ذكاء اصطناعي رمزي
من ويكيبيديا، الموسوعة encyclopedia
في الذكاء الاصطناعي، يمثل مصطلح الذكاء الاصطناعي الرمزي مجموعة الوسائل المستخدمة في أبحاث الذكاء الاصطناعي القائمة على التمثيلات الرمزية (المقروءة بواسطة البشر) عالية المستوى للمشاكل، والمنطق والبحث.[1] يوظف الذكاء الاصطناعي الرمزي عددًا من الأدوات مثل البرمجة المنطقية، وقواعد الإنتاج والأطر والشبكات الدلالية، واستطاع تطوير العديد من التطبيقات مثل الأنظمة القائمة على المعرفة (على وجه التحديد، الأنظمة الخبيرة)، والرياضيات الرمزية، ومبررات النظريات الآلية، والأنطولوجية، والويب الدلالي وأنظمة التخطيط الآلي والجدولة. سمح النموذج الفكري للذكاء الاصطناعي الرمزي بإيجاد العديد من الأفكار الأساسية في البحث، ولغات البرمجة الرمزية، والأنظمة متعددة الوكلاء، والويب الدلالي ونقاط القوة والقيود لأنظمة المنطق والمعرفة الرسمية.
كان الذكاء الاصطناعي الرمزي النموذج الفكري السائد لأبحاث الذكاء الاصطناعي منذ منتصف خمسينيات حتى منتصف تسعينيات القرن العشرين.[2][3] اقتنع الباحثون في ستينيات وسبعينيات القرن العشرين بأن النهج الرمزية قادرة في النهاية على النجاح في خلق آلة ذات ذكاء عام اصطناعي، إذ اعتبروا ذلك بمثابة الهدف النهائي في مجالهم.[4] أدى الازدهار المبكر، الذي ترافق مع نجاحات مبكرة مثل برنامج المنظر المنطقي وبرنامج تشغيل المدقق لصموئيل، إلى توقعات ووعود غير واقعية ولحق ذلك شتاء الذكاء الاصطناعي الأول مع تراجع التمويل.[5][6] تزامنت فترة الازدهار الثانية (1969-1986) مع نشوء الأنظمة الخبيرة، وما رافقها من وعود الاستحواذ على خبرات الشركات وتبني الشركات لها.[7][8] لحق فترة الازدهار هذه، وما رافقها من نجاحات مثل «إكس سي أو إن» و«دي إي سي»، فترة تراجع أخرى.[8] نشأت العديد من المشاكل المتعلقة بصعوبات اكتساب المعرفة، والحفاظ على القواعد المعرفية الكبيرة وهشاشة التعامل مع المشاكل خارج المجال. تبع ذلك شتاء ذكاء اصطناعي ثان (1988-2011).[9] بعد ذلك، انصب تركيز أبحاث الذكاء الاصطناعي على معالجة المشاكل الكامنة وراء التعامل مع حالات عدم اليقين واكتساب المعرفة.[10] أمكنت معالجة حالات عدم اليقين باستخدام الوسائل الرسمية مثل نظريات ماركوف المخفية، والمنطق البايزي والتعلم الإحصائي الترابطي.[11][12] عالج تعلم الآلة الرمزي مشكلة اكتساب المعرفة من خلال عدد من المساهمات بما في ذلك تعلم فضاء الإصدار، وتعلم «بّي إيه سي» لفاليانت، وتعلم شجرة قرار «آي دي 3» لكوينلان، والتعلم المعتمد على الحالة والبرمجة المنطقية الاستقرائية لتعلم العلاقات.[10]
مثلت الشبكات العصبية، التي تُعد نهجًا شبه رمزي، الهدف المنشود منذ الأيام الأولى وكان من المقرر ظهورها بقوة في عام 2012. تشمل الأمثلة المبكرة أعمال روزنبلات لتعلم البيرسيبترون، بالإضافة إلى أعمال الانتشار الخلفي بواسطة روميلهارت، وهينتون وويليامز والأعمال المتعلقة بالشبكات العصبية التلافيفية بواسطة ليكون وآخرين في عام 1989.[13] مع ذلك،[14] لم تُعتبر الشبكات العصبية ناجحة حتى عام 2012 تقريبًا: «حتى شيوع البيانات الضخمة، كان الإجماع العام في مجتمع الذكاء الاصطناعي مائلًا نحو اعتبار ما يُسمى نهج الشبكة العصبية نهجًا ميؤوسًا منه، لم تعمل الأنظمة بشكل جيد فعلًا مقارنة بالوسائل الأخرى. ... جاءت ثورة في عام 2012، عندما توصل عدد من الأفراد، بمن فيهم فريق من الباحثين الذين يعملون مع هينتون، إلى طريقة لاستخدام قوة «جي بّي يو إس» لتعزيز قوة الشبكات العصبية بشكل هائل».[15] على مدى السنوات التالية، استطاع التعلم المتعمق تحقيق نجاح مبهر في التعامل مع الرؤية، والتعرف على الكلام، وتوليف الكلام، وتوليد الصور وترجمة الآلة. مع ذلك، مع ازدياد وضوح الصعوبات المتأصلة في التحيز، والتفسير، وقابلية الفهم وقوة التحمل في نهج التعلم المتعمق منذ عام 2020؛ دعا عدد متزايد من باحثي الذكاء الاصطناعي إلى الدمج بين أفضل مزايا النهجين،[16][17] النهج الرمزي ونهج الشبكات العصبية، بالإضافة إلى معالجة النواحي التي يصعب على النهجين التعامل معها، مثل التفكير البديهي.[15]