الذكاء الاصطناعي ..وتطلعات العصر

طلال سعود المخيزيم
‏ [email protected]
@t_almukhaizeem

الذكاء الاصطناعي (AI) هو مجال علوم الكمبيوتر المخصص لحل المشكلات المعرفية المرتبطة عادةً بالذكاء البشري، مثل التعلم والإبداع والتعرف على الصور، تجمع المؤسسات الحديثة كمياتٍ كبيرةً من البيانات من مصادر متنوعة مثل أجهزة الاستشعار الذكية والمحتوى الذي ينشئه الإنسان وأدوات المراقبة وسجلات النظام، الهدف من الذكاء الاصطناعي هو إنشاء أنظمة ذاتية التعلم تستخلص المعاني من البيانات بعد ذلك، يُمكن للذكاء الاصطناعي تطبيق تلك المعرفة لحل المشكلات الجديدة بطرق تشبه الإنسان، على سبيل المثال، يُمكن لتقنية الذكاء الاصطناعي الاستجابة بشكل هادف للمحادثات البشرية، وإنشاء صور ونصوص أصلية، واتخاذ القرارات بناءً على مُدخلات البيانات في الوقت الفعلي، ويمكن لمؤسستك دمج إمكانات الذكاء الاصطناعي في تطبيقاتك لتحسين عمليات الأعمال لديك وتحسين تجارب العملاء وتسريع الابتكار.

في ورقته البحثية عام 1950 التي بعنوان "آلات الحوسبة والذكاء"، قام آلان تورنج بدراسة مدى إمكانية قيام الآلات بالتفكير، في هذا الورقة البحثية، صاغ تورنج لأول مرة المصطلح الذكاء الاصطناعي وعرضه كمفهوم نظري وفلسفي.

بين عامي 1957 و1974، سمحت التطورات في الحوسبة لأجهزة الكمبيوتر بتخزين المزيد من البيانات ومعالجتها بشكل أسرع، خلال هذه الفترة، طوّر العلماء خوارزميات تعلّم الآلة (ML)، أدى التقدم في هذا المجال إلى قيام وكالات مثل وكالة مشروعات البحوث المتطورة الدفاعية (DARPA) بإنشاء صندوق لأبحاث الذكاء الاصطناعي، في البداية، كان الهدف الرئيسي من هذه الورقة البحثية هو استكشاف ما إذا كانت أجهزة الكمبيوتر يمكنها نسخ اللغة المنطوقة وترجمتها.

خلال الثمانينيات من القرن العشرين، تيسّرت عملية التطوير بفضل التمويل المعزز الذي أتيح وبفضل التوسع في مجموعة الأدوات الخوارزمية التي استخدمها العلماء في الذكاء الاصطناعي، نشر ديفيد روميلهارت وجون هوبفيلد أبحاثًا حول تقنيات التعليم العميق، والتي أظهرت أن أجهزة الكمبيوتر يمكن أن تتعلم من التجربة.

في الفترة من عام 1990 إلى أوائل عام 2000، حقق العلماء العديد من أهداف الذكاء الاصطناعي الأساسية، مثل تحقيق الفوز على بطل العالم في الشطرنج، مع وجود المزيد من بيانات الحوسبة وتزايد قدرة المعالجة في العصر الحديث مقارنةً بالعقود السابقة، أصبحت أبحاث الذكاء الاصطناعي الآن أكثر شيوعًا وأكثر سهولةً، إنه يتطور بسرعة إلى الذكاء الاصطناعي العام حتى تتمكن البرامج من أداء المهام المعقدة، يُمكن للبرامج إنشاء واتخاذ القرارات والتعلّم بمفردها، وهي مهام كانت تقتصر في السابق على العنصر البشري.

يتمتع الذكاء الاصطناعي بالقدرة على تقديم مجموعة من المزايا لمختلف القطاعات ومنها :

1-التغلب على المشكلات المعقدة:
يمكن لتقنية الذكاء الاصطناعي استخدام تعلّم الآلة وشبكات التعليم العميق في حل المشكلات المعقدة بذكاء يشبه ذكاء العنصر البشري، يمكن للذكاء الاصطناعي معالجة المعلومات على نطاق واسع، عن طريق مواجهة الأنماط وتحديد المعلومات وتقديم الإجابات، يُمكنك استخدام الذكاء الاصطناعي في حل المشكلات التي تواجه مجموعةً من المجالات مثل اكتشاف الاحتيال والتشخيص الطبي وتحليلات الأعمال.

2-زيادة كفاءة الأعمال:
على عكس العناصر البشرية، يُمكن لتقنية الذكاء الاصطناعي العمل على مدار الساعة طوال أيام الأسبوع بدون أن تنخفض معدلات الأداء، بعبارة أخرى، يمكن للذكاء الاصطناعي أداء المهام اليدوية بلا أخطاء، يُمكنك السماح للذكاء الاصطناعي بالتركيز على المهام المتكررة والمملة، حتى تتمكن من استخدام الموارد البشرية في مجالات أخرى من الأعمال، يمكن للذكاء الاصطناعي تقليل أعباء عمل الموظفين وفي الوقت نفسه تيسير جميع المهام المتعلقة بالأعمال.

3-اتخاذ قرارات أكثر ذكاءً:
يُمكن للذكاء الاصطناعي استخدام تعلّم الآلة في تحليل كميات كبيرة من البيانات بشكل أسرع من أي عنصر بشري، يُمكن لمنصات الذكاء الاصطناعي تحديد الاتجاهات وتحليل البيانات وتقديم التوجيه، من خلال التنبؤ بالبيانات، يساعد الذكاء الاصطناعي في اقتراح أفضل مسار للعمل في المستقبل.

4-أتمتة عمليات الأعمال:
يُمكنك تدريب الذكاء الاصطناعي باستخدام تعلّم الآلة حتى يتسنى له تنفيذ المهام بدقة وبسرعة، يمكن أن يؤدي ذلك إلى زيادة الكفاءة التشغيلية من خلال أتمتة أجزاء العمل التي يعاني الموظفون في تنفيذها أو يجدونها مملةً، وبالمثل، يُمكنك استخدام أتمتة الذكاء الاصطناعي لتحرير موارد الموظفين لإجراء عمل أكثر تعقيدًا وإبداعًا.

ما التطبيقات العملية للذكاء الاصطناعي؟

يتضمن الذكاء الاصطناعي مجموعةً كبيرةً من الاستخدامات، على الرغم من أنها ليست قائمةً شاملةً، فإليك مجموعة من الأمثلة التي تسلط الضوء على حالات استخدام الذكاء الاصطناعي المتنوعة:

1-معالجة المستندات بذكاء:
تقوم المعالجة الذكية للمستند (IDP) بترجمة تنسيقات المستندات غير المهيكلة إلى بيانات قابلة للاستخدام. على سبيل المثال، تحوّل مستندات الأعمال مثل رسائل البريد الإلكتروني والصور وملفات PDF إلى معلومات مهيكلة، تستخدم المعالجة الذكية للمستند (IDP) تقنيات الذكاء الاصطناعي مثل معالجة اللغة الطبيعية (NLP) والتعليم العميق ورؤية الكمبيوتر لاستخراج البيانات وتصنيفها والتحقق من صحتها.
على سبيل المثال، تقوم هيئة تسجيل الأراضي HM Land Registry بمعالجة سندات الملكية لأكثر من 87 بالمائة في إنجلترا وويلز، يقوم دارسو الحالة في هيئة تسجيل الأراضي HMLR بمقارنة ومراجعة المستندات القانونية المعقدة المتعلقة بمعاملات الملكية، قامت المؤسسة بنشر تطبيق ذكاء اصطناعي لأتمتة عملية مقارنة المستندات، ما أدى إلى خفض وقت المراجعة بنسبة 50 بالمائة وزيادة الموافقة على عمليات نقل الملكية.

2-مراقبة أداء التطبيقات:
مراقبة أداء التطبيقات (APM) هي عملية استخدام أدوات برمجية وبيانات قياس عن بُعد لمراقبة أداء التطبيقات المهمة للأعمال، تستخدم أدوات مراقبة أداء التطبيقات (APM) المستندة إلى الذكاء الاصطناعي البيانات التاريخية للتنبؤ بالمشكلات قبل حدوثها، يمكنها أيضًا حل المشكلات في الوقت الفعلي من خلال اقتراح حلول فعالة لمطوريك، تحافظ هذه الإستراتيجية على تشغيل التطبيقات بفعالية وتعالج العقبات.

على سبيل المثال، تنتج Atlassian منتجات تهدف إلى تيسير العمل الجماعي والتنظيم لمراقبة التطبيقات باستمرار واكتشاف المشكلات المحتملة وتحديد المخاطر ذات الأولوية، مع هذه الوظيفة، يمكن للفرق الاستجابة بسرعة للتوصيات المدعومة بتعلّم الآلة والتغلب على حالات انخفاض الأداء.

3-الصيانة التنبؤية:
الصيانة التنبؤية المحسّنة بالذكاء الاصطناعي هي عملية استخدام كميات كبيرة من البيانات في كشف المشكلات التي قد تؤدي إلى تعطل العمليات أو الأنظمة أو الخدمات، الصيانة التنبؤية تسمح للشركات بمعالجة المشكلات المحتملة قبل حدوثها، ما يقلل من وقت التعطل ويمنع الاضطرابات.

على سبيل المثال، تستخدم شركة Baxter عدد 70 موقعًا للتصنيع في جميع أنحاء العالم وتعمل على مدار الساعة طوال أيام الأسبوع لتقديم التكنولوجيا الطبية، تستخدم شركة Baxter الصيانة التنبؤية لتكتشف تلقائيًا الظروف غير الطبيعية في المعدات الصناعية، يُمكن للمستخدمين تنفيذ حلول فعّالة في وقت مبكر لتقليل وقت التعطل وتحسين الكفاءات التشغيلية.

4-الأبحاث الطبية:
تستخدم الأبحاث الطبية الذكاء الاصطناعي لتبسيط العمليات وأتمتة المهام المتكررة ومعالجة كميات هائلة من البيانات، يُمكنك استخدام تقنية الذكاء الاصطناعي في الأبحاث الطبية لتيسير عملية اكتشاف الأدوية وتطويرها من البداية حتى النهاية، ونسخ السجلات الطبية، وتحسين وقت الوصول إلى السوق بالنسبة للمنتجات الجديدة.

ومن الأمثلة الواقعية قيام شركة C2i Genomics باستخدام الذكاء الاصطناعي في تشغيل المسارات الجينومية والفحوصات السريرية عالية النطاق وقابلة للتخصيص، من خلال تغطية الحلول الحسابية، يُمكن للباحثين التركيز على الأداء السريري وتطوير الأساليب، تستخدم الفرق الهندسية أيضًا الذكاء الاصطناعي في الحد من متطلبات الموارد والصيانة الهندسية وتقليل التكاليف الهندسية غير المتكررة (NRE).

5-تحليلات الأعمال
تستخدم تحليلات الأعمال الذكاء الاصطناعي في جمع مجموعات البيانات المعقدة ومعالجتها وتحليلها، يُمكنك استخدام تحليلات الذكاء الاصطناعي في التنبؤ بالقيم المستقبلية، وفهم السبب الجذري للبيانات، وتقليل العمليات التي تستغرق وقتًا طويلاً،
على سبيل المثال، تستخدم foxconn تحليلات الأعمال المحسنه بالذكاء الاصطناعي ، في تحسين دقة التنبؤ، لقد حققت زيادةً بنسبة 8 في المائة في دقة التنبؤ، ما أدى إلى تحقيق وفورات سنوية تبلغ 533000 USD في مصانعها، كما أنها تستخدم تحليلات الأعمال لتقليل العمالة المهدرة وزيادة رضا العملاء من خلال اتخاذ قرارات قائمة على البيانات.

ما التحديات التي تواجه تنفيذ الذكاء الاصطناعي؟

يواجه الذكاء الاصطناعي عددًا من التحديات التي تجعل التنفيذ أكثر صعوبة، العقبات التالية هي أمثلة على أشهر التحديات التي تواجه تنفيذ الذكاء الاصطناعي واستخدامه:

1-حوكمة البيانات:
يجب أن تلتزم سياسات حوكمة البيانات بالقيود التنظيمية وقوانين الخصوصية، لتنفيذ الذكاء الاصطناعي، يجب عليك إدارة جودة البيانات والخصوصية والأمان، تتحمل المسؤولية عن بيانات العملاء وحماية الخصوصية، لإدارة أمان البيانات، يجب أن يكون لدى مؤسستك فهم واضح حول الكيفية التي تستخدم بها نماذج الذكاء الاصطناعي بيانات العملاء وتتفاعل معها عبر كل طبقة.

2-الصعوبات الفنية:
تدريب الذكاء الاصطناعي باستخدام تعلّم الآلة يستهلك موارد هائلةً، كي تؤدي تقنيات التعليم العميق وظائفها، من الضروري توفر مستوى عالٍ من قوة المعالجة، يجب أن يكون لديك بنية تحتية حاسوبية قوية لتشغيل تطبيقات الذكاء الاصطناعي وتدريب نماذجك، يمكن أن تكون قوة المعالجة مكلفةً أو تحد من قابلية التوسّع التي تمتاز بها أنظمة الذكاء الاصطناعي لديك.

3-قيود البيانات:
لتدريب أنظمة ذكاء اصطناعي غير متحيزة، تحتاج إلى إدخال كميات هائلة من البيانات، يجب أن تكون لديك سعة تخزين كافية للتعامل مع بيانات التدريب ومعالجتها، وبالمثل، يجب أن تتمتع بالكفاءة في عمليات الإدارة وعمليات جودة البيانات لضمان دقة البيانات التي تستخدمها في التدريب.

الذكاء الاصطناعي حديث الساعة، لابد من تواكب المؤسسات والمنشآت العمالية به، كي يحظى بالتطور والنماء ومواكبة هذا العصر المتسارع والدقيق في تحدياته.