ما هو الذكاء الاصطناعي التوليدي؟ دليل مختصر للمبتدئين

أصبح الذكاء الاصطناعي التوليدي Generative AI من أكثر مجالات الذكاء الاصطناعي انتشاراً في السنوات الأخيرة.

وبدلاً من الاكتفاء بتحليل البيانات أو إجراء التنبؤات، يمكن للذكاء الاصطناعي التوليدي إنشاء محتوى جديد مثل النصوص والصور والصوت والفيديو والبرمجيات.

ما هو الذكاء الاصطناعي التوليدي؟

الذكاء الاصطناعي التوليدي هو نوع من الذكاء الاصطناعي يتعلم الأنماط من كميات كبيرة من البيانات، ثم يستخدم ما تعلمه لإنشاء محتوى جديد.

على سبيل المثال، يمكن لنموذج توليد النصوص إنشاء إجابة عن سؤال، بينما يمكن لنموذج توليد الصور إنشاء صورة اعتماداً على وصف نصي.

يُنتج النموذج محتوى جديداً بالاعتماد على الأنماط والعلاقات التي تعلمها أثناء التدريب.

كيف يعمل الذكاء الاصطناعي التوليدي؟

يمكن تبسيط العملية بالشكل التالي:

البيانات ← التدريب ← النموذج ← الموجه Prompt ← المخرجات

أولاً، يتم تدريب النموذج باستخدام كميات كبيرة من البيانات.

بعد التدريب، يرسل المستخدم تعليمات تسمى Prompt، ويقوم النموذج بتحليلها وإنشاء مخرجات مناسبة اعتماداً على الأنماط التي تعلمها.

على سبيل المثال، يمكن أن تطلب من أداة ذكاء اصطناعي تلخيص مستند، أو شرح موضوع، أو كتابة بريد إلكتروني، أو اقتراح أفكار.

تعتمد العديد من نماذج اللغة الحديثة على بنية Transformer وآلية الانتباه Attention لفهم العلاقات داخل النصوص.

مثال بسيط على الذكاء الاصطناعي التوليدي

يمكن فهم الذكاء الاصطناعي التوليدي من خلال مهمة بسيطة:

Prompt ← نموذج الذكاء الاصطناعي ← المحتوى الناتج ← المراجعة البشرية

على سبيل المثال، يمكنك أن تطلب:

"اكتب رسالة بريد إلكتروني مهنية قصيرة لتأكيد اجتماع غداً الساعة الواحدة ظهراً."

يقوم الذكاء الاصطناعي بإنشاء مسودة بناءً على تعليماتك، ثم يمكنك مراجعة الصياغة والتحقق من التفاصيل وإجراء أي تعديلات ضرورية قبل استخدامها.

ولهذا السبب يكون الذكاء الاصطناعي التوليدي أكثر فائدة غالباً عندما يُستخدم كمساعد، وليس كأداة يجب قبول كل ما تنتجه تلقائياً.

ماذا يمكن أن ينشئ الذكاء الاصطناعي التوليدي؟

يمكن استخدامه لإنشاء أنواع مختلفة من المحتوى، مثل:

• النصوص والملخصات
• الصور والرسومات
• البرمجيات والكود
• الصوت
• الفيديو
• المستندات والعروض التقديمية

تُستخدم Large Language Models (LLMs) بشكل أساسي لفهم اللغة وتوليد النصوص، بينما توجد نماذج أخرى متخصصة في الصور والصوت والفيديو.

استخدامات شائعة

يمكن استخدام الذكاء الاصطناعي التوليدي في العديد من المهام العملية، مثل الكتابة والتحرير، وتلخيص المعلومات، والإجابة عن الأسئلة، وإنشاء الصور، والمساعدة في البرمجة، وإعداد المحتوى التعليمي، وتشغيل روبوتات المحادثة.

كما تستخدمه المؤسسات في مجالات مثل الإنتاجية، وتطوير البرمجيات، والتعليم، والتسويق، وإدارة المعرفة.

علاقته بالتعلم العميق

تعتمد العديد من أنظمة الذكاء الاصطناعي التوليدي الحديثة على تقنيات Deep Learning.

ومن التقنيات المهمة Generative Adversarial Networks (GANs)، التي تستخدم شبكات عصبية لتعلم كيفية إنشاء بيانات جديدة مشابهة للبيانات المستخدمة في التدريب.

كما أصبحت نماذج Transformer من أهم التقنيات المستخدمة في أنظمة توليد اللغة الحديثة.

فوائد الذكاء الاصطناعي التوليدي

يمكن أن يساعد في توفير الوقت وتسريع مهام مثل الكتابة والتلخيص وتوليد الأفكار وإنشاء المحتوى الأولي.

كما يمكن أن يدعم التعلم والإبداع من خلال تقديم أفكار وطرق شرح مختلفة.

لكن يبقى التحقق البشري مهماً قبل الاعتماد على النتائج.

القيود والتحديات

قد ينتج الذكاء الاصطناعي التوليدي معلومات غير دقيقة أو يسيء فهم السؤال أو يولد محتوى يحتوي على أخطاء.

كما توجد اعتبارات مرتبطة بالخصوصية، وحقوق النشر، والأمان، والتحيز، والاستخدام المسؤول.

لذلك يجب التحقق من المعلومات المهمة باستخدام مصادر موثوقة.

كيف يبدأ المبتدئ؟

يمكن البدء بمهام بسيطة، مثل:

طلب شرح موضوع صعب، أو تلخيص الملاحظات، أو تحسين بريد إلكتروني، أو توليد أفكار، أو إعداد أسئلة للدراسة.

كلما كان الـ Prompt واضحاً، كانت النتيجة غالباً أكثر فائدة.

الخلاصة

ينقل الذكاء الاصطناعي التوليدي الذكاء الاصطناعي من مجرد تحليل المعلومات إلى إنشاء محتوى جديد.

وفهم كيفية عمله وفوائده وقيوده يساعد على استخدامه بطريقة أكثر فعالية ومسؤولية.

في AIWiseUp، سنواصل شرح الذكاء الاصطناعي وتقنياته بطريقة عملية وسهلة الفهم.

تعرّف على الذكاء الاصطناعي. تعلّمه. استخدمه. وتطوّر معه.

كتبه يوسف إسماعيل أبو الشوارب

المراجع وقراءات إضافية

Russell, S.J. and Norvig, P. (2021) Artificial Intelligence: A Modern Approach. 4th edn. Pearson.

Artificial Intelligence: A Modern Approach – Pearson

Goodfellow, I.J. et al. (2014) ‘Generative Adversarial Nets’, Advances in Neural Information Processing Systems, 27.

Generative Adversarial Nets – NeurIPS

Vaswani, A. et al. (2017) ‘Attention Is All You Need’, Advances in Neural Information Processing Systems, 30.

Attention Is All You Need – NeurIPS