النمذجة والمحاكاة
- تعرف النمذجة (Modeling) بأنها تصميم وبناء تمثيل لنظام معين أو عملية معينة، تتضمن الشكل والخصائص؛ بهدف فهم سلوك النظام أو العملية.
دور النمذجة والمحاكاة في الذكاء الاصطناعي
- تطوير الخوارزميات: تُقيّم الخوارزميات عن طريق محاكاتها على نماذج قبل تطبيقها على بيانات حقيقية.
- تدريب أنظمة الذكاء الاصطناعي: تدريب الروبوتات وغيرها من أنظمة الذكاء الاصطناعي عن طريق محاكاة البيئات الحقيقية.
- تحليل البيانات: تُحلل النماذج الحاسوبية كميات ضخمة من البيانات؛ بهدف استخراج الأنماط والمعرفة.
- التنبؤ واتخاذ القرار: توقّع أداء النظام في ظروف مختلفة، ومن الأمثلة على ذلك التنبؤ بأداء الشبكات العصبية في مختلف المهام. خلال جائحة كورونا استُخدمت نماذج خاصة بعمل الوبائيات للتنبؤ بانتشار الوباء أو انحساره، واستُخدمت أيضًا نماذج لمحاكاة ارتباط بروتينات الفيروس واللقاحات في الفيروس الأصلي وفي المتحوّرات؛ لمعرفة مدى فاعلية اللقاحات. واستخدمت أيضًا للتنبؤ في نتائج مباريات كرة القدم.
النماذج القائمة على الوكيل
- يُقصد بالوكيل الكيانات المستقلة التي من الممكن أن تكون أفرادًا أو منظمات أو عوامل مؤثرة.
- وعن طريق دراسة خصائصهم يتمُّ عمل المحاكاة.
- تُستخدم هذه النماذج في محاكاة الأنظمة الاجتماعية أو البيولوجية المعقدة؛ حيث تقوم على دراسة كل وكيل أو كل عامل من العوامل المؤثرة في النظام على حدة، ومن ثمَّ فهي أكثر مرونة وواقعية لمعرفة كيفية ظهور الخصائص الجديدة للنظام الناجمة عن تفاعلات العوامل المكوّنة له.
برامج تُستخدم في النمذجة والمحاكاة
- MATLAB: بيئة برمجية متكاملة تُستخدم في تحليل البيانات والنمذجة الرياضية والمحاكاة. ويعدّ Simulink جزءًا من MATLAB؛ إذ يعمل على توفير بيئة رسومية تُستخدم في محاكاة الأنظمة الديناميكية والنمذجة القائمة على الوقت. ومن التطبيقات التي يقوم بها محاكاة الأنظمة الخطية وغير الخطية، والروبوتات، ومعالجة الصور، والتحكم في الأنظمة.
- Python: يُستخدم في تطوير الخوارزميات التنبؤية، وتحليل البيانات، وبناء نماذج الشبكة العصبية، ومحاكاة الأنظمة المعقدة.
- Tinkercad: تطبيق قائم على الويب، يُمكن استخدامه من الهواتف الذكية، يسمح بتصميم الدوائر الكهربائية والإلكترونية ومحاكاتها. ويسمح أيضًا بتصميم نماذج ثلاثية الأبعاد، ويُستخدم في التعليم.
- ICircuit: تطبيق نمذجة الدوائر الكهربائية ومحاكاتها، يعمل على الهواتف الذكية.
المواطنة الرقميّة
- الملكية الفكرية: أنسبُ المعلومات إلى أصحابها عن طريق التوثيق الصحيح للمعلومات.
- التعامل الأخلاقي مع البيانات: أجمعُ البيانات بموافقة كاملة، وعدم استخدامها لأغراض غير مصرح بها.
- المشاركة المفتوحة: توفير الوصول إلى النماذج والبيانات بشكل مفتوح؛ لتمكين الآخرين من التحقق وإعادة استخدام النتائج.
- المسؤولية الاجتماعية: تطوير نماذج تركّز على تحسين جودة الحياة، وحلّ القضايا الاجتماعية مثل الفقر والبيئة.
- التعاون: العمل مع فرق متعددة التخصصات، وتبادل المعرفة لتحقيق أفضل النتائج.
مهمة 4
- دقة الوصف: توافق النموذج مع توصيات النظام الخبير.
- جودة التصميم: استخدام فعال لبرنامج الذكاء الاصطناعي لتصميم السيارة.
- التقييم والتحسين: بناءً على معايير المعلّم والتغذية الراجعة.
- الابتكار: إضافة أفكار جديدة وتحسينات مبتكرة.
ملخص الوحدة
- النظام الخبير: هو برنامج حاسوبي ذكي (أحد تطبيقات الذكاء الاصطناعي) يُحاكي قدرة الخبير البشري في اتخاذ قرارات في مواقف حقيقية في مجال معرفة معين؛ أي إنه قادر على حل مشكلات معقدة بمساعدة الخبرة المخزّنة. والشخص الخبير هو الشخص الذي يمتلك المعرفة العميقة في ذلك المجال، وبإمكانه اتخاذ القرارات المبنية على هذه المعرفة.
- من أنواع خوارزميات التعلّم الآلي: التعلّم الخاضع للإشراف والتعلّم غير الخاضع للإشراف.
- في التعلّم الخاضع للإشراف: تُستخدم بيانات موسومة مسبقًا لتدريب نموذج تعلّم الآلة على استنباط العلاقات التي تساعد النموذج على توقع الوسم. وتُصنف النماذج بحسب هذا النوع إلى قسمين: نماذج التصنيف، ونماذج الانحدار.
- التعلّم غير الخاضع للإشراف: نوع من التعلّم الآلي يُستخدم لاستخراج الأنماط أو الهياكل من البيانات من دون وجود وسم للبيانات، ومن ثمّ لا تُعطي البيانات التي يتدرّب النموذج عليها أي معلومات مسبقة عن الفئات أو النتائج المستهدفة.
- التعلّم المعزّز: نوع من أنواع التعلّم الآلي، يتعلّم كيفية اتخاذ القرارات عن طريق التجربة (خلال المحاولة والخطأ) والتفاعل مع البيئة بدلًا من تلقي مجموعة ثابتة من البيانات لتعلّمها.
- معالجة اللغات الطبيعية: فرع من فروع…