يطبق الذكاء الاصطناعي (AI) التحليل المتقدم والتقنيات القائمة على المنطق لتفسير الأحداث ودعم وأتمتة القرارات والإجراءات. استخدم هذا الدليل لفهم المصطلحات الأساسية للذكاء الاصطناعي.
لماذا تحتاج مؤسستك إلى تعريف الذكاء الاصطناعي؟
تُعرِّف شركة Gartner الذكاء الاصطناعي (AI) على أنه تطبيق تقنيات التحليل المتقدمة والقائمة على المنطق ، بما في ذلك التعلم الآلي (ML) ، لتفسير الأحداث ، ودعم القرارات وأتمتتها ، واتخاذ الإجراءات. يتوافق هذا التعريف مع الحالة الحالية والناشئة لتقنيات وقدرات الذكاء الاصطناعي ، ويقر بأن الذكاء الاصطناعي يتضمن الآن عمومًا تحليل احتمالي (يجمع بين الاحتمالية والمنطق لتعيين قيمة لعدم اليقين).
قد تستخدم المنظمات والأفراد الآخرين تعريفات مختلفة. لا يوجد وصف واحد مقبول عالميًا للذكاء الاصطناعي حيث توجد مجموعة واسعة من الطرق التي يمكن للذكاء الاصطناعي من خلالها دعم الأنشطة البشرية وزيادة هذه الأنشطة وأتمتتها والتعلم والعمل بشكل مستقل.
لاغتنام فرصة الذكاء الاصطناعي كمنظمة ، ومع ذلك ، ستحتاج إلى استراتيجية ذكاء اصطناعي صارمة - والتي تحتاج إلى توضيح والاتفاق على تعريف مقبول بشكل عام يركز على ما تريد أن يحققه الذكاء الاصطناعي.
اترك مجالًا للاختلافات في الرأي ، ولكن تأكد من أن قادة الأعمال وتكنولوجيا المعلومات والبيانات والتحليلات لا يختلفون بشكل أساسي حول ما يعنيه الذكاء الاصطناعي للمؤسسة وإلا فلن تتمكن من تصميم استراتيجية تحقق الفوائد.
لاحظ أنه من المحتمل أيضًا أن يكون لموردي تكنولوجيا الذكاء الاصطناعي تعريفاتهم الخاصة للمصطلح. اطلب منهم شرح كيف تلبي عروضهم توقعاتك حول كيفية تقديم الذكاء الاصطناعي للقيمة.
ما هي نماذج اللغة الكبيرة؟
نماذج اللغات الكبيرة (LLMs) عبارة عن ذكاء اصطناعي توليدي موجه للنصوص ، وقد احتلت العناوين الرئيسية منذ ظهور ChatGPT الخاص بـ OpenAI في السوق في نوفمبر 2022.
يتم تدريب LLM على كميات كبيرة من النصوص ، عادةً مليارات الكلمات ، التي يتم محاكاتها أو مأخوذة من مجموعات البيانات العامة أو الخاصة. وهذا يمكنهم من تفسير المدخلات النصية وتوليد مخرجات نصية شبيهة بالبشر. تساعد LLM بالفعل محركات البحث في فهم سؤال وصياغة إجابة.
إن الاختراقات في مجال LLM لديها القدرة على تغيير الطريقة التي تدير بها المؤسسات الأعمال بشكل جذري ، بما في ذلك تمكين أتمتة المهام التي قام بها البشر سابقًا ، من إنشاء التعليمات البرمجية إلى الإجابة على الأسئلة.
ما هو التعلم الآلي والتعلم العميق؟
التعلم الآلي هو أسلوب مهم يمكّن الذكاء الاصطناعي من حل المشكلات. على الرغم من المفاهيم الخاطئة الشائعة (والتسميات الخاطئة في الثقافة الشعبية) ، فإن الآلات لا تتعلم. إنهم يخزنون ويحسبون - باعتراف الجميع بطرق معقدة بشكل متزايد. يحل التعلم الآلي مشاكل العمل باستخدام النماذج الإحصائية لاستخراج المعرفة والأنماط من البيانات.
التعلم الآلي هو تخصص تحليلي بحت. يطبق النماذج الرياضية على البيانات لاستخراج المعرفة والعثور على الأنماط التي من المحتمل أن يفوتها البشر. يوصي ML أيضًا باتخاذ إجراءات ، لكنه لا يوجه الأنظمة لاتخاذ إجراءات دون تدخل بشري.
وبشكل أكثر تحديدًا ، ينشئ التعلم الآلي خوارزمية أو صيغة إحصائية (يشار إليها باسم "النموذج") التي تحول سلسلة من نقاط البيانات إلى نتيجة واحدة. "تتعلم" خوارزميات ML من خلال "التدريب" ، حيث تحدد الأنماط والارتباطات في البيانات وتستخدمها لتقديم رؤى وتوقعات جديدة دون أن تتم برمجتها بشكل صريح للقيام بذلك. ومع ذلك ، فإن التعلم الآلي هو في صميم العديد من تطبيقات الذكاء الاصطناعي الناجحة ، مما يغذي جاذبيتها الهائلة في السوق.
يستخدم التعلم العميق (DL) ، وهو نوع من خوارزميات التعلم الآلي ، طبقات متعددة لحل المشكلات عن طريق استخراج المعرفة من البيانات الأولية وتحويلها على كل مستوى. تحصل هذه الطبقات بشكل تدريجي على ميزات ذات مستوى أعلى من البيانات الأولية ، مما يسمح بحل المشكلات الأكثر تعقيدًا بدقة أعلى وضبط يدوي أقل.
غالبًا ما تتعامل المنظمات مع ML و DL على أنهما تخصصان وحيدان للذكاء الاصطناعي وتتجاهل أساليب الذكاء الاصطناعي الأخرى ، والتي توقف أو تفشل دون داعٍ في بدء مبادرات الذكاء الاصطناعي عندما لا تعمل حلول ML فقط.
عادةً ما تحتاج حلول التعلم الآلي الحالية إلى حجم كبير من البيانات المصنفة جيدًا ، مما يجعل هذا النهج أكثر صعوبة بالنسبة للشركات التي لديها مجموعات بيانات أصغر أو ذات جودة بيانات رديئة أو قيود الميزانية.
يتيح استخدام التعلم الآلي ، بما في ذلك التعلم العميق ، لعمل تنبؤات عملية مدفوعة بالذكاء الاصطناعي لأتمتة اختيار النتيجة الأكثر ملاءمة ، مما يلغي الحاجة إلى صانع قرار بشري.
ما هي تقنيات الذكاء الاصطناعي الرئيسية الراسخة؟
تعتمد غالبية حالات الاستخدام في الذكاء الاصطناعي اليوم على تقنيات قوية وناضجة تنقسم إلى ثلاث فئات رئيسية:
المنطق الاحتمالي. تستخلص هذه التقنيات (التي غالبًا ما تُعمم على أنها تعلم آلي) قيمة من الكمية الكبيرة من البيانات التي تجمعها المؤسسات. تتضمن هذه الفئة تقنيات تهدف إلى الكشف عن المعرفة غير المعروفة الموجودة ضمن كمية كبيرة من البيانات (أو الأبعاد). تكشف هذه التقنيات عن معرفة غير معروفة من خلال اكتشاف ارتباطات مثيرة للاهتمام مرتبطة بهدف أو تسمية معينة داخل تلك البيانات. على سبيل المثال ، قد تتضمن تقنية التعلم الآلي غربلة كمية كبيرة من سجلات العملاء ، وتحديد عوامل معينة وكشف النقاب عن كيفية ارتباط هذه العوامل - مما يسمح للمؤسسة بتوقع ما إذا كان هؤلاء العملاء محتملين.
المنطق الحسابي. غالبًا ما يشار إليها على أنها أنظمة قائمة على القواعد ، تستخدم هذه التقنيات المعرفة الضمنية والصريحة للمؤسسة وتوسعها. تهدف هذه التقنيات إلى الحصول على المعرفة المعروفة بطريقة منظمة ، غالبًا في شكل قواعد. يمكن لرجال الأعمال التلاعب بهذه القواعد ، لكن التكنولوجيا تضمن تماسك مجموعة القواعد. (أي أن التكنولوجيا تتأكد من أن القواعد لا تتعارض مع بعضها البعض أو تؤدي إلى تفكير دائري - وهو ليس بهذه البساطة عندما تتعامل مع عشرات الآلاف من القواعد.) جلبت سلسلة جديدة من قوانين الامتثال مناهج قائمة على القواعد في المقدمة.
تقنيات التحسين. تستخدم تقنيات التحسين بشكل تقليدي من قبل مجموعات أبحاث العمليات ، وتعظيم الفوائد أثناء إدارة المقايضات التجارية. يفعلون ذلك من خلال إيجاد مجموعات مثالية من الموارد ، مع الأخذ في الاعتبار عددًا من القيود في فترة زمنية محددة. غالبًا ما تقوم أدوات حل التحسين بإنشاء خطط عمل قابلة للتنفيذ ويتم وصفها أحيانًا على أنها تقنيات تحليلات إلزامية. تستخدم مجموعات البحث التشغيلي في الصناعات التي تركز على الأصول (مثل التصنيع والمرافق) أو الوظائف (مثل اللوجستيات وسلسلة التوريد) تقنيات التحسين لعقود.
ما هي تقنيات الذكاء الاصطناعي الناشئة الرئيسية؟
التقنيات الرئيسية الناشئة ، بترتيب تنازلي من النضج هي:
يتم استخدام فئتين رئيسيتين من تطبيقات الوكيل بشكل شائع مع الحلول الحالية اليوم:
يمكن أن يكون وكلاء أتمتة المهام عامًا (على سبيل المثال ، مساعدي الجدولة في أنظمة البريد الإلكتروني) أو أكثر تحديدًا (على سبيل المثال ، برامج التحقق من صحة العقود لتطبيقات أتمتة المبيعات).
يمكن أن تخدم برامج الكائن المستقل وظائف مثل ضبط درجة الحرارة تلقائيًا (على سبيل المثال ، الموجودة في أنظمة تشخيص السيارات أو منظمات الحرارة المنزلية).
ما هي بعض المصطلحات الرئيسية الأخرى للذكاء الاصطناعي التي قد يحتاج التنفيذيون إلى معرفتها؟
فيما يلي بعض المصطلحات الأساسية حول تقنيات وتقنيات الذكاء الاصطناعي التي قد يحتاج قادة الأعمال إلى معرفتها:
يسمح الذكاء الاصطناعي التكيفي بتغيير سلوك النموذج بعد النشر من خلال تعلم الأنماط السلوكية من تجربة الإنسان والآلة السابقة وداخل بيئات وقت التشغيل للتكيف بسرعة أكبر مع الظروف المتغيرة في العالم الحقيقي.
المساعدين الظاهريين المتقدمين (AVAs) ، الذين يطلق عليهم أحيانًا وكلاء الذكاء الاصطناعي للمحادثة ، يعالجون المدخلات البشرية لتنفيذ المهام وتقديم التنبؤات وتقديم القرارات. يتم تشغيل AVAs من خلال مجموعة من واجهات المستخدم الأكثر تقدمًا ومعالجة اللغة الطبيعية وتقنيات التعلم العميق التي تتيح دعم القرار والتخصيص ، بالإضافة إلى المعرفة السياقية والمعرفة الخاصة بالمجال.
الذكاء الاصطناعي العام (AGI) هو مستقبل متوقع للذكاء الاصطناعي حيث يكون لديه القدرة على فهم أو تعلم أي مهمة فكرية يمكن لأي شخص القيام بها.
الذكاء الاصطناعي المعزز هو اتجاه يُشار إليه أيضًا باسم "X ذكي" ويشير إلى الأنظمة التي توفر فيها تقنيات الذكاء الاصطناعي وظائف إضافية وغير مستغلة.
ChatGPT هي خدمة OpenAI تضم روبوت محادثة مع LLM لإنشاء محتوى. تم تدريبه على نموذج تأسيسي لمليارات الكلمات من مصادر متعددة ثم تم ضبطه من خلال التعلم المعزز من ردود الفعل البشرية.
يشير الذكاء الاصطناعي المركب إلى التطبيق المشترك لتقنيات الذكاء الاصطناعي المختلفة لتحسين كفاءة التعلم. يسمح للمؤسسات بتوسيع مستوى تمثيل المعرفة ، وفي النهاية ، لحل مجموعة واسعة من مشاكل العمل بطريقة أكثر كفاءة.
رؤية الكمبيوتر (CV) هي عملية يمكنها التقاط ومعالجة وتحليل الصور الواقعية للسماح للآلات باستخراج معلومات سياقية ذات مغزى من العالم المادي. تقنيات السيرة الذاتية لها متطلبات تقنية وبنية تحتية تختلف عن مناهج تعلم الآلة التقليدية.
يشير Edge AI إلى استخدام تقنيات الذكاء الاصطناعي المضمنة في نقاط نهاية إنترنت الأشياء (IoT) والبوابات وخوادم الحافة ، في التطبيقات التي تتراوح من المركبات المستقلة إلى تحليلات التدفق. يوفر إمكانية تقديم حالات استخدام متباينة للأعمال الرقمية.
يتعلم الذكاء الاصطناعي ( Generative AI ) عن القطع الأثرية من البيانات وينشئ إبداعات جديدة ومبتكرة تشبه الأصل ولكنها لا تكرره. يتمتع الذكاء الاصطناعي التوليدي بالقدرة على إنشاء أشكال جديدة من المحتوى الإبداعي ، مثل الفيديو ، وتسريع دورات البحث والتطوير في مجالات تتراوح من الطب إلى تطوير المنتجات. تنطلق GenAI كتقنية للأغراض العامة لديها القدرة على تغيير المجتمع بشكل جذري من خلال تأثيرها على الهياكل الاقتصادية والاجتماعية القائمة.
النماذج الأساسية هي نماذج كبيرة للتعلم الآلي يتم تدريبها على مجموعة واسعة من البيانات غير المصنفة ثم يتم تكييفها مع مجموعة واسعة من التطبيقات مع ضبط دقيق.
يتألف إنترنت الأشياء من شبكة من الأشياء المادية (الأشياء) التي تحتوي على تقنية مدمجة للاستشعار أو التفاعل مع أعمالهم الداخلية والبيئة الخارجية. لا يشمل ذلك الأجهزة ذات الأغراض العامة ، مثل الهواتف الذكية. تتراوح أمثلة إنترنت الأشياء أثناء العمل من المقابس الذكية إلى المركبات ذاتية القيادة. تعتمد إنترنت الأشياء على مجموعة واسعة من نقاط نهاية وبوابات تكنولوجيا المعلومات للعمل والبيانات لدفع الذكاء الاصطناعي ، خاصة للاستجابات في الوقت الفعلي (على سبيل المثال ، للمركبات المستقلة).
تقنيات اللغة الطبيعية (NLT) هي أنظمة تحلل العواطف و / أو الشخصية في الاتصالات النصية أو الاستطلاعات لإنشاء أدوات تسجيل عاطفية ، والاستفادة من التقنيات والتقنيات ، مثل NLT ، وتحليلات النص ، والشبكات العصبية التلافيفية والشبكات العصبية المتكررة.
التحليلات التنبؤية هي شكل من أشكال التحليلات المتقدمة التي تفحص البيانات أو المحتوى للإجابة على سؤال "ما الذي يمكن أن يحدث؟" ويتميز بتقنيات مثل تحليل الانحدار والتنبؤ والإحصاءات متعددة المتغيرات ومطابقة الأنماط والنمذجة التنبؤية والتنبؤ.
يتم إنشاء البيانات الاصطناعية بشكل مصطنع من خلال التعلم الآلي. إنه يعكس الخصائص الإحصائية للبيانات الحقيقية ، لكنه لا يستخدم خصائص تحديد تلك البيانات (على سبيل المثال ، الأسماء والتفاصيل الشخصية). يحتاج الذكاء الاصطناعي إلى كميات هائلة من البيانات لتوليد نتائج قابلة للاستخدام ، وستكون البيانات التركيبية مصدرًا مهمًا لمجموعات البيانات الكبيرة التي يمكنها نمذجة السيناريوهات البعيدة مع حماية البيانات الحساسة والشخصية.
ما هو مستقبل تقنيات الذكاء الاصطناعي والذكاء الاصطناعي؟
أحدثت التطورات الأخيرة في مجال الذكاء الاصطناعي التوليدي ، بما في ذلك ChatGPT ، اهتمامًا مفاجئًا بالذكاء الاصطناعي - ليس فقط كأداة تقنية أو تجارية ولكن كتقنية منتج عامة. يؤثر الذكاء الاصطناعي على المجتمع بشكل مشابه لظهور الإنترنت أو المطبعة أو حتى الكهرباء. إنها على وشك إعادة تشكيل المجتمع ككل.
من بين افتراضات التخطيط الاستراتيجي لشركة Gartner للذكاء الاصطناعي ما يلي:
بحلول عام 2026 ، ستشهد المؤسسات التي تطبق الشفافية والثقة والأمان في الذكاء الاصطناعي أن نماذج الذكاء الاصطناعي الخاصة بها تحقق تحسنًا بنسبة 50٪ من حيث التبني وأهداف العمل وقبول المستخدم.
بحلول عام 2026 ، ستتفوق المؤسسات التي تبنت ممارسات هندسة الذكاء الاصطناعي لبناء أنظمة الذكاء الاصطناعي التكيفية وإدارتها على نظيراتها من حيث العدد والوقت اللازم لتشغيل نماذج الذكاء الاصطناعي بنسبة 25٪ على الأقل.
بحلول عام 2027 ، سيتم الحصول على اثنين على الأقل من الموردين الذين يوفرون وظائف إدارة مخاطر الذكاء الاصطناعي من قبل بائعي إدارة مخاطر المؤسسة الذين يوفرون وظائف أوسع.
بحلول عام 2027 ، ستشهد شركة عالمية واحدة على الأقل حظر نشر الذكاء الاصطناعي الخاص بها من قبل جهة تنظيمية بسبب عدم الامتثال لحماية البيانات أو تشريعات حوكمة الذكاء الاصطناعي.