دمج المنطق مع التعلم العميق.. كل ما تريد معرفته عن الذكاء الاصطناعى «العصبى»

[ابوالوليد المسلم]

دمج المنطق مع التعلم العميق.. كل ما تريد معرفته عن الذكاء الاصطناعى «العصبى»



كتب مايكل فارس

الذكاء الاصطناعى - أرشيفية


رغم النجاح الهائل لنماذج الذكاء الاصطناعي مثل ChatGPT، إلا أنها لا تزال تفتقر إلى "المنطق" الحقيقي؛ فهي تتنبأ بالكلمة التالية بناءً على الاحتمالات الإحصائية لكنها لا تفهم "القواعد" الكامنة خلف الأشياء، هنا يأتي دور الذكاء الاصطناعي "الرمزي العصبي" (Neuro-symbolic AI)، وهو توجه جديد يسعى لدمج قوة التعلم العميق في معالجة البيانات مع دقة المنطق الرمزي الذي يحاكي التفكير البشري الواعي.
وفقاً لأبحاث من Stanford HAI (معهد ستانفورد للذكاء الاصطناعي المرتكز على الإنسان)، فإن هذا الدمج يحل مشكلة "الصندوق الأسود" في الذكاء الاصطناعي الحالي، حيث يصعب معرفة لماذا اتخذ النموذج قراراً معيناً، و من خلال إضافة طبقة "رمزية" تعتمد على القواعد والمنطق، يصبح بإمكاننا بناء أنظمة ذكية ليس فقط قادرة على التعلم من البيانات الضخمة، بل وقادرة أيضاً على شرح قراراتها بأسلوب منطقي مفهوم للبشر.
علاج فجوة التفسير والمنطق


في الأنظمة العصبية الرمزية، يتم تقسيم العمل، الجزء "العصبي يتولى المهام الإدراكية مثل التعرف على الصور والأصوات، بينما يتولى الجزء "الرمزي" عملية الاستدلال المنطقي واتخاذ القرارات بناءً على قواعد معرفية مسبقة، وهذا النهج يقلل بشكل كبير من ظاهرة "الهلوسة" في نماذج اللغة، حيث يمنع المنطق الرمزي النموذج من تقديم إجابات تتناقض مع الحقائق الفيزيائية أو الرياضية الثابتة.
كفاءة البيانات والتعلم من أمثلة قليلة


أحد أكبر عيوب التعلم العميق هو حاجته لملايين الأمثلة ليتعلم شيئاً بسيطاً، في المقابل، يتيح الذكاء الاصطناعي الرمزي العصبي للأنظمة التعلم من بيانات أقل بكثير؛ لأنها تمتلك بالفعل "هيكلاً منطقياً" يساعدها على فهم السياق بسرعة، ويعد هذا التطور ضروري جداً في مجالات مثل التشخيص الطبي، حيث لا تتوفر دائماً ملايين الصور لكل مرض نادر، مما يتطلب ذكاءً قادراً على الربط بين المعرفة الطبية النظرية والصور المتاحة.

لفهم كيفية تطبيق هذا الذكاء في الأنظمة البرمجية:


1- يتم تزويد النظام بقاعدة معرفية (Knowledge Graph) تحتوي على حقائق ثابتة عن العالم.
2- تستخدم الشبكات العصبية لتحليل المدخلات غير المنظمة مثل الصور أو الكلام.
3- يتم تحويل مخرجات الشبكة العصبية إلى "رموز" منطقية يمكن للنظام معالجتها.
4- يقوم محرك الاستدلال بربط هذه الرموز بالقواعد الموجودة للتأكد من صحة النتائج.
5- يتم توليد مخرج نهائي مدعوم بـ "تقرير تفسيري" يوضح الخطوات المنطقية التي أدت للقرار.