أصبح الذكاء الاصطناعي مورداً لا غنى عنه للعديد من الشركات في عام 2020 وسط تحديات COVID-19. على الرغم من الضغوط الاقتصادية ، 61٪ من الشركات عالية الأداء استثمرت أكثر في الذكاء الاصطناعي في عام 2020. مع بدء التعافي من الخسائر الوبائية ، قد يتجه المزيد إلى الذكاء الاصطناعي لتعزيز تحولهم الرقمي.

يمكن أن تساعد زيادة الاستثمارات في الذكاء الاصطناعي الاقتصاد على التعافي بشكل أسرع ، لكنها تنطوي أيضًا على بعض المخاطر. على هذا النحو ، يمكن أن يكون عام 2021 نقطة تحول بالنسبة للتكنولوجيا حيث تضغط الشركات لحل كل من تحديات الذكاء الاصطناعي طويلة الأمد والمكتشفة حديثًا. فيما يلي سبع من هذه المشكلات التي تواجه تبني الذكاء الاصطناعي وكيف يمكن للشركات التغلب عليها.

1. ضعف جودة البيانات

ربما يكون أكبر عائق أمام تبني الذكاء الاصطناعي المربح هو انتشار البيانات منخفضة الجودة. على الرغم من الوعود السامية بشأن التكنولوجيا ، 65٪ من المديرين التنفيذيين العالميين يقولون إنهم لم يروا قيمة من استثماراتهم الأخيرة في الذكاء الاصطناعي. تعد جودة البيانات الرديئة جزءًا مهمًا من هذه المشكلة ، حيث أن تطبيقات الذكاء الاصطناعي جيدة فقط بقدر المعلومات التي يمكنها الوصول إليها.

تقوم العديد من الشركات بجمع الكثير من البيانات ، مما يتركها مع التكرار والتناقضات. إن العثور على معلومات عالية الجودة وتطبيقها هو مسألة تبسيط عمليات التجميع وإيلاء المزيد من الاهتمام للتنظيف ووضع العلامات والتخزين. ستزود هذه التغييرات في سير العمل ، جنبًا إلى جنب مع برامج الفهرسة الأفضل ، الشركات ببيانات عالية الجودة في عام 2021.

2. أخلاقيات الذكاء الاصطناعي

مع قيام الشركات بجلب الذكاء الاصطناعي إلى المزيد من العمليات ، تصبح الأخلاقيات مصدر قلق ملح. يميل الذكاء الاصطناعي إلى تضخيم التحيزات البشرية وإضفاء مصداقية علمية عليها ، مما يلقي بظلال قاتمة على إمكاناته في تطبيقات صنع القرار. لحسن الحظ ، هذه ليست مشكلة بدون إجابة.

يعد الوعي المتزايد بهذه المشكلة علامة واعدة ، حيث تتمثل الخطوة الأولى في الاعتراف بإمكانية التحيز في الذكاء الاصطناعي. بينما تقوم الشركات بتدريب الذكاء الاصطناعي الخاص بها ، يجب عليها العمل بنشاط لمواجهة البيانات المتحيزة ، وتحديدًا برمجة الذكاء الاصطناعي ليكون مضادًا للتحيز. يجب على الفرق أيضًا تحليل بيانات التدريب بعناية قبل إدخالها في الخوارزمية ، مما يضمن أنها لا تؤدي إلى استنتاجات غير أخلاقية.

3. قيود تخزين البيانات

عندما يصبح الذكاء الاصطناعي أكثر بروزًا ، يتعين على الشركات جمع المزيد من البيانات وتخزينها. أصبحت هذه مشكلة ، لأن تقنيات التخزين التقليدية محدودة وغالبًا ما تكون باهظة الثمن. قدمت الاختراقات التكنولوجية الحديثة حلاً.

على سبيل المثال ، فلاش QLC هو 25٪ أكثر كثافة من TLC ويوفر تكاليف أقل لكل جيجابايت. أصبحت الابتكارات الأخرى ، مثل NVMe ، شائعة بشكل متزايد أيضًا ، مما يجعل تخزين الفلاش أكثر تكلفة وموثوقية من أي وقت مضى. يمكن للشركات الآن أن تتحول إلى تخزين فلاش لتطبيقات الذكاء الاصطناعي بدلاً من التقليد الأقل قابلية للتطوير والأكثر تكلفة لاستخدام الأقراص الثابتة.

4. حافة الذكاء الاصطناعي الأمن

تعد الحوسبة المتطورة مثالية لتطبيقات الذكاء الاصطناعي ، نظرًا لانخفاض زمن الوصول وموازنة أفضل للحمل. قد تلجأ العديد من المؤسسات إلى استخدام أحدث التقنيات في عام 2021 ، لكن عمليات النشر هذه تأتي مع تحدياتها الخاصة. والجدير بالذكر أن البنية التحتية المتطورة معرضة للتلف العرضي ، خاصةً خارج مكان العمل.

الأمان المادي المناسب للبنية التحتية المتطورة يأتي على ثلاث مراحل: المراقبة والمراقبة والإشراف. يمكن لأجهزة استشعار إنترنت الأشياء مراقبة المنطقة المحيطة بالأجهزة المتطورة ، واكتشاف المخاطر المادية والتفاعل معها. يمكن للشركات التحكم والإشراف على أقساطها المتطورة باستخدام تقنية مماثلة ، والاستفادة من إنترنت الأشياء لتقييد الوصول إلى هذه البنية التحتية.

5. مخاوف إدارة البيانات

أصبح الناس قلقين بشكل متزايد بشأن كيفية وصول الشركات إلى معلوماتهم الشخصية واستخدامها. تحتاج الشركات التي تستخدم الذكاء الاصطناعي الذي يواجه العملاء إلى حساب ذلك في عمليات النشر المستقبلية. أصبحت الحوكمة المسؤولة للبيانات أكثر أهمية من أي وقت مضى ، لا سيما في مواجهة الجرائم الإلكترونية المتزايدة.

المفتاح هنا هو الرؤية والتجزئة. تحتاج الشركات إلى التأكد من قدرتها على رؤية كيفية استخدام خوارزميات الذكاء الاصطناعي الخاصة بها للبيانات في جميع المراحل وتقييدها. سيخفف التقسيم من تأثير الاختراق ، مع الحفاظ على أمان معلومات المستخدم قدر الإمكان. سيساعد التحلي بالشفافية بشأن سياسات جمع البيانات أيضًا في تهدئة مخاوف العملاء بشأن الذكاء الاصطناعي.

6. اختناقات وحدة المعالجة المركزية

مع تزايد متطلبات الحوسبة والتطبيقات ، يواجه المطورون اختناقات في وحدة المعالجة المركزية. أصبح من الواضح أن قانون مور قد لا يصمد أمام نقطة معينة ، حيث يمكن أن تصبح الترانزستورات صغيرة جدًا. تعتبر هذه القيود عقبة في طريق تقدم الذكاء الاصطناعي ، ولكن يمكن للشركات التغلب عليها من خلال تجاوز وحدات المعالجة المركزية (CPU).

نظرًا لأن وحدات معالجة الرسومات يمكنها إجراء عمليات متوازية على مجموعات بيانات متعددة ، فهي مثالية لمهام التعلم الآلي. في حين أن هذه المعالجات لا يمكن أن تحل محل وحدات المعالجة المركزية بالكامل ، إلا أنها تستطيع التعامل مع غالبية أعمال التحليلات. ستعتمد عمليات الذكاء الاصطناعي في عام 2021 بشكل أكبر على وحدات معالجة الرسومات نتيجة لذلك.

7. التدقيق المطلوب

نظرًا لأن الذكاء الاصطناعي والعمليات الأخرى التي تركز على البيانات أصبحت أكثر بروزًا ، فإنها تواجه لوائح قانونية متزايدة. في عام 2020 ، على الأقل حالات 38 أدخلت أو اعتبرت تشريعات جديدة للأمن السيبراني. وبالتالي ، سيتعين على مطوري ومستخدمي الذكاء الاصطناعي مراعاة القيود القانونية في عام 2021.

تعد لوائح البيانات أمرًا جديدًا ومتطورًا بالنسبة للشركات الأمريكية ، لذلك من المرجح أن تتغير القواعد خلال السنوات القليلة المقبلة. نتيجة لذلك ، يجب أن تظل شركات الذكاء الاصطناعي مرنة وأن تعتمد معايير عالية للخصوصية والحوكمة حتى قبل أن تصبح قانونًا. سيصبح المدققون الخارجيون أيضًا أكثر طلبًا في مواجهة اللوائح المتزايدة.

قد يكون عام 2021 عامًا بارزًا للذكاء الاصطناعي

ربما يكون جائحة COVID-19 قد أدى إلى إبطاء نمو الذكاء الاصطناعي ، ولكن من المرجح أن يكون له تأثير معاكس لأنه يتلاشى. سيؤدي الذكاء الاصطناعي إلى التعافي الاقتصادي ، وسيؤدي هذا الارتفاع في التبني إلى تحفيز المطورين والمستخدمين على حد سواء لمواجهة التحديات. نتيجة لذلك ، يمكن أن ينتهي الأمر بعام 2021 كنقطة تحول جوهرية في تطوير الذكاء الاصطناعي وتنفيذه.

الخروج PrimeXBT
تداول مع شركاء CFD الرسميين لشركة AC Milan
أسهل طريقة لتداول العملات المشفرة.
المصدر: https://dataconomy.com/2021/02/overcoming-7-ai-challenges-2021/