الأشخاص والعمليات الكامنة وراء الذكاء الاصطناعي

تاريخ النشر: ١ أبريل ٢٠١٩ / تاريخ التحديث: ١ أبريل ٢٠١٩ - المؤلف: Konrad Wolfenstein

الأشخاص والعمليات الكامنة وراء الذكاء الاصطناعي – @shutterstock | Zapp2Photo

يُنظر إلى الذكاء الاصطناعي نظرة سلبية باعتباره مُهدداً للوظائف وبديلاً عن العمالة البشرية. وهذا صحيح في بعض المجالات، لكن في مجالات أخرى، لا سيما فيما يتعلق بتنظيف البيانات ومعالجتها، يقود الذكاء الاصطناعي الطريق في خلق وظائف جديدة.

"تصنيف البيانات وشرحها" صناعةً مزدهرةً انبثقت من الذكاء الاصطناعي. تُصنّف مجموعات البيانات غير المهيكلة، المُستقاة من مصادر مثل الكاميرات ووسائل التواصل الاجتماعي، أو من مصادر مهيكلة مثل قواعد البيانات، وتُوسم وتُلوّن وتُبرز للكشف عن أوجه الاختلاف والتشابه بين الأفراد. لتدريب آلة على التعرّف على إشارة التوقف، يدخل شخصٌ إلى لقطات كاميرا الشارع ويُصنّف جميع إشارات التوقف في الصورة. ثم تُغذّى الآلة ببيانات تُحدّد آلافًا من هذه الصور. بمرور الوقت، ومن خلال معالجة البيانات المُصنّفة، يُمكن للنظام أن يُصبح أكثر دقةً في التعرّف على إشارة التوقف. يُطلق على هذا النوع من التعلّم الآلي، حيث يُحسّن النظام دقّته من خلال تلقّي المزيد من البيانات، اسم التعلّم العميق.

نظرًا لأهمية هذه العملية في تمكين الخوارزميات من تنفيذ وظائفها الأساسية بدقة، سيكتسب قطاع تصنيف البيانات أهمية بالغة خلال السنوات الخمس القادمة. في عام 2018، بلغت قيمة سوق إعداد بيانات الذكاء الاصطناعي والتعلم الآلي، وهي عملية تعتمد بشكل كبير على التصنيف اليدوي للبيانات، 500 مليون دولار. ووفقًا لشركة Cognilytica ، من المتوقع أن يتضاعف هذا الرقم ليصل إلى 1.2 مليار دولار بحلول عام 2023. ويتوقع مزودو الخدمات الخارجيون زيادة كبيرة في هذا النمو، من 150 مليون دولار إلى مليار دولار خلال الفترة نفسها. يُعد تصنيف البيانات بالغ الأهمية لتطبيقات الذكاء الاصطناعي، مثل التعرف على الأشياء والصور، والمركبات ذاتية القيادة، وشرح النصوص والصور.

يُنظر إلى الذكاء الاصطناعي نظرة سلبية باعتباره قاتلاً للوظائف ومُستبدلاً للعمالة البشرية. وهذا صحيح في بعض المجالات، لكن في مجالات أخرى، لا سيما فيما يتعلق بكيفية تنظيف البيانات ومعالجتها، يقود الذكاء الاصطناعي خلق وظائف جديدة.

تصنيف البيانات وشرحها صناعةً مزدهرةً انبثقت من الذكاء الاصطناعي. إذ تُصنّف مجموعات البيانات غير المهيكلة، المُستقاة من مصادر مثل الكاميرات وبيانات وسائل التواصل الاجتماعي، أو من مصادر مهيكلة كقواعد البيانات، وتُعلّم وتُلوّن وتُبرز لإبراز الاختلافات والتشابهات من قِبل البشر. ولتدريب آلة على تعلّم ماهية إشارة التوقف، يجب على شخصٍ ما تحليل لقطات كاميرات الشوارع وتحديد جميع إشارات التوقف في الصورة. ثم تُغذّى الآلة ببيانات تُعرّف آلافًا من هذه الصور. وبمرور الوقت، يستطيع النظام تحديد ماهية إشارة التوقف بدقةٍ أكبر من خلال معالجة البيانات المُصنّفة. يُطلق على هذا النوع من التعلّم الآلي، حيث يصبح النظام أكثر دقةً بتغذيته بمزيدٍ من البيانات، اسم التعلّم العميق.

نظرًا لأهمية هذه العملية في تمكين الخوارزميات من أداء وظائفها الأساسية بدقة، فمن المتوقع أن يشهد قطاع تصنيف البيانات نموًا متسارعًا خلال السنوات الخمس القادمة. في عام 2018، بلغ حجم سوق إعداد بيانات الذكاء الاصطناعي والتعلم الآلي، وهي عملية تعتمد بشكل كبير على التصنيف اليدوي للبيانات، 500 مليون دولار. ووفقًا لشركة Cognilytica، من المتوقع أن يتضاعف هذا الرقم ليصل إلى 1.2 مليار دولار بحلول عام 2023. ويتوقع مزودو الخدمات الخارجيون زيادة ملحوظة في هذا النمو، حيث سترتفع حصتهم السوقية من 150 مليون دولار إلى مليار دولار خلال الفترة نفسها. ويُعد تصنيف البيانات بالغ الأهمية للذكاء الاصطناعي الذي يتعامل مع التعرف على الأشياء والصور، والمركبات ذاتية القيادة، وشرح النصوص والصور.

ستجد المزيد من الرسوم البيانية على موقع Statista