Symbolic Artificial Intelligence

ماذا يعني الذكاء الاصطناعي الرمزي يعني؟

يمثل الذكاء الاصطناعي الرمزي (المعروف أيضًا باسم AI الكلاسيكي أو GOFAI - الذكاء الاصطناعي من الطراز القديم الجيد) أحد أقدم مناهج الذكاء الاصطناعي، مع التركيز على التمثيل الصريح للمعرفة باستخدام الرموز والقواعد. يحاول هذا النهج نمذجة التفكير والاستدلال البشري من خلال المنطق الرسمي والتلاعب بالرموز. على عكس التعلُّم الآلي الأساليب التي تتعلم من البيانات، يعتمد نظام AI الرمزي على القواعد المشفرة البشرية وقواعد المعرفة لحل المشاكل. على سبيل المثال، في نظام AI الرمزي المصمم للتشخيص الطبي، سيتم تمثيل المعرفة من خلال قواعد صريحة تربط الأعراض بالحالات المحتملة، مثل الطريقة التي قد يفكر بها الطبيب من خلال عملية التشخيص.

فهم الذكاء الاصطناعي الرمزي

يتمحور تطبيق Symbolic AI حول معالجة الرموز والقواعد المقروءة بشريًا التي تمثل مفاهيم وعلاقات العالم الحقيقي. تستخدم هذه الأنظمة المنطق الرسمي وأشجار القرار و الأنظمة الخبيرة لمعالجة المعلومات واتخاذ القرارات. يعمل هذا النهج على فرضية أن الذكاء البشري يمكن اختزاله في التلاعب بالرموز، حيث يتم تقسيم الأفكار المعقدة وعمليات التفكير إلى عمليات رمزية أبسط. على سبيل المثال، في معالجة اللغة الطبيعية مهمة، سيقوم نظام AI الرمزي بتحليل الجمل من خلال تقسيمها إلى مكوناتها النحوية وتطبيق قواعد محددة مسبقًا لفهم معناها.

كانت التطبيقات العملية لرمزية AI الرمزية مهمة تاريخياً في مجالات مختلفة. ففي الأنظمة الخبيرة، استُخدمت AI الرمزية لالتقاط وتطبيق الخبرة البشرية في مجالات مثل التشخيص الطبي، حيث يمكن تحديد قواعد واضحة ومسارات اتخاذ القرار. في أنظمة الاستدلال الآلي، تمكّن AI الرمزية أجهزة الكمبيوتر من حل المشاكل المنطقية المعقدة من خلال تطبيق قواعد رسمية الاستدلال. تتفوق هذه الأنظمة في المجالات التي يمكن أن تكون فيها المشاكل محددة بشكل جيد ويمكن ذكر القواعد بشكل واضح.

ينطوي تنفيذ أنظمة AI الرمزية على هندسة المعرفة وتعريف القواعد بعناية. يجب ترجمة المعرفة الخبيرة إلى بيانات وقواعد منطقية رسمية يمكن للحاسوب معالجتها. وتتطلب هذه العملية، المعروفة باسم تمثيل المعرفة، خبرة كبيرة في كل من المجال الذي يتم نمذجته وفي البرمجة المنطقية. يمكن للأنظمة الناتجة أن تقدم تفسيرات واضحة لقراراتها من خلال تتبع الخطوات المنطقية والقواعد المطبقة، مما يجعلها ذات قيمة خاصة في التطبيقات التي تكون فيها شفافية القرار أمرًا بالغ الأهمية.

وقد أدت التطورات الحديثة إلى ظهور مناهج هجينة تجمع بين AI الرمزية والتعلم الآلي. وتحاول هذه الأنظمة الاستفادة من نقاط القوة في كلا النموذجين - الاستدلال الصريح وقابلية التفسير للأنظمة الرمزية مع قدرات التعرف على الأنماط وقدرات التعلم للشبكات العصبية. على سبيل المثال، في المركبات ذاتية القيادة، قد تتعامل أنظمة AI الرمزية مع الاستدلال عالي المستوى حول قواعد المرور بينما تعالج الشبكات العصبية بيانات المستشعرات لاكتشاف الأجسام.

يستمر تطور AI الرمزي في التأثير على تطوير AI الحديث. في حين أن الأساليب الرمزية البحتة قد أفسحت المجال إلى حد كبير لطرق التعلم الآلي في العديد من التطبيقات، إلا أن مبادئ تمثيل المعرفة الصريحة والتفكير المنطقي لا تزال ذات صلة. يستكشف البحث الحالي طرقًا لدمج التفكير الرمزي في التعلُّم العميق لإنشاء حلول AI أكثر قوة وقابلية للتفسير. يهدف هذا التكامل إلى معالجة بعض القيود التي تعاني منها أنظمة الشبكة العصبية النهج، مثل الحاجة إلى كميات كبيرة من بيانات التدريب وصعوبة دمج المعرفة الصريحة بالمجال الصريح.

يواجه المجال تحديات مستمرة في التوسع للتعامل مع التعقيد وعدم اليقين في العالم الحقيقي. فالطبيعة الجامدة للتمثيلات الرمزية يمكن أن تجعل من الصعب التعامل مع المعلومات الغامضة أو غير المكتملة، كما أن الإنشاء اليدوي لقواعد المعرفة يمكن أن يستغرق وقتاً طويلاً وعرضة للأخطاء. ومع ذلك، لا تزال قدرة AI الرمزية على توفير مسارات منطقية واضحة ودمج المعرفة الصريحة بالمجال تجعلها ذات قيمة في تطبيقات محددة، لا سيما عندما تكون هناك حاجة إلى إمكانية التفسير والتحقق الرسمي.