فكرة Reinforcement Learning الي هو واحد من انواع تعلم الالة ، يكون جزء من النموذج مهمته مراقبة اداء النموذج نسميه بالعميل Agent ، فهذا يكافئ او يعاقب النموذج اعتمادا على الخطأ .
وبما ان نماذج -LLM - Large Language Modelsالي هي GPT , Claude ... الخ تعتمد على الرينفورسمينت ، فرضا العميل يشوف اداء النموذج صحيح ، لكن نحن البشر نشوفه خطأ حسب معاييرنا ، لهذا ظهرت فكرة ان يكون Agent انسان ، وهنا جاء Reinforcement Learning with Human Feedback RLHF، يعني الانسان هو يراقب اداء النموذج ويعطيه مكافأة على الاجابة .
خلي اضربلك مثل ، ملاحظ بعض المرات لما تسأل GPT سؤال يعطيك اكثر من حل ويطلب منك تختار الحل الافضل ، هنا هو يطلب منك feedback وبالتالي لما تختار حل كأنما انت تكافأه على هذا الحل ويعتبره سياق له بالمستقبل .

من اعظم اللحظات بتاريخ الذكاء الاصطناعي هي مباراة الشطرنج سنة ١٩٩٧ التي غيرت نظرت العالم للذكاء الاصطناعي .
قبل هذا التاريخ كان الذكاء مقتصر على المختبرات والاوراق البحثية ، والكثير كان يظن ان الالة لا يمكنها ان تفهم وتتعلم مثل البشر .
لكن قبل ١٩٩٧ اطلقت IBM مشروع Deep Thought وهو مشروع ذكاء اصطناعي لديه القدرة على لعب الشطرنج بمهارة عالية ، لكنه عجز عن هزيمة ابطال الشطرنج، ثم فيما بعد طورت IBM المشروع واصدرت Deep Blue وهو عبارة عن حاسوب عملاق لديه القابلية على تنفيذ اكثر من ٢٠٠ مليون ايعاز بالثانية الواحدة ، وهذا الحاسوب مجهز بخوارزميات ذكاء اصطناعي لها قدرة ومهارات عالية في لعبة الشطرنج .
في سنة ١٩٩٦ تم اجراء اول مواجهة في لعبة الشطرنج بين الديب بلو واللاعب الاسطوري غاري غاسباروف (يعتبر من افضل لاعبي الشطرنج بتاريخ البشرية ) ، والتي انتهت بفوز غاسباروف بنتيجة 4-2 .
لم تيأس IBM فقامت بتطوير الخوارزميات اكثر وجعلتها تتعلم من الاخطاء ، وفي ١٩٩٧ حدثت المواجهة الثانية بين الديب بلو وغاسباروف ، في الجولة الاولى فاز الديب بلو ، والبقية تعادل وفي الجولة الاخيرة ارتكب غاسباروف خطأ ستراتيجية استغله الديب بلو وهزم غاسباروف ، في تلك اللحظة حتى غاسباروف لم يصدق واتهم القائمين على المشروع بأن هناك اشخاص يتحكمون بالحاسوب عن بعد ، ليفتح تاريخ جديد للالة .
من هنا بدأ العالم يحترم هذا المجال ويعطيه اهمية كبرى .

قريبا 🔜
دورة مجانية في اساسيات الذكاء الاصطناعي ، الدورة ستكون حضورية في محافظة ميسان ولمدة ثلاث شهور بواقع محاظرة كل اسبوع ، مع شهادة مشاركة .
سوف ننشر التفاصيل لاحقآ

اشهر المعادلات الرياضية في AI

لاحظ صديقي بالمدرسة اول شي تتعلمه الارقام ، وبعدين العمليات الرياضية الاربعة (الجمع، الطرح ،الضرب ، القسمة ) ثم تتدرج الى ان توصل للتفاضل والتكامل .
بالبرمجة الموضوع نفس الشي ، لازم بالبداية تتعلم الاساسيات وبعدين تتدرج ، فما معقولة انت الاساسيات ما فاهمها وتجيب كود من github وتشغله بتطبيق وأي مشكلة بالكود متعرف شلون تحلها وتبقى قاعد بين stack overflow و gpt .
وربما واحد يقول الذكاء الاصطناعي يغنيني عن تعلم الاساسيات ويكتبلي اي كود احتاجه !
نعم يكتب لكن الذكاء هنا مثل الحاسبة ، وهو اداة تساعد الطالب على تنفيذ العمليات الرياضية بسرعة ، لكن شنو فائدتها اذا الطالب ما يميز بين الجمع والطرح .
لذلك اذا ما تتعب بالاساسيات وتفهمها لا تتصور تتقدم خطوة وسوف تبقى تراوح بمكانك لسنوات .

الله بالخير
تخيل انت وبجانبك لابتوب فيه كاميرا مفتوحة وامامكم تفاحة حمراء .كيف سوف ترمز او تخزن صورة التفاحة في الدماغ والحاسوب !
لنبدأ بالحاسوب عند اخذ صورة بالكاميرا، هنا العدسة تركز الضوء المنعكس من التفاحة الى مستعشرات ضوئية تقوم بتحويل الضوء الى اشارات كهربائية حسب شدة الضوء ، حيث يتم تقسيم الصورة الى مصفوفة (شبكة) من النقاط (نسميها بكسلات) وكل بكسل يخزن بيانات عن شدة الضوء واللون .
فمثلا لو الحاسوب يستخدم نظام الالوان RGB ، فهنا سوف يخزن قيمة لثلاث الوان (مزيج الوان) وشدتها ، مثلا اذا كانت قيمة الاحمر 255 فهذا يعني شدته عالية جدا (ضوء ساطع احمر) والاخضر صفر (يعني ما موجود) والازرق صفر ايضا ما موجود ، وهكذا .
وهذه الارقام لكل بكسل ،بالتالي ستكون لدينا مصفوفة كبيرة كل خلية فيها هي بكسل .
ثم يتم ضغط هذه المصفوفة لتقليل حجمها من خلال استخدام احدى خوارزميات ضغط الصور ( عندنا نسميها امتداد الصور مثل JPG ) .وتخزن كملف .
وبما ان الحاسوب مستلهم من فكرة عمل الدماغ فهل ترمز بيانات صورة التفاحة الحمراء فيه بنفس الطريقة ؟؟؟
لا ، العملية تختلف جذريا .
فعندما تنظر للتفاحة الحمراء تستقبل عدسة العين الضوء المنعكس من التفاحة وتوجهه نحو الشبكية التي بدورها تقوم بتحويلة الى اشارات كهربائية من خلال خلايا بداخلها، حيث هناك خلية تحول اللون واخرى شدة الضوء والحجم والعمق الى نبضات كهربائية وترسل الى العصب البصري الذي بدوره ينقلها الى جزء بالدماغ اسمه القشرة البصرية الاولية التي تعمل تحليل للبيانات (النبضات الكهربائية) وترسلها الى اجزاء اخرى بالدماغ مثلا الفص الجداري لتحليل موقعها بالفضاء ، والقشرة الزمنية للتعرف على التفاحة (الشي ) والذاكرة الطويلة الامد لمقارنة المعلومات الواردة مع المعلومات المخزنة ، ثم يتم تمثيل التفاحة بشكل نمط معين من خلال تحفيز بعض الخلايا العصبية كيميائيا بطريقة معقدة جدا ، فبعض تلك الخلايا تكون مخصصة للون الاحمر ، واخرى للحجم ، واخرى للشكل وهكذا ويصير اتصال بينها ، وهذا النمط (يسموه الرمز ) يمثل التفاحة في الدماغ .
صراحة اعلاه مختصر بسيط من عمليات جدا معقدة داخل الدماغ وتحتاج الى شرح معمق من دكتور متخصص في الدماغ والخلايا العصبية.
لكن المهم ان عملية التخزين في الدماغ تعتمد على تحفيزات كهربائية وكيميائية وتكون عملية ديناميكية ومرنة جدا مقارنة بالخزن في الحاسوب .
لهذا حاولوا استلهام بعض الافكار من عمل الخلايا العصبية في الدماغ وتطبيقها في الخلايا العصبية الصناعية في التعلم العميق التي احدثت طفرة كبيرة جدا في الذكاء الاصطناعي .
والسلام

الله بالخير
بهذي الفترة هواي نسمع بمصطلح RAG فشنو هذا ؟
طبعا هو اختصار Retrieval Augmented generation وهذا نموذج لمعالجة اللغات الطبيعية (لغة الانسان) وهو مشابه بالعمل الى حد ما ل GPT .
وفكرته لما تكون عندك بيانات كبيرة مثلا نصوص فهنا سوف يبحث بداخلها عن معلومات مفيدة بعملية تسمى بالاسترجاع ،بعدين ينتقل للعملية الثانية (التوليد او التوليف) فيقوم بتوليد نصوص متناسقة ودقيقة من هذه المعلومات التي تم ارجاعها من المرحلة الاولى .
عكس GPT الي مباشرة يبحث عن المعلومات ويرجعها منسقة بالاضافة الى GPT مدرب مسبقا على بيانات، بينما RAG  غير مدرب مسبقا على هكذا بيانات و يعتبر اكثر تنسيقا للمعلومات من GPT .
طيب اشهر استخداماته ؟ بالفيسبوك بنظام البحث والتوصية ! قبل اكثر من سنة طرحت الفيسبوك مكتبة اسمها FAISS .
وهذه المكتبة وظيفتها البحث في البيانات الضخمة عن المتشابهات ، طبعا الفيسبوك حتى يسهل عملية البحث بعملية التخزين يعتمد الفهرسة والي تكون عن طريق تمثيل المعلومات (منشور ، حساب ، اعلان ،مجموعة ..الخ) على شكل تمثيل رقمي ( رياضيا بشكل متجهات Vector Embedding)  وبالتالي هذا راح يسرع بعملية البحث .
طبعا هنا نتكلم عن بيانات ضخمة بمعنى الكلمة .
كل مصطلح بالمقالة اعلاه يحتاج عدةمنشورات لشرحه .
والسلام

الله بالخير
تخيل عزيزي خلال ٦ سنوات استطاع نادي بريتنفورد الانجليزي وبميزانية محدودة جدت تحقيق ارباح تجاوزت ١٥٠ مليون جنيه استرليني (اكثر من مانشستر يونايتد) بالاعتماد على الذكاء الاصطناعي ، كيف ؟
الخطوة الاولى - النادي يشتري بيانات من شركتي Opta و statsbomb المتخصصتين ببيانات لاعبي كرة القدم ، وبالاخص لاعبي الدوريات الوسطى في اوربا مثل الهولندي ، الانجليزي (الدرجة الاولى )، الدنماركي ، السويدي .. الخ .
الخطوة الثانية - يعملون تحليل للعديد من اللاعبين الغير معروفين من خلال نموذج ذكاء اصطناعي وهذا النموذج يتنبأ بامكانية اللاعب المستقبلية وملائمته للفريق وللدوريات الكبرى بالخصوص الانجليزي.
هنا التحليل يركز على اداءه الحالي والمستقبلي ومركز اللاعب مقارنة باقرانه وسعره الحالي وامكانية ارتفاع سعره بالمستقبل وسجله الطبي (الاصابات) بعدها يعطي هذا النموذج توصية للقائمين على النادي بخصوص اللاعب .
مثل اللاعب اوليفر واتكينز الذي انتقل الى بيرنتفورد 1.8 مليون جنيه بناءا على توصيات الذكاء الاصطناعي ثم باعه النادي الى استون فيلا ب28 مليون جنيه استرليني.

لو لاحظت بعد كل حدث مهم في المنطقة ترى منصات التواصل الاجتماعي (الفيسبوك مثلا) يقترح لك منشورات تخالفك الرأي ومتشددة بحيث تجبرك على التعليق عليها .
هذه الحالة تسمى بغرفة الصدى العكسية ( Reverse Echo Chamber ) وهي جزء مهم بخوارزميات تلك المنصات ( خصوصا بأنظمة التوصية الخاصة بتلك المنصات ) .
هذه التقنية وظيفتها نشر الفتنة خصوصا وان المرحلة حرجة جدا .
لذلك كن حذر مع هكذا منشورات او تغريدات .