أصبحنا نسمع كل يوم تقريبا عن أخبار مرتبطة بالذكاء الإصطناعي و كيف أنه يقوم بأداء مهام كانت حكرا على البشر في الماضي و أنه يتجاوز الأداء البشري في مهام أخرى . لكن ياترى ما هي التقنيات العملية في الذكاء الإصطناعي والتي بالفعل يتم استخدامها حاليا في المنتجات والعمليات المرتبطة بحياتنا اليومية ؟  هناك أربعة تقنيات من الذكاء الإصطناعي تلعب دورا أساسيا في حياتنا وهي : 

1- أنظمة الاقتراح (Reccommendation System)

تعتمد الفكرة على توفير أفضل الخيارات للمستفيد من اجل تحقيق هدف معين . مثلا لزيادة نسبة الشراء في مواقع البيع كأمازون ، تقوم خوارزميات أمازون بعرض المنتجات التي ستزيد من احتمال الشركاء لذاك المستخدم بناء على تاريخه الشرائي. أساس هذه الأنظمة هو الأخذ بالاعتبار التوجه العام نحو موضوع واقتراح الأفضل بناء على التوجه العام لكل المشتركين والتوجه الخاص للفرد المراد اقتراح المادة له . هناك طرق كثيرة للجمع بين هذين التوجهين ( قد يكونا متضاربين ) ، في هذا الدرس نقدم مثال بسيط على كيفية عمل أنظمة الإقتراح مع الكود الجاهز للعمل على الكلاود 

خدمات أمازون تعتمد بشكل كبير على أنظمة الإقتراح التي تقترح أفضل المنتجات للمشتري بناء على تاريخه الشرائي و المعلومات الأخرى المتوفرة عن العميل

2- اكتشاف البيانات الشاذة (Anomaly Detection)

اكتشاف البيانات الشاذة من ضمن كمية كبيرة من البيانات يعد من اكثر التقنيات التي تستخدمها البنوك في كشف عمليات النصب والإحتيال وسرقة البطاقات الإنمائية , حيث تعتمد هذه التقنيات على معرفة النمط الشرائي العميل ( مثلا البلد التي يشتري منها و كمية الشراء ) وفي حال قام احد بسرقة البطاقة واستخدمها في مكان اخر او بكميات كبيرة تقوم تقنيات الAnomaly Detection باكتشافها وإيقاف البطاقة الإئتمانية تلقائيا . ذاك يقلل من تكاليف البنوك وشركات البطاقات الإتمائية . تعتمد في كثير كمن الأحيان على مبادئ الإحصاء للاحتمالات و شبكات بيز (Bays networks ) ( تعتبر مختلفة تماما عن الشبكات العصبية المعروفة deep neural networks ) 

هل قمت بعملية شراء ببطاقة إئتمانية خارج بلدك وفجأة تم فصل الخدمة عنك ؟ هذا لأنه شركات البطافات الإتمانية تستخدم تقنياتAnomaly Detection لمحاولة منع عمليات السرقة للبطافات الإتمانية

3- الشبكات العصبية الترشيحية (CNN) 

تعد اكثر تقنياتها لتعلم العميق استخداما وذلك لقدرتها على التعامل مع بيانات ضخمة غيرة مرتبة ( مثل الصور الآي تتكون من آلاف الأرقام المرتبة بجانب بعض (pixels) بطريقة مقننة بحيث لا تحتاج لعدد مهول من المعاملات (parameters) . منذ هام ٢٠١٢ أصبحت اكثر تقنيات الرؤية الحوسبية (computer vision) استخداما واستطاعت حل كثير من المعضلات في المجال مثل التصنيف (Classification) و الإيجاد (detection) و تحليل الفيديو (video analysis) .و نرا اثرها اليوم في سيارات تسلا التي تستخدم CNN لتوقع خط سير السيارة بناء على الصور التي تلتقطها كاميرات تسلا من الأمام .

4- الشبكات العصبية المتكررة (RNN)

تعد اكثر أنواع التقنيات التعلم العميق للتعامل مع البيانات التسلسللية ( مثل النصوص والموسيقى و الصوت ) حيث تعتمد على توقع الرقم القادم في متسلسلة بناء على الحالة (state) التي عليها الشبكة و الرقم المدخل لها ، وفي كل مرة تغير من حالتها تستطيع توقع رقم جديد لنفس المدخل . ابرز تقنيات تحليل اللغة الحديثة ( مثل Bert وTransformer ) تستخدم بشكل او بآخر هذه الشبكات . نرى واقعها اليومي علينا عبر تطبيقات ال chatbot مثل سيري واليكسا و لأدوات الترجمة مثل جوجل ترانزليت.