الذكاء الاصطناعي التوليدي
في الآونة الأخيرة، ضجت مواقع التواصل الاجتماعي بمصطلح الذكاء الاصطناعي التوليدي، إذن ما هو الذكاء الاصطناعي التوليدي؟ وما هو الفرق بينه وبين الذكاء الاصطناعي المتعارف عليه؟ وما هي خوارزمياته؟ وما هي استخداماته؟ في هذا المقال سيتم الإجابة على كل هذه التساؤلات.
محتوى المقال
- نبذة عن الذكاء الاصطناعي
- مقدمة في الذكاء الاصطناعي التوليدي
- علاقة الذكاء الاصطناعي التوليدي بمجالات الذكاء الاصطناعي
- مقارنة بين الذكاء الاصطناعي والذكاء الاصطناعي التوليدي
- خوارزميات الذكاء الاصطناعي التوليدي
- استخدامات وتفعيل الذكاء الاصطناعي التوليدي في الواقع
- أمثلة الذكاء الاصطناعي التوليدي الحديثة
1. نبذة عن الذكاء الاصطناعي
الذكاء الاصطناعي هو مجال معني بالوصول إلى مرحلة الذكاء البشري البسيط عن طريق الآلات، مثل فهم المعادلات، والتعرف على الوجوه، واكتشاف الشذوذ، والتنبؤ بارتفاع الأسعار، لكن يبقى مستوى هذا المجال محدود، وهو يندرج تحت الذكاء الاصطناعي البسيط. نقصد بالبسيط أنه قادر حل وفهم المشاكل على مستوى بسيط من الذكاء والفهم.
2. مقدمة في الذكاء الاصطناعي التوليدي
الذكاء الاصطناعي التوليدي هو مجال أعمق بكثير (بثلاث درجات) عن الذكاء الاصطناعي السابق ذكره. حيث أنه أذكى وأعقد، فهو يجابه مرحلة الذكاء البشري الفائق، فهو قادر على إنشاء بيانات جديدة لم تكن موجودة مسبقًا ولديه القدرة أيضًا على إدارة حوارات طويلة مع البشر! النماذج التوليدية تنشئ بيانات شبيهة بالبيانات الأصلية، وحصرًا شبيهة وليست مطابقة!
الذكاء الاصطناعي التوليدي والنماذج اللغوية العملاقة يتقدمان بسرعة مذهلة، مع نماذج جديدة، وأنظمة، وابتكارات بشكل شبه يومي. أشهر الأمثلة على تلك النماذج، نموذج اشتهر مؤخرًا من ابتكار شركة OpenAI والتي تعطي النموذج اللغوي مثل (ChatGPT 3.5) قدرات خارقة على إدارة محادثة شبيهة بمحادثة الإنسان
3. علاقة الذكاء الاصطناعي التوليدي بمجالات الذكاء الاصطناعي
كما هو موضح في شكل فين التالي، الذكاء الاصطناعي التوليدي يندرج تحت قسم التعلم العميق فهو أعمق وأعقد بكثير من الذكاء الاصطناعي العام. وبذلك يكون في الدرجة الرابعة من التعقيد والعمق. فهو يعتمد على ضخامة حجم البيانات وشدة تعقيد الخوارزميات.
4. مقارنة بين الذكاء الاصطناعي والذكاء الاصطناعي التوليدي
- يتعامل الذكاء الاصطناعي التقليدي مع كثير من الخوارزميات منها التجميع، والتصنيف، والانحدار، وأشهرها خوارزميات التعلم العميق مثل الشبكات العصبونية الالتفافية (CNNs) والشبكات العصبونية التكرارية (RNNs)، بينما نتعامل في الذكاء الاصطناعي التوليدي مع خوارزميات التعلم التعزيزي وخوارزميات شبكات الخصوم التوليدية (GANs) بشكل أكبر. وسنذكر تفاصيل هذه الخوارزميات في هذا فصول هذا المقال.
- الذكاء الاصطناعي التقليدي يركز على تتبع الأنماط، وصنع القرارات، وتصنيف البيانات، والتعرف على الأشياء والأشكال، بينما الذكاء الاصطناعي التوليدي، كما يسمى، فهو يولد نتائج جديدة مثل الردود الآلية، التصاميم، وبيانات مصطنعة لم تكن موجودة مسبقًا.
- عدد العينات الذي تم تدريب نماذج الذكاء الاصطناعي التقليدي عليها يتراوح ما بين الألف إلى المليون، بينما في الذكاء الاصطناعي التوليدي يتراوح عدد العينات ما بين المليار إلى الترليون ( وعدد العينات في نموذج GPT4 يفوق هذا العدد).
- ينشئ الذكاء الاصطناعي بيانات مصطنعة لبناء نماذج متينة وجديرة بالثقة لمعالجة بيانات حقيقية محمية بحقوق الملكية والخصوصية، بينما يعنى الذكاء الاصطناعي التوليدي بنماذج التعلم العميق التي يمكنها أخذ بيانات خام (مثل بيانات ويكيبيديا) ثم تعلمها لإنشاء مخرجات راجحة الصحة إحصائيًا عند طلبها.
- من أشهر الأمثلة على نماذج ضخمة للتعرف على الكائنات هي ResNet101, InceptionV3. ونموذجي BERT, GloVe لفهم النصوص وتندرج هذه النماذج تحت مجال الذكاء الاصطناعي التقليدي (التعلم العميق، الشبكات العصبية).
- من أشهر الأمثلة على نماذج ضخمة لإنشاء الصور والتعديل عليها هي E, Midjourney ونموذجي GPT3.5, Bard لفهم النصوص، وإنشاء نصوص جديدة وإدارة الحوارات مع البشر، وتندرج هذه النماذج تحت مجال الذكاء الاصطناعي التوليدي (التعلم التعزيزي، شبكات الخصوم التوليدية).
5. خوارزميات الذكاء الاصطناعي التوليدي
خوارزميات الذكاء الاصطناعي التوليدي هي التعلم التعزيزي مثل شبكات الخصوم التوليدية والشبكات تلقائية الترميز
1. التعلم التعزيزي
في التعلم التعزيزي المُغذّى من الإنسان (Reinforcement Learning from Human Feedback) (RLHF)، النموذج التوليدي يخرج مجموعة من الردود المرشحة التي يقيمها الإنسان بهدف التصحيح. بالرغم من التعلم التعزيزي، يتم ضبط النموذج ليخرج ردود أكثر شبيهة بتلك الردود التي تم تقييمها بشكل عالي من قبل الإنسان.
2. الشبكات تلقائية الترميز
تم استخدام النماذج التوليدية في الإحصاء لتحليل البيانات الرقمية. شهرة التعلم العميق مكنت هذه النماذج من التوسع لمعالجة الصور، والحديث، ومعالجة مشاكل معقدة أخرى.
من أوائل النماذج التي تم ابتكارها هو النموذج تلقائي الترميز المتباين (variational autoencoder) (VAE)، وتم تقديمها عام 2013. النماذج تلقائية الترميز المتباين كانت أول نموذج مبني على التعلم العميق، وقد تم استخدامه من أجل توليد صور حقيقية وحديث حقيقي. نستطيع أن نقول إن النماذج تلقائية الترميز فتحت البوابة على مصرعيها للنمذجة العميقة التوليدية.
تعمل النماذج تلقائية الترميز على ترميز البيانات غير المسماة بشكل مضغوط، ثم فك ترميزها مرة أخرى لصيغتها الأصلية.
القدرة على توليد بيانات جديدة ومبتكرة نجحت كالنار في الهشيم في التقنيات الحديثة، بدءًا بشبكات الخصوم التوليدية وانتهاءً بنماذج الانتشار (Diffusion models)، قادرة على إنتاج بيانات مصطنعة أكثر واقعية. وبهذا تكون النماذج ذاتية الترميز المتباينة هي حجر الأساس لما نراه الآن من الذكاء الاصطناعي التوليدي.
نماذج المحول اللغوي تقع بين ثلاثة تصنيفات رئيسية:
- نماذج تشفير فقط
- نماذج فك تشفير فقط
- نماذج تشفير وفك التشفير
يتم استخدام نماذج التحويل اللغوي حاليًا من أجل مهام غير توليدية (مثل التصنيف لمراجعة إيجابية ومراجعة سلبية) ومهام توليدية (مثل الترجمة، والتلخيص، والإجابة على الأسئلة بشكل مطول وحواري)، وفي هذه الأيام (2022-2023) نشهد تطورًا هائلًا في خوارزميات ونماذج الذكاء الاصطناعي التوليدي وطريقة إدارة المهام المعروضة فيها. ( لمعرفة المزيد عن شبكات التشفير يمكنك الانتقال إلى مقال التعلم العميق والشبكات العصبية الاصطناعية)
نماذج المشفر مثل BERT تشغل محركات البحث وصناديق المحادثة التقليدية.
نماذج فاك التشفير مثل عائلة GPT تم تدريبها للتنبؤ بالكلمة التالية بدون تشفير مسبق للكلمة التالية.
نموذج GPT-3 ، والذي يحوي 175 مليار معلمة، هو أكبر نموذج لغوي فريد من نوعه، في عام إطلاقه 2020.
نماذج المشفر- فاك التشفير مثل محول مترجم النص إلى نص (T5)، والذي يدمج ما بين أسلوب نموذجي GPT و BERT.
3. شبكات الخصوم التوليدية
شبكات الخصوم التوليدية (GANs) هي شبكات تعلم عميقة مكونة من شبكات عصبية التفافية (CNN). وتحتوي على شبكتين عصبيتين، شبكة لتوليد البيانات وشبكة لتصنيف البيانات لبيانات حقيقية ومزيفة. هدفها الرئيسي هو تدريب المولد على توليد عينات وتدريب المميز على التمييز والمفاضلة بين البيانات الصحيحة والخاطئة. لتوليد صور حقيقية ذات جودة عالية. للمزيد عن نماذج الخصوم التوليدية يمكنك زيارة المقال تقنية تحويل النصوص إلى صور.
يوجد عدة أنواع من شبكات الخصوم التوليدية مثل:
- شبكات الخصوم التوليدية الشرطية (CGAN) :
يتم فيها تزويد المولد والمميز (المفاضل) بمعلومات إضافية مثل بيانات تصنيفية، وبذلك يتمكن المميز من إيجاد الاحتمال الأقرب إلى الصواب اعتمادًا على الشروط ووليس فقط البيانات المولدة.
- شبكة الخصوم التوليدية التدويرية (CycleGAN)
يتم استخدام شبكة الخصوم التوليدية التدويرية في ترجمة صورة إلى صورة، أي ربط صورة بصورة أخرى، وإنشاء صورة بمعالم جديدة تخلط بين خواص الصورتين.
6. استخدامات وتفعيل الذكاء الاصطناعي التوليدي بالواقع
يتم استخدام الذكاء الاصطناعي التوليدي في مجالي معالجة النصوص ومعالجة الصور
تطبيقات الذكاء الاصطناعي التوليدي في مجال معالجة الصور
- إنشاء صور خيالية غير موجودة مسبقًا. (لرؤية أمثلة على ذلك والأدوات الخاصة بذلك انتقل إلى هذا مقال نماذج تحويل النص إلى صورة)
- تعديل الصور وتصحيحها وزيادة دقتها
- تصميم الصور ومقاطع الفيديو
تطبيقات الذكاء الاصطناعي التوليدي في مجال معالجة النصوص
- تلخيص المقالات
- استنتاج المعلومات من الكتب
- صندوق المحادثة الذكي (لرؤية أمثلة على ذلك يمكنك الانتقال إلى مقال تقنية المحادثة الفورية ChatGPT
- تخصيص النموذج لمعالجة بيانات نصية مخصصة للعميل
- إنشاء وصف لأي شيء عن طريق إدخال كلمات مفتاحية
- المساعدة في تحسين الوصول في محرك البحث (SEO)
- إنشاء نصوص برمجية، وقد يصل الأمر إلى إنشاء موقع ويب بسيط متكامل
- تصحيح الأخطاء البرمجية
- الترجمة الاحترافية
- كتابة المقالات
7. أمثلة الذكاء الاصطناعي التوليدي الحديثة
يمكنك تجربة هذه الأدوات وستحظى بتجربة شيقة وممتعة مع الروبوت بما يناسب أسئلتك وأوامرك!
- توليد النصوص بشكل حواري مع المستخدم البشري والإجابة على جميع أسئلته كما هو الحال في نموذج ChatGPT المشغل عن طريق https://poe.com/ والذي بإمكانك تجريبه بنفسك!
- توليد النصوص البرمجية https://poe.com/ و GitHub Copilot
- التعديل على الصور، وإنشاء صور جديدة https://www.midjourney.com/home
ملخص
- الذكاء الاصطناعي التقليدي يركز على تتبع الأنماط، وصنع القرارات، وتصنيف البيانات، والتعرف على الأشياء والأشكال، بينما الذكاء الاصطناعي التوليدي، كما يسمى، فهو يولد نتائج جديدة مثل الردود الآلية، التصاميم، وبيانات مصطنعة لم تكن موجودة مسبقًا.
- ينشئ الذكاء الاصطناعي بيانات مصطنعة لبناء نماذج متينة وجديرة بالثقة لمعالجة بيانات حقيقية محمية بحقوق الملكية والخصوصية، بينما يعنى الذكاء الاصطناعي التوليدي بنماذج التعلم العميق التي يمكنها أخذ بيانات خام (مثل بيانات ويكيبيديا) ثم تعلمها لإنشاء مخرجات راجحة الصحة إحصائيًا عند طلبها.
- تطبيقات الذكاء الاصطناعي التوليدي تشمل: إنشاء حوار مع البشر، إنشاء نصوص برمجية، تلخيص وإنشاء المقالات، إنشاء صور خيالية وكأنها حقيقية، تحويل النصوص إلى صور.
- أكبر نماذج الذكاء الاصطناعي التوليدي الحالية هي: GPT لمعالجة النصوص وMidjourney لمعالجة الصور.
- أشهر خوارزميات الذكاء الاصطناعي هي: التعلم التعزيزي وشبكات الترميز التلقائي وشبكات الخصوم التوليدية.
المصادر
- https://research.ibm.com/blog/what-is-generative-AI?utm_content=SRCWW&p1=Search&p4=43700076539536781&p5=p&gclid=CjwKCAjwg-GjBhBnEiwAMUvNW2mneX8G3wXNPPqN8ET1oP_2Gn0wYNk0dtnj1tI5XYhcS9YgjMWoKhoC4sgQAvD_BwE&gclsrc=aw.ds
- https://dev.to/mitul3737/artificial-intelligence-vs-machine-learning-vs-deep-learning-vs-generative-ai-7ae
- https://www.acaiaworld.com/blog/text-to-image-generation
- https://www.acaiaworld.com/blog/deep-learning-and-artificial-neural-networks/
- https://www.acaiaworld.com/blog/chat-gpt-chatbot-technique/
- https://www.midjourney.com/home/?callbackUrl=%2Fapp%2F
