كيف يمكن تحقيق التوازن بين التعلم الآلي الخاضع للإشراف وغير الخاضع للإشراف؟

بقلم مايك بروكس، مدير أول في إدارة أداء الأصول لدى آسبن تك

منذ أول استخدام للبرامج المتقدمة في الصناعات كثيفة الأصول لأكثر من أربعة عقود، كان المصنعون في رحلة لتحويل أعمالهم وإنشاء قيمة مضافة للشركاء. يفتح اليوم الجيل الجديد من التقنيات المدعومة بالذكاء الاصطناعي المتقدمة والقائمة على التعلم الآلي، فرصاً جديدة لإعادة تقييم الحدود العليا للامتياز التشغيلي عبر هذه القطاعات. وللبقاء متقدماً في حزمة واحدة، لا تحتاج الشركات إلى فهم تعقيدات التعلم الآلي فحسب، بل لتكون مستعدة للعمل عليها والاستفادة منها.

إقرأ أيضاً:ما هو سبب تخوف المستخدمين من الاقبال على العملات الرقمية؟

يمكن لأحدث حلول التعلم الآلي تحديد قبل أسابيع، فيما إذا كان من المحتمل أن تتدهور الأصول أو تتعطل، والتمييز بين سلوك عمليات المعدات الطبيعية وغير الطبيعية، من خلال التعرف على أنماط البيانات المعقدة وكشف الأسباب الدقيقة للتدهور والتعطل. يمكنهم بعد ذلك تنبيه المشغلين وحتى وصف الحلول لتجنب التعطل الوشيك، أو على الأقل تخفيف العواقب.

تُظهر تصميمات البرامج الرائدة ومستقلة والذاتية التعلم قدرة تُعرف بالتعلم الآلي غير الخاضع للإشراف، وهي طريقة محددة لتعلم أنماط الأداء أو السلوك باستخدام تقنيات التجميع.

يمكن استخدام هذه التقنية لفهم السلوك التشغيلي “الطبيعي”، استناداً إلى الإشارات الصادرة من أجهزة الاستشعار على الأجهزة وحولها. يمكن لتعلم الأنماط السلوكية أن يساعد على تحليل البيانات الجديدة في اكتشاف الانحرافات عن المعيار، وتسمى الحالات الشاذة، وتسلّط الضوء على المشكلات الميكانيكية والتغييرات العملية التي تؤثر على أجزاء معينة من المعدات.

إقرأ أيضاً:هل تستخدم شركات الشرق الأوسط التحليلات السلوكية لوقف الاختراقات الإلكترونية؟

ومع ذلك، فإن الجانب السلبي هو أن الكشف عن الأخطاء على أساس التعلم الآلي بغير إشراف قد تكون محفوفة بالأخطاء وتتطلب دائماً تدخل بشري. انه أمر جيد في الكشف عن العلاقات ولكن أقل فعالية في حل العلاقة السببية. في الواقع، قد يجد التعلم الآلي بدون إشراف، ارتباطات يمكن أن تكون هراء تماماً، مثل العلاقة الحقيقية التي لا معنى لها بين الوفيات المنخفضة في الطرق السريعة في الولايات المتحدة وعدد أطنان الليمون التي تستوردها البلاد من المكسيك.

عندما يكتشف التعلم الآلي غير الخاضع للإشراف وجود خطأ، يمكن أن يكون التغيير في أنماط السلوك مجرد وضع تشغيل جديد، أو قد يكون عطلاً وشيكاً. يجب على الإنسان إلقاء نظرة على الجهاز وتحديد الخيارات الصحيحة. يمكن لهذا التدخل اليدوي بعد ذلك أن يساعد التعلم الآلي على التعلم والتكيّف، مما يضمن بشكل فعال أن التحرك إلى الأمام يوفر دائماً تحليلاً يمكن للشركات الوثوق به.

ومن ثمّ فإن العلاقة ليست هي ذاتها العلاقة السببية، لذلك فإن التعلم الآلي بشكل صحيح يحتاج إلى إرشادات بشرية. على سبيل المثال، تستخدم تقنيات التعرف على الصوت التعلم الآلي، لكنها لا تستطيع التعلم دون مساعدة. يجب أن يكون تقييم التكنولوجيا شديد الإشراف من قِبل البشر، الذين يعترضون العبارات التي لم تحل بعد، ويطبقون الترجمات لمساعدة تقنيات التعلم. وبالمثل، يحتاج الكشف عن الاحتيال في بطاقة الائتمان إلى مساعدة في تعلم كيفية التعرف على سلوك الإنفاق. فربما قد تسأل شركة بطاقة الائتمان “هل تحاول شراء تذكرة سفر في باريس؟” يستخدم مُصدر بطاقة الائتمان التعلم الآلي لفهم أنماط الإنفاق الطبيعية ويتعرف الآن على حدث غير طبيعي. يميز الإدخال البسيط بنعم أو لا، الخطأ المكتشف ويضمن أن تتعلم التكنولوجيا التعرف على أي إنفاق مستقبلي على أنه طبيعي أو احتيالي.

يحتاج التعلم الآلي الخاضع للإشراف بالمثل إلى مشاركة الإنسان للعمل بفعالية. إنها تتطلب من الفرد إعلان الحدث والوقت والتاريخ الذي حدث فيه. بعد ذلك، يجب أن تتعلم التكنولوجيا أساسيات الأنماط الدقيقة التي تؤدي إلى هذا الحدث، والذي في الصناعات كثيفة الأصول قد يكون على سبيل المثال عطلاً في الجهاز بسبب سبب محدد مثل عطل في الحمولة.

إقرأ أيضاً:تجارب رقمية جديدة في “هامبورغ” للمسافرين من دول مجلس التعاون الخليجي

تتعلم التكنولوجيا معايرة نمط التدهور والتعطل الدقيق، ثم تختبر تدفقات البيانات الواردة الجديدة للعثور على تكرارات نمطية دقيقة، ثم التنبيه جيداً قبل حدوث العطل، مما يتيح اتخاذ إجراء لتجنب التعطل أو توفير وقت لترتيب إصلاح في الوقت المناسب قبل حدوث أضرار كبيرة قد تحدث. والنتائج هي تكاليف صيانة أقل بكثير وأكثر جهوزية لإنتاج ذو قيمة.

آفاق مشرقة

يحتاج الملاك والمشغلون عبر الصناعات كثيفة الأصول إلى البدء على نحو عاجل في الاستفادة من المزايا العديدة التي يمكن للتعلم الآلي أن يحققها من حيث تشغيل مرافقهم بشكل أكثر كفاءة وتحسين أداء الأصول. في الأسواق المزدحمة اليوم، هناك فرصة لاستخدام التعلم الآلي للتنبؤ بأداء الأصول، التي تطور الشركة وميزتها التنافسية. يمكن للتعلم الآلي غير الخاضع للإشراف أن يأخذ الشركات إلى جزءاً من الطريق من خلال المساعدة في تحديد الحالات الخاطئة في أداء الأصول أو المصانع، ولكن يجب أن تدرك المؤسسات أن أداء التعلم الآلي على المستويات الأمثل، يحتاج إلى إرشادات وذكاء بشريين. لا يزال هناك حاجة إلى خطوط إرشادية للعثور على المشكلات الصحيحة وحلها.

تحتاج الشركات كثيفة الأصول إلى التصرف بناءً على هذا الفهم الآن. سيكونون أفضل من يستفيد من الحقبة الجديدة للتعلم الآلي والتأكد من أنه من خلال قياس الأنماط الفعلية لسلوك الأصول واستخلاص رؤية حقيقية وتطوير التنبؤ تلقائياً، يمكنهم تحسين أداء الأصول عبر عملياتهم بالكامل.



شاركوا في النقاش
المحرر: Julie Majdalani