منذ ظهور “شات جي بي تي”، بدأ ثورة كبيرة في جميع أنحاء العالم لأنه لم يكن أحد يتوقع هذا المستوى من التقدم في صناعة الذكاء الاصطناعي. أصبح من الواضح جدًا أن الذكاء الاصطناعي سيغير قريبًا العديد من جوانب حياتنا، من كيفية استهلاكنا للسلع والخدمات إلى كيفية تعلمنا وتواصلنا. ولكن ربما الأهم من ذلك، أنه سيعيد تشكيل طريقة عملنا، خاصة في صناعة التكنولوجيا.

بينما أعتقد أن الذكاء الاصطناعي لن يحل محل مهندسي البرمجيات في أي وقت قريب، إلا أنني أرى أن تعلم أساسيات الذكاء الاصطناعي موصى به لأي شخص يعمل في هذا المجال. ليس فقط من أجل النمو الشخصي والاستفادة من الفرص الجديدة التي يمثلها، ولكن أيضًا للاستعداد للتحول في احتياجات سوق العمل في السنوات القادمة. لذا، إذا كنت تبحث عن خارطة طريق بسيطة وفعالة لتعلم الذكاء الاصطناعي، فهذا المقال لك.

الخطوة الأولى: تعلم البرمجة باستخدام بايثون

تُستخدم لغة بايثون على نطاق واسع في تطوير الذكاء الاصطناعي، واعتمادًا على الطريقة التي تفضلها في التعلم، هناك عدد كبير من الموارد المتاحة التي يمكنك استخدامها. توجد كتب دراسية، ولكن هذا الخيار ليس المفضل لدي بصراحة. ما أوصي به هو اختيار دورة تدريبية واحدة عبر الإنترنت ومتابعتها من البداية إلى النهاية.

ملاحظة: لا تحاول المرور على جميع الموارد؛ فمتابعة دورة واحدة فقط ستكون كافية. ضع في اعتبارك أننا لا نهدف إلى الكمال هنا، بل تحتاج فقط إلى تعلم ما يكفي لمساعدتك على البدء في كتابة البرامج.

على سبيل المثال، برنامج بسيط في بايثون يبدو هكذا:

print("مرحباً بالعالم!")

بعض الموارد المقترحة:

• دورة مقدمة من أكاديمية خان.
• موقع learnpython.org الذي يقدم طريقة تفاعلية مجانية لتعلم بايثون.
• دورة كاملة من “فري كود كامب” على يوتيوب.

الخطوة الثانية: البدء بهندسة الأوامر (Prompt Engineering)

الآن بعد أن أصبحت لديك معرفة جيدة بلغة بايثون، يمكنك بالفعل البدء في بناء منتجات الذكاء الاصطناعي. شركة “أوبن إيه آي”، التي أنشأت “شات جي بي تي”، تقدم واجهات برمجة تطبيقات قوية يمكنك استخدامها مجانًا لبناء تطبيقات فوقها. بشكل أساسي، يمكنك الاستفادة من “شات جي بي للقيام بذلك، ستحتاج إلى معرفة المزيد عن شيء يسمى “هندسة الأوامر”.

في هندسة الأوامر، الهدف هو بناء الأوامر بطريقة توجه النموذج اللغوي مثل “شات جي بي تي” لإنتاج المخرجات أو السلوكيات المرغوبة. إنها تعلمك بشكل أساسي كيفية التواصل الفعال مع “شات جي بي تي” حتى يفعل بالضبط ما تريده. يتضمن ذلك الاختيار الصحيح للكلمات، والسياق المناسب المقدم، وأي قيود أو تعليمات إضافية تريد تقديمها للنموذج.

دورة مقترحة:

• دورة “هندسة الأوامر في شات جي بي تي للمطورين” من deeplearning.ai، ومدتها ساعة واحدة فقط.

الخطوة الثالثة: الغوص في تعلم الآلة (Machine Learning)

الآن في هذه المرحلة، أنت تعرف كيفية بناء منتجات ذكاء اصطناعي بسيطة، وربما أصبحت مهتمًا بمعرفة ما يحدث خلف الكواليس. إذا كان الأمر كذلك، فإن الخطوة التالية ستكون الغوص في تعلم الآلة.

تعلم الآلة هو في الأساس تعليم الكمبيوتر التعلم من الأمثلة والتجارب، تمامًا كما نتعلم نحن من الممارسة. بدلاً من إعطاء الكمبيوتر تعليمات محددة حول ما يجب القيام به، نعطيه الكثير من البيانات وندعه يكتشف الأنماط ويتخذ القرارات بنفسه.

يعتمد تعلم الآلة على ركيزتين: البرمجة والرياضيات.

الرياضيات اللازمة لتعلم الآلة

بالنسبة للرياضيات، تحتاج إلى فهم أساسي لما يلي:

• الجبر الخطي
• حساب التفاضل والتكامل
• الاحتمالات والإحصاء

معظم الأساسيات قد تكون تعلمتها بالفعل في المدرسة الثانوية أو الكلية، لذلك لا تحتاج إلى معرفة تفاصيل كل خوارزمية. تحتاج فقط إلى معرفة ما يكفي من الأساسيات لفهم الصورة الكبيرة أو المفاهيم العامة. من الناحية الفنية، ستستخدم المكتبات البرمجية في معظم الأوقات عند تنفيذ مشاريع الذكاء الاصطناعي، لذا فإن فهم الأساسيات فقط سيكون جيدًا.

إذا كنت تعتقد أنك تتذكر ما يكفي من المفاهيم التي تعلمتها، فتجاوز هذه الخطوة وانتقل إلى التالية. ولكن إذا لم يكن الأمر كذلك، فهناك دورات رائعة متاحة.

دورات مقترحة:

• دورة “الرياضيات لتعلم الآلة وعلوم البيانات” من كورسيرا.
• دورة “مقدمة في الإحصاء” من جامعة ستانفورد.

البدء بتعلم الآلة

أفضل دورة لتعلم الآلة هي “تخصص تعلم الآلة” لأندرو نج، والتي يمكنك العثور عليها أيضًا في كورسيرا. تنقسم الدورة إلى ثلاث فئات:

1. التعلم الخاضع للإشراف (Supervised Learning): يشبه التدريس بالإجابات. تعطي الكمبيوتر أمثلة مع إجاباتها الصحيحة، ومع بيانات كافية، يتعلم التنبؤ أو تصنيف بيانات جديدة مشابهة بنفسه. مثال على ذلك صندوق البريد الوارد الخاص بك؛ فهو يعرف كيفية اكتشاف رسائل البريد العشوائي لأنه تم تعليمه كيف تبدو.
2. التعلم غير الخاضع للإشراف (Unsupervised Learning): على الجانب الآخر، تعطي الكمبيوتر بيانات دون تعليمات صريحة، ويجد الأنماط أو الهياكل في البيانات بنفسه. على سبيل المثال، تجميع المقالات الإخبارية المتشابهة معًا بناءً على محتواها دون أن تخبر الكمبيوتر بالفئات التي يجب البحث عنها.
3. خوارزميات التعلم المتقدمة.

بمجرد أن يكون لديك فهم جيد للمفاهيم، يعد موقع “كاجل” (Kaggle) مكانًا جيدًا للعثور على أمثلة للمشاريع. وبمجرد أن تشعر بالثقة الكافية لبناء مشاريعك الخاصة، يمكنك التحقق من قسم المسابقات في الموقع. أكبر مشكلة في تعلم الآلة هي أنك تحتاج إلى الوصول إلى عدد هائل من البيانات، و”كاجل” مكان رائع لذلك.

الخطوة الرابعة: التعمق في التعلم العميق (Deep Learning)

حسنًا، يفترض أنك قد تعلمت الآن أسس تعلم الآلة. الخطوة التالية هي الغوص أعمق في مجموعة فرعية من هذا المجال تسمى “التعلم العميق”.

التعلم العميق، بعبارات بسيطة، هو وسيلة لأجهزة الكمبيوتر لتعلم وفهم الأشياء من خلال البحث عن الأنماط في الكثير من البيانات. من أمثلة تطبيقاته:

• رؤية الكمبيوتر (Computer Vision): حيث تتعلم أجهزة الكمبيوتر التعرف على الكائنات في الصور على سبيل المثال.
• معالجة اللغات الطبيعية (Natural Language Processing): والتي تركز على التفاعل بين أجهزة الكمبيوتر والبشر من خلال اللغة الطبيعية. تتضمن مهام مثل فهم النصوص، وتوليد النصوص، والترجمة اللغوية، وتحليل المشاعر، والمزيد. والمثال الأكثر شهرة هنا الذي أعتقد أنك قد تعرفت عليه هو “شات جي بي تي”.

أهم مفهوم هنا هو “النماذج اللغوية الكبيرة” أو LLMs.

موردان أوصي بالاطلاع عليهما:

• فيديو “مقدمة إلى النماذج اللغوية الكبيرة” على يوتيوب لأندريه كارباثي، وهو خبير في هذا المجال.
• للتعمق أكثر، أوصي مرة أخرى بدورة أندرو نج التي يمكنك العثور عليها في كورسيرا أيضًا.

وهذا كل شيء. إن تعلم الذكاء الاصطناعي من الصفر يمثل تحديًا بالتأكيد، ولكنه مجزٍ للغاية أيضًا.