الذكاء الاصطناعي السببي هو خطوة أبعد من الذكاء الاصطناعي التوليدي عند اتخاذ القرارات

يعتمد الاعتماد على نماذج الذكاء الاصطناعي التنبؤية في مجالات صنع القرار المتنوعة على عواقب كارثية بسبب حقيقة أنها عادة ما تعتبر الارتباط سببية. لذلك، يجب على صانعي القرار اعتماد نهج آخر، وهو الذكاء الاصطناعي السببي، الذي يمكن أن يساعد في تحديد العلاقة بين الأثر والسبب بدقة. يُعد السببية الآن أحد أهم العناصر المفقودة اللازمة لتمكين التقدم الحقيقي في مجال الذكاء الاصطناعي.

الذكاء الاصطناعي السببي يفهم السبب والنتيجة

لوقت طويل، كان خبراء المجال يقولون بالفعل لتمكين الآلات من القدرة على التفكير في الآثار والأسباب. تستثمر علامات تجارية كبرى مثل Google وMicrosoft وFacebook وUber وAmazon بشكل كبير في الذكاء الاصطناعي السببي، لذا فقد تسارع البحث في السببية أيضاً.

صنفت شركة Gartner، وهي شركة رائدة في تحليل التكنولوجيا، الذكاء الاصطناعي السببي ضمن 25 تقنية متطورة لديها القدرة على تحويل ممارسات الأعمال. يبدو الآن وكأنه سباق في الصناعة للاستفادة من المزايا الاستثنائية لهذه التقنية من خلال اعتمادها مبكراً، ولكن لحدوث ذلك، فإن بناء ذكاء اصطناعي سببي ناضج أمر ضروري أولاً.

للذكاء الحقيقي، فإن المتطلب الضروري هو إعطاء الأولوية للسبب والنتيجة. هذه هي المشكلة التي تفتقر إليها أنظمة الذكاء الاصطناعي التنبؤية، ويحاول الخبراء حلها باستخدام الذكاء الاصطناعي السببي. 

نحن البشر أذكى من البيانات لأننا نفهم السبب والنتيجة، لكن البيانات لا تفعل ذلك. نستخدم قدرتنا على الاستدلال من خلال معرفتنا السببية للتنبؤ بكيفية تأثير إجراء معين على مسألة، لذا نصمم الاستراتيجيات والخطط وفقاً لذلك. يمكننا تخيل نتائج غير مرغوب فيها أو مختلفة عن النتائج المتوقعة من خلال الاعتماد على قدرتنا على الاستدلال السببي. هذه هي الكفاءة البشرية لتحديد سبب انتهاء شيء ما كما حدث. لذلك، يمكن للذكاء الاصطناعي الذي يعرف السبب والنتيجة أن يمتلك هذه القدرة أيضاً، وهي غالباً ما تكون قوية جداً.

المعرفة المتخصصة على متن الطائرة

أحد الفوائد الرئيسية للذكاء الاصطناعي السببي هو الاستفادة من المعرفة المتخصصة، والتي يمكن الحصول عليها من الخبراء في المجال ودمجها في عملية النظام. بهذه الطريقة، يمكن للمبرمجين تعريف بعض العلاقات وتقييد النموذج للوفاء بالارتباط. تجلب هذه القدرة الخبرة المتخصصة على متن الطائرة مع تعلم الآلة.

لا يعد اكتشاف العوامل الكامنة هو الفائدة الوحيدة لاستخدام الذكاء الاصطناعي السببي؛ بل يجعله أيضاً من الممكن تصميم عمليات يمكنها تغيير النتائج من خلال استخدام خوارزميات الذكاء الاصطناعي السببي لطرح أسئلة للاستدلال. 

لنقل أنك تريد تقييم برنامج تدريبي للمدربين لتحسين كفاءتهم. كم يجب توقعه من المتدرب لتحسين درجاته؟ أو، على سبيل المثال، يعرف مشرف مصنع التصنيع أنه عندما ترتفع الحرارة في الغرفة X، ترتفع أيضاً الضغط في الغرفة Y. لذا، يمكن تضمين هذه المعرفة المكتسبة بشرياً في الذكاء الاصطناعي والتأكد من أن النظام يحترم هذه المعايير دائماً. 

لا تتماشى أنظمة الذكاء الاصطناعي الحالية مع القيم البشرية بطريقة ذكية. يُعد الذكاء الاصطناعي السببي قمة الذكاء الاصطناعي القابل للتفسير وإنصاف أنظمة الذكاء الاصطناعي. تقدم الأنظمة القائمة على السببية أداءً أفضل وتفسيرية للعملية، بينما يركز الذكاء الاصطناعي التقليدي على جوانب معينة من الدقة ويتجاهل الشفافية. يساعدنا معرفة إجابات الأسئلة المعقدة من نوع "ماذا لو" على فهم كيفية عمل العالم الحقيقي، مما يسمح لنا باتخاذ القرارات الصحيحة لتحقيق نتائج أفضل.