By جون بي ديزموند ، اتجاهات الذكاء الاصطناعى محرر
لا يتجاهل الذكاء الاصطناعي جميع قواعد وأساليب تطوير البرامج التي تم تعلمها على مدار الخمسين عامًا الماضية ، بل الكثير منها فقط.
تستعير أنظمة الذكاء الاصطناعي المستندة إلى القواعد من تطوير أنظمة الخبراء القائمة على القواعد ، والتي استفادت من معرفة الخبراء البشريين لحل المشكلات المعقدة من خلال التفكير من خلال مجموعات المعرفة. ظهرت أنظمة الخبراء في السبعينيات والثمانينيات.
سيتم تمثيل المعرفة من خلال قواعد if-then-else بدلاً من التعليمات البرمجية الإجرائية. تم اعتبار الأنظمة الخبيرة أشكالًا ناجحة من أوائل الذكاء الاصطناعي.
تتضمن نماذج الذكاء الاصطناعي القائمة على القواعد اليوم مجموعة من القواعد ومجموعة من الحقائق ، موصوفة في حساب حديث في أن تصبح إنسانًا / متوسط. "يمكنك تطوير ملف الأساسية نموذج الذكاء الاصطناعي بمساعدة هذين العنصرين "، تنص المقالة.
باستخدام نهج التعلم الآلي ، يحدد النظام مجموعة القواعد الخاصة به بناءً على الأنماط التي يراها في البيانات. يتطور نظام التعلم الآلي باستمرار ويتكيف بناءً على تدفقات بيانات التدريب ، بالاعتماد على النماذج التي تستخدم الإحصائيات. تتطلب نماذج التعلم الآلي عادةً بيانات أكثر من النماذج القائمة على القواعد.
يقترح المؤلف أن أفضل المشاريع للنماذج المستندة إلى القواعد هي عندما تكون هناك حاجة إلى الإخراج بسرعة أو عندما يُنظر إلى التعلم الآلي على أنه عرضة للخطأ بشكل كبير. أفضل المشاريع لنماذج التعلم الآلي هي تلك ذات الوتيرة السريعة للتغيير والتي يصعب تلخيصها في قائمة القواعد المحددة.
برامج التعلم الآلي "اكتشفوا أنفسهم بأنفسهم"
تم التعبير عن وجهة نظر مماثلة إلى حد ما من قبل Jeff Grisenthwaite ، نائب رئيس Product at Catalytic ، وهي شركة تقدم منصة "بدون رمز" لأتمتة سير العمل ، في مقابلة نشرت في ال مدونة التحفيز. "من خلال التعلم الآلي ، يمكن لبرامج الكمبيوتر أن تكتشف بأنفسها أفضل طريقة لتحقيق هذه الأهداف ويمكن أن تتحسن بالاكتفاء الذاتي لأنها تستهلك المزيد من البيانات وتجربة نتائج السيناريوهات المختلفة ".
وأضاف: "باستخدام الأنظمة المستندة إلى القواعد ، يحدد الأشخاص المنطق لكيفية اتخاذ البرامج للقرارات" ، مستخدمًا مثال برنامج التوظيف الذي يستبعد المرشحين الذين تقل خبرتهم عن خمس سنوات. إذا تم استخدام نهج التعلم الآلي لتقييم المرشحين للوظائف ، فسيقوم البرنامج بمراجعة مجموعة كبيرة من بيانات التدريب التي تتضمن أمثلة عن الوقت الذي كان فيه المرشحون مؤهلين أو غير مؤهلين. صرح Grisenthwaite: "سيحدد البرنامج الأنماط ويطبق حكمه على البيانات الجديدة التي تأتي ، ويحدد ترتيب الأولويات للمرشحين للوظائف الوافدة"
فيما يتعلق بوقت استخدام نهج قائم على القواعد أو نهج التعلم الآلي ، جريسينثويت لا يمكن تطبيق التعلم الآلي المقترح إلا عند توفر الآلاف من سجلات البيانات ذات الصلة لإجراء تنبؤات دقيقة. يمكن أن يشمل ذلك مؤهلات العملاء المتوقعين في المبيعات والاستجابات التلقائية لدعم العملاء والمواقف التي لها العديد من العوامل التي تترجم إلى المزيد من الأعمدة في مجموعة البيانات.
صرح Grisenthwaite أن التعلم الآلي "مجهز بشكل أفضل لتحديد الأنماط في البيانات من مطالبة الأشخاص بالعثور على الأنماط وتطوير القواعد يدويًا لكل منها". ومن الأمثلة على ذلك الخوارزميات التي تتنبأ بأسعار العقارات ، بناءً على مراجعة أسعار وعوامل المبيعات التاريخية بما في ذلك الموقع والقدم المربع والمرافق. أيضًا ، بالنسبة للبيئات سريعة التغير مثل توصيات التجارة الإلكترونية والتنبؤ بالمبيعات ، "يتفوق التعلم الآلي على الأنظمة القائمة على القواعد" ، كما قال.
الأنظمة المستندة إلى القواعد هي الأنسب للتطبيقات التي تحتاج إلى أحجام أقل من البيانات وقواعد واضحة للغاية. تتضمن الأمثلة الموافقات على تقرير المصروفات التي تحدد عتبات الدولار التي تتطلب موافقات الإدارة على مستويات مختلفة ، أو توجيه البريد الإلكتروني الذي يستخدم قائمة من الكلمات الأساسية لتحديد الوجهة.
تجمع بعض الأنظمة بين القواعد المستندة إلى التعلم الآلي. يستخدم أحد العملاء المحفزين في مجال الإعلانات نظامًا قائمًا على القواعد للبحث في مكتبة من الإجابات على الأسئلة السابقة بشأن طلبات نماذج العروض. ثم يتم فحص الردود التي تعتبر أكثر صلة في تلك المكتبة المصفاة بواسطة خوارزمية التعلم الآلي للتنبؤ بأفضل إجابة لكل سؤال.
"إن الجمع بين الأنظمة المستندة إلى القواعد والتعلم الآلي يمكّن كل نهج من تعويض أوجه القصور في الآخر "، كما يقول Grisenthwaite.
يمكن تقسيم "الكون الكامل للذكاء الاصطناعي" إلى قواعد أو قائمة على التعلم
رأي واحد هو أن "عالم الذكاء الاصطناعي بأكمله يمكن تقسيمه إلى هاتين المجموعتين" من التقنيات المستندة إلى القواعد وتقنيات التعلم الآلي ، يقترح حسابًا من ترايسينتس، مورد نظام اختبار برمجيات يعتمد على الذكاء الاصطناعي.
وأضاف المؤلفون ، "يسمى نظام الكمبيوتر الذي يحقق الذكاء الاصطناعي من خلال تقنية التعلم الآلي نظام التعلم". والهدف من النظام القائم على القواعد هو الحصول على معرفة خبير بشري في مجال متخصص وتجسيدها في نظام كمبيوتر.
"هذا هو. لذلك دعونا نعتبر الأنظمة المستندة إلى القواعد هي أبسط أشكال الذكاء الاصطناعي "، كما ذكر المؤلفون ، مقيدًا بحجم قاعدة المعرفة الأساسية الخاصة به ، وبالتالي تنفيذ" ذكاء اصطناعي ضيق ".
معضلة الأنظمة المستندة إلى القواعد هي صعوبة إضافة قواعد إلى قاعدة معرفية كبيرة دون إدخال قواعد متناقضة. يقول المؤلفان: "غالبًا ما تصبح صيانة هذه الأنظمة مستهلكة للوقت ومكلفة للغاية". نتيجة لذلك ، تكون الأنظمة المستندة إلى القواعد أقل فائدة في حل المشكلات في المجالات المعقدة أو عبر مجالات بسيطة متعددة.
هناك مشكلة أخرى في أنظمة التعلم الآلي وهي أنه لا يمكن استخراج الأعمال الداخلية للنظام ، مما يؤدي إلى ظهور صندوق أسود ونقص في البصيرة حول كيفية اتخاذ النظام لقراره. يقول المؤلفون: "هذه مشكلة رئيسية للعديد من التطبيقات". قانون تكافؤ فرص الائتمان ، على سبيل المثال ، يتطلب أن طلبات الحصول على الائتمان يجب أن تقدم أسباب محددة للإجراءات المتخذة.
تنوع المشاكل التي يطرحها اتخاذ القرار في الصندوق الأسود هو تجربة الباحثين في مستشفى Mount Sinai في نيويورك ، في تطبيق نظام تعليمي على قاعدة بيانات المستشفيات لسجلات حوالي 700,000 فرد. يسمى نظام التعلم الناتج صبور عميق، تبين أنها جيدة جدًا في التنبؤ بالمرض. حتى أنه يبدو أنه يتوقع ظهور الاضطرابات النفسية مثل الفصام ، الذي يصعب على الأطباء التنبؤ به جيدًا. يقول المؤلفون: "لا يقدم المريض العميق أي دليل على كيفية قيامه بذلك" ، مشيرين إلى جويل دادلي ، الرئيس السابق لفريق ماونت سيناي ، وهو الآن كبير المسؤولين العلميين في مختبرات تيمبوس ، التي تقدم الطب الدقيق من خلال التطبيق العملي للذكاء الاصطناعي في الرعاية الصحية .
نُقل عن دودلي قوله: "يمكننا بناء هذه النماذج ، لكننا لا نعرف كيف تعمل".
اقرأ مقالات ومعلومات المصدر في أن تصبح إنسانًا / متوسط، في مدونة التحفيز، في ترايسينتس وعلى صبور عميق.
