كيف يستخدم Google DeepMind الذكاء الاصطناعي لحل مشكلات العالم الحقيقي

استحوذت شركة Alphabet Inc. على شركة Google DeepMind AI المستقرة في "بريطانيا" للأغراض العامة، والتي من المتوقع أن يكون لها تأثير في العالم الحقيقي. DeepMind هو نظام ذكاء اصطناعي يستخدم لحل مجموعة واسعة من المشكلات. حتى الآن، تمكنت أنظمة الذكاء الاصطناعي من حل لعبة Go المعقدة وشرحت طي البروتينات ثلاثي الأبعاد. كما حسَّن Google DeepMind AI كفاءة توفير الطاقة وتحديد أمراض معينة. ومع توقع إنتاج المزيد من المنتجات في ظل نظام الذكاء الاصطناعي هذا، لنلقِ نظرة على كيفية عمله وتطبيقاته.

AI Wondershare Filmora

منصة مشتركة لإنشاء مقاطع فيديو في أي مكان لجميع المبدعين باستخدام ميزات الذكاء الاصطناعي!

تحميل مجاني تحميل مجاني تعلم المزيد

القسم 1. مقدمة عن Google DeepMind: التعريف والتاريخ

كان الهدف الرئيسي من تقديم DeepMind هو "حل مشكلات الذكاء" و"تقدم العلوم". على عكس أنظمة الذكاء الاصطناعي الأخرى المبرمجة لمهام محددة، يتعلم DeepMind من تجربته الخاصة. لفتت هذه الابتكارات انتباه Google إلى DeepMind. منذ الاستحواذ عليه، حقق DeepMind بعض الانتصارات الملحوظة.

لفترة من الوقت، استُخدم Google DeepMind AI لأغراض البحث والتطوير. ومع ذلك، مع ازدياد فعالية الذكاء الاصطناعي، أصبحت منتجات هذا المختبر أكثر وضوحاً. في الآونة الأخيرة، افتتحت DeepMind وحدة تسمى DeepMind Ethics and Society، والتي تهدف إلى معالجة الأسئلة الأخلاقية التي أثيرت حول الذكاء الاصطناعي. تشمل المساهمات الأخرى التي قدمها Google DeepMind في الماضي القريب ما يلي:

• Deep Mind Sparrow: روبوت محادثة مصمم للإجابة على الأسئلة بشكل صحيح، وتخفيف مخاطر الإجابات غير المناسبة أو غير الآمنة.
• Deep Mind Gato: شبكة عصبية عميقة للمهام المعقدة. يُظهر تعدد الوسائط في الحوارات، والتحكم بذراع الروبوت، ولعب ألعاب الفيديو، وتكديس الكتل، والمزيد.
• AlphaGo: أول برنامج حاسوب يهزم لاعباً محترفاً في لعبة Go
• AlphaStar: لعبة StarCraft II متقنة بالذكاء الاصطناعي، وهي لعبة إستراتيجية في الوقت الحقيقي (RTS).
• AlphaFold: نظام يتنبأ بالبنية ثلاثية الأبعاد للبروتينات بالاستفادة من تسلسل الأحماض الأمينية
• AlphaCode: نظام ذكاء اصطناعي يمكنه كتابة برامج الحاسوب بنفس مستوى المبرمجين المنافسين
• AlphaZero: نظام يلعب الشطرنج وGo وShogi على مستوى فوق طاقة البشر
• WaveNet: تقنية متقدمة لتحويل النص إلى كلام، والتي تنشئ كلاماً طبيعياً من إشارة صوتية أولية

يملك عمل DeepMind القدرة على إحداث ثورة في العديد من جوانب المجتمع. يمكن استخدام AlphaFold لتطوير أدوية وعلاجات جديدة. ومن ناحية أخرى، يتمتع AlphaZero بالقدرة على تحسين أداء الأنظمة اللوجستية. ومع تزايد مجموعة الأبحاث التي تجريها شركة DeepMind، ستغامر الشركة في المزيد من المجالات. مما يضع مختبر الذكاء الاصطناعي هذا كعنصر قوة من شأنه أن يُحدث ثورة في مجالات متعددة، ويعيد تعريف حدود الذكاء الاصطناعي.

خلفية وتاريخ DeepMind AI

يعد Google DeepMind مختبر أبحاث للذكاء الاصطناعي مستقراً في "بريطانيا". تأسست الشركة في الأصل في عام 2010 من قبل ثلاثة علماء باسم DeepMind Technologies. وقد استحوذت عليها Google لاحقاً في عام 2014 مقابل 400 مليون جنيه إسترليني، وأتاح هذا الاستحواذ للشركة إمكانية الوصول إلى كبار خبراء الذكاء الاصطناعي بينما أصبحت شركة Alpahet Inc. المالكة لهذا المنتج الثوري، وقد نمت الشركة الآن إلى أكثر من 700 موظف في مكاتب عالمية متعددة.

يضم DeepMind فريقاً من خبراء الذكاء الاصطناعي المشهورين في مختلف المجالات، يركزون على علوم الحاسوب وعلم الأعصاب والرياضيات والفيزياء. بالإضافة إلى ذلك، فإن الوصول إلى شبكة Google الواسعة من مراكز البيانات مكّن DeepMinded من تحدي المزيد من المجالات. إحدى الطرق هي التعاون مع Google Health وGoogle Cloud في نشر الحلول المولدة بالذكاء الاصطناعي.

القسم 2. كيفية عمل DeepMind AI: الهيكل والتكنولوجيا

يستخدم الذكاء الاصطناعي فيDeepMind لغة التعلم العميق على شبكة عصبية ملتفة. تشمل الشبكة تقنية تعزيز غير مرتكزة على النماذج تُعرف باسم Q-learning، تسمح هذه التقنية لـDeepMind أن يصبح أكثر دقة في التنبؤ بالنتائج. لقد تحدى هذا النهج تقنية DeepMind لتعلم الألعاب بمفرده.

تحاكي هذه التقنية تنظيم القشرة البصرية البشرية، فهي تسمح لـDeepMind بتحليل كميات هائلة من البيانات وتحديد الأنماط غير العملية. تتكون الشبكات العصبية الاصطناعية من شبكة من العقد المترابطة. تعمل هذه النماذج مثل العقل البشري لحل المشكلات، ويمكنها تعلم أنماط معقدة بضبط شدة الاتصالات. عندما كُلِّف Google DeepMind AI بالتغلب على مكتبة ألعاب Atari، استخدم هذا النهج لفهم الألعاب. وبعد فترة من الوقت، أصبح بإمكان الذكاء الاصطناعي أن يلعب اللعبة بشكل أفضل وأكثر كفاءة من البشر.

فهم هيكل التعلم لنماذج DeepMind

تركز أنظمة الذكاء الاصطناعي في DeepMind على التعلم المعزز لحل المشكلات المعقدة. في AlphaGo، يتعلم الذكاء الاصطناعي أنماط اللعبة للتنبؤ بأفضل التحركات التالية التي يجب أداؤها. تتعلم الشبكات العصبية من البيانات وتُصدر التوقعات. في AlphaFold، يستخدم الذكاء الاصطناعي شبكة عصبية لمعرفة أنماط طي البروتين. ثم يتنبأ بالبنية ثلاثية الأبعاد للبروتينات بالاستفادة من تسلسل الأحماض الأمينية.

كما يتعلم DeepMind باستمرار من تجاربه. ويلاحظ كيف يتصرف في بيئات محددة. أثناء التدريب، يُكافأ الذكاء الاصطناعي على الإجراءات التي تؤدي إلى النتائج المرجوة. ويُعاقَب على النتائج غير المرغوب بها. على سبيل المثال، دُرِّب AlphaGo على مجموعة بيانات تضم الملايين من ألعاب Go، وقد تعلم أن يلعب ضد نفسه ملايين المرات حيث كوفئ على الفوز وعوقب على الخسارة. وقد ساعد هذا الذكاء الاصطناعي على تعلم الحركات التي من المرجح أن تؤدي إلى النصر.

وبالمثل، دُرِّب AlphaFold على مجموعة بيانات تضم ملايين من هياكل البروتين. فهو يتنبأ بالبنية ثلاثية الأبعاد للبروتينات باللعب ضد نفسه ملايين المرات. كوفئ على تقديم تنبؤات دقيقة وعوقب على التنبؤات غير الدقيقة. بمرور الوقت، أصبح AlphaFold أكثر دقة في التنبؤ بالبنية ثلاثية الأبعاد للبروتينات.

القسم 3. ما يمكن أن يفعله DeepMind AI: المساهمات والنجاحات الكبرى

لقد قدم DeepMind مساهمات كبيرة للمجتمع بشكل واسع. يتضمن ذلك الأنظمة ذات الأداء الخارق في ألعاب الطاولة المعقدة. توجد أيضاً روبوتات يمكنها المشي والجري والتنبؤ بالبنى ثلاثية الأبعاد. منذ تأسيسها في عام 2020، طورت الشركة العديد من تقنيات الذكاء الاصطناعي التي تساعد في التعرف على أمراض العيون وتحسين أداء بعض الأجهزة. وببساطة، يسعى DeepMind AI من Google إلى استخدام قدرات خوارزميات الذكاء الاصطناعي لحل المشكلات التي تعود بالنفع الكامل على البشرية. لنلقِ نظرة على بعض النجاحات الرئيسية لأنظمة الذكاء الاصطناعي هذه.

1. مجال الألعاب

حقق AlphaGo أداءً خارقاً في لعبة Go. في عام 2016، حقق AlphaGo إنجازاً رائعاً بفوزه على Lee Sedol، لاعب Go المحترف. كان هذا إنجازاً كبيراً أظهر أن الذكاء الاصطناعي بوسعه إتقان الألعاب المعقدة التي كانت في السابق مقتصرة على المجالات البشرية. كان انتصار الذكاء الاصطناعي على البطل الكوري الجنوبي بمثابة لحظة حاسمة حيث أصبح DeepMind الآلة الوحيدة التي تغلبت على الإنسان في المنافسة.

2. العناية الصحية

يتنبأ AlphaFold بالبنية ثلاثية الأبعاد للبروتينات من تسلسل أحماضها الأمينية. يستخدم الباحثون الآن نظام الذكاء الاصطناعي هذا لدراسة البروتينات وتطوير أدوية جديدة. وعلى وجه الخصوص، استُخدم AlphaFold لتطوير أدوية لـCOVID-19 ومرض الزهايمر. إن التقدم في علم البروتينات لديه القدرة على إحداث ثورة في البحث العلمي وتطوير الأدوية المنقذة للحياة.

3. الروبوتات

Robocat هو وكيل روبوت ذاتي التحسين يشغل أذرعاً آلية مختلفة. كما أنه يحل المهام بعد قليل من العروض التوضيحية فقط. تستخدم الروبوتات البيانات المولدة ذاتياً لتحسين فعاليتها. ومن المتوقع أن يساعد هذا النهج على تحسين عمليات البناء المماثلة. ومع التقدم المستمر في تكنولوجيا DeepMind، تتوسع قدراتها. وهذا يفتح الأبواب أمام التكنولوجيا، ويعيد تشكيل الحدود بين الإنسان والآلة.

4. كفاءة الطاقة

طوَّرت DeepMind نظام الذكاء الاصطناعي لتحسين كفاءة الطاقة في مراكز بيانات Google. وباستخدام التعلم المعزز، نجح الذكاء الاصطناعي في تحسين استهلاك الطاقة، مما أدى إلى خفض فواتير التبريد بنسبة 40%. استُخدم DeepMind أيضاً لتحسين دقة تنبؤات تباطؤ حركة المرور في خرائط Google. لقد لعبت هذه التكنولوجيا دوراً حيوياً في ميزات السطوع والبطارية التكيفية لنظام Android.

الخلاصة

تعد DeepMind منظمة بحثية رائدة في مجال الذكاء الاصطناعي، حيث طورت أنظمة ذكاء اصطناعي متقدمة لحل المشكلات المعقدة في المجتمع، ومن المتوقع أن يؤثر العمل الجاري تحت جناحِ DeepMind AI على المزيد من جوانب المجتمع. ومع استمرار تطور نظام الذكاء الاصطناعي ونموه، فمن المتوقع أن تصبح تطبيقاته أكثر تنوعاً. إذا كنت مهتماً بتعديل مقاطع الفيديو، نوصيك بتجربة Wondershare Filmora. يقدم برنامج تعديل الفيديو متعدد الاستخدامات مجموعة متنوعة من ميزات الذكاء الاصطناعي، بما في ذلك إداة إنشاء الصور وتعديلها.