عاجل
«Clayface» في الصدارة.. تعرف على إيرادات أفلام الرعب بدور العرض المصريةمباشر مباراة القادسية السعودي ضد السد القطري اليوم (0-0) في أبطال آسيا.. النتيجة لحظة بلحظةلحظة بلحظة.. طرابزون 3 -2 ريزة سبور.. الثالث لطرابزونمحافظ السويس يتابع حملة التطعيم ضد الحصبة والحصبة الألمانيةسيول بوادي الطيبة في وسط سيناء وتحذيرات من موجة أقوى الثلاثاء والأربعاءجامعة دمنهور تطلق سلسلة "اعرف جامعتك.. بين الأمس واليوم".. إنفوجرافمن يستحق الكرة الذهبية 2026؟.. ماذا تقول أرقام المرشحين الأربعة؟أبل تستعد لأول MacBook Pro بشاشة لمس OLED
الإضافة إلى المصادر المفضلة

دمج المنطق مع التعلم العميق.. كل ما تريد معرفته عن الذكاء الاصطناعى «العصبى»

منذ 5 شهر

رغم النجاح الهائل لنماذج الذكاء الاصطناعي مثل ChatGPT، إلا أنها لا تزال تفتقر إلى "المنطق" الحقيقي؛ فهي تتنبأ بالكلمة التالية بناءً على الاحتمالات الإحصائية لكنها لا تفهم "القواعد" الكامنة خلف الأشياء، هنا يأتي دور الذكاء الاصطناعي "الرمزي العصبي" (Neuro-symbolic AI)، وهو توجه جديد يسعى لدمج قوة التعلم العميق في معالجة البيانات مع دقة المنطق الرمزي الذي يحاكي التفكير البشري الواعي.

وفقاً لأبحاث من Stanford HAI (معهد ستانفورد للذكاء الاصطناعي المرتكز على الإنسان)، فإن هذا الدمج يحل مشكلة "الصندوق الأسود" في الذكاء الاصطناعي الحالي، حيث يصعب معرفة لماذا اتخذ النموذج قراراً معيناً، و من خلال إضافة طبقة "رمزية" تعتمد على القواعد والمنطق، يصبح بإمكاننا بناء أنظمة ذكية ليس فقط قادرة على التعلم من البيانات الضخمة، بل وقادرة أيضاً على شرح قراراتها بأسلوب منطقي مفهوم للبشر.

علاج فجوة التفسير والمنطق

في الأنظمة العصبية الرمزية، يتم تقسيم العمل، الجزء "العصبي يتولى المهام الإدراكية مثل التعرف على الصور والأصوات، بينما يتولى الجزء "الرمزي" عملية الاستدلال المنطقي واتخاذ القرارات بناءً على قواعد معرفية مسبقة، وهذا النهج يقلل بشكل كبير من ظاهرة "الهلوسة" في نماذج اللغة، حيث يمنع المنطق الرمزي النموذج من تقديم إجابات تتناقض مع الحقائق الفيزيائية أو الرياضية الثابتة.

كفاءة البيانات والتعلم من أمثلة قليلة

أحد أكبر عيوب التعلم العميق هو حاجته لملايين الأمثلة ليتعلم شيئاً بسيطاً، في المقابل، يتيح الذكاء الاصطناعي الرمزي العصبي للأنظمة التعلم من بيانات أقل بكثير؛ لأنها تمتلك بالفعل "هيكلاً منطقياً" يساعدها على فهم السياق بسرعة، ويعد  هذا التطور ضروري جداً في مجالات مثل التشخيص الطبي، حيث لا تتوفر دائماً ملايين الصور لكل مرض نادر، مما يتطلب ذكاءً قادراً على الربط بين المعرفة الطبية النظرية والصور المتاحة.


لفهم كيفية تطبيق هذا الذكاء في الأنظمة البرمجية:

1- يتم تزويد النظام بقاعدة معرفية (Knowledge Graph) تحتوي على حقائق ثابتة عن العالم.
2- تستخدم الشبكات العصبية لتحليل المدخلات غير المنظمة مثل الصور أو الكلام.
3- يتم تحويل مخرجات الشبكة العصبية إلى "رموز" منطقية يمكن للنظام معالجتها.
4- يقوم محرك الاستدلال بربط هذه الرموز بالقواعد الموجودة للتأكد من صحة النتائج.
5- يتم توليد مخرج نهائي مدعوم بـ "تقرير تفسيري" يوضح الخطوات المنطقية التي أدت للقرار.
 

✎

فريق تحرير اعرف سبورت

فريق تحرير اعرف سبورت خبرة في الصحافة الإلكترونية وإعداد وتحرير التقارير الاقتصادية، وفي صياغة المحتوى وفق معايير تحسين محركات البحث (SEO) يتابع الحدث لحظة وقوعه ويتابع كافة أخبار مصر والعالم العربي علي مدار 24 ساعة بدقة وإحترافية

تابعوا آخر الأخبار العربية والعالمية، وآخر المستجدات السياسية والاقتصادية والرياضية أولًا بأول عبر جوجل نيوز

أخبار ذات صلة