دمقرطة الذكاء الاصطناعي – الذكاء الاصطناعي +

ستساعدك المقالة التالية: دمقرطة الذكاء الاصطناعي – الذكاء الاصطناعي +

دمقرطة الذكاء الاصطناعي

يعد إضفاء الطابع الديمقراطي على الذكاء الاصطناعي خطوة أساسية نحو جعل الذكاء الاصطناعي في متناول جمهور أوسع ، بما في ذلك الأفراد والمنظمات التي تفتقر إلى المعرفة والموارد المتخصصة في مجال الذكاء الاصطناعي. إن دمقرطة الذكاء الاصطناعي لديها القدرة على إطلاق العنان للابتكار ودفع النمو الاقتصادي من خلال تمكين الأفراد والمؤسسات من تطوير وتنفيذ حلول الذكاء الاصطناعي التي يمكن أن تحل مشاكل العالم الحقيقي. علاوة على ذلك ، يعد إضفاء الطابع الديمقراطي على الذكاء الاصطناعي أمرًا بالغ الأهمية لضمان أن فوائد الذكاء الاصطناعي لا تقتصر على مجموعة صغيرة من الخبراء ، بل تكون في متناول جمهور أوسع ، بما في ذلك أولئك الذين قد لا يمتلكون الخبرة لتطوير حلول الذكاء الاصطناعي بأنفسهم.

لتحقيق هذا الهدف ، من الضروري جعل الذكاء الاصطناعي أكثر شفافية وإمكانية وصول غير الخبراء إليه. يمكن تحقيق ذلك من خلال توفير التعليم والتدريب على الذكاء الاصطناعي ، وتعزيز أدوات ومنصات الذكاء الاصطناعي مفتوحة المصدر ، وإتاحة حلول الذكاء الاصطناعي على منصات قائمة على السحابة ، وإنشاء أدوات للذكاء الاصطناعي تعمل على أتمتة المهام المعقدة ، وتشجيع التعاون بين الخبراء وغير الخبراء. من خلال إضفاء الطابع الديمقراطي على الذكاء الاصطناعي ، يمكننا إنشاء مجتمع أكثر شمولاً وإنصافًا حيث تتاح للجميع الفرصة للاستفادة من القوة التحويلية للذكاء الاصطناعي.

لماذا علينا إضفاء الطابع الديمقراطي على الذكاء الاصطناعي؟

إن دمقرطة الذكاء الاصطناعي سيجعل التكنولوجيا في متناول عدد أكبر من الناس. قد تتساءل عما إذا كان ذلك ضروريًا ، والإجابة هي نعم. عد بذهنك إلى الوراء لبضعة عقود عندما كانت أجهزة الكمبيوتر في السابق شيئًا مخصصًا للخبراء فقط. في ذلك الوقت ، كان عدد قليل جدًا من المستخدمين قادرين على استخدام الآلات والاستفادة من صلاحياتها.

نظرًا لأن أنظمة التشغيل سهّلت استخدام أجهزة الكمبيوتر وأجهزة الكمبيوتر الشخصية وجدت طريقها (تقريبًا) إلى كل مكتب ، جنت الشركات فوائد زيادة الكفاءة والإنتاجية المتزايدة. يمكن لإضفاء الطابع الديمقراطي على الذكاء الاصطناعي أن يحقق الشيء نفسه إن لم يكن تأثيرًا أكبر. لقد بدأ الانتقال بالفعل حيث يستخدم الذكاء الاصطناعي تقنيات مثل معالجة اللغة الطبيعية (NLP) ، بما في ذلك معالجة الصوت وعمل الشبكات العصبية لتحسين فهمه للكلام البشري والنوايا الكامنة وراءه.

سيؤدي إضفاء الطابع الديمقراطي على الذكاء الاصطناعي إلى إزالة الحواجز أمام الاستخدام والسماح للاقتصادات العالمية والإنسانية ككل باتخاذ خطوة كبيرة أخرى إلى الأمام.

ماذا دمقرطة؟

عندما نتحدث عن إضفاء الطابع الديمقراطي على الذكاء الاصطناعي ، فمن السهل الانجراف إلى التفكير المجرد للمفهوم. إن التفكير في الجوانب الملموسة للذكاء الاصطناعي يجعل من السهل تخيل كيف يمكن أن يحدث التحول في الحياة الواقعية.

تتضمن بعض تلك الجوانب الرئيسية التي يجب مراعاتها ما يلي:

1. بيانات
2. التخزين والحوسبة
3. الخوارزميات
4. تطوير نموذج
5. المتجر

دمقرطة البيانات

يتطلب تدريب تطبيقات الذكاء الاصطناعي ونماذج التعلم الآلي وكذلك الخوارزميات كميات هائلة من البيانات. تستخدم التطبيقات والخوارزميات بيانات غير منظمة مثل مقاطع الفيديو والصور والبيانات المنظمة مثل الجداول للتعرف على الأنماط وسيناريوهات الاختبار.

قبل بضع سنوات فقط ، لم يكن بإمكان سوى عدد قليل من الشركات الوصول إلى مجموعات بيانات كبيرة بما يكفي والقوة الحاسوبية لاستخدامها. قامت Google ، على سبيل المثال ، بتأمين الوصول إلى مجموعات بيانات كبيرة عندما اشترت مجتمع AI Kaggle. تتم مشاركة مجموعات البيانات الأخرى في التعليمات البرمجية المصدر بشكل عام على منصات مثل GitHub. أحد الأمثلة على ذلك هو مجموعة بيانات الكشف عن قناع Prajna Bhandary. تسمح هذه المجموعات لعدد أكبر من المستخدمين بالوصول إليها وتطوير تطبيقات الذكاء الاصطناعي أكثر من أي وقت مضى. يعد Google Cloud Platform مثالًا آخر على الأنظمة الأساسية التي تعمل بالذكاء الاصطناعي والتي يمكن استخدامها لبناء مصنفات الصور.

إضفاء الطابع الديمقراطي على التخزين والحوسبة

لا شك في أن خيارات التخزين السحابي والحوسبة السحابية قد أدت إلى إضفاء الطابع الديمقراطي على الذكاء الاصطناعي من خلال إتاحة الموارد على نطاق واسع على أساس الاشتراك. موفرو الحلول السحابية مثل Amazon تسمح خدمات الويب (AWS) للمطورين ببناء ونشر نماذج الذكاء الاصطناعي ليختبرها الآخرون. هذه الأنظمة لا تعتمد على الأجهزة ، مما يسهل الوصول على نطاق واسع.

تعمل الحلول المستندة إلى السحابة مثل هذه على تقليل الحاجة إلى ملكية الأجهزة القوية من خلال توفير الوصول إلى وحدات المعالجة المركزية (وحدات المعالجة المركزية) ووحدات معالجة الرسومات. ومع ذلك ، في حين أن منصات الحوسبة هذه تسهل تطوير الذكاء الاصطناعي ، فإن استخدامها بفعالية لا يزال يتطلب معرفة وشهادات متخصصة.

دمقرطة خوارزميات الذكاء الاصطناعي

إن إضفاء الطابع الديمقراطي على الذكاء الاصطناعي وخوارزميات التعلم الآلي بالكامل يعني جعلها في متناول المطورين الآخرين. في الوقت الحالي ، يقوم الباحثون بتحميل ومشاركة خوارزمياتهم في مستودعات كود المصدر GitHub. من الناحية النظرية ، يمكن لأي شخص الوصول إلى هذه الأنظمة. من الناحية العملية ، يحتاج المستخدمون إلى درجة معينة من المعرفة الرياضية والإحصائية وعلوم الكمبيوتر لاستخدام هذه الخوارزميات بكفاءة. بدون فهم قوي للتكنولوجيا وراء التطبيق ، قد لا يتمكن المستخدمون من تحديد النتائج الخاطئة.

إضفاء الطابع الديمقراطي على عملية تطوير نموذج الذكاء الاصطناعي

يتطلب إنشاء منتج يعمل بالذكاء الاصطناعي تدريب نموذج يعرض باستمرار النتائج الصحيحة. يتطلب تطوير هذا النوع من النموذج الوصول إلى خوارزميات مختلفة يتم تشغيلها عبر مجموعة بيانات لمعرفة أيها يقدم الأداء الأكثر موثوقية. يمكن لـ AutoML القيام بهذا النوع من “الإجراءات القانونية” للمطورين.

لكن التكنولوجيا لا تزال تعتمد على المطورين أنفسهم لتفسير المخرجات وتحديد أي منها صحيح. لنفترض أن أحد المطورين يقوم بتدريب الذكاء الاصطناعي للتعرف على الوجه. لتشغيل التطبيق بثقة ، يحتاج المطور إلى التأكد من كيفية تصنيف الذكاء الاصطناعي لوجه غير معروف. يمكن أن يساعد AutoML في ذلك ، ولكن لا يزال يتعين على المطورين ضمان النتائج الصحيحة والحرص على إزالة مجموعات البيانات المتحيزة من بيانات التدريب الخاصة بهم. يمكن أن يدخل التحيز البيانات إذا تم تدريب الخوارزمية باستخدام صور ذكر أكثر من الإناث ، على سبيل المثال.

إضفاء الطابع الديمقراطي على سوق الذكاء الاصطناعي

بالنسبة لمعظم المنتجات الأخرى ، هناك سوق للنماذج والبيانات والخوارزميات. قاد Kaggle الصناعة في إظهار كيف يمكن إضفاء الطابع الديمقراطي على سوق النماذج. أقام المجتمع مسابقات للعثور على أفضل النماذج. الجوائز النقدية أبقت المطورين مهتمين بالمشاركة.

على الرغم من الاحتمال المثير لسوق أكثر انفتاحًا ، لا تزال هناك العديد من العقبات الرئيسية. العدد الهائل من أطر التعلم العميق هو واحد منهم. سيجعل توحيد إطار العمل المصدر أكثر سهولة في الوصول إلى ML ويؤدي إلى توحيد بائعي التكنولوجيا الحاليين.

بصرف النظر عن أطر التعلم العميق غير الموحدة ، فإن القيود المفروضة على إضفاء الطابع الديمقراطي على الأسواق تشمل مخاطر سوء تفسير النتائج. قد يؤدي ذلك إلى تطبيقات خاطئة للنماذج والبيانات والخوارزميات المتوفرة.

لمن تقوم بإضفاء الطابع الديمقراطي على الذكاء الاصطناعي؟

ببساطة ، الجميع. لكن دعونا نلقي نظرة فاحصة. يعني إضفاء الطابع الديمقراطي على الذكاء الاصطناعي إتاحة المزيد من التكنولوجيا لمجموعة أكبر من موظفيك ، من الناحية المثالية عبر المؤسسة بأكملها. تمامًا مثل أجهزة الكمبيوتر الشخصية لم تعد مخصصة لعدد قليل من كبار المديرين ، لم يعد الذكاء الاصطناعي مجرد اختصاص من اختصاص نخبة المحترفين.

يمكن أن يؤدي توسيع نطاق الذكاء الاصطناعي عبر الأعمال وإتاحة التكنولوجيا لمجموعات أكبر من موظفيك إلى زيادة الإنتاجية بشكل كبير عبر الشركات بأكملها. بدلاً من قصر التكنولوجيا على فرق التحليلات وعلوم البيانات ، سيصبح العمل مع الذكاء الاصطناعي والتعلم الآلي جزءًا من غالبية الوظائف التي يوفرها عملك. من المؤكد أن بعضًا من هذا الطرح سيكون مقيدًا بنوع الصناعة التي تعمل فيها ومجال عملك. ومع ذلك ، ستستفيد معظم القطاعات من السماح لمزيد من الموظفين بوصول أكبر إلى الذكاء الاصطناعي.

كيف تقوم بإضفاء الطابع الديمقراطي على الذكاء الاصطناعي؟

بعد النظر في عناصر الذكاء الاصطناعي التي يجب إضفاء الطابع الديمقراطي عليها ومن يجب إضفاء الطابع الديمقراطي على التكنولوجيا من أجلها ، فقد حان الوقت للتفكير في كيفية تحقيق ذلك دون المساس بالعملية العلمية. علاوة على ذلك ، يعد اختيار الأفراد الملتزمين بالذكاء الاصطناعي الأخلاقي أمرًا أساسيًا لقادة الشركة.

توفير وصول ميسور التكلفة

لن يكون إضفاء الطابع الديمقراطي على الذكاء الاصطناعي ممكنًا إلا إذا كان لدى المطورين وصول فعال من حيث التكلفة إلى مجموعة متنوعة من مجموعات البيانات والخوارزميات وتطوير النماذج ومساحة التخزين. تعد الخوارزميات المخزنة في مستودعات GitHub مثالًا رائعًا على التكنولوجيا المشتركة التي يمكن استخدامها مجانًا. مجموعات بيانات Kaggle مفتوحة المصدر هي مصدر آخر.

في حين أن عدم فرض الرسوم على الإطلاق قد لا يكون دائمًا ممكنًا ويؤدي إلى خسائر مالية ، فلا يطلب أيضًا من مستخدمي الأعمال دفع آلاف الدولارات لمجموعات البيانات لتدريب الخوارزميات. ستفيد هذه الرسوم مالكي البيانات ، لكنها لن تساعد التكنولوجيا أو المجتمع الذي يقف وراءها على التوسع.

ضمان التجريد

يعني مفهوم إضفاء الطابع الديمقراطي على التعلم الآلي والذكاء الاصطناعي جعل التكنولوجيا في متناول الجميع ، وليس فقط الشركات الكبرى. هذا يعني إزالة الحاجة إلى معرفة البرمجة الزائدة. تمامًا مثل تطبيقات السحب والإفلات التي جعلت من الممكن إنشاء مواقع الويب دون بذل الكثير من الجهد ، فإن التجريد ضروري للسماح للمستخدمين دون معرفة استعلامات SQL أو الأوامر المتقدمة الأخرى بالوصول إلى البيانات التي يحتاجون إليها.

تحتاج الشركات التي تعتزم إضفاء الطابع الديمقراطي على التكنولوجيا وتصبح مؤسسات مدفوعة بالذكاء الاصطناعي إلى ضمان إمكانية الوصول إلى جميع العناصر لمن لديهم معرفة متخصصة محدودة.

تمكين التحكم في عناصر المكدس

تتعلق هذه الخطوة بالسماح للمستخدمين بالتحكم في جميع عناصر المجموعة التقنية التي يستخدمونها. يجب أن يكونوا مسؤولين عما يقومون به ، ومتى يستخدمونه ، وكيف يمكنهم تفسير نتائج عملهم.

يعد Google’s Colab مثالاً على التكنولوجيا التي يمكن الوصول إليها مع وحدات معالجة رسومية قوية لا تتطلب تثبيت حزم إضافية. بدلاً من ذلك ، يوفر النظام مجموعة من الدعم لتدريب حتى الذكاء الاصطناعي المعقد ، بما في ذلك نماذج الشبكة العصبية.

فحص الملكية

الدمقرطة لا تعني إهمال ملكية البيانات أو الملكية الفكرية. يجب على بائعي ومستخدمي التكنولوجيا النظر في المؤسسات التي تقف وراء البيانات التي يستخدمونها ومن يستفيد من الاستخدام المستمر.

قد يطبق المستخدمون العاديون الخوارزميات في سياق خاطئ أو يسيئون تفسير النتائج في هذا السياق.

توفير التدريب

سيتطلب إضفاء الطابع الديمقراطي على الذكاء الاصطناعي تدريبًا مناسبًا ، خاصة للمستخدمين العاديين. إنهم بحاجة إلى معرفة ما يكفي للسماح لهم باستخدام الخوارزميات بشكل صحيح واستخلاص استنتاجات ذات مغزى. بالإضافة إلى ذلك ، يجب على المستخدمين المتميزين فهم الرياضيات الكامنة وراء النتائج. من الناحية المثالية ، يمكن مشاركة هذا النوع من المعلومات من خلال دليل المستخدم.

بدون تدريب مناسب ، تظل مخاطر قادة الأعمال وغيرهم من الأشخاص الذين لديهم إمكانية الوصول لإساءة استخدام الخوارزميات أو إساءة تفسير النتائج عالية.

ضمان الحوكمة والرقابة

تأتي مع قوة التحول الديمقراطي مسؤوليات معينة. لقد تطرقنا إلى هؤلاء عندما تحدثنا عن أهمية التدريب المناسب. يعتمد تطوير النموذج الحسابي الناجح على دقة وإمكانية شرح مخرجاته. يعني ضمان الحوكمة والتحكم أيضًا تحديد النماذج المتحيزة وإزالتها قبل نشرها على الأنظمة الأساسية السحابية. إذا قدم النموذج نتائج لا يمكن تفسيرها ، فيجب إبعادها عن مزيد من التطوير.

تحديد حقوق الملكية الفكرية

يجب أن تحدد الأطر المفيدة لإرساء الديمقراطية عناصر معينة من الذكاء الاصطناعي في ملكيتها الفكرية. يمكن أن تساعد ملكية البيانات الواضحة في دفع عملية التحول الديمقراطي وتقويتها. من المهم أيضًا إغلاق الحلقة من الملكية إلى إمكانية الوصول إلى منصات التعلم الآلي.

السماح بالتعهدات المفتوحة

إن الدمقرطة الحقيقية للذكاء الاصطناعي أمر مستحيل دون المصادر المفتوحة بطريقة تحترم السرية والخصوصية والديناميكيات التنافسية.

الهدف هو السماح للجميع بالتعرف على برمجة الذكاء الاصطناعي وتجربتها ، بما في ذلك دراسة البرامج وتغييرها وتوزيعها. لتجنب المشكلات الناجمة عن سوء التفسير أو التطبيق الخاطئ للنتائج ، تحتاج الصناعة إلى الالتزام بإطار عمل الدمقرطة.

فوائد دمقرطة الذكاء الاصطناعي

خلال هذا المقال ، تطرقنا إلى فوائد إضفاء الطابع الديمقراطي على الذكاء الاصطناعي والتعلم الآلي. فيما يلي نظرة أكثر تنظيماً وعمقاً على تلك الفوائد.

تقليل حواجز الدخول

يساعد تقليل حواجز الدخول المؤسسات والأفراد على أن يصبحوا علماء بيانات. مع مجموعات البيانات اللازمة لتدريب الذكاء الاصطناعي المتاح على السحابة ، لم يعد التعلم والتدريب على الذكاء الاصطناعي مكلفًا للغاية. تزيل أدوات الذكاء الاصطناعي الخالية من التعليمات البرمجية أيضًا بعض التحديات العلمية من العملية. يمكن أن تساعد المشاركة في المسابقات العالمية وما يسمى بـ datathons الشركات والأفراد المتحمسين على توسيع معرفتهم بالذكاء الاصطناعي والتعرف عليهم.

تقليل التكاليف

كان بناء حلول الذكاء الاصطناعي مستحيلاً بالنسبة للمشغلين الصغار بسبب التكاليف المرتبطة بذلك. إن إضفاء الطابع الديمقراطي على الذكاء الاصطناعي من خلال البيانات والنماذج والخوارزميات مفتوحة المصدر على السحابة يسمح لأي شخص ببناء تطبيقات ذكاء اصطناعي قوية.

بناء نماذج عالية الدقة

يمكن للمستخدمين حتى اختيار نماذج معالجة اللغة الطبيعية مثل Google’s BERT من مكتبة المحولات وتدريبهم على التطبيقات المخصصة. يؤدي استخدام أدوات العمل هذه إلى تسهيل بناء نماذج عالية الدقة يمكنها التعرف على النية بشكل أسرع وأسرع أيضًا.

تحليل المشاعر

يعد تحليل المشاعر استخدامًا شائعًا آخر للغة البرمجة اللغوية العصبية. يتيح ذلك للشركات تجاوز التحليلات الأساسية واكتشاف ليس فقط حقيقة أن منتجاتها يتم الحديث عنها ولكن أيضًا كيف يشعر المستخدمون تجاه منتجاتهم. إن فهم ما إذا كان المنتج أو الخدمة يُقابل في الغالب بمشاعر إيجابية أو سلبية أو محايدة يوفر ببساطة المزيد من البيانات القابلة للتنفيذ للعلامات التجارية.

كشف الكلام الذي يحض على الكراهية

احتل خطاب الكراهية والتسلط عبر الإنترنت عناوين الصحف لأشهر ، إن لم يكن لسنوات. كلاهما منتشر على وسائل التواصل الاجتماعي ويمكن أن يكون ضارًا للغاية للأفراد المستهدفين. مع تطور الذكاء الاصطناعي لاكتشاف وتفسير دلالات ونوايا اللغة بشكل أفضل ، ستصبح التطبيقات أفضل في تفسير النغمات البغيضة والتي من المحتمل أن تكون ضارة.

خاتمة

يعد إضفاء الطابع الديمقراطي على الذكاء الاصطناعي والتعلم الآلي ، بما في ذلك نماذج التعلم العميق وحلول التعلم العميق ، هو المفتاح للتبني الجماعي لهذه التقنيات عبر المنظمات الأمريكية من جميع الأحجام. منصات مثل Google Cloud Platform و Amazon تعمل خدمات الويب بالفعل على تسهيل الوصول إلى البيانات والخوارزميات والأدوات الأخرى أكثر من أي وقت مضى.

يعد إنشاء مجموعات لتدريب الموظفين عبر الشركات وضمان إدارة شبكة قوية أمرًا بالغ الأهمية لإنشاء تطبيقات موثوقة للذكاء الاصطناعي والتعلم الآلي. تمامًا مثل انتشار أجهزة الكمبيوتر الشخصية منذ عدة عقود ، فإن إضفاء الطابع الديمقراطي على الذكاء الاصطناعي لديه القدرة على تغيير العمل كما نعرفه للعمل كما كنا نتخيله فقط في غضون سنوات قليلة.

مرجعس

لوديك ، جاك. . 2021.

لين ، جوليا. . مطبعة معهد ماساتشوستس للتكنولوجيا ، 2021.

الإعلانات