الذكاء الصناعى

    

 الذكاء الاصطناعي, هو سلوك وخاصيات معينة تتسم بها البرامج الحاسوبية تجعلها تحاكي القدرات الذهنية البشرية وأنماط عملها. من أهم هذه الخاصيات القدرة على التعلم والاستنتاج ورد الفعل على أوضاع لم تبرمج في الآلة. إلا أن هذا المصطلح إشكالي نظرا لعدم توفر تعريف محدد للذكاء. الذكاء الاصطناعي فرع من علم الحاسوب.كما تعرف الكثير من الكتب الذكاء الاصطناعي على انه " دراسة وتصميم العملاء الأذكياء" والعميل الذكي هو نظام يستوعب بيئته ويتخذ المواقف التي تزيد من فرصته في النجاح في تحقيق مهمته أو مهمة فريقه. جون ماكارثي، الذي صاغ هذا المصطلح في عام 1956، عرفه بأنه "علم وهندسه صنع آلات ذكيه.

    اسس هذا المجال علي افتراض أن ملكة الذكاء يمكن وصفها بدقة بدرجة تمكن الآله من محاكاتها.هذا يثير جدل فلسفي حول طبيعة العقل البشري وحدود المناهج العلميه، وهى قضايا تم تناولها أسطوريا، خياليا وفلسفيا منذ القدم.كما يدور جدل عن ماهية الذكاء وأنواع الذكاء التي يمتلكها الإنسان وكيفية محاكاتها من الآلة. كان وما زال الذكاء الاصطناعي سببا لحالة من التفاؤل الشديد، ولقد عانى نكسات فادحة[20] واليوم، أصبح جزءا أساسيا من صناعة التكنولوجيا، حاملا عبء ثقيل من أصعب المشاكل في علوم الكمبيوتر.

    ان بحوث الذكاء الاصطناعي من الأبحاث عاليه التخصص والتقنيه، لدرجة أن بعض النقاد ينتقدون "تفكك" هذا المجال.تتمحور المجالات الفرعية للذكاء الاصطناعي حول مشاكل معينة، وتطبيق ادوات خاصة وحول اختلافات نظريه قديمة في الاراء.المشاكل الرئيسية للذكاء الاصطناعي تتضمن قدرات مثل التفكير المنطقى والمعرفة والتخطيط والتعلم والتواصل والادراك والقدرة علي تحريك وتغيير الأشياء.الذكاء العام (أو "الذكاء الاصطناعى القوى")، ما زال هدفا بعيد المدى لبعض الأبحاث.

تاريخ بحوث الذكاء الاصطناعي

    في منتصف القرن العشرين، بدأ عدد قليل من العلماء استكشاف نهج جديد لبناء آلات ذكية، بناء على الاكتشافات الحديثة في علم الأعصاب، ونظرية رياضية جديدة للمعلومات، وتطور علم التحكم الآلي، وقبل كل ذلك، عن طريق اختراع الحاسوب الرقمي، تم اختراع آله يمكنها محاكاة عملية التفكير الحسابى الإنسانية.

     اسس المجال الحديث لبحوث الذكاء الاصطناعي في مؤتمر في حرم كليه دارتموث في صيف عام 1956.أصبح هؤلاء الحضور قادة بحوث الذكاء الاصطناعي لعدة عقود، وخاصة جون مكارثيومارفن مينسكاي، ألين نويل وهربرت سيمون الذي اسس مختبرات للذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا(MIT) وجامعة كارنيجي ميلون(CMU) وستانفورد.هم وتلاميذهم كتبوا برامج أدهشت معظم الناس.[47] كان الحاسب الآلي يحل مسائل في الجبر ويثبت النظريات المنطقيه ويتحدث الإنجليزيه.بحلول منتصف الستينات أصبحت تلك البحوث تمول بسخاء من وزاره الدفاع الأمريكيه.[56] و هؤلاء الباحثون قاموا بالتوقعات الآتية:

  عام 1965، هـ. أ. سيمون : "الآلات ستكون قادرة، في غضون عشرين عاما، علي القيام بأي عمل يمكن أن يقوم به الإنسان".

   عام 1967، مارفين مينسكاي : "في غضون جيل واحد... ‎ سوف يتم حل مشكلة خلق ' الذكاء الاصطناعي ' بشكل كبير".

   ولكنهم فشلوا في ادراك صعوبة بعض المشاكل التي واجهتهم.في عام 1974، وردا على انتقادات السير جيمس Lighthill الانجليزى والضغط المستمر من الكونغرس لتمويل مشاريع أكثر إنتاجية، قطعت الحكومتين الأمريكية والبريطانية تمويلهما لكل الابحاث الاستكشافية الغير موجهة في مجال الذكاء الاصطناعى، كانت تلك أول انتكاسة تشهدها أبحاث الذكاء الاصطناعى.

    في أوائل الثمانينات، شهدت أبحاث الذكاء الاصطناعى صحوة جديدة من خلال النجاح التجاري "للنظم الخبيرة"، و هي أحد برامج الذكاء الاصطناعي التي تحاكى المعرفة والمهارات التحليلية لواحد أو أكثر من الخبراء البشريين. بحلول عام 1985 وصلت أرباح أبحاث الذكاء الاصطناعي في السوق إلى أكثر من مليار دولار، وبدأت الحكومات التمويل من      جديد.وبعد سنوات قليلة، بدءا من انهيار سوق آلة ال Lisp Machine (احدى لغات البرمجة) في عام 1987، شهدت أبحاث الذكاء الاصطناعى انتكاسة أخرى ولكن أطول.

    في التسعينات وأوائل القرن الواحد والعشرين، حقق الذكاء الاصطناعي نجاحات أكبر، وإن كان ذلك إلى حد ما وراء الكواليس. يستخدم الذكاء الاصطناعي في اللوجستية، واستخراج البيانات، والتشخيص الطبي والعديد من المجالات الأخرى في جميع أنحاء صناعة تكنولوجيا. يرجع ذلك النجاح إلى عدة عوامل هي : القوة الكبيرة للحواسيب اليوم (انظر قانون مور)، وزيادة التركيز على حل مشاكل فرعية محددة، وخلق علاقات جديدة بين مجال الذكاء الاصطناعي وغيرها من مجالات العمل في مشاكل مماثلة، وفوق كل ذلك بدأ الباحثون الالتزام بمناهج رياضية قوية ومعايير علمية صارمة.

فلسفة الذكاء الاصطناعى

     يشكل الذكاء الاصطناعي تحديا والهاما لعلم الفلسفة ؛ لزعمه القدرة على إعادة خلق قدرات العقل البشرى. هل هناك حدود لمدى ذكاء الالات؟ هل هناك فرق جوهري بين الذكاء البشري والذكاء الاصطناعي؟ وهل يمكن أن يكون للالة عقل ووعى؟ عدد قليل من أهم الإجابات على هذه الأسئلة ترد أدناه.

الات الحساب والذكاء "قانون تورينج "

   إذا كان الجهاز يعمل بذكاء يضاهى الإنسان ، اذا فذكائه يماثل ذكاء الإنسان. تفيد نظرية آلان تورنج أنه، في نهاية المطاف، لا يسعنا إلا أن نحكم على ذكاء آلالة بناءأعلى أدائها. هذه النظرية تشكل أساسا لاختبار تورينج.

أطروحة دارتموث

"    يمكن وصف كل جانب من عملية التعلم أو غيرها من مظاهرالذكاء بدقة شديدة تمكن الإنسان من تصميم آلة تحاكيه ". طبع هذا التأكيد في الأطروحة المقدمة لمؤتمر دارتموث عام 1956، وهو يمثل موقف معظم الباحثين قي مجال الذكاء الاصطناعى.

فرضية نظام نويل وسيمون للرموز المادية

   "نظام الرموز المادية لديه الوسائل الضرورية والكافية للأفعال الذكية بوجه عام". مفاد هذه الجملة هو ان جوهر الذكاء يكمن قي المقدرة على معالجة الرموز. على عكس ذلك، يعتقد أوبير دريفوس أن الخبرات البشرية تتشكل بشكل غريزى لا واعى ولا تعتمد على التلاعب بالرموز بشكل واعى ؛ فهى تتطلب أن يكون لدى الإنسان "شعور" بالموقف حتى وان لم تكن لديه المعرفة الكافية بالرموز.

مبرهنة عدم الاكتمال لغودل

    لا يمكن لنظام منطقي (مثل برنامج حاسوبي) إثبات جميع الجمل الصحيحة. يعتقد روجر بينروز واخرون غيره أن نظرية غودل وضعت حدودا لما يمكن أن تفعله الالات بما أنها وضعت حدا لما يمكن استنتاجه حسابيا، . ولكنها لم تضع حدودا لما يمكن أن يفعله الإنسان.

فرضية سيرل حول الذكاء الاصطناعى القوي

    يمكن أن يكون لجهاز الكمبيوتر عقلا يماثل عقل الإنسان ان تمت برمجته بشكل ملائم بالمدخلات والمخرجات الصحيحة". ^. يرد سيرل على هذا التأكيد بحجته المعروفة بالغرفة الصينية، والتي تطلب منا أن ننظر داخل الكمبيوتر، لنحاول أن نعرف أين قد يكون هذا "العقل.

فرضية المخ الاصطناعى

   يمكن محاكاة المخ. هانز مورفيك (Hans Moravec)،راي كرزويل (Ray Kurzweil) وغيرهم قالوا بأنه من الممكن من الناحية التقنية نسخ الدماغ مباشرة في المعدات والبرمجيات، وبأن هذا سيتم بشكل مطابق للأصل تماما.

أبحاث الذكاء الاصطناعى

    في القرن الواحد والعشرين، أصبحت أبحاث الذكاء الاصطناعى على درجة عالية من التخصص والتقنية، وانقسمت إلى مجالات فرعية مستقلة بشكل عميق لدرجة أنها أصبحت قليلة ببعضها البعض. [138]نمت أقسام المجال حول مؤسسات معينة، وعمل الباحثين، وعلى حل مشكلات محددة، وخلافات في الرأي نشأت منذ زمن طويل حول الطريقة التي ينبغي أن يعمل وفقا لها الذكاء الاصطناعى، وتطبيق أدوات مختلفة على نطاق واسع.

مشاكل الذكاء الاصطناعى

    انقسمت مشكلة محاكاة (أو خلق) الذكاء إلى عدد من المشاكل الفرعية المحددة. وتتكون هذه من سمات أو قدرات معينة يود الباحثون أن يجسدها نظام ذكي. تلقت الملامح المذكورة أدناه أكبر قدر من الاهتمام.

الاستنتاج ،و التفكير المنطقى، والمقدرة على حل المشكلات

    وضع الباحثون الأوائل في علم الذكاء الاصطناعى الخوارزميات التي تحاكى التفكير المنطقى المتسلسل الذي يقوم به البشر عند حل الألغاز، ولعب الطاوله أو الاستنتاجات المنطقية.^] وفى الثمانينيات والتسعينيات، أدت أبحاث الذكاء الاصطناعى إلى التوصل لوسائل ناجحة للغاية للتعامل مع المعلومات الغير مؤكدة أو الغير كاملة، مستخدمة في ذلك مفاهيم من الاحتمالية والاقتصاد.

     بالنسبة للمشاكل الصعبة، تتطلب معظم هذه الخوارزميات موارد حسابية هائلة—مما يؤدى إلى "انفجاراندماجي " :أى يصبح مقدار الذاكرة أو الوقت اللازم للحواسيب فلكي عندما تتجاوز المشكلة حجما معينا. البحث عن خوارزميات أكثر قدرة على حل المشكلات هو أولوية قصوى لأبحاث الذكاء الاصطناعى.

     يحل البشر معظم مشاكلهم باستخدام أحكام سريعة بديهية وليست واعية، عن طريق الاستنتاج التدريجى الذي تمكن الباحثون الأوائل في علم الذكاء الاصطناعى من محاكاته اليا. [155] حققت أبحاث الذكاء الاصطناعى بعض التقدم في تقليد هذا النوع "الرمزي الفرعى" من مهارات حل المشاكل : المناهج المتضمنة في ذلك تأكد أهمية المهارات الحسية الحركية للتفكير الأرقى؛ويحاول البحث في مجال الشبكات العصبية محاكاة الهياكل داخل مخ الإنسان والحيوان التي تؤدى إلى ظهور هذه المهارة.

تمثيل المعرفة

     تمثيل المعرفة ^. و هندسة المعرفة  هي محور أبحاث الذكاء الاصطناعى. كثير من المشاكل التي يتوقع أن تحلها آلالات سوف تتطلب معرفة واسعة بالعالم. من بين الأمور التي تحتاج أن يمثلها الذكاء الاصطناعى : الأشياء والخواص والمجموعات التصنيفية والعلاقات بين الأشياء ؛ و المواقف والأحداث، والدول، والزمن ؛ ^] الأسباب والنتائج ؛  معرفة المعرفة (ما نعرفه عما يعرفه الناس)  وغيرها من المجالات الكثيرة النى لم تلق القدر الكافى من البحث. يسمى التمثيل الكامل "لما هو موجود" أنطولوجية (وجودية)  (كلمة مقترضة من الفلسفة القديمة)، والأكثر شمولا منها تسمى أنطولوجيات عليا.

من بين أصعب المشاكل في تمثيل المعرفة هي :

التفكير الافتراضي ومشكلة التأهيل

    يعد الكثير مما يعرفه الناس "افتراضات". على سبيل المثال، عند ذكر الطيور في محادثة، عادة ما يرسم مخ الإنسان صورة حيوان في حجم قبضة اليد، يغني، ويطير. بالطبع لا تنطبق كل هذه المواصفات على كل الطيور. عرف جون مكارثي هذه المشكلة في عام 1969  بمشكلة المؤهلات : لكل قاعدة منطقية يهتم باحثي الذكاء الاصطناعى بتمثيلها، العديد من الاستثناءات. لا يوجد شيء تقريبا يمكن القول ببساطة أنه حقيقية أم لا بالطريقة التي يقتضيها المنطق المجرد. استكشفت أبحاث الذكاء الاصطناعى عددا من الحلول لهذه المشكلة.

اتساع المعرفة المنطقية

    يعلم الإنسان العادي عددا كبيرا من الحقائق عن الذرة. مشاريع البحوث التي تسعى إلى بناء قاعدة كاملة من المعرفة المنطقية (مثل Cyc) تتطلب كميات هائلة من الهندسة الأنطولوجية -- فهى يجب أن تبنى بطريقية تقليدية حيث يتم بناء المفاهيم المعقدة واحدا تلو الاخر.من أحد الأهداف الرئيسية أن يفهم جهاز الكمبيوتر عددا وافرا من المفاهيم ليكون قادرا على التعلم من خلال قراءة مصادر مثل الإنترنت، وبالتالي يكون قادرا على أن يضيف إلى أنطولوجيته.

شكل الفرعى الرمزى لبعض المعرفة المنطقية

    الكثير مما يعرفه الناس غير ممثل ب "الحقائق" أو "البيانات" التي يمكن التحدث عنها. على سبيل المثال، تجد من كان ذا خبرة بالشطرنج يتجنب موضعا معينا لانه "مكشوف أو غير امن" وتجد الناقد الفنى يدرك أن تمثالا مزيفا بنظرة واحدة.هذه بديهيات أو ميول تتمثل في الدماغ بشكل غير واع وشبه رمزي. مثل هذه المعرفة يدعم ويوفر السياق، للمعرفة الرمزية الواعية. وكما هو الحال مع مشكلة التفكير المنطقى الشبه رمزي، من المأمول أن توفر أبحاث الذكاء الاصطناعى أو الذكاء الحسابى وسائل لتمثيل هذا النوع من المعرفة.

التخطيط

     يجب أن تكون العوامل الذكية قادرة على تحديد الأهداف وتحقيقها. فهي في حاجة إلى طريقة لتصور المستقبل (يجب أن يكون لديها القدرة على تمثيل حال البشر في هذا العالم، وتكون قادرة على التنبؤ بمدى مقدرتهم على تغييره)، وتكون قادرة على الاختيار لتعظيم الفائدة (أو "القيمة") من الخيارات المتاحة.

    في بعض مشاكل التخطيط، يمكن أن يفترض العامل الذكى أنه الشيء الوحيد الذي يعمل في العالم ويمكنه أن يصبح متأكدا من عواقب تصرفاته. بالرغم من ذلك، وإذا كان ذلك غير صحيح، يجب أن يتأكد العامل بشكل دورى من اتساق توقعاته مع الواقع ،ويجب أن يغير خطته عند الضرورة، يتطلب ذلك أن يعمل العامل في ظل عدم اليقين.

    التخطيط عن طريق عوامل متعددة يستخدم التعاون والمنافسة بين الكثير من العوامل لتحقيق هدف معين. السلوك الناشئ مثل هذا تستخدمه الخوارزميات التطورية والذكاء السربى.

التعلم

    تعلم الآلة  كان تعلم الالة محوريا في أبحاث الذكاء الاصطناعى منذ البداية. التعلم بدون إشراف هو القدرة على إيجاد أنماط في عدد كبير من المدخلات. التعلم تحت الاشراف يشمل كلا من التصنيف (القدرة على تحديد إلى أى فئة ينتمي شيء ما، بعد رؤية عددا من النماذج لعدة أشياء من فئات عدة)، والتراجع (اكتشاف الية مستمرة من شأنها أن تولد نواتج من المدخلات ،في ضوء مجموعة من المدخلات والمخرجات العددية من الأمثلة). في التعلم التقويمى يكافأ العامل على الاستجابة الحسنة ويعاقب على الاستجابة السيئة. يمكن تحليل هذه الاستجابات من حيث نظرية القرار، وذلك باستخدام مفاهيم مثل المنفعة. التحليل الرياضي لخوارزميات تعلم الآلة وأدائها هو فرع من علوم الكمبيوتر النظرية المعروفة باسم نظرية التعلم الحسابية.

الية عمل اللغة الطبيعية

    المعالجة الطبيعية للغة تعطي آلالات القدرة على قراءة وفهم اللغات التي يتحدثها البشر. يأمل كثير من الباحثين أن يكون نظام معالجة اللغة الطبيعية قويا بما يكفي لاكتساب المعرفة من تلقاء نفسه، من خلال قراءة النص الحالي المتاح عبر الإنترنت. بعض التطبيقات المباشرة لمعالجة اللغة الطبيعية، تشمل استرجاع المعلومات (أو تحليل النصوص)، والترجمة الآلية

الحركة وامكانية التغيير

    مجال الروبوتيات  هو ذا صلة وثيقة بالذكاء الاصطناعى. يلزم الروبوتات الذكاء لتكون قادرة على التعامل مع مهام مثل يغييى الأشياءوالملاحة، في ظل مشاكل الفرعية الخاصة بتحديد المكان (أن تعلم أين أنت)، ورسم الخرائط (أن تعلم ما حولك)، وتخطيط الحركة (أن تعرف كيف تصل إلى هناك).

الإدراك

    تصور الآلة هو القدرة على استخدام مدخلات من أجهزة الاستشعار (مثل الكاميرات والميكروفونات والسونار وغيرها من الالات الأكثر غرابة) لاستخلاص جوانب من العالم. رؤية الحواسيب هي القدرة على التحليل البصري المدخلات. من المشاكل الفرعية القليلة: التعرف على الكلام التعرف على الوجوه والتعرف على الأشياء.

الذكاء الاجتماعي

    تقوم العواطف والمهارات الاجتماعية بدورين للعامل الذكي :

    يجب أن تكون قادرة على التنبؤ بأفعال الآخرين، وفهم دوافعهم وحالاتهم العاطفية. (وهذا ينطوي على عناصر من نظرية اللعبة، نظرية القرار، وكذلك القدرة على محاكاة العواطف البشرية ومهارات الإدراك الحسي للكشف عن العواطف.)

    لحسن التفاعل بين الإنسان والحاسوب، تحتاج الآلة الذكية أيضا أن تظهر المشاعر—على الأقل يجب أن تبدو مهذبة وحساسة في تفاعلها مع البشر. في أحسن الأحوال، ينبغي أن تكون لديها مشاعر عادية.

الإبداع

   هو مجال فرعى للذكاء الاصطناعى، يتناول الإبداع من الناحية النظرية (من المنظور الفلسفي والنفسي) والعملية على حد سواء (من خلال تطبيقات معينة لنظم تولد مخرجات يمكن أن تعتبر إبداعية).

الذكاء العام

    يأمل معظم الباحثون أن تدمج أعمالهم في نهاية المطاف في صورة آلة ذات ذكاء عام ' (يعرف باسم الذكاء الاصطناعى القوي)، يجمع كل المهارات السابق ذكرها ويتجاوز معظم أو كل القدرات البشرية. يعتقد البعض أن هذا المشروع يتطلب سمات إنسانية مصطنعة مثل الوعى الاصطناعى أو المخ الاصطناعى.

    كثير من المشاكل المذكورة أعلاه تعتبر جزءا لا يتجزأ من مسألة الذكاء الاصطناعي التام: لحل مشكلة واحدة، يجب حل كل هذه المشكلات. على سبيل المثال، تتطلب مهمة محددة مثل الترجمة الآلية أن تتابع الالة رأى الكاتب (العقل)، ومعرفة ما يجري الحديث عنه (المعرفة)، واعادة كتابة نية الكاتب بأمانة (ا الذكاء الاجتماعي). ولذلك، يعتقد أن الترجمة الآلية وثيقة الصلة بالذكاء الاصطناعي التام: قد تحتاج الذكاء الاصطناعى القوي لتترجم مثلما يترجم الإنسان.

مداخل للذكاء الاصطناعى

    لا توجد نظرية موحدة أو نموذج يوجه بحوث الذكاء الاصطناعى. اختلف الباحثون حول العديد من القضايا. من أكثر المسائل التي ظلت دون إجابة لمدة طويلة هي: هل ينبغي للذكاء الاصطناعى محاكاة الذكاء الطبيعي من خلال دراسة علم النفس أو علم الأعصاب؟ أم أن البيولوجيا البشرية لا تمت بصلة إلى أبحاث الذكاء الاصطناعى مثلما لا تمت بحوث بيولوجيا الطيور بصلة لهندسة الملاحة الجوية؟ ^. و هل يمكن وصف السلوك الذكي باستخدام مبادئ بسيطة وأنيقة (مثل المنطق أو التحسين)؟ أو هل يحتاج بالضرورة إلى حل عدد كبير من المشاكل الغير متعلقة ببعضها البعض؟ و هل يمكن اعادة إنتاج الذكاء باستخدام رموز رفيعة المستوى، على غرار الكلمات والأفكار؟ أم أنها تحتاج إلى معالجة " شبه رمزية"؟ 

علم التحكم الآلي ومحاكاة الدماغ

     في الأربعينيات والخمسينيات، قام عدد من الباحثين باستكشاف العلاقة بين علم الأعصاب، نظرية المعلومات، وعلم التحكم الآلي. بعضهم بني الآلات التي تستخدم الشبكات الإلكترونية لعرض الذكاء البدائي مثل سلاحف و. جراى والتر W. Grey Walter ووحش جونز هوبكنز Johns Hopkins. العديد من هؤلاء الباحثين تجمعوا لحضور اجتماعات الجمعية الغائية في جامعة برينستون ونادي النسبية في انكلترا.وبحلول عام 1960، أصبح هذا المنهج مهجور إلى حد كبير، على الرغم أن بعضا من عناصره عادت لها الحياة مرة أخرى في الثمانينيات.

الذكاء الاصطناعى التقليدى الرمزي

     عند الوصول إلى الحواسيب الرقمية أصبح من الممكن في منتصف الخمسينيات، بدأت أبحاث الذكاء الاصطناعى استكشاف إمكانية أن يختزل الذكاء البشري للتحكم بالرموز. وكان مركز الأبحاث في المؤسسات الثلاث : CMU، وستانفورد ومعهد ماساتشوستس للتكنولوجيا، وضعت كل واحدة أسلوبها الخاص في البحث. أطلق جون هاوجلاند John Haugeland على هذه المداخل للذكاء الاصطناعى اسم "الطراز القديم الجيد للذكاء الاصطناعى " أو "GOFAI". ^[]

محاكاة المعرفة

      رجلا الاقتصاد هربرت سيمون وآلان نويل درسا المهارات البشرية وحاولا وضعها قي اطار شكلى. وبأعمالهما هذه وضعا أساس علم الذكاء الاصطناعي، فضلا عن العلوم المعرفية، وبحوث العمليات وعلم الإدارة. أجرى فريقهم البحثى تجاربا نفسية لبيان أوجه التشابه بين مهارات الإنسان قي حل المشاكل ومهارات البرامج التي كانوا يصممونها(مثل "حلال المشكلات العام "). كان مقدرا لهذا التقليد، المتركز في جامعة كارنيجي ميلون ،في نهاية المطاف أن يؤدى إلى تطوير بناء ال Soar (بناء معرفى رمزى) في منتصف الثمانينيات.

الذكاء الاصطناعى المنطقي

      وخلافا لنويل وسيمون ،  وجون ماكارثي ورأى ان الأجهزة ليست في حاجة إلى محاكاة الفكر البشري، ولكن بدلا من محاولة العثور على جوهر المنطق المجرد وحل المشاكل، وبغض النظر عما إذا كان الناس في نفس الخوارزميات. وقال في مختبر ستانفورد (شراع) الرسمية التي تركز على استخدام المنطق لحل مجموعة واسعة من المشاكل، بما في تمثيل المعرفة، والتخطيط والتعليم.  كان المنطق أيضا محط تركيز العمل في جامعة ادنبرة وأماكن أخرى في أوروبا والتي أدت إلى تطوير لغة البرمجة المسماه بالبرولوج وعلوم البرمجة المنطقية.

الذكاء الاصطناعى الرمزي"الغير منتظم"

      وجد باحثون في معهد ماساتشوستس للتكنولوجيا (مثل مارفن مينسكاي وسيمور Papert)  أن حل المشاكل الصعبة في الرؤية ومعالجة اللغة الطبيعية تتطلب حلولا خاصة—وقالوا إنه لا يوجد مبدأ عام وبسيط (مثل المنطق) التي من شأنها استيعاب جميع جوانب السلوك الذكي. وصف روجر شانك مناهجهم "المضادة للمنطق" ب "الغير منتظمة" (على عكس النماذج "المنتظمة" في CMU وستانفورد.قواعد المعرفة المنطقية (مثل مشروع دوغ لينات المسمى ب Cyc) هي مثال على الذكاء الاصطناعى "الغير منتظم"، لأنها يجب أن تصمم يدويا؛ مفهوم معقدا واحدا تلو الاخر.

الذكاء الاصطناعى القائم على المعرفة

    عندما أصبحت ذاكرة الحواسيب الكبيرة متاحة في عام 1970 تقريبا، بدأ باحثين من كل هذه التقاليدالثلاثة في بناء المعرفة في تطبيقات الذكاء الاصطناعى. أدت "ثورة المعرفة" هذه إلى تطوير ونشر النظم الخبيرة (التي قدمها ادوارد فيغنبوم، وهى أول شكل حقيقي ناجح لبرمجيات الذكاء الاصطناعى.كان أيضا ما يحرك ثورة المعرفة إدراك أن كميات هائلة من المعارف ستكون مطلوبة للعديد من التطبيقات البسيطة للذكاء الاصطناعى.

الذكاء الاصطناعى الشبه الرمزي

    خلال 1960، حققت المناهج الرمزية نجاحا كبيرا في محاكاة التفكير العال المستوى في برامج تمثيلية صغيرة. هجرت المناهج القائمة على علم التحكم الآلي أو الشبكة العصبية أو دفعت إلى الخلفية. وفى الثمانينيات، بالرغم من ذلك، توقف التقدم في الذكاء الاصطناعى الرمزى واعتقد العديد أن النظم الرمزية لن تكون قادرة على محاكاة جميع عمليات الإدراك البشري، ولا سيما التصور، الروبوتيات، والتعلم والتعرف على الأنماط. وبدأ عدد من الباحثين النظر في المناهج "الشبه رمزية" لمشاكل محددة في الذكاء الاصطناعى.

   من أسفل إلى أعلى، متضمن، موجود، القائم على السلوك أو الذكاء الاصطناعى الجديد

    والباحثين قي مجال الروبوتيات، مثل رودني بروكس، رفضوا الذكاء الاصطناعى الرمزي وركزوا على المشاكل الأساسية للهندسة التي من شأنها أن تسمح للروبوتات بالتحرك والبقاء على قيد الحياة. [325]أحيى عملهم وجهة النظر الغير رمزية لأوائل باحثى السيبرنطيقية (التحكم الالى) من الخمسينيات وأعادوا تقديم نظرية التحكم في الذكاء الاصطناعى.تتصل هذه المداخل من نظريا بأطروحة العقل المتجسد.

الذكاء المحاسبى

    تجددالاهتمام بالشبكات العصبية و"الترابط" من خلال ديفيد روميلهارت David Rumelhart وآخرين في منتصف الثمانينيات. الآن تدرس هذه المداخل وغيرها من المناهج الشبه رمزية، مثل النظم التقريبية fuzzy systems والحسابات التطورية، مجتمعة من خلال مبحث ناشئ يمسمى الذكاء الحسابى.

الذكاء الاصطناعى الإحصائي

     في التسعينيات، وضع باحثو الذكاء الاصطناعى أدوات رياضية معقدة لحل مشاكل فرعية محددة. هذه الأدوات هي حقا علمية، بمعنى أن نتائجها يمكن قياسها والتحقق منها على حد سواء، وكانت مسؤولة عن العديد من النجاحات الأخيرة لأبحاث الذكاء الاصطناعى. كما تسمح أيضا هذه اللغة الرياضية المشتركة بمستوى عال من التعاون مع المزيد من المجالات (مثل الرياضيات، والاقتصاد، أو بحث العمليات). راسل ستيوارت وبيتر Norvig وصفا هذه الحركة بأنها ليست أقل من "الثورة" و"انتصارا للنظاميين".

دمج المناهج

نموذج العامل الذكي

    العامل الذكي هو نظام يستوعب بيئته ويتخذ المواقف التي تزيد من فرصته في النجاح. العوامل الذكية في أبسط أشكالها هي برامج لحل مشاكل محددة. وأكثرها تعقيدا هو الإنسان المفكر والعقلانى.هذا النموذج يعطي الباحثون رخصة لدراسة المشاكل المنفردة وإيجاد حلول يمكن التحقق من صحتها والاستفادة منها ها على حد سواء، من دون الاتفاق على نهج واحد. يمكن للعامل استخدام أي نهج يصلح لحل مشكلة محددة—بعض العوامل رمزية ومنطقية، وبعضها شبكات عصبية شبه رمزية وغيرها يمكنه استخدام مداخل جديدة. كما يقدم النموذج للباحثين لغة مشتركة للتواصل مع مجالات أخرى، مثل نظرية القرار والاقتصاد والتي تستخدم أيضا مفاهيم العوامل المجردة. أصبح نموذج العامل الذكي مقبولا على نطاق واسع خلال التسعينيات.

العامل البنيوى [أو] المعرفية البنيوية

    صمم باحثون أنظمة لبناء نظم ذكية من خلال تفاعل العوامل الذكية في النظام متعدد العوامل. النظام الذي يتكون من مكونات رمزية وشبه رمزية هو نظام ذكي هجين، ودراسة مثل هذه الأنظمة تعتبر تكاملا بين أنظمة الذكاء الاصطناعي. يوفر نظام المراقبة الهرمية جسرا بين الذكاء الاصطناعى الشبه رمزى افى قاع الهرم والمستويات الاستجابية والذكاء الاصطناعى التقليدى الرمزى في أعلى الهرم، حيث تسمح المسافة الزمنية بالتخطيط ووضع النماذج للعالم. كان هيكل التصنيف الخاص برودني بروكس Rodney Brooks اقتراحا مبكرا لهذا النظام الهرمي.

أدوات أبحاث الذكاء الاصطناعى

    خلال خمسين سنة من البحوث، صمم الذكاء الاصطناعى عددا كبيرا من الوسائل لحل أصعب المشاكل في علوم الكمبيوتر. نناقش أدناه عدد قليل من أعم هذه الوسائل.

البحث والتحسين 

   يمكن حل العديد من مشاكل الذكاء الاصطناعى من الناحية النظرية بالبحث الذكى في العديد من الحلول الممكنة : [346] يمكن أن يختزل التفكير المنطقى إلى اجراء البحث. على سبيل المثال، يمكن اعتبار الدليل المنطقي بحثا عن مسار ينطلق من افتراضات إلى نتائج، حيث كل خطوة هي تطبيق لقاعدة الاستدلال. تبحث الخوارزميات التخطيطية خلال تفريعات من الأهداف الرئيسية والفرعية، في محاولة لإيجاد الطريق إلى الهدف، وهي عملية تسمى تحليل الوسائل والغايات. تستخدم الخوارزميات الروبوتية محركات بحث محلية لتحريك الأطراف واستيعاب الأشياء في مساحة التكوين. العديد من خوارزميات التعلم تستخدم خوارزميات البحث على أساس قابلية التحسين.

    أبحاث بسيطة شاملة نادرا ما تكون كافية لمعظم مشاكل العالم الحقيقي : فضاء البحث (عدد أماكن البحث) لتنمو بسرعة إلى أرقام فلكية. والنتيجة هي بحثا بطيئا للغاية أو بحثا لا ينجز أبدا. الحل بالنسبة لكثير من المشاكل، هو استخدام "الاستدلال" أو "قواعد التجربة" التي تقضي على الخيارات التي يستبعد أن تؤدي إلى الهدف (و هي تسمى "تشذيب شجرة البحث"). يوفر الاستدلال البرنامج ب"أفضل تخمين" عن طريق الحل.

   وهناك نوع مختلف جدا من البحث برز في التسعينيات، على أساس نظرية التحسين الرياضية. بالنسبة لكثير من المشاكل، من الممكن أن تبدأ عملية البحث بشكل ما من التكهن والتخمين، ثم يعدل التخمين تدريجيا حتى الوصول إلى الدرجة المثلى التي لا يمكن اجراء أى تحسينات بعدها. يمكن تصور هذه الخوارزميات كأنها أعمى يتسلق التلال : يبدأ البحث عند نقطة عشوائية على الساحة، وبعد ذلك، بعض القفزات أو الخطوات، ونستمر في تحريك تخميننا بصعود هذا التل، إلى أن نصل إلى القمة. من خوارزميات التحسين الأخرى: محاكاة الصلب، بحث الشعاع والتحسين العشوائي.

    تستخدم المحاسبة التطورية شكل من أشكال البحث الأمثل. على سبيل المثال، قد تبدأ من الكائنات التي يبلغ عدد سكانها (التكهنات)، ثم السماح لهم بالتحور واعادة التكوين، واختيار الأصلح فقط للبقاء على قيد الحياة كل جيل (صقل التخمينات). أشكال التطور الحسابية تشمل خوارزميات الذكاءالسربى (مثل مستعمرة النمل أو تحسين سرب الجسيمات)  و الخوارزميات التطورية (مثل الخوارزميات الجينية)  والبرمجة الجينية .

المنطق

     المنطق  أدخله جون مكارثي في مجال أبحاث الذكاء الاصطناعى في عام 1958 خلال اطروحته المسماة "الآخذ بالمشورة". في عام 1963، اكتشف ج.آلان روبنسون طريقة خوارزمية بسيطة وكاملة تماما للاستنتاج المنطقى الذي يمكن بسهولة أن يقوم به الحواسيب الرقمية. ومع ذلك، سرعان ما يؤدي التنفيذ الساذج للخوارزمات إلى حدوث انفجار اندماجي أو حلقة لا نهاية لها. في عام 1974، اقترح روبرت كوالسكي تمثيل تعبيرات منطقية حسب شروط القرن (البيانات في شكل قواعد، كما يلي : "ان p إذا q"، مما اختزل الاستدلال المنطقي إلى تسلسل خلفى أو أمامى.هذا خفف المشكلة إلى حد كبير (ولكن لم يلغها.

     يستخدم المنطق لتمثيل المعرفة، وحل المشاكل، ولكن يمكنه أن يطبق على غيرها من المشاكل أيضا. على سبيل المثال ،خوارزمية  satplan  تستخدم المنطق للتخطيط،  و برمجة المنطق الاستقرائي هي طريقة للتعلم. هناك عدة أشكال مختلفة من المنطق المستخدم في بحوث الذكاء الاصطناعى.

    المنطق الاقتراحي أو العبارى هو منطق البيانات التي يمكن أن تكون صحيحة أو غير صحيحة.

المنطق الأولى يسمح أيضا باستخدام الكلمات الدالة على الكمية والخبر، ويمكنه التعبير عن حقائق الأشياء، وخواصهم، وعلاقاتهم مع بعضهم البعض.

    المنطق التقريبى، هو نوع من المنطق الأولى والذي يسمح بتمثيل حقيقة الجملة بقيمة بين 0 و 1، بدلا من مجرد (1) للصحيح أو (0) للخطأ. يمكن استخدام النظام التقريبى للتفكير الغير مؤكد، وكان المنطق الذي يستخدم على نطاق واسع في الصناعة الحديثة ونظم مراقبة المنتجات الاستهلاكية.

    المنطق الافتراضي، المنطق الغير مونوتونى والمحيط، هي أشكال المنطق الذي صمم للمساعدة في المنطق الافتراضي ومشكلة التأهيل.

    صممت عدة امتدادات للمنطق للتعامل مع مجالات محددة من المعرفة، مثل : المنطق الوصفى ؛  وحساب الموقف، وحساب الحدث والحساب الطليق (لتمثيل الأحداث والزمن)  الحساب السببى ؛ حساب المعتقد، ومنطق الاحتمالات.

الطرق الاحتمالية للتفكير الغير مؤكد

     مشاكل عديدة في أبحاث الذكاء الاصطناعى (في التفكير، والتخطيط، والتعلم، والفهم والروبوتيات) تتطلب عاملاً للعمل مع معلومات غير كاملة أو غير أكيدة. ابتداء من أواخر الثمانينيات وأوائل التسعينيات، دافع يهودا بيرل وغيره عن استخدام أساليب مستمدة من نظرية الاحتمال والاقتصاد لوضع عدد من أدوات قوية لحل هذه المشاكل. شبكات  Bayes هي أداة عامة للغاية يمكن استخدامها في عدد كبير من المشاكل : التفكير المنطقى (باستخدام خوارزمية Bayesian الافتراضية الاستدلالية)،  التعلم (باستخدام خوارزمية تعظيم التوقعات -)،  تخطيط (باستخدام شبكة قرار)  و تصور(باستخدام شبكة دينامية النظرية الافتراضية.

    يمكن استخدام الخوارزميات الاحتمالية أيضا للترشيح، والتنبؤ، وتمهيد، وإيجاد تفسيرات لتيارات البيانات، ومساعدة نظم التصور لتحليل العمليات التي تحدث على مر الزمن  (على سبيل المثال، نموذج ماركوف الخفي)  أو مرشح كالمان 

    وثمة مفهوم رئيسي من علم الاقتصاد هو "الجدوى" : مقياس لمعرفة قيمة شيء بالنسبة للعامل ذكي. وضعت أدوات رياضية دقيقة لتحليل كيف يمكن للعامل الاختيار والتخطيط، وذلك باستخدام نظرية القرار، قرار التحليل، نظرية قيمة المعلومة. وتشمل هذه الأدوات نماذج مثل عملية قرار ماركوف، شبكة القرار الديناميكية  نظرية اللعبة، وتصميم الآلية 

المصنفات وطرق التعلم الإحصائي

    الذكاء الاصطناعى أبسط تطبيقات يمكن تقسيمها إلى نوعين : المصنفات ("اذا كانت براقة فهى ماس") وحدات التحكم ("إذا كانت لامعة ،فالتقطها"). ولكن أدوات التحكم تصنف الشروط قبل أن نستنتج الأعمال، ولذلك يشكل أنواع التصنيف جزءا أساسيا من العديد من نظم الذكاء الاصطناعى.

    المصنفات  من المهام التي تستخدم نمط المطابقة لتحديد اقرب مطابقة. يمكن ضبطها وفقا لنماذج وجعلها جذابة جدا للاستخدام في الذكاء الاصطناعى. تعرف هذه الأمثلة بالملاحظات أو الأنماط. في التعليم تحت اشراف ،ينتمي كل نمط إلى فئة معينة محددة سلفا. يمكن اعتبار هذه الفئة قرارا يجب أن يتخذ. تعرف جميع الملاحظات مع علامات فئاتها باسم مجموعة من البيانات.

    عندما ترد ملاحظة جديدة، تصنف هذه الملاحظة على أساس الخبرة السابقة. يمكن تدريب المصنفات بطرق مختلفة ،فهناك العديد من المناهج الإحصائية ومناهج تعليم الالة.

    مجموعة واسعة من المصنفين متاحة، ولكل منها نقاط قوتها ونقاط ضعفها. ويعتمد أداء المصنف بشكل كبير على خصائص البيانات المراد تصنيفها. لا يوجد تصنيف واحد يعمل على النحو الأفضل في كل المشاكل وهو ما يشار اليه بنظرية "لا توجد وجبة غذاء مجانية". أجريت اختبارات تجريبية مختلفة للمقارنة بين أداء المصنفات وللعثور على خصائص البيانات التي تحدد تصنيف الأداء. بالرغم من ذلك ،يعتبر تحديد المصنف المناسب لمشكلة معينة فنا أكثر من كونه علما.

    أكثرا المصنفات استخداما هي الشبكة العصبية الطرق الأساسية مثل دعم جهاز النقل المدعمخوارزمية (ك) لأقرب جار النموذج كارل فريدريش جاوس المختلط  مصنف بايز Bayesالبسيط، وشجرة القرارات.  قورن أداء هذه المصنفات بالكثير من مهام التصنيف من أجل التوصل إلى بيانات الخصائص التي تحدد تصنيف الأداء.

الشبكات العصبية

     دراسة الشبكة العصبية الاصطناعية ل بدأت خلال العقد السابق لتأسيس أبحاث الذكاء الاصطناعى. في الستينات، وضع فرانك روزنبلات Frank Rosenblatt نسخة هامة وجديدة؛ ألا وهى، المستقبلات.  طور بول فربوس Paul Werbos خوارزمية اعادة الانتشار backpropagation للمستقبلات المتعددة الطبقات في عام 1974،  مما أدى إلى نهضة في مجال البحث والشبكة العصبية و"الترابط"connectionism) بشكل عام في منتصف الثمانينات. شبكة هوبفيلد The Hopfield net، هي شكل من أشكال شبكة الجذب، وكان أول من وصفها هو جون هوبفيلد John Hopfield في عام 1982.

    من الشبكات البنائية التي تم تطويرها شبكة ال feedforward، وشبكة القاعدة الشعاعية، خريطة كوهونن Kohonen المنظمة ذاتيا ومختلف الشبكات العصبية المتكررة s. To show relevanceتطبق الشبكات العصبية على مشكلة التعليم، باستخدام تقنيات مثل التعلم بطريقة هب Hebbian learning، والتعلم التنافسى. و التصميمات الجديدة نسبيا مثل التسلسل    الهرمي للذاكرة الزمنية وشبكات الاعتقاد العميق.

نظرية التحكم

   نظرية التحكم، وليدة علم التحكم الآلي، لها العديد من التطبيقات الهامة، وخاصة في الروبوتيات (أو علوم الإنسان الالى.

اللغات المتخصصة

   وضع باحثو الذكاء الاصطناعى العديد من اللغات المتخصصة لبحوث الذكاء الاصطناعى :

IPL    هي اللغة الأولى التي صممت لتطبيقات الذكاء الاصطناعي. وتشمل سمات تدعم برامج حل المشكلات العامة، بما في ذلك من قوائم، الافكار المرتبطة ببعضها البعض، المخططات (الأطر)، التخصيص الحركى للذاكرة، وأنواع البيانات، واستدعاء ذاتي ،الاسترجاع المترابط، الوظائف مثل القيم، والمولدات الكهربائية (تيارات)، والقيام بمهام متعددة بشكل متناسق.

    اللثغة أو الLisp [511] هو نظام عملي حسابي لبرامج الكومبيوتر بنى على أساس لامبدا في الحساب lambda calculus. القوائم المترابطة هي واحدة من هياكل البيانات الرئيسية للغات اللثغة Lisp، ومصدر شفرة اللثغة هو نفسه مكون من القوائم. ونتيجة لذلك، يمكن أن تغير برامج اللثغة شفرة المصدر بوصفها هياكل البيانات ،و هو ما نتج عنه الأنظمة الكلية التي تسمح للمبرمجين بإنشاء تراكيب جديدة أو البرمجة المتخصصة المتضمنة في اللثغة. هناك العديد من لهجات اللثغة المستخدمة اليوم.

    البرولوج Prolog هي لغة بيانية تعبر عن البرامج من خلال العلاقات ،و ويحدث التنفيذ ' عن طريق تشغيل الاستفسارات queries حول هذه العلاقات. للبرولوج فائدة خاصة في التفكير المنطقى الرمزي ،و تطبيقات قواعد البيانات والتحليل. يستخدم البرولوج على نطاق واسع في الذكاء الاصطناعى اليوم.

    الستربس STRIPS هي لغة للتعبير عن التخطيط الآلي للمشاكل. تعبر عن الحالة الأولية، أحوال الهدف، ومجموعة من الإجراءات. لكل عمل شروط محددة مسبقا (ما يجب أن يحدد قبل أنجاز العمل) وشروط مؤخرة (ما تم تحديده بعد انجاز العمل).

   المخطط هو مزيج بين اللغات الإجرائية والمنطقية. وهى تعطي تفسيرا إجرائيا مبسطا لجمل منطقية على عكس الدلالات التي تفسر عن طريق الاستدلال النمطى.

   تكتب تطبيقات الذكاءالاصطناعى أيضا في كثير من الأحيان بلغات معيارية مثل س + + واللغات المصممة من أجل الرياضيات MATLAB و Lush.

تقييم الذكاء الاصطناعي

    كيف يمكن تحديد ما إذا كان العامل ذكيا أم لا؟ في عام 1950، اقترح آلان تورينج إجراء عام لاختبار ذكاء عاملاً يعرف الآن باختبار تورينج. يسمح هذا الإجراء باحتبار معظم المشاكل الرئيسية للذكاء الاصطناعي. ولكنه يعد تحديا صعبا للغاية في الوقت الحالي وجميع العوامل ااتى حضعت له باءت بالفشل.

    ويمكن أيضا أن يقيم الذكاء الاصطناعي وفقا لمشاكل محددة مثل مشاكل صغيرة في الكيمياء، والتعرف على خط اليد والألعاب. سميت هذه الاختبارات باختبارات تورينج الخبيرة. كلما صغر حجم المشاكل زاد عدد الأهداف القابلة للتحقيق، وهناك عدد متزايد من النتائج الإيجابية.

تصنف نتائج اختبار الذكاء الاصطناعى إلى المجموعات الاتية:

·         الأمثل  : أنه لا يمكن لأداء أفضل

·         إنسان خارق قوى  : أداء أفضل من كل البشر

·         إنسان خارق  : أداء أفضل من معظم البشر

·         أقل من الإنسان  : أسوأ من أداء معظم البشر

    على سبيل المثال ،أداء لعبة الداما (الداما) هو الأمثل، الأداء في الشطرنج، يندرج تحت "الإنسان الخارق" ويقترب من "الإنسان الخارق القوى" والأداء في العديد من المهام اليومية التي يقوم بها البشر يندرج تحت فئة "أقل من الإنسان".

    وهناك نهج مختلف تماما يقوم على قياس ذكاء الالات من خلال اختبارات مستمدة من من التعريفات الرياضية للذكاء. بدأت أمثلة على هذا النوع من الاختبارات في أواخر التسعينات؛ كاختبارات الذكاء باستخدام مفاهيم أندريه كولموغوروف مثل التعقيد والضغط كما قدم ماركوس هوتر تعريفات مماثلة لذكاء الالات في كتابه الذكاء الاصطناعي العالمي (سبرينغر 2005)، والذي تم تطويره مجددا من قبل ليج وهوتر من مميزات التعريفات الرياضية، أنه يمكن تطبيقها على الذكاء الغير إنسانى وفي غياب الممتحنين من البشر.

تطبيقات الذكاء الاصطناعي

    استخدم الذكاء الاصطناعي بنجاح في مجموعة واسعة من المجالات من بينها النظم الخبيرة ومعالجة اللغات الطبيعية وتمييز الأصوات وتمييز وتحليل الصور وكذلك التشخيص الطبي، وتداول الأسهم، والتحكم الآلي، والقانون، والاكتشافات العلمية، وألعاب الفيديو ولعب اطفال ومحركات البحث على الإنترنت. في كثير من الأحيان، عندما يتسع استخدام التقنية لا ينظر إليها بوصفها ذكاء اصطناعيا، فتوصف أحيانا بأنها أثر الذكاء الاصطناعى. ومن الممكن أيضا دمجها في الحياة الاصطناعية.

المسابقات والجوائز

    هناك عدد من المسابقات والجوائز لتشجيع البحث في مجال الذكاء الاصطناعي. المجالات الرئيسية التي عززت هي: الذكاء العام للالة، سلوك المحادثة، تحليل البيانات، السيارات المتحركة بدون سائق، والروبوت لكرة القدم والألعاب. 

أبحاث الذكاء الاصطناعى في الأسطورة، والرواية والتكهنات

    آلات التفكير والكائنات الاصطناعية تظهر في الأسطورة اليونانية ق، مثل Talos في "كريت"، والروبوتات الذهبية فيHephaestus"{/3"} وGalatea في Pygmalion.يعتقد أن أشباه البشر الذكية نشأت في كثير من المجتمعات القديمة، ومن أقدمها التماثيل المقدسة التي عبدت في مصر واليونان، بما في ذلك آلات يان شي Yan Shi،  و بطل       الإسكندرية  و الجزرى  أو فولفغانغ فون كمبلن. كان من المعتقد أن جابر بن حيان وجودة لوف Judah Loew وبارسيلسوس Paracelsus صنعوا كائنات اصطناعية.تناقش قصص هذه المخلوقات ومصيرها العديد من الآمال والمخاوف والاعتبارات الأخلاقية التي قدمها الذكاء الاصطناعي.

     تتناول ماري شيلي في روايتها "فرانكشتين" / Frankenstein، مسألة أساسية في أخلاقيات الذكاء الاصطناعي، وهى : إذا كان من الممكن خلق جهاز لديه ذكاء، أيمكن أن يشعر أيضا؟ إذا كان يمكن أن يشعر، أيكن له نفس حقوق الإنسان؟ وتظهر أيضا هذه الفكرة في الخيال العلمي الحديث: في فيلم "الذكاء الاصطناعي" : يمثل الفيلم الالة في صورة طفل صغير منح القدرة على الشعور بالعواطف البشرية، بما في ذلك ،القدرة على الشعور بالمعاناة. يجري حاليا النظر في هذه القضية، والتي تعرف الآن باسم "حقوق الروبوت "، في بعض المؤسسات؛ على سبيل المثال، مؤسسة كاليفورنيا من أجل المستقبل، رغم أن العديد من النقاد يعتقدون أن من السابق لأوانه مناقشة هذا الشأن.

    وثمة مسألة أخرى يستكشفها كل من كتاب الخيال العلمي وذوى النزعة المستقبلية هي تأثير الذكاء الاصطناعي على المجتمع. في الروايات، ظهر الذكاء الاصطناعى باعتباره خادما (R2D2 في حرب النجوم)، وكمطبق القانون في((K.I.T.T. "Knight Rider")و رفيقا (Lt. Commander Data in Star Trek),،الغازى (The Matrix)، الديكتاتور (مكتوف الأيديWith Folded Hands)، والمدمر (المدمر، Battlestar Galactica)، وامتدادا لقدرات البشر في "شبح داخل المحار" (Ghost in the Shell)، والمنقذ للجنس البشري R. Daneel Olivaw في سلسلة التأسيس Foundation Series). اعتبرت بعض المصادر الأكاديمية أن هذه النتائج هي دعوة لتخفيض الطلب على العمالة البشرية،  تعزيز القدرة البشرية أو الخبرة وحاجة لإعادة تعريف الهوية الإنسانية والقيم الأساسية.

    يزعم بعض المستقبليين أن الذكاء الاصطناعي سوف يتجاوز حدود التقدم وسيغير الإنسانية تغييرا جوهريا. استخدم راى كرزويل Ray Kurzweil قانون مور (الذي يصف التحسن الكبير في التكنولوجيا الرقمية بالدقة الخارقة) لحساب أن الكمبيوتر سوف يكون له نفس قوة المعالجة لدى العقول البشرية بحلول سنة 2029، وبحلول عام 2045 سوف يصل الذكاء الاصطناعي إلى نقطة يصبح عندها قادرا على تحسين نفسه بمعدل يتجاوز كل ما يمكن تصوره في الماضي، وهو سيناريو الخيال العلمي الذي صاغه الكاتب فيرنور فينج Vernor Vinge وأسماه "التفرد التكنولوجي. إدوارد Fredkin يقول إن "الذكاء الاصطناعي هو المرحلة التالية في التطور" وهي فكرة اقترحها لأول مرة صموئيل بتلر / "داروين بين ماكينات" (1863)، وأفاض في الحديث عنها جورج دايسون في كتابه الذي يحمل نفس الاسم في عام 1998. توقع العديد من المستقبليين وكتاب الخيال العلمي أن البشر والآلات ستندمج في المستقبل وتصبح سايبورج (أى نظام يمزج بين صفات طبيعية ووصفات اصطناعية cyborg فيكون بذلك أكثر قدرة وقوة من كلاهما. تسمى هذه الفكرة "ما فوق الإنسانية"، transhumanism ولها جذور في كتابات الدوس هوكسلي Aldous Huxley وروبرت ايتنجر Robert Ettinger، وهى الآن مرتبطة باسم مصمم الروبوت هانز مورفيك Hans Moravec وعالم التحكم الالى كيفن وارويك Kevin Warwick، والمخترع راي كرزويل Ray Kurzweil. تم تمثيل ال"ما فوق إنسانية"Transhumanism في الروايات أيضا، على سبيل المثال في قصة المانجا اليابانية"الشبح في محار" وسلسلة الخيال العلمي المسماة "سلسلة الكثيب". كتبت باميلا مكوردك Pamela McCorduck أن هذه السيناريوهات تعتبر تعبيرا عن الرغبة البشرية القديمة في، كما وصفته، "تشكيل الآلهة".^[

^{نظره اضافيه}

الذكاء الصناعي: 

    هي برامج الكمبيوتر التي تحاكي طريقة تفكير البشر، وفي إحدى المرات أعتقد علماء الكمبيوتر أن هذا ممكن وسهلٌ ولكنهم لم يتمكنوا من الوصول إلى ذلك بعد وبدلاً من ذلك فإن معظم الكمبيوترات مازالت تظهر درجة واضحة من الغباء الصناعي.
علم الذكاء الإصطناعي

     هو أحد علوم الحاسب الآلي الحديثة التي تبحث عن أساليب متطورة لبرمجته للقيام بأعمال واستنتاجات تشابه ولو في حدود ضيقة تلك الأساليب التي تنسب لذكاء الإنسان ، فهو بذلك علم يبحث أولاً في تعريف الذكاء الإنساني وتحديد أبعاده ، ومن ثم محاكاة بعض خواصه ، وهنا يجب توضيح أن هذا العلم لا يهدف إلى مقارنة أو ماشبهة العقل البشري الذي خلقه الله جلت قدرته وعظمته بالآلة التي هي من صنع المخلوق ، بل يهدف هذا العلم الجديد إلى فهم العمليات الذهنية المعقدة التي يقوم بها العقل البشري أثناء ممارسته ( التفكير ) ومن ثم ترجمة هذه العمليات الذهنية إلى ما يوازيها من عمليات محاسبية تزيد من قدرة الحاسب على حل المشاكل المعقدة. 

الذكاء الإنساني :

     قال الله تعالى في محكم آياته : 
( ومن أياته يريكم البرق خوفاً وطمعاً وينزل من السماء ماء فيحيي به الأرض بعد موتها إن في ذلك لآيات لقوم يعقلون ) .. وقال سبحانه ( إن في خلق السموات والأرض واختلاف الليل والنهار لآيات لأولي الآلباب ) صدق الله العظيم. 
ويبين هذا القول الكريم أهمية العمليات الذهنية ( mental processes ) أولاً في تمييز الإنسان عن غيره من المخلوقات ، وثانياً في تمييز إنسان عن آخر ، ومع أن الذكاء هو من أهم العمليات أو الأنشطة التي يقوم بها عقل الإنسان فإنه يصعب تعريفه بدقة : أهو القدرة على الاستنتاج ؟ أم هو القدرة على تحصيل العلم وتطبيقه ؟ أم هو القدرة على استيعاب الأشياء وتصورها والتأثير عليها في العالم الحسي ؟ وبدون الدخول في أمور فلسفية عميقة فإن الذكاء يمكن تعريفه بكل ما تقدم ويزيد ، فهو في نطاقه الواسع قد يشمل جميع العمليات الذهنية من نبوغ وابتكار وتحكم في الحركة والحواس والعواطف ، أما في نطاق دراسة علم الذكاء الاصطناعي للحاسبات الآلية فيمكن تعريفه في نطاق قدرة الإنسان على تصور الأشياء وتحليل خواصها والخروج باستنتاجات منها ، فهو بذلك يمثل قدرة الإنسان على تطوير نموذج ذهني لمجال من مجالات الحياة وتحديد عناصره واستخلاص العلاقات الموجودة بينها ، ومن ثم استحدث ردود الفعل التي تتناسب مع أحداث ومواقف هذا المجال. 
ولكي نتعرف على تفاصيل هذا التعريف فلنتصور أن شخصين ذهبا معاً لمشاهدة مباراة لكرة القدم ، وكان أحدهما متمكناً من قوانين اللعبة وخططها وأسماء اللاعبين وأهمية نتيجة المبارة على المسابقات المختلفة ، في حين كان الشخص الآخر أبعد ما يكون عن كرة القدم وقوانينها ، وبعد انتهاء المباراة طلبنا من كل منهما التعليق على ما رأى ، فإننا سوف نجد أن الشخص الأول قادر على تقديم تحليل " ذكي " للمباراة وخطط الفريقين في اللعب والأخطاء التي ارتكبها ، ولوجدنا أن تعليق الشخص الثاني هو في الغالب بدائي قد لا يتعدى وصفاً بسيطاً لعدد 22 لاعباً يتنافسون بالملابس الرياضية على كرة واحدة بدون هدف أو معنى .. ومن ذلك يمكن أن نستنتج أن سبب قيام الأول بتحليل ذكي هو وجود ما يمكن تسميته بنموذج اللعبة وقوانينها في ذهنه ، مما مكنه من استرجاع وتحليل المواقف وحوداث المباراة التي شاهدها ، في حين أن انعدام هذا النموذج لدى الشخص الثاني أدى إلى بساطة تعليقه على المباراة ، ولو أننا تركنا الشخص الثاني مدة كافية لمشاهدة مباريات عديدة فإنه من الجائز أن يقوم بتطوير نموذج في ذهنه عن هذه اللعبة ولأمكنه تقديم تحليل موضوعي عنها فيما بعد كما أن في استطاعة الشخص الأول تطوير النموذج الذي استحدثه وتغيير عناصره كلما جد جديد ، وبالتالي فإن الإنسان قادر على استحداث النماذج الذهنية التي نتحدث عنها بالممارسة والتفكير ومن ثم تطويرها إذا لزم الأمر. 

    ومن أهم فوائد هذا النموذج الذهني الذي يستحدثه الإنسان لا شعورياً انه يساعده على حصر الحقائق ذات العلاقة بالموضوع في مجال البحث وتبسيط الخطوات المعقدة التي تتميز بها الصورة الحقيقية. فإذا كان مجال البحث مثلاً ، هو الحالة الصحية لقلب أحد المرضى ، فإن النموذج الذهني الذي يستحدثه الطبيب المختص عن المريض يتركز على العلاقات المهمة مثل ضغط دم المريض ونسبة السكر والكوليسترول في الدم ، ويستبعد العلاقات غير المهمة مثل الأكلة المفضلة للمريض ومقاس ثوبه ولون سيارته وخلافه.

الذكاء الاصطناعي :

     يمكن تعريف الذكاء الاصطناعي للحاسب الآلي بأنه القدرة على تمثيل نماذج محاسبية ( Computer Models ) لمجال من مجالات الحياة وتحديد العلاقات الأساسية بين عناصره ، ومن ثم استحداث ردود الفعل التي تتناسب مع أحداث ومواقف هذا المجال ، فالذكاء الاصطناعي بالتالي مرتبط أولاً بتمثيل نموذج محاسبي لمجال من المجالات ، ومن ثم استرجاعه وتطويره ، ومرتبط ثانياً بمقارنته مع مواقف وأحدث مجال البحث للخروج باستنتاجات مفيدة ، ويتضح أن الفرق بين تعريفي الذكاء الاصطناعي والإنساني المذكورين أعلاه هو أولاً القدرة على استحداث النموذج فالإنسان قادر على اختراع وابتكار هذا النموذج ، في حين أن النموذج المحاسبي هو تمثيل لنموذج سبق استحداثه في ذهن الإنسان ، وثانياً في أنواع الاستنتاجات التي يمكن استخلاصها من النموذج فالإنسان قادر على استعمال أنواع مختلفة من العمليات الذهنية مثل الابتكار ( Innovation ) والاختراع ( Creativity ) والاستنتاج بأنواعه ( Reasoning ) في حين أن العمليات المحاسبية تقتصر على استنتاجات محدودة طبقاً لبديهيات وقوانين متعارف عليها يتم برمجتها في البرامج نفسها. 
ويتركز أصل علم الذكاء الاصطناعي في أبحاث بحتة ونظرية تدرس أساليب تمثيل النماذج في ذاكرة الحاسب الآلي ( Model Representation ) وطرق البحث والتطابق بين عناصرها ( Search & Match Methods ) واختزال أهداف بها ( Goal reduction ) وإجراء أنواع الاستنتاجات المختلفة (Reasoning ) مثل الاستنتاج عن طريق المنطق ( Logic ) أو عن طريق المقارنة ( Analogy ) أو عن طريق الاستقراء ( Induction ). 

    ومن أهم أساليب تمثيل هذه النماذج هو استخدام القوانين ( Rules ) التي تحكم مجالا من المجالات ، فلو كانت أنواع الفاكهة مثلاً هي مجال بحثنا فإنه يمكننا كتابة القانون التالي إذا كان النبات فاكهة وكان لونها أحمر فهي غالباً تفاح ويحتوي هذا القانون على قسمين : القسم الشرطي (Premise ) المتمثل في " إذا كان النبات فاكهة وكان لونها أحمر والقسم الاستنتاجي أو الفعلي ( Action ) المتمثل في فهي غالباً تفاح. 
    وباستخدام عدد كبير من هذه القوانين عن موضوع معين فإننا ننشئ نموذجاً ضمنياً يخزن الحقائق عن موضوع البحث ، ويمكن استخدامه في التعامل مع الأحداث والخروج باستنتاجات عن موضوع البحث ، ويعتبر هذا النوع من التمثيل من الأساليب الشائعة نظراً لسهولة تطبيقه إلا أنه يعتبر تمثيلاً بسيطاً ولكن يعجز في كثير من الأحيان عن تمثيل جميع أنواع النماذج واستخراج جميع أنواع الاستنتاجات المعروفة. 
     ويعتبر أسلوب شبكات المعاني ( Semantic Networks ) أيضاً من الأساليب الشائعة في تمثيل النماذج وهو يتخلص في إنشاء شبكة من العلاقات بين عناصر النموذج. أما ثالث أنواع أساليب التمثيل الشائعة فهو ما يسمى بتمثيل الإطارات (frame Representation ) والذي يمكن اعتباره نوعاً خاصاً من تمثيل شبكات المعاني. 

    ونتج من معامل أبحاث الذكاء الاصطناعي تقنيات عديدة مازال بعضها في الأطوار الأولى من الدراسة والبحث ، في حين وصل البعض الآخر إلى نضج نسبي أدى إلى تطوير أنظمة جديدة عملية تعالج مشاكل واقعية كان يعتبر من المستحيل معالجتها بأساليب البرمجة التقليدية ، ويعتبر مجال " الذراع الآلية الذكية ( Smart Robot ) وأنظمة الخبراء ( Expert Systems ) أهم مجالين من هذه المجالات وفيما يلي نبذة مبسطة لهاتين التقنيتين وإمكاناتهما: 

الذراع الآلية الذكية :

     استخدمت الذراع الآلية مؤخراً في المصانع للقيام بالأعمال الروتينية التي تحتاج إلى قوة عضلية ولا تتطلب عمليات أو أنشطة ذهنية معقدة مثل عمليات اللحام والدهان في مصانع السيارات. وقد اعتمد تشغيل هذه الأذرعة على دقة وسرعة أنظمة التحكم ( Control Systems ) التي تعمل بواسطة أجهزة الحاسب الآلي ، وكان اليابانيون أول من استعمل هذه الأذرعة بصورة موسعة في صناعة السيارات والذي نتج عنه غزو اليابان للأسواق العالمية بسيارات ذات جودة عالية وأسعار منافسة. 
ولا تستخدم الأذرعة الآلية في التصنيع فوائد عديدة فهي لا تطالب بإجازات أسبوعية أو سنوية أو عرضية ولاتكل ولا تتعب من العمل ولا تتوقف إلا لفترات الصيانة ، كما أنها تستطيع العمل في مصانع غير مكيفة أو مضاءة إضاءة غير قوية ، وفي هذا توفير للطاقة ، ثم إنها لا ترفع الدعاوي ، ولا تطالب بتعويضات إذا تعرضت خطأ أو عمداً إلى غازات سامة أو مواد كيماوية ضارة ، وأخيراً فهي لا تحتاج إلى مرافق مساندة مثل دور الحضانة وصالات الطعام والصالات الرياضية وغيرها مما يطالب به العمال ، وليس من الصعب طبعاً ترجمة كل هذه المزايا إلى توفير كبير في تكلفة الإنتاج وفي السيطرة على الطاقة الإنتاجية للمصانع بحيث تتناسب مع قوى العرض والطلب للسوق ، وذلك بدون اللجوء إلى تسريح العمال لبضعة أسابيع أو شهور أو في وضع ورديات إضافية. 

    ومع تطور أنظمة التحكم الآلية وازدياد قدرة الحاسبات الآلية التي تشغلها ازدادت قدرات الذراع الآلية وأصبحت تقوم بأعمال دقيقة ومركبة كصنع شرائح الميكرو كمبيوتر وغيرها من الأعمال التي تتطلب أنظمة تحكم معقدة وصعبة ، إلا أن هذه الأعمال كانت محدودة بما يمكن إنجازه باستخدام أساليب البرمجة التقليدية وقد أدى إدخال أساليب الذكاء الاصطناعي في برمجة هذه الأذرع إلى فتح أفاق جديدة لم تكن ممكنة من قبل ، فأصبحنا اليوم نتكلم عن أذرع تستعمل الرؤية الإلكترونية ( Electronic Vision ) في فرز المنتجات وفي تحريك الذراع ( أو عدة أذرع ) في حيز ضيق بأسلوب مرن يتناسب مع متغيرات البيئة التي يعمل بها . ويتلخص أسلوب الرؤية الإلكترونية في تحويل الصورة الإلكترونية المكونة من نقاط ( Pixels ) سوداء أو بيضاء إلى خطوط وأضلاع متصلة لتكوين صورة ، ثم مقارنة خصائص الصورة الناتجة بالنماذج المخزونة سابقاً في الجهاز. ويمكن بهذه الطريقة التعرف مثلاً على صورة الطائرة من أجنحتها وذيلها ، وتمييز المطار بمدرجات إقلاع الطائرات ، والمسجد من مئذنته وهكذا وتتمثل صعوبة الرؤية الإلكترونية في اختلاف الصورة مع اختلاف الإضاءة المسلطة على الجسم ووقوع الظل على أجزاء منه ، ولتقنية الرؤية الإلكترونية تطبيقات عديدة في مجالات توجيه الصواريخ والطائرات والتوابع ( الأقمار الصناعية ) ومجالات التجسس بالإضافة طبعاً لمجال الأذرع الآلية. 

    ومن أشهر الأنظمة التي تستعمل الرؤية الإلكترونية في المجال الصناعي هو نظام كون سيت Consight المستخدم الآن في شركة جنرال موتورز للسيارات بكندا والذي يسمح للذراع الآلية الذكية بفرز قوالب محركات السيارة " Engine Casts " أثناء مرورها أمامه على الحزام المتحرك تحت إضاءة معينة . وبعد تحليل الضوء تقوم الذراع باستخراج القوالب التي لاتتفق والمواصفات المطلوبة. 

    ويمثل استعمال أكثر من ذراع واحدة في حيز ضيق صعوبة فنية كبيرة نظراً لخطورة اصطدام بعضها ببعض ، كما أن التنسيق بينها في التعاون على إنجاز عمل ما له مشاكله الفنية نظراً لضرورة متابعة كل ذراع وما يقوم به من عمل بالإضافة إلى ما أنجز غيره من أعمال . وقد أقتصر استعمال الأذرع الآلية إلى عهد قريب على استخدام كل ذراع على حدة ، حيث أن استخدام أكثر من زراع واحدة في إنجاز مهمة مركبة يحتاج إلى أنظمة آلية جديدة ومعقدة تقوم برسم الخطة العامة للحركة وتقوم باستنتاج الخطوات المنطقية التي يجب أن تنفذها كل ذراع ، وبالتالي فهي أنظمة تحتاج إلى الذكاء الاصطناعي وأساليبه في استحداث نماذج محاسبية للبيئة وتخزين قوانين وأسس الحركة المطلوبة ورغم ظهور بعض الأنظمة الآلية تمكن الذراع الآلية من الحركة الذاتية مثل نظام " ستربس Strips " إلا أن معظم هذه الأنظمة ما زال في أطوار البحث والتطوير. 

أنظمة الخبراء (Expert Systems ) 
    لفظ الخبير مشتق من الخبرة ، وهو الشخص المتمرس الذي مر بتجارب عديدة صقلت فهمه لمجال من المجالات وأغنت فكرة بمعلومات اختص بها دون غيره ، وميزته عن أنداده من المختصين في المجال وبذلك استحق لفظ خبير. وتهدف أنظمة الخبراء ( Expert Systems ) إلى تطوير برامج محاسبية تستطيع تحليل الأحداث والمواقف في مجال من المجالات والوصول إلى نفس الاستنتاجات أو النتائج التي يصل لها الخبير. 
ويتم ذلك عن طريق استحداث نموذج محاسبي يوازي النموذج الذهني الذي لدى الخبير وخزن المعلومات به ، وقد دلت الأبحاث على أن المعلومات التي يستخدمها الخبير في عمله تنقسم إلى قسمين رئيسيين : الأول خاص بالمعلومات الشائعة في هذا المجال مثل الحقائق والقوانين ( facts ) المتعرف عليها والمقبولة لجميع المختصين ( Heuristics ) التي يتميز بها الخبير عن غيره والتي قد تكون على شكل علاقة مثلا بين لون البشرة ونسبة الكوليسترول في الدم ، أو الشكل الانسيابي لعينة صخرية ونسبة الترسبات المعدنية فيها. 
وهذه القوانين يستخلصها الخبير من التجارب التي مر بها وتقوم بتوجيه بحثه ودراسته للحالة المعروضة عليه ومساعدته في الوصول إلى النتائج المطلوبة ، وقد تختلفه هذه القوانين التخصصية من خبير إلى آخر. 

   كانت الورقة العلمية التي تقدم بها البروفيسور فايجنباوم ( faygenbaum ) خبير الذكاء الاصطناعي في جامعة ستانفورد لمؤتمر الذكاء الاصطناعي العالمي لعام 1977 م أكبر الأثر في توجيه هذا العلم الجديد ، فقد طرح البروفيسور فكرة أن قوة أنظمة الخبراء تنبع من المعرفة Knowledge التي تختزنها وليس من قدرتها على تمثيل النماذج والقيام بعمليات استنتاجية ، ومن هذه النظرية ركزت الأبحاث الجديدة على استخلاص المعرفة من الخبراء عوضاً عن التركيز على الطرق المختلفة للتمثيل والعمليات الاستنتاجية المعقدة ، وهما موضوعان لم يتم تكوين نظريات متكاملة عنهما بعد وبالتالي فهما يعانيان من قصور في تطبيقاتهما العملية. 

    ومن أوائل أنظمة الخبراء التي تطورت حتى الآن نظام مايسن Mycin لتحليل وعلاج وأمراض الدم المعدية ، وقد طور هذا النظام في جامعة ستانفورد حيث أحتوت قاعدة معلوماته على نحو ( 400 ) قانون تربط العوارض المحتملة للمرض بالاستنتاجات الممكنة ، وقد قورنت النتائج المستخرجة من نظام مايسن في كثير من تحليلاته على مستوى الأطباء الموجودين في اللجنة! 

    ويعتبر نظام بروسبكتر Prospector أيضاً من أنجح الأنظمة التي طورت حتى الآن حيث قام باكتشاف ترسبات معدن الموليبدنم -Molybdenum في ولاية واشنطن بالولايات المتحدة الأماكن التي قرر الخبراء عدم جدوى البحث فيها ! وقد بلغت قيمة هذا الاكتشاف نحو مائة مليون دولار أمريكي. 

     ومجال أنظمة الخبراء هو حديث الساعة في مجال الذكاء الاصطناعي ، وذلك نظراً لكونها أنجح التطبيقات العملية لهذا العلم الجديد ، وتوجد اليوم شركات عديدة تسوق مايسمى بقشرة أو هيكل النظام Expert Shells وهي أنظمة تسهل عملية تمثيل النماذج المحاسبية وتخزن قوانينها ومن ثم إجراء الاستنتاجات عنها بصورة آلية ، وبذلك يتم التركيز على استخلاص المعرفة من الخبير أو الخبراء ووضعها في قوانين ( Rules ) تناسب وأسلوب عمل هيكل النظام المختار ، وتسمى هذه العملية بهندسة المعرفة (Knowledge Engineering ) كما يسمى الذين يقومون بها مهندسي المعرفة ( Knowledge Engineers ) ويوجد حالياً في الأسواق هياكل أنظمة خبراء عديدة تختلف في نقاط تفوقها وضعفها وفي أسعارها ومجالات تطبيقها ، كما ظهرت أخيراً هياكل أنظمة تعمل على الحاسب الشخصي وبأسعار مقبولة نسبياً مما يشير إلى قرب وصول هذه الأنظمة إلى الأسواق التجارية بأسعار منافسة. 

    ورغم النجاح الذي حققته كثير من هذه الأنظمة فإنه يجب أن نتوخى الحذر وعدم التسليم لكل ما يخرج من هذه الأنظمة من نتائج أو استنتاجات ، كما يجب الابتعاد عن الخوض في توقعات خيالية عن قدراتها. والذي يجب توضيحه هو أن هذه الأنظمة لا يمكن أن تحل محل الخبير نهائياً ، وأنه على الرغم من أن كثيراً من النتائج التي تتوصل لها الأنظمة تتطابق أو حتى تفوق النتائج التي قد يصل لها الخبير إلا أن هذه الأنظمة تستخلص قوتها من التركيز على موضوع معين ومحدود لمجال من المجالات وأنه كلما أتسع نطاق هذا الموضوع ضعفت قدرتها الاستنتاجية والعكس صحيح. ومن ذلك فإن أنظمة الخبراء ذات فائدة كبيرة ما دامت تستخدم في من قبل شخص مختص بموضوع مجال البحث ومطلع على الأساليب والتحاليل التي يستخدمها النظام في الوصول إلى استنتاجاته ، وهي مفيدة في يد " أنصاف الخبراء " ذوي المعرفة الجديدة للموضوع إلا أنها قد تؤدي إلى نتائج عكسية ، فمثلاً إذا وضع نظام مثل نظام Reactor الذي يحلل أخطاء المفاعلات النووية في يد شخص لايعرف عن المفاعلات النووية شيئاً وتصور هذا الشخص أنه بذلك أصبح خبيراً وبدأ يعبث بالمفاتيح فإن النتائج سوف تكون خطيرة بلا شك. 

     ولأنظمة الخبراء مجالات معينة أثبتت قدرتها فيه أكثر من غيرها فقد اشتهرت في التخطيط Planning وفي تحليل العوارض وتحديد الأخطاء Diagnostics وفي التصميم Design وفي القيادة والسيطرة Command and Control وغيرها من المجالات المتخصصة التي تم فهم العمليات المطلوبة لها ، والتي تتناسب والقدرات التمثيلية والاستنتاجية لهياكل الأنظمة المستخدمة ، نستنتج من كل ماتقدم أن أنظمة الخبراء أو الأحرى نظم قواعد المعرفة Knowledge Base Systems كما يفضل كثير من الباحثين تسميتها - هي أنظمة جديدة ذات قدرات تفوق بمراحل قدرات الأنظمة الآلية التقليدية حيث أن لها القدرة على الحصول على الاستنتاجات بمعلومات متناقضة وغير مكتملة Incomplete and Inconsistent knowledge وهي بذلك تحاكي الخبراء والقادة العسكريين الذين غالباً ما يتخذون القرارات تحت هذه الظروف ، وهي تقنية عملية مفيدة مادامت تستخدم من قبل المختصين وطبقت في المجالات التي تتناسب مع حدود معرفتنا لقدراتها. 

تفوق النظام الخبير / الذكاء الاصطناعي على برامج الحاسبة التقليدية : 
     يختلف النظام الخبير عن البرامج الاعتيادية في الحاسب في أن المعرفة وثيقة الصلة بموضوع معين وأساليب الاستفادة من هذه المعرفة مندمجة مع بعض . في النظام الخبير يبدو نموذج حل المشكلة كقاعدة معرفة قائمة بذاتها بدلا من أن يكون جزءا من البرنامج العام وبهذا يكون بإمكان النظام الخبير إدخال بيانات إلى القائمة الايعازات بطريقة إلى المعرفة المتوفرة من دون الحاجة إلى إعادة البرمجة . 
وبهذا يمكننا القول أن برنامج الحاسب التقليدي ينظم المعرفة بمستويين هما البيانات , قاعدة المعرفة , والسيطرة . ومن هنا نجد الاختلاف بين النظام الخبير والذكاء الاصطناعي عن برامج الحاسبة التقليدية في : 
حل المسائل التي ليست لها طريقة حل مسبقة:-
1. كونها تعمل بالرموز بدلا من الأرقام وبهذا تفتح المجالات الجديدة لمعالجتها بواسطة الحاسبة. 
2. الاستدلال ( reasoning ) وطريقة البحث التقنية ( heurhstigs ) . 
3. كونها تتعامل مع اللغات المبنية على المفسر ( interpretere ) وليس المترجم ( compler ) , حيث تسمح للتعابير المبنية على المفاهيم الصعبة في اللغات التقليدية . والتعبير عن المشكلة بلغة الذكاء الاصطناعي وهي ( lis, prolog ) , والتي تتحول إلى إجراءات خلال التنفيذ وبهذا لا يكون على المبرمج أن يعرف مسبقا الحل أو النتيجة . 
من هذا تبين انه ليس كل نظام خبير يستند إلى قاعدة المعرفة هو نظام خبير ولكن أن يمتلك القدرة على التفسير والوصول إلى القرارات وطلب معلومات إضافية كما يفعل الإنسان الخبير في عملية التفسير والتحليل والتحري وخاصة في المجالات التي تكون فيها الحقائق كاملة أو غير أكيدة . 

v خواص النظام الخبير/ الذكاء الاصطناعي :-
- تستخدم أسلوب مقارن للأسلوب البشري في حل المشكلات المعقدة 
- تتعامل مع الفرضيات بشكل متزامن وبدقة وسرعة عالية 
- وجود حل متخصص لكل مشكلة ولكل فئة متجانسة من المشاكل 
- تعمل بمستوى علمي واستشاري ثابت لا تتذبذب
- يتطلب بناؤها تمثيل كميات هائلة من المعارف الخاصة بمجال معين 
- تعالج البيانات الرمزية غير الرقمية من خلال عمليات التحليل والمقارنة المنطقية 

- دوافع اللجوء للنظم الخبيرة / الذكاء الاصطناعي : 
- لأنها تهدف لمحاكاة الإنسان فكرا وأسلوبا .
- لإثارة أفكار جديدة تؤدي إلى الابتكار .
- لتخليد الخبرة البشرية . 
- توفير اكثر من نسخة من النظام تعوض عن الخبراء .
- غياب الشعور بالتعب والملل .
- تقليص الاعتماد على الخبراء البشر . 
- معمارية النظام الخبير /

 والذكاء الاصطناعي : 
يتكون من ثلاثة مكونات أساسية :
أ‌- قاعدة المعرفة ( knowledge base ) غالبا ما يقاس مستوى أداء النظام بدلالة حجم ونوعية قاعدة المعرفة التي يحتويها وتتضمن قاعدة المعرفة :
1. الحقائق المطلقة : تصف العلاقة المنطقية بين العناصر والمفاهيم ومجموعة الحقائق المستندة إلى الخبرة والممارسة للخبراء في النظام .
2. طرق حل المشكلات وتقديم الاستشارة .
3. القواعد المستندة على صيغ رياضية .

ب‌- منظومة آلية الاستدلال(gine inferenceen ) وهي إجراءات مبرمجة تقود إلى الحل المطلوب من خلال ربط القواعد والحقائق المعينة تكوين خط الاستنباط والاستدلال
ت‌- واجهة المستفيد( user interface ) وهي الإجراءات التي تجهز المستفيد بأدوات مناسبة للتفاعل مع النظام خلال مرحلتي التطوير والاستخدام .

v اللغات المستخدمة في النظام الخبير/ الذكاء الاصطناعي 
    يمكن استخدام لغات البرمجية التقليدية والتي تتوافر فيها خاصية الاستدعاء الذاتي للمعالجة , وأيضا ارتبط بناء الأنظمة على لغات متخصصة تم تطويرها في تطبيقات الذكاء الصناعي ومن أهم اللغات لغة lisp و لغة prolog حيث تم تحديدها للمرحلة الأولي لمشروع الجيل الخامس للحاسبات في اليابان وتميل إلى الوصفية اكثر من كونها لغات إجرائية .
أما لغةkrl-netl-klone التي تعتمد تقنية شبكات دلالات الألفاظ وتعتمد لمعالجة استرجاع المعارف في أنظمة الخبرة .

v استخدام النظم الخبيرة / الذكاء الاصطناعي في المكتبات ومراكز المعلومات
    هناك إجماع في الرأي بان النظم الخبيرة / الذكاء الاصطناعي ستكون تكنولوجيا جديدة يبحث فيها المتخصصون في مجال المكتبات والمعلومات عن الطرق المفيدة لاستخدامها واستثمارها لتسهيل أعمالهم وتحسين نوعية خدماتهم وخبراتهم الخاصة , فلقد استغل المتخصصون هذه التكنولوجيا وقاموا بإنتاج العديد من النظم في الخزن والاسترجاع وفي الفهرسة والتكشيف والاستخلاص والأعمال المرجعية فالمتخصصون يجب ان تتوفر لديهم الخبرة, والتفاعل مع مظاهر الحياة المختلفة ومهارات أخرى مثل التصنيف, الخبرة الأكاديمية , إجراء المقابلات , بناء الكانز, المعرفة باحتياجات المستفيدين. 

نماذج من أنظمة المستخدمة : 
§ Coder    مشروع طور من قبل fox غرضه تطوير قاعدة من معرفة تشتمل على تحليل الوثائق واسترجاعها ويتألف من فرعين:
§ نظام فرعي تحليلي ( يتعلق بإدخال ومعالجة وتمثيل الوثائق الجديدة )
§ نظام فرعي استرجاعي ( يسمح باسترجاع وثيقة أو جزء منها
§ Rebeic نظام يبحث في أنماط الكلمات ضمن نصوص البحث الآلي المباشر, بدلا من استرجاع وثائق مكشفة مسبقا قاعدة المعرفة اعتمدت على ruies وصعوبته كونه يوفر قواعد متخصصة لكل مستفيد.
§ Esscape مشروع تم فيه بناء نظامين خبيرين في فهرسة المكتبة والعمل الرئيسي اختبار نقاط وصول لتحديد المداخل الرئيسية والإضافية والاستنتاج هو إمكانية استخدام النظام في الفهرسة لانتاج القيود الببلوغرافية الصحيحة ويكون مفيد أيضا في الأعمال غير التقليدية.
§ Gemi هو نظام خبير تم تطبيقه في مجال استرجاع المعلومات وانه مبني على القواعد + rule base وباستخدام حاسبة مايكروية متوافقة حيث يمكن المستفيد من معرفة المرجع في مجال اهتمامه مع توفير ببليوغرافية مع مستخلص لجميع المراجع المتوافرة في المكتبات الجامعية . وقد طبق هذا النظام في العراق في حقل المكتبات والمعلومات وقد تم الأخذ بعين الاعتبار عند تطبيق النظام – طبيعة المستفيد ومستواه الثقافي – مستفيدون مالوفون أم اعتياديون – المهنة