حقّق الذكاء الاصطناعي تقدمًا كبيرًا في الأعوام الفائتة وإن كنت لا تصدقني، فانظر حولك ولاحظ الاستخدامات الخفية للذكاء الاصطناعي، ابتداءً من الرد الآلي على رسائل البريد الإلكتروني وصولًا إلى المساعد الذكي Siri القادر على القيام بالكثير من الأشياء من حجز المواعيد إلى إرسال رسائل البريد الإلكتروني الروتينية، وبالطبع لا يمكننا نسيان السيارات ذاتية القيادة!
معظمنا يتساءل عن “ما هو التالي بالنسبة للذكاء الاصطناعي في عام 2020؟”
التعلم المعزز Reinforcement learning
يختلف التعلم المعزز عن التعلم بإشراف Supervised Learning والتعلم بدون إشراف Unsupervised Learning، فالتعلم بإشراف يستند إلى قواعد بيانات أو إحصائيات معينة لا يخرج عنها من أجل إنتاج القرار النهائي مثل إيجاد سعر منزل ما اعتمادًا على أسعار بيوت محددة ومكتوبة، أما التعلم بدون إشراف يتضمن إيجاد ترابط بين البيانات غير المعنونة أي تصنيفها حسب التشابه ومن ثم التقسيم إلى مجموعات، كتصنيف مجموعة صور بحسب اللون والحجم بالتالي الصور المتشابهة بالألوان ستكون في مجموعة والصور المختلفة ستكون في مجموعة أخرى.
أما التعلم المعزز فهو أحد أساليب التعلّم في أنظمة الذكاء الاصطناعي التي تتفاعل مع بيئة التعلم وتتعلم من العثرات والأخطاء مثل خوارزميات اللعب تمامًا، فعندما تلعب مع الحاسب فهو يستخدم أسلوب التعلم المعزز فإن انتصرت على الحاسب سيقوم بتحليل الحركات التي يجب عليه اتخاذها للفوز في المرة القادمة دون الحاجة إلى تحديد جميع قواعد اللعبة.
اقرأ أيضًا:الانطباعات الأوليّة حول جهاز Mac Pro وشاشة Pro Display XDR [فيديوهات]
الشبكات العصبية Neural Network
تحاكي الشبكات العصبية الاصطناعية دماغ الإنسان وتقوم بتخزين جميع البيانات في تنسيق رقمي لذا هنالك طلب كبير على الشبكات العصبية في الروبوتات وتطبيقات التنبؤ بسوق الأوراق النقدية وتشخيص المشكلات الطبية أو تأليف مقاطع موسيقية، سيتم تحسين تقنيات الشبكات العصبية الحالية في عام 2020 إذ ستصبح أكثر تطورًا مع تطوير أساليب التدريب والهندسة الشبكية.
تعتبر الشبكات العصبية أساسية في التعلم العميق، وبفضلها هناك مجموعة قوية من الخوارزميات التي يمكن استخدامها لمعالجة الصور مهما كان حجمها أو التعرف على الكلام أو معالجة اللغات الطبيعية وهذا مفيد لتطوير المركبات ذاتية القيادة واكتشاف السرقات أو حتى البحث عن علامات السرطان.
أخلاقيات الذكاء الاصطناعي
في حين وجود الكثير من الشائعات حول استبدال الذكاء الاصطناعي بالوظائف البشرية فهناك سؤال أساسي يحتاج إلى إجابة: هل يتم إنتاج الأنظمة المستقلة والذكية بطريقة تضمن القيم الأخلاقية للفرد والمجتمع؟ هناك العديد من الإجابات حول ذلك ولكن ما زالت هذه القضية تحتاج للمزيد من السياسات والمعايير، منها المساءلة القانونية والشفافية وتضمين القيم في تطبيقات الذكاء الاصطناعي.
التعرف على الوجه
التعرف على الوجه هو أحد تطبيقات الذكاء الاصطناعي الذي يساعد في تحديد هوية الشخص من خلال سمات وجهه، ستشهد هذه التقنية المزيد من التطور في عام 2020 وخاصّة بعد نشر الحكومة البريطانية للكاميرات في شوارع لندن بشكل رسمي منذ أيام بهدف التعرّف على المجرمين قبل وقوع الجريمة، وربما نرى حالات استخدام أخرى مثل معالجة الدفع من خلال الشيكات الأمنية واستخدامها في أغراض الرعاية الصحية ومتابعة التجارب السريرية لإجراء التشخيص الطبي.
الحوسبة الكمومية
ربما نرى أجهزة كمومية أفضل على الرغم من أنها لن تكون بالشكل الكبير إلا أنها ستكون نقطة محورية ضخمة في مجال الذكاء الاصطناعي، سيشهد عام 2020 إجراء المزيد من الأبحاث حول الحواسيب الكمومية وكيفية إنشاء استراتيجيات تهدف لتخفيض معدلات الخطأ واستخدام هذه الحواسيب المتطورة في حل المشكلات التي لا يمكن حلها تقريبًا مثل تغير المناخ أو وجود كواكب شبيهة بالأرض.
اقرأ أيضًا: 10 ألعاب ألغاز من خدمة Apple Arcade ستنشط ذكاءك
التعلم العميق
هو أيضًا من التقنيات الكامنة وراء السيارات ذاتية القيادة والتحكم الصوتي وكذلك التعرف على الصور وهناك مجموعة واسعة من التطبيقات مثل خوارزميات معالجة اللغة الطبيعية، وقد ازداد الاهتمام بخوارزميات التعلم العميق مؤخّرًا بسبب قدرتها على حل المشكلات المعقدة.
اقرأ أيضًا: مشاريع برمجية مخصصة للمبتدئين: ليست بسيطة وليست معقدة بل مناسبة لتبدأ مسيرتك المهنية
معالجة البيانات المتحيزة
أصبح لهذا الموضوع أهمية كبيرة في الذكاء الاصطناعي حيث يتم استخدام نماذج التعلم الآلي في اتخاذ القرارات مثل التوظيف وقروض الرهن العقاري، ولكن أفادت التقارير أن أمازون ألغت أداة التوظيف الداخلية بتقنية الذكاء الاصطناعي لأنها زادت من نسبة التحيز ضد توظيف النساء، بعض هذه التحيزات معقولة في حين أن بعضها الآخر غير معقول وذلك بسبب عيّنات البيانات المستخدمة في التدريب.
أدت العديد من الأمثلة الأخرى إلى التركيز على معالجة البيانات المتحيزة في تطبيقات الذكاء الاصطناعي ومع زيادة استخدام تطبيقات الذكاء الاصطناعي سنشهد زيادةً في التركيز على معالجة البيانات المتحيزة، وتقع المسؤولية على عاتق الشركات لاتخاذ خطوات استباقية لتبني مبادئ البيانات غير المتحيّزة، وأصدر المنتدى الاقتصادي العالمي تقريرًا لمنع النتائج المتحيّزة في التعلم الآلي، واختيار عيّنات مختلفة من البيانات كوسيلة للحد من هذه المشكلة.
المصدر: 