Enterprise AI في عام 2019: ما تحتاج إلى معرفته

من المحتمل جدًا أنك سئمت من السماع عن الذكاء الاصطناعي (AI) وكيف يمكن أن يغير عملك. ولكن بعيدًا عن الضجيج التسويقي، هناك أسباب وجيهة لبدء التحقيق في كيفية استفادة شركتك من الذكاء الاصطناعي.

الخطوة الأولى لفهم سبب هذه الضجة وفصل الإشارة عن الضوضاء هي التخلص من مصطلح الذكاء الاصطناعي. بينما يصف "الذكاء الاصطناعي" مجالًا أكاديميًا مخصصًا لدراسة كيفية بناء آلات ذكية، إلا أنه فضفاض مصطلح محدد، مما يترك المجال للبائعين عديمي الضمير لإعادة تسمية البرامج القديمة عن طريق إدخال الذكاء الاصطناعي في المبيعات يقذف.

يقول الدكتور بانوس كونستانتينيدس، الأستاذ المساعد في كلية وارويك للأعمال: "مع استخدام الأشخاص للذكاء الاصطناعي لوصف كل شيء تقريبًا، هنا تأتي الضجة". وأضاف: "تدور هذه الضجة حول عدم وضوح ما نعنيه بالذكاء الاصطناعي".

لتجنب هذا الالتباس، من الأفضل أن تكون أكثر تحديدًا: ما يعنيه معظم بائعي التكنولوجيا اليوم عندما يتحدثون عن الذكاء الاصطناعي هو التعلم الآلي (ML).

التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي ويمكن استخدامها لتعليم أجهزة الكمبيوتر كيفية تنفيذ مجموعة واسعة من المهام من خلال تحليل كميات كبيرة من البيانات، بدلاً من اتباع التعليمات التي وضعها المبرمج في أحد البرامج.

لقد تزايد الاهتمام بالتعلم الآلي بفضل الإنجازات الحديثة في مجالات مثل رؤية الكمبيوتر والتعرف على الكلام وفهم اللغة الطبيعية. إن تعزيز هذه التطورات هو طرق جديدة لتنفيذ التعلم الآلي، مثل تعلم عميقوالذي أصبح بدوره ممكنًا بفضل قوة المعالجات الحديثة والكميات الكبيرة من البيانات التي يمكن للمؤسسات الآن جمعها.

من الناحية النظرية، يحمل التعلم الآلي وعدًا بأتمتة مجالات كبيرة من العمل التي كانت حتى وقت قريب عبارة عن عمليات يدوية. التعامل مع استفسارات مركز اتصال العملاء، وأدوار إدارة المكتب الخلفي، وحتى قيادة المركبات في نهاية المطاف - على الأقل على مساحات بسيطة من الطريق مثل الطرق السريعة.

ومع ذلك، فالحقيقة هي أن العديد من الشركات لا تزال بعيدة كل البعد عن تنفيذ نظام مدعوم بالتعلم الآلي في الإنتاج. استطلاع لأورايلي اعتماد الذكاء الاصطناعي في المؤسسةوجد التقرير أن ما يقل قليلاً عن 75 بالمائة من المشاركين قالوا إن أعمالهم إما تقوم بتقييم "الذكاء الاصطناعي" أو لا تستخدمه بعد، على الرغم من أن مرحلة الاستخدام تختلف حسب الصناعة:

ماذا تفعل الشركات بالتعلم الآلي؟

هناك الكثير من الأمثلة الملفتة للنظر للشركات التي تستخدم التعلم الآلي: رولزرويس وتحليل البيانات من أجهزة الاستشعار المتصلة بالإنترنت لاكتشاف علامات التآكل في محركات الطائرة وإجراء الصيانة التنبؤية؛ جوجل تستخدم طاقة DeepMind المخفضة المستخدمة لتبريد مراكز البيانات الخاصة بها بحوالي 40 بالمائة; تستخدم أمازون ميزة التعرف على الصور للتعرف على ما يشتريه المتسوقون في متجر Amazon Go Store الذي لا يملك أمين صندوق؛ وشركة تكنولوجيا البيع بالتجزئة تقوم شركة Ocado بتنسيق حركة الروبوتات الخاصة بها في مستودعاتها الآلية.

ثم هناك الاستخدامات الأكثر واقعية للتعلم الآلي التي كانت موجودة منذ سنوات: في أنظمة التوصيات التي تستخدمها أمازون لتجعلك تشتري المزيد من المنتجات، وتستخدمها نتفليكس لمشاهدتها المزيد من العروض؛ وفي أنظمة الأمن العالمية التي تديرها أمثال مايكروسوفت للإبلاغ عن التهديدات عبر الإنترنت عند ظهورها. وفي الآونة الأخيرة، بدأت شركات الاستثمار المالي مثل سيتي جروب أيضًا في استخدام التعلم الآلي لاكتشاف المعاملات الاحتيالية والأخطاء في المدفوعات.

من المحتمل جدًا أن تستخدم شركتك بالفعل خدمة تعتمد جزئيًا على الأقل على التعلم الآلي، على وجه الخصوص حيث يعمل البائعون على زيادة الخدمات الحالية لتشمل ميزات جديدة مدعومة بقدرات ML الهائلة في مطابقة الأنماط. قد تكون الأمثلة استخدام تعلم الآلة في معالجة اللغة الطبيعية والتعرف على الكلام لروبوتات الدردشة وغيرها أنظمة الاستجابة الآلية في مراكز اتصال العملاء، أو اكتشاف البريد العشوائي والإكمال التلقائي للجمل في البريد الإلكتروني خدمات. في الواقع، ذكر المشاركون في تقرير O'Reilly أن خدمة العملاء وتكنولوجيا المعلومات هما من أكثر المجالات شيوعًا التي تستخدم فيها شركاتهم "الذكاء الاصطناعي".

وتقوم شركات أخرى بتجربة استخدام التعلم الآلي لنمذجة المهام المتكررة التي يقوم بها الموظفون، في محاولة لأتمتة تلك المهام باستخدام البرمجيات. وهناك بالفعل شركات متخصصة في هذا المجال، وهو ما يعرف بأتمتة العمليات الروبوتية (RPA). في التقرير الأتمتة والذكاء الاصطناعي والروبوتات ليست مكاسب سريعة يقدم جي بي بيجوندر، نائب رئيس شركة المحللين Forrester، مثالاً لشركة أدوية ألمانية تستخدم تقنية RPA لأتمتة عملية الشراء.

لا تتضمن تقنية RPA دائمًا التعلم الآلي، وقد تم تنفيذها تاريخيًا بواسطة مطوري التدقيق الإملائي قواعد أتمتة العملية في البرنامج، بدلاً من تلك القواعد التي يتعلمها نظام. لذا، في حين أنه لا ينبغي الخلط بين الأتمتة والتعلم الآلي (حيث يمكن أن تكون خطوات أتمتة العملية قد تم ترميزها بواسطة أحد المطورين)، تتوقع شركة Forrester دورًا أكبر لتعلم الآلة في تقنية RPA في المستقبل.

"تقوم الشركات بالفعل بدمج تقنيات بناء الذكاء الاصطناعي مثل التعلم الآلي وتحليلات النص مع ميزات RPA لتحقيق قيمة أكبر للعاملين الرقميين،" كما جاء في تقرير Forrester's. توقعات 2019: الذكاء الاصطناعيتقرير. وتتوقع شركة المحللين دورًا لروبوتات الدردشة في التحكم في برامج RPA، ونماذج التعلم الآلي التي تكتشف الأنماط بيانات إنترنت الأشياء (IoT) لتحفيز "العاملين الرقميين"، واستخدام تحليلات النص لزيادة قدرات تقنية RPA.

ولكن، في الوقت الحاضر، يبدو أن الشركات التي تستخدم التعلم الآلي في أنظمة الإنتاج هي الشركات المتطرفة، مع تقوم غالبية الشركات بتجربة أنظمة التعلم الآلي فقط أو تستخدم ببساطة خدمات مثل Gmail التي تتضمن بعض أنظمة التعلم الآلي سمات.

"تقوم الشركات بأتمتة العمليات الروبوتية - هناك استيعاب معقول، 20-30 بالمائة من عمليات الشركة في تقديري هي يقول مارك سكيلتون، أستاذ الممارسة في Warwick Business: مدرسة.

ومع ذلك، يبدو أن الشركات تدرك أن هناك إمكانية لأنظمة التعلم الآلي لفتح كفاءات وخدمات ومنتجات جديدة في السنوات المقبلة: وجد تقرير أورايلي أن ما يقل قليلاً عن ثلثي المشاركين يقولون إن شركاتهم تخطط لاستثمار ما لا يقل عن 5 بالمائة من ميزانيات تكنولوجيا المعلومات الخاصة بهم في "مشاريع الذكاء الاصطناعي" على مدار العام المقبل. سنة.

أخبرت الشركات شركة Forrester أن أولويتها الرئيسية للاستثمار في الأتمتة هي توفير التكاليف، كما ترون في هذا المقتطف من الأتمتة والذكاء الاصطناعي والروبوتات ليست مكاسب سريعة تقرير. فيما يلي الإجابات عندما يتم سؤال الشركات: "ما هي أو يمكن أن تكون أكبر الفوائد من اعتماد تقنيات الأتمتة لمؤسستك؟"

كيف تبدأ؟

بالطبع، سيكون من الحماقة اعتماد التعلم الآلي دون توضيح سبب قيامك بذلك. إذن ما الذي يمكنك فعله بالضبط بالتعلم الآلي؟

تُكلف نماذج التعلم الآلي عادةً باكتشاف الأنماط بكميات كبيرة في البيانات. ومن الناحية العملية، أدت هذه القدرة على التعرف على الأنماط إلى ظهور أنظمة يمكنها انتقاء الكلمات من بينها الصوت، والأشخاص من الصور الفوتوغرافية، وفهم معنى الكلمة في الجملة - على سبيل المثال لا الحصر أمثلة.

ستحتاج إلى مزيج من الخبرة في المجال ومهارات علم البيانات الداخلية للبدء، حيث تتمثل الخطوات الأولى في تحديد ما تريد تريد تحقيقه، ما إذا كان التعلم الآلي مناسبًا أم لا، وإذا كنت لا تستخدم خدمة عند الطلب، فما هي فئة تعلم الآلة التي يجب استخدامها - التعلم الخاضع للإشراف أو غير الخاضع للإشراف أو المعزز.

هناك عدد من الاعتبارات قبل البدء في المشروع: ما هي البيانات التي تجمعها؟'; "كيف يمكن تحويل هذه البيانات لجعلها مناسبة لتدريب نموذج التعلم الآلي؟"؛ و"ما هي ميزات تلك البيانات التي ستكون ذات أهمية لتدريب نموذج التعلم الآلي الخاص بك؟".

وقال كونستانتينيدس: "لا يمكنك أن تتوقع أن تكون البيانات جاهزة". "إن علماء البيانات هم الذين سينشئون الفئات التي ستبحث عنها خوارزمية التعلم الآلي. إذا لم تتمكن من الحصول على البيانات بشكل صحيح، فلن يكون لديك تطبيق ناجح للتعلم الآلي."

هناك أيضًا سؤال حول ما إذا كان استخدام البيانات الموجودة لتدريب النموذج سيتطلب منك الحصول على مزيد من الأذونات، أو فرض حماية إضافية للامتثال للوائح الخصوصية مثل اللائحة العامة لحماية البيانات (GDPR) للاتحاد الأوروبي.

"إن الطريقة التي يتم بها تجميع البيانات تجعل من الصعب للغاية معرفة مصدر البيانات بالضبط أو كيفية اتخاذ القرارات على وجه الخصوص قال كونستانتينيدس، مضيفًا أن الحصول على الموافقة المناسبة مع اللائحة العامة لحماية البيانات قد يكون أمرًا صعبًا بشكل خاص عند التدريب العصبي العميق الشبكات. هناك مجال واحد فقط يضع فيه القانون العام لحماية البيانات (GDPR) حواجز إضافية أمام استخدام التقنيات القائمة على التعلم الآلي وهو استخدام التعرف على الوجه من قبل تجار التجزئة في المتاجر.

عندما يتعلق الأمر بالخيارات التقنية، ستحتاج إلى اتخاذ قرار بشأن استئجار الأجهزة في السحابة أو إنشاء جهاز التعلم العميق الخاص بك. يقدم مقدمو الخدمات السحابية الرئيسيون - أمازون، ومايكروسوفت، وجوجل - مجموعة من خدمات التعلم الآلي حسب الطلب والدفع مقابل الاستخدام.

تغطي هذه الخدمات التعرف على الكلام ورؤية الكمبيوتر (مثل التعرف على الأشياء والوجه والعواطف) والطبيعية معالجة اللغة (القدرة على تفسير اللغة البشرية)، وتحليل المشاعر، والتنبؤ بالبيانات ترجمة. في بعض الأحيان يتم تجميع هذه الخدمات في عروض أكثر تعقيدًا ذات مستوى أعلى، مثل مجموعات إنشاء برامج الدردشة الآلية ومحركات التوصية لتجار التجزئة.

بالإضافة إلى الخدمات حسب الطلب، فإن كل منصة من المنصات السحابية الرئيسية، بما في ذلك أوس, جوجل كلاود، و مايكروسوفت أزور، تقدم أيضًا خدمات تسمح للشركات بتدريب وتشغيل نماذج التعلم الآلي باستخدام البنية التحتية السحابية الخاصة بها. يمكن تطبيق هذه النماذج على أي بيانات تحتاجها الشركة، على الرغم من أن القيام بذلك سيتطلب من علماء البيانات الداخليين العمل مع خبراء المجال وعمليات تكنولوجيا المعلومات. الموظفون لتحديد المكان الذي يمكن فيه استخدام التعلم الآلي بشكل أكثر فعالية، وتصميم عملية لإعداد البيانات والتدريب ونشر التعلم الآلي نموذج.

حتى أن موفري الأنظمة الأساسية السحابية بدأوا في تقديم خدمات تعمل على أتمتة التدريب جزئيًا نماذج التعلم الآلي، على الرغم من أنها تهدف إلى زيادة مهارات علماء البيانات أكثر من كونها تهدف إلى زيادة مهارات علماء البيانات استبدالهم. تعمل هذه العروض على تبسيط عملية تدريب نموذج التعلم الآلي عبر أدوات السحب والإفلات وغيرها من التبسيطات، مع خدمات تشمل خدمة Microsoft استوديو التعلم الآلي، جوجل السحابة التلقائية و أوس سيج ميكر. وفي الوقت نفسه، إعداد البيانات لتدريب نموذج التعلم الآلي - وضع العلامات على الصور في مهمة رؤية الكمبيوتر، على سبيل المثال - غالبًا ما يتم التعاقد مع مستقلين عبر مواقع العمل الجماعي مثل Amazon Mechanical Turk.

إذا قررت إنشاء نظام التعلم الآلي الخاص بك داخل الشركة، لن تكون رخيصة ولكن قد يكون ذلك أقل تكلفة من استخدام الخدمة السحابية إذا كنت تتوقع أن عملية التدريب ستتطلب أكثر من شهرين من العمل المكثف.

ستحتاج إلى الاستثمار في وحدة معالجة رسومات جيدة لتدريب أي شيء أكثر من الشبكات العصبية البسيطة جدًا - النماذج الرياضية المستوحاة من الدماغ والتي تدعم التعلم الآلي. عادةً ما تكون وحدات معالجة الرسومات ضرورية لتدريب الشبكات العصبية بفضل قدرتها على تنفيذ عملية معقدة للغاية عدد كبير من عمليات ضرب المصفوفات على التوازي، مما يساعد على تسريع خطوة حاسمة خلال تمرين.

إذا كنت لا تخطط لتدريب شبكة عصبية تحتوي على عدد كبير من الطبقات، فيمكنك اختيار بطاقات الرسومات المخصصة للمستهلك، مثل نفيديا جي فورس جي تي اكس 2060، والتي تباع عادةً بحوالي 320 جنيهًا إسترلينيًا، بينما لا تزال تقدم 1920 جنيهًا إسترلينيًا كودا النوى.

ومع ذلك، فإن المزيد من التدريب على الخدمة الشاقة سيتطلب معدات متخصصة. واحدة من أقوى وحدات معالجة الرسومات للتعلم الآلي هي نفيديا تيسلا V100، والتي تحتوي على 640 مصممة خصيصًا للذكاء الاصطناعي الموتر النوى و5120 نواة حوسبة عامة عالية الأداء CUDA. تكلف هذه البطاقات أكثر بكثير من البدائل الاستهلاكية، حيث تبدأ أسعار إصدار PCI Express من 7500 جنيه إسترليني.

إن بناء محطات عمل وخوادم مخصصة للذكاء الاصطناعي يكلف أكثر من ذلك بكثير، على سبيل المثال، تركيز Nvidia على التعلم العميق. دي جي إكس-2 تحتوي على 16 بطاقة Tesla V100 وتباع بسعر 399000 دولار.

هناك مجموعة واسعة من أطر برامج التعلم العميق، والتي تسمح للمستخدمين بتصميم وتدريب والتحقق من صحة الشبكات العصبية العميقة، باستخدام مجموعة من لغات البرمجة المختلفة.

الاختيار الشائع هو Google TensorFlow مكتبة البرامج، التي تتيح للمستخدمين الكتابة بلغات البرمجة Python وJava وC++ وSwift، يمكن استخدامها لمجموعة واسعة من البرامج. مجموعة من مهام التعلم العميق مثل التعرف على الصور والكلام، والتي يتم تنفيذها على نطاق واسع من وحدات المعالجة المركزية (CPUs) ووحدات معالجة الرسومات (GPU) وغيرها معالجات. إنه موثق جيدًا، ويحتوي على العديد من البرامج التعليمية والنماذج المنفذة المتوفرة.

إطار آخر شائع الاستخدام، خاصة للمبتدئين، هو باي تورش، والذي يقدم نموذج البرمجة الحتمي المألوف للمطورين ويسمح للمبرمجين باستخدام عبارات بايثون القياسية. تعمل PyTorch مع أنواع مختلفة من الشبكات العصبية العميقة، بدءًا من شبكات CNN إلى شبكات RNN، وتعمل بكفاءة على وحدات معالجة الرسومات.

من بين العديد من الخيارات الأخرى مجموعة أدوات مايكروسوفت المعرفية, ماتلاب, مكس نت, تشينر، و كيراس. التقدم التكنولوجي سواء في أطر التعلم الآلي وأجهزة الكمبيوتر، يعني أنه من الممكن الآن نشر نماذج التعلم الآلي المدربة لأجهزة الكمبيوتر الرخيصة ومنخفضة الطاقة على حافة شبكة الشركة، مما يجعل الأمر أسهل لاستخدام هذه النماذج لتحديد الأنماط أو تشغيل الإجراءات بناءً على البيانات التي تم جمعها بواسطة أجهزة استشعار إنترنت الأشياء.

خطوة أولى بسيطة

ما أنواع المشاريع التي يمكن للشركات استخدامها لتجربة التعلم الآلي؟ يوصي كونستانتينيدس بالبدء بشكل بسيط، مع التركيز على مجال غير بالغ الأهمية في العمل، ثم التوسع من هناك.

في حين أن طبيعة المشروع ستعتمد بشكل كبير على قطاع الصناعة، يستشهد كونستانتينيدس بمركز الاتصال chatbot كمثال لمشروع بسيط للعديد من الشركات.

يمكن لروبوت الدردشة هذا التعامل مع استفسارات العملاء المباشرة والمتكررة وتسليم العميل إلى عامل بشري إذا أصبح الاستعلام معقدًا للغاية. وسوف تستخدم معالجة اللغة الطبيعية لتمكينها من التعامل مع تفاعلات أكثر تعقيدًا من روبوتات الدردشة القديمة القائمة على القواعد.

وقال كونستانتينيدس: "معظم الشركات تعتبر دعم مركز الاتصال وظيفة ثانوية خارج نطاق الكفاءات الأساسية للمنظمة". "على هذا النحو، تعتبر حالة استخدام منخفضة المخاطر." 

ومن نقطة البداية هذه، يمكن للشركات الانتقال إلى خدمة أخرى تعتمد على التعلم الآلي - محركات التوصية - استخدام البيانات من تفاعلات العملاء لدفع العملاء نحو المنتجات والخدمات الأخرى، كونستانتينيدس وأضاف.

"من هناك يمكنهم التوسع. بمجرد حصولك على كل هذه البيانات حول عملائك من خلال تفاعلات العملاء هذه، يمكنك البدء في عمل أنواع مختلفة من التوقعات. يمكنك البدء بطرح أنواع مختلفة من الأسئلة. الأسئلة الاستدراجية، مثل "هل تفكر في شراء هذا المنتج الآخر؟" أو "إذا كنت راضيًا بالفعل عن هذه الخدمة، فلماذا لا تفكر في ذلك؟". لذلك، من دعم العملاء يتغير إلى التسويق الديناميكي. أنت تقوم بالبناء على حالة الاستخدام الأولية هذه."

وعلى نفس المنوال، يسلط Forrester's Dresses أيضًا الضوء على أهمية تضييق نطاق تركيز أي مشروع مبتدئ إلى مهمة محددة. في التقرير الأتمتة والذكاء الاصطناعي والروبوتات ليست مكاسب سريعة ويضرب مثالاً بشركة تكنولوجيا للرعاية الصحية تركز على تحليل الفحوصات الطبية لأخصائيي الأشعة، بدلاً من تحديد الهدف الأوسع والأقل قابلية للإدارة وهو معالجة السرطان ككل.

التحديات

من المهم أن نكون واقعيين بشأن ما يمكن أن يحققه مشروع التعلم الآلي. في الأتمتة والذكاء الاصطناعي والروبوتات ليست مكاسب سريعةيقول Forrester's Beadder إن الإفراط في الطموح يعد خطأً شائعًا تم توضيح ذلك من خلال تخلي مركز إم دي أندرسون للسرطان عن مشروعه لاستخدام IBM Watson للمساعدة في تحديد العلاج للمرضى بعد إنفاق 62 مليون دولار على المشروع.

بشكل عام، من المهم مراقبة توقعاتك عند استخدام التعلم الآلي التقنيات وإدراك أنها نادرًا ما تحقق نتائج مثالية: التعرف على الكلام يقوم بالنسخ الأخطاء و غالبًا ما تخطئ أنظمة التعرف على الوجه في التعرف على الأشخاص خارج الظروف الخاضعة لرقابة صارمة. إن أوجه القصور هذه هي السبب وراء الحديث عن العديد من هذه الأنظمة في كثير من الأحيان على أنها تزيد من الحكم البشري، وتضييق الخيارات التي يتعين على الشخص اتخاذها، بدلاً من استبدال الشخص بشكل كامل. قد يكون هناك عدد أقل من البشر في الحلقة، لكن الأتمتة الكاملة للعديد من الأدوار ليست ممكنة، على الأقل في الوقت الحالي.

كما أشار غوددر في تقرير شركة فوريستر إلى مخاطر الأتمتة المفرطة والسريعة للغاية، والذي يستشهد خطوة شركة صناعة السيارات تيسلا لإعادة البشر إلى خط إنتاجها بعد أن تبين أن الروبوتات غير مناسبة على وجه اليقين مهام.

"ولكن منذ إعادة البشر إلى خط الإنتاج، أصبح طراز Tesla's Model 3 واحدًا من أكثر السيارات مبيعًا السيارات في أمريكا، حيث ارتفع عدد السيارات من 1825 سيارة فقط تم إنتاجها في يناير 2018 إلى 14250 سيارة في 12 يوليو. يكتب.

قد يكون من التعقيدات الأخرى التي تواجه الشركات هو العثور على الخبرة اللازمة في علم البيانات لتنفيذ مشاريع التعلم الآلي. على سبيل المثال، قال أكثر من نصف المشاركين في استطلاع O'Reilly أن مؤسساتهم بحاجة إلى خبراء في مجال التعلم الآلي وعلماء البيانات. وفي تقرير منفصل لأورايلي، تطور البنية التحتية للبيانات، تم تسمية علوم البيانات وهندسة البيانات مرة أخرى على أنهما المجالان اللذان عانت فيهما الشركات من أكبر فجوة في المهارات المتعلقة بالتحليلات.

"التكنولوجيا والوعد موجودان - المشكلة تكمن في وضع علامات على البيانات والحصول على المعرفة والمهارات داخل الشركة لفهم "كيف أقوم بإعداد بياناتي حتى أتمكن من البدء في التعلم منها؟" سكيلتون.

على الرغم من هذه التجاعيد، تقوم الشركات بشكل متزايد بتجربة تقنيات التعلم الآلي. وفقًا لسكيلتون، يعد عام 2019 عامًا جيدًا للشركات للانخراط في تحدي التعلم الآلي "لذلك يمكنهم نقل الاتصال الهاتفي من المعرفة البشرية إلى المعرفة الآلية، لزيادة عدد الأشخاص وجعلهم أكثر إنتاجي".

اقرأ المزيد عن الذكاء الاصطناعي والتعلم الآلي

الذكاء الاصطناعي والبيانات الضخمة مقابل الأخلاق: كيفية التأكد من أن مشروع الذكاء الاصطناعي الخاص بك يسير في الاتجاه الصحيح
إن اتخاذ القرارات الأخلاقية الصحيحة بشأن مشاريع الذكاء الاصطناعي الخاصة بك قد يكون بنفس صعوبة تشغيل التكنولوجيا.

وحدات معالجة الرسومات Nvidia لعلوم البيانات والتحليلات والتعلم الآلي الموزع باستخدام Python مع Dask
تريد Nvidia توسيع نطاق نجاح وحدة معالجة الرسومات إلى ما هو أبعد من الرسومات والتعلم العميق إلى تجربة علم البيانات الكاملة. مكتبة بايثون مفتوحة المصدر Dask هي المفتاح لذلك.

يدعو الرئيس المشارك لتجمع الذكاء الاصطناعي في الكونجرس إلى خطة خمسية للذكاء الاصطناعي
ويريد عضو الكونجرس جيري ماكنيرني أن تعمل أميركا على تطوير خطة طويلة الأمد لمقاومة التقدم الذي أحرزته الصين والهند وروسيا.

أبحاث Salesforce: الرسوم البيانية المعرفية والتعلم الآلي لدعم أينشتاين
الذكاء الاصطناعي القابل للتفسير في الحياة الواقعية قد يعني أن أينشتاين لا يجيب على أسئلتك فحسب، بل يقدم أيضًا المبررات. يتم تطوير أحدث ما توصلت إليه معالجة اللغة الطبيعية من خلال تقاطع الرسوم البيانية والتعلم الآلي.

مراجعة Nvidia DGX-2: المزيد من الذكاء الاصطناعي مقابل الكثير من الدولارات
على الرغم من سعره المرتفع، يجب أن يكون خادم Nvidia 2-petaFLOPS GPU فعالاً من حيث التكلفة للشركات التي تحتاج إلى تشغيل أحمال عمل تتطلب الذكاء الاصطناعي والحوسبة عالية الأداء.

يعتقد 70% من وكلاء دعم العملاء أن الذكاء الاصطناعي سيحررهم للتركيز على العمل ذي القيمة الأعلى (تك ريبابليك)
يتبنى وكلاء دعم العملاء استخدام الذكاء الاصطناعي لتفريغ المهام اليدوية، وهو ما يتعارض مع الخوف المتكرر من استيلاء الذكاء الاصطناعي على الوظائف.

يعتبر تنظيم الذكاء الاصطناعي أمرًا بالغ الأهمية، كما يقول 54% من المديرين التنفيذيين في مجال التكنولوجيا (تك ريبابليك)
أظهر استطلاع أجرته شركة إيدلمان أن الخطر الذي يمثله إساءة استخدام الذكاء الاصطناعي في التعرف على الوجه وإنشاء "تزييف عميق" يمكن أن يؤدي إلى تآكل ثقة الجمهور.