الاتجاهات الجديدة المتوقعة لاستخدامات الذكاء الاصطناعي

المتحدث الرسمي: آدم ليبرمان – رئيس قسم الذكاء الاصطناعي والتعلم الآلي في فيناسترا

أحدث وباء كورونا تأثيراً كارثياً على العديد من الشركات والأفراد، وبعض الاتجاهات الجديدة لاستخدامات الذكاء الاصطناعي.

فاليوم اكثر من أي وقتٍ مضى، أصبح الوصول إلى الخدمات المالية ضرورة ملحة، لما لها من أهمية بالنسبة للكثيرين.

ومن المعروف أن جدوى شركات الائتمان تستند إلى القدرة على الإقراض، مع اعتماد كثير من الشركات اليوم على الأنماط القائمة على أتمتة القرارات.

إلا أنه لم يكن بمقدور أي نمط، أو نهج عمل مالي التنبؤ بحدوث سيناريو كورونا.

وعليه، فإن الأنماط الحالية ستتطلب إعادة التأهيل والتدريب.

باٌضافة إلى إجراء عملية تحديث شاملة لتعكس الوضع الاقتصادي الراهن.

وبالتالي ضمان القدرة على الإقراض المستدام.

الاستخدام المتزايد للبيانات التركيبية

الاتجاهات الجديدة

تُعد البيانات إحدى المشاكل الدائمة التي تواجهها شركات الخدمات المالية.

وذلك نظراً لأنها غالباً ما لا تكون متوفرة على النحو الكافي.

ومن المتعارف عليه أن نماذج الذكاء الاصطناعي والتعلم الآلي، تعتمد على توافر قدر هائل من البيانات عالية الجودة.

لكن الكثير من البيانات المالية تكون غالباً غير قابلة للاستخدام، لحساسية البيانات والأنظمة الرقابية ذات الصلة.

والحل الذي قد بدأ يلوح في الأفق الآن يتمثل في استخدام البيانات التركيبية.

فمؤسسات الطرف الثالث المتخصصة في استخلاص وإنشاء بيانات تركيبية من مجموعات بيانات حقيقية، تشكل في الواقع بداية طفرة بيانات جديدة.

ويتوقع أن يكون لها تأثير إيجابي على نضج النماذج عبر النظام الإيكولوجي للخدمات المالية.

بالإضافة إلى تحسين عملية صنع القرار القائمة على البيانات وتسريع وتيرة الابتكار.

من الاتجاهات الجديدة التركيز على إلغاء التحيز في الذكاء الاصطناعي

الذكاء لاصطناعي

 أصبح مبدأ مكافحة التحيز المتأصل في الذكاء الاصطناعي وخوارزميات التعلم الآلي، محط اهتمامٍ رئيسي من قبل مجتمع علوم البيانات.

وبالرغم من أن الأنماط قد تكون وضعت أو صُممت وفقاً لأفضل النوايا، إلا أن هناك تدقيقاً متزايداً حول الطرق التي قد تنطوي على تمييزٍ ضد الأشخاص من مختلف الثقافات.

مثلاًً، هل من الممكن لنمط ما تم تدريبه كلياً على بيانات جنس أو عرق معين أن يُظهر صفات متحيزة عند الاستعلام عن الأجناس أو الأعراق الجديدة؟

الجواب على الأرجح هو “نعم”.

ولأن التركيز على الإنصاف في اتخاذ القرار في إطار الذكاء الاصطناعي أصبح أكثر انتشاراً، تنشأ حاجة متنامية لتوفير مزيدٍ من الشفافية، واتباع أفضل الممارسات بشأن الإنصاف.

كما أن أنماط “الصندوق الأسود”، وهي النماذج التي وضعت من دون أي اعتبار لفرق العمل والبيانات والمنهجيات المستخدمة في إنشائها، ستصبح منبوذة.

وسيتم تجنب استخدامها من قبل الشركات حرصاً منها على اتباع أنماط أكثر شمولاً.

بزوغ عصر التطبيقات

الاتجاهات الجديدة

 ليس كل المهندسين المتخصصين في التعلم الآلي هم مهندسو برمجيات.

كما أنهم لا يعرفون بالضرورة لغات البرمجة الشائعة، مثل “جافا سكريبت” و”إتش تي أم أل” و”سي إس إس”.

وهذا ما يجعل من الصعب عليهم إنشاء تطبيقات تستند إلى أنماطهم إلا في حالة واحدة.

وهي عدم الاستعانة بالفريق الأوسع نطاقاً الذي يضم مهندسين ومصممي واجهة المستخدم (UI)/تجربة المستخدم (UX).

وقد بدأت المنصات التي تسهل عملية تصميم وتطوير التطبيقات ونماذج التعلم الآلي في الظهور.

كما نشهد اليوم تحولاً في التفكير حول كيفية تسخير أنماط التعلم الآلي في الإنتاج. ودمجها في التطبيقات لمنح المستخدمين النهائيين أفضل تجربة ممكنة وأكثرها سهولة وسلاسة.

أهمية خوارزمية “جي بي تي 3” في البحث عن الذكاء الاصطناعي العام

الاتجاهت الجديدة

سيكون من الصعب أن تخلو أي من النقاشات حول سبل تطوير تكنولوجيا الذكاء الاصطناعي من خوارزمية “جي بي تي 3” في الفترات المقبلة من ضمن الاتجاهات الجديدة.

إذ يمنحنا هذا النموذج لمحةً عن الفرص الواعدة التي ينطوي عليها الذكاء الاصطناعي العام.

غير أن الاستخدام الأكثر وضوحاً للنموذج قد يتمثل في أتمتة مهام تطوير البرامج منخفضة المستوى.

وهذا بدوره لا يعني إلغاء العديد من الوظائف، بل يدل على أننا سنكون قادرين على تسريع وتيرة أداء وإنجاز المهام ذات المستوى المنخفض.

فإنشاء وتصميم صفحة إلكترونية اعتيادية على الإنترنت في غضون ثوانٍ من خلال طلب نصي، على سبيل المثال لن يؤدي بالضرورة إلى الاستغناء عن الحاجة إلى مطوري صفحات الإنترنت.

غير أنه في الوقت ذاته سيشجعهم على بدء رحلة تطورهم وتنمية قدراتهم من مرحلة أكثر تقدماً.



شاركوا في النقاش
المحرر: mona hamdan