يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
استطلاع: الاقتصادات الناشئة أكثر تفاؤلاً بشأن الذكاء الاصطناعي
السعوديون أكثر تفاؤلاً بالذكاء الاصطناعي من الأميركيين، بحسب استطلاع جديد للرأي أجرته شركة إبسوس لأبحاث السوق لصالح المنتدى الاقتصادي العالمي.
وأوضح الاستطلاع -الذي شمل 19504 بالغاً تقل أعمارهم عن 75 عاماً في 28 دولة- أن حوالي 80٪ من المشاركين في الصين والمملكة العربية السعودية يعتقدون أن الذكاء الاصطناعي سيغير حياتهم، مقابل أقل من نصف المشاركين في كندا وألمانيا وفرنسا والمملكة المتحدة والولايات المتحدة.
ويسلط هذا الاستطلاع -الذي أُجري بين يومي 19 نوفمبر و3 ديسمبر الماضيين- الضوء على وجود فجوة واضحة بين الاقتصادات المرتفعة الدخل والاقتصادات الناشئة في المواقف تجاه الذكاء الاصطناعي، مع تفاؤل أعلى بشكل ملحوظ في الاقتصادات الناشئة.
وعند سؤالهم عما إذا كان الذكاء الاصطناعي سيجعل حياتهم أسهل أو أفضل، وافق 76٪ من المشاركين في السعودية، و70٪ في بيرو على أن الذكاء الاصطناعي سيكون له فوائد أكثر من العيوب، مقابل 31٪ فقط في فرنسا، و32٪ في كندا، و35٪ في الولايات المتحدة.
وبشكل عام، يتوقع ستة من كل عشرة أشخاص شاركوا في الاستطلاع أن المنتجات والخدمات التي تستخدم الذكاء الاصطناعي ستغير حياتهم اليومية بشكل عميق خلال 3-5 سنوات، ويشعر نصفهم أن هذا الأمر قد حدث بالفعل. لكن أربعة من كل عشرة عبروا عن اعتقادهم بأن استخدام الذكاء الاصطناعي يجعلهم متوترين.
وفي المتوسط، قال ما يقرب من ثلثي المستطلعين (64٪) إنهم يفهمون ماهية الذكاء الاصطناعي بشكل جيد، بناء على تعريفه على أنه "أجهزة الحاسوب والروبوتات التي تقوم بأشياء تتطلب في العادة ذكاءً بشرياً". ومع ذلك، لم يعرف سوى 50٪ من المشاركين أنواع المنتجات والخدمات التي تستخدم الذكاء الاصطناعي.
وقد تفاوت الإلمام بالذكاء الاصطناعي بين المجموعات الديموغرافية، حيث كان صناع القرار في مجال الأعمال (74٪)، والحاصلون على شهادة جامعية (71٪)، وأولئك الذين ينتمون إلى أعلى فئات الدخل في بلادهم (71٪) الأكثر احتمالاً لفهم معنى الذكاء الاصطناعي بشكل جيد. وفي المتوسط، كان الرجال أيضاً أكثر ميلًا للقول إنهم يفهمون الذكاء الاصطناعي أكثر من النساء.
كما كانت الاختلافات الجغرافية أوسع، إذ تراوح "الفهم الجيد للذكاء الاصطناعي" بين 41٪ في اليابان و42٪ في إيطاليا، و78٪ في جنوب إفريقيا، و76٪ في تشيلي، و75٪ في روسيا. وتراوح الإلمام بالمنتجات والخدمات التي تستخدم الذكاء الاصطناعي من 32٪ في اليابان إلى 76٪ في الصين.
الرابط (إنجليزي)
لماذا نحتاج قسم عمليات النموذج في دورة حياة نماذج الذكاء الاصطناعي؟
متى ينتهي تنفيذ مشروع الذكاء الاصطناعي؟ بكل بساطة، ليس هذا هو السؤال الصحيح الذي يمكن أن يسأله قادة المؤسسات عند تبني تكنولوجيات الذكاء الاصطناعي. يجب أن يعرفوا أنه حسب تقرير لشركة جارتنر للأبحاث، فإن قرابة 85% من مبادرات الذكاء الاصطناعي لا يُكتب لها النجاح. وأكاد أجزم أن النسبة المتبقية لن تؤتي ثمارها كما هو متوقع منها، إلا قليلاً.
سبب هذا الفشل غالباً هو إخفاق المؤسسات في فهم حقيقة تبني الذكاء الاصطناعي، وكذلك المخاطر التي قد تواجهها عند محاولاتها لتبني هذه التكنولوجيات، خاصة مع وجود التشريعات والتنظيمات التي لا تؤخذ بعين الاعتبار أحياناً، أو مخاطر التحيز وعدم العدالة وضعف كفاءة النموذج وغيرها.
إن تبني تقنيات الذكاء الاصطناعي في أي مؤسسة يجب ألا ينظر له على أنه مشروع فقط، بل يجب النظر له على أنه منهج استراتيجي جديد للمؤسسة وثقافة جديدة فيها. إن الذكاء الاصطناعي في أصله ليس تقنية يستخدمها الموظف أو المسؤول أو العميل، بل هو امتداد افتراضي للإنسان في العمل، وموظف ربما لا تراه يعمل ولكنك ترى نتائجه في رضا المستفيد وفي تقاريره التي يقدمها لك، وحله للمشاكل بشكل استباقي، وتسهيله للإجراءات، وتجويده للمنتجات، وتقليله للتكاليف، وسرعته في اتخاذ القرار.
إن البدء في تبني تكنولوجيات الذكاء الاصطناعي لا يتطلب بالضرورة اكتمال جميع عناصر الاستراتيجية. يكفي أن تكون هناك معرفة جيدة بالذكاء الاصطناعي من قيادات المؤسسة ودعم وتمكين للفرق العاملة.
فشل أي مرحلة من المراحل بكل تأكيد سيؤثر على المراحل التالية، ولذلك لابد من وجود قسم مختص بعمليات النموذج (ModelOps). لفهم هذا القسم فإنه وباختصار مسؤول عن كل شيء باستثناء بناء النموذج.
إن قسم (ModelOps) يبدأ عمله مع وحدات الأعمال (Business Units) لتحويل تحديات العمل إلى فرص عظيمة للنمو، وذلك بضمانه لنمو وحوكمة مبادرات الذكاء الاصطناعي في المؤسسة، كما أنه يحدد المسؤولية والوضوح والشفافية لتلك المبادرات، وهذا يجعل المخاطر المترتبة على هذه المبادرات قابلة للفهم والإدارة، كما يضمن أن تخضع هذه النماذج لمؤشرات الأداء التي تضمن نجاحها.
للمزيد من التفاصيل حول ضرورة وجود قسم عمليات النموذج والمهام التي يغطيها، تابع القراءة على موقعنا عبر الرابط
"البيانات المظلمة" لا تمثل سوى قمة جبل الجليد
أثناء أنشطة العمل العادية، تجمع الشركات المعلومات وتعالجها وتخزنها، لكنها تفشل في الكثير من الأحيان في استخدامها في التحليلات أو في غيرها من الأغراض كتحقيق الدخل مثلاً. وعادةً ما يؤدي تخزين البيانات وتأمينها إلى تكبد نفقات أكثر (وفي بعض الأحيان مخاطر أكبر) من قيمتها. تطلق شركة جارتنر على هذا النوع من البيانات اسم البيانات المظلمة (Dark Data).
يُقدر أن ما يصل إلى 73٪ من البيانات التي تجمعها الشركات هي بيانات مظلمة، لا تمثل رؤى قيمة. لكن الحقيقة هي أن مجرد وجود البيانات المظلمة يشير إلى مشكلة أكبر: الشركات لا تملك العقلية اللازمة للنجاح واستخراج القيمة من البيانات. وعلى حد تعبير وزير الدفاع الأميركي الأسبق دونالد رامسفيلد، فإن البيانات المظلمة مجهولة ومعروفة تماماً. ويستخدم هذا المفهوم في دوائر الاستخبارات للإشارة إلى متغيرات ذات قيمة غير معروفة ومع ذلك تُعتبر مهمة. في حالتنا، تعرف الشركة أن التقارير القديمة موجودة في السجلات، لكنها لا تعرف ما هي الرؤى التي قد تحملها.
بشكل عام، يمكن لأي مجال أو صناعة الاستفادة من عمليات جمع البيانات والتعلم الآلي. فمثلاً يمكن استخدام البيانات التي تم جمعها بواسطة أجهزة الاستشعار والكاميرات في تحليل سلوك الحيوانات، وتحسين الحجوزات في صالونات الحلاقة، والتنبؤ بأعطال الآلات في المصانع، وتزويد الشركات ببيانات حول سلوك العملاء لتقديم توصيات وعروض ترويجية ذات طابع شخصي.
إذا كان بإمكان الشركة ربط البيانات المتوفرة بالسؤال التجاري الصحيح، فإن الإجابة ستقدم لها قيمة جديدة. لكن مشكلة إيجاد الإجابة ببساطة هي أن هذا الأمر يستغرق الكثير من الوقت والمال. فالفرق المسؤولة عن صياغة رؤية الشركة تجد نفسها غارقة في بحر من البيانات، فتضطر إلى إعطاء الأولوية للمهام العاجلة والتكتيكية، بينما تظل الأبحاث الأكثر جوهرية والاستراتيجية دون أن تُمس. في الوقت نفسه، فإن البيانات التي لم يشرعوا في تحليلها بفعالية تصبح مظلمة، ما يجعلها بلا قيمة ملموسة بالنسبة للشركة.
الرابط (إنجليزي)
|
