Lakhasly

الذكاء الاصطناعي – المفاهيم والنماذج والتطورات إذ أصبح الذكاء الاصطناعي (AI) تقنية تحولية تُمكِّن الآلات من أداء مهام معقدة وحلّ المشكلات بطريقة تحاكي القدرات البشرية ، بفضل قدرته على معالجة البيانات الضخمة واستخلاص رؤى قابلة للتنفيذ تدعم الابتكار والكفاءة. وقد وُلد مصطلح الذكاء الاصطناعي رسميًا عام 1956 على يد جون مكارثي (John McCarthy)، الذي يُعدّ الأب الروحي للذكاء الاصطناعي؛ فقد جمعت روّاد هذا العلم وأسهمت في إرساء الأساس لمستقبل أبحاث الذكاء الاصطناعي . مما أدى إلى انطلاقة الموجة الثالثة للذكاء الاصطناعي. يمكن القول إن الذكاء الاصطناعي بصفة عامة هو ذكاء مصنوع من قبل الإنسان في الآلة أو الحاسوب . وثانيهما الذكاء الاصطناعي العام أو القوي (Strong AI) الذي يطمح إلى محاكاة القدرات العقلية البشرية الشاملة بما فيها التعلم والاستنتاج والابتكار. لا يزال الذكاء الاصطناعي القوي هدفًا مستقبليًا لم يُحقق بعد، التقنيات والأدوات الأساسية في الذكاء الاصطناعي: يشمل هذا الحقل طيفًا واسعًا من التقنيات التي تُمكّن الآلة من محاكاة الذكاء. مما يساعدها على التخطيط الاستباقي واتخاذ القرارات الاستراتيجية بالاستناد إلى التوقعات المبنية على البيانات. إذ يزوّد الروبوتات بالقدرة على الرؤية والاستشعار والتفكير واتخاذ القرارات بشكل مستقل. إن تطوير هذه التقنيات المتنوعة يهدف في المحصلة إلى تحقيق الغاية الجوهرية للذكاء الاصطناعي: تقليل الجهد البشري المطلوب في المهام المتكررة والشاقة، نماذج تطبيق الذكاء الاصطناعي في القطاعات المختلفة: انعكست التطورات المفاهيمية والتقنية للذكاء الاصطناعي على انتشار تطبيقاته في مختلف الميادين العملية. تحرص الدول المتقدمة على توظيف أدوات الذكاء الاصطناعي في مجالات الحكم وتقديم الخدمات العامة للارتقاء بأساليب إدارة المرافق العامة وتحسين جودة الخدمات المقدمة للمواطنين. كما تبنّت خوارزميات كشف الاحتيال المالي في المعاملات الحكومية، وذلك من خلال تحليل أداء الطلاب وبياناتهم بشكل فوري . بينما يسمح للمتفوقين بالتقدم بوتيرة أسرع. مما يمكّن المعلمين من معالجة أوجه الضعف لدى كل طالب في الوقت المناسب. كذلك تساعد أدوات الذكاء الاصطناعي في أتمتة المهام الإدارية الروتينية للمعلمين – مثل تصحيح الواجبات وفرز النتائج – مما يوفر وقتهم وجهدهم للتركيز على جوانب تربوية أعمق كتحفيز التفكير النقدي وتعزيز الإبداع لدى المتعلمين . كما تساعد أنظمة التشخيص المعتمدة على الذكاء الاصطناعي الأطباء في اقتراح خطط علاجية مبنية على البيانات لكل مريض وفقًا لتاريخه الصحي ونمط حياته. وتشير الدراسات في هذا المجال إلى أن إدماج تقنيات الذكاء الاصطناعي في العمل الطبي يؤدي إلى تقليل حجم العمل الروتيني المطلوب من الكادر الطبي وتجنب التكرار، وهي مجالات يمكن استلهام الدروس منها لتطبيق الذكاء الاصطناعي في ميادين أخرى، وتمكّن تقنيات الذكاء الاصطناعي المؤسسات من تبسيط عملياتها وأتمتة المهام الروتينية (مثل خدمة العملاء الآلية عبر روبوتات المحادثة)، من هذا المنطلق برزت مفاهيم معايير نضج الذكاء الاصطناعي في تقييم جهوزية المؤسسات لتبني حلول الذكاء الاصطناعي. وصولًا إلى مستوى متقدم تكون فيه المؤسسة مدمجة الذكاء الاصطناعي بالكامل في عملياتها وتستخدمه بشكل استراتيجي.

الذكاء الاصطناعي – المفاهيم والنماذج والتطورات
يشهد العالم المعاصر ثورة متسارعة في مجال الذكاء الاصطناعي، إذ أصبح الذكاء الاصطناعي (AI) تقنية تحولية تُمكِّن الآلات من أداء مهام معقدة وحلّ المشكلات بطريقة تحاكي القدرات البشرية ، وقد أدى ذلك إلى تمكين المؤسسات من اتخاذ قرارات أكثر ذكاءً على نطاق واسع عبر مختلف القطاعات، بفضل قدرته على معالجة البيانات الضخمة واستخلاص رؤى قابلة للتنفيذ تدعم الابتكار والكفاءة. وفي هذا السياق، تحرص العديد من الدول والمنظمات على تبني تطبيقات الذكاء الاصطناعي في الإدارة والخدمات، إدراكًا لما يوفره من تحسينات جوهرية في سرعة الأداء ودقته وجودة المخرجات.
الجذور التاريخية والتطور الزمني للذكاء الاصطناعي: تعود الأفكار الأساسية التي مهدت لظهور الذكاء الاصطناعي إلى منتصف القرن العشرين. ففي عام 1950 طرح آلان تورينغ فكرة إمكانية صنع آلة تفكر على غرار العقل البشري، وتقدم باختبار تورينغ الشهير لقياس ذكاء الآلة. ورغم أن الجهود المبكرة كانت نظرية الطابع، إلا أنها أرست الأسس الأولى لهذا المجال. وقد وُلد مصطلح الذكاء الاصطناعي رسميًا عام 1956 على يد جون مكارثي (John McCarthy)، الذي يُعدّ الأب الروحي للذكاء الاصطناعي؛ إذ نظّم في ذلك العام ورشة بحثية تاريخية في كلية دارتموث بالولايات المتحدة، لتكون أول تجمع علمي يبحث في إمكانية محاكاة الآلة لآليات التعلم والتفكير البشري.وبرغم أن تلك الورشة لم تُسفر مباشرةً عن ابتكارات ملموسة، فقد جمعت روّاد هذا العلم وأسهمت في إرساء الأساس لمستقبل أبحاث الذكاء الاصطناعي . شهدت العقود اللاحقة موجات متعاقبة من التطور؛ فبعد النجاحات المبكرة في الستينيات (مثل ابتكار برامج قادرة على حل مسائل رياضية ولعب الشطرنج)، واجه المجال تحديات أدت إلى فترة ركود تُعرف بـشتاء الذكاء الاصطناعي في السبعينيات بسبب محدودية القدرة الحسابية آنذاك وضعف التمويل. ثم عاد الزخم في الثمانينيات مع ظهور النظم الخبيرة وتمويل حكومي للأبحاث، قبل أن يتكرر التباطؤ أواخر الثمانينيات. ومع مطلع القرن الحادي والعشرين، تضافرت عوامل جديدة كالتقدم في قدرات المعالجة والحوسبة السحابية وتراكم البيانات الضخمة، مما أدى إلى انطلاقة الموجة الثالثة للذكاء الاصطناعي. وقد تميزت هذه المرحلة بظهور التعلم العميق الذي مكّن من بناء شبكات عصبية متعددة الطبقات ذات قدرات هائلة على معالجة البيانات واكتشاف الأنماط الخفية فيها، الأمر الذي حقق اختراقات نوعية غير مسبوقة في مجالات مثل التعرف على الصور والصوت ومعالجة اللغات الطبيعية . وبذلك بلغ الذكاء الاصطناعي عند أعتاب العقد الثالث من القرن الحادي والعشرين مستوى متقدمًا من النضج التقني، بعد رحلة تطور تاريخية طويلة شغلت الأوساط العلمية منذ بدايات القرن العشرين ولا تزال تثير نقاشًا واسعًا..
المفاهيم والتعريفات المتنوعة للذكاء الاصطناعي: بسبب الطبيعة البينية والمتطورة لهذا العلم، قدم الباحثون تعريفات عديدة للذكاء الاصطناعي من زوايا مختلفة. بشكل عام، يُعرّف الذكاء الاصطناعي بأنه فرع من علوم الحاسوب يختص بتصميم أنظمة وبرمجيات حاسوبية ذكية تتمتع بخصائص تحاكي الذكاء البشري وقدراته الإدراكية. ومن التعريفات الشائعة أنه علم يهتم بصناعة آلات تقوم بتصرفات يعتبرها الإنسان تصرفات ذكية ، أي أن غايته بناء برمجيات أو أجهزة قادرة على أداء مهامّ تتطلب قدرًا من الفطنة البشرية عند قيام الإنسان بها. كما ورد أيضًا في الأدبيات أنه ذلك الفرع من علم الحاسبات الذي يمكّننا من تصميم برامج تجعل الحاسوب يؤدي مهامًا تستلزم التفكير والفهم والتعلم واتخاذ القرار بطريقة مشابهة للبشر . وقد ركزت معظم هذه التعريفات على الجانب التقني للذكاء الاصطناعي، أي محاكاة الآلة للذكاء الإنساني في جوانب كالاستدلال المنطقي والتعلم من التجربة والتفاعل اللغوي. وبناءً على ذلك، يمكن القول إن الذكاء الاصطناعي بصفة عامة هو ذكاء مصنوع من قبل الإنسان في الآلة أو الحاسوب . ومن المهم التمييز هنا بين نوعين من الذكاء الاصطناعي: أولهما ما يُعرف بالذكاء الاصطناعي الضيق أو المطبق (Weak/Narrow AI) وهو المتوفر حاليًا ويختص بمهام محددة جدًا يؤديها بكفاءة تفوق البشر (مثل أنظمة تشخيص الأمراض أو لعب الشطرنج)، وثانيهما الذكاء الاصطناعي العام أو القوي (Strong AI) الذي يطمح إلى محاكاة القدرات العقلية البشرية الشاملة بما فيها التعلم والاستنتاج والابتكار. ورغم التقدم الكبير، لا يزال الذكاء الاصطناعي القوي هدفًا مستقبليًا لم يُحقق بعد، في حين أن معظم التطبيقات الحالية تندرج تحت الذكاء الاصطناعي المطبق المتخصص .
التقنيات والأدوات الأساسية في الذكاء الاصطناعي: يشمل هذا الحقل طيفًا واسعًا من التقنيات التي تُمكّن الآلة من محاكاة الذكاء. ومن أبرزها تعلم الآلة (Machine Learning) الذي يتيح للأنظمة الحاسوبية التعلم من البيانات وتحسين أدائها تلقائيًا مع مرور الوقت دون برمجة صريحة لكل خطوة. يشكل تعلم الآلة العمود الفقري لكثير من تطبيقات الذكاء الاصطناعي الحديثة، حيث تُدرَّب النماذج الرياضية على مجموعات ضخمة من البيانات لاستخلاص أنماط وعلاقات خفية ثم تستخدمها للتنبؤ واتخاذ القرارات. ويتفرع عن تعلم الآلة التعلم العميق (Deep Learning)، الذي يعتمد على بناء شبكات عصبية اصطناعية متعددة الطبقات تعمل بطريقة مستلهمة من طريقة عمل الخلايا العصبية في الدماغ البشري. مكّن التعلم العميق الحواسيب من معالجة كم هائل من البيانات واكتشاف أنماط معقدة جدًا، مما أحدث نقلات نوعية في مجالات مثل الرؤية الحاسوبية (تمييز الصور والأوجه) ومعالجة اللغات الطبيعية. وقد أشارت الدراسات إلى أن خوارزميات التعلم العميق والشبكات العصبية العميقة استطاعت تحقيق أداء يفوق النماذج التقليدية في مهام عديدة، بفضل قدرتها على تمثيل البيانات بطريقة هرميّة وتعلّم الميزات تلقائيًا عبر طبقاتها الداخلية . إلى جانب ذلك، تبرز معالجة اللغة الطبيعية (Natural Language Processing, NLP) كإحدى أهم تقنيات الذكاء الاصطناعي التي تمكّن الحواسيب من فهم اللغة البشرية المكتوبة والمنطوقة والتفاعل بها. تساهم NLP في تحليل كميات هائلة من النصوص والخطابات لاستخراج معلومات ومعاني مفيدة، وهي عنصر أساسي في تطبيقات مثل المساعدات الصوتية الذكية وخوارزميات ترجمة اللغات وفهم مشاعر العملاء من تعليقاتهم. وتعتمد المؤسسات الحديثة بشكل متزايد على تقنيات معالجة اللغة الطبيعية لتصنيف وفرز محتوى البيانات اللغوية وفهم نوايا المستخدمين، مما يمكّنها من أتمتة التواصل وتخصيص الخدمات على نطاق واسع .
ومن التقنيات والأدوات الأخرى أنظمة دعم القرار التي تستخدم خوارزميات الذكاء الاصطناعي لتحليل البيانات الضخمة ومساعدة صناع القرار على اختيار البدائل المثلى بناءً على تنبؤات دقيقة وتحليلات تنبؤية. التحليلات التنبؤية (Predictive Analytics) هي تطبيق مهم لتقنيات الذكاء الاصطناعي، حيث تستخدم التحليل الإحصائي وتعلم الآلة لتحديد الأنماط المخفية في البيانات والتنبؤ بالأحداث المستقبلية المحتملة . تمكّن هذه الأدوات المؤسسات من توقع اتجاهات السوق وسلوك العملاء والمخاطر قبل وقوعها، مما يساعدها على التخطيط الاستباقي واتخاذ القرارات الاستراتيجية بالاستناد إلى التوقعات المبنية على البيانات. كذلك يشكّل علم الروبوتات (Robotics) ميدانًا وثيق الصلة بالذكاء الاصطناعي، إذ يزوّد الروبوتات بالقدرة على الرؤية والاستشعار والتفكير واتخاذ القرارات بشكل مستقل. بدمج الخوارزميات الذكية في الأنظمة الروبوتية، أصبح بالإمكان تطوير آلات قادرة على التصرف بمرونة في البيئات الواقعية وأداء مهام معقدة بدايةً من التصنيع المؤتمت ومرورًا بخدمات التوصيل وصولاً إلى الرعاية الصحية والجراحة الدقيقة. وتظهر الدراسات الحديثة أن الروبوتات المزودة بالذكاء الاصطناعي تستطيع أن تتصرف بطريقة يبدو معها وكأن لها نوايا ورغبات ذاتية، وليس فقط تنفيذ تعليمات مبرمجة حرفيًا، مما يجعلها أقرب لمحاكاة السلوك البشري المقصود. إن تطوير هذه التقنيات المتنوعة يهدف في المحصلة إلى تحقيق الغاية الجوهرية للذكاء الاصطناعي: تقليل الجهد البشري المطلوب في المهام المتكررة والشاقة، وتجنب الأخطاء البشرية، ورفع مستوى الدقة والإنتاجية من خلال نمذجة السلوك والفكر الإنساني في الآلة . وقد نجح الباحثون خلال السنوات الأخيرة في ابتكار نظم ذكاء اصطناعي متقدمة تقوم بوظائف إدراكية تشابه قدرات الطفل الصغير بعد تعليمه بعض القواعد الأساسية، ما يدل على الاقتراب تدريجيًا من بناء ذكاء اصطناعي أقوى وأكثر استقلالية.
نماذج تطبيق الذكاء الاصطناعي في القطاعات المختلفة: انعكست التطورات المفاهيمية والتقنية للذكاء الاصطناعي على انتشار تطبيقاته في مختلف الميادين العملية. فقد بات الذكاء الاصطناعي يلعب دورًا محوريًا في الإدارة العامة والحكومية عبر ما يُعرف بالحكومة الإلكترونية والإدارة الذكية. تحرص الدول المتقدمة على توظيف أدوات الذكاء الاصطناعي في مجالات الحكم وتقديم الخدمات العامة للارتقاء بأساليب إدارة المرافق العامة وتحسين جودة الخدمات المقدمة للمواطنين. وتبرز قيمة الذكاء الاصطناعي هنا في تحويل الإدارة التقليدية إلى إدارة ذكية تعتمد الرقمنة والأتمتة، مما يتيح الاستجابة بسرعة أكبر لاحتياجات المستفيدين من الخدمات الحكومية ويُشعرهم بأنهم يتعاملون مع إدارة محترفة ومبتكرة في أسلوبها . على سبيل المثال، طبّقت بعض الحكومات أنظمة Chatbots مدعومة بالذكاء الاصطناعي لخدمة المواطنين على مدار الساعة والإجابة عن استفساراتهم آليًا، كما تبنّت خوارزميات كشف الاحتيال المالي في المعاملات الحكومية، وأنظمة ذكية لإدارة حركة المرور في المدن وتقليل الازدحام، وغيرها من حلول الحكومة الذكية. وفي قطاع التعليم، أحدث الذكاء الاصطناعي تحولات جذرية نحو ما بات يعرف بالتعليم المخصص أو الشخصنة التعليمية. تتيح المنصات التعليمية المعززة بالذكاء الاصطناعي تجارب تعلم مخصصة تُفصّل محتوى الدروس وسرعة تقديمها وفقًا لاحتياجات كل متعلم على حدة، وذلك من خلال تحليل أداء الطلاب وبياناتهم بشكل فوري . يدعم هذا النهج التكيفي أنماط التعلم المختلفة بين الطلاب، فيقدم مواد إثرائية أو تدريبات إضافية للطلاب الذين يواجهون صعوبات في موضوع معين، بينما يسمح للمتفوقين بالتقدم بوتيرة أسرع. وقد أثبتت التقنيات الذكية قدرتها على رصد ثغرات الفهم لدى الطلبة مبكرًا، مما يمكّن المعلمين من معالجة أوجه الضعف لدى كل طالب في الوقت المناسب. كذلك تساعد أدوات الذكاء الاصطناعي في أتمتة المهام الإدارية الروتينية للمعلمين – مثل تصحيح الواجبات وفرز النتائج – مما يوفر وقتهم وجهدهم للتركيز على جوانب تربوية أعمق كتحفيز التفكير النقدي وتعزيز الإبداع لدى المتعلمين . أما في الرعاية الصحية، فإن تطبيقات الذكاء الاصطناعي قد شهدت انتشارًا واسعًا مع نتائج ملموسة في تحسين جودة التشخيص الطبي وكفاءة الرعاية. تستخدم المستشفيات اليوم خوارزميات التعلم الآلي في تحليل صور الأشعة والفحوص المخبرية لاكتشاف الأمراض في مراحل مبكرة بدقة أعلى مما كان متاحًا سابقًا، كما تساعد أنظمة التشخيص المعتمدة على الذكاء الاصطناعي الأطباء في اقتراح خطط علاجية مبنية على البيانات لكل مريض وفقًا لتاريخه الصحي ونمط حياته. كذلك تُوظَّف أنظمة دعم القرار السريرية التي تعتمد على الذكاء الاصطناعي لمساعدة الأطباء في اتخاذ قرارات إكلينيكية مستنيرة، من خلال تزويدهم بتنبيهات حول تفاعلات الأدوية المحتملة أو اقتراح تشخيصات تفاضلية بناءً على الأعراض المدخلة. وتشير الدراسات في هذا المجال إلى أن إدماج تقنيات الذكاء الاصطناعي في العمل الطبي يؤدي إلى تقليل حجم العمل الروتيني المطلوب من الكادر الطبي وتجنب التكرار، فضلًا عن زيادة دقة التشخيص من خلال نمذجة طرق التفكير السريرية للخبراء البشريين داخل الأنظمة الحاسوبية . وبوجه عام، تمثل مجالات الإدارة والتعليم والصحة أمثلة على قطاعات غير مالية استفادت من حلول الذكاء الاصطناعي لتحسين الأداء ورفع جودة الخدمات، وهي مجالات يمكن استلهام الدروس منها لتطبيق الذكاء الاصطناعي في ميادين أخرى، بما في ذلك الإدارة المالية.
التحول الرقمي وعلاقة تبنّي الذكاء الاصطناعي: يرتبط انتشار الذكاء الاصطناعي ارتباطًا وثيقًا بموجة التحول الرقمي التي تجتاح المؤسسات في العصر الحديث. فالتحول الرقمي يعني إعادة هندسة العمليات والخدمات اعتمادًا على التقنيات الرقمية (كالحوسبة السحابية وإنترنت الأشياء وتحليل البيانات الضخمة)، ويُعد الذكاء الاصطناعي محرّكًا جوهريًا ضمن هذا التحول نظرًا لقدراته التحليلية والاستشرافية. فمع تضاعف حجم البيانات الرقمية المتولدة يوميًا من أجهزة الاستشعار وتفاعلات المستخدمين والسجلات الإلكترونية، أصبح الذكاء الاصطناعي الأداة المثلى لاستخراج قيمة حقيقية من هذه البيانات وتحويلها إلى معارف تدعم صنع القرار. وتمكّن تقنيات الذكاء الاصطناعي المؤسسات من تبسيط عملياتها وأتمتة المهام الروتينية (مثل خدمة العملاء الآلية عبر روبوتات المحادثة)، وتعزيز استراتيجياتها التسويقية عبر تحليل تفضيلات العملاء، وكذلك ابتكار نماذج أعمال جديدة قائمة على المعطيات الدقيقة. وبذلك، فإن تبني الذكاء الاصطناعي يسير جنبًا إلى جنب مع جهود التحول الرقمي الهادفة إلى رفع كفاءة الأداء وتحقيق ميزة تنافسية. تجدر الإشارة أيضًا إلى أن نجاح تطبيقات الذكاء الاصطناعي في المؤسسات يعتمد على مدى جاهزية البنية التحتية الرقمية ونضج التحول الرقمي فيها؛ فالمؤسسة التي تمتلك قواعد بيانات حديثة ومنصات تكنولوجية متكاملة ستكون أقدر على تدريب النماذج الذكية والاستفادة منها بفعالية. من هذا المنطلق برزت مفاهيم معايير نضج الذكاء الاصطناعي في تقييم جهوزية المؤسسات لتبني حلول الذكاء الاصطناعي. وتُقاس درجة النضج هذه بعدة معايير أهمها مدى جاهزية الحلول للتطبيق والتشغيل على نطاق واسع ضمن المنظمة. أي أنه يتم تقييم ما إذا كانت المؤسسة قد قطعت شوطًا كافيًا في تهيئة البنية التحتية الرقمية والبيانات وفي بناء القدرات البشرية والتشريعية اللازمة بحيث يمكن للأنظمة المعززة بالذكاء الاصطناعي أن تعمل بكفاءة وتحقق أثرًا ملموسًا عند توسيع نطاق استخدامها. ومن بين نماذج النضج الشائعة وجود مستويات متدرجة تبدأ من مستوى منخفض يعتمد تجارب محدودة للذكاء الاصطناعي، وصولًا إلى مستوى متقدم تكون فيه المؤسسة مدمجة الذكاء الاصطناعي بالكامل في عملياتها وتستخدمه بشكل استراتيجي. وقد بادرت بعض الدول إلى تبني أطر تقييم لنضج الذكاء الاصطناعي كجزء من استراتيجياتها الوطنية، فعلى سبيل المثال تضمنت جائزة الإمارات للذكاء الاصطناعي حديثًا معيارًا خاصًا لقياس نضج الحلول المرشحة من حيث جاهزيتها للتوسع والتأثير . ويشكل رفع هذا النضج تحديًا أمام العديد من المؤسسات التقليدية التي تسعى للحاق بركب الثورة الرقمية.
وخلاصة القول، أصبح الذكاء الاصطناعي اليوم مفهومًا محوريًا ونموذجًا تقنيًا بالغ التأثير في مختلف مناحي الحياة. فبعد أن تطور هذا المجال عبر مراحل زمنية متعاقبة واغتنى بنماذج وأساليب تقنية متقدمة، أثبت قدرته على تقديم حلول إبداعية لمشكلات معقدة وتحقيق قفزات نوعية في الأداء والإنتاجية. ونظرًا لهذا التأثير العميق، بات من الضروري للإدارات الحديثة – سواء في القطاع العام أو الخاص – فهم مفاهيم الذكاء الاصطناعي ونماذجه وكيفية توظيف تطوراته لتحسين العمليات وصنع القرارات. ومن هنا تنبع أهمية الدراسة الحالية في استكشاف دور الذكاء الاصطناعي في تحسين الإدارة المالية، حيث تتطلع إلى الاستفادة من الدروس المستقاة من القطاعات غير المالية وتطبيق أفضل الممارسات المدعومة بالذكاء الاصطناعي في مجال إدارة الأموال والأعمال، لا سيما في سياق الشركات اليمنية. وعليه، سيتناول هذا الفصل الأول تأصيلًا نظريًا شاملًا لمفهوم الذكاء الاصطناعي وتطوره التاريخي وأبرز تقنياته، إلى جانب استعراض نماذج تطبيقه في مختلف القطاعات، تمهيدًا لبناء إطار معرفي متين يمكن الانطلاق منه نحو دراسة التطبيقات المالية للذكاء الاصطناعي في الفصول اللاحقة