يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
فيسبوك "سير": نحو حقبة جديدة في مجال الرؤية الحاسوبية
يتم تدريب معظم نماذج الرؤية الحاسوبية حالياً على البيانات الموسومة حتى تنجح في أداء مهامها. ورغم أنها حققت نتائج ممتازة حتى الآن، إلا أنه من المنطقي القول باستحالة وسم جميع الصور ومقاطع الفيديو أو التقاط صور لكل شيء ووسمها بغرض تدريب النماذج عليها. مما يدفع الباحثين نحو استكشاف أساليب أخرى لتطوير نماذج ذكاء اصطناعي قادرة على التعلم دون الاعتماد على بيانات موسومة.
وفي قفزة كبيرة في هذا الاتجاه، أعلنت شركة فيسبوك قبل يومين عن تطوير نموذج رؤية حاسوبية ضخم يحتوي على مليار معامل وسيط وقائم على مفهوم التعلم ذاتي التوجيه (مصطلح اليوم). يستطيع النموذج المسمى "سير" ( SEER) أن يتعلم انطلاقاً من أي مجموعة عشوائية من الصور على الإنترنت دون الحاجة إلى تنسيق بيانات الصور أو وسمها.
قام باحثو فيسبوك بالتدريب المسبق للنموذج على مليار صورة إنستقرام عامة غير موسومة، ثم أخضعوه للاختبار. ووفقاً لإعلان فيسبوك، فقد تفوق النموذج الجديد على أحدث أنظمة التعلم الموجه بدقة بلغت 84.2% على مجموعة بيانات إيماج نت. كما تفوق النموذج على أقوى النماذج الأخرى في التعرف على الأجسام وتصنيف الصور وغيرها من الاختبارات. وحتى عندما تم تدريب النموذج على 10% فقط من مجموعة إيماج نت، فقد حقق دقة 77.9% على كامل المجموعة. وعندما جرى تدريبه على 1% فقط من مجموعة البيانات هذه، سجل دقة 60.5%.
وقالت فيسبوك في إعلانها إن الأداء المذهل لنموذج "سير" يبين الإمكانات الواعدة التي يمكن أن يوفرها التعلم ذاتي التوجيه في مهام الرؤية الحاسوبية في العالم الحقيقي. وأشارت إلى أن هذا النموذج يشكل اختراقاً هاماً قد يفتح المجال نحو نماذج رؤية حاسوبية أكثر دقة وقابلية للتكيف ومرونة في المستقبل. تجدر الإشارة إلى أن فيسبوك أتاحت مكتبة ( VISSL) التي استخدمتها في تطوير "سير" وجعلتها مفتوحة المصدر.
الرابط (إنجليزي)
مقالاتنا في العمق حول الموضوع:
- إنفيديا تطور طريقة لتدريب الذكاء الاصطناعي باستخدام كمية قليلة من البيانات. الرابط
- طريقة جديدة ثورية تسمح للذكاء الاصطناعي بالتعلم من دون بيانات تقريباً. الرابط
"مانهاتن" مشروع أميركي للتفوق على الصين في الذكاء الاصطناعي
أطلق تقرير أصدرته قبل أيام لجنة مستقلة من الحزبين الجمهوري والديمقراطي صيحة تحذير من الخطر الذي يمثله تقدم الصين في الذكاء الاصطناعي، الذي يهدد التفوق الأميركي في مجال التكنولوجيا وكافة المجالات الحياتية الأخرى. وقال التقرير إن أميركا ليست مستعدة الآن للمنافسة في مجال الذكاء الاصطناعي، وإن هذا الواقع المؤلم يتطلب عملاً وطنياً شاقاً؛ وتحديد استراتيجية شاملة لمواجهة التهديدات التي تمثلها استخدامات الذكاء الاصطناعي في يد خصوم الولايات المتحدة حتى لا يتعرض مستقبل البلاد للخطر، عسكرياً واقتصادياً وحتى سياسياً.
وفي ظل هذه المخاوف بدأت تنشط أفكار جديدة في إدارة الرئيس جو بايدن وعدد من كبار أعضاء الكونغرس من أجل تعديل المسار الحالي، وهو ما كان السيناتور الجمهوري مارك روبيو قد طرحه في خطاب ألقاه عام 2019 اعتبر فيه أن الوقت قد حان للاعتراف بمخاطر التعامل مع الصين وتزويدها بتكنولوجيا الشركات الأميركية بدلاً من تبني سياسة صناعية أميركية جديدة تؤسس لانطلاقة في القرن الحادي والعشرين. ولهذا أوصى تقرير اللجنة المكون من 756 صفحة بضرورة أن يبلغ حجم الإنفاق السنوي على البحث والتطوير في مجال الذكاء الاصطناعي الممول حكومياً إلى 32 مليار دولار بحلول عام 2026.
ولا يعد دور الحكومة في تمويل التقنيات المتقدمة، أمراً مستحدثاً في الولايات المتحدة فقد كان قائماً في الماضي، بخاصة خلال التحديات الوطنية الكبرى، وأوضح مثال على ذلك هو تطوير مشروع مانهاتن للأسلحة النووية، الذي جعل الولايات المتحدة أول قوة نووية في العالم عام 1945، كما أسهمت الأموال الحكومية في دفع برنامج الفضاء الأميركي إلى الأمام، إضافة إلى مشاريع تطوير الإنترنت، وبناء البنية التحتية للتجارة الوطنية والعالمية.
الرابط
يبدو أن توقعاتنا في مقالتنا هذه قد تحققت:
- سباق الذكاء الاصطناعي: الصين قد تتغلب على الولايات المتحدة في غضون عامين. الرابط
كيف تواجه تحديات توسيع نطاق الذكاء الاصطناعي على مستوى الشركات؟
رغم أن الشركات التي تبنت تطوير مشاريع الذكاء الاصطناعي قد لاقت بعض النجاح، إلا أنها سرعان ما ستجد نفسها في مواجهة تحدي توسيع نطاق هذه المشاريع على مستوى الشركة. وتعود صعوبة القيام بذلك إلى أربعة أسباب:
- التخصيص: ينبغي على فرق الذكاء الاصطناعي في الشركات تخصيص وتدريب نماذج الذكاء الاصطناعي بما يتناسب مع المشكلة التي تواجههم ونطاقها والبيانات المتاحة.
- البيانات: غالباً ما يتم التقليل من أهمية وحجم الجهود اللازمة لجمع البيانات وإعدادها وتنسيقها.
- الكفاءات: إن عمل فريق من مهندسي التعلم الآلي وعلماء البيانات الذين يتمتعون بالمهارات اللازمة قد يستغرق سنوات قبل أن يتمكن من تحقيق النتائج المرجوة.
- الثقة: نظراً للمخاوف التي يثيرها الذكاء الاصطناعي بشأن وظائف العاملين، يجب تصميم أنظمة الذكاء الاصطناعي على نحو يوفر التعاون بين البشر والآلات.
لذا، وحتى تحقق الشركات الفائدة الكاملة من الذكاء الاصطناعي، ينبغي أن تتماشى خططها للذكاء الاصطناعي مع إستراتيجيتها العامة، وأن تؤمن تعاوناً عابراً لمختلف الأقسام، وأن تستثمر في الكفاءات المناسبة، وأن تطبق ممارسات قوية بخصوص البيانات.
الرابط (إنجليزي)
|
