مشاركة عبر

تصميم بنية الذكاء الاصطناعي (AI)

  • مقالة

الذكاء الاصطناعي (AI) هو قدرة الكمبيوتر على تقليد السلوك البشري الذكي. من خلال الذكاء الاصطناعي، يمكن للأجهزة تحليل الصور، وفهم الكلام، والتفاعل بطرق طبيعية، وإجراء تنبؤات باستخدام البيانات.

رسم توضيحي يصور علاقة الذكاء الاصطناعي كمفهوم أصل. ضمن الذكاء الاصطناعي هو التعلم الآلي. داخل التعلم الآلي هو التعلم العميق.

مفاهيم الذكاء الاصطناعي

خوارزمية

الخوارزمية هي سلسلة من العمليات الحسابية والقواعد المستخدمة لحل مشكلة أو تحليل مجموعة من البيانات. إنه يشبه مخطط التدفق، مع إرشادات خطوة بخطوة للأسئلة التي يجب طرحها، ولكنها مكتوبة في الرياضيات ورمز البرمجة. قد تصف الخوارزمية كيفية تحديد ما إذا كان الحيوان الأليف قطة أو كلباً أو سمكة أو طائراً أو سحلية. قد تصف خوارزمية أخرى أكثر تعقيداً كيفية تحديد اللغة المكتوبة أو المنطوقة، وتحليل كلماتها، وترجمتها إلى لغة مختلفة، ثم التحقق من الدقة في الترجمة.

التعلّم الآلي

التعلم الآلي هو تقنية الذكاء الاصطناعي تستخدم خوارزميات رياضية لإنشاء نماذج تنبؤية. يتم استخدام خوارزمية لتحليل حقول البيانات و"التعلم" من تلك البيانات باستخدام الأنماط الموجودة داخلها لإنشاء النماذج. ثم يتم استخدام هذه النماذج لإجراء تنبؤات أو قرارات مستنيرة حول البيانات الجديدة.

يتم التحقق من صحة النماذج التنبؤية مقابل البيانات المعروفة، ويتم قياسها بمقاييس الأداء المحددة لسيناريوهات عمل محددة، ثم تعديلها حسب الحاجة. تسمى عملية التعلم والتحقق من الصحة هذه بالتدريب. من خلال إعادة التدريب الدوري، يتم تحسين نماذج التعلم الآلي بمرور الوقت.

التعلم العميق

التعلم المتعمق هو نوع من التعلم الآلي يمكنه تحديد ما إذا كانت تنبؤاته دقيقة أم لا. كما أنه يستخدم الخوارزميات لتحليل البيانات، ولكنه يفعل ذلك على نطاق أكبر من التعلم الآلي.

يستخدم التعلم العميق الشبكات العصبية الاصطناعية، والتي تتكون من طبقات متعددة من الخوارزميات. تنظر كل طبقة إلى البيانات الواردة، وتنفذ تحليلها المتخصص الخاص، وتنتج إخراجاً يمكن للطبقات الأخرى فهمه. ثم يتم تمرير هذا الإخراج إلى الطبقة التالية، حيث تقوم خوارزمية مختلفة بتحليلها الخاص، وهكذا.

مع العديد من الطبقات في كل شبكة عصبية، وأحياناً باستخدام شبكات عصبية متعددة- يمكن أن يتعلم الجهاز من خلال معالجة البيانات الخاصة به. وهذا يتطلب بيانات أكثر بكثير وقوة حوسبة أكثر بكثير من التعلم الآلي.

روبوتات

الروبوت هو برنامج برمجي تلقائي مصمم لأداء مهمة معينة. فكر في الأمر على أنه روبوت بدون جسد. كانت الروبوتات المبكرة بسيطة نسبياً، حيث تتعامل مع المهام المتكررة والضخمة بمنطق حسابي مباشر نسبياً. ومن الأمثلة على ذلك متتبعات الويب التي تستخدمها محركات البحث لاستكشاف محتوى الويب وفهرسته تلقائياً.

أصبحت الروبوتات أكثر تطوراً بكثير، باستخدام الذكاء الاصطناعي وغيرها من التقنيات لمحاكاة النشاط البشري واتخاذ القرارات، في كثير من الأحيان أثناء التفاعل مباشرة مع البشر من خلال النص أو حتى الكلام. تتضمن الأمثلة الروبوتات التي يمكنها حجز العشاء، أو روبوتات الدردشة (أو المحادثة بواسطة الذكاء الاصطناعي) التي تساعد في تفاعلات خدمة العملاء، والروبوتات الاجتماعية التي تنشر الأخبار العاجلة أو البيانات العلمية إلى مواقع وسائل التواصل الاجتماعي.

تقدم Microsoft Azure Bot Service، وهي خدمة مُدارة مصممة خصيصاً لتطوير الروبوت على مستوى المؤسسات.

أنظمة الحكم الذاتي

الأنظمة المستقلة هي جزء من فئة جديدة متطورة تتجاوز الأتمتة الأساسية. بدلاً من أداء مهمة محددة بشكل متكرر مع اختلاف بسيط أو بدون اختلاف (مثل الروبوتات)، تجلب الأنظمة المستقلة الذكاء إلى الآلات حتى تتمكن من التكيف مع البيئات المتغيرة لتحقيق الهدف المنشود.

تستخدم المباني الذكية أنظمة مستقلة للتحكم تلقائياً في العمليات مثل الإضاءة والتهوية وتكييف الهواء والأمن. من الأمثلة الأكثر تعقيداً روبوتاً موجهاً ذاتياً يستكشف عمود منجم منهاراً لرسم خريطة شاملة لداخله، وتحديد الأجزاء السليمة من الناحية الهيكلية، وتحليل الهواء من أجل التنفس، واكتشاف علامات عمال المناجم المحاصرين في حاجة إلى الإنقاذ - كل ذلك بدون إنسان المراقبة في الوقت الحقيقي على الطرف البعيد.

معلومات عامة حول الذكاء الاصطناعي من Microsoft

تعرف على المزيد حول الذكاء الاصطناعي من Microsoft، وواكب الأخبار ذات الصلة:

أنواع بنيوية عالية المستوى

ذكاء اصطناعي تم إنشاؤه مسبقاً

الذكاء الاصطناعي الذي تم إنشاؤها مسبقاً هو بالضبط ما يبدو مثل نماذج الذكاء الاصطناعي الجاهزة والخدمات وواجهات برمجة التطبيقات الجاهزة للاستخدام. تساعدك هذه على إضافة التحليل الذكي للتطبيقات ومواقع الويب والتدفقات دون الحاجة إلى جمع البيانات ثم إنشاء نماذجك وتدريبها ونشرها.

قد يكون أحد الأمثلة على الذكاء الاصطناعي التي تم إنشاؤها مسبقاً نموذجاً تم اختباره مسبقاً يمكن دمجه كما هو أو استخدامه لتوفير أساس لمزيد من التدريب المخصص. مثال آخر هو خدمة واجهة برمجة التطبيقات المستندة إلى السحابة التي يمكن استدعاؤها حسب الرغبة لمعالجة اللغة الطبيعية بالطريقة المطلوبة.

خدماتالذكاء الاصطناعي في Azure

توفر الخدمات المعرفية للمطورين فرصة استخدام واجهات برمجة التطبيقات التي تم إنشاؤها مسبقاً ومجموعات أدوات التكامل لإنشاء تطبيقات يمكنها رؤية التطبيقات وسماعها والتحدث بها وفهمها وحتى البدء في التفكير. يمكن تصنيف كتالوج الخدمات داخل خدمات Azure الذكاء الاصطناعي إلى خمس ركائز رئيسية: الرؤية والكلام واللغة والبحث على الويب والقرار/التوصية.

نماذج الذكاء الاصطناعي مسبقة الإنشاء في AI Builder

AI Builder هي قدرة جديدة في Microsoft Power Platform توفر واجهة التأشير والنقر لإضافة الذكاء الاصطناعي إلى تطبيقاتك، حتى إذا لم تكن لديك مهارات في الترميز أو علوم البيانات. (لم يتم إصدار بعض الميزات في AI Builder بعد للتوفر العام وما زالت في حالة المعاينة. لمزيد من المعلومات، راجع صفحة توفر الميزة حسب المنطقة.)

يمكنك إنشاء نماذجك وتدريبها، ولكن AI Builder يوفر أيضاً تحديد نماذج الذكاء الاصطناعي تم إنشاؤها مسبقاً وجاهزة للاستخدام على الفور. على سبيل المثال، يمكنك إضافة مكون في Microsoft Power Apps استناداً إلى نموذج تم إنشاؤه مسبقاً يتعرف على معلومات الاتصال من بطاقات العمل.

ذكاء الاصطناعي المخصص

على الرغم من أن الذكاء الاصطناعي التي تم إنشاؤها مسبقاً مفيد (ومرن بشكل متزايد)، فإن أفضل طريقة للحصول على ما تحتاجه من الذكاء الاصطناعي هي على الأرجح بناء نظام بنفسك. من الواضح أن هذا موضوع عميق ومعقد للغاية، ولكن دعونا ننظر إلى بعض المفاهيم الأساسية التي تتجاوز ما غطيناه للتو.

لغات التعليمات البرمجية

المفهوم الأساسي للذكاء الاصطناعي هو استخدام الخوارزميات لتحليل البيانات وإنشاء نماذج لوصفها (أو تسجيلها) بطرق مفيدة. تتم كتابة الخوارزميات من قبل المطورين وعلماء البيانات (وأحياناً بواسطة خوارزميات أخرى) باستخدام التعليمات البرمجية. اثنتان من لغات البرمجة الأكثر شيوعاً لتطوير الذكاء الاصطناعي هما حالياً Python وR.

Python هي لغة برمجة عالية المستوى للأغراض العامة. يحتوي على بناء جملة بسيط وسهل التعلم يؤكد على قابلية القراءة. لا توجد خطوة تجميع. تحتوي Python على مكتبة قياسية كبيرة، ولكنها تدعم أيضاً القدرة على إضافة الوحدات والحزم. وهذا يشجع الوحدات ويتيح لك توسيع القدرات عند الحاجة. هناك نظام بيئي كبير ومتنام من مكتبات الذكاء الاصطناعي وML لـ Python، بما في ذلك العديد منها متاح بسهولة في Azure.

R هي لغة وبيئة للحوسبة الإحصائية والرسومات. ويمكن استخدامها لكل شيء بدءاً من تعيين الاتجاهات الاجتماعية والتسويقية الواسعة عبر الإنترنت إلى تطوير نماذج مالية ومناخية.

تبنت Microsoft لغة برمجة R بالكامل وتوفر العديد من الخيارات المختلفة لمطوري R لتشغيل التعليمات البرمجية الخاصة بهم في Azure.

التدريب

التدريب أساسي للتعلم الآلي. إنها العملية التكرارية "لتعليم" خوارزمية لإنشاء نماذج، والتي تستخدم لتحليل البيانات ثم إجراء تنبؤات دقيقة منها. في الممارسة العملية، تحتوي هذه العملية على ثلاث مراحل عامة: التدريب والتحقق من الصحة والاختبار.

أثناء مرحلة التدريب، يتم وضع علامة على مجموعة نوعية من البيانات المعروفة بحيث يمكن التعرف على الحقول الفردية. يتم تغذية البيانات ذات العلامات إلى خوارزمية تم تكوينها لإجراء تنبؤ معين. عند الانتهاء، تقوم الخوارزمية لإخراج نموذج يصف الأنماط التي وجدها كمعلمات. أثناء التحقق من الصحة، يتم وضع علامة على البيانات الجديدة واستخدامها لاختبار النموذج. يتم تعديل الخوارزمية حسب الحاجة وربما يتم وضعها من خلال مزيد من التدريب. وأخيراً، تستخدم مرحلة الاختبار بيانات العالم الحقيقي دون أي علامات أو أهداف محددة مسبقاً. على افتراض أن نتائج النموذج دقيقة، فإنه يعتبر جاهزاً للاستخدام ويمكن نشره.

ضبط المعلمات الفائقة

Hyperparameters هي متغيرات بيانات تحكم عملية التدريب نفسها. وهي متغيرات تكوين تتحكم في كيفية عمل الخوارزمية. وبالتالي يتم تعيين المعلمات الفائقة عادة قبل بدء تدريب النموذج ولا يتم تعديلها ضمن عملية التدريب بالطريقة التي يتم بها تعديل المعلمات. يتضمن ضبط المعلمة الفائقة إجراء التجارب ضمن مهمة التدريب، وتقييم مدى جودة إنجازها للمهمة، ثم الضبط حسب الحاجة. تنشئ هذه العملية نماذج متعددة، كل منها مدرب باستخدام عائلات مختلفة من المعلمات الفائقة.

تحديد النماذج

تنتج عملية التدريب وضبط المعلمات الفائقة العديد من النماذج المرشحة. يمكن أن يكون لها العديد من الاختلافات المختلفة، بما في ذلك الجهد المطلوب لإعداد البيانات، ومرونة النموذج، ومقدار وقت المعالجة، وبالطبع درجة دقة نتائجه. اختيار النموذج الأفضل تدريباً لاحتياجاتك وقيودك يسمى اختيار النموذج، ولكن هذا يتعلق بالتخطيط المسبق قبل التدريب بقدر ما يتعلق باختيار النموذج الأفضل.

التعلم الآلي التلقائي (AutoML)

التعلم الآلي التلقائي، الذي يشار إليه أيضاً باسم AutoML، هو عملية أتمتة المهام التكرارية التي تستغرق وقتاً طويلاً لتطوير نموذج التعلم الآلي. يمكن أن يقلل بشكل كبير من الوقت المستغرق للحصول على نماذج التعلم الآلي الجاهزة للإنتاج. يمكن أن يساعد التعلم الآلي التلقائي في تحديد النموذج وضبط المعلمات الفائقة وتدريب النموذج والمهام الأخرى، دون الحاجة إلى برمجة واسعة النطاق أو معرفة بالمجال.

سجل

يسمىالتسجيل أيضاً بـالتنبؤ وهو عملية إنشاء القيم استناداً إلى نموذج التعلم الآلي المدرب، بالنظر إلى بعض بيانات الإدخال الجديدة. يمكن أن تمثل القيم أو الدرجات التي يتم إنشاؤها تنبؤات للقيم المستقبلية، ولكنها قد تمثل أيضاً فئة أو نتيجة مرجحة. يمكن أن تنشئ عملية التسجيل العديد من أنواع القيم المختلفة:

  • قائمة بالعناصر الموصى بها ودرجة التشابه

  • القيم الرقمية، لنماذج السلاسل الزمنية ونماذج الانحدار

  • تشير قيمة احتمالية، إلى احتمالية أن ينتمي إدخال جديد إلى فئة موجودة

  • اسم فئة أو مجموعة يتشابه فيها العنصر الجديد إلى حد كبير

  • فئة أو نتيجة متوقعة لنماذج التصنيف

تسجيل الدفعات هو عندما يتم جمع البيانات خلال فترة زمنية محددة ثم معالجتها في دفعة. قد يشمل ذلك إنشاء تقارير الأعمال أو تحليل ولاء العملاء.

التسجيل في الوقت الحقيقي هو بالضبط هذا التسجيل المستمر والمنفذ في أسرع وقت ممكن. المثال الكلاسيكي هو الكشف عن الاحتيال في بطاقات الائتمان، ولكن يمكن أيضاً استخدام التسجيل في الوقت الحقيقي في التعرف على الكلام، والتشخيصات الطبية، وتحليلات السوق، والعديد من التطبيقات الأخرى.

معلومات عامة حول الذكاء الاصطناعي المخصص على Azure

عروض النظام الأساسي للذكاء الاصطناعي من Azure

فيما يلي تصنيف لتقنيات Azure والأنظمة الأساسية والخدمات التي يمكنك استخدامها لتطوير حلول الذكاء الاصطناعي لاحتياجاتك.

Azure Machine Learning  

هذه خدمة تعلم آلي على مستوى المؤسسة لبناء النماذج ونشرها بشكل أسرع. يوفر التعلم الآلي من Microsoft Azure واجهات الويب و SDKs حتى تتمكن من تدريب نماذج التعلم الآلي والمسارات ونشرها بسرعة على نطاق واسع. استخدم هذه الإمكانات مع أطر عمل Python مفتوحة المصدر، مثل PyTorch وTensorFlow وscikit-learn.

بنيات مرجع التعلم الآلي لـ Azure

التعلّم الآلي التلقائي من Azure

يوفر Azure دعماً شاملاً للتعلم الآلي التلقائي. يمكن للمطورين إنشاء نماذج باستخدام واجهة مستخدم بدون تعليمات برمجية أو من خلال تجربة دفاتر الملاحظات الأولى للتعليمات البرمجية.

خدماتالذكاء الاصطناعي في Azure

هذه مجموعة شاملة من خدمات الذكاء الاصطناعي وواجهات برمجة التطبيقات المعرفية لمساعدتك على إنشاء تطبيقات ذكية. يمكن تخصيص نماذج الذكاء الاصطناعي الخاصة بالمجال والمحددة مسبقاً مع بياناتك.

خدمة البحث السحابي المدعومة بالذكاء الاصطناعي لتطوير تطبيقات الهاتف والويب. يمكن للخدمة البحث عن محتوى خاص غير متجانس، مع خيارات لإثراء الذكاء الاصطناعي إذا كان المحتوى الخاص بك غير منظم أو غير قابل للبحث في شكل أولي.

خدمة روبوت في Azure 

هذه بيئة تطوير روبوت مبنية لهذا الغرض مع قوالب جاهزة للبدء بسرعة.

Apache Spark على Azure

إن Apache Spark عبارة عن إطار عمل لمعالجة متوازٍ يدعم المعالجة داخل الذاكرة لتعزيز أداء تطبيقات تحليل البيانات الضخمة. يوفر Spark الأوليات للحوسبة العنقودية في الذاكرة. يمكن لوظيفة Spark تحميل البيانات وتخزينها مؤقتاً في الذاكرة والاستعلام عنها بشكل متكرر، وهو أسرع بكثير من التطبيقات المستندة إلى القرص، مثل Hadoop.

Apache Spark في Azure HDInsight هو تنفيذ Microsoft لـ Apache Spark في السحابة. تتوافق مجموعات Spark في HDInsight مع تخزين Azure وAzure Data Lake Storage، بحيث يمكنك استخدام مجموعات HDInsight Spark لمعالجة بياناتك المخزنة في Azure.

مكتبة التعلم الآلي من Microsoft ل Apache Spark هي SynapseML (المعروف سابقا باسم MMLSpark). تضيف هذه المكتبة مفتوحة المصدر العديد من أدوات التعلم العميق وعلوم البيانات وقدرات الشبكات والأداء على مستوى الإنتاج إلى نظام Spark البنائي. تعرف على المزيد حول ميزات SynapseML وقدراته.

وقت تشغيل Azure Databricks من أجل التعلم الآلي

Azure Databricks هو نظام أساسي للتحليلات يستند إلى Apache Spark مع إعداد نقرة واحدة، ومهام سير عمل مبسطة، ومساحة عمل تفاعلية للتعاون بين علماء البيانات والمهندسين ومحللي الأعمال.

يتيح لك Databricks Runtime من أجل التعلم الآلي (Databricks Runtime ML) بدء مجموعة Databricks مع جميع المكتبات المطلوبة للتدريب الموزع. ويوفر بيئة جاهزة للاستخدام للتعلم الآلي وعلوم البيانات. بالإضافة إلى ذلك، يحتوي على مكتبات شائعة متعددة، بما في ذلك TensorFlow وPyTorch وKeras وXGBoost. كما يدعم التدريب الموزع باستخدام Horovod.

قصص نجاح العملاء

تطبق مختلف الصناعات الذكاء الاصطناعي بطرق مبتكرة وملهمة. فيما يلي عدد من دراسات الحالة وقصص النجاح للعملاء:

استعراض المزيد من قصص عملاء الذكاء الاصطناعي

الخطوات التالية