ما هي أشهر الخوارزميات المستخدمة في الذكاء الاصطناعي؟
- ١ ما هي أشهر خوارزميات الذكاء الاصطناعي؟
- ١.١ خوارزميات التصنيف (Classification Algorithms)
- ١.١.١ بايز البسيط (Naïve Bayes)
- ١.١.٢ شجرة القرار (Decision Tree)
- ١.١.٣ الغابة العشوائية (Random Forest)
- ١.١.٤ الآلات المتجهة الداعمة (Support Vector Machines)
- ١.٢ خوارزميات الانحدار (Regression Algorithms)
- ١.٢.١ الانحدار الخطي (Linear regression)
- ١.٢.٢ انحدار اللاسو (Lasso Regression)
- ١.٢.٣ الانحدار اللوجستي (Logistic Regression)
- ١.٢.٤ خوارزمية الانحدار المتعدد (Multiple Regression Algorithm)
- ١.٣ خوارزميات التجميع (Clustering Algorithms)
- ١.٣.١ خوارزمية تعظيم التوقع (Expectation-Maximization Algorithm)
- ١.٣.٢ خوارزمية التجميع الهرمي (Hierarchical Clustering Algorithm)
- ٢ كيف تعمل خوارزميات الذكاء الاصطناعي؟
- ٣ ما هي المشاكل التي تحلها خوارزميات الذكاء الاصطناعي في مختلف المجالات؟
ما هي أشهر خوارزميات الذكاء الاصطناعي؟
تُعرّف خوارزميات الذكاء الصناعي (بالإنجليزية: Artificial Intelligence Algorithms) بأنّها تعليمات إرشادية وصيغ محددة تُبرمج ليقوم الحاسوب باتباعها من أجل إتمام العمليات الحسابية،وللخوارزميات أنواع عدة ومن أهمّها ما يأتي:
خوارزميات التصنيف (Classification Algorithms)
تُستخدم خوارزميات التصنيف لجعل الحاسوب قادراً على تصنيف البيانات إلى فئات، ومن الأمثلة على التصنيفات التي يمكن للحاسوب القيام بها تصنيف البريد الإلكتروني الوارد إن كان بريداً شخصياً، أو بريداً عشوائياً (بالإنجليزية: Spam)، ومن أنواع خوارزميات التصنيف ما يأتي:
بايز البسيط (Naïve Bayes)
تعرّف خوارزمية بايز البسيط بأنّها مجموعة من الخوارزميات وليست خوارزمية واحدة، وهي تستخدم الاحتمالات لتصنيف العناصر بحسب خصائصها ومميزاتها، وتعتبر من أسهل الخوارزميات فهماً وبرمجة، ويتم الحصول على نتائجها في مدة زمنية قصيرة، ومن أهم استخدامات خوارزمية بايز البسيط ما يأتي:
- التنبؤ بالطقس
يتمّ التنبؤ بالطقس بناءً على درجة الحرارة والرطوبة والضغط وعناصر الطقس الأخرى، يمكن التنبؤ بحالة الجو في الأيام التالية.
- تحليل الاحتيال
يستند تحليل الاحتيال إلى مجموعة من الفواتير المُقدمة من قبل الموظفين لسداد نفقات طعامهم وسفرهم، يمكن للشركة التي يعملون بها أن تتنبأ باحتمالية قيام الموظفين بالاحتيال.
شجرة القرار (Decision Tree)
تُعتبر خوارزمية شجرة القرار طريقة للتنبؤ، تُستخدم فيه نموذج شكل الشجرة لعرض الاحتمالات، كما وتُستخدم لتصنيف البيانات إلى فئتين أو أكثر بحسب خصائصها، بهدف تبسيط الوصول إلى نتيجة أو قرار، وهي أكثر الأساليب العملية المستخدمة، ويمكنها التعامل مع البيانات من النوعين الفئوي والرقمي.
تُستخدم شجرة القرار في العديد من المجالات، وفيما يأتي بعض استخدامات خوارزمية شجرة القرار:
- تقييم فرص النمو الاقتصادي المُحتملة للشركات بناء على بياناتها السابقة.
- استخدام البيانات المعتمدة على علم المجتمع للعثور على العملاء المناسبين في مجال الأعمال.
الغابة العشوائية (Random Forest)
تُصنّف خوارزمية الغابة العشوائية مجموعة من البيانات إلى مجموعات متفرعة، ولكلّ مجموعة فرعية شجرة قرار خاصة بها، بحيث ينتج من كلّ شجرة قرار ناتجاً محدداً، وبالتالي تحدد النتيجة النهائية بأخذ متوسط نواتج أشجار القرار، ومن الجدير بالذكر أنّ زيادة عدد أشجار القرار تؤدي إلى زيادة دقة النتيجة،[] ولخوارزمية الغابة العشوائية العديد من الاستخدامات، ومنها ما يأتي:
- تُستخدم في الأعمال المصرفية في البنوك للتنبؤ بالجدارة الائتمانية لمقدم طلب القرض واكتشاف المحتالين والعثور على العملاء المناسبين.
- يستخدمها العاملون في مجال الصحة لتشخيص المرضى من خلال مراجعة السجلات الطبية السابقة وتقييمها لتحديد جرعات الدواء المناسبة للمرضى.
- يستخدمها المحللون الماليون لتحديد الأسواق المحتملة للأسهم والتعرف على سلوك الأسهم ارتفاعاً وانخفاضاً.
الآلات المتجهة الداعمة (Support Vector Machines)
تُستخدم خوارزمية الآلات المتجهة الداعمة لحل مشاكل التصنيف، فهي تستخدم تقنية تسمى طريقة كيرنيل (بالإنجليزية: Kernel Method) لتحويل البيانات غير الخطيّة إلى بيانات خطية، وبناءً على هذه التحويلات يتم إيجاد حلاً مثاليًا بين المخرجات المحتملة،] ومن أهمّ استخدامات خوارزمية الآلات المتجهة الداعمة ما يأتي:
- تُستخدم في تقنية التعرف على الوجوه عن طريق إنشاء حدود مربعة تحيط بالوجه.
- تُستخدم في تصنيف أنواع الصور.
- تُستخدم في المجال الصحي لتصنيف أنواع البروتينات، وأنواع السرطانات.
خوارزميات الانحدار (Regression Algorithms)
تُعد خوارزميات الانحدار من الخوارزميات الشائعة، ويُمكن لخوارزميات الانحدار التنبؤ بقيم المخرجات بناءً على البيانات المدخلة، وتُستخدم بشكل رئيسي في التنبؤ بسعر سوق الأسهم، والتنبؤ بالطقس،وتُصنف هذه الخوارزمية إلى ما يأتي:
الانحدار الخطي (Linear regression)
تُستخدم خوارزمية الانحدار الخطي العلاقة بين المتغيّرات لاستنتاج معادلة خطية ثم رسم الخط الناتج، بهدف التنبؤ بقيم المخرجات لقيم مدخلات غير موجودة في مجموعة البيانات المعطاة، وذلك بواسطة الاستنتاج من رسمة معادلة الخط،ومن أهمّ استخدامات خوارزمية الانحدار الخطي ما يأتي:
- تستخدم الشركات الانحدار الخطي لفهم العلاقة بين الإنفاق على الترويج والإعلانات، والإيرادات.
- تُستخدم في المجال الطبي لاستنتاج جرعة الدواء اللازمة حسب حالة المرضى.
- تُستخدم في مجال الزراعة لقياس تأثير الأسمدة والمياه على المحاصيل.
- يستخدم مدربون الفِرق الرياضية المحترفة الانحدار الخطي لقياس تأثير أنظمة التدريب المختلفة على أداء اللاعبين.
انحدار اللاسو (Lasso Regression)
تُستخدم خوارزمية انحدار اللاسو عند الحاجة لتوقع نتائج أكثر دقة، وللتنبؤ بالقيمة الحقيقية، وهي تعتمد على تقليص كمية البيانات لحصر النتيجة في نقطة مركزية، مثل فكرة المتوسط الحسابي، ومن استخدامات خوارزمية انحدار اللاسو ما يأتي:
- تُستخدم في الأبحاث المناخية.
- تُستخدم في توقع هطول الأمطار.
- تُستخدم للتنبؤ الموسمي بدرجات الحرارة.
الانحدار اللوجستي (Logistic Regression)
تُعد خوارزمية الانحدار اللوجستي من أبسط الخوارزميات التي يمكن استخدامها لمشاكل التصنيف المختلفة، إذ تُستخدم للتنبؤ باحتمالية تغير عنصر معين، بحيث تكون طبيعة هذا التغير ثنائية التفرع، أيّ أنّه لن يكون هناك إلّا نتيجتان محتملتان فقط،ومن استخدامات خوارزمية الانحدار اللوجستي ما يأتي:
- كشف البريد العشوائي، والرسائل غير المرغوب فيها.
- التنبؤ بمرض السكري.
- اكتشاف مرض السرطان.
خوارزمية الانحدار المتعدد (Multiple Regression Algorithm)
تتميز خوارزمية الانحدار المتعدد بأنُها منشقة من خوارزمية الانحدار الخطي، وهي واحدة من أهمُ خوارزميات الانحدار التي تصف العلاقة الخطية بين متغير واحد مع عدد من المتغيرات الأخرى، ومن استخدامات خوارزمية الانحدار المتعدد ما يأتي:
- تستخدمها مصانع السيارات لتوقع كمية انبعاث ثاني أكسيد الكربون بناءً على كفاءة المحرك.
- تُستخدم في المجالات الطبية.
خوارزميات التجميع (Clustering Algorithms)
تقوم خوارزميات التجميع باكتشاف التجمع الطبيعي للبيانات بحسب ميزاتها، ثم تقوم بتفسير البيانات المُدخلة، بحيث تُستخدم عندما تُقسّم الحالات إلى مجموعات طبيعية،وتُصنّف خوارزميّات التجميع إلى نوعين وهما كما يأتي:[
خوارزمية تعظيم التوقع (Expectation-Maximization Algorithm)
تعمل خوارزمية تعظيم التوقع على اختيار قيم عشوائية لنقاط البيانات المفقودة، وتستخدم التخمين لتقدير مجموعة جديدة من البيانات، ثم تستخدم القيم الجديدة لإعادة التخمين مرة أخرى للحصول على نتائج أفضل، وتستمر العملية حتى تقترب الخوارزمية من نقطة ثابتة، ومن أهمّ استخدامات خوارزمية تعظيم التوقع ما يأتي:[]
- تُستخدم في إعادة ترميم الصور في مجال الطب والهندسة الإنشائية.
- تُستخدم لزيادة قدرة برامج الحاسوب على فهم لغة الإنسان كلامياً وكتابةً.
خوارزمية التجميع الهرمي (Hierarchical Clustering Algorithm)
تقوم خوارزمية التجميع الهرمي بتجميع العناصر المتشابهة على شكل مجموعات في مستويات هرمية، تسمّى المجموعات العنقودية (بالإنجليزية: Clusters)، وتختلف كلّ مجموعة عن بعضها البعض، إلا أنّ العناصر داخل المجموعة الواحدة متشابهة مع عناصر المجموعات الأخرى،[] وفيما يأتي بعض استخدامات خوارزمية التجميع الهرمي:
- تستخدمها السلطات في التعرف على مواقع الجريمة.
- تُستخدم لتعرف الوقت المستغرق للتنقل بين المناطق المختلفة.
كيف تعمل خوارزميات الذكاء الاصطناعي؟
تتعامل خوارزميات الذكاء الاصطناعي مع كميّات هائلة من البيانات والمعلومات بواسطة أجهزة الحاسوب، عن طريق استقبال معلومات مدخلة تطبّق عليها خطوات الخوارزمية لتوليد مخرجات، مثل قيام شخص بالاستعلام والبحث في قاعدة البيانات عن معلومة معينة، فيقوم الحاسوب باستخدام الخوارزمية لسرد النتائج.[١٩]
ما هي المشاكل التي تحلها خوارزميات الذكاء الاصطناعي في مختلف المجالات؟
تُستخدم خوارزميات الذكاء الاصطناعي لمعالجة مشاكل العالم المختلفة، ويُذكر منها ما يأتي:[٢٠]
- المشاكل البيئية.
- المشاكل الصحية والطبية.
- مشاكل الطاقة.
- مشاكل الأمن.
- مشاكل الاحتباس الحراري.
- مشاكل الاتصالات