لخّصلي

1. ما هو الذكاء الاصطناعي (AI) بمعنى آخر، هو أداة مُدربة لتنفيذ ما يستطيع الإنسان القيام به. • تعريف آخر: "الذكاء الاصطناعي هو محاكاة العمليات الذهنية البشرية بواسطة الآلات. 2. الذكاء البشري مقابل الذكاء الاصطناعي: • يمتلك البشر القدرة على التفكير والتصرف بعقلانية وعاطفية معاً، مما يمكّنهم من اتخاذ قرارات بناءً على المنطق والمشاعر. • أما الذكاء الاصطناعي فيركز على التفكير العقلاني واتخاذ القرارات بناءً عليه، 1. الحوسبة عالية السرعة. 2. كمية ضخمة من البيانات عالية الجودة. 3. خوارزميات متقدمة تميز الذكاء الاصطناعي عن البرامج العادية. تعريفات الخوارزميات واتخاذ القرارات. يُعرَّف مصطلح الخوارزمية بأنه "مجموعة من التعليمات التي يجب اتباعها في العمليات الحسابية أو العمليات الأخرى. وبالمستوى الأساسي، بالطبع، تكون خوارزمية الذكاء الاصطناعي أكثر تعقيداً مما يتعلمه معظم الأشخاص في علم الجبر. فمجموعة معقدة من القواعد هي التي تقود برامج الذكاء الاصطناعي، بدون خوارزمية، لن يكون للذكاء الاصطناعي وجود. الخوارزميات جزء من كل ما نقوم به. فإن مصطلح "الخوارزمية" قد يبدو غير واضح. في الواقع، على سبيل المثال. توفر الخوارزميات للحواسيب دليلاً متسلسلاً لإتمام الإجراءات، وتوجد في كل ما نقوم به. توفر الخوارزميات دليلاً دقيقاً للحواسيب لإنجاز المهام خطوة بخطوة. يمكن تشبيهها بوصفة طبخ، حيث تتبع التعليمات لتحقيق نتيجة محددة. كيف تعمل خوارزميات الذكاء الاصطناعي: تعمل خوارزميات الذكاء الاصطناعي على أساس عملية الإدخال والإخراج؛ حيث يأخذ البرنامج البيانات كمدخلات، يقوم الكمبيوتر بتطبيق الخوارزمية خطوة بخطوة لإنتاج المخرجات. منطق الخوارزمية Algorithm Logic • قارن القيمة الحالية بالهدف • تحرك بشكل تسلسلي • تعريف واضح لمسألة المشكلة، والمدخلات، والمخرجات. • يجب أن تكون خطوات الخوارزمية مرتبة بترتيب محدد للغاية. • يجب أن تكون الخطوات واضحة ومتميزة. • يجب أن تنتج الخوارزمية نتيجة. ومعالجتها. وبذلك يحاكي الذكاء البشري. 1. إذا كان "إشارة المرور خضراء"
2. فالإجراء هو المضي قدمًا. فهو يقوم بأتمتة العمليات من خلال تقسيمها إلى خطوات. 3. بعد ذلك، تأتي أي إجراءات آلية لاحقة. 4. إذًا، كيف يعمل النظام القائم على القواعد؟ بناءً على قواعد محددة. تحدد هذه القواعد المحفزات (أو الأحداث) والإجراءات التي يجب اتباعها (أو التي يتم تفعيلها). قد يكون المحفز هو بريد إلكتروني يحتوي على كلمة "فاتورة". • غالباً ما تأخذ هذه القواعد شكل عبارات شرطية (If statements)، إذا أردت إنشاء نظام قائم على القواعد قادر على التعامل مع 100 إجراء مختلف، فسيتعين عليك كتابة 100 قاعدة مختلفة. فستحتاج إلى كتابة قواعد جديدة إضافية. كيف يعمل النظام القائم على القواعد؟ تستخدم القواعد لإخبار الآلة بما يجب عليها فعله، من هناك، لكن تذكر: إذا أخبرتها بفعل شيء بشكل غير صحيح، فسوف تقوم به بشكل غير صحيح. ما هي بيانات التدريب؟ بيانات التدريب هي مجموعة البيانات الأولية المستخدمة لتدريب خوارزميات التعلم الآلي. تُعرف بيانات التدريب أيضًا بمجموعات بيانات التدريب، ومجموعات التدريب. ببساطة، إنها تعلم ما يبدو عليه الناتج المتوقع. يقوم النموذج بتحليل مجموعة البيانات مرارًا لفهم خصائصها بعمق وضبط نفسه لتحسين الأداء. يمكن تصنيف بيانات التدريب إلى فئتين: البيانات المصنفة والبيانات غير المصنفة. ما هي البيانات المصنفة؟ تُعرف أيضًا بالبيانات المشروحة، أو العنب. تتيح نماذج التعلم الآلي (ML) تعلم الخصائص المرتبطة بعلامات معينة، والتي يمكن استخدامها لتصنيف نقاط بيانات جديدة. في المثال أعلاه، يعني ذلك أن النموذج يمكنه استخدام بيانات الصور المصنفة لفهم ميزات فواكه معينة واستخدام هذه المعلومات لتجميع صور جديدة. تُعتبر عملية تصنيف البيانات أو توضيحها عملية تستغرق وقتًا طويلاً، إن جمع البيانات المصنفة يعتبر تحديًا ومكلفًا. كما أنه ليس من السهل تخزين البيانات المصنفة مقارنةً بالبيانات غير المصنفة. التعلم الغير خاضع للرقابة هو الطريقة التي سيتعلم بها معظم الناس في المستقبل. لديك هذا النموذج حول كيفية عمل العالم في ذهنك وتقوم بتعديله لتوقع ما تعتقد أنه سيحدث في المستقبل. يستخدم التعلم الغير خاضع للرقابة خوارزميات التعلم الآلي لتحليل وتجميع مجموعات البيانات غير المصنفة. تكتشف هذه الخوارزميات الأنماط المخفية أو تجميعات البيانات دون الحاجة إلى تدخل بشري. الأنطولوجيا هي علم يهتم بالموجودات في العالم، حيث تدرس الأشياء الموجودة فعليًا وتلك التي قد توجد في المستقبل، مع الأخذ بعين الاعتبار أي احتمال لوجودها. الأنطولوجيا هي نموذج بيانات يمثل نطاقًا معينًا وتستخدم لتقديم تفسير عن الكائنات الموجودة في ذلك المكان أو المجال، بالإضافة إلى العلاقات الممكنة بينها. ربما يكون المثال الأكثر وضوحًا هو دليل Yahoo، الذي يستفيد من مفهوم الأنطولوجيا لتجميع العناصر المتشابهة في تكتلات موضوعية. يهدف هذا إلى تنظيم المحتوى الرقمي على الإنترنت وتصنيف صفحات الويب بشكل موضوعي لتضييق نطاق نتائج البحث، وبالتالي ضمان دقة أعلى في النتائج المسترجعة وسرعة أكبر في الاسترجاع. وقد تم تلخيص مفهوم الأنطولوجيا بأنها تمثل "مواصفات لتصور الأفكار"، وبناءً عليه، في سياق علوم إدارة المعلومات، الوصف الدقيق للمحتوى والكيانات ذات الصلة على شبكة الإنترنت وعلاقاتها مع بعضها البعض. تعتبر الأنطولوجيا حجر الأساس لوصف مجال اهتمام محدد وتتكون من مجموعة من المصطلحات المرتبطة التي تشكل هيكلًا هرميًا. يمكن أن تكون الأنطولوجيا بسيطة، مثل معجم المصطلحات والتعريفات، والبديهيات، • الفئات: Classes تشمل المجموعات والمفاهيم وأنواع الكيانات التي يتم تنظيمها في مجال أو موضوع معين. الماجستير، الدكتوراه). وغالبًا ما يتم تنظيم هذه الفئات وفقًا لتصنيفات معينة. • السمات: Attributes تمثل الخصائص والصفات والجوانب المرتبطة بالفئات والكيانات والمفاهيم، وبالتالي تشمل جميع السمات المتعلقة بكل مفهوم. • القيود: Restrictions تتعلق بطبيعة القيود المفروضة على دمج أو فصل المصطلحات. • العلاقات: Relations توضح طبيعة ونوع الروابط، بالإضافة إلى الطرق المستخدمة لربط الفئات والمصطلحات، يمكن اعتبار قاعدة المعرفة كأنطولوجيا. في ضوء ما تم تقديمه، فإن الأنطولوجيا هي مجموعة من المصطلحات والمفردات المرتبطة بمجال أو تخصص معين، البيانات الضخمة (BIG DATA) البيانات الضخمة بأنها: "أصول معلوماتية ذات أحجام كبيرة، وتدفقات سريعة، وتنوع كبير، فكل عملية رقمية وكل تفاعل على وسائل التواصل الاجتماعي يولّد بيانات ضخمة يتم تبادلها عبر الأنظمة، وأجهزة الاستشعار، وقدرات تحليلية، والتباين، وصحة البيانات. بينما يشير الاتحاد الدولي للاتصالات (ITU) إلى أن مصطلح البيانات الضخمة يعني مجموعة البيانات التي تتميز بحجم أو سرعة أو تنوع يفوق مجموعات البيانات التقليدية. AI Agent) الوكيل الذكي • الوكيل الذكي هو كيان برمجي يقوم بأداء المهام بشكل مستقل نيابةً عن مستخدم أو برنامج آخر باستخدام تقنيات الذكاء الاصطناعي. يتم تصميم الوكلاء الأذكياء بحيث يدركون بيئتهم عبر المستشعرات، ويتخذون إجراءات لتحقيق أهداف محددة، وغالباً ما يتعلمون ويتكيفون بمرور الوقت لتحسين أدائهم. التعريف
3. المعالجة: Process تحليل وتفسير البيانات لاتخاذ قرارات أو إجراء توقعات. 3. عمل: Act تنفيذ إجراءات لتحقيق الأهداف المحددة، 1. الدردشة الآلية: تعمل الوكلاء الذكية مثل سيري (Siri) وأليكسا (Alexa) ومساعد جوجل (Google Assistant) على التفاعل مع المستخدمين من خلال معالجة اللغة الطبيعية للإجابة على الأسئلة، وتعيين التذكيرات، 2. أنظمة التوصية: تستخدم الوكلاء في نتفليكس (Netflix) أو أمازون (Amazon) لتحليل تفضيلات وسلوكيات المستخدمين من أجل اقتراح أفلام أو كتب أو منتجات. 3. المركبات الذاتية القيادة: تستخدم السيارات ذاتية القيادة من شركات مثل تسلا (Tesla) وكلاء ذكيين للتنقل، واكتشاف العقبات، واتخاذ قرارات القيادة. 5. ذكاء الألعاب: تستخدم الشخصيات غير القابلة للعب (NPCs) في ألعاب الفيديو وكلاء ذكية لتوفير تجارب لعب تحدي من خلال التكيف مع استراتيجيات اللاعب. الساقين، والفم. في مجال الذكاء الاصطناعي هو عبارة عن برنامج أو عـنصر روبـوت لديـه القـدرة عـلى إدراك بيئته عن طريق الكاميرات وأجهزة الكشف عن نطاق الأشعة تحت الحمراء والـتصرف وفقا لهذا التدبر تشير "الخوارزمية التكيفية" إلى فئة من الخوارزميات المصممة لضبط وتحسين أدائها استجابةً للبيئات أو المدخلات المتغيرة. مما يمكّنها من تحسين عملياتها وتنبؤاتها بمرور الوقت. تعتبر هذه القدرة على التكيف حاسمة في التطبيقات التي يمكن أن تتغير فيها الظروف بشكل كبير، التطبيقات في الوقت الحقيقي، وسيناريوهات حل المشكلات المعقدة (راسل ونورفيغ، فيما يلي بعض الاستخدامات الشائعة: • تعلم الآلة: تعتبر الخوارزميات التكيفية جزءاً أساسياً من تعلم الآلة، تشمل الأمثلة على ذلك تحسين التكيف في التعلم التجميعي وطرق التدرج التكيفية مثل Ada Grad وAdam في تدريب الشبكات العصبية (جودفيلو وآخرون، • الروبوتات: في الروبوتات، تتيح الخوارزميات التكيفية للروبوتات تعديل سلوكها بناءً على تغذية راجعة من المستشعرات، مما يمكّنها من التنقل في بيئات معقدة ومتغيرة. يستخدم مكنسة روبوتية ذاتية التشغيل خوارزميات تكيفية لرسم خريطة وتنظيف غرفة بكفاءة (سيشيليانو وخاتيب، تستخدم الدردشات التلقائية والمساعدات الافتراضية هذه التقنيات لتحسين ردودها بناءً على تفاعلات المستخدمين (جورافسكي ومارتن،

تعريفات الذكاء الاصطناعي
المحاضرة الأولى

Artificial Intelligence Definitions
تعريفات مهمة:

1. ما هو الذكاء الاصطناعي (AI)
   • الذكاء الاصطناعي (AI) هو تقنية تُستخدم لأداء مهام تتطلب مستوى معيناً من الذكاء لإنجازها؛ بمعنى آخر، هو أداة مُدربة لتنفيذ ما يستطيع الإنسان القيام به.
   • تعريف آخر: "الذكاء الاصطناعي هو محاكاة العمليات الذهنية البشرية بواسطة الآلات."


2. الذكاء البشري مقابل الذكاء الاصطناعي:
   • يمتلك البشر القدرة على التفكير والتصرف بعقلانية وعاطفية معاً، مما يمكّنهم من اتخاذ قرارات بناءً على المنطق والمشاعر.
   • أما الذكاء الاصطناعي فيركز على التفكير العقلاني واتخاذ القرارات بناءً عليه، لكنه يفتقر إلى الذكاء العاطفي والتجربة الذاتية التي تميز الإنسان في اتخاذ القرارات.
   لماذا يختلف الذكاء الاصطناعي عن البرامج العادية؟
   ثلاث مكونات أساسية:


3. الحوسبة عالية السرعة.


4. كمية ضخمة من البيانات عالية الجودة.


5. خوارزميات متقدمة تميز الذكاء الاصطناعي عن البرامج العادية.
   تعمل تقنيات الذكاء الاصطناعي الأساسية على تحقيق دقة واستقرار أفضل في العمليات اليومية باستخدام خوارزميات تربط بين البيانات عالية الجودة وخدمات الحوسبة السريعة.
   تعريفات الخوارزميات
   خوارزميات الذكاء الاصطناعي هي مجموعة من التعليمات أو القواعد التي تُمكّن الآلات من التعلم وتحليل البيانات واتخاذ القرارات بناءً على تلك المعرفة. تستطيع هذه الخوارزميات أداء مهام تتطلب عادةً ذكاءً بشرياً، مثل التعرف على الأنماط، وفهم اللغة الطبيعية، وحل المشكلات، واتخاذ القرارات.
   يُعرَّف مصطلح الخوارزمية بأنه "مجموعة من التعليمات التي يجب اتباعها في العمليات الحسابية أو العمليات الأخرى." وينطبق هذا التعريف على الرياضيات وعلوم الحاسوب على حد سواء. وبالمستوى الأساسي، تُعد خوارزمية الذكاء الاصطناعي برمجةً تُعلم الكمبيوتر كيفية التعلم والعمل بشكل مستقل.
   بالطبع، تكون خوارزمية الذكاء الاصطناعي أكثر تعقيداً مما يتعلمه معظم الأشخاص في علم الجبر. فمجموعة معقدة من القواعد هي التي تقود برامج الذكاء الاصطناعي، وتحدد خطواتها وقدرتها على التعلم. بدون خوارزمية، لن يكون للذكاء الاصطناعي وجود.
   ما هي الخوارزميات
   الخوارزميات جزء من كل ما نقوم به. هي مجموعة من الخطوات أو التعليمات لإتمام مهمة ما. لكن بالنسبة لمن ليس لديهم ميل للرياضيات أو البرمجة، فإن مصطلح "الخوارزمية" قد يبدو غير واضح. في الواقع، هناك نكتة تقول إن المطورين يستخدمون كلمة "خوارزمية" عندما لا يرغبون في شرح ما قاموا به.
   الخوارزميات هي ببساطة سلسلة من التعليمات التي تُتبع خطوة بخطوة لأداء شيء مفيد أو حل مشكلة. يمكنك أن تعتبر وصفة الكعكة خوارزمية لصنع الكعكة، على سبيل المثال. وفي الحوسبة، توفر الخوارزميات للحواسيب دليلاً متسلسلاً لإتمام الإجراءات، وهي تتألف من قائمة دقيقة من التعليمات التي تحدد كيفية إتمام مهمة معينة.
   باختصار: الخوارزميات هي مجموعة من الخطوات أو التعليمات المتسلسلة لإتمام مهمة معينة أو حل مشكلة، وتوجد في كل ما نقوم به. في الحوسبة، توفر الخوارزميات دليلاً دقيقاً للحواسيب لإنجاز المهام خطوة بخطوة. يمكن تشبيهها بوصفة طبخ، حيث تتبع التعليمات لتحقيق نتيجة محددة.
   كيف تعمل خوارزميات الذكاء الاصطناعي:
   تعمل خوارزميات الذكاء الاصطناعي على أساس عملية الإدخال والإخراج؛ حيث يأخذ البرنامج البيانات كمدخلات، ثم يختار الخوارزمية المناسبة وفقاً لنوعية المهمة. يقوم الكمبيوتر بتطبيق الخوارزمية خطوة بخطوة لإنتاج المخرجات. على سبيل المثال، محرك البحث يستخدم خوارزمية تأخذ استعلام البحث كمدخل وتبحث في قاعدة بياناته لإخراج النتائج ذات الصلة.
   منطق الخوارزمية Algorithm Logic
   • ابدأ من البداية
   • قارن القيمة الحالية بالهدف
   • تحرك بشكل تسلسلي
   • واصل حتى تصل إلى نهاية القائمة

الخوارزمية ALGORITHM
• تعريف واضح لمسألة المشكلة، والمدخلات، والمخرجات.
• يجب أن تكون خطوات الخوارزمية مرتبة بترتيب محدد للغاية.
• يجب أن تكون الخطوات واضحة ومتميزة.
• يجب أن تنتج الخوارزمية نتيجة.
• يجب أن تكتمل الخوارزمية خلال مدة زمنية محدودة.
ما هو النظام القائم على القواعد؟
النظام القائم على القواعد هو نظام يستخدم قواعد وضعها البشر لتخزين البيانات، وتصنيفها، ومعالجتها. وبذلك يحاكي الذكاء البشري.
لكي يعمل، يحتاج النظام القائم على القواعد إلى مجموعة من الحقائق أو مصدر بيانات، ومجموعة من القواعد لمعالجة هذه البيانات. تُعرف هذه القواعد أحيانًا باسم عبارات الشرط (If statements) لأنها تتبع عادة صيغة "إذا حدث X فقم بـ Y".
مثال:

1. إذا كان "إشارة المرور خضراء"


2. فالإجراء هو المضي قدمًا. هذا هو المعرفة في الذاكرة طويلة المدى.
   برنامج الأتمتة Automation software مثل Think Automation هو مثال جيد على هذا النوع من النظام. فهو يقوم بأتمتة العمليات من خلال تقسيمها إلى خطوات.


3. تأتي أولاً البيانات أو الحدث الجديد في العمل.


4. ثم تأتي مرحلة التحليل، وهي الجزء الذي يعالج فيه النظام البيانات وفقاً لشروطه.


5. بعد ذلك، تأتي أي إجراءات آلية لاحقة.


6. إذًا، ما هو النظام القائم على القواعد؟ هو برنامج منطقي يستخدم قواعد محددة مسبقًا لاتخاذ استنتاجات وخيارات لأداء إجراءات تلقائية.

كيف يعمل النظام القائم على القواعد؟
• تعمل الأنظمة القائمة على القواعد، كما يوحي الاسم، بناءً على قواعد محددة. تحدد هذه القواعد المحفزات (أو الأحداث) والإجراءات التي يجب اتباعها (أو التي يتم تفعيلها). على سبيل المثال، قد يكون المحفز هو بريد إلكتروني يحتوي على كلمة "فاتورة". أما الإجراء فقد يكون إعادة توجيه البريد الإلكتروني إلى فريق المالية.
• غالباً ما تأخذ هذه القواعد شكل عبارات شرطية (If statements)، بحيث تحدد "IF" المحفز و**"THEN"** الإجراء الذي يجب تنفيذه. لذلك، إذا أردت إنشاء نظام قائم على القواعد قادر على التعامل مع 100 إجراء مختلف، فسيتعين عليك كتابة 100 قاعدة مختلفة. وإذا أردت تحديث النظام وإضافة إجراءات جديدة، فستحتاج إلى كتابة قواعد جديدة إضافية.
كيف يعمل النظام القائم على القواعد؟
باختصار، تستخدم القواعد لإخبار الآلة بما يجب عليها فعله، وستقوم الآلة بالقيام بالضبط بما تخبرها به. من هناك، ستقوم الأنظمة القائمة على القواعد بتنفيذ الإجراءات حتى تخبرها بالتوقف.
لكن تذكر: إذا أخبرتها بفعل شيء بشكل غير صحيح، فسوف تقوم به بشكل غير صحيح.
ما هي بيانات التدريب؟
بيانات التدريب هي مجموعة البيانات الأولية المستخدمة لتدريب خوارزميات التعلم الآلي. تقوم النماذج بإنشاء وتعديل قواعدها باستخدام هذه البيانات. إنها مجموعة من عينات البيانات المستخدمة لضبط معلمات نموذج التعلم الآلي من خلال التدريب عن طريق الأمثلة.
تُعرف بيانات التدريب أيضًا بمجموعات بيانات التدريب، ومجموعات التعلم، ومجموعات التدريب. إنها مكون أساسي من كل نموذج تعلم آلي وتساعده على إجراء توقعات دقيقة أو أداء مهمة معينة.
ببساطة، بيانات التدريب تبني نموذج التعلم الآلي. إنها تعلم ما يبدو عليه الناتج المتوقع. يقوم النموذج بتحليل مجموعة البيانات مرارًا لفهم خصائصها بعمق وضبط نفسه لتحسين الأداء.
بشكل أوسع، يمكن تصنيف بيانات التدريب إلى فئتين: البيانات المصنفة والبيانات غير المصنفة.

البيانات المصنفة والبيانات غير المصنفة
ما هي البيانات المصنفة؟
البيانات المصنفة هي مجموعة من عينات البيانات التي تم وضع علامة عليها بعلامات واحدة أو أكثر ذات معنى. تُعرف أيضًا بالبيانات المشروحة، وعلاماتها تحدد خصائص معينة أو سمات أو تصنيفات أو كائنات موجودة فيها.
على سبيل المثال، يمكن تصنيف صور الفواكه كالتفاح، أو الموز، أو العنب.
تُستخدم بيانات التدريب المصنفة في التعلم تحت الإشراف (Supervised Learning). تتيح نماذج التعلم الآلي (ML) تعلم الخصائص المرتبطة بعلامات معينة، والتي يمكن استخدامها لتصنيف نقاط بيانات جديدة. في المثال أعلاه، يعني ذلك أن النموذج يمكنه استخدام بيانات الصور المصنفة لفهم ميزات فواكه معينة واستخدام هذه المعلومات لتجميع صور جديدة.
تُعتبر عملية تصنيف البيانات أو توضيحها عملية تستغرق وقتًا طويلاً، حيث يحتاج البشر إلى وضع علامات أو تصنيف نقاط البيانات. إن جمع البيانات المصنفة يعتبر تحديًا ومكلفًا. كما أنه ليس من السهل تخزين البيانات المصنفة مقارنةً بالبيانات غير المصنفة.

التعلم الغير خاضع للرقابة Unsupervised Learning
التعلم الغير خاضع للرقابة هو الطريقة التي سيتعلم بها معظم الناس في المستقبل. لديك هذا النموذج حول كيفية عمل العالم في ذهنك وتقوم بتعديله لتوقع ما تعتقد أنه سيحدث في المستقبل." - مارك زوكربيرغ
يستخدم التعلم الغير خاضع للرقابة خوارزميات التعلم الآلي لتحليل وتجميع مجموعات البيانات غير المصنفة. تكتشف هذه الخوارزميات الأنماط المخفية أو تجميعات البيانات دون الحاجة إلى تدخل بشري.

الأنطولوجيا
الأنطولوجيا هي علم يهتم بالموجودات في العالم، حيث تدرس الأشياء الموجودة فعليًا وتلك التي قد توجد في المستقبل، مع الأخذ بعين الاعتبار أي احتمال لوجودها. الأنطولوجيا هي نموذج بيانات يمثل نطاقًا معينًا وتستخدم لتقديم تفسير عن الكائنات الموجودة في ذلك المكان أو المجال، بالإضافة إلى العلاقات الممكنة بينها.
ربما يكون المثال الأكثر وضوحًا هو دليل Yahoo، الذي يستفيد من مفهوم الأنطولوجيا لتجميع العناصر المتشابهة في تكتلات موضوعية. يهدف هذا إلى تنظيم المحتوى الرقمي على الإنترنت وتصنيف صفحات الويب بشكل موضوعي لتضييق نطاق نتائج البحث، وبالتالي ضمان دقة أعلى في النتائج المسترجعة وسرعة أكبر في الاسترجاع.
وقد تم تلخيص مفهوم الأنطولوجيا بأنها تمثل "مواصفات لتصور الأفكار"، ويمكن تعريفها ببساطة على أنها كلمات ومصطلحات ومفردات مترابطة تصف واقعًا معينًا. هناك العديد من المجالات التي تُطبق فيها الأنطولوجيا، بما في ذلك الذكاء الاصطناعي، وهندسة البرمجيات، والشبكة الدلالية، ومعالجة اللغة الطبيعية، وعلوم إدارة المعلومات، وغيرها.
وبناءً عليه، تمثل الأنطولوجيا، في سياق علوم إدارة المعلومات، الوصف الدقيق للمحتوى والكيانات ذات الصلة على شبكة الإنترنت وعلاقاتها مع بعضها البعض. وبالتالي، تعتبر الأنطولوجيا حجر الأساس لوصف مجال اهتمام محدد وتتكون من مجموعة من المصطلحات المرتبطة التي تشكل هيكلًا هرميًا.
يمكن أن تكون الأنطولوجيا بسيطة، مثل معجم المصطلحات والتعريفات، أو يمكن أن تأخذ شكلًا أكثر تعقيدًا مثل التقسيمات والتصنيفات الهرمية أو الفئات، وتمثل حلاً للإشكاليات الدلالية القائمة على المشاركة في المعلومات.
تشمل المكونات الرئيسية للأنطولوجيا الفئات، والسمات، والقيود، والعلاقات، والبديهيات، والأحداث، والتي هي كما يلي:
• الفئات: Classes تشمل المجموعات والمفاهيم وأنواع الكيانات التي يتم تنظيمها في مجال أو موضوع معين. على سبيل المثال، في قطاع التعلم الإلكتروني، يتم تمثيل المفاهيم المرتبطة بالمؤسسات التعليمية (الجامعات، المعاهد، الكليات) والدرجات الأكاديمية (البكالوريوس، الماجستير، الدكتوراه). وغالبًا ما يتم تنظيم هذه الفئات وفقًا لتصنيفات معينة.
• السمات: Attributes تمثل الخصائص والصفات والجوانب المرتبطة بالفئات والكيانات والمفاهيم، وبالتالي تشمل جميع السمات المتعلقة بكل مفهوم.
• القيود: Restrictions تتعلق بطبيعة القيود المفروضة على دمج أو فصل المصطلحات.
• العلاقات: Relations توضح طبيعة ونوع الروابط، بالإضافة إلى الطرق المستخدمة لربط الفئات والمصطلحات، مما يشير إلى العلاقات التي تربط بينها.
استنادًا إلى هذه المفاهيم المترابطة، يمكن اعتبار قاعدة المعرفة كأنطولوجيا.
في ضوء ما تم تقديمه، فإن الأنطولوجيا هي مجموعة من المصطلحات والمفردات المرتبطة بمجال أو تخصص معين، من خلال مجموعة من العلاقات التي يتم وصفها باستخدام الخصائص والقيود وغيرها. يتم تحديد هذه العناصر وتعريفها بغرض توليد المعاني والتفسيرات التي تمكن نظامين مختلفين من التفاهم مع بعضهما البعض.

البيانات الضخمة (BIG DATA)
عرّفت شركة جارتنر (Gartner Inc)، المتخصصة في أبحاث واستشارات تقنية المعلومات، البيانات الضخمة بأنها: "أصول معلوماتية ذات أحجام كبيرة، وتدفقات سريعة، وتنوع كبير، تتطلب طرق معالجة مبتكرة بهدف تطوير البصائر وطرق فعالة لاتخاذ القرارات تكون مجدية اقتصادياً".
أما شركة IBM فتعرف البيانات الضخمة بأنها تنشأ من كل ما حولنا وفي كل الأوقات؛ فكل عملية رقمية وكل تفاعل على وسائل التواصل الاجتماعي يولّد بيانات ضخمة يتم تبادلها عبر الأنظمة، وأجهزة الاستشعار، والأجهزة المحمولة. وللاستفادة من هذه البيانات المتنوعة ذات السرعة والحجم الكبيرين، نحتاج إلى معالجات مثالية، وقدرات تحليلية، ومهارات خاصة.
وفي تعريف المنظمة الدولية للمعايير (ISO)، تُعرف البيانات الضخمة بأنها "مجموعة أو مجموعات من البيانات ذات خصائص فريدة، مثل الحجم، والسرعة، والتنوع، والتباين، وصحة البيانات... إلخ، بحيث لا يمكن معالجتها بكفاءة باستخدام التكنولوجيا التقليدية الحالية لتحقيق الفائدة منها".
بينما يشير الاتحاد الدولي للاتصالات (ITU) إلى أن مصطلح البيانات الضخمة يعني مجموعة البيانات التي تتميز بحجم أو سرعة أو تنوع يفوق مجموعات البيانات التقليدية.

(AI Agent) الوكيل الذكي
• عبــارة عــن كــائن (حــدة مســتقلة) يســتطيع إدراك بيئتــه environment التــي يكــون ًموجوداً فيها عبر المستشعرات sensor التـي يمتلكهـا هـذا الكـائن ومـن ثـم التجـاوب معهـا بواسطة اليات التنفيذ actuator أو الجوارح
• الوكيل الذكي هو كيان برمجي يقوم بأداء المهام بشكل مستقل نيابةً عن مستخدم أو برنامج آخر باستخدام تقنيات الذكاء الاصطناعي. يتم تصميم الوكلاء الأذكياء بحيث يدركون بيئتهم عبر المستشعرات، ويعالجون المعلومات، ويتخذون إجراءات لتحقيق أهداف محددة، وغالباً ما يتعلمون ويتكيفون بمرور الوقت لتحسين أدائهم.
التعريف
يتميز الوكيل الذكي (AI Agent) بقدرته على:

1. الإدراك: Perceive جمع المعلومات من البيئة باستخدام المستشعرات أو مدخلات البيانات.


2. المعالجة: Process تحليل وتفسير البيانات لاتخاذ قرارات أو إجراء توقعات.


3. عمل: Act تنفيذ إجراءات لتحقيق الأهداف المحددة، غالبًا بطريقة مستقلة أو شبه مستقلة.


4. التعلم: Learn تحسين الأداء مع مرور الوقت من خلال تقنيات التعلم الآلي.
   أمثلة


5. الدردشة الآلية: تعمل الوكلاء الذكية مثل سيري (Siri) وأليكسا (Alexa) ومساعد جوجل (Google Assistant) على التفاعل مع المستخدمين من خلال معالجة اللغة الطبيعية للإجابة على الأسئلة، وتعيين التذكيرات، وتشغيل الموسيقى، والتحكم في أجهزة المنزل الذكية.


6. أنظمة التوصية: تستخدم الوكلاء في نتفليكس (Netflix) أو أمازون (Amazon) لتحليل تفضيلات وسلوكيات المستخدمين من أجل اقتراح أفلام أو كتب أو منتجات.


7. المركبات الذاتية القيادة: تستخدم السيارات ذاتية القيادة من شركات مثل تسلا (Tesla) وكلاء ذكيين للتنقل، واكتشاف العقبات، واتخاذ قرارات القيادة.


8. أتمتة العمليات الروبوتية (RPA): تعمل الوكلاء الذكية على أتمتة المهام المتكررة في العمليات التجارية، مثل إدخال البيانات ومعالجة المعاملات.


9. ذكاء الألعاب: تستخدم الشخصيات غير القابلة للعب (NPCs) في ألعاب الفيديو وكلاء ذكية لتوفير تجارب لعب تحدي من خلال التكيف مع استراتيجيات اللاعب.
   بينما يحتوي العامل البشري على أجهزة حسية) أجهـزة استشـعار (مثـل العين، الأذن، الأنف، اللسان، والجلد وأجهزة لاتخاذ الإجراءات والاستجابة مثل اليدين، الساقين، والفم. في مجال الذكاء الاصطناعي هو عبارة عن برنامج أو عـنصر روبـوت لديـه القـدرة عـلى إدراك بيئته عن طريق الكاميرات وأجهزة الكشف عن نطاق الأشعة تحت الحمراء والـتصرف وفقا لهذا التدبر

الخوارزمية التكيفية
في الذكاء الاصطناعي (AI)، تشير "الخوارزمية التكيفية" إلى فئة من الخوارزميات المصممة لضبط وتحسين أدائها استجابةً للبيئات أو المدخلات المتغيرة. يمكن لهذه الخوارزميات التعلم من البيانات والخبرات الجديدة، مما يمكّنها من تحسين عملياتها وتنبؤاتها بمرور الوقت. تعتبر هذه القدرة على التكيف حاسمة في التطبيقات التي يمكن أن تتغير فيها الظروف بشكل كبير، مثل الأنظمة الديناميكية، التطبيقات في الوقت الحقيقي، وسيناريوهات حل المشكلات المعقدة (راسل ونورفيغ، 2021).
كيف تُستخدم الخوارزميات التكيفية في الذكاء الاصطناعي
تُستخدم الخوارزميات التكيفية في مجموعة متنوعة من تطبيقات الذكاء الاصطناعي لتعزيز الدقة والكفاءة والقدرة على التكيف. فيما يلي بعض الاستخدامات الشائعة:
• تعلم الآلة: تعتبر الخوارزميات التكيفية جزءاً أساسياً من تعلم الآلة، حيث تضبط معاييرها بناءً على البيانات التي تعالجها. تشمل الأمثلة على ذلك تحسين التكيف في التعلم التجميعي وطرق التدرج التكيفية مثل Ada Grad وAdam في تدريب الشبكات العصبية (جودفيلو وآخرون، 2016).
• الروبوتات: في الروبوتات، تتيح الخوارزميات التكيفية للروبوتات تعديل سلوكها بناءً على تغذية راجعة من المستشعرات، مما يمكّنها من التنقل في بيئات معقدة ومتغيرة. على سبيل المثال، يستخدم مكنسة روبوتية ذاتية التشغيل خوارزميات تكيفية لرسم خريطة وتنظيف غرفة بكفاءة (سيشيليانو وخاتيب، 2016).
• معالجة اللغة الطبيعية (NLP): يمكن أن تعزز الخوارزميات التكيفية في معالجة اللغة الطبيعية نماذج اللغة من خلال التعلم المستمر من بيانات نصية جديدة، مما يحسن قدرتها على فهم وتوليد اللغة البشرية. تستخدم الدردشات التلقائية والمساعدات الافتراضية هذه التقنيات لتحسين ردودها بناءً على تفاعلات المستخدمين (جورافسكي ومارتن، 2021).
• أنظمة التوصية: تحلل الخوارزميات التكيفية في أنظمة التوصية سلوك المستخدم وتفضيلاته لتقديم اقتراحات محتوى مخصصة. على سبيل المثال، تستخدم خدمات البث مثل نتفليكس ومنصات الموسيقى مثل سبوتيفاي هذه الخوارزميات لتوصية الأفلام والعروض والأغاني (ريكي وآخرون، 2015).
• التداول المالي: تُستخدم الخوارزميات التكيفية في التداول الآلي لضبط استراتيجيات التداول بناءً على بيانات السوق في الوقت الحقيقي، بهدف تحسين عوائد الاستثمار مع إدارة المخاطر (تشان، 2017)Bottom of Form