يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
3 تقنيات ذكاء اصطناعي ضمن قائمة إم آي تي تكنولوجي ريفيو لأهم 10 إنجازات تكنولوجية في 2021
تحيي هذه القائمة ذكرى مرور 20 عاماً منذ بدأنا بتجميع مختارات سنوية لأهم التكنولوجيات في كل سنة. وقد بدأت بعضها بإحداث تغييرات جذرية في حياتنا، في حين ما زالت تكنولوجيات أخرى على بعد بضع سنوات. ومن اللافت في قائمة هذا العام أنها تضم 3 تقنيات ذكاء اصطناعي بدأت تتضح تأثيراتها قريبة وبعيدة المدى على حياتنا:
- جي بي تي-3: تمثل نماذج اللغة الطبيعية الحاسوبية التي تستطيع تعلم الكتابة والكلام خطوة كبيرة نحو بناء ذكاء اصطناعي يستطيع أن يفهم العالم ويتفاعل معه بشكل أفضل. ويعد جي بي تي-3 حتى الآن أضخم هذه الأنظمة، وأكثرها فصاحة أيضاً. تم تدريب هذا النظام على نصوص الآلاف من الكتب ومعظم صفحات الإنترنت، وهو قادر على محاكاة النص البشري المكتوب بواقعية مذهلة، بل وغريبة في بعض الأحيان، ما يجعله أفضل نموذج لغوي تم إنتاجه باستخدام التعلم الآلي حتى اللحظة.
- خوارزميات التوصية في تيك توك: في حين تركز منصات أخرى على اختيار المحتوى الذي يحقق انتشاراً واسعاً، فإن خوارزميات تيك توك تساوي في اختيارها، على ما يبدو، بين مؤلف محتوى جديد ومغمور وبين نجم معروف. إن إتاحة الكثير من المشاهدات بسرعة كبيرة لصانعي المحتوى الجدد -وسهولة اكتشاف المستخدمين للكثير من أنواع المحتوى- ساهمت في النمو المذهل لهذا التطبيق. وحالياً، تسارع العديد من شركات التواصل الاجتماعي إلى محاكاة هذه الميزات على تطبيقاتها.
- الذكاء الاصطناعي متعدد المهام: على الرغم من التقدم الهائل الذي حققه الذكاء الاصطناعي في السنوات الأخيرة، فإن تكنولوجيات الذكاء الاصطناعي والروبوتات ما زالت تعاني من الحماقة في الكثير من النواحي. وتقوم إحدى المقاربات الواعدة على تحسين مهارات الذكاء الاصطناعي في توسيع حواسه؛ حيث إن أنظمة الذكاء الاصطناعي الحالية المزودة بالرؤية الحاسوبية أو التعرف على الأصوات قادرة على تحسس هذه الأشياء، ولكنها عاجزة عن "التحدث" عما تراه وتسمعه باستخدام خوارزميات اللغة الطبيعية. ولكن، ماذا لو جمعنا هذه القدرات في نظام ذكاء اصطناعي واحد؟ هل ستبدأ تلك الأنظمة باكتساب ذكاء شبيه بالذكاء البشري؟ وهل يمكن للروبوت القادر على الرؤية والإحساس والسماع والتواصل أن يكون أكثر إنتاجية في مساعدة البشر؟
تابع القراءة: الرابط
من خلال تحليل الميكروبات على بشرتك.. نظام ذكاء اصطناعي من آي بي إم يتنبأ بخصائص شخصية
تعيش مليارات الميكروبات على بشرتنا وتمثل خط الدفاع الأول ضد العوامل الممرضة وتساعدنا في الحفاظ على صحة البشرة. وهي تشكل جزءاً مما يسمى بالميكروبيوم البشري الذي يضم كامل جينوم الميكروبات التي تتخذ من أجسادنا موطناً لها، بما فيها البكتريا والفيروسات والفطور. ومن شأن فهم الميكروبيوم على نحو أفضل أن يساعدنا في تحسين صحتنا العامة وتسريع تطوير علاجات شخصية.
البحث: هذا ما دفع مجموعة من الباحثين من آي بي إم ومؤسسات بحثية أخرى إلى تطوير منصة ذكاء اصطناعي قابل للتفسير ( EAI) بهدف إجراء تحليل هو الأول من نوعه لفهم العلاقة بين تركيبة ميكروبيوم البشرة وصحتنا، والتنبؤ بخصائص شخصية، وتقديم تفسير لهذه التنبؤات. وقد قام الفريق بتحليل أكثر من 1,200 عينة بشرة من أكثر من 160 امرأة لدراسة الاختلافات بين تركيب الميكروبات وعلاقتها بجفاف البشرة والعمر وسن اليأس وعادات التدخين. وتم نشر نتائج الدراسة آخر الشهر الماضي في مجلة ساينتفيك ريبورتز.
النتائج: نجح الباحثون باستخدام منصة ( EAI) في التنبؤ بجفاف البشرة بدقة بلغت 90%، وما إذا كانت المرأة قد بلغت سن اليأس بدقة 92%، وعادات التدخين والعمر بدقة بلغت 85% اعتماداً فقط على تركيبة ميكروب البشرة للنساء المشاركات في الدراسة. ويقول الباحثون أن الاعتماد على ميكروبيوم البشرة في دراستهم هو مجرد مثال، ويمكن استخدام المنصة للتنبؤ بأمراض معينة أو خصائص شخصية أخرى بناء على بيانات الميكروبيوم البشري مما قد يحمل تطبيقات واسعة في مجال الرعاية الصحية المخصصة لأشخاص بعينهم.
الرابط (إنجليزي)
ما هي فوائد تدريب الذكاء الاصطناعي باستخدام بيانات مصطنعة؟
تلجأ العديد من شركات الذكاء الاصطناعي إلى توليد بيانات مصطنعة لتدريب نماذج التعلم الآلي عوضاً عن الاعتماد على بيانات العالم الحقيقي. وتهدف من وراء هذه الطريقة إلى معالجة مسائل الخصوصية وتقليل التحيز في أنظمتها. وعلى سبيل المثال، يمكن استخدام مجموعة بيانات من الوجوه البشرية المولدة اصطناعياً لتدريب أنظمة الرؤية الحاسوبية والتعرف على الوجوه بدلاً من استخدام صور لأشخاص حقيقيين عبر الإنترنت دون الحصول على موافقتهم.
تكمن فائدة هذه الممارسة في ثلاثة جوانب:
- مع تنامي المخاوف بشأن الخصوصية، توفر البيانات المصطنعة وسيلة لتفادي انتهاك قوانين الخصوصية.
- تتيح أيضاً للباحثين مواجهة تحيز الذكاء الاصطناعي الناتج عن تدريبه على بيانات تاريخية حقيقية، عن طريق توليد بيانات بتوزيع متساوٍ حتى للفئات ضعيفة التمثيل في البيانات الحقيقية.
- تحتاج بعض المجالات، مثل تطوير الروبوتات والسيارات ذاتية القيادة، إلى التدريب على بيانات محددة للغاية- مثل الموقع ثلاثي الأبعاد للأشياء- يصعب جمعها في العالم الحقيقي. وبالتالي توفر البيانات المصطنعة حلاً أفضل لهذا النوع من التطبيقات.
من ناحية أخرى، قد ينطوي استخدام البيانات المصطنعة على مشكلة إغفال القيم المتطرفة الموجودة في العالم الحقيقي. وهذا قد يؤدي إلى إضعاف قدرة النماذج على التعامل مع بعض الأوضاع التي لم تتدرب عليها. لذا لا بدّ من توخي الحذر عند تصميم البيانات المصطنعة لتحقيق أقصى استفادة منها وضمان تمثيلها العادل لجميع الفئات.
الرابط (إنجليزي)
|
