دراسة جديدة لمعهد دراسات الأمن القومي الإسرائيلي INNS تحت عنوان : "الذكاء الاصطناعي والأمن القومي في إسرائيل"

الذكاء الاصطناعي والمجالات البيئية

 التعلم الآلي:
الحقل الفرعي الأكثر شيوعًا للذكاء الاصطناعي هو التعلم الآلي .
يمكّن التعلم الآلي الخوارزميات من التعلم من المعلومات وتطوير الحلول بشكل مستقل ، باستخدام خوارزميات قائمة على الإحصائيات "تتعلم" من قواعد البيانات الكبيرة لاستعادة القدرات الإدراكية البشرية ، وبالتالي أداء المهام في مواقف غير مألوفة .
يتيح التعلم الآلي للخوارزميات التعلم من خلال التدريب المتكرر وإنشاء نتائج تتحسن وفقًا لنطاق التدريب والخبرة في الخوارزمية. هذا يختلف عن البرامج المكتوبة بواسطة مبرمج بشري. مثال على ذلك هو برنامج الذكاء الاصطناعي الذي يتلقى قاعدة بيانات من الحروف المكتوبة بخط اليد ، ويتعلم التمييز بين الحروف المكتوبة بخط اليد حتى من قبل شخص لم يظهر خط يده في قاعدة البيانات الحالية.
 هناك عدة طرق للتعلم الآلي ، بما في ذلك التعلم تحت إشراف المبرمج ،تعلم النموذج الأساسي الحالي الذي تقوم الآلة بتحسينه ؛ والتعلم بدون توجيه ، حيث تقوم أنظمة التعلم بتطوير نموذجها الخاص ، والذي لا يعتمد على نموذج موجود. نهج آخر هو التعلم المعزز ، حيث يتعلم البرنامج من التجربة والخطأ بدلاً من قاعدة البيانات الحالية.

التعلم العميق ( Deep learning) 
هو حقل فرعي من التعلم الآلي ، والذي يستخدم الشبكات العصبية هذه الشبكات العصبية هي خوارزميات مستوحاة من طريقة عمل الشبكة العصبية في الدماغ البشري. تتعلم الشبكة العصبية عن طريق تصحيح العديد من الوصلات داخلها ، حيث تقوم بإجراء تصحيحات صغيرة عن طريق فحص الكثير من المعلومات ، من أجل تحسين دقتها ، وبالتالي فإن إخراج إحدى الخلايا العصبية هو مدخلات خلية عصبية أخرى. سمي التعلم العميق بهذا الاسم لأنه يعتمد على طبقات عديدة من الشبكات العصبية الاصطناعية.

 بفضل النجاحات الملحوظة ، أصبحت الشبكات العصبية على مر السنين أكثر هذه الشبكات شيوعًا من بين مناهج التعلم الآلي ، وهي مسؤولة عن مجموعة متنوعة من الإنجازات في مجال الذكاء الاصطناعي ، بما في ذلك التعرف على الوجوه بمستوى يتجاوز قدرة الإنسان على التعرف على الوجوه ؛ التعرف على الأشياء في الصور ؛ السيطرة على المركبات المستقلة والطائرات الشراعية ؛ نسخ الكلام بمستوى أعلى من مستوى الناسخين البشريين المحترفين ؛ وترجمة اللغات ، بما في ذلك تلك التي لم يتم تدريب التكنولوجيا عليها .

ضمن هذه الأساليب الرئيسية ، توجد القدرات في مجالات مختلفة ، على سبيل المثال:-

- معالجة الصور:

معالجة الصور تستخدم قدرة معالجة الصور التعلم العميق وتسمح للبرنامج بتحديد الكائنات داخل الصورة وتصنيفها. للقيام بذلك ، يقوم البرنامج بتقسيم الصورة إلى وحدات بكسل وإرفاق قيم لكل بكسل وفقًا للون. يحدث هذا التحليل للصورة في نظام الشبكة العصبية الاصطناعية العميقة للبرنامج ، والذي يتم تدريبه بناءً على قاعدة بيانات كبيرة للصور ويصنف الصورة وفقًا لذلك. اليوم ، بعض التقنيات في هذا المجال متاحة بالفعل لعامة الناس كمنتج جاهز ، مثل برنامج Google AI Vision.

رؤية الكمبيوتر:- 
تختلف رؤية الكمبيوتر عن تقنيات معالجة الصور من حيث أنها تسمح للبرنامج باكتشاف الأشياء في الوقت الفعلي والاستجابة لها بشكل مشابه للقدرة على الرؤية البشرية ولكن دون الحاجة إلى تصنيفهم. تُستخدم هذه التقنيات ، على سبيل المثال ، في السيارات شبه المستقلة ، حيث يمكنها اكتشاف شخص يصعد على الطريق ويصدر صوت تحذير للسائق. من الموضوعات الأخرى التي أصبحت ممكنة بفضل رؤية الكمبيوتر ، على سبيل المثال ، التصوير ثلاثي الأبعاد ، وقياس الكائن ، والتنقل المستقل ، والتحكم غير الطبيعي في الحركة.

 - معالجة اللغة الطبيعية:
المعالجة الطبيعية الطبيعية هو حقل فرعي من التعلم الآلي الذي يسمح للبرامج بنسخ وترجمة وتنفيذ الإجراءات وفقًا للمعاني الواسعة للغة المنطوقة والمكتوبة ، بالإضافة إلى إنتاج كلمات وجمل جديدة ذات معنى للإنسان. 

 من بين تطبيقات معالجة اللغة الطبيعية التي تساعد على معالجة كميات كبيرة من المعلومات واشتقاق روايات ورؤى بسيطة وسهلة الفهم ، التي تساعد على معالجة النصوص التي تكون فيها المعلومات مفقودة أو غير منظمة. تُستخدم تقنية معالجة اللغة الطبيعية بالفعل في مجموعة واسعة من تطبيقات الذكاء الاصطناعي ، بما في ذلك تطبيقات المساعد الشخصي مثل Siri و Eco و Assistant وتطبيقات ترجمة اللغات من Google والتطبيقات الحكومية والتجارية التي تحلل قواعد البيانات الكبيرة المستندة إلى النصوص وحتى تطبيقات الأمان في مجال الذكاء.

ومن التقنيات المصاحبة ، المتأثرة بالذكاء الاصطناعي وتطوراته:-

إنترنت الأشياء تصف إنترنت الأشياء عالماً تكون فيه أجهزة الكمبيوتر الصغيرة وأجهزة الاستشعار مدمجة في كائنات مختلفة. يمكن لهذه الكائنات إنتاج وتخزين المعلومات الرقمية أثناء مراقبة بيئتها ، وعرض المعلومات وتنفيذ الإجراءات على مستوى معين من الاستقلالية أو على الأقل تلقائيًا. تتصل نفس الكائنات أيضًا بالشبكة ، مما يسمح لها بالتواصل مع البيئة والأجهزة الأخرى والبشر.نظرًا لأن تقنية الذكاء الاصطناعي تعتمد أيضًا على وجود ثروة من المعلومات التي تتيح استخلاص النتائج ، فإن تقنية إنترنت الأشياء تلعب دورًا رئيسيًا في النهوض بالذكاء الاصطناعي. علاوة على ذلك ، فإن الجمع بين هذه التكنولوجيا وتطبيقات الذكاء الاصطناعي في الوقت الفعلي يمكّن نظام الذكاء الاصطناعي من تلقي مدخلات في الوقت الفعلي وتحسين استجاباتهم بشكل دائم. يمكن أن تتيح هذه التقنية خدمات المدن الذكية على سبيل المثال ، كما هو موضح في مدينة Hangzhou الصينية. أيضًا ، تحتوي هذه التقنية على العديد من تطبيقات الأمان بما في ذلك IoBT - إنترنت الأشياء في ساحة المعركة.

تقنيات الاستخدام المزدوج: 
من خصائص تقنية الذكاء الاصطناعي أنها ذات استخدام مزدوج ، أي: يمكن استخدام نفس التطبيق للأغراض المدنية والعسكرية أو الأمنية. لا يقتصر هذا على الذكاء الاصطناعي فحسب ، بل إنه موجود في التقنيات والمجالات العلمية الأخرى. في مجال الذكاء الاصطناعي ، ينعكس ذلك ، على سبيل المثال ، في البرامج التي تكتشف تلقائيًا الأشياء غير المرغوب فيها في مقاطع فيديو YouTube وتنبهها. يمكن أيضًا استخدام مثل هذه البرامج لتحديد وتنبيه الأسلحة أو الشخصيات المشبوهة في مقاطع الفيديو الأمنية. هذه الفائدة تخلق فرصة ولكنها أيضًا تحدٍ. من ناحية أخرى ، يمكن للصناعات الدفاعية التعاون مع قطاع الأعمال وتطوير تقنيات ذات تطبيقات متنوعة تفيد كلا القطاعين.
من ناحية أخرى ، يمكن استخدام تطوير التكنولوجيا لغرض محدد في قطاع الأعمال ، من خلال الحد الأدنى من التعديلات ، لأغراض قتالية ، ونقل قدرات متقدمة حتى إلى العناصر المعادية أو العناصر الفرعية . ينضم هذا التحدي الأمني إلى تحدٍ آخر يتمثل في المنتجات الجاهزة أو المكونات التكنولوجية المختلفة ، والتي قد تصبح مع تعديلات طفيفة سلاحًا لأولئك الذين لا يستطيعون شرائها من الصناعات الدفاعية.