما الآن، فبفضل الذكاء الاصطناعي، يمكن للأجهزة إنشاء محتوى جديد.

غالبًا ما يتم استخدام الاختصار AI بشكل متبادل لتمثيل أنواع مختلفة من التكنولوجيا التي تشكّل مجال الذكاء الاصطناعي.

هناك عدد من المصطلحات والمفاهيم التي تحدّد الذكاء الاصطناعي وتعلُّم الآلة، وقد تجدها مفيدة. في ما يلي بعض الطرق التي يمكنك من خلالها العمل مع الذكاء الاصطناعي على الويب.

الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة

يستجيب الذكاء الاصطناعي التوليدي للطلبات وينشئ محتوى استنادًا إلى سياق و ذاكرة نموذج لغوي كبير.

النموذج اللغوي الكبير (LLM) هو نموذج للذكاء الاصطناعي يتضمّن العديد من المَعلمات (غالبًا ما تبلغ مليارات) التي يمكنك استخدامها لتنفيذ مجموعة كبيرة من المهام، مثل إنشاء النصوص أو الصور أو تصنيفها أو تلخيصها.

يتجاوز الذكاء الاصطناعي التوليدي مطابقة الأنماط والتوقّعات. تشمل بعض أبرز أدوات الذكاء الاصطناعي التوليدي ما يلي:

يمكن لهذه الأدوات إنشاء نثر مكتوب ونماذج رموز وصور. يمكن أن تساعدك هذه الميزة في تخطيط إجازة أو تخفيف حدة نغمة رسالة إلكترونية أو إضفاء طابع احترافي عليها أو تصنيف مجموعات مختلفة من المعلومات إلى فئات.

هناك حالات استخدام لا حصر لها، سواء للمطوّرين أو غيرهم.

الذكاء الاصطناعي من جهة العميل

في حين أنّ معظم ميزات الذكاء الاصطناعي على الويب تعتمد على الخوادم، فإنّ الذكاء الاصطناعي من جهة العميل يعمل في متصفّح المستخدم وينفّذ الاستنتاج على جهاز المستخدم. ويقدّم ذلك وقت استجابة أقل وتكاليف أقل من جهة الخادم وإزالة متطلبات مفتاح واجهة برمجة التطبيقات وزيادة خصوصية المستخدمين وإمكانية الوصول بلا إنترنت. يمكنك تنفيذ تقنيات الذكاء الاصطناعي من جهة العميل التي تعمل على جميع المتصفّحات باستخدام مكتبات JavaScript، بما في ذلك Transformers.js و TensorFlow.js و MediaPipe.

من الممكن أن يحقّق نموذج صغير محسّن من جهة العميل أداءً أفضل مقارنةً بنموذج أكبر من جهة الخادم، خاصةً عند تحسينه لتحسين الأداء. قيِّم حالة الاستخدام لتحديد الحل الأنسب لك.

الذكاء الاصطناعي من جهة الخادم

تشمل الذكاء الاصطناعي من جهة الخادم خدمات الذكاء الاصطناعي المستندة إلى السحابة الإلكترونية. يمكنك اعتبار Gemini 1.5 Pro يعمل على السحابة الإلكترونية. وتكون هذه النماذج عادةً أكبر وأقوى بكثير. وينطبق ذلك بشكل خاص على النماذج اللغوية الكبيرة.

الذكاء الاصطناعي المختلط

يشير مصطلح الذكاء الاصطناعي المختلط إلى أي حلّ يتضمّن مكوّنَي العميل والخادم. على سبيل المثال، يمكنك استخدام نموذج من جهة العميل لتنفيذ مهمة والرجوع إلى نموذج من جهة الخادم عندما يتعذّر إكمال المهمة على الجهاز.

تعلُّم الآلة

تعلُّم الآلة هو شكل من أشكال الذكاء الاصطناعي، حيث يتعلّم الكمبيوتر بدون برمجة صريحة. بينما يسعى الذكاء الاصطناعي إلى إنشاء ذكاء، تسمح تكنولوجيا تعلُّم الآلة لأجهزة الكمبيوتر بالتعلم من التجربة. يتألف تعلُّم الآلة من خوارزميات لإجراء توقّعات حول مجموعات البيانات.

تعلُّم الآلة هو عملية تدريب نموذج لإجراء توقّعات مفيدة أو إنشاء محتوى من البيانات.

على سبيل المثال، لنفترض أنّنا نريد إنشاء موقع إلكتروني يقدّم تقييمًا لحالة الطقس في أيّ يوم معيّن. في العادة، قد يُجري ذلك عالم أرصاد جوية واحد أو أكثر، يمكنه إنشاء تمثيل للغلاف الجوي للأرض وسطح الأرض، وحساب أنماط الطقس والتنبؤ بها، وتحديد تقييم من خلال مقارنة data الحالية بالسياق السابق.

بدلاً من ذلك، يمكننا تزويد نموذج تعلُّم الآلة بكمية هائلة من بيانات الطقس إلى أن يتعرّف النموذج على العلاقة الرياضية بين أنماط الطقس، والبيانات السابقة، والإرشادات حول ما يجعل الطقس جيدًا أو سيئًا في أي يوم معيّن. لقد أنشأنا هذه الميزة على الويب.

التعلّم العميق

التعلم العميق (DL) هو فئة من خوارزميات تعلُّم الآلة. ومن الأمثلة على ذلك "الشبكات العميقة للّغة" (DNN) التي تحاول وضع نماذج للطريقة التي يُعتقد أنّ الدماغ البشري يعالج بها المعلومات.

تحديات الذكاء الاصطناعي

هناك العديد من التحديات عند إنشاء الذكاء الاصطناعي واستخدامه. في ما يلي سوى بعض النقاط الرئيسية التي يجب مراعاتها.

جودة البيانات وحداثتها

غالبًا ما تكون مجموعات البيانات الكبيرة المستخدَمة لتدريب نماذج الذكاء الاصطناعي المختلفة قديمة بشكلٍ أساسي بعد وقت قصير من استخدامها. وهذا يعني أنّه عند البحث عن أحدث المعلومات، يمكنك الاستفادة من هندسة الطلبات لتحسين أداء نموذج الذكاء الاصطناعي في مهام معيّنة وتقديم نتائج أفضل.

يمكن أن تكون مجموعات البيانات غير مكتملة أو صغيرة جدًا بحيث لا يمكنها دعم بعض حالات الاستخدام بفعالية. قد يكون من المفيد تجربة العمل باستخدام أدوات متعددة أو تخصيص النموذج لتلبية احتياجاتك.

المخاوف المتعلقة بالأخلاق والتحيز

إنّ تكنولوجيا الذكاء الاصطناعي مثيرة للاهتمام وتوفّر الكثير من الإمكانات. ومع ذلك، في نهاية المطاف، يُنشئ البشر أجهزة الكمبيوتر والخوارزميات، ويتم تدريبها على البيانات التي قد يتم جمعها من قِبل البشر، وبالتالي تخضع لعدة تحديات. على سبيل المثال، يمكن للنماذج اكتساب التحيزات البشرية والصور النمطية الضارة وتضخيمها، ما يؤثر بدوره مباشرةً في النتيجة. من المهمّ أن تضع معالجة الانحياز في الأولوية عند إنشاء تكنولوجيات الذكاء الاصطناعي.

هناك العديد من الاعتبارات الأخلاقية بشأن حقوق الطبع والنشر للمحتوى من إنشاء الذكاء الاصطناعي. من يملك المحتوى الناتج، خاصةً إذا كان يتأثر بشكل كبير بمادة محمية بحقوق الطبع والنشر أو تم نسخه مباشرةً منها؟

قبل إنشاء محتوى وأفكار جديدة، ننصحك بالاطّلاع على السياسات الحالية المتعلّقة باستخدام المواد التي تنشئها.

الأمان والخصوصية

أشار العديد من مطوّري الويب إلى أنّ الخصوصية والأمان هما أهم ما يشغل بالهم عند استخدام أدوات الذكاء الاصطناعي. وينطبق ذلك بشكل خاص في سياقات الأنشطة التجارية التي تفرض متطلبات صارمة على البيانات، مثل الحكومات و شركات الرعاية الصحية. إنّ إتاحة بيانات المستخدمين لعدد أكبر من الجهات الخارجية باستخدام واجهات برمجة تطبيقات السحابة الإلكترونية يُعدّ مصدر قلق. من المهم أن يكون أيّ نقل بيانات آمنًا ويُراقب باستمرار.

قد تكون تكنولوجيات الذكاء الاصطناعي من جهة العميل هي المفتاح لمواجهة حالات الاستخدام هذه. لا يزال هناك الكثير من الأبحاث والتطوير التي يجب إجراؤها.

بدء استخدام الذكاء الاصطناعي على الويب

بعد أن تعرّفت على الأنواع العديدة من الذكاء الاصطناعي، يمكنك البدء في التفكير في كيفية استخدام النماذج الحالية لزيادة الإنتاجية وإنشاء مواقع إلكترونية وتطبيقات ويب أفضل.

يمكنك استخدام الذكاء الاصطناعي لتنفيذ ما يلي:

يمكن أن تكون نماذج الذكاء الاصطناعي المدربة مسبقًا طريقة رائعة لتحسين مواقعنا الإلكترونية وتطبيقات الويب وإنتاجيتنا، بدون الحاجة إلى فهم كامل لكيفية إنشاء نماذج رياضية جمع مجموعات بيانات معقّدة تشغّل أدوات الذكاء الاصطناعي الأكثر رواجًا.

قد تلاحظ أنّ معظم النماذج تلبي احتياجاتك على الفور، بدون الحاجة إلى إجراء المزيد من التعديلات. التحسين هو عملية أخذ نموذج سبق أن تم تدريبه على مجموعة بيانات كبيرة، وإجراء المزيد من التدريب عليه لتلبية احتياجات الاستخدام المحدّدة. هناك عدد من الأساليب لضبط النموذج: