كيف تساعد شركة إنفيديا في تحسين تقديم الخدمات البريدية في الولايات المتحدة؟
ذكرت شركة إنفيديا أنها دخلت في شراكة مع خدمة البريد الأميركية لتحسين عملياتها باستخدام الذكاء الاصطناعي. وأوضحت الشركة أن موارد وأدوات التعلم الآلي الخاصة بها مكّنت الخدمة البريدية من معالجة أكثر من 20 تيرابايت من الصور يومياً، مأخوذة من أكثر من 1000 آلة لفرز البريد، وذلك باستخدام 195 خادماً من "الخوادم الطرفية".

وتتكون شبكات الحوسبة الطرفية (Edge Computing) من مراكز بيانات صغيرة (سحابات إلكترونية صغيرة) تكون أقرب للمستهلك وتُعالج البيانات بداخلها وترسل الباقي إلى مراكز بيانات أضخم عند اللزوم، وذلك بهدف تقليل تكلفة تشغيل شبكات الحوسبة، وتحسين درجة الأمن.

وتشير إنفيديا إلى أنه في عام 2019 كانت خدمة البريد الأميركية بحاجة إلى تحديد وتتبع العناصر الموجودة في أكثر من 100 مليون طرد بريدي يومياً. وقد اعتقد علماء البيانات في المؤسسة أنه يمكنهم توسيع نظام تحليل الصور الذي تم تطويره داخلياً إلى شيء أوسع، لاسيما مع وجود الخوادم الطرفية المدعومة بالذكاء الاصطناعي في مراكز فرز البريد.

كان الأمل في أن يمكّن هذا النظام خدمة البريد من تحليل مليارات من صور البريد. لذا، فقد وظفت المؤسسة ستة من المهندسين المعماريين العاملين في إنفيديا وغيرها من الشركات. وقد تمكنوا من بناء نماذج التعلم العميق التي تحتاجها الخدمة بعد ثلاثة أسابيع. ونتيجة لذلك، تم تطوير نظام (Edge Compute Infrastructure Program)، وهو نظام ذكاء اصطناعي موزع يعمل على منصة (NVIDIA EGX).

ويعمل البرنامج مفتوح المصدر الذي طورته إنفيديا تحت اسم (Triton) بمنزلة ساعي بريد رقمي بين الخوادم الطرفية، حيث يقدم نماذج الذكاء الاصطناعي الضرورية عند الطلب.

ووفقاً لتحليل أجرته خدمة البريد الأميركية، فإن مهمة الرؤية الحاسوبية التي كانت تتطلب أسبوعين على شبكة من الخوادم تتكون من 800 معالج، يمكن الآن إنجازها في 20 دقيقة باستخدام مراكز بيانات (NVIDIA V100 Tensor Core GPUs) الأربعة، على أحد الخوادم الطرفية.

ويمكن للحلول الجديدة أن تساعد خدمة البريد على تحسين مستويات التسليم، والتي تراجعت خلال العام الماضي. ففي منتصف شهر ديسمبر، وخلال موسم العطلات، لم تتمكن الخدمة سوى من تسليم 62% من الطرود البريدية في الوقت المحدد، وهو أدنى مستوى لها منذ سنوات. وبالرغم من أن المعدل ارتفع إلى 84% بحلول مارس الماضي، إلا أنه ظل أقل من المستهدف البالغ حوالي 96%.
 

مقالة ساخرة: دليلك لفهم لغة شركات التكنولوجيا الكبرى عندما تتحدث عن أخلاقيات الذكاء الاصطناعي
دائماً ما يقول باحثو الذكاء الاصطناعي إن التعلم الآلي الجيد أقرب إلى الفن منه إلى العلم، وهو أمر يمكن أن نقوله عن العلاقات العامة الفعالة. لذا، فإن انتقاء الكلمات المناسبة لإضفاء طابع إيجابي أو إعادة صياغة الحديث عن أخلاقيات الذكاء الاصطناعي يعد مهمة حساسة؛ فإذا نُفذت بشكل سليم، يمكنها أن تعزز سمعة العلامة التجارية للشركة، أما إذا نُفذت على نحو سيئ، فقد تؤدي إلى ردود أفعال أكثر شدة.

وقد عرفت شركات التكنولوجيا العملاقة ذلك. وعلى مدار السنوات القليلة الماضية، كان عليها تعلم هذا الفن سريعاً، بعدما واجهت ارتياباً متزايداً من الجمهور تجاه تصرفاتها، وانتقادات مكثفة لأبحاث وتقنيات الذكاء الاصطناعي الخاصة بها. وطورت تلك الشركات حالياً مفردات جديدة لاستخدامها عندما تريد أن تطمئن الناس أنها مهتمة بشدة بتطوير الذكاء الاصطناعي بطريقة مسؤولة، لكنها تحرص في الوقت نفسه على ألا تتسبب في إجراء عمليات تدقيق أكثر من اللازم.

وإليك بعض المصطلحات من داخل تلك الشركات لترجمة اللغة التي تستخدمها وتفكيك الفرضيات والقيم التي تتضمنها:

• التنوع والمساواة والإدماج (مصطلح): هي عملية تعيين مهندسين وباحثين من الفئات المهمشة حتى يتسنى لك التباهي بهم أمام الجمهور. ولكن إذا تحدوا الوضع القائم، اطردهم.
• مجلس الأخلاقيات (مصطلح): هم مجموعة من المستشارين الذين لا يتمتعون بسلطة حقيقية، يجتمعون لإعطاء انطباع بأن شركتك تصغي فعلياً. أمثلة: مجلس جوجل لأخلاقيات الذكاء الاصطناعي (تم إلغاؤه)، مجلس الإشراف على محتوى فيسبوك.
• قابل للتفسير (صفة): تُستخدم لوصف نظام الذكاء الاصطناعي الذي تستطيع أنت (المطور) والمستخدم فهمه، لكن الوصول إليه أصعب بكثير بالنسبة للأشخاص الذين يتم استخدامه عليهم، وربما لا يستحق العناء.
• من أجل الصالح العام (مصطلح): كما في عبارة "الذكاء الاصطناعي من أجل الصالح العام" أو "بيانات من أجل الصالح العام". هي مبادرة هامشية تماماً بالنسبة لعملك الأساسي، لكنها تساعدك على عمل دعاية جيدة.
• أصحاب المصلحة (اسم): حملة الأسهم والجهات التنظيمية والمستخدمون. وهم أصحاب السلطة الذين تريد أن تبقيهم سعداء.
• القيم (اسم): أنت تملكها. ذكّر الناس بها.

اقرأ تعريف 50 مصطلحاً حول الموضوع في مقالتنا: الرابط
اقرأ مقالتنا ذات الصلة بالموضوع:

• عندما تخفق الخوارزميات، يقع اللوم على أقرب إنسان في محيطها! الرابط
• ماذا جاء في الورقة البحثية التي أدت لطرد تيمنيت جيبرو من جوجل؟ الرابط
• بعد أن فقدت جوجل مجلسها الخاص بالأخلاقيات، شكلنا لها مجلساً بديلاً. الرابط

يويانج جو: دروس من نجم علوم البيانات في الوباء
تخرج يوانج جو من إم آي تي، ويحمل درجة الماجستير في الهندسة الكهربائية وعلوم الحاسوب (إضافة إلى درجة في الرياضيات)، ويبلغ من العمر 27 عاماً. لاحظ جو التفاوت الكبير والعشوائي في توقعات كوفيد-19 في الربيع الفائت، فقد توقع أحد النماذج مليوني وفاة بحلول الصيف، في حين توقع نموذج آخر وقوع 60,000 وفاة، ما دفع جو إلى التساؤل عما إذا كانت التوقعات أفضل ما يمكن أن تقدمه النماذج. وهكذا، قرر أن يجرب تصميم نموذج لكوفيد-19 بنفسه.

وخلال أسبوع واحد، تمكن من بناء نموذج تعلم آلي، وأطلق موقعه الإلكتروني الخاص به لتوقعات كوفيد-19. قام جو بتشغيل النموذج كل يوم -استغرقت العملية حوالي الساعة على حاسوبه المحمول- ونشر توقعات وفيات كوفيد-19 في 50 ولاية أميركية، و34 مقاطعة، و71 دولة.

وبحلول نهاية أبريل، أصبح محط انتباه، وفي نهاية المطاف، بدأ الملايين بزيارة موقعه يومياً. لاحظ البروفسور كارل بيرجستروم -المختص بالبيولوجيا في جامعة واشنطن- هذا الموقع، وعلق على تويتر قائلاً إن نموذج جو كان "يعطي توقعات تضاهي أفضل ما رآه حتى الآن".

أثبتت توقعات هذا النموذج دقة مدهشة. وعلى سبيل المثال، وفي 3 مايو، ظهر جو في برنامج سي إن إن تونايت حيث شارك توقعات نموذجه بأن الوفيات في الولايات المتحدة ستصل إلى 70,000 وفاة في 5 مايو، و80,000 في 11 مايو، و90,000 في 18 مايو، و100,000 في 27 مايو. وفي 28 مايو غرد على تويتر قائلاً: "لقد تمكن النموذج من تحديد الوفيات في التواريخ الأربعة جميعاً بدقة".

تابع القراءة على موقعنا واطلع على الدروس الستة التي تعلمها جو من هذه التجربة: الرابط