تعلم الآلة والذكاء الاصطناعي في عام 2021

بقلم: د.جاسم حاجي

تعلم الآلة (ML) هو ابتكار شائع يعرفه الجميع تقريبًا. وقد كشفت دراسة أن 77% من الأجهزة التي نستخدمها حاليًا تستخدم تعلم الآلة. من الأجهزة الذكية إلى اقتراحات نتفليكس ومنتجات مثل جهاز أليكسا التابعة لشركة الأمازون «Amazon’s Alexa»، وجهاز «Google Home»، فإن خدمات الذكاء الاصطناعي تعلن حلولا مبتكرة ومتطورة للمؤسسات وأمور الحياة اليومية العادية. عام 2021 جاهز لمراقبة بعض الاتجاهات المهمة في تعلم الآلة والذكاء الاصطناعي التي قد تعيد تشكيل أعمالنا الاقتصادية والاجتماعية والصناعية.

تعلم الآلة في الأتمتة الفائقة

الأتمتة الفائقة، الاتجاه الضخم لتكنولوجيا المعلومات حددته شركة جارتنر «Gartner» العالمية للأبحاث والاستشارات، وهي إمكانية أن أي شيء تقريبا داخل الشركة يمكن أتمتته -على سبيل المثال، العمليات التجارية القديمة- يجب أن تتم أتمتته. ولقد عزز الوباء من تبني هذا المفهوم، والذي يسمى أتمتة العمليات الرقمية و«أتمتة العمليات الذكية».

تنبؤ وتحليل الأعمال

كان تحليل السلاسل الزمنية سائدًا في السنوات الأخيرة ومازال كذلك للعام الحالي. باستخدام هذه الاستراتيجية يقوم الخبراء بجمع وفحص مجموعة من البيانات على مدى فترة زمنية ثم يتم فحصها واستخدامها من أجل اتخاذ قرارات ذكية. يمكن لشبكات تعلم الآلة إعطاء التخمينات بدقة عالية تصل إلى حوالي 95% كلما تم تدريبها باستخدام مجموعات بيانات متنوعة.

الأتمتة

قال مارك أندريسن على نطاق واسع إن «البرمجيات تدمر الكوكب»، ويبدو هذه الأيام كما لو أن كل منظمة تتجه نحو أن تكون مؤسسة برمجية في جوهرها. سوف يحقق عام 2021 أنماطًا جديدة في التكنولوجيا، وبالتالي فإن الفشل في إدارة المعلومات أدى إلى زيادة ديون التكنولوجيا للشركات. هذا الدين في نهاية الأمر يجب أن يُسدد بفائدة، وبالتالي مقابل التطور في تبني التكنولوجيا هذا العام قد نخطط لاكتشاف تحرك في الإنفاق على التكنولوجيا. سوف تستمر ميزانيات المؤسسات في رؤية الانتقال من تكنولوجيا المعلومات إلى عمليات تجارية أكثر أهمية. وسوف يقوم القادة بالمزيد من الاستثمارات في الأنشطة التي تزيد من الدخل حيث تحل قيمة الأعمال محل السرعة بسبب مقياس ديف أوبس «DevOps» الأكثر أهمية.

تقاطع تعلم الآلة وإنترنت الأشياء

لقد كان إنترنت الأشياء قطاعًا سريع التطور مؤخرًا مع توقع شركة التحليل الاقتصادي «Transforma Insights» أن سوق إنترنت الأشياء العالمي سوف يتطور إلى 24.1 مليار جهاز في عام 2030، مما ينتج عنه دخل قدره 1.5 تريليون دولار.

يتداخل استخدام تعلم الآلة بشكل تدريجي مع إنترنت الأشياء. يتم الآن استخدام تعلم الآلة والذكاء الاصطناعي والتعلم العميق، على سبيل المثال، لجعل أجهزة وخدمات إنترنت الأشياء أكثر ذكاءً وأمانًا. على أي حال، فإن المزايا تذهب في كلا الاتجاهين نظرًا إلى أن تعلم الآلة والذكاء الاصطناعي يتطلبان كميات هائلة من البيانات للعمل بفعالية، وهو تحديدًا ما توفره شبكات مستشعرات وأجهزة إنترنت الأشياء.

قوة حوسبة أسرع

محللو الذكاء الاصطناعي قريبون من بداية فهم منشأة الشبكات العصبية الاصطناعية وأفضل طريقة لتنظيمها. يقترح هذا الأمر أنه خلال العام المقبل سوف تستمر الاختراقات الخوارزمية في الظهور بخطوة مذهلة مع تطورات عملية وأنظمة جديدة لحل المشكلات. وبالمثل، فإن حلول تعلم الآلة السحابية تكتسب زخمًا حيث يشجع مزودي الخدمات السحابية من الأطراف الثلاثة نشر خوارزميات تعلم الآلة في السحابة. يمكن للذكاء الاصطناعي معالجة مجموعة جيدة من القضايا المشؤومة التي تحتاج إلى إيجاد رؤى واتخاذ قرارات. ومع ذلك، من دون القدرة على التعامل وفهم اقتراح الآلة سوف يتخيل الأفراد أنه من الصعب قبول هذا الاقتراح. مع خطوط محددة، تصور نموًا مستمرًا في هذه الأثناء مما يؤدي إلى زيادة الشفافية وإمكانية التفسير فيما يتعلق بخوارزميات الذكاء الاصطناعي.

التعلم المعزز

يمكن استخدام التعلم المعزز (RL) بشكل عام من قبل الشركات في السنوات القادمة. إنه استخدام فريد للتعلم العميق الذي يستخدم خبراته الخاصة من أجل تحسين فعالية البيانات الملتقطة.