يُعد عدم اليقين (Uncertainty) تحديًا للذكاء الاصطناعي لأنه يعكس المواقف التي تكون فيها البيانات غير كاملة أو مشوشة أو غامضة، مما يجعل من الصعب على النماذج اتخاذ قرارات دقيقة وموثوقة. في العالم الواقعي غالبًا ما تكون البيانات ناقصة أو متأثرة بضوضاء (Noise)، أو قد تتغير الأنماط بمرور الوقت كما في حالة Concept Drift، وهذا يضعف من قدرة النماذج على التعميم ويزيد احتمالية الأخطاء. للتعامل مع هذا التحدي، تُستخدم تقنيات مثل الاستدلال الاحتمالي (Probabilistic Inference)، الشبكات البايزية (Bayesian Networks)، والمنطق المضببFuzzy Logic لتقدير الاحتمالات والتعامل مع الغموض. كما أن تعزيز قابلية التفسير (Explainability) يساعد على بناء الثقة في القرارات حتى في ظل وجود عدم يقين. وباختصار، يمثل عدم اليقين عقبة أمام الذكاء الاصطناعي لأنه يقلل من دقة التنبؤات ويحد من موثوقية الأنظمة الذكية في البيئات المتغيرة.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق