ستساعدك المقالة التالية: سارة ناجي ، المؤسس والرئيس التنفيذي لشركة Seek AI – Interview Series
سارة ناجي هي المؤسس والرئيس التنفيذي لشركة ابحث عن الذكاء الاصطناعي، وهو نظام أساسي يمكّن المستخدمين النهائيين من طرح الأسئلة التي يطرحونها حاليًا على فريق البيانات ، مباشرةً في Slack و Teams والبريد الإلكتروني. لا “براعة” في كيفية كتابة أسئلتهم ، ولا تعلم منصة جديدة.
لقد بدأت في البداية كباحث ببيانات من تلسكوب هابل الفضائي. ماذا كنت تعمل؟
كنت أقوم بإجراء بحث في جامعة كاليفورنيا بلوس أنجلوس ومعهد كاليفورنيا للتكنولوجيا ، أبحث في بعض المجرات البعيدة التي يمكن ملاحظتها باستخدام التلسكوب ، وكنت أعمل على تحليل بعض خصائصها مثل كتلتها وحجمها. كان الغرض من هذا البحث هو مساعدتنا على فهم الفرق بين المجرات البعيدة جدًا والمجرات الأقرب إلى مجراتنا ، وتطوير نماذج لكيفية تشكل هذه المجرات بمرور الوقت.
ثم عملت كعالم بيانات في العديد من الشركات الناشئة. ما هي بعض المشاريع الأكثر إثارة للاهتمام؟
تضمن أحد المشاريع البارزة استخدام معالجة اللغة الطبيعية (NLP) لتصنيف النص غير المهيكل المتعلق بعناصر البيع بالتجزئة. على سبيل المثال ، أخذ النص الخام (مثل “الهواء الأردن أخضر”) ووضع العلامات على أنه العلامة التجارية المقدرة (“نايكي”). كان لدي زميل متخصص في البرمجة اللغوية العصبية كان مشغولاً بمشروع مختلف ، لذلك لم يكن من المفترض أصلاً أن أعمل على هذا المشروع. انتهى الأمر بتسليمها لي لأنهم كانوا مشغولين. لم أكن أعرف حتى أي شيء عن البرمجة اللغوية العصبية في ذلك الوقت ، لذلك خضت بعض الدورات المجانية من جامعة ستانفورد و Fast.ai لزيادة معرفتي. لقد استمتعت حقًا بالتعلم عن البرمجة اللغوية العصبية وبدأت أفهم سبب أهميتها ، ولماذا يعد الذكاء الاصطناعي (AI) قادرًا على فهم اللغة خطوة كبيرة نحو ما يسمى بـ “الذكاء الاصطناعي العام”. لقد دفعتني هذه التجربة بالتأكيد لأن أكون سريعًا لفهم أهمية GPT-3 عندما ظهرت لأول مرة.
هل يمكنك مشاركة قصة التكوين وراء البحث عن الذكاء الاصطناعي؟
عندما ظهر نموذج GPT-3 الخاص بـ OpenAI ، أدركت على الفور مدى التقدم المذهل الذي كان عليه ، وتحمس بشكل خاص للتطبيقات التي تتضمن كود كتابة GPT-3. بعد كل شيء ، كنت أكتب التعليمات البرمجية طوال اليوم كعالم بيانات ، ورؤية منظمة العفو الدولية تفعل ذلك – وإنشاء الكود بشكل مثالي – كان أمرًا مذهلاً. كنت أقارن ردة فعلي على GPT-3 بالتعرف على VR لأول مرة في عام 2013 ، والتي كانت تجربة أخرى مذهلة بالنسبة لي. انتهى بي الأمر إلى أن قررت أنني بحاجة إلى إنشاء شركة ناشئة للمراهنة على هذه التكنولوجيا. لم أكن أعرف بالضبط ما الذي كنت سأبنيه ، لكن كان لدي شعور داخلي بأنه إذا تعلمت المزيد عن هذه النماذج ، فإن شيئًا ذا قيمة سيحدث في مكانه.
بمجرد أن تعلمت حقًا عن النماذج ، أدركت حينها أنني أستطيع حل نقطة الألم التي واجهتها في كل مكان كنت أعمل فيه كعالم كمي أو كعالم بيانات. كانت نقطة الألم في السؤال هي عدم امتلاك رجال الأعمال الأدوات المناسبة للإجابة على أسئلة البيانات الخاصة بهم. بصفتي عالم بيانات ، كنت كثيرًا ما أعمل على حل المشكلات التي تتطلب الكثير من التركيز ، ولكن غالبًا ما يقاطعني الزملاء في الجانب التجاري الذين كانت لديهم أسئلة حول البيانات ، مما أجبرني على التوقف عما كنت أفعله. بدت العملية قديمة وغير فعالة. أدركت أنني إذا ركزت على حل هذه التقنية الجديدة للمشكلة ، فسيكون ذلك حلاً محددًا للفئة لهذه المشكلة المهمة جدًا والشاملة.
Seek AI يستخدم الذكاء الاصطناعي التوليدي. هل يمكن أن تشرح لقرائنا ما هذا؟
“الذكاء الاصطناعي التوليدي” هي كلمة رنانة للغاية ، ولكن على عكس الكلمات الطنانة الأخرى ، لا أعتقد أن الضجيج غير مبرر. يشير المصطلح إلى نماذج التعلم الآلي الكبيرة مع مئات المليارات من المعلمات ، مثل Open AI DALL-E و GPT-3. يتمثل ابتكار هذه النماذج في أنها تستطيع فهم اللغة الطبيعية وإنشاء نصوص وصور ورموز وغير ذلك. إذا لعبت في أي وقت مضى مع DALL-E أو Stable Diffusion ، على سبيل المثال ، فسوف تفهم بسرعة سبب تضخيم هذه النماذج ؛ لديهم قدرة شبيهة بالإنسان بشكل لا يصدق على فهم أوامر اللغة الطبيعية ويمكنهم إنشاء فن ينافس أفضل الفنانين البشر.
يعد إنشاء الكود أحد أكثر تطبيقات الذكاء الاصطناعي التوليدية المتخصصة ، ولكن الأكثر أهمية. أصبحت البيانات أكبر وأكثر تعقيدًا ، وبالتالي يصعب تحليلها وتنظيمها يدويًا من قبل البشر. ومع ذلك ، هناك الكثير من المعلومات المشفرة في هذه البيانات. هذه المعلومات ليست قوية فقط للمنظمات ، بل يمكن أن تؤدي أيضًا إلى اختراقات علمية لا تصدق على الجانب الأكاديمي. سيؤدي بناء الذكاء الاصطناعي لاستخراج القيمة من البيانات إلى إطلاق قيمة مذهلة في شكل معلومات مفيدة.
تعمل شركة Seek AI على إنشاء واجهة تمكّن المستخدمين من التفاعل مع البيانات باستخدام لغة طبيعية. يمكن للعاملين في مجال المعرفة الوصول إلى واجهة Seek AI للغة الطبيعية عن طريق البريد الإلكتروني و Slack والنص ومجموعة من أنظمة إدارة علاقات العملاء (CRM).
ما أنواع التعلم الآلي الأخرى المستخدمة في Seek AI؟
في حين أن الذكاء الاصطناعي التوليدي هو جزء من بنية التعلم الآلي لدينا ، فإن بنيتنا تشمل أيضًا العديد من شوكات نماذج التعلم العميق مفتوحة المصدر. تشتمل نماذج المحولات (التي يعتبر “الذكاء الاصطناعي التوليدي” منها متغيرًا) على العديد (ولكن ليس كل) النماذج التي تستخدمها شركة Seek.
لماذا من المهم جدًا للمستخدمين غير التقنيين أن يكونوا قادرين على الوصول السريع إلى البيانات؟
ما فائدة البيانات إذا لم تكن تحقق عائدًا على الاستثمار ، وكيف يمكن أن تحصل الشركة على عائد الاستثمار هذا إذا لم يتمكن المستخدمون الذين يواجهون الأعمال من الوصول إليها؟ هذا هو السبب في أنه من الضروري للغاية إتاحة الوصول إلى أكبر عدد ممكن من الأشخاص ، دون المساس بالدقة.
عندما كنت عالم بيانات ، كنت أحيانًا أتلقى طلبات من الرئيس التنفيذي لتحليل بعض البيانات للمساعدة في منتج شركتنا أو استراتيجية الانتقال إلى السوق. قد تستغرق هذه المشاريع أسابيع أو أكثر. بصفتي رئيسًا تنفيذيًا الآن ، فأنا أدرك بالتأكيد أهمية هذه المشاريع على مستوى أعمق مما كنت أفعله عندما كنت في جانب البيانات. غالبًا ما أجد نفسي أتمنى أن أتمكن ببساطة من الحصول على البيانات في متناول يدي حتى أتمكن من اتخاذ قراراتي بشكل أسرع. هذا مثال على ما نقوم بحله في Seek.
كيف تجعل منظمة Seek AI هذه البيانات سهلة الاسترداد؟
الشيء المثير للاهتمام التفكير فيه هو أنه لا يمكن تحليل البيانات إلا باستخدام الكود. صحيح أن هناك منصات تجريدية حول هذا الرمز (مثل لوحات معلومات البيانات) ، ولكن تحت الغطاء ، هناك رمز مكتوب يدويًا بواسطة محللي البيانات والذي يتيح تقديم البيانات إلى المستخدمين النهائيين للأعمال.
معظم العاملين في مجال المعرفة لا يعرفون كيفية البرمجة ، أو لا يريدون البرمجة ، أو ببساطة لا يمكنهم حتى الوصول إلى البيانات حتى لو كانوا يريدون كتابة تعليمات برمجية لتحليلها. لذلك ، عندما يحتاجون إلى بيانات ، فإنهم إما يحتاجون إلى تحديد موقعها في لوحة معلومات أو سؤال فريق البيانات إذا لم يتمكنوا من العثور عليها. كلما زادت مجموعات البيانات ، زاد حدوث ذلك.
لذلك تحتاج فرق البيانات إلى أن يكونوا “مترجمين” لأسئلة اللغة الطبيعية الموجهة إليهم ، والبيانات نفسها ، التي يستعلمون عنها باستخدام الكود. إزالة هذا “المترجم” الوسيط هو جوهر ما تقوم به شركة Seek.
كيف تضمن المؤسسات دقة البيانات التي يستخدمونها؟
تعد إدارة المفاضلة بين دقة البيانات وإمكانية الوصول تحديًا كبيرًا. كما ذكرت في مقابلة أجريت مؤخرًا ، فمن ناحية ، تسمح إمكانية الوصول للأشخاص الأقل تقنيًا بالبدء في التفاعل مع منبع المعرفة الذي يمثل بيانات الشركة. من ناحية أخرى ، ما فائدة منبع المياه الملوثة (أي البيانات السيئة)؟
أفضل فرق البيانات هي تلك التي تدير هذه المقايضة بأفضل طريقة ممكنة ، وجزء كبير من ذلك هو معايرة وفحص أي أدوات يمكن للمستخدمين غير التقنيين التفاعل معها.
ما هي بعض أمثلة حالات الاستخدام لمنصة Seek AI؟
نحن نقدم بالفعل قيمة للعملاء وشركاء التصميم في الأسواق الرأسية للتجارة الإلكترونية B2B SaaS و Fintech وسلع المنتجات الاستهلاكية (CPG) و B2C.
باتل فين، على سبيل المثال ، هي السوق الرائدة لمجموعات البيانات المالية البديلة. إنهم يعتقدون أن إعطاء إجابات سريعة وعالية الجودة لأسئلة عملائهم هو الفرق بين الفوز والخسارة على منافسيهم. أشار الرئيس التنفيذي للشركة ، تيم هارينجتون ، إلى أن “Seek AI لعبت دورًا مهمًا في استراتيجية شركتنا لعام 2023 بسبب الميزة التي تمنحنا إياها في الوصول إلى أكثر من 2400 مجموعة بيانات وتحليلها ردًا على أسئلة العملاء. أقدر أن عائد الاستثمار على Seek AI يبلغ حوالي 10x بناءً على ما كنا سننفقه لتحقيق هذا المستوى من الكفاءة بدون النظام الأساسي. “
هل هناك أي شيء آخر تود مشاركته حول البحث عن الذكاء الاصطناعي؟
قد يكون هذا هو المكان المناسب لقابس وقح. تقدم Seek حاليًا تجارب مجانية لمنصتنا ، والتي يمكن الوصول إليها على تسعى. نحن متحمسون لأن نكون روادًا في جلب الذكاء الاصطناعي التوليدي لفرق البيانات ، وأنا أتطلع إلى المضي في هذه الرحلة مع عملائنا.
