المجموعات

يخلق الذكاء الاصطناعي جيلًا جديدًا من التعلم الآلي

يخلق الذكاء الاصطناعي جيلًا جديدًا من التعلم الآلي

يقع المقر الرئيسي في وادي السيليكون ولها مكاتب في شنغهاي وهانغتشو في الصين ،R2.ai شركة تنمو بسرعة. جلسنا مع مؤسس الشركة ومديرها التنفيذي للحديث عن الذكاء الاصطناعي الذي يخلق الذكاء الاصطناعي ، وكيف ستؤثر الأتمتة على الوظائف في المستقبل.

في الأصل كيميائي ، يوين هوانغ ، دكتوراه، عمل في الذكاء الاصطناعي (AI) والتعلم الآلي (ML) منذ 23 عامًا عند إجراء بحث باستخدام الذكاء الاصطناعي لتحديد الهياكل الجزيئية في المواد الكيميائية.

"لقد وجدت عالم التعلم الآلي والحوسبة رائعًا للغاية لدرجة أنني قررت التحول إلى علوم الكمبيوتر. ومنذ ذلك الحين ، عملت لمدة 20 عامًا في هذا المجال مع إدارة البيانات والبيانات ، والتعلم الآلي ، وتطوير برمجيات المؤسسات" ، يقول هندسة مثيرة للاهتمام.

"السبب في أنني بدأت R2ai هو أنني كنت في تيراتا، لقد طورنا بالفعل الأول في العالم نظام أساسي للتعلم الآلي يعتمد على هندسة الحوسبة المتوازية الموزعة ، والتي يمكنها تدريب نموذج التعلم الآلي للتيرابايت من البيانات في دقائق معدودة ، على عكس الطرق التقليدية للقيام بذلك والتي تستغرق أسابيع. إنه سريع حقًا من حيث سرعة ملف نموذج التعلم الآلي يمكن تدريبه ".

راجع أيضًا: نظرة على المصطلحات الأكثر استخدامًا حول الذكاء الاصطناعي

على الرغم من التعليقات المستمرة من جميع عملاء R2ai تقريبًا الذين يقولون مدى سرعة ورائعة التكنولوجيا ، لم يتمكنوا من العثور على ما يكفي من خبراء التعلم الآلي لتشغيل الأداة. يُظهر هذا نقصًا كبيرًا في مواهب التعلم الآلي ، على الرغم من وجود حاجة ماسة إليها.

يحتل الذكاء الاصطناعي المكانة كأفضل تقنية تغير قواعد اللعبة ، ولكن لا توجد موهبة بشرية لذلك

وفقا ل مسح جارتنر من بين أكثر من 3000 رئيس قسم تقنية معلومات ، كان الذكاء الاصطناعي (AI) هو التكنولوجيا الأكثر ذكرًا إلى حد بعيد ويحتل المركز الأول كأفضل تقنية لتغيير قواعد اللعبة بعيدًا عن البيانات والتحليلات ، والتي تحتل الآن المرتبة الثانية.

قال "ما نراه هنا هو علامة فارقة في الانتقال إلى العصر الثالث لتكنولوجيا المعلومات ، العصر الرقمي" آندي روسيل جونزنائب الرئيس والمحلل المتميز في شركة Gartner.

في الواقع ، استجابة لهذا وردود الفعل التي قدمها عملاء R2 ، اعتقد Yiwen Huang أن لديه الآن مهمة جديدة: العمل على تطوير تعلم آلي جديد في منصة تشغيل لا يجب أن تكون سريعة فحسب ، بل يجب أن تكون سهلة الاستخدام أيضًا ؛ من السهل جدًا استخدامه ، في الواقع ، حتى خبراء التعلم غير الآلي يمكن أن يتعلم بسرعة كيفية استخدامه.

يقول هوانغ: "لذا ، كانت لدي فكرة عن سبب عدم تمكننا من استخدام تقنية الذكاء الاصطناعي لتطوير جيل جديد من منصة تطوير التعلم الآلي والتشغيل التي يمكنها حساب النماذج تلقائيًا دون التسبب في مشاكل في مجموعة البيانات".

"هكذا بدأنا R2. وهكذا تطورنا R2 تعلم، وهي أداة الآن مع البرنامج كخدمة (SaaS) التوفر لذلك. هذه هي الطريقة التي انتهينا بها من القيام بالتعلم الآلي الآلي. "قبل تطبيق SaaS ، كان R2 Learn متاحًا فقط في أماكن العمل.

الذكاء الاصطناعي الضيق ، والذكاء الاصطناعي العام ، والذكاء الاصطناعي المعرفي ، والتعلم المعزز ، وتكنولوجيا الأتمتة

يوضح Yiwen Huang أن المرحلة الحالية من R2 Learn تقع ضمن نطاق ضيق AI معلمات التكنولوجيا. "أعتقد أن الذكاء الاصطناعي العام في النهاية يأتي من مزيج من جميع تقنيات Narrow AI المختلفة الأخرى ، كما يقول.

"لذلك ، عندما ندمج تقنيات الذكاء الاصطناعي الضيق بطريقة ذات مغزى للغاية ، يكون لديك شيء لديه فرصة جيدة جدًا لتصبح ذكاءً اصطناعيًا عامًا. أعتقد أنها عملية تدريجية ، خطوة بخطوة."

هناك الكثير من المصطلحات الجديدة حول الذكاء الاصطناعي التي يحتاج المرء إلى توخي الحذر والتعرف على الجوانب المختلفة التي يغلفها كل منها.

"ال AI يقول هوانغ: "الفضاء واسع جدًا." التعلم الالي، وهو الاتجاه الأكثر شيوعًا في هذه المرحلة ؛ ولكن هناك أيضًا الذكاء الاصطناعي المعرفي، يحاول فهم وتقليد السلوك البشري ويحاول أن يكون قادرًا على ترجمة المعرفة البشرية إلى الذكاء الاصطناعي. هذا هو الذكاء الاصطناعي المعرفي ".

"هناك أيضًا تقنية مثل تعزيز التعلم، وهو جزء من التعلم الآلي ، ولكن هناك فكرة أنه قادر على المحاكاة. المحاكاة بطريقة تسمح لك مقلد الصوت والحركة الإبداع الشبيه بالإنسان. ثم هناك أيضًا تكنولوجيا الأتمتة ، أنه يمكنك وضع كل شيء معًا بطريقة فعالة للغاية ".

بناء نماذج التعلم الآلي

R2 Learn هي مساحة تمكن الناس لإنشاء نماذج التعلم الآلي. أنها توفر مشكلة وتوفر مجموعة بيانات. وفقًا لـ Yiwen Huang ، هناك طريقتان لبناء نماذج التعلم الآلي.

"تُستخدم نماذج التعلم الآلي عادةً لـ التحليلات التنبؤية. لذا ، فإن حالات الاستخدام واسعة جدًا أيضًا "، كما يقول هوانغ." على سبيل المثال ، في التسويق وخدمة العملاء يمكنك بناء نموذج تنبؤي يمكنه التنبؤ بما يحبه العملاء أو لا يحبونه ".

"يمكنك التنبؤ بالطلب على سلع معينة. يمكنك توقع رضا العملاء. يمكنك أيضًا المساعدة في عمليات الاحتيال. يمكنك المساعدة في أداء المخزون ، وتوقع صعود وهبوط الأسهم. في الرعاية الصحية التأمينية ، يمكنك التنبؤ بمخاطر ظروف معينة و تكلفة العلاج الطبي ".

وفقا لهوانغ ، فإن الهدف من الأداة هو تمكين الأشخاص الذين يكافحون في العثور على مواهب الذكاء الاصطناعي. يقول: "هذه نقطة مهمة لاحظناها في فضاء السوق". الأداة مفيدة أيضًا للأشخاص الذين يرغبون في تسريع منحنى مشروع التعلم الآلي.

يقول: "عادةً ما يستغرق الأمر شهرًا لتطوير نموذج واحد. باستخدام أداتنا ، يمكنهم فعل الشيء نفسه أو حتى إنشاء نموذج أفضل في غضون دقائق أو ساعات".

تم إطلاق حل R2ai لأول مرة في أماكن العمل. في الآونة الأخيرة ، أتاحته الشركة كحل SaaS. "السبب في إطلاقنا لها على SaaS هو أننا نريد توعية الناس بوجود الكثير أفضل بديل هذا هو ما يفعلونه اليوم ".

يوضح Huang أن R2 Learn هي مفيد بشكل خاص للأشخاص الذين يتعرضون للترهيب من خلال التعلم الآلي لأنهم لا يمتلكون خلفية قوية من المعرفة به. تسهل R2 Learn بدء إنشاء نماذج التعلم الآلي على الفور.

يمكن للصناعات الاستفادة من بناء نماذج التعلم الآلي المؤتمتة

R2 Learn هو الجيل الجديد من أداة AutoML التي تحول البيانات الكبيرة إلى نماذج عالية الجودة ومتطورة للتعلم الآلي بطريقة سريعة وسهلة وبأسعار معقولة. تمكّن R2 Learn خبراء الذكاء الاصطناعي وغير الخبراء من تطوير حلول الذكاء الاصطناعي ونشرها بأنفسهم.

R2.ai هي شركة رائدة في السوق من خلال هذه التقنيات المدمجة التي تعالج نقاط ضعف تطوير الذكاء الاصطناعي:

  • وضع التشغيل والتطوير التلقائي للنموذج الشامل لخبراء التعلم غير الآلي

  • تطوير النموذج المتقدم ووضع التشغيل لخبراء التعلم الآلي

  • أداء وكفاءة النمذجة متفوقة

  • عملية نمذجة شفافة وقابلة للتفسير

  • قدرات التعلم الذاتي من أجل التحسين الذاتي المستمر

  • SaaS والعروض المحلية لمتطلبات السوق المختلفة

التكنولوجيا في الواقع حيادي الصناعة. إنها أداة ومنصة عامة. لكن يجب أن تكون الصناعة جاهزة للانطلاق للقيام بالتعلم الآلي. وفقًا لهوانغ ، فإن أحد الشروط هو أنهم بحاجة إلى توفر البيانات.

"لذلك ، قم بجمع بياناتهم وتوحيدها. وذلك عندما يحتاجون إلى الأداة لبدء ترجمة البيانات إلى بيانات فعلية الإيرادات والعملاء السعداء. هذه الخطوة هي ما تتطلبه أداة تطوير التعلم الآلي ".

بالنسبة إلى هوانغ ، الصناعات الموجودة حاليًا الأكثر استعدادًا بالنسبة للتعلم الآلي ، تشمل التأمين على الحياة والرعاية الصحية والتمويل والتصنيع وكذلك الاتصالات.

"أعتقد أن هناك الكثير من الصناعات الأخرى الجاهزة بالفعل. لكني أعتقد أن جميع الصناعات الأخرى في حالة مزاجية بالفعل للاستعداد للتعلم الآلي. لذا ، فإن ما يفعلونه هو في الأساس جمع أكبر قدر ممكن من البيانات. لذلك ، عندما تكون البيانات جاهزة ، يمكنهم البدء في استخدام التعلم الآلي "، كما يقول هوانغ.

يوضح Huang أن أول عرض SaaS لـ R2ai يعتمد على Amazon AWS. كونه متاحًا على الإنترنت يمكن للأشخاص من جميع أنحاء العالم الوصول إليه. سيكون مركز بيانات مثيل AWS مبدئيًا في أمريكا الشمالية واليابان قبل التوسع عالميًا. ويقول إن هناك نوعين رئيسيين من العملاء يمكنهم الاستفادة من استخدام الأداة.

"يمكن أن يكون عرض SaaS مفيدًا جدًا لأولئك الذين ينشطون في التعلم الآلي ولكنهم يواجهون صعوبة في اكتساب مطوري التعلم الآلي أو أي شخص يريد تسريع مشاريعه أو أي شخص يريد أن يكون لديه قطعة ذهنية بأنهم يستفيدون بشكل كامل من قيمة البيانات "، يشرح.

تشمل المجموعة الثانية من العملاء "أولئك الذين يرغبون في الدخول إلى التعلم الآلي ولكنهم يخافون اليوم من الاستثمار وكذلك نقص خبرة التعلم الآلي. هؤلاء هم العملاء الذين يستفيدون كثيرًا من حلول وتكنولوجيا R2ai SaaS."

تستخدم جميع الصناعات تقريبًا التعلم الآلي بدرجة أو بأخرى ، وفقًا لاحتياجاتهم وإمكانياتهم. هذا الاتجاه سيزداد فقط في السنوات القليلة المقبلة.

يقول هوانغ: "لهذا السبب نعتقد أننا بحاجة إلى جعل هذا متاحًا على نطاق واسع ، حتى يتمكن الأشخاص من جميع الصناعات من البدء في استكشاف إمكانيات بياناتهم".

الشركات والأفراد المهتمون بتطوير حلول الذكاء الاصطناعي الخاصة بهم أو تسريع مشاريع الذكاء الاصطناعي بطيئة الحركة مدعوون للتسجيل في نسخة تجريبية مجانية. يسعد Huang أيضًا أن يقدم استشارة أولية مجانية للعملاء الذين يريدون المساعدة في تقييم إمكانيات الذكاء الاصطناعي.

اعتماد الذكاء الاصطناعي والهندسة

في التصنيع والقطاعات الأخرى ، يخشى بعض الناس من أن يفقدوا وظائفهم بسبب الأتمتة. على الرغم من أن خبراء الصناعة والمستقبليين قالوا إن الأتمتة ستخلق وظائف جديدة لأولئك الذين استعدوا لاكتساب أو تطوير مهارات جديدة ، وخاصة المهارات الشخصية.

راجع أيضًا: يجب أن يتقن المهندسون المهارات الناعمة لمهنة ناجحة

"أعتقد أن الغرض من الهندسة هو تحرير الأشخاص من خلال أتمتة الأشياء ، من خلال تسهيل الأمور على الأشخاص ، حتى يتمكنوا من التركيز أكثر على الأشياء المهمة."

Businesswise أعتقد أن أهم الأشياء بالنسبة لهم هي حل مشاكل العمل بخلاف تعلم كيفية استخدام أدوات التعلم الآلي المتطورة.

لذلك ، اعتادت الهندسة على تطوير تلك الأداة لجعل عمل الناس سهلًا وسريعًا حقًا ، وأكثر كفاءة ، ولتعزيز إنتاجيتهم. أود أن أقول أنه سهل وسريع وأفضل وبتكلفة أقل.

"أعتقد أن الغرض من الهندسة هو تحرير الأشخاص من خلال أتمتة الأشياء ، من خلال تسهيل الأمور على الأشخاص ، حتى يتمكنوا من التركيز أكثر على الأشياء المهمة."

"تكمن قيمة هذه الأدوات في الكيفية التي تساعد بها الشركة على توليد المزيد من القيمة. ومدى سرعة قدرتها على توليد هذه القيمة. هناك جوانب لتوفير التكاليف ، لكنني أعتقد أن المجال الأكثر أهمية هو كيف يمكنني الاستفادة من الأداة باستخدام الموارد الموجودة "، كما يقول هوانغ.

يذكرنا هوانغ ذلك بالمعنى الأوسع لـ تطور الصناعة هناك دائمًا عملية أتمتة ، كما كنا نلاحظ. ويقول: "لكن في هذه العملية ، لا نرى أن الناس يفقدون وظائفهم لأنه سيكون هناك دائمًا المزيد من الوظائف التي سيتم إنشاؤها".

"حتى اليوم ، ستكون هناك دائمًا مهن جديدة ووظائف جديدة سيتم إنشاؤها. أعتقد أن الاتجاه هو أن الأتمتة ستساعدنا على أن نكون أكثر كفاءة لتوليد المزيد من القيمة ، والمزيد من الثروة كمجتمع."

يعتقد Huang أنه سيكون هناك تغيير على المدى القصير لبعض الناس من حيث أنه سيتعين عليهم التحول إلى مجال أو مهنة أو صناعة مختلفة. يقول: "بهذا المعنى ، نحن بحاجة إلى بعض برامج التدريب الوظيفي أو إعادة التهيئة. لكنني لا أعتقد بشكل عام أن الذكاء الاصطناعي سوف يقلل من فرص العمل بشكل عام".

بالنسبة لهوانغ ، إنه كل شيء عن التغييروالتعلم والتحسين وجعل الأمور أسهل من ذي قبل للجميع. يتعلق الأمر أيضًا بتعلم مهارات جديدة باستمرار من أجل مواكبة العصر الذي نعيش فيه والتكنولوجيا التي تتعاون معنا.

يقول: "أعتقد أن المهارات الجديدة ستكون أكثر حول الإبداع والتواصل بين البشر (H2H). أعتقد أن هذه هي المجالات التي سيستغرق تعلمها الذكاء الاصطناعي وقتًا أطول".

"أكثر التعاون عبر الإدارات والقطاعات والصناعات ".

يقول هوانغ: "الطريقة التي نرى بها الذكاء الاصطناعي هي زيادة قدرة الناس على عدم استبدالهم. مرة أخرى ، هدف الذكاء الاصطناعي هو تسهيل حياة الناس. وسيساعد الناس على توليد المزيد من القيم ، واكتساب المزيد من المعرفة".

يعتقد هوانغ أنه ستكون هناك مشكلة محتملة فقط إذا حصرنا أنفسنا في مساحة شديدة الاحتواء. يقول: "لكن الحقيقة هي أننا نتوسع".


شاهد الفيديو: أهم 7 أشياء عن الذكاء الاصطناعي! (شهر اكتوبر 2021).