الذكاء الاصطناعي وتطبيقاته الأمنية


مما لا شك فيه أن الخطر الأكبر في الذكاء الاصطناعي ،
هو أن الناس يستنتجون في وقت مبكر جدًا أنهم يفهمونها.
(إليعازر يودوفسكي ، باحث في الذكاء الاصطناعي وكاتب أمريكي).

جزء 1
ما هو الذكاء الاصطناعي؟...
يُنسب مصطلح الذكاء الاصطناعي إلى جون مكارثي ، عالم الكمبيوتر والباحث في مجال العلوم المعرفية ، الذي نظم في عام 1956 المؤتمر الأكاديمي الأول حول هذا الموضوع. كانت البداية قبل ذلك بقليل ومن الشائع بين الآباء المؤسسين تسمية فانيفار بوش فانيفار (بوش ، الذي اقترح في وقت مبكر من عام 1945 نظامًا من شأنه زيادة المعرفة والفهم البشريين ، وآلان تورينج ، الذي كتب في عام 1950 مقالًا عن قدرة الآلات على محاكاة البشر وقدرتهم على أداء عمليات ذكية مثل لعب الشطرنج .
 يعتبر أيضًا أحد الآباء المؤسسين هو مارفن لي مينسكي ، الذي حصل على درجة الدكتوراه في الرياضيات وشارك في العديد من الدراسات والاختراعات والتطورات في هذا المجال.كان مينسكي هو من صاغ التعريف الشعبي للذكاء الاصطناعي:
"اجعل الآلة تتصرف بطريقة يمكن اعتبارها ذكية لو تصرف الشخص بهذه الطريقة".
 في بداية دراسة الذكاء الاصطناعي ، ساد النموذج "الرمزي" ، الذي سعى إلى تكرار التفكير البشري رفيع المستوى. على مر السنين تم استبداله بنموذج "الربط" ، والذي يسعى لتقليد الأساس البيولوجي للإدراك البشري من خلال الشبكات العصبية الاصطناعية.
 ومع ذلك ، في القرن العشرين ، لم ترق هذه النماذج إلى مستوى التوقعات بما يتجاوز المظاهر النظرية أو المختبرية ، مما أدى إلى ما يسمى "شتاء الذكاء الاصطناعي" ، حيث تم تقليص البحث والاستثمار في هذا المجال لفترات طويلة.
 في العقد الماضي ، نظرًا للتقدم في أبحاث علوم الكمبيوتر بالإضافة إلى تطوير الأجهزة والبرامج في مجالات الحوسبة والاتصالات ، إلى جانب التقدم الكبير في الحوسبة السحابية والبيانات الضخمة ،التي تمكن حدوث تقدم كبير في الذكاء الاصطناعي والمجالات الفرعية مثل التعلم الآلي والشبكات العصبية العميقة.

 حتى أن بعض الدراسات تدعي أن التقدم في الشبكات العصبية عميق جدًا لدرجة أن هذا الحقل الفرعي مرادف تقريبًا لمصطلح الذكاء الاصطناعي .

 تنتمي معظم التطبيقات الشائعة في الذكاء الاصطناعي اليوم إلى حقل فرعي يسمى التعلم الآلي ، والذي يتضمن خوارزميات إحصائية تسعى إلى محاكاة المهام البشرية المعرفية من خلال اشتقاق قوانين عنها ، من خلال تحليل كميات كبيرة من البيانات.
تقوم الخوارزمية في الواقع "بتدريب" المعلومات الموجودة وأثناء التدريب تنشئ نوعًا خاصًا بها من النموذج الإحصائي ، من أجل أداء نفس المهمة في المستقبل على البيانات الجديدة التي لم تصادف من قبل.

 ينتمي الذكاء الاصطناعي إلى مجال أوسع من علوم البيانات ، وهو في الواقع يحتاج إلى الكثير من البيانات من أجل العمل بفعالية. إنها الآن مسألة الحاجة إلى نسخ البيانات الضخمة ، والتي توفر تدفقًا منتظمًا من البيانات اللازمة لاشتقاق رؤى مهمة استخدام خوارزميات التعلم.

 ومع ذلك ، لا يعتمد الذكاء الاصطناعي على البيانات الضخمة فحسب ، بل هو أحد الوسائل الفعالة الوحيدة لاستخراج القيمة والمعرفة من مثل هذه الكمية من البيانات ، والتي تتطلب خوارزميات قوية للغاية لتحليلها.
الكثير من عمل الآباء المؤسسين للذكاء الاصطناعي هو الأساس النظري بالنسبة لخوارزميات التعلم الآلي ، والتي تُستخدم في العديد من الأنظمة المعاصرة وتمكين العمليات بما في ذلك التعرف على الصور والقيادة الذاتية .
تنتمي هذه الأنظمة إلى ما يُعرف عمومًا بالذكاء الاصطناعي الضيق أو الذكاء الاصطناعي الضعيف ، على الرغم من أنها أحيانًا تطبيقات متقدمة. يشير هذا المصطلح إلى الخوارزميات المصممة للتعامل مع مجموعة من المشكلات المحددة بما في ذلك اللعبة أو التعرف على الصور أو التنقل .
 يختلف هذا المفهوم عن الذكاء الاصطناعي العام ، والذي يشير إلى نظام قادر على استخدام الذكاء على المستوى البشري في مجموعة متنوعة من المهام . لم يكن الذكاء الاصطناعي العام موجودًا بعد ، حتى كتابة هذه السطور ، وتنقسم الآراء حول القدرة على إنشاء واحد على الأقل في العقدين المقبلين.
الذكاء الاصطناعي الذي يتطور اليوم هو في الأساس تطبيقات التعلم العميق. على الرغم من أن هذه التكنولوجيا تنتمي إلى فئة الذكاء الاصطناعي الضيق ، إلا أنها تتيح شكلاً أكثر دقة للتعلم المحوسب وتجعل الاستخدام التجاري للتطبيقات أكثر انتشارًا للذكاء الاصطناعي .

* الخلفية التاريخية...

الموجات الثلاث الأولى في الذكاء الاصطناعي تقسم تطور الذكاء الاصطناعي إلى ثلاث موجات ، بناءً على تحليل لتطور قدرات المجال.
تعد الوكالة العسكرية لمشاريع الأبحاث المتقدمة (المشار إليها فيما يلي باسم DARPA 11) في وزارة الدفاع الأمريكية (DoD) واحدة من الكيانات الرائدة في العالم في تطوير الذكاء الاصطناعي لأغراض أمنية.تُ

عرِّف الوكالة الذكاء الاصطناعي بأنه "قدرة مبرمجة على معالجة المعلومات 12" ، ولكن جنبًا إلى جنب مع هذا التعريف البسيط ، يتم تقسيم الموضوع أيضًا إلى ثلاث موجات ، مع كل موجة تتميز بـ "مقياس ذكاء مفاهيمي" يتم فيه قياس كل من القدرات الأربع التالية بشكل مشابه للذكاء بشري:

● الاستشعار - (Perceiving)القدرة على ملاحظة الأحداث العالمية ؛

● التعلم Learning- القدرة على تعلم الأشياء والتكيف مع المواقف المختلفة ؛

التجريد (Abstracting) - القدرة على أخذ المعرفة المكتشفة على مستوى ما وتجاهلها أو تطبيقها على مستوى آخر ؛

الاستدلال - (Reasoning)القدرة على التفكير المنطقي أو اتخاذ القرارات بشأن الأشياء بطريقة معقولة.
الموجة الأولى - وصف "المعرفة اليدوية" تستند الموجة الأولى إلى معرفة "المعرفة المصنوعة يدويًا" حيث جمع الخبراء المعرفة الموجودة حول موضوع معين ووصفوها في إطار القوانين التي يمكن أن تتكيف مع الكمبيوتر ، والتي بدورها يمكنها دراسة الآثار المترتبة على هذه القوانين .
يتضمن هذا الجيل من الذكاء الاصطناعي ، على سبيل المثال ، برامج لوجستية لتخطيط العمليات مثل الشحنات وبرامج حساب الضرائب والبرامج التي تمكنت من لعب الشطرنج ضد البشر. تعتمد العديد من برامج الكمبيوتر والتطبيقات المستخدمة اليوم على الموجة الأولى من الذكاء الاصطناعي ، ولا تزال المفاهيم الأساسية مناسبة للاستخدامات الضيقة ، كما هو الحال في العديد من التطبيقات في الهواتف الذكية أو البرامج مثل Office.
 لا يتفوق هذا الجيل من الذكاء الاصطناعي في التعلم ، ولكنه وفقًا لـ DARPA يواصل تطوير وتحقيق العديد من الإنجازات ، على سبيل المثال في مجالات الدفاع السيبراني ، ولا يزال مهمًا للغاية حتى اليوم. ضيقة جدًا ، لكنها غير قادرة على التعلم ولديها قدرة قليلة جدًا على التعامل مع عدم اليقين.
الموجة الثانية - "التصنيف:" التعلم الإحصائي. الموجة الثانية هي "التصنيف" بناءً على التعلم الإحصائي. أصبحت الإمكانات الأكثر تقدمًا ممكنة بفضل بداية استخدام التعلم الآلي ، حيث تعتمد الخوارزميات على التعلم الإحصائي بناءً على بيانات ضخمة. في هذه الموجة ، على عكس الموجة السابقة ، لا يتم تعليم الكمبيوتر قواعد ثابتة بل يطور نماذج إحصائية لمشاكل مختلفة ، ثم "يدرب" الخوارزميات على العديد من الأمثلة ، حتى تصل إلى مستوى الدقة المطلوب. هذه هي منتجات الموجة التي تمكن التعرف على الصوت أو التعرف على الوجوه على الهواتف المحمولة ، أو على سبيل المثال "الروبوتات" التي توفر خدمة العملاء من خلال المراسلات في المحادثات عبر الإنترنت.
 جعلت هذه الموجة من الممكن أن تبدأ القيادة الذاتية ، كما هو موضح في تحديات دارفا في عامي 2004 و 2005. ومع ذلك ، فإن هذا الجيل من الذكاء الاصطناعي ليس لديه القدرة على فهم القواعد أو السببية وراء أفعاله ، وبالتالي فهو متحيز أو تلاعب. وبالتالي يمكن إمالتها أو معالجتها. نظرًا للتطورات التي حدثت في السنوات الأخيرة ، تمت إضافة العديد من الاستخدامات إلى هذا الجيل من الذكاء الاصطناعي ، بما في ذلك أنظمة لتحليل أو ترجمة النص ، وبرنامج "المساعد الشخصي" على الهاتف الذكي ، وكذلك القدرة على لعب الألعاب الصعبة مثل لعبة الإستراتيجية الصينية "Go".
تتميز الموجة الثانية ، وفقًا لـ DARPA ، بالقدرة على تصنيف الأشياء وفقًا للفروق الدقيقة والقدرة على التنبؤ ، لكن المنتجات ليس لها قدرات سياقية وقدرات قليلة على التفكير.
 الموجة الثالثة - توضيحية: التكيف السياقي الموجة الثالثة هي موجة تفسيرية قيد التطوير حاليًا وتسعى إلى تمكين "التكيف السياقي".تحاول الخوارزميات أو الأنظمة القائمة على هذه الموجة صياغة نماذجها الخاصة التي ستشرح موضوعات معينة. يتوقع داربا أن تتعلم الأنظمة المبنية حول النماذج السياقية بأنفسهم كيف ينبغي فهم النماذج المختلفة ، وهذا سيسمح للأنظمة باستخدام نماذج للتفسيرات واتخاذ القرارات بشأن مختلف القضايا والموضوعات.

 تختلف هذه القدرات بشكل كبير عن معظم الخوارزميات ، والتي تعمل حاليًا كـ "صندوق أسود" وتخلق تحديًا توضيحيًا (قابلية التفسير).أما كيف توصلوا إلى الاستنتاجات (وهو موضوع سيتم توسيعه في القسم الذي يتناول التحديات). وبالتالي ، فإن هذه القدرات ستسمح باستخدام المعلومات بشكل مجردة وتنقلها خطوة إلى الأمام ، لكن إمكانيات هذه الأنظمة لا تزال محدودة اليوم.

الأمل هو أن تكون منتجات هذه الموجة أكثر "إنسانية" ، وستسمح ، من بين أشياء أخرى ، بالتواصل بلغة طبيعية ، وستكون قادرة على تعليم وتدريب أنفسهم (مثل برنامج Alpha-Go الذي درب نفسه في الآلاف من ألعاب Go ضد نفسه) وسيشمل قدرات جمع المعلومات من عدة مصادر مختلفة وصياغة استنتاجات جيدة التفسير .

 وفقًا للوكالة ، من المتوقع أن تؤدي هذه الموجة إلى تحسين القدرات بشكل كبير في مجالات الاستشعار والتعلم والتفكير ، لكن المنتجات ستظل تتمتع بقدرات متواضعة فقط في مجال التجريد. التقنيات التي بدأت بالفعل في الظهور اليوم في سياق هذه الموجة هي ، على سبيل المثال ، تقنيات "المساعد الذكي" المتقدمة في قدرتها على المساعدة فيما يتعلق بتقنيات الجيل الثاني ، بما في ذلك Siri و Alexa 19.

 مثال آخر هو برنامج Duplex ، Google الذي يمكنه حجز المواعيد (على سبيل المثال مكان في صالون حلاقة أو مطعم) أثناء إجراء محادثة صوتية متماسكة مع ممثل خدمة بشرية. بصرف النظر عن المهام التي يمكن أن يؤديها هذا البرنامج بشكل مستقل ، فإنه يعرف أيضًا كيفية تحديد وإشارة مستخدمه حول المهام التي لا يمكنه القيام بها بنفسه.