تصوير تارا وينستيد
 

لقد حدث الكثير في النصف الأول من عام 2023. وحدث تقدم كبير في علم البيانات والذكاء الاصطناعي. لدرجة أنه كان من الصعب علينا مواكبة كل منهم. يمكننا القول بالتأكيد أن النصف الأول من عام 2023 أظهر تقدمًا سريعًا لم نتوقعه. 

لذا بدلاً من التحدث كثيرًا عن كيفية استمالة هذه الابتكارات جميعًا ، فلنتحدث عنها.

سأبدأ بالأكثر وضوحًا. معالجة اللغة الطبيعية (NLP). شيء ما كان يبني في الظلام ، وفي عام 2023 ظهر. 

تم إثبات هذه التطورات في OpenAI شات جي بي تيالذي أخذ العالم في طريق العاصفة. منذ إصدارها الرسمي في وقت سابق من العام ، انتقلت ChatGPT من GPT-4 ونتوقع الآن GPT-5. لقد أطلقوا سراحهم الإضافات لتحسين حياة الأشخاص اليومية ، وسير العمل من أجلها علماء البيانات و مهندسو التعلم الآلي. 

ونعلم جميعًا أنه بعد إصدار ChatGPT ، تم إصدار Google Bard AI التي أثبتت نجاحها بين الأشخاص والشركات وغير ذلك. يتنافس Bard AI مع ChatGPT للحصول على أفضل موقع في chatbot ، حيث يقدم خدمات مماثلة مثل تحسين المهام لـ مهندسو التعلم الآلي. 

في خضم إصدار روبوتات المحادثة هذه ، رأينا نماذج اللغات الكبيرة (LLM) تسقط من فراغ. منظمة النظم النموذجية الكبيرة (LMSYS Org) ، وهي منظمة بحثية مفتوحة أسسها طلاب وأعضاء هيئة تدريس من جامعة كاليفورنيا في بيركلي حلبة ChatBot - معيار LLM لجعل النماذج في متناول الجميع باستخدام طريقة التطوير المشترك باستخدام مجموعات البيانات والنماذج والأنظمة وأدوات التقييم المفتوحة.

لذا اعتاد الناس الآن على روبوتات الدردشة التي تجيب على الأسئلة لهم وتجعل عملهم وحياتهم الشخصية أسهل بكثير - ماذا عن محللي البيانات ومتخصصي التعلم الآلي؟ 

حسنًا ، لقد كانوا يستخدمون AutoML - أداة قوية لمحترفي البيانات مثل علماء البيانات ومهندسي التعلم الآلي لأتمتة المعالجة المسبقة للبيانات وضبط المعلمات الفائقة وأداء المهام المعقدة مثل هندسة الميزات. مع التقدم في علم البيانات والذكاء الاصطناعي ، من الطبيعي أننا شهدنا طلبًا كبيرًا على البيانات ومتخصصي الذكاء الاصطناعي. ومع ذلك ، نظرًا لأن التقدم يتحرك بمعدل سريع ، فإننا نشهد نقصًا في هؤلاء المتخصصين في الذكاء الاصطناعي. لذلك ، فإن القدرة على إيجاد طرق لاستكشاف البيانات وتحليلها والتنبؤ بها في عملية آلية ستحسن نجاح الكثير من الشركات. 

لن تكون قادرة فقط على توفير الوقت لمتخصصي البيانات ، ولكن سيكون لدى المؤسسات المزيد من الوقت للتوسع وتكون أكثر ابتكارًا في المهام الأخرى. 

إذا كنت في الجوار بسبب فورة روبوتات المحادثة ، فستشاهد الكلمات "Generative AI" يتم طرحها. الذكاء الاصطناعي التوليدي قادر على إنشاء نص أو صور أو أشكال أخرى من الوسائط بناءً على مطالبات المستخدم. تمامًا مثل التطورات المذكورة أعلاه ، يساعد الذكاء الاصطناعي التوليدي الصناعات المختلفة في المهام لجعل حياتهم أسهل. 

لديه القدرة على إنتاج محتوى جديد ، واستبدال المهام المتكررة ، والعمل على البيانات المخصصة ، وإنشاء أي شيء تريده إلى حد كبير. إذا كان الذكاء الاصطناعي التوليدي جديدًا عليك ، فستحتاج إلى التعرف عليه انتشار مستقر - إنه الأساس الذي يقوم عليه الذكاء الاصطناعي التوليدي. إذا كنت عالم بيانات أو محلل بيانات ، فربما تكون قد سمعت عن ذلك الباندا - مكتبة ثعبان الذكاء الاصطناعي التوليدية ، إن لم تكن مجموعة أدوات مفتوحة المصدر تدمج إمكانات الذكاء الاصطناعي التوليدية في Pandas لتحليل البيانات بشكل أبسط. 

ولكن مع إطلاق أدوات وبرامج الذكاء الاصطناعي التوليدية هذه ، هل لا تزال هناك حاجة لعلماء البيانات في عصر الذكاء الاصطناعي التوليدي؟

تعلم عميق يستمر في الازدهار. مع التطورات الأخيرة في علم البيانات والذكاء الاصطناعي ، يتم ضخ المزيد من الوقت والطاقة في أبحاث الصناعة. كمجموعة فرعية من التعلم الآلي المهتمة بالخوارزميات والشبكات العصبية الاصطناعية ، يتم استخدامه على نطاق واسع في مهام مثل تصنيف الصور واكتشاف الأشياء والتعرف على الوجوه. 

نظرًا لأننا نمر بالثورة الصناعية الرابعة ، تتيح لنا خوارزميات التعلم العميق التعلم من البيانات بنفس الطريقة التي يتعلم بها البشر. نشهد المزيد من السيارات ذاتية القيادة على الطرق ، وأدوات الكشف عن الاحتيال ، والمساعدين الافتراضيين ، والنمذجة التنبؤية للرعاية الصحية ، والمزيد. 

أثبت عام 2023 أنه يُظهر أعمال التعلم العميق من خلال العمليات الآلية ، والروبوتات ، و blockchain ، والعديد من التقنيات الأخرى.

مع كل ما يحدث ، يجب أن تعتقد أن أجهزة الكمبيوتر هذه متعبة جدًا ، أليس كذلك؟ من أجل تلبية التطورات في مجال الذكاء الاصطناعي وعلوم البيانات ، تحتاج الشركات إلى أجهزة كمبيوتر وأنظمة يمكن أن تساعد في دعمها. تجعل الحوسبة المتطورة الحوسبة وتخزين البيانات أقرب إلى مصادر البيانات. عند العمل مع هذه النماذج المتقدمة ، توفر الحوسبة المتطورة معالجة البيانات في الوقت الفعلي وتسمح بالاتصال السلس بين جميع الأجهزة.

على سبيل المثال ، عندما يتم إطلاق LLMs كل ثانيتين ، كان من الواضح أن المؤسسات تتطلب أنظمة فعالة مثل الحوسبة المتطورة لتكون ناجحة. صدر جوجل TPU v4 هذا العام - موارد الحوسبة التي يمكنها التعامل مع الاحتياجات الحاسوبية العالية للتعلم الآلي والذكاء الاصطناعي.

بسبب هذه التطورات ، نرى المزيد من المنظمات تتحرك من سحابة إلى الحافة لتتناسب مع متطلباتهم الحالية والمستقبلية. 

لقد حدث الكثير ، وكان يحدث في فترة قصيرة من الزمن. أصبح من الصعب جدًا على منظمات مثل الحكومة مواكبة ذلك. تثير الحكومات من جميع أنحاء العالم مسألة "كيف تؤثر تطبيقات الذكاء الاصطناعي هذه على الاقتصاد والمجتمع ، وما هي الآثار المترتبة؟". 

يشعر الناس بالقلق إزاء التحيز والتمييز والخصوصية والشفافية والأمان في تطبيقات الذكاء الاصطناعي وعلوم البيانات هذه. إذن ما هي ملفات الجوانب الأخلاقية الذكاء الاصطناعي وعلوم البيانات ، وماذا نتوقع في المستقبل؟

لدينا بالفعل قانون الذكاء الاصطناعي الأوروبي دفع إطار عمل يجمع أنظمة الذكاء الاصطناعي في 4 مناطق خطر. أوبن إيه آي شهد الرئيس التنفيذي سام التمان حول المخاوف والمزالق المحتملة للتكنولوجيا الجديدة في لجنة مجلس الشيوخ الأمريكي يوم الثلاثاء 16th. على الرغم من حدوث الكثير من التطورات في فترة زمنية قصيرة ، إلا أن الكثير من الناس قلقون. على مدى الأشهر الستة المقبلة ، يمكننا أن نتوقع تمرير عدد قليل من القوانين واللوائح والأطر التي يتم وضعها موضع التنفيذ. 

إذا لم تكن على دراية بالذكاء الاصطناعي وعلوم البيانات في الأشهر الستة الماضية ، آمل أن يكون هذا المقال قد زودك بتفصيل سريع لما يجري. سيكون من المثير للاهتمام أن نرى خلال الأشهر الستة المقبلة كيف يتم تبني هذه التطورات مع القدرة على ضمان الاستخدام المسؤول والأخلاقي لهذه التقنيات.
 
 
نيشا آريا هو عالم بيانات وكاتب تقني مستقل ومدير المجتمع في KDnuggets. وهي مهتمة بشكل خاص بتقديم المشورة المهنية في علوم البيانات أو البرامج التعليمية والمعرفة القائمة على النظرية حول علوم البيانات. إنها ترغب أيضًا في استكشاف الطرق المختلفة التي يمكن للذكاء الاصطناعي من خلالها الاستفادة من طول عمر حياة الإنسان. متعلمة حريصة ، تسعى إلى توسيع معرفتها التقنية ومهارات الكتابة لديها ، بينما تساعد في توجيه الآخرين.
 

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
• المصدر https://www.kdnuggets.com/2023/07/first-half-2023-data-science-ai-developments.html?utm_source=rss&utm_medium=rss&utm_campaign=the-first-half-of-2023-data-science-and-ai-developments