إن الاعتماد على نماذج الذكاء الاصطناعي التنبؤية في مجالات صنع القرار المتنوعة يخاطر بعواقب كارثية بسبب حقيقة أنها عادة ما تأخذ في الاعتبار العلاقة السببية. لذلك، يجب على صناع القرار اعتماد نهج آخر، وهو الذكاء الاصطناعي السببي، والذي يمكن أن يساعد في dent العلاقة بين التأثير والسبب بدقة. تعتبر السببية الآن واحدة من أهم العناصر المفقودة اللازمة لتمكين التقدم الحقيقي في مجال الذكاء الاصطناعي.
الذكاء الاصطناعي السببي يفهم السبب والنتيجة
منذ فترة طويلة، كان خبراء المجال يقولون بالفعل بتمكين الآلات من القدرة على التفكير في النتائج والأسباب. تستثمر الأسماء التجارية الكبرى مثل جوجل، ومايكروسوفت، وفيسبوك، وأوبر، وأمازون بكثافة في الذكاء الاصطناعي السببي، لذلك تسارعت وتيرة البحث في السببية أيضًا.
كما أدرجت شركة جارتنر، وهي الشركة الرائدة في مجال تحليل التكنولوجيا، الذكاء الاصطناعي السببي ضمن 25 تقنية متطورة لديها القدرة على إحداث تحول في ممارسات الأعمال. الآن يبدو الأمر وكأنه سباق في الصناعة للاستفادة من المزايا الاستثنائية لهذه التكنولوجيا من خلال اعتمادها في وقت سابق، ولكن لكي يحدث هذا، يعد بناء الذكاء الاصطناعي السببي الناضج أمرًا ضروريًا.
للحصول على ذكاء حقيقي، من المتطلبات الضرورية 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، ولكن البيانات لا تفعل ذلك. نحن نستخدم قدرتنا على التفكير من خلال معرفتنا السببية للتنبؤ بكيفية تأثير إجراء معين على مسألة ما، لذلك نقوم بوضع الاستراتيجيات والخطط وفقًا لذلك. يمكننا أن نتخيل نتائج غير مرغوب فيها أو مختلفة عن نتائجنا المتوقعة من خلال الاعتماد على قدرتنا على التفكير السببي. هذه هي الكفاءة البشرية لتحديد سبب وصول شيء ما إلى ما حدث. لذا، فإن الذكاء الاصطناعي الذي يعرف السبب والنتيجة يمكن أن يتمتع أيضًا بهذه القدرة، والتي غالبًا ما تكون قوية جدًا.
معرفة المجال على متن الطائرة
إحدى الفوائد الرئيسية للذكاء الاصطناعي السببي هي استخدام المعرفة بالمجال، والتي يمكن الحصول عليها من الخبراء في هذا المجال ودمجها في عملية النظام. وبهذه الطريقة، يمكن للمبرمجين defi بعض العلاقات وتقييد النموذج لاحترام الارتباط. تعمل هذه القدرة على جلب الخبرة في المجال إلى جانب التعلم الآلي.
إن اكتشاف العوامل الأساسية ليس هو الفائدة الوحيدة لاستخدام الذكاء الاصطناعي غير الرسمي؛ كما أنه يجعل من الممكن تصميم العمليات التي يمكنها تغيير النتائج باستخدام خوارزميات الذكاء الاصطناعي غير الرسمية لطرح الأسئلة للاستدلال.
لنفترض أنك تريد تقييم برنامج تدريبي للمدرسين لتحسين كفاءتهم. ما المقدار المتوقع من المتدرب لتحسين درجاته؟ أو، على سبيل المثال، يعرف مشرف مصنع التصنيع أنه عندما ترتفع الحرارة في الغرفة X، فإن الضغط في الغرفة Y يزداد أيضًا. لذا، يمكن دمج هذه المعرفة التي اكتسبها الإنسان في الذكاء الاصطناعي والتأكد من أن النظام يحترم هذه المعايير دائمًا.
أنظمة الذكاء الاصطناعي الحالية مع القيم الإنسانية بطريقة ذكية. الذكاء الاصطناعي السببي هو قمة الذكاء الاصطناعي القابل للتفسير وعدالة أنظمة الذكاء الاصطناعي. توفر الأنظمة القائمة على السببية أداءً أفضل وإمكانية تفسير العملية أيضًا، في حين يركز الذكاء الاصطناعي التقليدي على توقعات معينة من الدقة ويتجاهل الشفافية. إن معرفة إجابات أسئلة "ماذا لو" المعقدة تساعدنا على فهم كيفية عمل العالم الحقيقي وتسمح لنا باتخاذ القرارات الصحيحة لتحقيق نتائج أفضل.
يمكن رؤية القصة الأصلية هنا .
