كيف يتخذ الذكاء الاصطناعي قراراته؟

الخطوة التي صدمت عباقرة البشر

في التاسع من مارس عام 2016، داخل قاعة مغلقة في فندق فور سيزونز بالعاصمة الكورية سيول، جلس بطل العالم في لعبة "غو" (Go)، الكوري الجنوبي لي سيدول، في مواجهة خصم فريد من نوعه.

الخصم لم يكن بشراً، بل كان برنامجاً حاسوبياً طورته شركة Google DeepMind يُدعى "ألفا غو" (AlphaGo).

لعبة "غو" تشتهر بأنها أعقد من الشطرنج بآلاف المرات، حيث تفوق احتمالات نقلاتها عدد ذرات الكون المرئي بأكمله، مما يجعل الاعتماد على الحسابات التقليدية مستحيلاً.

في النقلة رقم 37 من المباراة الثانية، قام البرنامج بحركة وصفتها التحليلات البشرية الفورية بأنها "خطأ فادح" لا يمكن لخطاط محترف ارتكابه.

وضع البرنامج حجر اللعب في مساحة ميتة وغير منطقية على رقعة اللعب، مما أثار دهشة المعلقين وصدمة البطل البشري الذي غادر الغرفة لبضع دقائق ليستوعب ما حدث.

لكن بعد عشرات النقلات اللاحقة، تبين أن تلك الحركة الغريبة كانت ضربة عبقرية مهدت للبرنامج السيطرة الكاملة على مجريات اللعب وتحقيق انتصار تاريخي.

تلك اللحظة لم تكن مجرد فوز في لعبة؛ بل كانت الإعلان الرسمي عن ولادة نمط جديد من التفكير واتخاذ القرار خارج حدود الإدراك البشري التقليدي.

المعضلة: كيف تفكر الآلة الصامتة؟

لطالما ارتبط مفهوم اتخاذ القرار بالوعي، والحدس، والمشاعر الإنسانية التي تتراكم عبر سنوات من التجارب الحياتية.

الآلة، في أصلها، لا تملك قلباً ينبض ولا وعياً يشعر بالخوف أو الحماس، فكيف تمكنت من صياغة قرارات معقدة تتفوق بها على العقل البشري؟

السر يكمن في تحويل الفوضى الواقعية إلى لغة تفهمها المعالجات: الأرقام والاحتمالات الرياضية.

المرحلة الأولى: جمع البيانات وحس الإدراك الرقمي

الخطوة الأولى في عملية اتخاذ القرار لدى الذكاء الاصطناعي تبدأ من استهلاك كميات هائلة من البيانات، وهي ما يُعرف بالمدخلات (Inputs).

إذا كان البشر يدركون العالم عبر الحواس الخمس، فإن أنظمة الذكاء الاصطناعي تدرك العالم عبر ملفات النصوص، الصور، مقاطع الفيديو، وقراءات الحساسات الرقمية.

هذه البيانات الخام لا تعني شيئاً للآلة في البداية، إذ تظهر ككتل ضخمة من الأرقام الثنائية (الصفر والواحد) التي تحتاج إلى فك شفرة وتصنيف مسبق.

تقوم الخوارزميات بتنظيف هذه البيانات، مستبعدة الضوضاء والتشوهات، لتجهيزها للمرحلة الأكثر تعقيداً: استخلاص الميزات والخصائص الفريدة.

المرحلة الثانية: بناء الخرائط الذهنية عبر الشبكات العصبية

تعتمد الأنظمة الحديثة على ما يُعرف باسم الشبكات العصبية الاصطناعية (Artificial Neural Networks)، وهي محاكاة برمجية مبسطة لطريقة عمل الخلايا العصبية في الدماغ البشري.

تتكون هذه الشبكات من طبقات متعددة: طبقة المدخلات، وطبقات خفية متعددة، وطبقة المخرجات التي تصدر القرار النهائي.

في الطبقات الخفية، تجري عمليات معالجة معقدة لربط العلاقات بين المتغيرات وتحديد الأنماط المتكررة التي لا يمكن للعين البشرية ملاحظتها.

مفهوم الأوزان والانحيازات (Weights and Biases)

لكل اتصال بين الخلايا العصبية البرمجية قيمة رقمية تُسمى "الوزن"، وهي تحدد مدى أهمية هذه المعلومة في اتخاذ القرار النهائي.

أثناء عملية التدريب، يقوم النظام بتعديل هذه الأوزان باستمرار بناءً على نسبة الخطأ في قراراته التجريبية حتى يصل إلى دقة متناهية.

أما "الانحياز" فهو قيمة مضافة تساعد الشبكة على تعديل مخرجاتها لتجنب الجمود وضمان مرونة التنبؤ في الظروف غير المألوفة.

المرحلة الثالثة: حساب الاحتمالات والموازنة الإحصائية

الذكاء الاصطناعي لا يملك يقيناً مطلقاً، بل يعيش في عالم من الاحتمالات الإحصائية المقارنة والمستمرة.

عندما يواجه النظام موقفاً يتطلب قراراً، مثل تحديد ما إذا كانت الصورة تحتوي على ورم سرطاني أم لا، فإنه لا يجيب بـ "نعم" أو "لا" مباشرة.

بل يقوم بحساب نسبة الاحتمال؛ على سبيل المثال: "احتمال وجود ورم هو 98.4%، واحتمال كونه نسيجاً سليماً هو 1.6%".

بناءً على عتبة القرار (Decision Threshold) المبرمجة مسبقاً، يتخذ النظام الإجراء المناسب بإرسال تنبيه عاجل للطبيب المعالج.

المرحلة الرابعة: التعلم بالتعزيز (قوة العقاب والثواب)

كيف تمكن برنامج "ألفا غو" من ابتكار نقلات لم يتعلمها من البشر؟ الإجابة تكمن في خوارزميات التعلم بالتعزيز (Reinforcement Learning).

في هذا النموذج، يُترك نظام الذكاء الاصطناعي ليتفاعل مع بيئة افتراضية محددة القواعد دون توجيه مباشر من الخبراء.

يتم مكافأة النظام رقمياً بنقاط إيجابية عندما يتخذ قراراً يقربه من الهدف النهائي (مثل الفوز بالمباراة)، ويُعاقب بنقاط سلبية عند ارتكاب الأخطاء.

عبر ملايين المحاولات الذاتية واللعب ضد نسخ مكررة من نفسه، يكتشف النظام استراتيجيات معقدة ومبتكرة لم تخطر على بال المبرمجين أنفسهم.

الصندوق الأسود: الجانب الغامض في قرارات الآلة

مع زيادة تعقيد الشبكات العصبية العميقة، وصلنا إلى مرحلة تقنية حرجة تُعرف بمعضلة "الصندوق الأسود" (Black Box).

في هذه الأنظمة، نعرف المدخلات التي نغذي بها الآلة، ونبهر بالمخرجات والقرارات الدقيقة التي تنتجها، لكننا لا نستطيع معرفة الكيفية الدقيقة التي اتخذت بها الآلة هذا القرار بالتحديد.

هذا الغموض يثير قلقاً كبيراً في قطاعات حساسة مثل الطب، والعدالة الجنائية، والأنظمة الدفاعية، حيث يتطلب القانون تفسيراً واضحاً للقرارات المتخذة.

لحل هذه المعضلة، نشأ فرع جديد يسمى الذكاء الاصطناعي القابل للتفسير (Explainable AI)، ويهدف إلى جعل قرارات الآلة شفافة ومفهومة للبشر.

تطبيقات واقعية: كيف تقود الآلات عالمنا اليوم؟

لم يعد اتخاذ القرار بالذكاء الاصطناعي محصوراً في غرف الألعاب المغلقة، بل أصبح المحرك الخفي للاقتصاد العالمي المعاصر.

1. السيارات ذاتية القيادة

تتخذ سيارات مثل تسلا مئات القرارات في الأجزاء من الثانية: هل تتفادى العائق بالانعطاف يميناً أم بالضغط على المكابح؟

تقوم أنظمة الرؤية الحاسوبية بتحليل دفق الفيديو القادم من الكاميرات، وتوقع مسار المشاة والسيارات المحيطة، واتخاذ القرار الآمن لحماية الركاب.

2. التشخيص الطبي الفوري

تعتمد المستشفيات الحديثة على خوارزميات الذكاء الاصطناعي لفحص صور الأشعة السينية وتحليلات الدم المعقدة لتشخيص الأمراض النادرة.

تتخذ الآلة هنا قراراً استشارياً حاسماً يساعد الأطباء في اختيار بروتوكول العلاج الأنسب بناءً على ملايين الحالات التاريخية المشابهة.

3. التداول المالي في وول ستريت

تنفذ خوارزميات التداول عالي التردد آلاف عمليات البيع والشراء للأسهم والسندات في أجزاء من الميكروثانية.

تتخذ هذه الأنظمة قراراتها بناءً على تحليل الأخبار الاقتصادية الفورية، وتقلبات الأسعار، والنزعات التاريخية لتعظيم الأرباح وتجنب الانهيارات المفاجئة.

النصيحة الذهبية: التكامل لا الاستبدال

"الذكاء الاصطناعي لا يهدف إلى محاكاة العقل البشري بالكامل، بل إلى تقديم منظور تكميلي خالٍ من التحيز الإنساني والإنهاك البدني."

القرار الأمثل في المستقبل لن يصدر من الآلة وحدها، ولا من الإنسان بمفرده، بل من التعاون الوثيق بينهما.

الآلة تتفوق في معالجة البيانات الضخمة وحساب الاحتمالات المعقدة بسرعة فائقة، بينما يتفوق البشر في الفهم الأخلاقي، والتعاطف، والقدرة على التعامل مع المواقف الفريدة التي لم تحدث من قبل.

من أجل الاستفادة القصوى من هذه الثورة التقنية، يجب على المؤسسات والشركات بناء أنظمة هجينة تضع الإنسان في حلقة اتخاذ القرار (Human-in-the-loop) لضمان الأمان والمسؤولية الأخلاقية.