نظريًا، لتكون الخوارزمية جيدة يجب أن تكون نتيجتها مستقلة عن نقطة الانطلاق. لكن للتجربة رأي أخر، فنتيجة الخوارزميات المعتمدة على التخمين و العشوائية ترتكز بطريقة شبه كلية على نقطة الإنطلاق، أي الساكنة البدئية في حالة الخوارزميات التحسينية المستوحاة من الطبيعة.
فعلى سبيل المثال، إن كان التمثيل الطبوغرافي لفضاء الحلول الممكنة عبارة عن تلين (مثنى تلال)، إحداهما متمركز في وسط الفضاء ويغطي أغلب مساحة الفضاء. والأخر منحصر في منطقة محددة داخل التل الأول، ولكن ليس في المركز. فلنسقط هذا التمثيل على أرض الواقع لنجعله لعبة إيجاد كنز، والساكنة البدئية هي اللاعبين. كل لاعب مغمض العينين، أي طريقته الوحيدة للتنقل هي الشعور بالانحدار بواسطة قدميه، ويمكنه التقدم فقط للأعلى أو للأمام إن لم يكن هناك انحدار.
كما يمكن للاعبين إعطاء تلميحات لبعضهم البعض، ولكن تلك التلميحات يمكن أن تكون صحيحة أو خاطئة. في هذه الحالة ندرك أن توزيع اللاعبين جد مهم. ذلك لأنه إن كان الكنز على قمة التل الأول فسيسير الجميع نحو قمته، نظرًا لتغطيته أغلب مساحة الفضاء وهذا جيد. لكن إن كانت أعلى نقطة في التل الثاني أي قمته هي الحل الأمثل لمشكلتنا أي مكان الكنز، فمن الصعب للغاية أن يصلها أي لاعب إن لم يكن توزيعهم ملائمًا.
الشيء الذي لا نستطيع تجنبه في أغلب المشاكل الحقيقية لكوننا غير قادرين على تمثيل فضاءات الاحتمالات ودراستها وتوزيع اللاعبين حول التل الذي يتواجد عليه الكنز. وبالتالي فأغلب اللاعبين في تلك الحالة سيتحركون نحو أعلى نقطة في التل الأول وسيتجاهلون التل الثاني لكونه منحدر وانحداره مرتكز في مساحة معينة. فإن لم يوضع أي لاعب بالقرب منه فلن يشعر أحد بانحداره.
المشاكل الحقيقية
في المشاكل الحقيقية لا يوجد تلين فقط، وتوزيع التلال يمكن أن يكون جد عشوائي وغير جيد. فمن الممكن أن يكون التل الذي يتواجد على قمته الكنز مرتكز ومتركز في أحد أركان الفضاء. ما يجعل من احتمالية وجود لاعب بقربه أمر غير مرجح، وبالتالي لن يتقدم أحد باتجاهه. هنا ندرك أن حجم وعشوائية توزيع الساكنة البدئية هي جد مهمة لوصول أحد اللاعبين للكنز، أي في الخوارزميات التحسينية تقارب أحد أفراد الساكنة بإتجاه الحل الأمثل.
يجدر الذكر أن هذه الفضاءات جد شاسعة فمحاولة استكشافها ستستهلك قوة حوسبية هائلة، لأن هذه الأخير عبارة عن فضاءات تجمع جميع الاحتمالات الممكنة. فإن لم يكن للمشكل الذي نعالجه خصائص مميزة تساعدنا في إيجاد تلميحات مرشدة لطريقة البحث فلن يختلف استكشاف الفضاء عن محاولة حل المشكل بالقوة الغاشمة أي حساب جميع الاحتمالات الممكنة ومقارنتها. كما أن الحل الأمثل ليس دائمًا هدفًا بل الهدف هو حل مقبول حسب شروط التجربة. أيضًا حجم الساكنة والتكرارات يمكنانا من التقارب وإيجاد الحل الأمثل رغم عدم وجود تلميحات تساعدنا في حل المشكل.
كيف نعالج المشاكل التي تواجهنا في وضع الساكنة البدئية؟
لعلاج المشاكل التي نواجهها في وضع الساكنة البدئية لا يسعنا إلا دراسة الخوارزمية بالمحاولة والخطأ. وذلك بتنفيذ الخوارزمية التحسينية، لحل نسخة مصغرة من المشكل لعدد من المرات باستخدام إعدادات بدئية مختلفة عند كل استعمال. الشيء الذي يخولنا لاستنتاج عدد من القيم الإحصائية مثل المتوسط والانحراف المعياري. تلك القيم الإحصائية تخولنا معرفة الإعدادات المثلى لاستخدام الخوارزمية لحل المشكل الأكبر. النسخة المصغرة هنا تعني نفس المشكل لكن بعدد مدخلات أصغر أي فضاء احتمالات صغير نستطيع التغلب عليه بالقوة الغاشمة في مدة زمنية معقولة لاستخدامه لدراسة الفعالية. كذلك يمكننا تنفيذ الخوارزمية لمدة طويلة بحيث ‘تنسى’ حالتها البدئية. الشيء الذي لا يكون ممكنًا دائمًا، وبالتالي تتقارب نحو الحل الأمثل، وذلك بطريقة مستقلة عن الساكنة البدئية. لكن مشكل هذه المقاربة هو أن سرعة التقارب تكون بطيئة للغاية. وبالتالي عدد التكرارات سيكون كبير، ما سيستهلك قوة حوسبية ضخمة.
عمليًا، نميل في استخدامنا لأغلب الخوارزميات لاستعمال المقاربة المثلى تجريبيا. والتي تساعدنا على الحصول على ساكنة بدئية موزعة بشكل جيد على مختلف نقاط فضاء الحلول الممكنة بطريقة عشوائية ومتنوعة.
كيفية تحقيق العشوائية
أحد أصعب الأجزاء في توليد الأعداد العشوائية يرجع لكون الحواسب تكرر عدد من الخطوات المبرمجة لتنفيذها، وليس لتوليد خطوات. لذا فمن المستحيل توليد شيئ لا نستطيع التنبؤ به بواسطتها.
ولهذا ننهج عدد من الطرق الإحصائية لتوليد أعداد شبه عشوائية، مثل التوزيع الطبيعي gaussian distribution، وتوزيع ليفي Lévy distribution، إلخ. يحدث ذلك بالاعتماد على أنماط عشوائية من الطبيعة والتي لا يمكن التنبؤ بها. ورغم كونها منحازة قليلاً، تبقى أفضل من نتائج الخوارزميات القطعية.
تجريبيًا، ما هي الطريقة المثلى لوضع الساكنة البدئية؟
هناك طريقتان أساسيتان معتمدتان لتوليد الساكنة البدئية المستعملة في الخوارزميات التحسينية و هما:
الطريقة العشوائية والتي سبق وتحدثنا عنها.
الطريقة الحدسية والتي تستعمل خوارزمية محددة لإنتاج هذه الساكنة البدئية. لكن في أغلب الأحيان يصعب إيجاد خوارزمية مناسبة، وفي أحيان أخرى يكون هذا خيارنا الوحيد.
ملاحظات تجريبية
عند توفر خوارزميات حدسية لإنتاج ساكنة بدئية لخوارزمية المشكل الذي نريد معالجته، نجد أن استخدامها ينقص بشكل حاد من تنوع هذه الساكنة. يحدث هذا رغم عدم قدرتنا من التأكد إن كانت هذه الساكنة مناسبة للتقارب للحل الأمثل أم لا. بالتالي تحدث تضحية بالتنوع من أجل زيادة احتمال التقارب لحل، والذي يمكن ألا يكون الأمثل.
الحلول العشوائية هي الأفضل للتقارب إلي الحل الأمثل نظرا لكون العشوائية تؤدي للتنوع في تغطية فضاء الحلول الممكنة.
نتيجة
يمكن الالتفاف على استخدام الطريقة الحدسية بعدد من الطرق عند عدم جدوى الطريقة العشوائية منها إيجاد عدد من الحلول المحتملة الجيدة بأي طريقة، واستخدامها رفقة عدد من الحلول المحتملة العشوائية لإنتاج ساكنة بدئية جيدة.
وكذلك يمكننا الدمج بين الطريقتين بحيث نقوم بوضع ساكنة عشوائية وإطعامها لخوارزميتنا التحسينية لإنتاج ساكنة جيدة. ثم نستخدمها رفقة ساكنة عشوائية أخرى كمدخل لخوارزميتنا ونعيد الكرة.
برمجة لغة السي C هي عبارة عن لغة برمجية متعددة الاستخدامات يمكن من خلالها كتابة البرامج والتطبيقات المختلفة لأجهزة الكمبيوتر. تم تطوير لغة السي واستخدامها كبديل عن لغة التجميع حيث تعد أقرب للغة الإنسان من لغة الآلة.
تاريخ برمجة لغة السي C
لغة C هي لغة برمجة تم تطويرها في أوائل السبعينيات من قبل عالم الكمبيوتر الأمريكي دينيس إم ريتشي في مختبرات بيل (مختبرات AT&T Bell سابقًا). تم تصميم لغة C كلغة بسيطة لاستخدامها في كتابة أنظمة التشغيل لأجهزة الكمبيوتر الصغيرة، مثل DEC PDP 7، ذات الذاكرة المحدودة للغاية مقارنة بأجهزة الكمبيوتر المركزية في تلك الفترة. تم ابتكار اللغة خلال الفترة 1969-1973، جنبًا إلى جنب مع التطوير المبكر لنظام التشغيل UNIX. في ذلك الوقت كان يعتمد على CPL (لغة البرمجة المدمجة)، والتي تم تكثيفها لأول مرة في لغة البرمجة B. ولغة B وهي لغة برمجة كمبيوتر مجردة، تم إنشاؤها في 1969–1970 بواسطة كين طومسون، عالم الكمبيوتر الأمريكي وزميل ريتشي. قام ريتشي لاحقًا بإعادة كتابة الميزات واستعادتها من CPL لإنشاء لغة ال C وأعاد في النهاية كتابة نظام التشغيل UNIX باللغة الجديدة. وعندما تم تحسين نظام UNIX، حدثت سلسلة من التغييرات في لغة C بين عامي 1977 و 1979.
في منتصف الثمانينيات من القرن الماضي، أصبح من المهم وضع معيار رسمي لـ C، حيث تم استخدام هذه اللغة في المشاريع الخاضعة للعقود التجارية والحكومية. وفي عام 1983 أنشأ المعهد الوطني الأمريكي للمعايير (ANSI) لجنة قامت بتعديل اللغة وتوحيدها بشكل أكبر. ومنذ ذلك الحين تمت الإشارة إلى C على أنها ANSI Standard C، ولا تزال تحظى بشعبية في عالم أنظمة التشغيل الشبيهة بـ UNIX. وأصبحت لغة C واحدة من أكثر لغات البرمجة شيوعًا والمستخدمة في كتابة برامج وتطبيقات النظام الأخرى. وقد ظهر للغة السي لغات مشتقة عنها مثل: C و Objective C و C * و C # و C ++ المستخدمة على نطاق واسع. بينما ظهرت لغة البرمجة Java في 1994 كمجموعة فرعية مبسطة من C للنشر عبر الإنترنت وللاستخدام في الأجهزة المحمولة ذات الذاكرة المحدودة أو قدرات المعالجة المحدودة. ]1[
مميزات لغة السي C للبرمجة
لغة متوسطة المستوى، تجمع بين ميزات اللغات عالية المستوى ومنخفضة المستوى. حيث يمكن استخدامها للبرمجة منخفضة المستوى، مثل البرمجة النصية لبرامج التشغيل والنواة. كما تدعم وظائف لغات البرمجة عالية المستوى، مثل البرمجة النصية لتطبيقات البرامج وما إلى ذلك.
السي هي لغة برمجة منظمة تسمح بتقسيم برنامج معقد إلى برامج أبسط تسمى الوظائف. كما تسمح بحرية نقل البيانات عبر هذه الوظائف.
توفر لغة السي إمكانية التحكم في الذاكرة.
تعد لغة الـ C اكثر اللغات البرمجية المطلوبة والمتداولة في عالم البرمجة.
تتميز بأنها لغة تتحدث وتتطور باستمرار.
من مميزات لغة السي أيضاً أنها لغة محمولة تستخدم في التطبيقات والبرامج التي تستخدم في منصات كثيرة.
لغة السي حساسة لحالة الأحرف مما يعني أن الأحرف الصغيرة والكبيرة يتم التعامل معها بشكل مختلف.
تحتوي لغة السي على مكتبة غنية توفر عددًا من الوظائف المضمنة. كما توفر تخصيصًا ديناميكيًا للذاكرة.
تنفذ الخوارزميات وهياكل البيانات بسرعة، مما يسهل العمليات الحسابية بشكل أسرع في البرامج. وقد أتاح ذلك استخدام لغة C في التطبيقات التي تتطلب درجات أعلى من الحسابات مثلMATLAB و Mathematica. [2]
من خلال الاستفادة من هذه المزايا، أصبحت لغة C مهيمنة، وانتشرت بسرعة خارج Bell Labs. وحلت لغة السي محل العديد من اللغات المعروفة في ذلك الوقت، مثلALGOL وB وPL / I وFORTRAN وغيرها. وأصبحت لغةC متاحة على مجموعة واسعة من المنصات، بدءًا من المتحكمات الدقيقة المضمنة وصولاً لأجهزة الكمبيوتر العملاقة.
عيوب برمجة لغة السي C
لغة سي تحتوي على سلبيات ضئيلة مقارنة بالمميزات الكثيرة بها مثل:
في لغة البرمجة C لا يتم اكتشاف الأخطاء بعد كل سطر من التعليمات البرمجية. بدلاً من ذلك يظهر المترجم جميع الأخطاء دفعة واحدة بعد كتابة البرنامج. مما يجعل التحقق من التعليمات البرمجية مهمة معقدة للغاية في البرامج الكبيرة.
لا تقوم لغة C بتطبيق مفهوم مساحات الأسماء، بل يتم تنظيم مساحة الاسم كسلسلة من الأوامر للسماح بإعادة استخدام الأسماء في سياقات مختلفة. وبدون مساحات الاسم، لا يمكننا التصريح عن متغيرين بنفس الاسم.
تغيب المعالجة الاستثنائية في لغة السي، ومعالجة الاستثناءات هي واحدة من أهم ميزات لغات البرمجة. [3]
شكل لغة السي
#include
int main() {
// printf() displays the string inside quotation
printf(“Hello, World!”);
return 0;
}
استخدامات لغة الـ C
يتم تطوير برامج النظام وتطبيقات سطح المكتب في الغالب من خلال استخدام لغة C. وفيما يلي بعض الأمثلة على تطبيقات برمجة لغة سي:
أنظمة التشغيل. حيث تم استخدام لغة برمجة عالية المستوى مبنية عن طريق لغة البرمجة C لإنشاء أول نظام تشغيل وهو UNIX. وفي وقت لاحق، تم استخدام لغة البرمجة C لكتابة Microsoft Windows والعديد من تطبيقات Android.
واجهة المستخدم الرسومية (GUI). فمنذ البداية، كان Adobe Photoshop أحد أكثر برامج تحرير الصور استخدامًا، وقد تم إنشاؤه بالكامل بمساعدة لغة البرمجة C. علاوة على ذلك، تم استخدام C لتطوير Adobe Illustrator وAdobe Premiere وهي أشهر برامج التصميم.
الأنظمة المضمنة. وغالبًا ما تُعتبر برمجة C أفضل خيار لبرامج البرمجة النصية وبرامج التشغيل للأنظمة المضمنة، من بين لغات البرمجة الأخرى.
متصفحات الويب. حيث يمكنك أيضًا استخدام لغة البرمجة C / C ++ لإنشاء متصفح الويب Google Chrome ونظام ملفات Google. كما يتضمن مجتمع Google Open Source العديد من المشاريع التي تتم صيانتها بمساعدة لغة البرمجة C / C ++.
تطوير مترجم. إذ يمكنك استخدام لغة البرمجة C على نطاق واسع لتطوير المترجمات، وهو أحد أكثر تطبيقاتها شيوعًا.
الألعاب والرسوم المتحركة. نظرًا لأن لغة البرمجة C أسرع بكثير من Python أو Java، فقد اكتسبت شعبية في صناعة الألعاب. تمت كتابة بعض الألعاب الشهيرة، مثل لعبة Dino و Tic-Tac-Toe وSnake بلغة البرمجة C. [4]
الخوارزميات في جوهرها هي عبارة عن سلسلة من التعليمات البسيطة التي يمكن نهجها لتحقيق غاية ما. إذا ما بحثنا، نجد من بينها الخوارزميات العودية وإذا بحثنا بين هذه الأخيرة نجد الخوارزميات التحسينية، مثل الخوارزمية التالية والتي تستخدم لإيجاد الجذور المربعة لأي عدد حقيقي موجب:
ما يحدد كفاءة الخوارزمية هو سرعة تقاربها convergence speed. ومن السهل إثبات صحة أن الجذور المربعة لأي عدد أولي هي أعداد غير كسرية، أي أنها أعداد برقم لا نهائي من الأعداد بعد الفاصلة، وبالتالي لا يمكن حسابها. لكن باستخدام هذه الخوارزمية يمكننا التقارب لإيجاد حل مرضٍ بالدقة التي نريد.
ورغم فعالية الخوارزميات التحسينية إلا أن انتاجها لا يمكن أن يتم إلا بالمحاولة والخطأ. ما يجعل إنتاجها صعبا للغاية ومستحيلًا في بعض الأحيان. ومن هنا يأتي ما اعتدنا عليه منذ الأزل وهو تأملنا الطبيعة واستنباط المنطق وراء أنظمتها لإنتاج خوارزميات جد فعالة لحل عدد لا يحصى من المشاكل. يدعى هذا الحل السحري بالخوارزميات التحسينية المستوحاة من الطبيعة.
فما هي الخوارزميات المستوحاة من الطبيعة؟ و كيف ظهرت؟ وما أبرزها؟ ما هي استعمالاتها؟ وما الخصائص التي تتشارك فيها هذه الخوارزميات؟
ما هي الخوارزميات التحسينية المستوحاة من الطبيعة ؟
الخوارزميات التحسينية المستوحاة من الطبيعة هي مجموعة من الخوارزميات المستنبطة من الظواهر الطبيعية مثل ذكاء السرب، والأنظمة البيولوجية، والتطور الطبيعي، والأنظمة الفيزيائية والكيميائية، إلخ. ويعتبر تطوير هذه الخوارزميات فرعًا مهمًا من فروع الذكاء الاصطناعي، بحيث عرفت تطورًا سريعًا وإقبالًا واسعًا في الثلاثين عام الأخيرة نظرًا لإمكانياتها وتعدد مجالات استعمالها.
ظهور الخوارزميات التحسينية
ظهرت الخوارزميات التحسينية في بداية القرن التاسع عشر على يد عدد من علماء الرياضيات «ك ويستراس K.T.W Weierstrass»، و«شتاينر J. Steiner»، و«هاميلتون W.R.Hamilton»، و«جاكوبي C.G.J Jacobi».
ظهور الخوارزميات التحسينية المستوحاة من الطبيعة
على مر التاريخ وخصوصًا في الفترات الأولى، اعتمدت مقاربتنا نحن البشر في حل المشاكل التي نواجهها ولا تزال على التجربة والخطأ. أي أنها مقاربة تفاعل مع النظام المراد استكشافه خطوة بخطوة metaheuristic approach. فعدد كبير من الاكتشافات تم عن طريق التفكير خارج الصندوق أو بالصدفة، وهذا ما يعنيه الحدس heuristic. ورغم ذلك نجد أن أول استعمال مسجل لاستخدام هذه المقاربة كطريقة علمية رياضية meta-heuristic method لحل المشاكل problem-solving كان على الأرجح خلال فترة الحرب العالمية الثانية على يد عالم الرياضيات والحوسبة الغني عن التعريف «ألان تورنغ». استخدم تورنغ تلك التقنيات لفك تشفير إتصالات الألمان وكسر آلية تشفيرها Enigma. ورغم كون هذه الطريقة غير مضمونة الوصول للنتائج المرجوة إلا أن استعمالها في مشروعه كان نجاحًا باهرًا، ما أعطى دول الحلفاء ورقة رابحة لإنهاء الحرب لصالحهم.
بعدها بسنوات عديدة، وبدءاً من ستينيات القرن الماضي، عاد انتباه الأوساط العلمية لهذه المقاربة بتقديم عدد من الخوارزميات الثورية في مجال التحسين والحساب المعقد. حيث بدأت في هذه الفترة أول الخوارزميات التطورية بالظهور. وفي سنة 1960، اقترح مهندس الطيران حينها «لورانس جيروم فوغل» استخدام التطور المحاكى كعملية تعلم لتطوير ودراسة الذكاء الاصطناعي.
في نفس الوقت، كان العالم والمهندس «جون هولاند John Holland» يعمل رفقة زملائه في جامعة ميشيغان على استكشاف وإنتاج أول الخوارزميات الجينية. وهو ما توج لاحقًا بنشر مجموع أبحاثه في كتابه «Adaptation in natural and artificial systems» سنة 1975. بعدها تم كتابة مئات الكتب وآلاف المقالات عن هذا الموضوع.
الأعوام التي تلت كانت جد حافلة بحيث شهدت تطوير مختلف أنواع الخوارزميات وفتح مجالات بحثية خاصة بكل منها.قاد ذلك الحراك عدد من الرواد مثل عالم الرياضيات «شين شي يانغ Xin-She Yang» مطور خوارزميات مثل «بحث الوقواق CS»، و«خوارزمية الخفاش BA»، و«خوارزمية اليراعة FA»، وغيرهم.
أمثلة على الخوارزميات المستوحاة من الطبيعة
حتى الآن، تم تقديم عدد كبير من الخوارزميات المستنبطة من الطبيعة، رفقة عدد أكبر من متحوراتها الأكثر تخصصًا. يمكن لهذه الخوارزميات أن تستخدم في مختلف المجالات، من بينها نجد:
الخوارزميات الجينية أو Genetic Algorithms، إختصارًا GA.
خوارزميات إستمثال عناصر السرب أو Particle Swarm Optimization، اختصارًا PSO Algorithms.
خوارزمية التطور التافضلي Differential evolution، اختصار DE Algorithm.
خوارزمية التحسين مستعمرة النمل Ant Colony Optimization، اختصارًا ACO Algorithm.
الخوارزمية بحث الوقواق Cuckoo Search، اختصارًا CS Algorithm.
خوارزمية الخفاش Bat Algorithm، اختصارًا BA.
خوارزمية اليراعة Firefly Algorithm، اختصارًا FA.
الخوارزمية المنيعة Immune Algorithm، اختصارًا IA.
خوارزمية التحسين الذئب الرمادي Grey Wolf Optimization، اختصارًا GWO Algorithm.
الخوارزمية البحث التجاذبي Gravitational Search، اختصارًا GS Algorithm.
خوارزمية البحث التناغمي Harmony Search، اختصارًا HS Algorithm.
ما الخصائص المشتركة بين الخوارزميات التحسينية المستوحاة من الطبيعة ؟
عند ملاحظة هذه الخوارزميات نجد أن لها بنية متشابهة رغم أن كل واحدة منها محددة في إطارها الخاص. من بين هذه التشابهات نجد أن المقاربة التي تنتهجها أغلب الخوارزميات التحسينية المستنبطة من الطبيعة في معالجة المشاكل التي صممت لحلها يمكن تلخيصها في أربع خطوات، وهي:
• وضع الساكنة البدئية. لتحقيق هذا، هناك العديد من المقاربات منها الاختيار العشوائي للساكنة 0، … .
في هذه الخطوة يمكننا وضع الساكنة البدئية بالحجم الذي نريد شرط ألا يتعدى السعة القصوى. بحيث أن السعة القصوى هي أقصى ما يمكن أن تعالجه الخوارزمية كمدخل بالحفاظ على سرعة تنفيذ مقبولة. وبالطبع يجب أن تكون هذه السعة أصغر بكثير من حجم مجموعة الساكنة الممكنة، لأن هذا هو المغزى وراء استعمالنا لهذه الخوارزميات.
• حساب معامل التوافق fitness value والتحقق من شروط إنهاء التنفيذ termination conditions. فإضافة إلى تحديد حجم الساكنة البدئية وكيفية بنائها، يجب أيضًا وضع المدخلات مثل المتغيرات التي تتدخل في كيفية التنفيذ وشروط وقف التنفيذ وإرجاع الحل. فأغلب الخوارزميات التحسينية تستعين بشروط للخروج من دورة التنفيذ المتمثلة في البدء، ثم المعالجة، ثم الفلترة. من بين هذه الشروط نجد:
العدد الأقصى للتكرارات.
العدد الأقصى للتكرارات عند عدم تغير الحل المحلي الأمثل Local Optima، أي الفرد صاحب أكبر معامل توافق أو عدد من الأفراد الأكثر توافقًا. فإن لم يتغير لعدد من التكرارات، يتم اعتباره أفضلها كحل أمثل Global Optima. أو أن التقرب للحل الأمثل غير ممكن وفي كلتا الحالتين يتم إرجاع هذا الفرد أو الساكنة الحالية ككل باعتبارها حلًا، ثم وقف التنفيذ.
عتبة الدقة، أي نسبة الدقة التي يحق للخوارزمية عند تحققها وقف التنفيذ. وعند هذه الخطوة نقوم بفلترة الساكنة الناتجة عن الخطوة الثالثة وذلك بترتيبها أولًا حسب معامل توافقها وأخذ الأكثر توافقًا. وحجم الساكنة الذي نأخذه هنا لا يمكن أن يكون إلا أصغر من أو يساوي السعة القصوى.
يحسب معامل الكفاءة أو التوافق fitness value باستعمال دالة نعرفها حسب الحاجة. على سبيل المثال، حساب المسافة بين النقطة والتي تليها إن كانت الساكنة عبارة عن سلسلة من النقط في فضاء متجهي وجمعها كمعامل توافق.
•تحديث الساكنة باستخدام عدد من العمليات من بينها الدمج والتحوير. فعند عدم تحقيق أي شرط من شروط الخروج، تستمر سلسلة التنفيذ ونتقدم بذلك إلى الخطوة الثالثة والتي يتم خلالها «الدمج- crossover» بشكل عشوائي بين أفراد الساكنة وإضافة الناتج إلي الساكنة الحالية. يمكن أن نفكر في هذا على أنه تزاوج وإنتاج جيل جديد يحمل صفات أسلافه. بعد هذا نقوم بنسخ الساكنة ووضع طفرات عشوائية بها random mutations ونضيفها بدورها إلي الساكنة الكلية. ونعود بعدها للخطوه الثانية.
•إرجاع المخرجات ووقف التنفيذ. فعند تحقق أحد شروط الخروج، يتم إرجاع الساكنة الحالية باعتبارها حلاً وإنهاء التنفيذ.
مفاهيم مهمة لفهم الخوارزميات المستوحاة من الطبيعة
• الطريقة «الحدسية – heuristic» هي مقاربة لحل المشاكل باستعمال طرق فعالة لكن غير مضمونة النتائج أو عقلانية في بعض الأحيان. لكن الحدسية فعالة وكافية لتحقيق المقاربة approximation وللوصول لنتائج سريعة وتحقيق أهداف متعددة على المدى القصير.
• «الأدلة العلياmetaheuristic» وهي في علم الحاسوب والرياضيات إجراءات أو إرشادات عالية المستوى مصممة لإيجاد أو إبتكار أو اختيار طريقة بحث خوارزمية «حدسية» قادرة على توفير حل مقبول لمشكلة تحسينية. نلجأ إليها خاصة عند عدم توافر معلومات أو قوة حوسبية كافية تخولنا استخدام الطرق التقليدية.
أهم التحديات التي تواجه الخوارزميات المستوحاة من الطبيعة
عرفت الثلاثون سنة الأخيرة تقديم عدد كبير من خوارزميات الأدلة العليا meta-heuristic Algorithms بحيت نجد أن هذا الإنتاج متطورًا بشكل أسي أي بسرعة متضاعفة. ما جعلنا نرى في الآونة الأخيرة صدور خوارزميات الأدلة العليا بشكل يومي، وهو ما دفع بدوره تطوير الخوارزميات التحسينية والخوارزميات التحسينية المستوحاة من الطبيعة لمنحى أسي كذلك. أسهم ذلك بشكل كبير في تقديم حلول ناجحة وفعالة للمشاكل التحسينية في مجال الذكاء الاصطناعي وعدد من المجالات الهندسية الأخرى.
لكن رغم هذا التقدم الكبير و النجاح الباهر الذي حققته هذه الخوارزميات وهذا المجال البحثي، لا يزال هناك تحديات كبيرة أمامه والتي يمكن تلخيصها في أربع نقط أساسية:
• نقص البحث الكافي في النظريات البنيوية والأدوات التي تستخدمها هذه الخوارزميات مثل:
°الميكانيزمات التي تبنى عليها هذه الخوارزميات، فهي ما زالت غير واضحة أو مفهومة تمامًا حتى اليوم. ما يستدعي تعاونًا بين المطورين والعلماء المختصين في البيولوجيا والظواهر الطبيعية كون كل هذه الخوارزميات تم اقتراحها من طرف علماء حوسبة، ومهندسين.
°وضع أساس صلب من النظريات الرياضية لدعم الخوارزميات التحسينية المستنبطة من الطبيعة، مثل تحليل التعقيد الزمني time complexity، واختبار التقارب convergence proof. ومن المهم تقديم نظرية رياضية شاملة للموازنة بين التناقض بين التقارب لحل محلي convergence to a local optima وبطء التقارب slow convergence.
• نجد أن الخوارزميات التحسينية المستوحاة من الطبيعة أقل قدرة على حل المشاكل التحسينية المستمرة Continuous optimization problems في البيئات الحقيقة المعقدة. وهنا نجد أن البيئات التي نطبق عليها هذه الخوارزميات هي في الأصل معقدة، متعددة الأبعاد و الأهداف، وتهدد الدقة ومستهلكة للوقت. وفي بعض الأحيان تكون دالة تقييم الملائمة غير محددة. لذا فهذا النوع من المشاكل يشكل تحدياً كبيراً للخوارزميات التحسينية ككل رغم الجهود التي بذلت لتجاوزها.
• لا يوجد الكثير من الدراسات المشتركة inter-disciplinary researchs بينها وبين المجالات المستخدمة فيها والمجالات ذات الصلة، وذلك رغم كونها تحمل إمكانات كبيرة ذات فائدة مشتركة.
• لم يتم بذل مجهود كاف لتطبيق الخوارزميات التحسينية المستنبطة من الطبيعة في المجالات التي تستفيد منها بشكل لائق. بحيث أنها تستخدم عشوائيًا في عدد من التطبيقات دون دراسة كفاءتها لحل المشاكل ومقارنتها بالخوارزميات الأخرى فقط لكون المشرف على الدراسة قرر ذلك من تلقاء نفسه.
إمكانات خوارزميات الطبيعة
من هنا يتضح لنا أن التوجه البحثي المستقبلي في مجال الخوارزميات التحسينية يجب أن يتمحور حول معالجة هذه المشاكل؛ و ذلك بتقوية تحليل نظري متين لهذه الخوارزميات.
كما نحتاج إلى تصميم خوارزميات تحسينية أكثر تخصصًا لحل المشاكل التحسينية المعقدة، ذات الملائمة المتغيرة زمنيًا، وذات النطاق الواسع، وغيرها. كما نحتاج إلى دمج هذا المجال البحثي بمجالات أخرى. ولا يخلو هذا من فرصص دمج بتطبيقات معينة لتحسين سرعة التقارب وتحقيق أداء أفضل.
مجالات استخدام الخوارزميات التحسينية
تستخدم الخوارزميات التحسينية و بالتالي الخوارزميات المستلهمة من الطبيعة منها في عدد من المجالات للتعامل مع عدد من المشاكل العملية. ففي ظل تطور الحوسبة، أصبحت الخوارزميات التحسينية أكثر أهمية ورواجًا في عدد من المجالات الهندسية. ومن استعمالاتها نجد:
الطرق التحسينية الكلاسيكية في الحساب Optimization methods.
الأنظمة المعلوماتية Information systems.
هندسة التصنيع و الأنظمة الصناعية Industrial Engineering and Manufacturing systems.
التصميم الهندسي Engineering design.
سلسلة الإنتاج Supply chain management.
الفلترة الرقمية Digital filter design.
معالجة الصور Image processing.
تعلم الآلة Machine learning.
تصميم المفاضلات والمكاملات الرقمية Digital integrator and differentiator design.
أصبحت لغة البرمجة الوحدة الأساسية لعالم التكنولوجيا اليوم وهي عبارة عن مجموعة الأوامر والتعليمات التي نقدمها للآلات لأداء مهمة معينة فعلى سبيل المثال، إذا أعطيت مجموعة من التعليمات لجمع رقمين، فسيقوم الجهاز بذلك نيابة عنك ويخبرك بالإجابة الصحيحة وفقًا لذلك. [١] في عالم الكمبيوتر، لدينا أكثر من 500 لغة برمجة لها تركيبها وميزاتها الخاصة. حيث تحتوي كل لغة برمجة على مجموعة فريدة من الكلمات الأساسية التي تُستخدم لإنشاء مجموعة من التعليمات. وقد تم تطوير آلاف من لغات البرمجة حتى الآن، ولكن لكل لغة غرضها المحدد. وتختلف هذه اللغات في مستوى قربها من لغة الإنسان وبعدها عن لغة الحاسوب. بناءً على هذا الاختلاف يمكن تصنيفها إلى فئتين:
لغات برمجة منخفضة المستوى
هي لغات البرمجة الأقرب للغة الحاسوب من لغة الإنسان، ويتم تمثيلها في أشكال 0 أو 1. اللغات التي تندرج تحت هذه الفئة هي لغة مستوى الآلة ولغة التجميع.
لغات برمجة عالية المستوى
هي لغات البرمجة التي تسمح للمبرمج بكتابة البرامج المستقلة وتعتبر عالية المستوى لأنها أقرب إلى اللغات البشرية وتشمل تقريباً جميع لغات البرمجة المتبقية. [٢]
لغة الآلة (machine language)
لغة الآلة هي اللغة الرقمية الأساسية التي يمكن للحاسوب فهمها وتنفيذ التعليمات من خلالها علاوةً على أن لغة الآلة هي اللغة الوحيدة التي يمكن لجهاز الحاسوب أن يقوم بتشغيلها مباشرة دون إجراء أي تحويلات أو تعديلات عليها. تتم قراءتها بواسطة وحدة المعالجة المركزية (CPU)، وتتكون من سلسلة أرقام ثنائية التشفير مؤلفة من أصفار وآحاد (0،1). وتُعتبر لغة الآلة لغة منخفضة المستوى ( Low-level Language ) فهي أولى لغات البرمجة وأصعبها. لكن دونها لا يمكن ترجمة اللغات عالية المستوى، فمثلاً يجب ترجمة لغة ++C إلى لغة الآلة قبل تشغيل الكود على الحاسوب. بينما لا تحتاج لغة الآلة لمترجم، ويفهمها الحاسوب بشكل مباشر. [٣]
النظام الثنائي هو عبارة عن مجموعة من التعليمات تستعمل لتتحكم بالحاسب، نتعامل في هذا النظام فقط مع رمزين فقط هما 0 و 1. والتي يفهمها الحاسب بشكل فيزيائي بعملية on/off للإشارات، حيث أن الرقم 1 يمثل الوضع الفعال أو الوضع on والرقم 0 يمثل الوضع غير الفعال أو الوضع off. وعند قراءة أي رقم في نظام العدِّ الثنائي فإنَّنا نقوم بقراءة كل رمز منفرداً. فعلى سبيل المثال الرقم 2 = (100) يقرأ واحد صفر صفر أو يقرأ من اليمين صفر صفر واحد، ولا يقرأ مئة. [٤] لتحويل أي عدد صحيح موجب من النظام العشري إلى الثنائي نستعمل طريقة الباقي Remainder Method الموضحة كالآتي:
قسم العدد العشري على الأساس 2.
أحسب باقي القسمة الذي يكون أما 1 أو 0.
استمر في عملية القسمة وتحديد الباقي حتى يصبح خارج القسمة الصحيح صفراً.
يتكون العدد الثنائي المطلوب من أرقام الباقي مقروءة من الباقي الأخير إلى الأول .
الباقي
الناتج
العدد
0
2
2÷4
0
1
2÷2
1
1
1
بالتالي العدد 4 في التشفير الثنائي هو 100
وللتحويل من نظام ثنائي لنظام عشري نضرب بالأساس 2:
0
2^(0)×
0
0
2^(1)×
0
4
2^(2)×
1
4=4+0+0
1×2^(2)+0×2^(1)+0×2^(0)
100
تحويل الرقم أربعة من ثنائي لعشري
لغة التجميع (Assembly)
هي أكثر من لغة منخفضة المستوى وأقل من اللغة عالية المستوى لذلك فهي لغة وسيطة حيث أنها تشبه لغة الآلة لكن أكثر تطوراً. تستخدم لغة التجميع الأرقام والرموز والاختصارات في بعض المواضع بدلاً من 0 و1. على سبيل المثال: للجمع والطرح والضرب تستخدم رموز مثل Add وsub وMul. [٥] مثال عن كود بلغة التجميع:
bdos equ 0005H ; BDOS entry pointstart: mvi c,9 ; BDOS function: output string lxi d,msg$ ; address of msg call bdos ret ; return to CCPmsg$: db 'Hello, world!$'end start
الفارق بين لغة الآلة ولغة التجميع
لا يتم فهم لغة الآلة إلا بواسطة أجهزة الكومبيوتر أما لغة التجميع يفهمها البشر وليس الآلات.
يتم تمثيل بيانات لغة الآلة بالترميز الثنائي أو السداسي عشري أو الثماني أما في لغة التجميع يتم الاستعانة برموز سهلة الحفظ. لغة التجميع أسهل على البشر من لغة الآلة.
لا يمكن إجراء تعديلات أو إصلاح الأخطاء في لغة الآلة بينما يمكن التعديل في لغة التجميع بسهولة.
التنفيذ سريع في لغة الآلة لأن جميع البيانات موجودة بالفعل في تنسيق ثنائي أما في لغة التجميع فالتنفيذ بطيء مقارنةً بلغة الآلة. [٥]
تقطيع الكعك هو استعارة لمجموعة واسعة من المشاكل في عالمنا مثل تقسيم قطعة أرض وهناك طريقة معروفة منذ القدم للتقسيم والتي تعتمد على مبدأ (أنا أقطع، وأنت تختار). لكن هذا المبدأ خاضع لتفضيلات شخصية مثل تصرف والدتك حينما تعطي لأخيك قطعة كعك أكبر منك مثلًا، فهل يمكن للرياضيات تحقيق العدل وتقسيم كعكة على نحو متساوٍ دون تدخل التفضيلات الشخصية للفرد؟
ما هي معضلة التقسيم العادل؟
تتمثل معضلة التقسيم العادل في التعاملات البشرية في أشياء عدة حولنا وهي معضلة قديمة منذ الأربعنيات عندما بدأ (هوغو شتاينهاوس- Hugo Steinhaus) في دراسة تلك المعضلة وتحليلها. ولتلك المعضلة روابط بالعديد من الموضوعات مثل الاستقراء الرياضي ونظرية الرسم البيانيوالخوارزمياتوالطبولوجيا وغيرها.
أنا أقطع، وأنت تختار
كيف يمكن لهذا المبدأ أن يخرج الطرفين راضيين وسعداء؟ لنفهم ذلك، بداية وجب مراعاة التفضيلات للأشخاص والتي في كل الأحوال مختلفة في الغالب. فقد يفضل الشخص في الكعكة جزء الشكولا والآخر جزء الكريمة والفراولة.
إضافة إلى التفضيلات المختلفة، توجد طرق عدة لتفسير الإنصاف. فتقسيم الكعكة بين اثنين نسبي، إذا كان كلا الشخصين يعتقدا أنهما تلقيا على الأقل نصف الكعكة. فهذا التقسيم مُرضي وخالٍ من الحسد. فطبقًا لهذا المبدأ يمكننا التعميم بأنه إذا كان التقسيم بين عدد n من الأشخاص وكل منهم يعتقد أنه تلقى القطعة الأكبر والأفضل من وجهة نظره؛ فإنه التقسيم مُرضي للجميع. إذًا جميع التقسيمات المُرضيّة متناسبة (متساوية)، لكن هل جميع التقسيمات المتناسبة مرضية؟
هل جميع التقسيمات المتناسبة مرضية؟
لدينا كعكة، نريد تقسيمها على ثلاثة أشخاص A,B,C بحيث كل منهم يقتنع بأنه يمتلك 1/3 الكعكة، ولدينا سكين معلقة، يبدأ A بلفها ببطء. حينما يتيقن أي منهم أن التقسيم متساو أي 1/3الكعكة من وجهة نظره؛ يصرخ بأقطع. والذي يصرخ أولًا يأخذ القطعة جانبًا وإذا صرخ عدة أشخاص فيمكن الاختيار من بينهم عشوائيًا. وتستمر عملية السكين المتحرك مع الشخصين الباقين. ولنحلل صراخ شخصين والثالث صمت، قد تلقى الآن كل منهم القطع التي بنظرهم تساوي 1/3 أما الشخص الثالث فيعتقد أن القطعة المتبقية أقل من 1/3 وهذا مثال على أن التقسيمات قد تكون ليست مرضية لبعض الأشخاص أحيانًا. يمكنك ملاحظة مثل هذا المثال حولك أو من موقف مشابهة قد تعرضت له. لأن ذلك خاضع لإدراك الأشخاص وتفضيلاتهم، فهنا تتمثل المعضلة ما بين التقسيم المرضي وغير العادل والتقسيم العادل غير المرضي.
المثال السابق يقودنا لسؤال: هل هناك تقسيم مرضي بين أكثر من اثنين؟
في عام 1960، ابتكر علماء الرياضيات خوارزمية بإمكانها إخراج الكعك على نحو متساوٍ ومرضٍ لثلاثة أشخاص. وفي عام 1995، كان أفضل ما توصل إليه العلماء لأكثر من ثلاثة أشخاص خوارزمية غير محدودة من قِبل عالم السياسة (ستيفن برامز- Steven Brams) وعالم الرياضيات (آلان تايلور- Alan Taylor) وخاضع لتفضيلات كل شخص؛ لذا فعملية التقسيم غير محدودة بين أكثر من ثلاثة ويمكنها أن تصل لمليون أو مليار مرة. فكانت اللامحدودية عيبًا. على مدار الخمسين عام الماضين، أقنع علماء الرياضيات أنفسهم أنه ربما لا توجد خوارزمية محدودة ومرضية لأكثر من ثلاثة.
أخيرًا، خوارزمية لأكثر من ثلاثة!
تحدى اثنان من علماء الحاسوب -(هاريس عزيز- Haris Aziz) و(سيمون ماكنزي- Simon Mackenzie)- تلك التوقعات بشأن عدم وجود خوارزمية مرضية لأكثر من ثلاثة أشخاص. فنشرا ورقة بحثية على الإنترنت في عام 2016. تصف خوارزمية مرضية لأربعة أشخاص.
الخوارزمية معقدة ووضح الباحثون أن هناك الكثير من العمل ينتظرهم لجعلها أبسط وأسرع. تعتمد الخوارزمية الجديدة على إجراء، ابتكره عالما الرياضيات جون سلفريدج وجون كونواي على نحو مستقل في حوالي عام 1960؛ لتقسيم الكعكة على ثلاثة أشخاص.
خوارزمية سلفريدج-كونواي (Selfridge-Conway)
هناك ثلاثة أشخاص A, B, C، ستطلب الخوارزمية من الشخص C تقطيع الكعكة لثلاث قطع على نحو متساوٍ من وجهة نظره. من ثم يُطلب من الشخصين A, B اختيار قطعتهم المفضلة ويأخذ C الشريحة المتبقية وهكذا انتهى الأمر. إذا كان كل منهم يريد نفس القطعة، سيُطلب من B قطع جزء صغير من تلك الشريحة بحيث يكون ما تبقى مساويًا لشريحته المفضلة الثانية. يوضع الجزء المقتطع جانبًا؛ لجعلهما متساويين. ويختار A قطعته المفضلة ومن ثم B (بشرط إذا لم يختار A الشريحة التي قُطع منها؛ فعلى B اختيارها) ويأخذ C المتبقية. هكذا يخرج كل منهم راضٍ. هنا لا يحسد أحد منهم الأخر حيث اختار A أولًا وB حصل على واحدة من الاثنين وC أخذ المتبقية لأنه هو الذي قسّم؛ فهو راضٍ تمامًا.
ماذا سنفعل في الجزء المتبقي؟
إذا كان A حصل على القطعة التي أُخذ منها جزء، فإن الخوارزمية تستمر كالتالي. يقطع B الجزء المتبقي لثلاثة قطع متساوية من وجهة نظره. ثم يختار A أولًا ثم C ونهاية B. الآن الكل سعيد؛ لأن A هو من اختار أولًا وC حصل على الشريحة المحببة لديه والتي هي أفضل من شريحة B برأيه ولم يكن يهتم لأمره وB في نظره الكل متساوي لأنه هو من قطع. دون الدخول في دوره لانهائية من التقطيع.
يعد C هو المهيمن، استخدم برامز وتايلور مفهوم الهيمنة (دون تسميته ذلك وقتها) في تصميم خوارزمية عام 1995، لكنهما لم يتمكنا من جعلها محدودة.
خوارزمية عزيز وماكينزي
لم يتمكن الباحثان من توسيع الخوارزمية على الفور لأكثر من أربعة أشخاص وكما الحال في خوارزمية سلفريدج-كونواي، حيث كما سبق تُقطع الكعكة من قبل شخص ويُطلب من الآخرين ضبط الحواف واختيار القطع مع وضع احتمالات إذا لم يختر الشخص الذي ضبط القطعة وهكذا. وتنفذ الخوارزمية خطوات أخرى مع زيادة علاقات الهيمنة.
إذ تسمح علاقات الهيمنة بتقليل تعقيد المشكلة. مثلًا إذا سيطر ثلاثة لاعبين على جميع اللاعبين الآخري، فيمكن طرد هؤلاء الثلاثة بعيدًا بشرائحهم. حيث سيكونون سعداء بغض النظر عمن سيحصل على الباقي (الأجزاء من عملية الضبط). الآن هناك عدد أقل من اللاعبين الذين يجب القلق بشأنهم، وبعد عدد محدود من هذه الخطوات، كان الجميع راضين وتم توزيع كل الكعكة.
فليس من المستغرب أن يستغرق الأمر وقتًا طويلاً قبل أن يعثر شخص ما على واحدة، وهناك الكثير من العمل لتبسيط الخوارزمية ولا يمكن تعميم ذلك الحل على كل شيء.
لا تقطيع الكعك عادل ولا الرياضيات!
كما وضحنا سابقًا، كيف استطاع اثنان من علماء الحاسوب في عمل خوارزمية لتقطيع الكعك على نحو خال مرضي بين أربعة أشخاص والتي قد ينتج عنها عدد كبير من القطع نظرًا لكثرة احتمالات تفضيلات الأشخاص وبالطبع كلما زادو عن أربعة أشخاص؛ أصبحت العملية معقدة. عد الرضى هو مجرد مفهوم من عدة مفاهيم متنافسة للعدالة مثل الإنصاف. وإذا حققنا مفهوم فليس شرطًا أن يتحقق البقية.
فمبدأ أنا أقطع، وأنت تختار فاشل في تحقيق الإنصاف والكفاءة. وذلك يعني أنه قبل تنفيذ أي خوارزمية عادلة، يجب أن يتفقوا ويقررو مفهوم العدالة بالنسبة إليهم. فالرياضيات لا يمكنها تقرير ذلك. فعند تقسيم الميراث، هل وجب إعطاء لوحة ثمينة للشخص المحب للفن أم بيعها وتقسيم الأموال؟ لا توجد إجابة صحيحة، الأمر متروك للأشخاص.
تحدثنا عزيزي القارئ عن الصراع الكمي في مقالات سابقة ووضحنا شراسته. فتحدي IBM للحوسبة الكمية في 2021 خير مثال، الذي شارك فيه 3100 مشارك من 94 دولة عن تطبيقات الحواسيب الكمية باستخدام Qiskit. إذ لم يقتصر التحدي على الحوسبة الكمية وكيفية استخدام Qiskit. بل في أي شيء متعلق بالحوسبة الكمية في الصناعة وذلك بتطبيق تكنولوجيا الكم في المجالات العلمية مثل الكيمياء والتعلم الآلي وغيرها وساهم أكثر من 1293 مشارك في تقديم مشاركة واحدة على الأقل لها أثرها وشاركت دول عدة جديدة في المنافسة وكانت السعودية هي الدولة الوحيدة في الشرق الأوسط. إذ حاز الدكتور إبراهيم المسلم على المركز الثاني عالميًا ونال المركز الأول «نافان بنشاشتابوسه-Naphan Bencgasattabuse» من كوريا الجنوبية. [1]
وكما للحوسبة التقليدية لغات برمجة تتعامل بها، أيضًا للحواسيب الكمية لغات. وهنا سيدور حديثنا حول ما هي لغات البرمجة الكمية؟ وكيف يمكنك ممارسة الحوسبة الكمية والتلاعب بالـ Quibts وبالتأكيد تبادر إلى ذهنك سؤال، ما الـ Qiskit؟ كل ذلك وأكثر سنجيب عنه في هذا المقال، فهيا بنا…
ما هو Qiskit؟
يمنح عملاقة التكنولوجيا مثل Google وIBM المستخدمون الذين لديهم شغف تعلم الحوسبة الكمية فرصة لمعرفة كيفية برمجة ومعالجة الدوائر الكمية. باستخدام لغات البرمجة الكمية ولتعلم فحص مفاهيم الحوسبة الكمية مثل التراكب والتشابك والتلاعب بالـ Qubits وإدارة الأجهزة الكمية والتحقق من الخوارزميات…
فـ Qiskit هو SDK -مجموعة أدوات تطوير البرامج في حزمة واحدة قابلة للتثبيت- مفتوح المصدر للعمل على الحواسيب الكمية من IBM. إذ يُترجم لغات البرمجة الشائعة مثل Python للآلة الكمية وأي شخص خارج مختبرات IBM يمكنه استخدامه. إذ تعد أداة تعليمية ممتازة لتطوير فهمك عمليًا حول المفاهيم الكمية، يوجد كذلك Cirq وهو من شركة Google ومشابه لـ Qiskit.
لكن وجب التنبيه أنه على الأقل وجب أن تكون لديك خلفية جيدة حتى تستطع البدء فهو مناسب لفئات مثل الخبراء في مجالات الكيمياء والذكاء الاصطناعي والمطوريين الذين لديهم معرفة بالدوائر الكمية ويودون في اختبار مزايا الكم وخبراء ميكانيكا الكم. [4,3]
علاقات لغات البرمجة الكلاسيكية باللغات الكمية؟
كما نحن البشر نتحدث بلغات مختلفة فالحواسيب لها لغاتها. تتيح لغات البرمجة في الحواسيب التقليدية إعطاء تعليمات للحاسوب بلغة يفهمها. فلغة البرمجة الكمية هي تلك التي يمكن استخدامها لكتابة برامج الحاسوب الكمي. فنظرًا لأن التحكم في أي آلة يكون بواسطة جهاز كلاسيكي. فإن لغات البرمجة الكمية الحالية تتضمن هياكل تحكم كلاسيكية أيضًا وتسمح بعملها على البيانات الكلاسيكية والكمية فسنجد لغة Python من اللغات المستخدمة والأساسية وكذلك C وJavascript وغيرهم. [2]
ما هي البيئات التي تتيح لك ممارسة الحوسبة الكمية؟
كما ذكرنا فور معرفتك بالأساسيات البرمجية وتعلم اللغات الكلاسيكية؛ يمكنك البدء مباشرةً في بيئات ستوفر لك التعامل مثل Qiskit وCirq. وإليك في السطور الآتية بعض لغات البرمجة الكمية المهمة في تنمية تدريبك على الحوسبة الكمية بجانب اللغات الكلاسيكية.
أشهر لغات البرمجة في الحوسبة الكمية
هنالك نوعان من لغات البرمجة الكمية، الأول لغات البرمجة الأساسية وتتكون من تعليمات تُنفذ خطوة بخطوة وتشمل اللغات الأساسية في الحواسيب الكلاسيكية مثل Python وC وJavascript وPascal، وإليك ثلاثة من أشهر اللغات [5]:
لغة QCL
هي واحدة من أولى لغات البرمجة الكمية وتشبه لغة C وPascal من حيث بناء الجملة Syntax وأنواع البيانات. فهي لغة تحكم عالية المستوى ومستقلة عن بنية الحواسيب الكمية ويمكن للمبرمجين الجمع بين كود C كلاسيكي وكود كمي… [8]
لغة QMASM
نشأت QMASM كلغة لتعريف الدائرة الكمية ومع تطور الحساب الكمي، اعتُمدت اللغة كطريقة لتحديد الدوائر الكمية كمدخلات في الحاسوب الكمي. لوصف العمليات على الـ Qubits وهي منخفضة المستوى، فتستخدم لوصف الدوائر البسيطة نسبيًا وهنالك لغات أخرى عالية المستوى مثل لغات سنذكرهم في السطور القادمة. [6] التي بإمكانها التعامل مع مليارات من Qubits.
لغة Silq
نشرت في عام 2020 وهي لغة عالية المستوى من ETH Zurich في سويسرا وتُحدث باستمرار. نبع الاحتياج لتلك اللغة لملاحظة الباحثين أن كل لغات البرمجة السابقة منخفضة المستوى خاصة في التعامل مع الـ Quibts. ففي كل مرة وجب عليك التفكير في جميع القيم الناشئة من العملية التي تقوم بها وذلك يستغرق وقتًا وينتج عن ذلك بالتأكيد أخطاء. [7]
النوع الثاني هو لغات البرمجة الوظيفية وهي لا تعتمد على تنفيذ التعليمات خطوة بخطوة بل على الدوال الرياضية. أي يتم تحويل المخرجات باستخدام تحويلات رياضية وتعد أقل شيوعًا من اللغات الأساسية وإليك أشهر اللغات:
لغة QML
هي لغة تعريفية مصممة لوصف واجهة مستخدم البرنامج ونُشرت في عام 2007 وتشبه Haskell وتُستخدم لغة Javascript كلغة برمجة نصية في QML وقبل التعمق فيها وجب أن تكون كما ذكرنا مرارنا لديك خلفية برمجية [9] وفهم للغات الويب الأخرى مثل HTML وCSS…
لغتا QPL وQFC
هما لغتان من لغات البرمجة الكمية حددهما «بيتر سيلينجر-Peter Selinger» وتعمل كل منهم على البيانات الكمية والكلاسيكية. [10]
لغة Quipper
هي لغة شهيرة ذات مستوى عال، وتستخدم لوصف الدوائر عالية المستوى ومعالجتها وتحوي مكتبات واسعة من الدوال الكمية بما في ذلك مكتبات الأعداد الصحيحة الكمية وتحويل فورييه الكمي ومكتبات لتحليل دقيق للدوائر والعديد من المزايا. [11]
فيما تتميز لغة Twist؟
هناك عزيزي القارئ العديد من اللغات لكن تحدثنا عن الأحدث والأشهر ولنختم جزء اللغات بلغة Twist التي أثارت ضجة في عامنا هذا 2022، فما هي تلك اللغة وما المميز فيها؟
سعى علماء من علوم الحاسوب والذكاء الاصطناعي CSAIL التابع لمعهد ماساتشوستس للتكنولوجيا إلى إنشاء لغة خاصة بهم للحوسبة الكمية وتسمى (Twist). وتستطيع تلك اللغة أن تصف أجزاء البيانات المتشابكة في برامج الكم والتحقق منها. ويمكن للمبرمج الكلاسيكي فهمها وتستخدم اللغة مفهوم يسمى Purity أو النقاء ويفرض ذلك المفهوم عدم وجود التشابك وينتج عنه برامج أكثر سهولة والأخطاء أقل بكثير. فالمميز هنا أنه لطالما تطلبت برمجة الحواسيب الكمية فهم للتشابك ولكن تأتي Twist لتسهل الأمر على المبرمجين بفرضها عدم وجوده بمفهوم Purity. إضافة إلى أن اللغات البرمجية الكمية لا تزل تربط عمليات منخفضة المستوى معًا مستبعدة أحيانًا معايير مهمة مثل أنواع البيانات… لكن التحدي الذي تتخذه Twist حاليًا هو تسهيل البرمجة الكمية. نهاية فقد دعمت الجهود عليها جزئيًا من قبل MIT-IBM Waston AI lab والمؤسسة الوطنية للعلوم ومكتب البحوث البحرية. [12]
قبل أن نتعرف عن ما هي الخوارزميات الكمية، وجب أن نعرف أن مصطلح الخوارزمية مشتق من اسم عالم الرياضيات الفارسي محمد بن موسى الخوارزمي من القرن التاسع، وظهرت الفكرة الحديثة للخوارزمية في اللغة الإنجليزية في القرن التاسع عشر وأصبحت أكثر شيوعًا منذ خمسينيات القرن الماضي.
تستخدم الخوارزميات في كل جزء من علوم الحاسوب، وهي التي تسمح للحاسوب بفعل كل شيء، فيتمثل جزء كبير من برمجة الحاسوب في معرفة كيفية صياغة الخوارزمية. إذ أنها تعتبر القدرة على تحديد خطوات واضحة لحل مشكلة ما، أيضًا فهي أمرًا مهمًا في العديد من المجالات، لذلك فنحن نستخدم الخوارزميات التي تسمح لنا بتفكيك المشكلات ووضع تصور للحلول. [5]
بعد تلك المقدمة البسيطة، لنلقى نظرة أوسع على ماهية الخوارزميات الكمية.
بعد وقت قصير من إثبات جودل عدم اكتماله الشهير، نُشرت العديد من الأوراق البحثية لتميز بين الدوال التي يمكن حسابها والتي لا يمكن حسابها. فأظهرت الأوراق أن هنالك البعض منها لا يمكن حسابه ويتطلب إثبات مثل هذه النظرية تعريفًا رياضيًا وكانت التعريفات مختلفة. في النهاية، أدى هذا إلى اقتراح أطروحة «تشرش-تورينغ»، سميت على اسم العالمين الرياضيين ألونزو تشيرش وآلان تورينج. إذ كان يرى معظم علماء الحاسوب أن الحوسبة الكلاسيكية هي كل ما في الأمر، ولا تستطيع الآلات الكلاسيكية إجراء كل هذه الحسابات بكفاءة مثل السلوك الكيميائي للجزئ، إذ يرتبط هذا السلوك بسلوك الإلكترونات، فتعتمد الحالة الكمية لكل إلكترون على حالات الآخرين بسبب ظاهرة ميكانيكا الكم، فحساب هذه الحالات معقد للغاية. [1،2]
انتهاك أطروحة تشرش-تورينغ!
يشير المبدأ الأساسي لأطروحة تشرش-تورينغ إلى حل مشكلة حسابية على نحو أسرع من خلال:
تقليل الوقت لتنفيذ خطوة واحدة.
تنفيذ العديد من الخطوات بالتوازي أو تقليل إجمالي الخطوات.
لكن اكتشاف حواسيب كمية انتهك الأطروحة من خلال حل بعض المهام الحسابية بخطوات أقل بكثير من أفضل خوارزمية كلاسيكية أيضًا لنفس المهمة وفتح الباب أمام طرق جديدة لحل المشكلات الحسابية.
فصور الخوارزميات القادرة على حل حسابات معقدة ليس بالأمر الهين. لكن في عام 1994، اقترح موظف شاب في مختبرات بيل يسمى بيتر شور خوارزمية كمية تحلل الأعداد الصحيحة على نحو أسرع من أي خوارزمية كلاسيكية وتخترق العديد من أنظمة التشفير الشائعة. بعدها بعامين فقط، ابتكر زميل شور في مختبرات بيل ويُدعى لوف جروفر خوارزمية تسرع العمليات الكلاسيكية للبحث من خلال قواعد البيانات غير المصنفة. [4]
آلان تورنج وألونزو تشرش
ما هي خوارزمية الكم ببساطة؟
الخوارزمية هي إجراء عملية حسابية تبعًا لمجموعة من الخطوات المتتالية أو سلسلة من التعليمات لحل مشكلة ما. إذ يمكن تنفيذ كل خطوة على حاسوب، لذلك تنفذ الخوارزمية الكمية على حاسوب كمي. كذلك من الممكن تشغيل جميع الخوارزميات الكلاسيكية على الحاسوب الكمي. يرجع ارتباطها بكلمة (الكم) نظرًا لتمتعها بمبادئ ميكانيكا الكم مثل التراكب والتشابك…
ما هي دوائر الكم؟
توصف الخوارزميات الكمية على نحو أكثر شيوعًا بواسطة دائرة الكم، فالدائرة الكمية هي نموذج للحسابات الكمية، إذ تكون خطوات حل المشكلة عبارة عن بوابات كمية، تُجرى على كيوبت أو أكثر. فتكمن القيمة المضافة للخوازميات الكمية في قدرتها على بعض المشكلات بسرعة مثل خوارزمية شور وجروفر المذكورتين. [3]
أشهر الخوارزميات الكمية
«Deutsch-Jozsa».
«Bernstein-Vazirani».
«Simon’s».
«Shor’s».
«Grover’s».
فستتفوق الخوارزميات الكمية عزيزي القارئ على نحو كبير خاصة في محاكاة أنظمة تتمتع بدرجات حرية كمية عالية. فتطبيقاتها ستشمل حل المشاكل في الكيمياء وعلوم المواد والفيزياء النووية… فتلك مقدمة في الخوارزميات الكمية. فتابعنا؛ لمعرفة المزيد عن الخوارزميات الكمية وكيفية عملها.
انتشر القمار في المجتمع الفرنسي قديمًا بشكل كبير إلى أن وصل أنه كان الأكثر شهرة وحداثة في المجتمع في منتصف القرن السابع عشر. وبعدما أصبح أكثر تعقيدًا وأضخم كانت هناك حاجة ملحة للوصول إلى طرق رياضية أحدث لتحقيق المكسب. فاستعان لاعب القمار الشهير في ذلك الوقت الذي لم يكن يخسر وقتها أي مواجهة إلا بصعوبة <<Chevalier De Mere – شوفالييه دي ميري >> الحاصل على جائزة نوبل ب <<Blaise Pascal – بليز باسكال >> فبدأ باسكال التعاون مع صديقه العالم << Pierre De Fermat – بيير دي فيرما>> لمناقشة هذه المشكلة، وتوصلوا من ذلك إلى الأصل الرياضي للاحتمالات ووضعوا أساس ما يسمى بالاحتمال الكلاسيكي. ففي هذا المقال نناقش نظرية الاحتمال بين الماضي والمستقبل.
تاريخ نظرية الاحتمال
العصور القديمة: ظهرت لعبة رمي النرد في ألعاب الحظ عبر كل العالم تقريبًا منذ أكثر من 3500 سنة في اليونان والإمبراطورية الرومانية والصين والهند وغيرهم من الدول. وكان يُصنع النرد وقتها من عظام الحيوانات مثل الماعز والخروف، وتواجدت هذه الصناعة بشكل أكبر في اليونان والإمبراطورية الرومانية.
القرنين السادس عشر والسابع عشر: في هذه الفترة كانت قد حصلت ألعاب الحظ وألعاب الكروت على اهتمام أكبر. وكتب عالم الرياضيات << Gerolamo Cardano – جيرولامو كاردانو >> دليل قصير سنة 1524م والذي احتوى على أول معالجة رياضية عن الاحتمالات ونُشرت بعد قرن تقريبًا سنة 1633م. وكان قد عرض العالم كاردانو في هذا الدليل أن احتمالية حدث ما تكون بين صفر وواحد والناتج عشوائي. وعندما تكون احتمالية حدث ما هي (p) وعدد المرات التي تحدث هي (n) فإن عدد المرات التي ستحدث هي (np). واعتقد العلماء وقتها أنه لم يقدم جديدًا ولكنه ما زال يعتبر الأب الحقيقي لعلم لنظرية الاحتمال. ثم جاء العالمان بليز باسكال وبيير دي فيرما وقدموا تعريف الاحتمالات والقيمة المتوقعة والاحتمال المشروط وذلك يعتبر ميلاد الاحتمالية الكلاسيكية. ثم نشر العالم الهولندي << Christian Huygens – كريستيان هوغنس >> أول بحث له عن نظرية الاحتمال عام 1657م وأعاد تقديم فكرة احتمالية حدث معين واستعان بتعريفات أبو الاحتمالات العالم كاردانو. وظلت كتاباته هي الأشهر حتى القرن الثامن عشر.
القرنين الثامن عشر والتاسع عشر: وضع العالم <<Jacob Bernoulli – ياكوب بيرنولي >> أساس نظرية الاحتمال وحل مشكلة الأرقام الكبيرة التي قابلت العلماء فيما سبق. ثم العالم << Pierre Simon – بيير سيمون >> وهو أول من قام بمحاولات لتطوير نظرية الاحتمالات في ألعاب الحظ، وأقام تطبيقات عديدة في الرياضيات والعلوم الاجتماعية مثل معدل الوفيات وغيرها، وساهم بشكل كبير في علم الإحصاء.
الاحتمالية الحديثة: ترأس هذه المرحلة عالم الرياضيات الروسي << Alexander Nikolaje – أليكسندر نيكوليجي >> وقدم إسهامات كبيرة في القرن العشرين، وهو الخبير الأول وقد نشر كتاب أساسيات نظرية الاحتمال، ووضع الأساسيات الحديثة لعلم الاحتمالات. [2]
تعريف نظرية الاحتمال
نظرية الاحتمال هي الفرصة لحدوث شئ معين بناءً على بعض التجارب، على سبيل المثال عندما نقول فرصة سقوط المطر اليوم 30%. وتكون الاحتمالات دائمًا ما بين 0% إلى 100% أو ما بين الصفر والواحد. ولكن عندما تكون 0% هذا يعني أن هذا لن يحدث مطلقًا، وعندما تكون 100% معنى ذلك أنه سيحدث بكل تأكيد ولا يعد ذلك احتمال.
فإذا كان أمامك صندوق من الكرات وكل كرة عليها رقم من 1 إلى 6، فكل الاحتمالات الممكنة هي كل أرقام هذه الكرات وتعبر عن العينة أي أن العينة هي { 1 و 2 و 3 و 4 و 5 و 6 }، واحتمال حدوث كل حدث من هذه الاحتمالات هي 1 مقسومًا على عدد الاحتمالات، واحتمالية حدوث العينة كلها يساوي واحد. [1]
فكيف نعد هذه الاحتمالات؟
يوجد طرق متعددة لمعرفة عدد الاحتمالات، وأشهرهم:
طريقة التجميع (Multplication Rule): على سبيل المثال إذا كان لدينا موقع به 4 ألوان و3 خطوط و3 أماكن مختلفة لوضع الصور، فنستطيع أن نحصل على عدد الاحتمالات الممكنة لظهور تصميم الموقع بضرب عدد الألوان في عدد الخطوط في عدد الأماكن أي أننا في هذا المثال بإمكاننا أن نحصل على 36 تصميم مختلف.
التباديل: إحدى طرق عد الاحتمالات وتهتم بترتيب العناصر، حيث نحصل على عدد احتمالات ترتيب العناصر بشكل مختلف، على سبيل المثال أ-ب-ج من الممكن أن نحصل منهم على 6 أشكال بتغيير الترتيب.
التوافيق: وهي طريقة تتشابه مع التباديل دون الاهتمام بالترتيب، ونستخدمها عندما نريد الحصول على احتمالات لعدد من العناصر أقل من عدد الاحتمالات الكلي، على سبيل المثال إذا أردنا الحصول على احتمالية تواجد موقع 3 كرات داخل صندوق من أصل 10 كرات. [1]
أهمية دراسة الاحتمالات وتطبيقاتها
تتداخل الاحتمالات مع العديد من المجالات ومنها:
الإحصاء: وتعتبر الاحتمالية هي أساس ولغة الإحصاء، وتمكننا بطرق عديدة باستخدام البيانات لنتعلم عن العالم.
الفيزياء: وتساعدنا على فهم الفيزياء الكمية، والتي تتضمن الاحتمالات في أساسياتها لدراسة الطبيعة.
الأحياء: تترابط الجينات بقوة مع الاحتمالات، وخاصة في دراسة الجينات والوراثة والطفرات.
علم الكمبيوتر: حيث تلعب الاحتمالات دورًا كبيرًا في دراسة الخوارزميات العشوائية وتعلم الألة والذكاء الاصطناعي.
التمويل: وهي أساس التمويل الكمي، وترقب أسعار المخزون مع مرور الوقت يعتمد بشكل كامل على الاحتمالات.
العلوم السياسية: أصبحت الاحتمالات في هذا المجال ذات اهمية كبيرة مؤخرًا، وأصبح هناك ارتباطًا أكبر بالكم والإحصاء مثل توقع وفهم نتائج الانتخابات.
الطب: تطورت التجارب الإكلينيكية العشوائية التي فيها يُقسم المرضى إلى مجموعتين واحدة تحصل على العلاج الأساسي والأخرى تحصل على كبسولات فارغة ليس فيها علاج. وساعدت الاحتمالات الطب كثيرًا في مثل هذه الحالات في السنوات الأخيرة.
الحياة: حيث أن الحياة غير مؤكدة، والاحتمالات هي عدم التأكد، لذلك استخدام الاحتمالات في اتخاذ القرارات في حياتنا يساعدنا كثيرًا. [3]
يتطور مجال علم البيانات تقريبًا كل يوم إلى أن أصبح من أهم المجالات في القرن الحالي. ولكن ما أن يبدأ عالم البيانات حياته العملية إلا أنه يجد العديد من الصعوبات. تخيل أنك طالب قد درست علم البيانات وبدأت أن تفتح يديك لسوق العمل. فأولًا تبحث عن أي التقنيات التي يجب ان تتقنها وأى لغات البرمجة التي يجب أن تكون ملمًا بها وأسئلة أخرى متعددة تجول بخاطرك بلا شك. فلنتعمق في تقرير موقع كاجل: نصائح لعلماء البيانات.
مجتمع كاجل لعلم البيانات هو من أشهر المواقع التي تجمع علماء البيانات عالميًا بغرض التعليم وحل المشكلات والمنافسة فيما بينهم. ويعرض الموقع تقريرٍا سنويًا ويحتوي على أراء علماء البيانات بداية من لديه خبرة أقل من عام إلى من لديه خبرة تفوق العقدين من الزمن في هذا المجال.
ونستيطع أن نخرج ببعض الدروس والنصائح المستفادة من هذا التقرير وتوجيهها إلى المبتدئين في مجال علم البيانات. ويفيد أيضًا من لديهم خبرة كبيرة.
ستقدم الإناث المزيد مستقبلًا في هذا المجال
مازال هناك فرق كبير بين عدد العاملين من الرجال والسيدات في علم البيانات، حيث ٨٢٪ من العاملين في هذا المجال رجال و ١٦٪ فقط سيدات وأقل من ٢٪ لم يفضلوا ذكر النوع. حتى منذ ٥ سنوات سابقة وحتى الآن لم يكن هناك تغيير في هذه النسبة منذ ٢٠١٧م وحتى عام ٢٠٢١م. لذا فاعتقد ان المجال متاحًا أمام السيدات لأخذ خطوات واسعة قوية في سبيل هذا المجال.
هل يوجد أزمة منتصف العمر لدى علماء البيانات؟
يعتبر مجال علم البيانات في مرحلة مبكرة، حيث تقريبًا نصف العاملين في هذا المجال بين عمر ٢٢ إلى ٣٤ سنة. حيث يبدأ العمل في علم البيانات تقريبًا بعمر ١٦ سنة، ويظل في الزيادة، ويكون في قمة الزيادة من ٢٥ إلى ٢٩ سنة، وتظل النسبة قريبة حتى عمر ٣٤ سنة ولكن تبدأ تقل تدريجيًا بعد عمر ال٣٩.
لماذا تزداد نسبة علماء البيانات في الهند؟
من أكثر الدول التي تمتلك علماء بيانات هما أمريكا والهند. فمنذ ٥ سنوات وما زال نفس الوضع قائمًا. ومنذ ٢٠١٧م تقل النسبة في أمريكا وتزداد في الهند حيث يمثل مجتمع علماء البيانات على موقع كاجل ٢٤٪ هنود، و١٢٪ من أمريكا وتأتي بعدهم البرازيل، وذلك بسبب توافر فرص التعليم عبر الإنترنت. ويتجه الأمريكيون إلى إكمال التعليم الجامعي في تعلم الآلة والذكاء الاصطناعي.
هل الحصول على بكالوريوس أو ماجستير كافي للعمل؟
أكثر من ٦٢٪ من علماء البيانات قد حصلوا على دراسات عليا بين ماجستير ودكتورة. وأقل من ٥٪ لم يحصلوا على درجات علمية بعد دراسة الثانوية العامة. ويحصل أغلب علماء البيانات على ماجستير وبعدها بكالوريوس ويليهما الدكتوراة. وبعدهم بنسبة قليلة لا تُذكر علماء بيانات لم يدرسوا بعد الدراسة الثانوية.
وبمرور الوقت أصبح توظيف علماء البيانات غير مقتصر على الحصول على درجة علمية متقدمة حيث يزيد توظيف خريجي البكالوريوس وغير الحاصلين على الماجستير والدكتوراه مؤخرًا.
أفضل المواقع للتطوير من نفسك من المنزل كعالم بيانات
لا يتوقف علماء البيانات عن التعلم أبدًا، وأكثر المنصات التي يستخدمها علماء البيانات المتواجدين في مجتمع كاجل هي المنصة الشهيرة كورسيرا ثم يوديمي ثم كاجل، ومن بعدهم إيدكس ولينكدإن ليرنينج. وكاجل هو أكثر المواقع زيارة وازدياد في الاستخدام في التعلم في السنة الماضية، وقل بنسبة قليلة كورسيرا ويوديمي.
هل تحتاج إلى خبرة في البرمجة قبل التعمق في علم البيانات؟
نسبة قليلة لا تتعدى ١٪ لم تكن لديها خبرة سابقة في البرمجة. وأغلب الخبرات من ٣ إلى ١٠ سنوات، ولكن ازدادت النسبة في السنة الماضية حيث وصلت إلى ١٤٪ بعدما كانت ٩٪ فقط.
الخبرة في تعلم الآلة
بدأ أغلب علماء البيانات في تعلم الآلة توًا، حيث دخل أكثر من ٥٥٪ من علماء البيانات في مجتمع كاجل تعلم الآلة منذ أقل من ٣ سنوات، وأقل من ٦٪ منذ أكثر من عقد.
وعلماء البيانات داخل أمريكا عمومًا أكثر معرفة بتعلم الآلة عن علماء البيانات خارجها نظرًا لتوافر التعليم الجامعي في هذه التخصصات بطريقة جيدة.
أفضل دولة يعمل بها علماء البيانات من حيث الرواتب
يحصل أغلب علماء البيانات في أمريكا على راتب يتعدى ١٠٠ ألف دولار سنويًا، ولكن ٣٪ فقط من علماء البيانات في الهند يحصلون على هذا الراتب. وأكبر متوسطات للرواتب عالميًا في أمريكا تليها ألمانيا ثم اليابان، ويزداد المتوسط في أمريكا حاليًا في سنة ٢٠٢١م إلى ١٥٠ ألف دولار سنويًا بعدما كان ١٠٠ ألف دولار، وفي ألمانيا وفي اليابان بمتوسط ٦٠ ألف دولار.
في أي شركة تبحث عن عمل كعالم بيانات؟
الشركات الكبيرة والصغيرة الناشئة هما الأشهر في توظيف علماء البيانات. وعدد أعضاء فريق علم البيانات في الأغلب ٥ أشخاص أو أقل، وفقط خمس الشركات الكبرى لديها عدد أكثر من ٢٠ موظف عالم بيانات.
التقنيات المستخدمة
يسيطر «جوبيتير نوتبوك – jupyter notebook» على ٧٥٪ من عمل علماء البيانات، ويأتي بعده «فيجوال ستوديو كود – visual studio code» في المركز الثاني مباشرة بنسبة ٣٨٪. ومازال جوبيتير على نفس الأهمية تقريبا منذ ٤ سنوات وقد حدث تغيير طفيف للأقل بنسبة لا تُذكر ١٪ فقط.
أشهر الخوارزميات التي تتعلمها كعالم بيانات
«Linear regression – الارتباط الخطي»
«Logistic regression – الانحدار اللوجيستي»
«Decision tree – شجرة القرار »
وغيرهم من أنواع الخوارزميات التي يستخدمها علماء البيانات في عملهم.
أشهر إطارات العمل الخاصة بتعلم الآلة
مازالت تسيطر لغة البرمجة بايثون ومكتباتها على العمل حيث تحتل مكتبة ( scikit-learn ) المركز الأول بجدارة وتسيطر على أكثر من ٨٠٪ من أعمال تعلم الآلة، وتُستخدم أيضًا كلًا من Tensorflow و keras في التعلم العميق.
وما زال يتطور علم البيانات وتتغير الأدوات يومًا بعد يوم في سبيل الوصول إلى أفضل ما يمكن لمساعدة كل الدارسين والباحثين في علم البيانات.
كل ما تحتاج معرفته عن أشهر الوظائف في مجال صناعة البرمجيات
يزداد عالم البرمجة امتدادًا يومًا بعد يوم. التقدم في التقنية يؤدي إلى ظهور الحاجة لمهارات ومتطلبات جديدة تؤدي بدورها إلى فتح العديد من الوظائف الجديدة الشاغرة. وبالرغم من اتساع شهرة هذا المجال واقبال الكثيرين عليه، إلا أنه لا تزال هناك قلة علم بماهية الوظائف في عالم البرمجيات ومتطلباتها. حيث يهرول معظم الأشخاص إلى تعلم إحدى لغات البرمجة غافلين بذلك عن المعرفة الأساسية التي ينبغي أن تتواجد عند العامل في مجال صناعة البرمجيات المتوسط. في هذا المقال سيتم سرد قائمة بأشهر الوظائف في عالم البرمجيات ومتطلباتها والخلفية المعرفية الأساسية لها.
مهندس ذكاء اصطناعي-AI engineer
تتمحور وظيفة مهندس الذكاء الاصطناعي حول تطوير برمجيات ذكية، أي بإمكانها التعلم والتطور والتحليل والتنبؤ بأحداث مستقبلية. وظيفتهم هي جعل الآلات قادرة التفكير مثل الإنسان. انطلاقًا من تلك النقطة، فوظيفة مهندس الذكاء الاصطناعي لا تنحصر على الجانب العملي أو التقني فقط، بل يدور جانب كبير من طبيعة وظيفتهم حول البحث العلمي والنظريات العلمية. نظرًا لأن تطوير خوارزمية قادرة على محاكاة وظيفة معينة في عقل الإنسان يحتاج إلى معلومات كافية حول كيفية عمل عقل الإنسان نفسه ووظائفه المختلفة. فالاطلاع المستمر على أحدث الأوراق البحثية في مجال علم الأعصاب والعلوم الإدراكية لا مفر منه.
متطلبات الوظيفة:
• مؤهل علمي يتطلب على الراغب في الحصول على تلك الوظيفة الحصول على مؤهل علمي كدرجة البكالريوس في إحدى المجالات الآتية: (علوم الكمبيوتر – الرياضيات – تكنولوجيا المعلومات – الإحصاء – الإقتصاد)
• مهارات تقنية تعد المهارات التقنية لمهندس الذكاء الاصطناعي حجر الأساس لمنصبه وأيضًا عامل محدد لراتبه. ويجب عليه صقل تلك المهارات بثبات واستمرار. ولطالب الحصول على تلك الوظيفة عليه أن يكون خبرة نظرية وعملية في الموضوعات التالية:
إحدى لغات البرمجة ك python أو R أو java أو c++. وأيضًا إتقان مفاهيم هياكل البيانات والخوارزميات.
المفاهيم الإحصائية والرياضيات التطبيقية وخوارزميات تعلم الآلة.
التعلم العميق والشبكات العصبية.
• مهارات العمل أو المهارات الناعمة-soft skills
تعد المهارات الناعمة معيار تميز الموظفين والعامل الأساسي لضمان سلامة وانسيابية بيئة العمل، وتتضمن الآتي:
تفكير إبداعي.
التواصل الفعال.
مهارات حل المشكلات التحليلية. (1)
متوسط الراتب:
متوسط الراتب السنوي لمهندس الذكاء الاصطناعي يزيد عن 100,000 دولار. (2)
مطور ويب – web developer
وظيفة مطور الويب الأساسية هي تصميم وبناء موقع الويب عن طريق بناء الوظائف وتحديد التفاعلية والبنية المرئية للموقع. هم مسؤولون أيضًا عن ضمان عمل الموقع بشكل صحيح على جميع المتصفحات (سطح المكتب والجوال). وبعد أن تتم عملية بناء الموقع يقوم المطورون بإجراء التحديثات حسب الضرورة. يتواصل مطورو الويب مع عملاء لا يملكون في العادة خلفية تقنية. بناءً على متطلبات العملاء من تصميم للموقع وطريقة تفاعلاته يتم تحديد الوظائف والعوامل الأساسية لبدء البناء الفعلي للموقع (كتابة الكود). يمكن تقسيم مطوري الويب بشكل أساسي إلى نطاقين مختلفين من المسؤوليات والمهارات:
الواجهة الأمامية-frontend. حيث يركز مطورو الواجهة الأمامية على تعلم لغات برمجة محددة مثل HTML و CSS و Javascript لإنشاء الأجزاء المرئية والتفاعلية للموقع.
الخلفية-backend. يتحمل مطورو الواجهة الخلفية مسؤولية إنشاء المنطق الذي يتم تشغيله على الخادم-server. ويتعاملون أيضا مع الجزء المتعلق بالاتصال بقاعدة البيانات، حيث تتم معالجة بيانات المستخدمين وإعادتها إلى المتصفح حيث يتم عرضها وتقديمها للمستخدم. لغات البرمجة المستخدمة هي php و ruby و asp و sql.
متطلبات الوظيفة:
• مؤهل علمي
لا تتطلب وظيفة مطور الويب مؤهل علمي بالضرورة. فيمكن للأشخاص الاعتماد على التعلم الذاتي في تحصيل مهارات ومتطلبات الوظيفة. ولكن من الجيد بالتأكيد وجود مؤهل علمي وبالأخص درجة البكالريوس في علوم الكمبيوتر كخلفية معرفية قوية لمطور الويب. وأيضًا لتحسين منصبه وراتبه.
• مهارات تقنية
تكوين خبرة جيدة في:
تجربة المستخدم (UX).
واجهة المستخدم (UI).
تصميم المرئي.
لغات ومهارات برمجة الويب للواجهة الأمامية مثل JavaScript و Ajax وتقنيات الرسوم المتحركة على الويب.
لغات برمجة الويب الخلفية مثل C# أو Java و PHP و Ruby.
• مهارات العمل أو المهارات الناعمة-soft skills
قدرة إبداعية قوية.
الاطلاع الدائم على أحدث التقنيات.
انتباه للتفاصيل.
التعامل مع تعدد المهام.
مهارات تواصل قوية.
مهارات ممتازة في حل مشكلات.
القدرة على شرح الأمور التقنية بشكل واضح لغير العاملين في مجال البرمجيات. (3)
متوسط الراتب:
متوسط الراتب السنوي لمطور الويب 69,430 دولار.
محلل الأمن السيبراني-Cyber Security Analyst
المنظمات الحكومة والمؤسسات المالية والشركات الخاصة وحتى أجهزة الكمبيوتر الشخصية في تعرض دائم لإحتمالية الهجمات الالكترونية والقرصنة التي قد تسبب خسائر فادحة في الموارد. ومن ذلك المنطلق فإن وظيفة محلل الأمن السيبراني ومجال الأمن الالكتروني بشكل عام لا غنى عنهما في الحماية و ضمان الحفاظ على الأمن العام.
متطلبات الوظيفة:
• مؤهل علمي
درجة البكالوريوس في تكنولوجيا المعلومات أو علوم الكمبيوتر مع خبرة لا تقل عن سنة إلى سنتين في أمن الشبكات.
• مهارات تقنية
خبرة مع أنظمة الكمبيوتر المتعددة مثل windows و Unix و Linux.
معرفة نماذج SaaS والحوسبة السحابية.
شهادات مثل security+ و network+.
مهارات قوية في الأمن السيبراني والتوعية.
مهارات البرمجة مثل java و C و C ++ و PHP.
شهادة مثل القرصنة الأخلاقية المعتمدة، وشهادات الأمان GIAC، ومحلل الأمان المعتمد من EC-Council.
• مهارات العمل أو المهارات الناعمة-soft skills
مهارات تحليلية قوية.
القدرة على حل المشكلات بشكل مستقل.
مهارات تواصل قوية.
قدرة على اتخاذ القرار السليم.
متوسط الراتب:
متوسط الأجر السنوي لمحلل الأمن السيبراني قدره 98,350 دولار. (4)
مطور الألعاب- game developer
يقوم مطورو ألعاب الفيديو، المعروفين أيضًا بمبرمجي ألعاب الفيديو، بكتابة أوامر برمجية للألعاب لمجموعة متنوعة من التنسيقات، مثل أجهزة الكمبيوتر ووحدات التحكم ومتصفحات الويب والهواتف المحمولة. حيث يأخذون الأفكار من مصمم ألعاب الفيديو والرسومات والقواعد التي يصممها ويحولونها إلى لعبة قابلة للعب بها عناصر مرئية وصوت من خلال كتابة التعليمات البرمجية.
متطلبات الوظيفة:
• مؤهل علمي درجة علمية في علوم الكمبيوتر أو هندسة البرمجيات. كمطور ألعاب فإن الدرجة العلمية ليست إجبارية أو عاملًا أساسيًا ولكنها بالطبع عامل محسن كبير فيما يتعلق بالراتب.
• مهارات تقنية
تلعب خبرة العمل ومجموعة المهارات التقنية الدور الأهم كعامل أساسي لتلك الوظيفة. حيث تتضمن:
إجادة لغات البرمجة مثل C # و C ++.
استخدام برامج الرسوم المتحركة والنمذجة ثنائية أو ثلاثية الأبعاد ، مثل Maya.
تصميم الجرافيك.
تجربة المستخدم ومهارات تصميم واجهة المستخدم (UX / UI).
• مهارات العمل أو المهارات الناعمة-soft skills
العمل بروح الفريق الواحد.
حل المشاكل.
إدارة الوقت.
تواصل فعال.
إبداع.
انتباه للتفاصيل.
متوسط الراتب:
متوسط الراتب السنوي لمطور الألعاب 78,499 دولار. (5)
محلل البيانات-data analyst
مع التقدم الحالي الذي نشهده في عالم التقنية والتسارع الشديد في انتشار تطبيقاته، بلغت كمية البيانات المتداولة اليوم حول العالم تضخمًا رهيبًا كما لم نشهده من قبل، مشكّلة في ذلك تحديًا كبيرًا للشركات وصانعي القرار في الاستفادة من ذلك الكم الضخم من البيانات. ومن هنا يأتي دور محلل البيانات فيحلل ويفسر البيانات الإحصائية ويحولها إلى معلومات مفيدة يمكن للشركات والمؤسسات استخدامها في اتخاذ القرارات الحاسمة.
متطلبات الوظيفة:
• مؤهل علمي
درجة البكالوريوس في مجال يركز على المهارات الإحصائية والتحليلية. عادة ما يتمتع الطلاب من خلفية الرياضيات أو الإحصاء أو علوم الكمبيوتر أو الاقتصاد بمكان مميز في المسار الوظيفي لمحلل البيانات.
• مهارات تقنية
مهارات رياضية قوية للمساعدة في جمع البيانات وقياسها وتنظيمها وتحليلها.
معرفة لغات البرمجة مثل SQL و Oracle و R و MATLAB و Python.
الكفاءة التقنية فيما يتعلق بتطوير وتصميم قواعد البيانات ونماذج البيانات وتقنيات استخراج البيانات والتجزئة.
الكفاءة في الإحصاء والحزم الإحصائية مثل Excel و SPSS و SAS لاستخدامها في تحليل مجموعة البيانات.
معرفة ببرامج تصور البيانات مثل Tableau و Qlik.
• مهارات العمل أو المهارات الناعمة-soft skills
مهارات حل المشاكل.
الدقة والاهتمام بالتفاصيل.
براعة في الاستفسارات وكتابة التقارير وتقديم العروض.
مهارات العمل الجماعي.
مهارات تحليلة.
متوسط الراتب:
متوسط راتب محلل البيانات السنوي هو 69,513 دولار. (6)
ربما أصبحت جملة إنترنت الأشياء جملًة اعتيادية، فهو مفهوم ليس قادرًا على تغير حياتنا فقط بل هو قادر على تغير طريقة عملنا أيضًا. هناك الكثير من التساؤلات التي أدت إلى الكثير من التعقيدات. فما هو انترنت الأشياء؟ وهل له تأثير على الإنسان بشكل خاص، وكيف سيؤثر على عملنا؟ وهل هو حقًا الثورة الصناعية الرابعة؟!
مفهوم إنترنت الأشياء
هو مفهوم توصيل أي جهاز طالما أنه يحتوي على مفتاح تشغيل وإيقاف بالإنترنت والأجهزة الأخرى. إنترنت الأشياء عبارة عن شبكة عملاقة من الأشياء والأشخاص المتصلين وكلهم يجمعون البيانات ويشاركونها. يتضمن ذلك عددا غير عاديٍ من الأشياء من جميع الأشكال والأحجام من أفران الميكروويف الذكية التي تطهو طعامك لفترة زمنية مناسبة، إلى السيارات ذاتية القيادة التي تكتشف مستشعراتها المعقدة المسار وتحديد الجهات وغيرها. هو مصطلح يعني ربط كل جهاز بدءًا من جهازك المحمول وصولًا إلى الغسالات حتى آلات صنع القهوة وأي شيء يخطر على بالك الان.
بعض الأمثلة الواقعية
مثلًا يتم ربط ساعة اليد خاصتك بأجهزة الإنارة. مع الوقت تصبح أجهزة الإنارة قادرة على معرفة مواعيد استيقاظك فيتم تشغيل إنارة المنزل بشكل تلقائي دون الرجوع إليك. وأحيانًا يكون لديك اجتماع مع شركة معينة. يتم ربط جدول مواعيدك بالسيارة فستكون قادرة على تحديد المسار والمسافة والمدة اللازمة والزحمة وكل شيء تتخيله. ولو فرضنا جدلًا أن السيارة حددت المسار واكتشفت أنه هناك زحمة. تلقائيًا أنت ستتأخر عن الموعد فستقوم السيارة بإرسال رسالة إلى الشركة بأنك ستتأخر مدة معينة دون الرجوع إليك وأنت تقود. لو أسقطنا هذه الأمثلة على جميع الأجهزة، وكان لها القدرة على تحليل المواقف واتخاذ القرارات المناسبة سنكون قادرين على توفير الكثير من الوقت والجهد بشكل حتمي. فسنكون قادرين على فهم حياتنا وطريقة عملنا بشكل ديناميكي أكثر من خلال ربط كل الأجهزة بالإنترنت.
طريقة عمل إنترنت الأشياء
يتم توصيل الأجهزة ذات المستشعرات المدمجة بمنصة الإنترنت والتي تدمج البيانات من الأجهزة المختلفة مع بعضها، وتطابق جميع التحليلات لمشاركة معلومات مفيدة تلبي احتياجاتك. فهي تحدد بدقة المعلومات وما يمكن تجاهله منها بأمان. يمكن استخدام هذه المعلومات لاكتشاف أنماط حياتك وتقديم التوصيات بما يناسبك واكتشاف المشكلات المحتملة قبل حدوثها.
ثورة إنترنت الأشياء
من ثورة المحركات البخارية إلى ثورة محطات الطاقة واختراع المصباح الكهربائي حتى ثورة التكنولوجيا الرقمية، هل نحن مقبلين إلى ثورة صناعية رابعة تحت مسمى إنترنت الأشياء؟ فعليًا قد بدأت عوالم هذه الثورة بالتشكل. كل شيءٍ يتحول إلى بيانات وتحليلات تنبؤية وروبوتات ستحسن مستقبل الصناعة.
رقمنة الصناعة
تُمكن إنترنت الأشياء الأجهزة من الاتصال وتبادل البيانات في التصنيع. تربط إنترنت الأشياء العمليات بالآلات بالأنظمة بالأشخاص. مما يتيح تكاملًا أفضل لعمليات المصنع وتحقيق مستويات أعلى من الإنتاجية والارتقاء بمستوى التصنيع. معدات المصانع الذكية قادرة على: منع تأخير الإنتاج وتحسين أداء خط الانتاج. تقليل وقت تعطل المعدات وزيادة كفاءة عملية الإسراع في إصلاح المعدات. كلما كانت قاعدة بياناتك أذكى كلما كانت المعدات قادرة على: تخسين سلامة العمال. اكتساب ادارة أفضل للقوى العاملة. زيادة انتاج العاملين وخبراتهم. التقليل من استهلاك الطاقة في المنشآت والمباني.
تعلم الآلة هو فرع من فروع «الذكاء الاصطناعي-artificial intelligence» المهتم بجعل أجهزة الكمبيوتر تعمل دون أن تتم برمجتها بشكل صريح. أي يهتم بدراسة خوارزميات التعلم القائمة بشكل أساسي على جعل أجهزة الكمبيوتر تتعلم وتتطور بمفردها دون الحاجة إلى أوامر برمجية محددة وصريحة. بعبارة أخرى، هو الفرع المهتم بجعل الآلة تحاكي عملية التعلم في الإنسان.
الفرق بين خوارزميات تعلم الآلة والخوارزميات التقليدية
الخوارزميات التقليدية تقوم على أخذ المدخلات والأوامر البرمجية في شكل كود، وبناءً على المنطق الخاص بالأوامر البرمجية تقوم بإخراج المخرجات. أما في حالة خوارزميات تعلم الآلة فإنها تأخذ المدخلات والمخرجات معًا فيما يسمى ب «مجموعة البيانات-data set». وبناءً على مجموعة البيانات هذه تستخرج «نموذج-model» يحتوي على المنطق أو النمط بين مجموعة المدخلات والمخرجات، ويُستخدم هذا النموذج لاحقًا مع مدخلات جديدة للحصول على مخرجات(أو توقعات).
ويمكن توضيح الفرق بينهما في الصورة التالية:
تطبيقات تعلم الآلة
تستخدم خوارزميات تعلم الآلة في المشاكل المعقدة التي يصعب وصف المنطق ورائها مثل تطبيقات «التعرف على الصوت-voice recognition». تستخدم أيضًا مع المشاكل التي تتغير بياناتها بشكل مستمر مثل أنظمة توقع الاتجاه من مبيعات السلع.
ونظرًا لكثرة مجالات استخدام خوارزميات تعلم الآلة فإن تطبيقاتها لا حصر لها.
فيما يلي بعض من هذه التطبيقات:
«محركات التوصية-recommendation engines»
عندما تبحث عن فيلمٍ أو منتجٍ ما، فتجد في اليوم التالي إعلانات لمنتجات مشابهة أو أثناء تصفحك لإحدى مواقع التواصل تجد توصيات لأفلام مشابهة للفيلم الذي بحثت عنه من قبل. هذا ما تفعله محركات التوصية. وتستخدم في عملها بشكل أساسي خوارزميات تعلم الآلة.
«السيارات ذاتية القيادة-self-driving cars»
تهدف الشركات إلى تصنيع سيارات بإمكانها القيادة بأمان دون الحاجة إلى سائق. ويعتمد تصنيع هذه السيارات في الأساس على خوارزميات تعلم الآلة.
الترجمة الفورية
تعتمد الترجمة الفورية على خوارزميات تعلم الآلة، حيث أن سرعتها ومرونة ترجمة النصوص من لغة إلى أخرى بسلاسة تتطلب معالجة سريعة ونموذجًا فعّالًا، وهو ما لا يمكن عمله بالخوارزميات التقليدية.
توقع الأمراض مثل الأزمات القلبية المحتملة
تقوم خوارزميات تعلم الآلة بفحص الملفات الطبية والتاريخ المرضي للمرضى ومن خلال تحليل تلك البيانات تقدّم توقعات عن أزمات القلب المحتملة للمريض. وقد تساعد تلك النتائج في إنقاذ بعض الحالات التي قد يستعصي على الطبيب وحده ملاحظتها وتشخيصها.
تصنيفات تعلم الآلة
تنقسم مناهج تعلم الآلة إلى ثلاث فئات عامة:
«التعلم الخاضع للإشراف – supervised learning»
يعتمد هذا المنهج على تعلم الآلة من بيانات (مدخلات ومخرجات) تدريبية مُصنفة. ومن خلال تحليل هذه البيانات يتم الوصول إلى نموذج يمكن استخدامه لاحقًا مع مدخلات جديدة في تحديد أصناف المخرجات بشكل صحيح.
العنصر المُميز لمنهجية التعلم الخاضع للإشراف هو عنصر التصنيف للبيانات المدخلة، فيسهل على الآلة التعلم والتمييز بين التصنيفات المختلفة. لذلك يتم تسميته بالتعلم الخاضع للإشراف، أي الخاضع للبيانات المُصنفة.
«التعلم غير الخاضع للإشراف – unsupervised learning»
تستخدم هذه المنهجية عندما يصعب تصنيف البيانات المدخلة بشكل مُسبق. فتتعلم الآلة من مجموعة البيانات الغير مصنفة وتقوم هي بتصنيفها بناءً على اكتشاف التشابهات والاختلافات الداخلية للبيانات. لذلك يتم تسميته بالتعلم الغير خاضع للإشراف، أي الغير خاضع للبيانات المُصنفة.
«التعلم المعزز-reinforcement learning»
يختص بكيفية جعل المُبرمَج (الآلة) يتخذ القرار (الاختيار) في بيئة من أجل تعظيم المكافأة الكلية. يختلف التعلم المعزز عن التعلم الخاضع للإشراف بأنه لا يحتاج إلى أي أزواج من المدخلات والمخرجات، ولكن عوضًا عن ذلك، يتم التركيز على الأداء المباشر الذي يُحسن من المكافأة التراكمية.
تاريخ تعلم الآلة
استخدم آرثر صموئيل مصطلح «تعلم الآلة-machine learning» لأول مرة في عام 1959، وهو أمريكي عمل في شركة IBM ورائد في مجال ألعاب الكمبيوتر والذكاء الاصطناعي. في فترة الستينات كان الكتاب التمثيلي لأبحاث تعلم الآلة هو كتاب نيلسون عن آلات التعلم الذي كان يتعامل مع تصنيف الأنماط. واستمر الاهتمام بالتعرف على الأنماط في السبعينات.
في عام 1981، تم تقديم تقرير حول استخدام استراتيجيات تدريس جعلت الشبكة العصبية الاصطناعية تستطيع أن تتعرف على 40 حرفًا (26 حرفًا و10 أرقام و 4 رموز خاصة).
وفيما بعد، قدم توم ميتشل Tom M. Mitchell تعريفًا رسميًا واسع النطاق للخوارزميات التي تمت دراستها في مجال تعلم الآلة. يأتي هذا بعد اقتراح آلان تورينج Alan Turing في ورقته البحثية “الحوسبة الآلية والذكاء” ، حيث استبدل السؤال “هل يمكن للآلات أن تفكر؟” بالسؤال “هل يمكن للآلات أن تفعل ما يمكننا نحن (ككيانات تفكير) القيام به؟”.
واستمر التطور في مجال تعلم الآلة إلى أن وصل إلى شكله الحالي في عصرنا الحاضر. والذي يمكن وصفه باختصار شديد في أنه العلم القائم على جعل الآلة تتعلم.
نجح باحثون من المملكة المتحدة في جعل جسم مرتفع يبدو مسطحًا أمام الموجات الكهرومغناطيسية – مما يعني أنهم يقتربون من امتلاك جهاز يمكنه إخفاء الأشياء بشكل كامل. في حين لا يزال هذا الاكتشاف بعيدًا عن تقديم عباءة الاختفاء الخاصة بهاري بوتر، إلا أن التجربة الناجحة قد تساعد الباحثين في تطوير أنظمة ميكروويف وأنظمة بصرية أفضل للاستخدامات التجارية والصناعية. فدراسة «الأمواج السطحية-» ومعالجتها هو المفتاح لتطوير الحلول التكنولوجية والصناعية لتصميم منصات واقعية.
للقيام هذا، قام الفريق بتغطية سطح مرتفع بـ «وسط مركب نانوي-nanocomposite medium» مطور حديثًا – وهو في الأساس نوع من المواد يتكون من طبقات مختلفة من الجسيمات النانوية، مع كل طبقة لها خاصية كهربائية مختلفة. تسمح المادة للموجات الكهرومغناطيسية بضرب الجسم وبالمرور من خلاله دون تشتيت، وبالتالي إخفائه. لقد أظهر الباحثون إمكانية استخدام المركبات النانوية للتحكم في انتشار الموجات السطحية من خلال «الطّباعة ثلاثيّة الأبعاد-3D printing, or additive manufacturing». وربما الأهم من ذلك، أن النهج المستخدم يمكن تطبيقه على الظواهر الفيزيائية الأخرى التي تم وصفها بواسطة «المعادلات الموجية-wave equations»، مثل الصوتيات. لهذا السبب، نعتقد أن لهذا العمل تأثيرًا صناعيًا كبيرًا. بعبارة أخرى، طور الفريق مادة يمكنها إخفاء جسم ما فعليًا، بواسطة الموجات الكهرومغناطيسية.
لم يخض الباحثون في تفاصيل كيفية التوصل إلى مادة الجسيمات النانوية أو كيف تعمل على المستوى التقني – ربما لأنهم يأملون في الحصول على براءة اختراع – على الرغم من أنه يمكننا التخمين بدرجة ما، استنادًا إلى مشاريع مشابهة سابقة. على سبيل المثال، في سبتمبر 2015 م، ابتكر فريق من Berkeley Lab في الولايات المتحدة جهاز إخفاء يعمل بشكل مشابه تمامًا للجهاز الموجود في الدراسة الجديدة. تعمل هذه العباءة، كما أفاد بيتر دوكريل، من خلال استخدام «المواد الخارقة-metamaterials» المصممة خصيصًا، والتي يمكن أن تنحني أو تحني انعكاس الضوء عبر بنيتها الفيزيائية على عكس المواد الطبيعية، مما يجعل الأشياء غير قابلة للكشف بصريًا.
على الرغم من حقيقة أن الباحثين لا يزالون بعيدين عن صنع عباءة إخفاء حقيقية، فإن الفريق متحمس للغاية بشأن المادة الجديدة لأنها توسع دراسات “عباءة الاختفاء” السابقة التي استخدمت تقنيات مماثلة لكن تعمل بتردد واحد فقط. فقد أظهرت الأبحاث السابقة أن هذه التقنية تعمل بتردد واحد. ومع ذلك، يمكن للباحثين إثبات أنها تعمل على نطاق أكبر من الترددات مما يجعلها أكثر فائدة للتطبيقات الهندسية الأخرى، مثل الهوائيات النانوية ومجال الفضاء الجوي.
إن استخدام الجسيمات النانوية ليس الطريقة الوحيدة التي يحاول بها الباحثون ابتكار عباءة إخفاء. ففي عام 2014 م، ابتكر باحثون من جامعة روتشستر في نيويورك عدسة تضم أربع عدسات بأطوال بؤرية مختلفة تقوم بحني الضوء، مما يعطي الانطباع بأن شيئًا ما قد اختفى. هناك العديد من الأساليب عالية التقنية لصنع عباءة الإخفاء، والفكرة الأساسية وراء كل منها هي جعل الضوء يمر بشيء كما لو لم يكن موجودًا، وهذا يتم غالبًا باستخدام مواد عالية التقنية أو «مواد غريبة-exotic materials».
الأخبار المحزنة هي أن الباحثين قاموا منذ ذلك الحين بقياس حدود إمكانية أجهزة الإخفاء، ووجدوا أنه مع التكنولوجيا الحالية، لن نتمكن أبدًا من الحصول على عباءة تخفي تمامًا البشر أو الأشياء الكبيرة مثل الدبابات.لذا في الوقت الحالي، لا يسعنا إلا الغيرة من هاري بوتر وعباءته السحرية. نُشرت النتائج الدراسة في مجلة Scientific Reports.
نبذة عن تاريخ المعلومات: ما هو شيطان ماكسويل؟ وما هي نظرية شانون في الاتصالات؟ على مدى الثلاثمائة عامٍ الماضية، طورنا طرقًا جديدةً مذهلةً لتسخير الطاقة واستخدمنا هذه القدرة لتغيير بيئتنا ونمط حياتنا ولكن كل هذه المباني الضخمة والهياكل العملاقة التي نراها من حولنا هي مجرد نوع واحد من النظام المرئي الذي أنشأناه هنا على كوكب الأرض. هناك نوع آخر من النظام غير المرئي، شيء سخرته الطبيعة منذ مليارات السنين ذلك الشيء نسميه المعلومات. إن مفهوم المعلومات في غاية الغرابة وفي الواقع، إنها لفكرة صعبة للغاية حتى تستوعبها من أول وهلة. ولكن في رحلة محاولة فهمها، سيكتشف العلماء أن المعلومات هي جزء أساسي من كوننا. في هذا المقال سنسبر أغوار حكاية المعلومات وسنتعرف على القوة الهائلة التي تنبعث جراء التلاعب بها. وسنعرف كيف اكتشفنا قوة الرموز وكتابة الأكواد وكيف أحدثت أجهزة الحواسيب ثورة في فهمنا للكون. وسنتعرف على كيفية انهيار العالم إلى الفوضى وعن إمكانية استخدام المعلومات لإنشاء النظام وكل ما يحيط بنا.
بلاد ما بين النهرين: موطن بدء رحلة المعلومات
للوهلة الأولى، قد تتراءى لك أن المعلومات فكرة مباشرة للغاية؛ إذ توجد في كل مكان في عالمنا وتمتلئ أدمغتنا بها ونتبادلها باستمرار فيما بيننا. لكن المعلومات كانت من أدق التفاصيل وأصعب المفاهيم التي كان على العلم أن يتعامل معها ولقد كان فهمها وتسخيرها عمليةً طويلةً وصعبةً للغاية. يمكن إلقاء الضوء على قوة المعلومات لأول مرة منذ أكثر من 5000 عام، عندما ابُتكرت تقنية ثورية كانت هي الأساس لتكوين العالم الحديث. على مر السنين، توصلت البشرية إلى بعض الأشياء الرائعة ولكن من بين جميع الاختراعات البشرية، هناك اختراع مميز حقًا. إنه الأكثر تحويلًا وتدميرًا، يجمع بين الإبداع والبساطة، هذا الاختراع هو الكلمة المكتوبة. يكمن جوهر الكتابة في الإرسال وتخزين المعلومات، فالكلمات تسمح للأفكار أن تدوم عبر الزمن. كُتبت أقدم النصوص على ألواح من الطين في بلاد ما بين النهرين أو ما يُعرف حاليًا بالعراق
كانت فكرة الكتابة نابعة ثقافة السومريين؛ إذ بدأوا برسم علامات تصويرية للتعبير عن الأفكار واستمر هذا الوضع ردحًا من الزمن حتى قام شخص ما ربما عن طريق الصدفة، بكتابة الرموز الرسومية على ألواح الطين ليس لما يمثله بشكلٍ مرئي فقط ولكن بالنسبة لصوت ذلك الشيء المراد الكتابة عنه. ونتج عن ذلك قفزة العملاقة في تاريخ البشرية، فمن خلال الجمع بين الصور الصوتية المختلفة، كان بإمكان سكان بلاد ما بين النهرين القدماء التعبير عن أي فكرة يمكن تخيلها. كان جوهر هذا الاختراق هو الرؤية، على سبيل المثال، كيف يمكن كتابة الكلمات المجردة مثل: اعتقاد، وفكرة، علم؟ هذه كلمات لا يمكن التعبير عنها برموز لكن وفقًا للنظام السومري الذي يعتمد على الصور الصوتية يمكن التعبير عن تلكم الكلمات المجردة وللتوضيح أكثر بدمج صورة غزال-بالإنجليزية البريطانية النطق الصوتي دييا -وصورة العين –النطق الصوتي هو آي-نحصل على تعبير لكلمة (آيدييا idea) أليس هذا مذهلًا؟ فقط بنحت صورة للغزال وصورة للعين على اللوح الطيني جنبًا إلى جنب تمكن السومريون من كتابة كلمة “فكرة” على سبيل المثال وبهذه الطريقة استطاعوا تحويل الكلمات والأفكار المجردة إلى رموز.
لوح طيني للملك السومري “أور نامو” الذي عاش في عام 2100 قبل الميلاد
هذه كانت البداية فقط؛ إذ لم يدرك البشر بعد القوة الحقيقية للرموز. لمدة 4000 عام، كانت الكتابة إلى حد كبيرهي تقنية المعلومات الوحيدة التي يستخدمها البشر ولكن بحلول القرن التاسع عشر، خلال الثورة الصناعية الكبرى، بدأت الأمور تتغير. في خضم دوامة الأفكار والاختراعات، ستظهر سلسلة من التقنيات التي تبدو غير متصلة والتي بدأت جميعها في التلميح إلى القوة الهائلة للمعلومات. ستأتي كل هذه التقنيات من أصول عملية للغاية وغير نظرية للغاية. سيكتشف البشر في أن المعلومات كانت مفهومًا أعمق وأقوى بكثير مما كان يدركه أي شخص وستُطور واحدة من أولى سلالات تقنيات المعلومات الجديدة في مدينة ليون الفرنسية في نهاية القرن الثامن عشر على يد الحائك الشهير «جوزيف جاكارد-Joseph Jacquard».
منول جاكارد وبطاقاته المثقوبة
كانت مدينة “ليون” الفرنسية في القرن الثامن عشر موطنًا لبعض أفضل الحرفيين في العالم وكانت أيضًا مكانًا للرفاهية والعظمة، وقبل كل شيء المال. بفضل الأرستقراطيين والمصرفيين الأثرياء والعصريين الذين عاشوا هناك، أصبحت موطنًا لأكبر صناعة حرير في العالم. ما جعل مدينة ليون مشهورة حقًا هو الديباج وهو نسيج جميل ومنسوج بشكل معقد ويتطلب إنتاجه عمالة مكثفة بشكل لا يصدق؛ إذ يمكن لفريق من رجلين يعملان بجدٍ ليوم واحد إنتاج حوالي شبر واحد من الديباج في أحسن الأحوال. كان الطلب على أقمشة ليون الفاخرة هائلاً ولكن عملية نسج الحرير كانت بطيئة ومؤلمة. ولكن بفضل جندي ونساج يدعى “جوزيف ماري جاكارد” طُور جهاز للمساعدة في تسريع عملية النسيج. هذا الجهاز سيكشفُ فيما بعد حقيقة أساسية فيما يتعلق بالمعلومات. في عام 1804، حاز جاكارد على براءة اختراع لواحدة من أكثر الآليات تعقيدًا التي بنتها البشرية على الإطلاق وأطلق عليه اسم ” منول جاكارد” أو”نَول جاكارد”. تُعد هذه الآلة معجزة إبداعية؛ إذ يمكن برمجتها لنسج أي نمط يمكن للمصمم التفكير فيه دون الاضطرار لتغيير تركيبها الهيكلي.
وسر هذه الآلة كان مجرد بطاقة مثقوبة. تحمل البطاقة المثقوبة بداخلها جوهر التصاميم التي ينسجها المنول. عندما تُدخل هذه البطاقات المثقبة في النول، فإنها تعمل على خفض ورفع الخيوط، أي تعمل على إعادة تشكيل النمط في الحرير. يمكن تقسيم أي تصميم يمكن أن يخطر ببالك وترجمته إلى سلسلة من البطاقات المثقوبة التي يمكن نسجها بعد ذلك بواسطة النول. تتم ترجمة المعلومات من الصورة إلى بطاقة التثقيب إلى القماش النهائي.
بطاقات جاكارد المثقوبة
إنها آلة لنسج المنسوجات وهذه هي مهمتها، لكن لا يوجد شيء محدد حول نوعية النسيج الذي يجب أن تنسجه. ما هو موجود في المعلومات المشفرة على البطاقات. لذا، إذا كنت ترغب في ذلك، قم ببرمجة البطاقات، وهذا يعني إرشادها إلى ما يجب القيام به. وهذا له صدى كبير لما جاء لاحقًا. أحدث منول جاكارد ثورة في صناعة الحرير. لكن في جوهرها كان شيئًا أعمق، شيئًا أكثر عالمية من أصولها الصناعية وقدرتها على تسريع النسيج. كشف النول الستار حول قوة استخلاص المعلومات. لقد أظهر أنه يمكنك أخذ جوهر شيء ما، واستخراج المعلومات الحيوية وتمثيلها في شكل آخر. كشفت الكتابة أنه يمكنك استخدام مجموعة من الرموز لالتقاط اللغة المنطوقة. الآن ، أظهر جاكارد أنه برمزين فقط – ثقب أو مساحة فارغة ، كان من الممكن التقاط المعلومات في أي صورة يمكن تخيلها. هذه صورة لجاكارد منسوجة بالحرير.
الصورة أدناه هي لجاكارد منسوجة بالحرير وهي مفصلة بشكل مذهل بالآلاف من الغرز. ومع ذلك، يمكن تخزين جميع المعلومات التي تحتاجها لالتقاط هذه الصورة الحية في سلسلة من البطاقات المثقوبة عددها 24000. هذه الصورة هي مثال رائع لفكرة بعيدة المدى حقًا. أن أبسط الأنظمة -في هذه الحالة، البطاقات التي تحتوي على سلسلة من الثقوب المثقوبة فيها -يمكنها التقاط جوهر شيء أكثر تعقيدًا. إذا كان باستطاعة 24000 بطاقة مثقوبة إنشاء صورة كهذه، ماذا سيحدث إذا كان لديك 24 مليونًا؟ أو 24 تريليون بطاقة؟ ما هي الأنواع الجديدة من المعلومات المعقدة التي يمكن التقاطها وتمثيلها؟ لقد عثر جاكارد على فكرة عميقة وبعيدة المدى بشكل لا يصدق. طالما لديك ما يكفي منها، يمكن استخدام الرموز البسيطة لوصف أي شيء في الكون كله.
صورة جاكارد منسوجة بالحرير ومطرزة بالالاف من الغرز
نبذة عن تاريخ المعلومات: إرسال المعلومات
أثبتت ترجمة المعلومات إلى رموز مجردة لتخزينها ومعالجتها أنها فكرة قوية للغاية. لكن الطريقة التي تُرسل بها المعلومات لم تتغير منذ آلاف السنين. قبل ظهور تكنولوجيا الاتصالات، كانت تُرسل الرسائل بواسطة شخص يمكنه الركض بسرعة كبيرة، أو من خلال ركوبه يركب على ظهر حصان أو على متن سفينة. كانت النقطة هي أنه يمكنك فقط إرسال المعلومات بأسرع ما يمكن إرساله. ولكن في القرن التاسع عشر، زادت السرعة التي يمكن بها إرسال المعلومات بشكل كبير، وذلك بفضل وسيلة نقل معلومات جديدة لا تصدق وهي الكهرباء. بعد فترة وجيزة من اكتشاف الكهرباء، ازدادت الحماسة حول قدرتها كوسيلة لنقل الرسائل. تُعتبر الكهرباء هي الوسيط الأمثل لإرسال المعلومات فهي لا تتأثر بظروف الطقس السيئة وتمتاز بسرعة عائلة في نقل المعلومات ولكن كانت هناك مشكلة واحدة كبيرة تواجه هؤلاء في أوائل القرن التاسع عشر الذين أرادوا استخدام الكهرباء كوسيلة للتواصل. كيف يمكن استخدام مثل هذه الإشارة البسيطة لإرسال رسائل معقدة؟
في عام 1809، طور العالم «صموئيل سومرينج-Samuel Soemmering» جهازًا مذهلًا لنقل المعلومات فإذا أراد المرسل إرسال الحرف A، يرسل تيارًا عبر أحد الأسلاك. وعند المستقبل يوجد خزان مليء بالسائل، يعمل التيار الكهربائي على إحداث تفاعل كيميائي مما تسبب في ظهور الفقاعات فوق الحرف A. هذه العملية برمتها بارعة، وإن كانت شاقة بعض الشيء ولكن الشيء الممتع حقًا هو أن على المرسل إخبار المستلم بذلك إنه على وشك إرسال إشارة، يفعل ذلك عن طريق إرسال تيارات كهربائية إضافية حتى تظهر المزيد من الفقاعات، وتدفع ذراع لأعلى مما يؤدي إلى قرع الجرس.
آلة صاموئيل التي استخدمها لإرسال الحروف الأبجدية
بعد “سومرينج”، حاول الكثيرون حل مشكلة إرسال الرسائل باستخدام الكهرباء ولكنهم جميعًا عانوا من وجود رموز معقدة للغاية. في أربعينيات القرن التاسع عش، اسُتبدلت جميع الأجهزة القديمة بجهازٍ مذهل يستطيع إرسال الإشارات بطريقة التي لا تزال تُستخدم حتى يومنا هذا. طور الفنان ورجل الأعمال صموئيل مورس مع زميله ألفريد فالي جهازًا لم يكن مميزًا في تقنيته بل في الشفرة البسيطة والفعالة التي استخدموها لنقل رسائلهم. تمامًا مثل بطاقات جاكارد المثقوبة، تكمن عبقرية شفرة مورس وفيل في بساطتها.إذ يمكن كتابة أحرف الأبجدية باستخدام مجموعة من النبضات القصيرة والطويلة من التيار الكهربائي، اقترح فالى أن الحروف الأكثر تكرارا في اللغة الإنجليزية يُرمز لها بأقصر رمز. فمثلًا يتم إرسال الحرف E بهذه الشفرة (.) بينما يتم إرسال الحرف X بهذا الشكل (-..-) وهذا يعني أنه يمكن إرسال الرسائل بسرعة وكفاءة. كان مزيج الكود مع الجانب المادي لهذا الجهاز بما فيه من بطاريات وأسلاك هو البداية الفعلية لجهاز جديد تمامًا وهو التلغراف الكهربائي.
نبذة عن تاريخ المعلومات: التلغراف الكهربائي
كشف التلغراف مرة أخرى عن قوة ترجمة المعلومات من وسيط إلى آخر. حُفظت المعلومات في البداية في أدمغة البشر ومن ثم حفر البشر هذه المعلومات في الطين والورق والبطاقات المثقوبة. الآن، بفضل مورس، يمكن للمعلومات أن تتواجد في الكهرباء وهذا جعلها أخف وزنًا وأسرع بشكل لا يمكن تصوره مما كانت عليه من قبل. في غضون سنواتٍ قليلةٍ فقط، انتشرت شبكة التلغراف في جميع أنحاء العالم لتضع أسس عصر المعلومات الحديث. ما بدأ باختراع الكتابة منذ آلاف السنين قد تُوج بربط الكوكب بأكمله في شبكة من الأسلاك تحمل معلومات مجردة للغاية بسرعات لا تصدق.
نبذة عن تاريخ المعلومات: ما هو شيطان ماكسويل؟
بالنسبة لأشخاصٍ عاشوا في نهاية القرن التاسع عشر، ربما بدا أن القدرة البشرية على التلاعب في المعلومات ونقلها كانت في أوجها. لا يمكن أن يكونوا أكثر خطًأ. سوف تكشف المعلومات عن نفسها على أنها مفهوم أكثر أهمية وأكثر جوهرية مما يمكن لأي شخص أن يتخيله. سرعان ما أصبح واضحًا أن المعلومات لا تتعلق فقط بالتواصل البشري. لقد كانت فكرة بعيدة المدى من ذلك بكثير. سيتم التلميح إلى الطبيعة الحقيقية للمعلومات أولاً بفضل مشكلة غريبة، يحلم بها عالم فيزياء اسكتلندي لامع بدا وكأنه يفكر في شيء آخر تمامًا. كان جيمس كليرك ماكسويل أحد أعظم العقول في القرن التاسع عشر ومن بين اهتماماته العديدة، انبهر ماكسويل بعلم الديناميكا الحرارية الذي يهتم بدراسة الحرارة والحركة التي نشأت مع ظهور المحرك البخاري. كان ماكسويل من أوائل من فهموا أن الحرارة هي في الحقيقة مجرد حركة للجزيئات فكلما كان الشيء أكثر سخونة، زادت سرعة حركة جزيئاته والعكس صحيح. ستقود هذه الفكرة ماكسويل إلى أن يحلم بتجربة فكرية غريبة جدًا لعبت فيها المعلومات دورًا مهمًا.
افترض ماكسويل ذلك ببساطة من خلال معرفة ما يجري داخل صندوق مليء بالهواء، راودته فكرة أنه سيكون من الممكن جعل نصف الصندوق أكثر سخونة والنصف الآخر أكثر برودة بمعنى آخر، تخيل بناء فرن بجوار الثلاجة بدون استخدام أي طاقة. يبدو الأمر جنونيًا، لكن حجة ماكسويل كانت مقنعة للغاية. وتيمكن تلخيص فكرته كالتالي: تخيل شيطانًا صغيرًا يجلس على الصندوق، ويمتاز برؤية جبارة بحيث يمكنه أن يراقب بدقة حركة جميع جزيئات الهواء داخل الصندوق.
الآن، وبشكل حاسم يتحكم شيطان ماكسويل بالصندوق ويقسمه إلى نصفين، وفي كل مرة يرى جزيئًا سريع الحركة يقترب من الحاجز من الجانب الأيمن، يفتحه ويسمح له بالمرور إلى اليسار. وفي كل مرة يرى جزيئًا بطيئًا يقترب من الحاجز الأيسر، يفتحه ويسمح للجزيء بالمرور إلى اليمين. وبمرور الوقت سوف تتراكم كل الجزيئات الساخنة سريعة الحركة على الجانب الأيسر من الصندوق وكل جزيئات الباردة بطيئة الحركة على اليمين. بشكل حاسم، قام الشيطان بهذا الفرز بدون أي شيء سوى معلومات حول حركة الجزيئات. بمعنى آخر، يقول شيطان ماكسويل يقول أنه بمجرد الحصول على معلومات حول الجزيئات، يمكنك إنشاء نظام من الفوضى ولكن سرعان ما تلاشت هذه الفكرة في القرن التاسع عشر. أظهر علم الديناميكا الحرارية بوضوح شديد أنه بمرور الوقت، ستزداد إنتروبيا الكون واضطرابها دائمًا إذ تتجه كل الأشياء في الكون إلى الانهيار. لكنّ شيطان ماكسويل اقترح أنه يمكنك إعادة الأشياء معًا دون استخدام أي طاقة على الإطلاق، فقط باستخدام المعلومات يمكنك إنشاء النظام. سيُثبَت مع مرور أنها مشكلة صعبة للغاية لحلها لأسباب ليس أقلها أنّ ماكسويل اللامع قد توصل إلى فكرة وُلدت قبل وقتها بكثير. إنه لأمر مدهش، التأثير الذي أحدثه على الفيزياء، وأنه توصل إلى هذا المفهوم المعقد للغاية وأنه توقع مسبقًا فكرة المعلومات بشكل ما. لم يكن هناك في الواقع في ذلك الوقت، لم يكن هناك شيء من هذا القبيل. لم يكن لدى ماكسويل حقًا حل، لقد طرحه كمصدر قلق وتركه مفتوحًا وتبع ذلك حوالي 120 عامًا من النقاش والتطوير المثير للغاية لمحاولة حل ومعالجة هذا الفكرة.
شيطان ماكسويل
إذن ما الذي كان يحدث مع شيطان ماكسويل؟
قد يبدو الأمر بعيد المنال وخياليًا، لكن تخيل عزيزي القارئ الاحتمالات إذا استطعنا بناء آلة في العالم الحقيقي يمكنها محاكاة أفعال الشيطان. يمكننا استخدامها لتسخين فنجان من القهوة أو لتشغيل محرك أو تشغيل مدينة وكل ذلك باستخدام لا شيء أكثر من مجرد معلومات. يبدو الأمر كما لو أنه يمكننا إنشاء نظام في الكون دون بذل أي طاقة. شعر العلماء بشكل بديهي أنه يجب أن يكون هنالك خطأ في هذه الفكرة. كانت المشكلة أن الأمر سيستغرق أكثر من 100 عام لحل المشكلة. فبينما كان لغز ماكسويل محل جدل، حدث شيء غير متوقع تمامًا، إذ اُبتكر جهاز جديد يمكنه أداء مهام لا تصدق ومعقدة تمامًا عن طريق معالجة المعلومات ببساطة. هذا الجهاز هو ما يعرف باسم الحاسوب أو جهاز الكمبيوتر.
آلان تورينج الأب الروحي للكمبيوتر
يُعد “آلان تورينج” أول شخص تصور الكمبيوتر الحديث وهي آلة وظيفتها الوحيدة هي التلاعب بالمعلومات ومعالجتها. ظهرت فكرة تورينج المذهلة لأول مرة في ورقة رياضية نشرت عام 1936. في حياته القصيرة، قدّم تورينج أفكارًا جديدة ورائدة لمجموعة كاملة من الموضوعات، بدءًا من التشفير وانتهاءً بعلم الأحياء. لكن بالنسبة لمعظم العلماء، تُعد المفاهيم التي قدّمها في الورقة العلمية ذات الست وثلاثين صفحة هي التي ميزته حقًا وجعلته يستحق لقب “العبقري”.
نشر تورينج ورقته العلمية عندما كان عمره 24 سنة فقط وكانت حول الأعداد المحسوبة مع تطبيق على «مسألة اينتشدينجسبر-Entscheidungsproblem» لحلها بناءً على أسس المنطق الرياضي. المدهش في ذلك هو أن فكرة الكمبيوتر الحديث ظهرت ببساطة كنتيجة لمنطق تورينج الرائع. شرع تورينج في فهم ما إذا كان يمكن إجراء عمليات معينة في الرياضيات ببساطة عن طريق اتباع مجموعة من القواعد. وهذا ما سيجعله يفكر في أجهزة الكمبيوتر. في عام 1936، كان لكلمة “كمبيوتر” معنى مختلف تمامًا عما تفعله اليوم؛ إذ كانت تعني شخصًا حقيقيًا بقلم رصاص وورقة يشارك في العمليات الحسابية. وظفت البنوك العديد من هؤلاء الأشخاص وغالبيتهم من النساء لتسديد مدفوعات الفائدة ووظفتهم دائرة الإيرادات الداخلية لتحديد مقدار الضريبة المراد تحصيلها كما وظفتهم المراصد لحساب البيانات الملاحية.
ما فعله تورينج في ورقته البحثية عام 1936 هو طرح سؤال بسيط ولكنه عميق: “ما الذي يدور في ذهن الشخص الذي يجري عملية حسابية؟” للقيام بذلك، كان عليه أولاً أن يتجاهل كل التفاصيل الزائدة عن الحاجة بحيث يبقى جوهر عملية الحساب فقط. تساءل تورينج، “ما الذي يدور في دماغ الكمبيوتر البشري؟” إنه نظام بيولوجي معقد للغاية قادر على الوعي والتفكير والبصيرة ولكن بالنسبة لتورنج، لم يكن أي من هؤلاء مهمًا لعملية الحساب أيضًا. أدرك تورينج أنه لحساب شيء ما، يجب اتباع مجموعة من القواعد بدقة. رأى عقل تورينج اللامع أن أي حساب له جانبان: البيانات والتعليمات الخاصة بما يجب فعله بالبيانات وسيكون هذا هو مفتاح رؤيته. كان على تورينج إيجاد طريقة لجعل الآلات تفهم التعليمات مثل الجمع والطرح والقسمة والضرب وهكذا، بنفس الطريقة التي يعمل بها البشر. بعبارة أخرى، كان عليه أن يجد طريقة لترجمة التعليمات هذه إلى لغة يمكن للآلات فهمها. ومن خلال منطق لا تشوبه شائبة، فعل تورينج ذلك بالضبط، فما قد يبدو لك كسلسلة عشوائية من الآحاد والأصفار، هو بالنسبة لآلة الحوسبة مجموعة من التعليمات يمكن قراءتها خطوة بخطوة وإخبار الآلة بالتصرف بطريقة معينة.
لذلك، بينما يمكن لجهاز كمبيوتر بشري(الإنسان) أن ينظر إلى رمز عملية الضرب (X) ويفهم العملية المطلوبة، يجب أن يفسر هذا الرمز لجهاز الكمبيوتر بالشكل التالي مثلًا (11000111) تُخزن هذه التعليمات فيما يُعرف حاليًا بذاكرة الكمبيوتر. وكلما أردت أن تجعل جهازك أكثر فاعلية، ينبغي أن تكون حجم الذاكرة أكبر. يمكن أن تحمل الذواكر الأكبر تعليمات معقدة ومتعددة الطبقات حول كيفية معالجة وطلب أي نوع من المعلومات التي يمكن تخيلها. بذاكرة كبيرة بما يكفي، سيكون الكمبيوتر قادرًا على تنفيذ عدد غير محدود من المهام تقريبًا. تكمن القوة الحقيقة لفكرة تورينج في تحويل التعليمات إلى رموز يمكن للآلة فهمها؛ إذ تسمح لك بإعادة إنشاء ليس فقط صورة أو صوت بسيط، ولكن يمكن إنشاء نظام يتغير ويتطور بل استطاع العلماء إنشاء محاكاة للكون كله ولسلوك الثقوب السوداء. من خلال التلاعب بالرموز البسيطة، تستطيع أجهزة الكمبيوتر قادرة على التقاط الجوهر وترتيب العالم الطبيعي نفسه.
سيكون من السهل جدًا التفكير في أنه بعد أن أصبحت أفكار تورينج حقيقية، سيُطلق إطلاق العنان للقوة الحقيقية للمعلومات ولكن تورينج كان نصف القصة فقط؛ إذ يتطلب عصر المعلومات الحديث فكرة أخرى، فكرة من شأنها تحديد طبيعة المعلومات أخيرًا وعلاقتها بنظام الكون وفوضى. هذه الفكرة كانت من إبداع من عالم رياضيات ومهندس موهوب وغريب الأطوار يُدعى«كلاود شانون-Claude Shannon».
ما هي نظرية شانون في الاتصالات؟
في عام 1948، نشر كلاود شانون ورقة علمية حول النظرية الرياضية للاتصالات. قد يبدو العنوان جافًا بعض الشيء ولكنها تُعد واحدة من أهم الأوراق العلمية في القرن العشرين. لم يقتصر الأمر على وضع الأسس لشبكة اتصالات العالم الحديث، بل أعطانا رؤى جديدة للغة البشرية في أشياء نقوم بها بشكل حدسي مثل التحدث والكتابة. عمل شانون في مختبرات بيل في نيو جيرسي التي تُعد الذراع البحثية لمؤسسة “بيل للهواتف” الشهيرة.
واجهت شبكة هواتف بيل مشكلة كبيرة فقد كانوا ينقلون كميات هائلة من المعلومات يوميًا جميع أنحاء العالم ولكن لم تكن لديهم فكرة حقيقية عن كيفية قياس هذه المعلومات بشكل صحيح، أي أن كل عملهم بُني بالكامل على شيء ما لم يفهموه في الواقع. ولكن كل ذلك سيتغير بفضل موظفهم العبقري شانون، ففي ورقته العلمية توصل شانون إلى شيءٍ لا يصدق تمامًا؛ إذ استطاع تفسير المفهوم الغامض للمعلومات وتمكن من تحديده. الجدير بالذكر أنه لم يفعل ذلك باستخدام بعض التعريف الفلسفي المصاغ بذكاء بل وجد بالفعل طريقة للقياس
المعلومات الواردة في الرسالة بشكل مذهل، أدرك شانون أن كمية المعلومات في الرسالة لا علاقة لها بمعناها. بدلاً من ذلك، أظهر أن الأمر مرتبط فقط بمدى غرابة الرسالة. لذا فإن الأخبار التي نسمعها يوميًا بالتلفاز ونقرأها بالصحف هي أخبار لأنها غير متوقعة وكلما كانت غير متوقعة، زادت أهميتها. لذلك إذا كانت أخبار اليوم مماثلة لأخبار الأمس، فلن تكون هناك أخبار على الإطلاق. وسيكون محتوى المعلومات هذا صفرًا. بمعنى آخر، أصبح لدينا علاقة بين عدم التوقع والمعلومات.
ورقة شانون العلمية في تظرية الاتصالات
لم يتوقف شانون عند هذا الحد بل أعطى المعلومات وحدة قياس خاصة بها. ولكن كيف فعل هذا؟ أظهر شانون أن أي رسالة تهتم بإرسالها يمكن ترجمتها إلى أرقام ثنائية أي سلسلة طويلة من الآحاد والأصفار. لذلك يمكن كتابة تحية بسيطة مثل مرحبا “Hello” على الشكل التالي مثلًا (010010001000100). أدرك شانون أن تحويل المعلومات إلى أرقام ثنائية سيكون عملاً قويًا للغاية من شأنه أن يجعل المعلومات قابلة للتحكم فيها أظهر شانون في ورقته البحثية أن الرقم الثنائي الفردي – أحد هذه الآحاد أو الأصفار – هو الوحدة الأساسية للمعلومات. فكر في الأمر على أنها ذرة معلومات أي أنها أصغر قطعة ممكنة. ثم بعد تحديد هذه الوحدة الأساسية، أعطاها الاسم الشهير الذي نعرفه حاليًا “البت” والذي يعني خانة ثنائية. بفضل شانون، أصبحت البت اللغة المشتركة لجميع المعلومات.
يمكن تحويل أي شيء سواءً الأصوات والصور والنصوص إلى سلسلة من الخانات الثنائية. أسس شانون نظرية جديدة بعيدة المدى فالأفكار التي بدأ استكشافها ستشكل حجر الزاوية لما نسميه الآن “نظرية المعلومات”. لقد اتخذ مفهومًا مجردًا -معلومات -وحوله إلى شيء ملموس فما كان مجرد فكرة غامضة أصبح الآن قابلاً للقياس.
صعوبة قياس كمية المعلومات للعمليات الطبيعية
إن فكرة التحويل الأشياء إلى خانات ثنائية وإضفاء السمات الرقمية لها، من شأنها أن تغير بشكل جذري العديد من جوانب المجتمع البشري لكن المعلومات ليست مجرد شيء يصنعه البشر. كل “جزء” من المعلومات التي أنشأناها وكل كتاب وكل فيلم، بل ومحتويات الإنترنت بالكامل لا ترقى بحجمها عند مقارنتها بمحتوى معلومات الطبيعة وذلك لأنه حتى أكثر الأحداث الضيئلة تحتوي على كمية مذهلة من المعلومات. فعلى سبيل المثال، تخيل كم عدد أجزاء المعلومات التي ستحتاجها لوصف ذلك التفاعل الجميل والمعقد للقوانين الفيزيائية الي تجري في جداول وأطر زمنية عادةً ما تكون غير محسوسة بالنسبة لنا. لكن حتى هنا ما زلت ترى جزءًا بسيطًا فقط من تعقيد الطبيعة. تخيل التفاعل بين تريليونات تريليونات من الذرات كم هي كمية “البتات” التي ستحتاجها لوصف هذه العملية؟
لكن المدهش أنه بفضل أفكار تورينج وشانون يمكننا وصف النماذج ومحاكاة الطبيعة بتفاصيل أكبر. لكن هذه ليست نهاية القصة فالمعلومات على ما يبدو ليست مجرد وسيلة لوصف الواقع. في السنوات القليلة الماضية اكتشفنا أن المعلومات هي في الواقع جزء لا يتجزأ من العالم المادي. إنها فكرة يصعب حقًا التعامل معها ولكن جميع المعلومات، من سيمفونية بيتهوفن إلى محتويات القواميس حتى أفكارنا العابرة تحتاج إلى أن تتجسد في شكل من أشكال النظام المادي. بشكل مثير للدهشة، يعود الفضل لفهمنا للعلاقة الحقيقية بين المعلومات والواقع لشيطان ماكسويل.
نبذة عن تاريخ المعلومات: ما هو شيطان ماكسويل؟ وهل يستطيع شيطان ماكسويل كسر قوانين الطبيعة حقًا؟
كما ذكرنا سابقًا استطاع شيطان ماكسويل استخدام معلومات جزئيات الهواء لإنشاء نظام في صندوق من الهواء بدأ مضطربًا تمامًا. علاوة على ذلك، يمكنه القيام بذلك دون بذل أي جهد. يبدو أن المعلومات قادرة على كسر قوانين الفيزياء. حسنًا، هذا ليس صحيحًا. السبب وراء عدم تمكن شيطان ماكسويل من الحصول على الطاقة مجانًا يكمن في رأسه. ما تم اكتشافه هو الشيطان في الحقيقة لا يستخدم أكثر من المعلومات لإنتاج طاقة مفيدة. لكن هذا لا يعني أنه يحصل على شيء مقابل لا شيء. تذكر كيف يعمل الشيطان؟ يكتشف جزيئًا سريع الحركة على جانب واحد من الصندوق، ويفتح الباب ويسمح له بالمرور إلى الجانب الآخر. لكن في كل مرة يفعل ذلك، عليه أن يخزن معلومات حول سرعة هذا الجزيء في ذاكرته. سرعان ما تمتلئ ذاكرته وبعد ذلك لا يمكنه الاستمرار إلا إذا بدأ في حذف المعلومات. سيتطلب هذا الحذف بشكل حاسم منه بذل طاقة. يحتاج الشيطان إلى الاحتفاظ بسجل للجزيئات التي تتحرك وإذا كان جهاز حفظ السجلات محدود الحجم، في مرحلة ما سيضطر الشيطان إلى محوه. هذه عملية لا رجعة فيها وتزيد من إنتروبيا النظام.
ما تم اكتشافه هو أن هناك حدًا أدنى معينًا ومحدودًا من الطاقة، والمعروف باسم «حد لانداور-Landauer limit»، وهو كمية الطاقة المطلوبة لحذف جزء واحد من المعلومات وهذا الحد متناهي الصغر بل إنه أقل من تريليون تريليون من كمية الطاقة في جرام من السكر ولكنها حقيقية وهي جزء من النسيج الأساسي للكون. بشكل مثير للدهشة، يمكننا الآن إجراء تجارب حقيقية تختبر جوانب فكرة ماكسويل. باستخدام الليزر وجزيئات الغبار الدقيقة، اكتشف العلماء في جميع أنحاء العالم العلاقة بين المعلومات والطاقة بدقة لا تصدق. لا تزال تجربة ماكسويل الفكرية التي راودته في عصر المحركات البخارية في طليعة البحث العلمي اليوم.
يربط شيطان ماكسويل بين اثنين من أهم المفاهيم في العلوم وهما دراسة الطاقة ودراسة المعلومات ويظهر أن الاثنين مرتبطان ارتباطًا وثيقًا. ما نعرفه الآن هو أن المعلومات، بعيدًا عن كونها مفهومًا مجردًا، تخضع لنفس قوانين الفيزياء مثل أي شيء آخر في الكون. المعلومات ليست مجرد فكرة مجردة وليست مجرد صيغة رياضية تكتبها على الورقة. المعلومات في الواقع تحملها شيء ما أي أن هناك ناقل حيث توجد المعلومات سواء كان خذا الوسط حجر طيني أو كتاب أو قرص مضغوط فهذا يعني أن المعلومات تتصرف وفقًا لقوانين الفيزياء. لذلك لا يمكن كسر قوانين الفيزياء. ما تعلمته البشرية خلال آلاف السنين الماضية هو أنه لا يمكن فصل المعلومات عن العالم المادي. لكن هذا ليس عائقا. ما يجعل المعلومات قوية للغاية هو حقيقة أنه يمكن تخزينها في أي نظام مادي نختاره. في الوقت الحالي، يستكشف العلماء طرقًا جديدة لمعالجة المعلومات باستخدام كل شيء بدءًا من الحمض النووي ووصولًا إلى الجسيمات الكمومية. يأمل العلماء أن يؤدي هذا العمل إلى دخول عصر معلومات جديد. ما نعرفه الآن هو أننا في بداية رحلتنا لإطلاق العنان لقوة المعلومات. كان من الواضح دائمًا أن إنشاء نظام مادي -الهياكل التي نراها حولنا – لها تكلفة. نحن بحاجة إلى القيام بعمل لإنفاق الطاقة لبنائها. لكن في السنوات القليلة الماضية، تعلمنا أن طلب المعلومات وإنشاء الهياكل الرقمية غير المرئية للعالم الحديث له أيضًا تكلفة لا مفر منها.
بقدر ما تبدو المعلومات مجردة وأثيرية، فإننا نعلم الآن أنه يجب دائمًا تجسيدها في نظام مادي وهذه فكرة مثيرة بشكل لا يصدق. فكر في الأمر بهذه الطريقة -يمكن استخدام قطعة من الصلصال لكتابة قصيدة ويمكن أن تحمل جزيئات الهواء صوت السمفونية. والفوتون الفردي يشبه فرشاة الدهان. يمكن اعتبار كل جانب من جوانب الكون المادي بمثابة لوحة بيضاء نستخدمها لبناء الجمال والبنية والنظام.
يعد الحاسب آلة منطقية مبنية على أساس التعامل مع القيم المنطقية “true or false” أو صفر وواحد، ويعد ذلك بالإضافة إلى مجموعة العمليات المعرفة عليها كافيًا ﻷجل بناء حاسوب متكامل قادر على أداء مجموعة من الوظائف مثل عرض الصور والمستندات والإتصال بالإنترنت.
ما سنتحدث عنه في هذا المقال هو مجموعة العمليات المعرفة على الصفر والواحد والتي تنتمي إلى فرع رياضياتي يدعى بالجبر البولياني.
ما هو الجبر البولياني؟
يعرف الجبر البولياني على أنه إحدى أفرع الرياضيات التي تتعامل مع القيم المنطقية فقط بالإضافة إلى مجموعة العمليات التي تتعامل مع هذه القيم. يمكن مثلا تعريف علمية And وهي عملية منطقية تأخذ دخلين على الأقل وتعطي خرج واحد صحيح عندما تكون جميع القيم المدخلة صحيحة
1 and 1 gives 1 0 and 1 gives 0
يمكن تمثيل هذه العملية منطقيَا من خلال سرد جميع قيم الدخل ووضعها في جدول يدعى بجدول الحقيقة truth table والذي يأخذ الشكل التالي.
جدول الحقيقة الخاص بعملية and
كما يمكن تعريف عملية or بشكل مشابه والتي تعطي نتيجة خاطئة فقط عندما تكون جميع قيم الدخل قيم خاطئة
0 or 0 or 0 or 0…. gives 0
ويمكن تمثيل جدول الحقيقة الخاص بها بالشكل التالي:
جدول الحقيقة الخاص بعملية or
وبالمثل، يمكن تمثيل عملية النفي not التي ترد القيمة المنطقية المتممة للقيمة المدخلة بالشكل التالي
not 1 gives 0 not 0 gives 1
ويمثل جدول الحقيقة الخاص به بالشكل التالي
جدول الحقيقة الخاص بعملية not
ولكن, ما هي أهمية هذه العمليات المنطقية، وماعلاقتها بالنظام العتادي Hardware؟
في الحقيقة، جميع العمليات التي تجري داخل الحاسوب “حرفيا” هي عبارة عن احدى العمليات المعرفة سابقا وذلك بحسب النظرية التالية:
يمكن تعريف أي تابع منطقي في الجبر البولياني، بغض النظر عن المتغيرات الموجودة ضمنه وماهية هذا التابع، من خلال العمليات المنطقية and, or, not
وحتى يمكن الاستفادة من هذه العمليات المنطقية على أرض الواضع لبناء أجهزة معقدة مثل الالكترونيات، لابد من وجود وسيلة لتمثيل القيم المنطقية عتاديا، وهذا يقودنا الى مفهوم البوابات المنطقية logical gates.
البوابات المنطقية Logical gates
تعد البوابات المنطقية إسقاط لعمليات الجبر البولياني عتاديًا، ذلك أنه حتى يستطيع الحاسوب وجميع الأجهزة الالكترونية التعامل مع مفاهيم الجبر البولياني وبناء أجهزة معقدة اعتمادا عليها، لابد من وجود أجهزة تمثل هذه العمليات، فمثلا، يمكن تمثيل عملية And من خلال البوابة المنطقية التالية والتي تأخذ الشكل المفاهيمي:
الشكل المفاهيمي لبوابة And
كما يتم تمثيل عملية not و or بشكل مشابه، وبذلك يمكننا تمثيل قطع معقدة انطلاقا من هذه البوابات البسيطة مثلا الجوامع “adders” الموجود في وحدة الحساب والمنطق، و النواخب “muxers” والتي تعد مكون أساسي موجود ضمن وحدة التحكم “control unit” في الحاسوب.
بالنظر إلى هذه المفاهيم نجد أن الحاسوب هو حصيلة خبرات متراكمة أخذت سنوات طويلة من العمل على طبقات تجريد والانطلاق منها الى طبقات تجريد أعلى مبنية عليها حتى الوصول الى أدوات موجودة على أرض الواقع، ولم يكن دفعة واحد كما كان يتخيل الى البعضـ كما أن هذه العمليات لا تزال مستمرة لبناء نماذج حواسيب مبنية على أسس النماذج الحالية مثل الحواسيب الكمومية، وأدوات الواقع الافتراضي التي تستخدم جميع لمفاهيم التي ذكرت، ولكن بشكلها المجرد.
