اتجاهات تطور الذكاء الاصطناعي المستقبلية (الجزء الأول)

مع تطور الذكاء الاصطناعي (AI) أصبحت هذه الظاهرة أكثر شيوعًا وتندمج في اتخاذ القرارات التي تغيّر مسار الحياة، مما زاد من حدة الحاجة إلى الشفافية. ففي السنوات الأخيرة، كثرت الحالات التي أظهرت أن الذكاء الاصطناعي يُسهم في تعزيز التحيز والتمييز، ويشكل استخدام تقنية التعرف على الوجه لأغراض الأمن العام مجرد مثال واحد. وفي السنوات القادمة، من المرجح أن نشهد تحولًا من التنظيم الذاتي المتهاون إلى مشاركة الحكومة في مجال الذكاء الاصطناعي. وفي المقابل، باتت شركات التكنولوجيا الكبرى تستخدم الذكاء الاصطناعي بشكل متزايد لمعالجة مشكلات الخصوصية والتحيز التي يسببها التقنية نفسها.

 

01اتجاهات التكنولوجيا

 

  فيما يلي قائمة بالاتجاهات الرئيسية التي حددتها شركات البيانات العالمية الذكاء الاصطناعيالاتجاهات التقنية الرئيسية للموضوع:

 

الذكاء الاصطناعي القابل للتفسير(XAI)

 

تشارك الذكاء الاصطناعي بشكل متزايد في اتخاذ قرارات تؤثر على الحياة، مثل صرف المزايا الاجتماعية، والموافقة على القروض العقارية، والتشخيص الطبي. لذلك، بات الشفافية والقابلية للتفسير أمرًا بالغ الأهمية. حولالذكاء الاصطناعيلقد حظي الجدل حول تحيز النماذج باهتمام كبير، مما دفع الشركة إلى تحديث أنظمتها الداخليةالذكاء الاصطناعيدليل التطوير لبناء الثقة. فقط توسيع التعرف على التطبيقات (إكس آي إيه) لا يكفي لتخفيف التحيزات في البيانات، لأنه يتيح للشركات فقط اكتشاف التمييز المحتمل. وستقوم الشركات بتعديل نماذجها حسب الحاجة، كما أصبح توسيع تطبيقات التعرف على الوجه والذكاء الاصطناعي أولوية قصوى لدى معظم الشركات المرتبطة بالذكاء الاصطناعي، مثل غوغل وعملاق الدفاع لوكهيد مارتن.

 

التعلم الاتحادي

 

قد يبدو من المفارقة أن تُعتبر الذكاء الاصطناعي حلاً لمشكلات الخصوصية التي يخلقها التكنولوجيا نفسها، وقد طوّر هذا النهج شركة جوجل في2017تم إطلاقه عام، ويهدف إلى الاستفادة من مجموعات البيانات الغنية المتوفرة على الأجهزة المحلية مثل الهواتف الذكية، مع الحفاظ على أمان البيانات الحساسة. باختصار، تقوم الأجهزة بتنزيل النموذج الحالي من السحابة، ثم تحسّنه من خلال التعلم من البيانات المخزنة في ذاكرتها، وبعد ذلك تُحدّث النموذج استنادًا إلى البيانات المحلية. تُعد غوغل أشهر التطبيقات التي تعتمد على التعلم الفيدرالي؛ فعلى سبيل المثال، تُقدِّم تطبيقات لوحة المفاتيح اقتراحات للكلمات أو العبارات بناءً على بيانات العمليات السابقة. وفي قطاع الرعاية الصحية، يتيح التعلم الفيدرالي لمختلف المؤسسات التعاون على نموذج واحد، مما يؤدي إلى تحسين رعاية المرضى دون الحاجة إلى مشاركة البيانات الحساسة.

 

التعرف على الوجه

 

        2020 年 6 شهر، أمازون، شركة آي بي إم الأمريكية للتجارة الدولية (آي بي إم) وأعلنت مايكروسوفت أنها لن تبيع بعد الآن تقنية التعرف على الوجه لجهات إنفاذ القانون أو للعامة(FR)الأدوات. على الرغم من أن أمازون قد أجلت لمدة عام استخدام الجهات الأمنية للتعرف على الوجه، إلا أن مايكروسوفت أعلنت أنها لن تبيع تقنية التعرف على الوجه لجهات الشرطة حتى يتم إصدار قوانين وطنية تنظّم هذه التقنية. وفي المقابل، أعلنت شركة آي بي إم أنها لن تقدّم بعد الآن برامج عامة للتعرف على الوجه أو تحليله. جورج فلويد(جورج فلويد)بعد حادثة القتل وما تبعها من احتجاجات مناهضة للعنصرية، اشتدت وتيرة الرقابة، مما دفع شركات التكنولوجيا الكبرى إلى الابتعاد عن تقنيات التعرف على الوجه، غير أن أمثلة على المسائل الأخلاقية والتحيّز ظهرت بشكل واسع النطاق على مرّ السنوات.

 

التعلم الذاتي للآلة (أوتوإم إل)

 

يهدف التعلم الذاتي للآلة إلى تقليل الحاجة إلى التعلم الذاتي (ML) الموارد البشرية والجهد اللازمين لتطبيقه على مشكلات العالم الحقيقي. ويحقق ذلك من خلال أتمتة الجوانب التكرارية والمُستهلكة للوقت في تطوير نماذج التعلم الذاتي، مما يتيح للمؤسسات ذات الموارد المحدودةMLيستخدم المطورون والعلماء المتخصصون في البيانات نماذج وتقنيات التعلم الذاتي، كما يسهم ذلك في تقليل الأخطاء البشرية والتحيزات في نماذج التعلم الآلي. وتُعدّ كشف الاحتيال، والتسعير، وإدارة المبيعات من المجالات الشائعة لتطبيقات التعلم الذاتي للآلات. تقدم جوجل كلاود، وداتا روبوتس (داتاروبوت) وH20.ai هو مثال على حلول البرمجيات الرائدة للتعلم الذاتي الآلي.

 

تحقق الكفاءة بجهد أقل بكثير

 

في عام 2019 ، قال جيف دين، رئيس قسم الذكاء الاصطناعي لدى غوغل: "نأمل في بناء أنظمة قادرة على التعميم إلى مهام جديدة، وسيكون من المثير للاهتمام والمهم أن نتمكن من إنجاز الأمور باستخدام بيانات أقل وحوسبة أقل." يتفق معظم الناس على أن الفوائد التنظيمية والتجارية للتعلم من عدد أقل من نقاط البيانات هي فوائد كبيرة. شركة الناشئة المتخصصة في التعرف على العواطف Affecta ، بأن طريقة التركيب الصناعي للبيانات ستتيح للشركات أخذ البيانات التي تم جمعها وتركيبها لإنشاء بيانات جديدة. على سبيل المثال، يمكن استخدام فيديو لشخص يقود سيارة لإنشاء مشاهد جديدة، مثل قيام السائق بإدارة رأسه أو كتابة رسالة نصية، ضمن إنترنت الأشياء الذكي الحافة (AIoT）

 

من بين المجالات الرئيسية للدمج بين الموضوعات الثورية، نجد الذكاء الاصطناعي وإنترنت الأشياء. وقد أدى هذا المزيج إلى ظهور ذكاء إنترنت الأشياء. فعند دمج البيانات التي تجمعها المستشعرات والمشغلات المتصلة مع AI، يمكن تقليل التأخير وتعزيز الخصوصية والذكاء في الوقت الفعلي على الحافة. وقد أطلقت شركة آبل (Apple) في 2020 年 1 في شهر Xnor.ai، وهي شركة تقدم أدوات تعمل على أجهزة منخفضة الطاقة تدعم AI للتعرف على الصور، وذلك لتعزيز عروضها في مجال الحوسبة الطرفية.

 

الحوسبة الكمومية

 

بدأ الحوسبة الكمومية تكتسب نضجًا، وتتصدر هذه المجال شركات مثل غوغل ومايكروسوفت وشركة آي بي إم. ومع دعم الحواسيب الكمومية، يمكن لتطبيقات الذكاء الاصطناعي أن تعمل بسرعة أكبر. ووفقًا لأستاذ المعلومات الكمومية في جامعة شيكاغو، ديفيد· وفقًا لما ذكره الدكتور أوزالوم، فإن استخدام الحواسيب الكمومية يمكن أن يسرّع العديد من المهام الحسابية التي تعتمد على التعلم الآلي. فستتيح هذه الحواسيب حسابات أسرع، كما ستسمح بتطوير خوارزميات أكثر كفاءةً من حيث الموارد، وفي الوقت نفسه تمكين الذكاء الاصطناعي من معالجة مهام أكثر تعقيدًا. وقد بدأت شركة IBM الأمريكية منذ2016 منذ عام، ونحن نقدّم لعملائنا خدمات الحوسبة السحابية الكمومية،2019 عام، مايكروسوفت (أزور كوانتم) وأعلن كلٌّ من مختبر سوليوشنز للحوسبة الكمومية لدى أمازون عن إمكانية قيام العملاء باختبار خوارزمياتهم التجريبية على عدة أجهزة كمبيوتر كمومية.

 

الرقاقة من الجيل التالي

 

لقد انتقل تركيز تصميم الرقائق من في 1انتقل السباق نحو وضع مزيد من الترانزستورات على رقاقة سيليكون بمساحة ملليمتر مربع إلى بناء المعالجات الدقيقة كأنظمة تتألف من عدة مكوّنات، يُؤدّي كل منها مهمةً محددة. وخلال السنوات القليلة المقبلة، ستزداد قدرة الحواسيب على محاكاة طريقة الدماغ البشري في تخزين المعلومات ومعالجتها. وهنا يأتي دور الحوسبة العصبية والرقائق العصبية. إذ تعد الرقائق العصبية مثالية لمعالجة كميات هائلة من البيانات وتشغيل تطبيقات التعلم العميق التي تعتمد على الشبكات العصبية، مع استهلاكها لطاقة أقل بكثير مقارنةً بالمعالجات التقليدية. وقد تعاونت شركة IBM الأمريكية مع ترونوس (تروث نورث) بالتعاون، تعاونت إنتل مع روشى (لويهي) بالتعاون، وتحتل حالياً موقع الصدارة في مجال البحث والتطوير، لكنها تواجه منافسة من شركات مرموقة مثل كوالكوم وهب بزنس (إتش بي إي) وسامسونج وغيرها، بالإضافة إلى غرايفكوبورت المنافسة مع شركات ناشئة مدعومة برأسمال كبير مثل كامبريوم.