المؤلف: NewBeeNLP

هذه المقالة حوالي 3500 كلمة ، اقترح القراءة 10 دقائق

يشارك مؤلف هذا المقال معك أفضل عشر وجهات نظر مفيدة لمنظمة العفو الدولية في فصل Wu Enda ، على أمل أن يتيح لك تعلم شيء ما.

اكتب في المقدمة

في هذا العصر من التعايش بين الإنسان والحاسوب ، يجب على الجميع محاولة فهم واستخدام القوة العظمى للذكاء الاصطناعي للتفكير في وضعهم المستقبلي في هذا العالم سريع التغير.

البروفيسور وو إيندا الذي قاد دورة Google Coursera العامة في الدماغ ذات مرة: الذكاء الاصطناعي لكل شخص له معنى كبير. لا يتحدث هذا الفصل عن المصطلحات التقنية ، ويركز على الشرح للأشخاص غير التقنيين ومديري الأعمال.

• ما هو الذكاء الاصطناعي؟
• كيفية بناء مشروع AI ؛
• كيفية إنشاء مؤسسة ذكاء اصطناعي داخل مؤسسة ؛
• العلاقة بين الذكاء الاصطناعي والمجتمع.

محتوى الدورة عبارة عن ملخص للتجربة القيمة التي جمعها على مر السنين في قيادة فريق الذكاء الاصطناعي في Google Brain و Baidu. ذكر هذا الفصل أيضًا الكثير من المحتوى في AI Transformation Playbook.

على الرغم من أن الدورة غالبًا ما تشرح مفاهيم الذكاء الاصطناعي من منظور الرئيس التنفيذي أو مدير الأعمال ، إلا أنني أعتقد أنه يمكن للجميع تعلم الكثير من الاقتراحات المفيدة وأطر التفكير من هذه الفئة من منظور شخصي. من خلال هذه المفاهيم ، يمكننا مساعدتنا في إتقان الدفة في أيدينا والإبحار بسلاسة في اتجاه الذكاء الاصطناعي سريع التغير.

تسرد هذه المقالة أفكار الذكاء الاصطناعي العشرة التي أعتقد أنها تستحق تذكرها في هذا الدرس. آمل أن تتمكن من تعلم شيء ما.

العديد من المفاهيم في هذه المقالة هي ملخص لتجربتي الخاصة ، وسيكون لديك بالتأكيد رؤى مهمة أخرى بعد الفصل. في الواقع ، أوصي بأن تأخذ الوقت الكافي لاتخاذ هذا الفصل بالفعل بعد قراءة هذه المقالة ، أو معرفة المزيد عن الذكاء الاصطناعي بوسائل أخرى.

30 ثانية نظرة شاملة لمنظمة العفو الدولية

إليك 10 أكياس كسولة أعتقد أنها مفاهيم مهمة تنقلها هذه الفئة في الذكاء الاصطناعي للجميع. إذا صعدت وتنخفض مئات الآلاف من الثانية ، يمكنك فقط مشاهدة هذا القسم:

1. عندما يتعلق الأمر بالذكاء الاصطناعي ، فإننا عادةً ما نشير إلى الذكاء الاصطناعي الضيق بدلاً من الذكاء الاصطناعي العام.

2. تسمح معظم تطبيقات الذكاء الاصطناعي للآلات بتعلم المراسلات.

3. البيانات الضخمة والشبكات العصبية وقوة الحوسبة هي مفاتيح نجاح الذكاء الاصطناعي.

4. يمكن أتمتة معظم المهام التي لا تكلفك سوى ثانية واحدة بواسطة AI.

5. لا ينبغي أن تكون المواقف تجاه الذكاء الاصطناعي مفرطة في التفاؤل ، ولكن يجب ألا تكون متشائمة للغاية.

6. يصعب فهم تحيز الذكاء الاصطناعي ، ولكنه قد يكون أسهل من القضاء على التحيز البشري.

7. أفضل طريقة لاحتضان الذكاء الاصطناعي هي دمجه مع خبرة المجال.

8. إن مخرجات التعلم الآلي وعلوم البيانات هي أنظمة ورؤى على التوالي.

9. في عصر الذكاء الاصطناعي ، عليك التفكير في الدور الذي ترغب في لعبه في المستقبل.

10. لم يكن التعلم مدى الحياة أكثر أهمية في هذه الحقبة.

نعم ، نظرًا لأنه ذكاء اصطناعي للجميع ، بطبيعة الحال لا يوجد شيء متعمق بشكل خاص. ولكن كما قال الأستاذ Wu Enda في الدورة ، أعتقد أن هذه الأفكار الأساسية الأساسية يمكن أن توجهنا للتقدم في عصر الذكاء الاصطناعي بشكل أكثر سلاسة.

سيتم دمج هذه المقالة بعد ذلك مع دورة PPT ، لتقديم بعض التفسيرات التكميلية البسيطة لبعض المفاهيم المذكورة أعلاه للرجوع إليها.

منظمة العفو الدولية للجميع

1. عندما يتعلق الأمر بالذكاء الاصطناعي ، فإننا عادةً ما نشير إلى الذكاء الاصطناعي الضيق بدلاً من الذكاء الاصطناعي العام. تطبيقات الذكاء الاصطناعي (AI) التي تنشرها وسائل الإعلام طوال اليوم هي كما يلي:

• صوت ذكي
• طيار آلي
• تمييز الوجوه؛
• تصنيف الصورة
• النظام الموصى به
• الترجمة الآلية.

وراءهم AI (الذكاء الضيق الاصطناعي ، ANI) بالمعنى الضيق.

على الرغم من أن العديد من تطبيقات الذكاء الاصطناعي أفضل من البشر ، إلا أن هذه الذكاء الاصطناعي تركز بشكل أساسي على إكمال المهام "المحددة" ؛ وهذا يشبه أفلام الخيال العلمي مثل Devil Terminator ، والتي يمكنها التفكير والقيام بـ "أي" بنفس طريقة البشر الأشياء في الذكاء الاصطناعي العام (الذكاء الاصطناعي العام ، AGI) مختلفة تمامًا.

على الرغم من أن تطوير AGI هو الحلم النهائي للعديد من الباحثين ، إلا أن التقنية الحالية لا تزال بعيدة جدًا عن تحقيق AGI.

2. تتيح معظم تطبيقات الذكاء الاصطناعي للآلات تعلم المراسلات.

تسمح معظم تطبيقات التعلم الآلي والذكاء الاصطناعي لأجهزة الكمبيوتر بتعلم وظيفة رسم الخرائط لمساعدتنا على تعيين بيانات الإدخال A إلى الإخراج المثالي B:

• تصنيف البريد: البريد الإلكتروني- > سواء كانت رسالة غير مرغوب فيها
• التعرف على الصوت: الملفات الصوتية- > نص
• الترجمة الآلية: نص إنجليزي- > نص صيني

لتحقيق هذا النوع من تطبيقات الذكاء الاصطناعي ، فإن الطريقة الأكثر استخدامًا هي التعلم تحت الإشراف: امنح الجهاز كمية كبيرة من البيانات المزدوجة ، وأخبره عن نوع A الذي يتوافق مع نوع B ، ودع الجهاز يتعلم في النهاية من تلقاء نفسه كيفية تحويل أي A إلى B مثالي لتحقيق الغرض من الأتمتة.

3. البيانات الضخمة والشبكات العصبية وقوة الحوسبة هي مفاتيح نجاح الذكاء الاصطناعي.

هناك العديد من أنواع تقنيات الذكاء الاصطناعي التي يمكن أن تساعد البشر على إصدار أحكام معقدة ، ولكن في السنوات الأخيرة ، ما جعل الذكاء الاصطناعي كبيرًا ومشرقًا هو التعلم العميق والشبكة العصبية الاصطناعية.

من الجدير بالذكر أنك قد تسمع في كثير من الأحيان "تعمل الشبكات العصبية بنفس طريقة عمل الدماغ البشري "ولكن في الواقع إذا سألت رأي الشخص المعني في هذا الرأي ، فالجواب غالبًا "الاثنان بعيدان جدا" .

على الرغم من أن تشغيل الشبكات العصبية ليس تمامًا مثل دماغنا السحري ، مع وجود كمية كبيرة من البيانات والتعلم الخاضع للإشراف المذكور أعلاه ، كلما كانت الشبكة العصبية أكبر ، كان أداء مهمة معينة أفضل.

على الرغم من أن هذه الظاهرة مثيرة ، لا تنس:

• تشغيل الشبكات العصبية الكبيرة ؛
• معالجة كميات كبيرة من البيانات.

كل من هذه الأشياء يعني أن كمية أكبر من طاقة الحوسبة الحاسوبية مطلوبة. في كثير من الأحيان ، لا يمتلك معظم الأشخاص مثل هذه الموارد الحاسوبية.

لحسن الحظ ، غالبًا ما يكون للعديد من الذكاء الاصطناعي القائم على التعلم العميق ميزة جيدة جدًا: من خلال نقل التعلم ، يمكننا تدريب الذكاء الاصطناعي الذي استخدم بالفعل الكثير من موارد الحوسبة مقدمًا وأداء جيد في المهمة أ ستسمح هذه التعديلات البسيطة للذكاء الاصطناعي المعدل بأداء جيد في المهام المماثلة ب.

في هذا الوقت ، حتى إذا كان لديك فقط كمية صغيرة من البيانات وليس لديك العديد من موارد الحوسبة ، يمكنك استخدام الذكاء الاصطناعي لإكمال المهام التي لم يكن من الممكن تصورها سابقًا.

4. يمكن أتمتة المهمة التي تستغرق فقط ثانية واحدة ، ومعظم (المستقبل) بواسطة AI.

هذا المفهوم هو "مبدأ ثانية واحدة" الذي ذكره الأستاذ Wu Enda في الدورة ، ويمكن استخدامه للحكم على ما إذا كان يمكن أتمتة المهمة باستخدام الذكاء الاصطناعي.

من خلال التعلم تحت الإشراف وكمية كبيرة من بيانات A & B المقترنة ، يمكننا القيام بالعديد من المهام التي كان يُعتقد أنها معقدة للغاية في الماضي ، ولكن يمكن للدماغ البشري أن يحل في ثانية واحدة فقط ، باستخدام الذكاء الاصطناعي لأتمتة حياتنا ، مما يجعل حياتنا أسهل.

بالطبع ، هذا المبدأ المبسط ليس عالميًا ، ولكن يمكن استخدامه كمرجع جيد.

5. لا ينبغي أن تكون المواقف تجاه الذكاء الاصطناعي مفرطة في التفاؤل ، ولكن يجب ألا تكون متشائمة للغاية.

على الرغم من أننا نعرف بالفعل قوة الذكاء الاصطناعي الحديث ، ما زلنا بحاجة إلى ملاحظة أن الذكاء الاصطناعي ليس دواءً لكل داء ولا يمكنه (بشكل مثالي) حل أو أتمتة جميع المشاكل البشرية.

على سبيل المثال ، هناك دراسات تحاول تحويل اللغة الطبيعية إلى SQL ، ولكن على المدى القصير ، قد يكتب عالم البيانات SQL لاستعلام البيانات بنفسه. على الرغم من أن الذكاء الاصطناعي لا يمكنه (أي شيء) أن يفعل أي شيء ، فلا ينبغي أن نشعر بخيبة أمل من الذكاء الاصطناعي ، ونستنتج أن الشتاء القادم للذكاء الاصطناعي سيأتي بالتأكيد.

ما هو مؤكد الآن هو أن الذكاء الاصطناعي كان بالفعل وسيستمر في تغيير مستقبلنا وأجيال حياتنا المستقبلية.

الشيء الأكثر أهمية هو الفهم العقلاني لما يمكن أن تفعله الذكاء الاصطناعي ، والاستفادة منه عندما يمكن استخدامه ، وفي الوقت نفسه عدم تحمل الوهم غير الواقعي بأن "الذكاء الاصطناعي يمكن أن يحل جميع المشاكل".

6. يصعب فهم تحيز الذكاء الاصطناعي ، ولكنه قد يكون أسهل من القضاء على التحيز البشري.

عند استخدام التعلم الخاضع للإشراف لتدريب الذكاء الاصطناعي ، غالبًا ما نستخدم بيانات واقعية لتعلم الآلة.

الخبر السار هو أنه مع تطور الرقمنة والإنترنت ، لدينا الكثير من البيانات التي نتعلمها من الذكاء الاصطناعي ؛ الأخبار السيئة هي أن هذه البيانات تعكس غالبًا التحامل على البشر لعقود أو حتى قرون.

يشبه نظام الذكاء الاصطناعي المدرب على هذه البيانات مرآة الوجه ، وسيتعرف حتمًا على هذه التحيزات.

الأمثلة المعروفة هي:

• تم أداء نظام التعرف على الوجوه المدرب باستخدام الصور البيضاء بشكل سيئ عند تحديد الأجناس ذات البشرة الداكنة ؛
• تحيز أنظمة الذكاء الاصطناعي المؤتمتة ضد النساء ؛
• ينحاز نظام الذكاء الاصطناعي للتصنيف الائتماني للبنك إلى مجموعات عرقية معينة.

فيما يلي مثال من فئة أخرى:

لا يمكن تسمية المثال أعلاه بالتمييز ، ولكن من الواضح أنه تحيز ، وهو تحيز جنساني كان موجودًا منذ فترة طويلة في المجتمع البشري.

نظرًا لأن أنظمة الذكاء الاصطناعي هذه غالبًا ما تتعلم علاقة إحصائية ، في هذه الحالة ، يقدم الذكاء الاصطناعي بأمانة عادات صياغة مجتمعنا.

ليس من السهل القضاء على هذه الأحكام المسبقة للذكاء الاصطناعي ، ولكن فكر في الأمر ، فقد يكون أبسط وأكثر إثارة من القضاء على عقود من التحامل في عقول الناس. هذه المسألة ليست بسيطة بالتأكيد ، لكنها تستحق المحاولة.

بالطبع ، يمكنك اختيار عدم التفكير في أخلاقيات الذكاء الاصطناعي وقضايا التحيز هذه ، وأعتقد أن المهندسين الذين قاموا ببناء نظام الذكاء الاصطناعي لديهم حسن النية والحذر بما يكفي لمساعدتنا على إزالة التحيز في نظام الذكاء الاصطناعي والسماح له بالحكم الأنسب .

ومع ذلك ، من المفيد أن ندرك أنه بغض النظر عن مدى قوة نظام الذكاء الاصطناعي ، فقد يكون هناك تحيز بشري ، مما يؤدي بدوره إلى العديد من المشكلات الاجتماعية غير العادلة.

7. أفضل طريقة لاحتضان الذكاء الاصطناعي هي دمجه مع خبرة المجال.

إذا كنت تريد تعلم الذكاء الاصطناعي ، فلن تحتاج إلى التغلب على إعادة التدريب. على الرغم من أن المجال المرتبط بالذكاء الاصطناعي يحظى بشعبية كبيرة الآن ، إلا أنه في الأساس مجرد أداة / تقنية. وستصبح تقنية الذكاء الاصطناعي أكثر فأكثر مدنية ، وستكون العتبة للبدء أقل وأقل.

لذلك ، مقارنة بكونك مهندس الذكاء الاصطناعي الآن ، يجب عليك أولاً إيجاد طريقة لاستخدام معرفة المجال والرؤية المتراكمة في عملك لمعرفة المجالات التي يمكن فيها تطبيق الذكاء الاصطناعي لتحسين وإنشاء عملك الخاص. أو الميزة التنافسية للمشروع.

8. إن مخرجات التعلم الآلي وعلوم البيانات هي أنظمة ورؤى على التوالي.

التعلم الآلي (التعلم الآلي ، ML) وعلوم البيانات (Data Science ، DS) غالبًا ما تجتمع هاتان الكلمتان معًا ، وتختلف تعريفاتها وفقًا لشركات مختلفة. لذلك ، غالبًا ما لا يعرف الأشخاص الذين ليسوا في هذا المجال الفرق بين الاثنين.

بشكل عام ، تنقسم معظم مشروعات ML إلى مؤسسة إلى 3 مراحل:

• جمع البيانات؛
• نموذج التدريب
• انشر النموذج.

خطوات مشروع DS هي:

• جمع البيانات؛
• تحليل البيانات ؛
• الإجراء / الفرضية المقترحة.

يتطلب كلاهما بيانات أولية كمدخلات ، ولديهما فرصة لاستخدام تقنية AI / ML لحل المشكلات وتحليلها ، ولكن غالبًا ما يختلف نموذج الإخراج النهائي.

باختصار ، يركز مشروع ML بشكل أكبر على هندسة البرمجيات ، ويأمل في نهاية المطاف في إنتاج نظام عبر الإنترنت قائم على الذكاء الاصطناعي ؛ قد تكون نتيجة مشروع DS تقرير PPT الذي يساعد المشغلين على اتخاذ قرارات الاستثمار الرئيسية.

9. في عصر الذكاء الاصطناعي ، عليك التفكير في الدور الذي ترغب في لعبه في المستقبل.

يمثل الذكاء الاصطناعي حاليًا تعلمًا مهمًا ، فقد قرر العديد من الأشخاص الدخول إلى هذا المجال ، والآن هناك العديد من المهن المتعلقة بالذكاء الاصطناعي ، على سبيل المثال:

• عالم البيانات
• مهندس تعلم الآلة.
• باحثو التعلم الآلي ؛
• مهندس برمجيات؛
• مهندس بيانات
• مدير مشروع AI.

و أكثر من ذلك بكثير. ومع استمرار تأثير الذكاء الاصطناعي في التوسع ، قد تكون هناك وظائف جديدة ذات صلة في المستقبل. لن نذكر المحتوى الوظيفي لكل وظيفة هنا.

10. لم يكن التعلم مدى الحياة أكثر أهمية في هذه الحقبة.

كما قال البروفيسور Wu Enda في الدورة ، لا تحتاج إلى الحصول على سيد AI لبدء مشروع AI. في كثير من الأحيان يمكنك بدء مشروع AI الأول الخاص بك باستخدام دورات عبر الإنترنت أو موارد تعليمية عميقة على الإنترنت.

في الواقع ، إن تعلم الذكاء الاصطناعي للجميع هو بداية جيدة. هناك أيضًا العديد من المدونات عالية الجودة أو المقالات التعليمية على الإنترنت في انتظار استكشافك.

لقد تطور مجال الذكاء الاصطناعي بشكل سريع في السنوات الأخيرة. لتعلم الذكاء الاصطناعي ، ليس من الممكن استخدام مفهوم الجيل السابق من "قراءة بضع سنوات من الكتب واستخدامه مدى الحياة". قال البروفيسور لي هونغ يي من قسم الهندسة الكهربائية بجامعة تايوان الوطنية ذات مرة: "في مجال التعلم العميق ، أكثر من خمس سنوات هي العصر القديم!"

لذا إذا قررت السير في طريق تعلم الذكاء الاصطناعي ، فكن مستعدًا للتعلم مدى الحياة معي!

استنتاج

انظر هنا ، أعتقد أنك قد فهمت أهم 10 مفاهيم في الذكاء الاصطناعي للجميع ، تهانينا!

معظم هذه المفاهيم هي المفاهيم الأساسية التي استخلصتها من الدورة ، إلى جانب مشاعري الخاصة. آمل أنه بعد قراءة هذه المقالة ، ستتعلم شيئًا أو تحصل على بعض الإلهام.

المواد المرجعية:

 الذكاء الاصطناعي للجميع: https://www.coursera.org/learn/ai-for-everyone

 دليل التحول لمنظمة العفو الدولية: https://landing.ai/ai-transformation-playbook/

المحرر: هوانغ جيان

التدقيق اللغوي: تان جياياو

-إنهاء-

اتبع منصة WeChat العامة التابعة لمعهد Tsinghua-Qingdao Data Science Research الرسمي "  فطيرة بيانات AI  "ورقم الأخت" فطيرة البيانات  "احصل على المزيد من فوائد المحاضرات وجودة المحتوى.