By راشيل روميليوتيس
لقد توصلنا جميعًا إلى حقيقة أن الذكاء الاصطناعي (AI) يعمل على تغيير كيفية عمل الشركات وإلى أي مدى يمكن أن يساعد الأعمال التجارية على المدى الطويل. على مدى السنوات القليلة الماضية ، أدى هذا الفهم إلى ارتفاع حاد في الشركات التي تقوم بتجربة وتقييم تقنيات الذكاء الاصطناعي والتي تستخدمها الآن على وجه التحديد في عمليات نشر الإنتاج.
بالطبع ، عندما تتبنى المؤسسات تقنيات جديدة مثل الذكاء الاصطناعي والتعلم الآلي (ML) ، فإنها تبدأ تدريجياً في النظر في كيفية تأثر المجالات الجديدة بالتكنولوجيا. يمكن أن يشمل ذلك قطاعات متعددة ، بما في ذلك الإنتاج واللوجستيات والتصنيع وتكنولوجيا المعلومات وخدمة العملاء. بمجرد أن يصبح استخدام تقنيات الذكاء الاصطناعي والتعلم الآلي متأصلًا في كيفية عمل الشركات والطرق المختلفة التي يمكن استخدامها بها ، ستتمكن المؤسسات من اكتساب معرفة جديدة ستساعدها على التكيف مع الاحتياجات المتطورة.
من خلال الخوض في منصة التعلم الخاصة بـ O'Reilly ، يمكن اكتشاف مجموعة متنوعة من المعلومات حول الاتجاهات والموضوعات المختلفة التي يحتاج قادة التكنولوجيا والأعمال إلى معرفتها. سيسمح لهم ذلك بفهم وظائفهم بشكل أفضل وسيضمن استمرار ازدهار أعمالهم.
على مدار الأشهر القليلة الماضية ، قمنا بتحليل استخدام مستخدم النظام الأساسي واكتشفنا الموضوعات الأكثر شيوعًا والأكثر بحثًا في الذكاء الاصطناعي والتعلم الآلي. سنستكشف بعضًا من أهم الاكتشافات أدناه والتي تعطينا صورة أوسع لمكان وجود حالة الذكاء الاصطناعي والتعلم الآلي ، وفي النهاية ، إلى أين تتجه.
الذكاء الاصطناعي يفوق النمو في ML
أولاً وقبل كل شيء ، سلط تحليلنا الضوء على مدى استمرار نمو الاهتمام بالذكاء الاصطناعي. عند المقارنة بين 2018 و 2019 ، زادت المشاركة في الذكاء الاصطناعي بنسبة 58٪ - متجاوزة بكثير النمو في موضوع التعلم الآلي الأكبر ، والذي زاد بنسبة 5٪ فقط في عام 2019. عند تجميع جميع موضوعات الذكاء الاصطناعي والتعلم الآلي ، يمثل هذا ما يقرب من 5٪ من جميع الاستخدامات النشاط على المنصة.
في حين أن هذا أقل بقليل من الموضوعات عالية المستوى والراسخة مثل هندسة البيانات (8٪ من نشاط الاستخدام) وعلوم البيانات (5٪ من نشاط الاستخدام) ، إلا أن الاهتمام بهذه الموضوعات نما بنسبة 50٪ أسرع من علم البيانات. انخفضت هندسة البيانات في الواقع بنسبة 8 ٪ تقريبًا خلال نفس الوقت بسبب انخفاض المشاركة في موضوعات إدارة البيانات.
اكتشفنا أيضًا علامات مبكرة على أن المؤسسات تقوم بتجربة الأدوات والأساليب المتقدمة. من بين النتائج التي توصلنا إليها ، ربما يكون الانخراط في محتوى التعلم غير الخاضع للإشراف أحد أكثر الأشياء إثارة للاهتمام. في التعلم غير الخاضع للإشراف ، يتم تدريب خوارزمية الذكاء الاصطناعي للبحث عن الأنماط التي لم يتم اكتشافها سابقًا في مجموعة بيانات بدون تسميات أو تصنيفات موجودة مسبقًا مع الحد الأدنى من الإشراف البشري أو التوجيه. في عام 2018 ، نما استخدام موضوعات التعلم غير الخاضعة للرقابة بنسبة 53٪ وبنسبة 172٪ في عام 2019.
لكن ما الذي يدفع هذا النمو؟ في حين أن أسماء أساليبها (التجميع والارتباط) وتطبيقاتها (الشبكات العصبية) مألوفة ، فإن التعلم غير الخاضع للإشراف ليس مفهومًا جيدًا مثل نظيره في التعلم الخاضع للإشراف ، والذي يعمل كاستراتيجية افتراضية لتعلم الآلة لمعظم الأشخاص ومعظم حالات الاستخدام .
من المحتمل أن يكون الدافع وراء هذه الزيادة في نشاط التعلم غير الخاضع للإشراف هو عدم الإلمام بالمصطلح نفسه ، بالإضافة إلى استخداماته وفوائده ومتطلباته من قبل مستخدمين أكثر تطوراً يواجهون حالات استخدام لا يمكن معالجتها بسهولة بالطرق الخاضعة للإشراف.
من المحتمل أيضًا أن النجاح المرئي للتعلم غير الخاضع للإشراف في الشبكات العصبية والتعلم العميق قد ساعد في اهتمامنا ، وكذلك تنوع الأدوات والمكتبات والبرامج التعليمية مفتوحة المصدر التي تدعم التعلم غير الخاضع للإشراف.
قيامة التعلم العميق
بينما تم تبريد التعلم العميق بشكل طفيف في عام 2019 ، فإنه لا يزال يمثل 22٪ من إجمالي استخدامات الذكاء الاصطناعي والتعلم الآلي. نشك أيضًا في أن نجاحها قد ساعد في تحفيز إحياء عدد من الأفكار الأخرى المهملة أو المهملة. أكبر مثال على ذلك هو التعلم المعزز. شهد هذا الموضوع نموًا هائلاً ، حيث نما أكثر من 1,500 ٪ منذ عام 2017.
حتى مع انخفاض معدلات المشاركة بنسبة 10٪ في عام 2019 ، يعد التعلم العميق بحد ذاته أحد أكثر أساليب التعلم الآلي شيوعًا بين الشركات التي تقيِّم الذكاء الاصطناعي ، حيث تختار العديد من الشركات التقنية لدعم حالات استخدام الإنتاج. قد تكون المشاركة في موضوعات التعلم العميق قد استقرت لأن معظم الناس يشاركون بالفعل بنشاط في التكنولوجيا ، مما يعني أن النمو قد يتباطأ.
معالجة اللغة الطبيعية هي موضوع آخر أظهر نموًا ثابتًا. في حين أن معدل نموها ليس ضخمًا - فقد نما بنسبة 15٪ في 2018 و 9٪ في 2019 - تمثل معالجة اللغة الطبيعية حوالي 12٪ من جميع استخدامات الذكاء الاصطناعي والتعلم الآلي على منصتنا. يمثل هذا حوالي 6 أضعاف حصة التعلم غير الخاضع للإشراف و 5 أضعاف حصة استخدام التعلم المعزز ، على الرغم من النمو الكبير الذي شهده هذان الموضوعان على مدار العامين الماضيين.
ومع ذلك ، لا يتم التعامل مع جميع أساليب الذكاء الاصطناعي / تعلم الآلة على قدم المساواة. على سبيل المثال ، يبدو أن الاهتمام ببرامج الدردشة الآلية يتضاءل ، حيث انخفض التفاعل بنسبة 17٪ في عام 2018 وبنسبة 34٪ في عام 2019. ويرجع السبب في ذلك على الأرجح إلى أن روبوتات الدردشة كانت واحدة من التطبيقات الأولى للذكاء الاصطناعي وربما كانت انعكاسًا للنضج النسبي لها. تطبيق.
توضح المشاركة المتزايدة في التعلم غير الخاضع للإشراف والتعلم المعزز أن المؤسسات تختبر أدوات وأساليب التحليلات المتقدمة. تفتح هذه الأدوات والتقنيات حالات استخدام جديدة للشركات لتجربتها والاستفادة منها ، بما في ذلك دعم القرار والألعاب التفاعلية ومحركات التوصية للبيع بالتجزئة في الوقت الفعلي. يمكننا فقط أن نتخيل أن المؤسسات ستستمر في استخدام الذكاء الاصطناعي والتعلم الآلي لحل المشكلات وزيادة الإنتاجية وتسريع العمليات وتقديم منتجات وخدمات جديدة.
نظرًا لأن المنظمات تتبنى تقنيات تحليلية ، فإنها تكتشف المزيد عن نفسها وعوالمها. يؤدي اعتماد ML ، على وجه الخصوص ، إلى حث الأشخاص على جميع مستويات المؤسسة على البدء في طرح الأسئلة التي تتحدى ما تعتقد المنظمة أنها تعرفه عن نفسها.
باستخدام ML و AI ، نقوم بتدريب الآلات على إظهار أشياء جديدة من المعرفة تساعدنا أثناء تعلمنا لطرح أسئلة جديدة ومختلفة وأحيانًا صعبة عن أنفسنا. بكل المؤشرات ، يبدو أننا نحقق بعض النجاح في هذا الأمر. من يدري ما يخبئه المستقبل ، ولكن عندما تصبح التقنيات أكثر ذكاءً ، فلا شك أننا سنصبح أكثر اعتمادًا.
المصدر: https://www.fintechnews.org/the-future-growth-of-ai-and-ml/
