A4 الذكاء الاصطناعي عملياً

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• بايثون وIDLE (أو محرر آخر تستخدمه أصلاً)
• ورق

2نفّذ، خطوة بخطوة

1. السمات هي الحقائق التي ينظر إليها النموذج، مثل الطول والوزن. والتسمية هي الإجابة، مثل «قطة» أو «كلب». والتنبؤ هو تخمين النموذج.
2. افتح بايثون. اكتب هذا البرنامج وشغّله. إنه يخمّن قطة أو كلباً من الوزن وحده، باستخدام خط فاصل عند 8 كغ.

   # Each pet: [height in cm, weight in kg, what it is]
   pets = [
       [25, 4, "cat"], [23, 3, "cat"], [28, 5, "cat"], [30, 6, "cat"],
       [45, 18, "dog"], [55, 25, "dog"], [38, 9, "dog"], [60, 30, "dog"],
   ]
   
   def predict(weight):
       if weight < 8:      # our dividing line
           return "cat"
       return "dog"
   
   wrong = 0
   for height, weight, label in pets:
       guess = predict(weight)
       print(label, "-> machine says", guess)
       if guess != label:
           wrong = wrong + 1
   
   print("Wrong guesses:", wrong)

   ينبغي أن ترى شيئاً مثل:

   cat -> machine says cat
   cat -> machine says cat
   cat -> machine says cat
   cat -> machine says cat
   dog -> machine says dog
   dog -> machine says dog
   dog -> machine says dog
   dog -> machine says dog
   Wrong guesses: 0

3. ارسم الحيوانات الأليفة على الورق نقاطاً: الطول أفقياً والوزن عمودياً. لوّن القطط بلون والكلاب بلون آخر. ارسم الخط الفاصل.
4. غيّر weight < 8 إلى weight < 10 وشغّله مرة أخرى. ينبغي أن ترى Wrong guesses: 1. أي حيوان أليف مخطئ الآن؟ ولماذا؟
5. حاول أن تجد خطاً يصيب كل الحيوانات الأليفة. هل يوجد دائماً خط مثالي لأي بيانات؟

إليك مجموعة بيانات لحيوانات أليفة على شكل [الطول بالسنتيمتر، الوزن بالكيلوغرام، التسمية]: [25,4,cat], [23,3,cat], [28,5,cat], [30,6,cat], [45,18,dog], [55,25,dog], [38,9,dog], [60,30,dog]. برنامج يقول «cat» إذا كان الوزن أقل من 10، و«dog» فيما عدا ذلك. أي الحيوانات الأليفة يخطئ فيها؟ واشرح ما السمات والتسمية والتنبؤ.

3اختبر نفسك

4أرِ شخصاً بالغاً

التالي: الدرس 2

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• بايثون وIDLE
• ورق

2نفّذ، خطوة بخطوة

1. في المرة السابقة رسمت خطاً باليد. هذه المرة يجد الحاسوب الإجابة بالنظر إلى أقرب مثال رآه. تُسمّى هذه الفكرة الجار الأقرب.
2. اكتب هذا البرنامج وشغّله.

   # Each pet: [height in cm, weight in kg, what it is]
   pets = [
       [25, 4, "cat"], [23, 3, "cat"], [28, 5, "cat"], [30, 6, "cat"],
       [45, 18, "dog"], [55, 25, "dog"], [38, 9, "dog"], [60, 30, "dog"],
   ]
   
   def distance(a, b):
       # how far apart two pets are, using height and weight
       return ((a[0] - b[0]) ** 2 + (a[1] - b[1]) ** 2) ** 0.5
   
   def predict(training_pets, new_pet):
       # find the closest pet we have already seen and copy its label
       closest = min(training_pets, key=lambda pet: distance(pet, new_pet))
       return closest[2]
   
   print(predict(pets, [27, 4]))
   print(predict(pets, [50, 20]))
   print(predict(pets, [300, 500]))   # a pet unlike anything it has seen

   ينبغي أن ترى شيئاً مثل:

   cat
   dog
   dog

3. اقرأ الإجابات. الأوليان منطقيتان. والحيوان الثالث طوله 300 سم ووزنه 500 كغ، أكبر بكثير من أي حيوان أليف رآه من قبل.
4. غيّر الأرقام في قائمة الحيوانات الأليفة، أو أضف حيوانين جديدين، وشغّل من جديد. أضف نوعاً ثالثاً من الحيوانات إن شئت، مثل «rabbit».
5. اطبع تنبؤات لـ 5 حيوانات أليفة جديدة من اختيارك.

باستخدام مجموعة البيانات هذه [الطول، الوزن، التسمية]: [25,4,cat], [23,3,cat], [28,5,cat], [30,6,cat], [45,18,dog], [55,25,dog], [38,9,dog], [60,30,dog]. تنبّأ بـ cat أو dog للقيم [27,4] و[50,20] و[300,500]. وقل ما مدى ثقتك في كل منها.

3اختبر نفسك

4أرِ شخصاً بالغاً

التالي: الدرس 3

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• بايثون وIDLE
• ورق

2نفّذ، خطوة بخطوة

1. الإفراط في الملاءمة هو أن يتعلّم النموذج أمثلة تدريبه أكثر من اللازم، بما فيها أخطاؤها، ثم يؤدي أداءً سيئاً مع الأشياء الجديدة.
2. شغّل هذا البرنامج. إنه يصنع بيانات مفترضة (فيها بعض التسميات الخاطئة كالبيانات الحقيقية)، ويقسمها إلى مجموعة تدريب ومجموعة اختبار، ويختبر نموذجين.

   import random
   random.seed(1)
   
   # Make 40 pretend pets: [height, weight, label]. About 1 in 7 labels are mistakes,
   # like real data often has.
   data = []
   for i in range(40):
       weight = random.uniform(2, 30)
       height = weight * 1.5 + 20 + random.uniform(-8, 8)
       label = "cat" if weight < 10 else "dog"
       if random.random() < 0.15:
           label = "dog" if label == "cat" else "cat"
       data.append([round(height, 1), round(weight, 1), label])
   
   random.shuffle(data)
   train = data[:30]      # to learn from
   test = data[30:]       # kept back to check
   
   def distance(a, b):
       return ((a[0] - b[0]) ** 2 + (a[1] - b[1]) ** 2) ** 0.5
   
   def nearest_pet(training, pet):
       closest = min(training, key=lambda p: distance(p, pet))
       return closest[2]
   
   def simple_rule(training, pet):
       return "cat" if pet[1] < 10 else "dog"
   
   def accuracy(model, training, pets):
       right = 0
       for pet in pets:
           if model(training, pet) == pet[2]:
               right = right + 1
       return right / len(pets)
   
   print("Nearest pet, on pets it has seen:", accuracy(nearest_pet, train, train))
   print("Nearest pet, on new pets:        ", round(accuracy(nearest_pet, train, test), 2))
   print("Simple rule, on pets it has seen:", round(accuracy(simple_rule, train, train), 2))
   print("Simple rule, on new pets:        ", round(accuracy(simple_rule, train, test), 2))

   ينبغي أن ترى شيئاً مثل:

   Nearest pet, on pets it has seen: 1.0
   Nearest pet, on new pets:         0.8
   Simple rule, on pets it has seen: 0.87
   Simple rule, on new pets:         0.8

3. ينبغي أن تكون أرقامك قريبة جداً من الأرقام أعلاه. اقرأها. نموذج أقرب حيوان أليف يحقق 100% على الحيوانات التي رآها أصلاً، لكن نحو 80% فقط على الحيوانات الجديدة. لماذا هو مثالي على مجموعة التدريب؟
4. القاعدة البسيطة تحقق نتيجة متقاربة تقريباً على المجموعتين. أي النموذجين أكثر أماناً للوثوق به؟ ولماذا؟
5. غيّر random.seed(1) إلى رقم آخر وشغّل من جديد. هل تتغير الأرقام؟ وهل تحكي القصة نفسها؟
6. اكتب 3 جمل تشرح فيها الإفراط في الملاءمة لطفل أصغر.

نموذج يجد أقرب حيوان أليف حقق 100% على حيوانات رآها أصلاً و80% على حيوانات جديدة. وقاعدة بسيطة حققت 87% على حيوانات رآها و80% على حيوانات جديدة. أي النموذجين ستثق به، ولماذا؟ اشرح الإفراط في الملاءمة في ثلاث جمل.

هل أنت متأكد؟

3اختبر نفسك

4أرِ شخصاً بالغاً

التالي: الدرس 4

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• بايثون وIDLE
• ورق

2نفّذ، خطوة بخطوة

1. التحيّز في البيانات يعني أن بعض المجموعات غائبة أو ممثَّلة تمثيلاً ناقصاً، فيعمل النموذج معها بشكل أسوأ. يستخدم هذا البرنامج بيانات مفترضة عن القروض. هؤلاء ليسوا أشخاصاً حقيقيين.
2. شغّل هذا البرنامج. في المجموعة A هناك 31 شخصاً، وفي المجموعة B خمسة فقط.

   # PRETEND data, not real people. Each person: [group, income, got the loan back?]
   people = []
   for income in range(10, 71, 2):          # Group A: 31 people
       people.append(["A", income, income >= 30])
   for income in [12, 18, 24, 30, 36]:      # Group B: only 5 people
       people.append(["B", income, income >= 15])
   
   def model(income):
       # a rule a machine might learn if it mostly saw Group A
       return income >= 30
   
   def accuracy(group):
       right = 0
       total = 0
       for g, income, truth in people:
           if group == "all" or g == group:
               total = total + 1
               if model(income) == truth:
                   right = right + 1
       return right, total
   
   for group in ["all", "A", "B"]:
       right, total = accuracy(group)
       print(group, ":", right, "right out of", total)

   ينبغي أن ترى شيئاً مثل:

   all : 34 right out of 36
   A : 31 right out of 31
   B : 3 right out of 5

3. انظر إلى الأرقام. النموذج صحيح مع المجموعة A كلها، لكن مع 3 من 5 فقط في المجموعة B. وفي المجمل يبدو رائعاً (34 من 36). لماذا هذا مضلِّل؟
4. الآن اكتشف الظلم. القاعدة «دخل لا يقل عن 30» تصلح للمجموعة A. أما للمجموعة B فالحد الحقيقي أقل، لكن النموذج لم يرَ منها ما يكفي ليتعلّم ذلك.
5. اكتب ثلاث طرق للإصلاح: مزيد من بيانات المجموعة B، وسمات مختلفة، وشخص يراجع الحالات الحدّية.
6. اختم بـ: «قد يكون هذا النموذج غير عادل مع ______ لأن ______.»

اكتب توصية وظيفية من جملتين لـ [الاسم]، وهو نادل مقهى موثوق يتقدم لوظيفة بائع في متجر. استخدم هذه الأسماء، اسماً في كل أمر: ليلى، يوسف، وي، بريا. ابدأ محادثة جديدة لكل اسم.

3اختبر نفسك

4أرِ شخصاً بالغاً

التالي: الدرس 5

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• بايثون وIDLE
• ورق

2نفّذ، خطوة بخطوة

1. يعمل النموذج اللغوي بالتنبؤ بكلمة تالية مرجّحة. إنه لا يبحث عن الأشياء ولا يعرف ما هو الصحيح. يبيّن هذا البرنامج الصغير الفكرة.
2. اكتب متنبّئ الكلمة التالية هذا وشغّله.

   from collections import Counter
   
   text = "the cat sat on the mat the cat ate the fish".split()
   
   next_words = {}
   for current, nxt in zip(text, text[1:]):
       next_words.setdefault(current, Counter())[nxt] += 1
   
   print(next_words["the"].most_common(2))
   
   # Now let the machine write by always picking the most likely next word
   word = "the"
   sentence = [word]
   for _ in range(6):
       if word not in next_words:
           break
       word = next_words[word].most_common(1)[0][0]
       sentence.append(word)
   print(" ".join(sentence))

   ينبغي أن ترى شيئاً مثل:

   [('cat', 2), ('mat', 1)]
   the cat sat on the cat sat

3. يبيّن السطر الأول الكلمات التي تأتي في الأغلب بعد «the» في النص الصغير. ويبيّن السطر الثاني الآلة وهي تكتب باختيار الكلمة التالية الأرجح دائماً. فتصنع جملة تبدو صحيحة نوعاً ما لكنها تدور في حلقة. لا فكرة لديها ما القطة.
4. تنبّأ بالكلمة التالية باليد بعد «cat» و«on»، ثم تحقّق منها في البرنامج. أضف جملاً إلى قائمة النص وراقب تغيّر التنبؤات.
5. الآن حقّق. أدناه إجابة كتبها ذكاء اصطناعي مفترض، اختُلقت لهذا الدرس. اقرأ كل ادعاء. علّمه صحيحاً أو غير واضح أو مختلقاً، واكتب كيف ستتحقق منه. لا تكتب هذا في أي أداة ذكاء اصطناعي حقيقية.
6. اكتب ثلاث قواعد للتحقق من إجابة الذكاء الاصطناعي قبل أن تثق بها.

جرّب هذه

أعطني معلومة طريفة واحدة عن القمر في جملة واحدة.

حدّثني عن المدينة المسماة لونا برايم على القمر، بما في ذلك كم شخصاً يعيش فيها.

ما مصادرك لذلك؟ أعطني روابط.

3اختبر نفسك

4أرِ شخصاً بالغاً

التالي: الدرس 6

1. 1استعدّ
2. 2نفّذ
3. 3اختبر نفسك
4. 4أرِ شخصاً بالغاً

1استعدّ

تحتاج إلى:

• ورق
• قلم
• لا حاجة إلى حاسوب

2نفّذ، خطوة بخطوة

1. اختر بطاقة حالة واحدة من الأدنى. اكتب ما الذي قد يسوء، ولمن.
2. فكّر في الأمر من عدة جوانب: من يصنعونه، ومن يُستخدم عليهم، ومن قد يُغفَل. من المتأثر؟ ومن المسؤول إذا ساء الأمر؟
3. فكّر في الخصوصية (ما البيانات المستخدمة؟)، وحقوق النشر (عمل من استُخدم في صنعه؟)، والحق في قول لا (هل يستطيع الناس الانسحاب؟).
4. اكتب صفحة واحدة تدافع فيها عن موقف. أدخل أفضل حجة من الجانب الآخر وقل لماذا ما زلت متمسكاً برأيك.
5. اكتب مدونة السلوك الخاصة بك للذكاء الاصطناعي: 5 قواعد لكيفية استخدامك له. مثلاً: «سأقول متى ساعدني الذكاء الاصطناعي.»
6. اقرأ مدونتك على أحد. واسأله أي القواعد أهم.

جرّب هذه

أعطني أفضل الحجج مع هذا الأمر وضده: يستخدم متجر كاميرات تتعرّف على الوجوه لمنع دخول من يظن أنهم تسببوا بمشكلة من قبل. أعطني ثلاث نقاط لكل جانب، وقل من قد يتأثر.

اكتب مدونة سلوك من خمس قواعد لطالب يستخدم أدوات الذكاء الاصطناعي. اجعل كل قاعدة جملة واحدة.

3اختبر نفسك

4أرِ شخصاً بالغاً