http://www.almorattal.net/images/basmla.gif

يمكن سرد المجالات الرئيسية لتطبيقات الذكاء الاصطناعى فيها يلى:


1- لعب المباريات Game playing


لقد كانت المباريات من المجالات المبكرة فى حيز البحث

مثل الشطرنج والفوازير والمربعات السحرية.

تقوم معظم المباريات بناء على مجموعة معرفة جيدا من القواعد

مما يجعل من السهولة توليد حيز بحث يحرر الباحثين من الغموض والتعقيدات

التى قد توجد فى هيكل المسألة.

تستطيع المباراة توليد حيز واسع للبحث الأمر الذى يتطلب تقنيات قويه

لتحديد أى البدائل يتم استكشافها فى حيز فضاء المسألة.

وتسمى هذه التقنيات الموجهات Heuristics

وهى تشكل الجانب العظم فى بحوث AI .


تعتبر الموجهات مفيدة ولكنها محدودة فى لإستراتيجية حل المسألة

وتشكل المباريات مجالا خصبا لدراسة البحث الموجة.

والرغم من سهولة برامج لعب المباريات

إلا أنها تعطى تحديا كبيرا لحركة الخصم الغير متوقعة.


2- الاستدلال الذاتى واثبات النظريات

Automated Reasoning and Theorem Proving :


يمكن البرهنة على أن الإثبات الآلى للنظريات

كان من أقدم فروع AI ولقد كان بالتأكيد

واحدا من الفروع المثمرة فى هذا المجال.

لقد كان البحث فى برهنة النظريات المسئول عن الكثير

من العمل المثمر لتشكيل خوارزميات وتطوير تمثيل منهجى للغات

مثل الحساب الاسنادى

والبرمجة المنطقية logic programming أو Prolog .


إن الإعجاب الشديد بإثبات النظريات يرجع إلىصرامة وعمومية المنطلق

ويمكن معالجة مدى واسع من المسائل

بتمثيل مواصفات المسألة والخلفية المتعلقة بها

كبديهيات منطقية ومعالجة حالات المسألة كنظريات مطلوب إثباتها

وهذا هو الضوء الملقى على عاتق الإثبات الآلى للنظرية ونظم الاستدلال الرياضى.


تعمل البرامج العديدة التى تثبت النظريات الحديثة كمساعد ذكى

يعلم الإنسان تنفيذ معظم الأعمال المطلوبة

لتحليل مشكلة كبيرة إلى مسائل صغيرة

وتقسم الموجهات للبحث فى الحيز الممكن للإثبات المطلوب.

http://www.almorattal.net/images/basmla.gif


3- النظم الخبيرة Expert Systems


لقد برزت أهمية المعرفة فى مجال محدد

كناتج من أهم النواتج الأولية فى مجال حل المسائل Problem solving .

سوف نستعرض بعض التعريفات التى تنفع فى هذه النقطة.


معرفة الخبير Expert Knowledge


هى عبارة عن تركيبة من فهم نظرى للمسألة

ثم تجميع لقواعد موجهه لحل المسألة التى أظهرت الخبرة كفاءتها فى المجال.

وتشيد النظم الخبيرة بالحصول على المعرفة من العنصر البشرى الخبير

ثم تكوين هذه المعرفة بشكل يمكن أن يطبق على الكمبيوتر فى مسائل شبيهه.

يعد الاعتماد على معرفة الخبير البشرى لإستراتيجية حل المسألة

هو السمة الأساسية للنظام الخبير.

يقدم الإنسان الخبير المعرفة الأساسية لمسألة فى مجاله

من خلال مناقشة عامه لطرق حله وبشرح مهاراته

فى عينه مختارة بعناية من المسائل.

مهندس المعرفة Knowledge Eng.

هو متخصص الذكاء الاصطناعى المسئول عن تنفيذ تلك المعرفة

فى برنامج يبدو فى النهاية ذكى التصرف.

وعند كتابة هذا البرنامج من الضرورى تدقيق الخبرة فيه

من خلال عملية إعطائه أمثلة للمسألة

لكى يحلها ثم نترك الخبير البشرى ينتقدها

ويضع أى تغييرات أو تعديلات لبرنامج المعرفة

وتكرر هذه العملية مرات عديدة حتى يحقق البرنامج

الهدف المنشود ومستوى الأداء المطلوب.



4- فهم اللغات الطبيعية ونمذجة علم المعانى


Natural Language Understanding and Semantic Modelingلقد كان من الأهداف بعيدة المدى للذكاء الاصطناعى

إنشاء برامج تكون قادرة على فهم لغة الإنسان

فليست فقط إمكانية فهم اللغة الطبيعية من أهم أساسيات واعتبارات الذكاء البشرى

ولكن أيضا الميكنة الناجحة للغة ذات تأثير عالى

على استخدام وكفاءة أجهزة الكمبيوتر نفسها.

لقد بذلت مجهودات مضيئة فى كتابة البرامج التى تفهم اللغة الطبيعية للإنسان.

يتضمن فهم اللغة الطبيعية الكثير فهو لا يقتصر فقط

على تقطيع الجملة إلى أجزائها المستخدمة فى الحديث

ثم البحث عن تلك الأجزاء فى قاموس.

بل يعتمد الفهم الحقيقى على الخلفية المتاحة

فى مجال المقالة واللهجة المستخدمة فى المجال

وإمكانية تطبيق المعرفة الواسعة حسب السياق

لتغطية السهو والغموض الذين هما جزء من الحديث البشرى.

يشكل تجميع وتنظيم تلك الخلفية وبطريقة يمكن تطبيقها

إلى لغة مفهومة الجانب الأعظم فى ميكنة فهم اللغة.

واستجابة لتلك المتطلبات طور الباحثون العديد من التقنيات

لبناء علم المعانى ودراسة الرموز التى تستخدم على الدوام فى الذكاء الاصطناعى.

تتمة اهم تطبيقات الذكاء الاصطناعي


5- نمذجة الأداء البشرى Modeling Human Performance

بالرغم من أن المناقشات السابقة استخدمت الذكاء الإنسانى

كنقطة مرجعية فى اعتبار الذكاء الاصطناعى

إلا أن تلك البرامج يجب أن تحاكى تنظيم العقل البشرى.


لقد هندست برامج الذكاء الاصطناعى فى الواقع

لحل بعض المسائل المفيدة دون النظر إلى اعتبار تشابهها لبناء الفكر البشرى.

وحتى النظم الخبيرة وأثناء تشغيلها

فإن معظم المعرفة المستنبطة من الخبراء البشريين

لم تحاول فى الواقع محاكاة عملية الفكر البشرى.

وإذا كان الأداء هو المعيار الذى يحكم به على النظام

فسنجد أن من الأسباب القليلة التى منعت محاولة محاكاة الإنسان

فى طرق حل المسائل

أن البرامج التى تأخذ مداخل غير بشرية لحل المسائل

تكون غالبا أكثر نجاحا عن نظيرها الإنسانى.

مازال تصميم نظم تنمذج بصراحة بعض هيئة حل الإنسان للمسألة

مرتعاً خصباً فى كل من الذكاء الاصطناعى وعلم النفس.

إن نمذجة الأداء البشرى علاوة على ما تقدمه للذكاء الاصطناعى من طرق مفيدة

أثبتت أنها وسيلة قوية لتشكيل واختبار نظريات الإدراك البشرى.

لقد أعطت طرق حل المسائل المطورة بواسطة علماء الكمبيوتر

مجالا جديداً لاستكشاف العقل البشرى.

لقد واءم العديد من علماء النفس لغة ونظرية الكمبيوتر

لتشكيل نماذج للذكاء البشرى

خلاف إلقاء نظريات الإدراك بلغة غامضة فى البحوث الأولية

أو التخلى عن مشكلة توصيف الأعمال الداخلية للعقل البشرى.

لم تكتف تلك التقنيات فقط بتقديم مصطلحات جديدة لتوصيف الذكاء الإنسانى

ولكن أيضاً قدمت إنجازات الكمبيوتر لعلماء النفس

فرصة لاختبار تجريبى ونقد وتعديل أفكارهم.

***تتمة تطبيقات الذكاء الاصطناعي***


.
6- التخطيط والربوت Planning and Robotics


يعد التخطيط مظهراً هاماً للمجهود الخاص بتصميم الربوتات التى تنفذ أعمالها

بدرجة معينه من المرونة والحساسية للعالم الخارجى.

يفرض التخطيط باختصار أن الربوت قادر على تنفيذ أفعال شديدة الصغر

ويحاول أن يجد تتابع لتلك الأفعال التى تنفذ عمل ذو مستوى عال

كالتحرك وسط عوائق فى حجرة ممتلئة.

يعتبر التخطيط عملية صعبة لعدة أسباب منها

أن حجم الحيز المفروض للبحث عن تتابع الحركات الممكنة فى ابسط ربوت

يكون قادراً على توليد عدد هائل من تتابع الحركات.

تخيل على سبيل المثال ربوت يستطيع الحركة للأمام – الخلف – اليمين – اليسار

وافترض عدة طرق مختلفة للحركة حول الغرفة

افترض أيضا أنه يوجد عدة عوائق بالحجرة وعليه أن يختار مسار

ليتحرك حولها بطريقة فعالة.

يتطلب كتابة برنامج – من شأنه أن يكشف بذكاء المسار الأمثل تحت هذه الظروف

دون أن يرتبك بالعدد الضخم من الإمكانيات –

تقنيات متطورة لتمثيل المعرفة المكانية والتحكم فى البحث.



هناك طريقة يستخدمها الإنسان فى التخطيط هى:-


تحليل المسألة هرمياً Hierarchical problem decomposition

على سبيل المثال

إذا أردت أن تسافر من بلدك إلى لندن يجب أن تعالج هذه المسألة كالتالى:-

إعداد الجواز – التأشيرة – حجز الرحلة – الذهاب إلى المطار و …… الخ ،

وكل خطوه منها يمكن تحليلها إلى خطوات أقل Subproblems .

لا يقوم هذا المدخل بتقيد حجم الفضاء الذى يتم البحث فيه فقط

ولكنه أيضا يوفر خططا فرعية للاستخدام المستقبلى.

عندما يقوم الإنسان بالتخطيط الكفء يكون إنشاء برنامج كمبيوتر

ينفذ نفس التخطيط تحديا صعباً.

إن عملا بسيطا كتفييت المسألة إلى مسائل مستقلة

يتطلب فى الواقع توجيها متطوراً ومعرفة واسعة عن مجال التخطيط.

ويعد تحديد أى الخطط الفرعية سوف تحفظ وكيف نعمم الاستخدام فى المستقبل

عملية صعبة .... الأمر الذى يكتشف تكراراً فى المواقف البحثية.

إن الربوت الذى ينفذ الأفعال المتتابعة بطريقة عمياء

دون أن يستجيب للتغيرات المحيطة أو ذلك الذى

يكون غير قادر على تصحيح الأخطاء فى خطته لا يمكن اعتباره ذكياً بسهولة.


يقوم الربوت غالبا ببناء خطة على معلومات غير كاملة

ويصحح مساره عند تنفيذ تلك الخطة.

قد لا يتوفر لدى الربوت أجهزة احساس لتحديد كل العوائق الموجودة فى المسار

ومثل هذا الربوت يجب أن يتحرك فى الحجرة اعتماداً على ما يدركه أو يلاحظه

ويصحح مساره بمجرد إحساسه بالعوائق الأخرى.

ويعتبر تنظيم حفظ بهذا الشكل الذى يسمح بالاستجابة للشروط المحيطة

مشكلة كبيرة فى التخطيط.

***تتمة تطبيقات الذكاء الاصطناعي***


لغات وبيئات الذكاء الاصطناعى Languages and Environments for AI

بعض أهم توابع بحوث الذكاء الاصطناعى

هو التقدم فى لغات البرمجة وبيئة تطوير البرمجيات.

لقد اضطر مبرمجى الذكاء الاصطناعى إلى تطوير مجموعة منهجيات قوية للبرمجة

لعدة أسباب تتضمن

الحجم الانحرافى لمعظم برامج وتطبيقات الذكاء الاصطناعى

والميل نحو خوارزميات بحث تولد حيزا هائلا

لتوقع صعوبة تصرف البرامج الموجهة المساعدة.


تضمنت بيئات البرمجة تقنيات هيكله المعرفة

مثل اللغات موجهة الأهداف Object Oriented Languages

وأطر عمل النظم الخبيرة Expert system frameworks .


ومن اللغات عالية المستوى

لغة ,PROLOG

ولغة LISP

وقد دعمتا بقوة تطوير الوحدات التى تساهم فى إدارة حجم البرنامج وصعوبته.


8-تعليم الآلة Machine Learning


لقد ظل التعليم مشكلة صعبة فى برامج الذكاء الاصطناعى

بالرغم من نجاحها كحلال للمسألة

وهذا العيب جد خطير وخاصة أن إمكانية التعليم فى حد ذاتها

واحدة من أهم مكونات الصرف الذكى.


قد ينفذ النظام الخبير حسابات كثيرة ومكلفة لحل مسألة

وعلى العكس فى الإنسان فإذا أعطى النظام الخبير نفس المسألة

أو مسألة مشابهة مرة ثانية فإنه لن يتذكر الحل

وسوف ينفذ نفس الخطوات مرة ثانية.


تعاق معظم النظم الخبيرة بسبب عدم مرونة استراتيجيات حل المسألة

وكذلك صعوبة تعديل الكود الذى استخدم فيها.

والحل الواضح لتلك الصعاب هو أن يتعلم البرنامج بنفسه

إما من التجارب أو التناظر الوظيفى أو بإخباره ماذا يفعل.