تكشف طبقات الذكاء الاصطناعي السبع عن التطور المتسارع الذي شهده هذا المجال، بدءًا من الأنظمة البسيطة المعتمدة على القواعد، وصولًا إلى الأنظمة القادرة على الإبداع والتخطيط. ومع استمرار التقدم العلمي، يقترب العالم أكثر من بناء أنظمة ذكية تمتلك قدرات غير مسبوقة. ومع ذلك، يبقى التحدي الأكبر هو ضمان استخدام هذه التقنيات بشكل أخلاقي وآمن يخدم البشرية ويعزز جودة الحياة بدلًا من تهديدها.
حيث تصف رحلة تطور الأنظمة الذكية من القواعد البرمجية البسيطة. وصولًا إلى حلم الذكاء العام الاصطناعي. (AGI) وتمثل هذه الطبقات مراحل متدرجة في قدرة الآلة على التعلم، والفهم، والإبداع، واتخاذ القرار.
الطبقة الأولى: الذكاء الاصطناعي التقليدي (Classical AI)
تُعد هذه المرحلة البداية الحقيقية للذكاء الاصطناعي منذ خمسينيات القرن الماضي. اعتمدت الأنظمة في هذه المرحلة على القواعد المحددة مسبقًا وأشجار القرار. أي أن المبرمج يضع تعليمات واضحة، وتقوم الآلة بتنفيذها دون تعلم أو تطوير ذاتي.
ومن أمثلة ذلك: البرامج التي تلعب الشطرنج وفق قواعد ثابتة. أنظمة اتخاذ القرار البسيطة. الآلات الحاسبة والأنظمة الخبيرة القديمة. ورغم محدودية هذه الأنظمة، فإنها وضعت الأساس العلمي لفكرة الآلة الذكية.
الطبقة الثانية: تعلم الآلة (Machine Learning)
مع زيادة البيانات وقوة الحوسبة، ظهر مفهوم تعلم الآلة، حيث أصبحت الأنظمة قادرة على التعلم من البيانات واكتشاف الأنماط بدلًا من الاعتماد الكامل على القواعد المكتوبة.
تعتمد هذه المرحلة على تدريب النماذج باستخدام كميات ضخمة من البيانات، مما يسمح لها بالتنبؤ واتخاذ القرارات بدرجة من الدقة.
ومن تطبيقاتها: التوصيات في منصات المشاهدة والتسوق. كشف الاحتيال البنكي. تحليل سلوك المستخدمين. وقد شكلت هذه المرحلة نقلة نوعية لأنها منحت الآلة القدرة على التعلم بدلًا من التنفيذ فقط.
الطبقة الثالثة: الشبكات العصبية (Neural Networks)
استُلهمت الشبكات العصبية من طريقة عمل الدماغ البشري، حيث تتكون من طبقات مترابطة من العُقد أو الخلايا العصبية الاصطناعية.
تساعد هذه الشبكات في معالجة المشكلات المعقدة التي يصعب حلها بالبرمجة التقليدية، مثل: التعرف على الصور. فهم النصوص. تحليل الأصوات. وكلما زادت طبقات الشبكة، أصبحت أكثر قدرة على استخراج الأنماط المعقدة.
الطبقة الرابعة: التعلم العميق (Deep Learning)
يُعتبر التعلم العميق تطويرًا متقدمًا للشبكات العصبية، حيث يستخدم عددًا كبيرًا من الطبقات لمعالجة البيانات بعمق أكبر. وقد أحدث هذا المجال ثورة حقيقية في: التعرف على الوجوه. الترجمة الفورية. المساعدات الصوتية. السيارات ذاتية القيادة. كما ساهم في تطوير النماذج اللغوية الكبيرة وأنظمة معالجة الصور والصوت بشكل غير مسبوق.
الطبقة الخامسة: الذكاء الاصطناعي التوليدي (Generative AI)
تمثل هذه المرحلة الأنظمة القادرة على إنشاء محتوى جديد بدلًا من مجرد تحليله. فأصبحت الآلة تنتج نصوصًا وصورًا ومقاطع صوتية وفيديوهات بطريقة تحاكي الإبداع البشري.
ومن أبرز الأمثلة: OpenAI وChatGPT في إنشاء النصوص. Midjourney لتوليد الصور. أدوات إنشاء الموسيقى والفيديو بالذكاء الاصطناعي. وقد غيّرت هذه المرحلة مفهوم الإبداع الرقمي والإنتاج الإعلامي.
الطبقة السادسة: الذكاء الاصطناعي الوكيلي (Agentic AI)
من الواضح أن العالم يقف حاليًا عند هذه المرحلة تقريبًا. فالذكاء الوكيلي لا يكتفي بتوليد المحتوى، بل يستطيع: التخطيط. اتخاذ القرارات. تنفيذ المهام. العمل بشكل شبه مستقل.
وتعد هذه الأنظمة: ChatGPT-Anthropic Claude– Google Gemini- Midjourney بداية هذا المستوى، حيث أصبحت قادرة على تنفيذ مهام متعددة بشكل مترابط. ويُتوقع أن تُستخدم هذه الأنظمة مستقبلًا كمساعدين رقميين مستقلين في الأعمال والتعليم والبرمجة وإدارة المشاريع.
الطبقة السابعة: الذكاء العام الاصطناعي (AGI)
تمثل هذه المرحلة الهدف الأكبر للباحثين، وهي الوصول إلى نظام يمتلك ذكاءً عامًا يماثل الإنسان أو يتفوق عليه في جميع المجالات.
في هذه المرحلة ستكون الآلة قادرة على: الفهم الشامل. التعلم الذاتي المستمر. التفكير المنطقي والإبداعي. التكيف مع أي مهمة جديدة.
يشار إلى أن هذا المستوى لم يتحقق بعد، وما يزال في إطار الأبحاث والتوقعات المستقبلية.
*أستاذ تكنولوجيا المعلومات والاتصالات ICT
