• صاحب المنشور: رندة بن بكري
  
  ملخص النقاش:
  التكنولوجيا الحديثة شهدت تطوراً ملحوظاً مع ظهور الذكاء الاصطناعي (AI) والتعلم الآلي (ML)، لكن قد توجد بعض الارتباك حول الفرق بينهما. يعمل كلاهما نحو تعزيز القدرات الحاسوبية لتشبه القدرات البشرية الروبوتية، ولكن هناك اختلافات جوهرية فيما يتعلق بالتقنيات المستخدمة والأهداف النهائية.

في الأساس، يعد التعلم الآلي أحد فروع الذكاء الاصطناعي التي تتخصص في بناء نماذج يمكنها تحسين أدائها بشكل مستقل عبر الوقت - باستخدام البيانات والصيغ الرياضية المعقدة.

الذكاء الاصطناعي هو مجال أكثر شمولًا يضم استخدام الخوارزميات والحلول لحل المشكلات بطرق تُذكرنا بالسلوك الإنساني. بينما يستفيد الذكاء الاصطناعي من مجموعة واسعة من التقنيات مثل الشبكات العصبونية والأنظمة القائمة على القواعد، فإن التعلم الآلي يشمل عادةً خوارزميات التعلم الآلي المتكررة والمراقبة.

**أوجه التشابه**:

* تكامل الدوران: غالبًا ما يتم دمج تقنيات ML داخل حلول AI الأكثر تقدمًا لرفع مستوى الأداء أو الاستقلالية.

* معالجة البيانات الضخمة: كلتا التقنيتين فعالان للغاية عند التعامل مع بيانات ضخمة ومتنوعة.

**أوجه الاختلاف**:

1. الهدف العام: يهدف الذكاء الاصطناعي إلى محاكاة التفكير البشري والسلوك بغض النظر عن الطريقة، أما التعلم الآلي فهو مركز بشكل خاص حول قدرته على التحسن بدون برمجة مباشرة بعد الحصول على المزيد من البيانات المدربة عليها.
2. طريقة العمل: يعمل الذكاء الاصطناعي بواسطة قواعد منسقة تم وضعها يدويًا أو نظام عميل وكالة يعرف باسم "العقل" الذي يحاول محاكاة العمليات الإدراكية للإنسان مثل الرؤية والاستماع والفهم والتفاعل الاجتماعي. بينما يستخدم التعلم الآلي أمثلة وأمثلة مدربة لتحقيق القدرة على تعلم وتوقع الأشياء بنفسها مما يسمى بالتعلُّم المُعزَّز والمعَرفَة غير الفورية كذلك التعلم الشبيه بالإنسان وغيره الكثير حسب النموذج المستعمل لهيكل البرنامج المعتمد عليه سواء كان ذلك باستخدام شبكة عصبية اصطناعية متعددة الطبقات ومترابطة ام بالأصل آلات القرار وقواعد المنطق ذوات العلاقات الثنائيه الأخرى.
3. الحاجة للبيانات: يتطلب الذكاء الاصطناعي كميات كبيرة ومختلفة الجودة والكفاءة خلال عملية التدريب بالإضافة لأحداث خارجية للحصول علي المعلومات اللازمة لاتخاذ قرارات اتوماتيكية ذاتيا؛بينما تعتبر باقي أنواع الذكاء الصناعى اكثر استقلاليا ضمن ظروف محددة فقد تحتاج انواع منها لمجموعة أصغر بكثير إذا كانت موجّهة لدعم وظيفة واحدة خاصة مقارنة بتلك الخاصة بتعلم الآلة والتي تعتمد اعتماد كبير نسبياً نظرا لأنه كلما زادت جودة البيانات وزاد حجمها يتحسن الأداء بدرجه أكبر وبالتالي تحقيق نسب نجاح اعلى لنشر هذه النوع الأخير للأجهزة خارج حدود البيئات المنزلية والشركات الصغيرة الى بيئة عمل خدمات الدولة الحكومية الكبرى مثلا .فهذه الأخيرة تشهد حاليا نموا