يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
جارتنر: هناك تخمة في الابتكارات في مجال التعلم الآلي وعلوم البيانات
صدر قبل أيام تقرير جارتنر المسمى ( Magic Quadrant) الذي يقيّم أهم 20 شركة مزودة لمنصات التعلم الآلي وعلوم البيانات. ويعتمد علماء البيانات ومطورو أنظمة التعلم الآلي على هذه المنصات في الحصول على البيانات وبناء النماذج في وقت أصبح فيه هذا الأمر وسيلة للشركات لتميز نفسها عن منافسيها.
ويقول التقرير إنه على الرغم من كون الذكاء الاصطناعي يحظى بتضخيم إعلامي، إلا أن وباء كوفيد-19 قد جعل الاستثمارات في مجالات التعلم الآلي وعلوم البيانات عملية أكثر. ويدعو الشركات إلى التركيز على تطوير حالات استخدام وتطبيقات جديدة لهذه المجالات تكون أكثر وضوحاً وتحمل عوائد ملموسة. وأكد أنه ينبغي على الشركات الذكية أن تبني على نجاح المشاريع المبكرة ثم تعمل على توسيع نطاقها.
وإليكم بعض النتائج الأخرى التي توصل إليها التقرير:
- جميع الشركات تحرز تقدماً في مجال حوكمة الذكاء الاصطناعي المسؤول والشفافية ومسائل التحيز.
- بدأت جوجل وأمازون في منافسة مايكروسوفت على التفوق في مجال القدرات السحابية للتعلم الآلي وعلوم البيانات.
- ما زالت ساس وآي بي إم تحتفظ بصدارتها وتواصل ابتكاراتها بالاعتماد على تكييف الإستراتيجيات.
- الحجم المتنامي لهذا السوق يغذي الشركات الناشئة في جميع المراحل، لكن النمو بمعدل السوق يعني في الواقع نمواً بطيئاً.
- نما سوق برمجيات منصات التعلم الآلي وعلوم البيانات بنسبة 17.5% في عام 2019، مولداً عوائد بقيمة 4 مليار دولار.
- الشركات الأكثر ابتكاراً المزودة لهذه الخدمات تضم ضمن فرقها طيفاً متنوعاً يشمل مهندسي البيانات وعلماء البيانات ومطوري التطبيقات واختصاصيي التعلم الآلي وغيرهم.
- هذا السوق مازال "مراهقاً" يتسم بتخمة في الابتكارات أكثر من تركيزه على تنفيذها.
- يرغب المسؤولون الإداريون في اكتساب فهم أعمق لكيفية عمل التعلم الآلي وعلوم البيانات.
- ما زالت الشركات تعاني في نقل نماذج الذكاء الاصطناعي من مرحلة التجريب إلى مرحلة الإنتاج.
الرابط (إنجليزي)
باحثون يطورون أداة "محدودة الإمكانات" لكشف الصور عميقة التزييف
عندما ننظر إلى شيء ما، تنعكس صورته في أعيننا. وفي صورة حقيقية للوجه، تظهر هذه الانعكاسات بنفس الشكل واللون في العينين. في المقابل، فإن قسماً كبيراً من الصور المنتجة باستخدام الذكاء الاصطناعي، بما في ذلك الصور عميقة التزييف، لا تمتلك هذه الميزة. وقد يعود السبب في ذلك إلى استخدام الكثير من الصور وجمعها معاً لتوليد صورة مزيفة.
عمل باحثون من جامعة بوفالو على استغلال نقطة الضعف هذه لتطوير أداة تقوم برصد الاختلافات الدقيقة في الضوء المنعكس عن كلتا العينين في الصور عميقة التزييف. تقوم الأداة أولاً بتحديد العينين في الصورة، ثم تتعرف على بؤبؤ العين، وبعد ذلك تبحث عن اختلافات دقيقة في شكل وكثافة الضوء بالإضافة إلى سمات أخرى. وقد حققت الأداة فعالية بدقة 94% في كشف الصور الشخصية المزيفة، وفق ما جاء في الدراسة المقبولة للنشر في مؤتمر آي تريبل إي للصوتيات ومعالجة الصوت والإشارة.
لكن يشير الباحثون إلى أن هذه الأداة محدودة الإمكانات من عدة نواحٍ؛ إذ يجب أن تحتوي الصورة على ضوء منعكس من العينين. كما يمكن للمنتجين إصلاح مسألة الضوء أثناء عملية تحرير الصورة. وعلاوة على ذلك، فإن الأداة تعتمد على المقارنة بين العينين، فإذا كانت الصورة لا تظهر إلا عين واحدة للشخص فإن الأداة ستفشل في مهمتها.
ومن الجدير بالذكر أن أحد الباحثين القائمين بالدراسة، سيوي ليو، كان قد ساهم في تطوير منصة على الإنترنت لمساعدة الأشخاص العاديين على معرفة ما إذا كان فيديو ما مزيفاً تزييفاً عميقاً. يمكنك تجربة المنصة في الرابط أدناه.
الرابط1 (إنجليزي)
الرابط2 (أداة كشف الفيديوهات المزيفة)
اقرأ مقالتنا ذات الصلة بالموضوع:
- أداة يمكنها كشف التزييف العميق في الفيديوهات المضللة للمشاهير. الرابط
كيف يمكن بناء ذكاء اصطناعي خالٍ من الإرث الاستعماري؟
على الرغم من أن الاستعمار التاريخي قد يكون انتهى، لكن آثاره لا تزال قائمة حتى اليوم. هذا ما يسميه العلماء "الإرث الاستعماري"؛ أي فكرة أن اختلالات القوة المعاصرة بين الأعراق، والبلدان، والأغنياء والفقراء، والمجموعات الأخرى ليست إلا امتدادات لاختلالات القوة بين المُستعمِر والمُستعمَر.
وبنفس الطريقة، يقول مؤلفو ورقة بحثية منشورة مؤخراً، فإن هذا التاريخ الاستعماري يفسِّر بعضاً من أكثر خصائص وتأثيرات الذكاء الاصطناعي إثارة للقلق. ويحددون عدة تجليات للإرث الاستعماري في مجال الذكاء الاصطناعي أهمها: التمييز والاضطهاد الخوارزمي، والعمل الشبحي، والاختبار التجريبي.
ويقترح الباحثون ثلاث تقنيات لتحقيق الذكاء الاصطناعي "الخالي من الإرث الاستعماري"، أو الأكثر شمولاً وفائدة:
- التطوير التقني الواعي للسياق: يجب أن يفكر باحثو الذكاء الاصطناعي الذين يطورون نظاماً جديداً في مكان وكيفية استخدامه. ويجب ألا ينتهي عملهم بكتابة الرماز البرمجي.
- الوصاية العكسية: يجب عليهم الإصغاء إلى الفئات المهمشة. وأحد الأمثلة على كيفية القيام بذلك هو الممارسة الناشئة للتعلم الآلي التشاركي، والتي تسعى إلى إشراك الأشخاص الأكثر تأثراً بأنظمة التعلم الآلي في تصميمها.
- التضامن: يجب أيضاً منح المجموعات المهمشة الدعم والموارد لإطلاق جهودهم الخاصة في مجال الذكاء الاصطناعي.
تابع القراءة: الرابط
|
