لماذا يحتاج الذكاء الاصطناعي إلى نظام غذائي ثابت من البيانات التركيبية
قد يكون الذكاء الاصطناعي (AI) يأكل العالم كما نعرفه، لكن الخبراء يقولون إن الذكاء الاصطناعي نفسه يتضور جوعاً أيضًا – ويحتاج إلى تغيير نظامه الغذائي. تقول إحدى الشركات أن البيانات التركيبية هي الحل.
قال كيفن ماكنمارا، الرئيس التنفيذي ومؤسس مزود منصة البيانات الاصطناعية، Parallel Domain، الذي جمع للتو 30 مليون دولار في سلسلة B بقيادة March Capital: ” البيانات غذاء للذكاء الاصطناعي، لكن الذكاء الاصطناعي اليوم يعاني من نقص التغذية وسوء التغذية”.
“لهذا السبب تنمو الأشياء ببطء. ولكن إذا تمكنا من إطعام ذلك الذكاء الاصطناعي بشكل أفضل، فإن النماذج ستنمو بشكل أسرع وأكثر صحة. البيانات التركيبية مثل الغذاء لتدريب الذكاء الاصطناعي “.
أظهرت الأبحاث أن حوالي 90٪ من عمليات نشر الذكاء الاصطناعي والتعلم الآلي (ML) تفشل. أشار تقرير Datagen في وقت سابق من هذا العام إلى أن الكثير من الفشل يرجع إلى نقص بيانات التدريب.
ووجد أن 99 ٪ من المتخصصين في رؤية الكمبيوتر يقولون إنهم أوقفوا مشروع ML على وجه التحديد بسبب نقص البيانات اللازمة لرؤيته.
أفاد 100٪ من المشاركين أنه حتى المشاريع التي لم يتم إلغاؤها بالكامل بسبب نقص البيانات واجهت تأخيرات كبيرة، مما أدى إلى خروجها عن المسار الصحيح.
في هذا السياق، تتوقع جارتنر أن البيانات التركيبية ستُستخدم بشكل متزايد كمكمل لأغراض التدريب على الذكاء الاصطناعي والتعلم الآلي.
مشاريع الأبحاث العملاقة أنه بحلول عام 2024 سيتم استخدام البيانات التركيبية لتسريع 60 ٪ من مشاريع الذكاء الاصطناعي.
يتم إنشاء البيانات التركيبية من خلال خوارزميات التعلم الآلي التي تستوعب بيانات حقيقية للتدريب على الأنماط السلوكية وإنشاء بيانات محاكاة تحتفظ بالخصائص الإحصائية لمجموعة البيانات الأصلية.
تكرر البيانات الناتجة ظروف العالم الحقيقي، ولكن بخلاف مجموعات البيانات القياسية المجهولة الهوية، فهي ليست عرضة لنفس عيوب البيانات الحقيقية.
إخراج الذكاء الاصطناعي من “العصر الحجري“
قد يبدو من غير المعتاد أن نسمع أن تقنية متقدمة مثل الذكاء الاصطناعي عالقة في “العصر الحجري” من نوع ما، ولكن هذا ما يراه مكنمارا – وبدون اعتماد البيانات الاصطناعية، ستبقى على هذا النحو، كما يقول.
قال: “في الوقت الحالي، يعد تطوير الذكاء الاصطناعي نوعًا من الطريقة التي كانت بها برمجة الكمبيوتر في الستينيات أو السبعينيات عندما استخدم الناس برمجة البطاقات المثقبة – وهي عملية يدوية كثيفة العمالة”.
“حسنًا، انتقل العالم في النهاية بعيدًا عن هذا وإلى البرمجة الرقمية. نريد أن نفعل ذلك من أجل تطوير الذكاء الاصطناعي “.
قال ماكن مارا: “هذه العملية برمتها بطيئة للغاية”. “إذا كان بإمكانك تغيير هذه الأشياء بسرعة كبيرة، يمكنك في الواقع اكتشاف إعدادات أفضل وطرق أفضل لتطوير الذكاء الاصطناعي الخاص بك في المقام الأول.”
أدخل المرحلة اليمنى: البيانات التركيبية
يعمل Parallel Domain عن طريق إنشاء عوالم افتراضية تستند إلى الخرائط، والتي يطلق عليها “أبناء العمومة الرقمية” لسيناريوهات العالم الحقيقي والمناطق الجغرافية.
يمكن تغيير هذه العوالم والتلاعب بها، على سبيل المثال، للحصول على مزيد من المشي أو المطر للمساعدة في تدريب المركبات المستقلة.
نظرًا لأن العوالم هي أولاد عمومة رقمية وليست توائم رقمية، يمكن للتخصيص محاكاة البيانات التي يصعب الحصول عليها أحيانًا – ولكنها ضرورية للتدريب – والتي يتعين على الشركات عادةً إخراجها والحصول عليها بنفسها.
يسمح النظام الأساسي للمستخدمين بتكييفه وفقًا لاحتياجاتهم عبر واجهة برمجة التطبيقات، حتى يتمكنوا من نقل العوامل أو معالجتها بالطريقة التي يريدونها بدقة.
يؤدي ذلك إلى تسريع عملية تدريب الذكاء الاصطناعي ويزيل حواجز الوقت والجهد.
تدعي الشركة أنه في غضون ساعات يمكنها توفير مجموعات بيانات تدريبية جاهزة لعملائها لاستخدامها – عملاء من بينهم معهد أبحاث تويوتا، وجوجل، وكونتيننتال Oven بلانيت.
قال ماكن مارا: “يمكن للعملاء الذهاب إلى عالم المحاكاة وتحقيق الأشياء أو سحب البيانات من هذا العالم”.
“لدينا مقابض لأنواع مختلفة من فئات الأصول والسيناريوهات التي يمكن أن تحدث، بالإضافة إلى طرق يمكن للعملاء من خلالها توصيل منطقهم الخاص بما يرونه، وأين يرونه وكيف تتصرف هذه الأشياء.”
بعد ذلك، يحتاج العملاء إلى طريقة لسحب البيانات من هذا العالم إلى التكوين الذي يطابق إعدادهم، كما أوضح.
وقال: “تسمح لنا أدوات تكوين المستشعر وأدوات تكوين الملصقات بتكرار إعداد الكاميرا الدقيق أو إعداد الليدار والرادار الدقيق ووضع الملصقات الذي يراه العميل”.
البيانات التركيبية، الذكاء الاصطناعي التوليدي
لا تعد البيانات التركيبية مفيدة فقط لتدريب نموذج الذكاء الاصطناعي والتعلم الآلي، بل يمكن تطبيقها لجعل الذكاء الاصطناعي التوليدي – وهو استخدام سريع النمو بالفعل للتكنولوجيا – يتطور بشكل أسرع.
تتطلع Parallel Domain إلى هذا المجال مع دخول الشركة عام 2023 برأس مال جديد. إنها تأمل في مضاعفة البيانات التي يحتاجها الذكاء الاصطناعي لتدريبها، بحيث يمكن أن تصبح أداة أكثر قوة لإنشاء المحتوى.
يركز فريق البحث والتطوير التابع لها على التنوع والتفاصيل في محاكاة البيانات التركيبية التي يمكن أن توفرها.
قال ميانمارا: “أنا متحمس بشأن الذكاء الاصطناعي التوليدي في فضاءنا”. “لسنا هنا لخلق تفسير فني للعالم. نحن هنا بالفعل لإنشاء ابن عم رقمي للعالم.
أعتقد أن الذكاء الاصطناعي التوليدي فعال حقًا في النظر إلى أمثلة للصور من جميع أنحاء العالم، ثم جذبها وإنشاء أمثلة مثيرة للاهتمام ومعلومات جديدة داخل البيانات التركيبية.
ولهذا السبب، سيكون الذكاء الاصطناعي التوليدي جزءًا كبيرًا من التقدم التكنولوجي الذي نستثمر فيه للعام المقبل “.
لا تقتصر قيمة البيانات التركيبية على الذكاء الاصطناعي. نظرًا للكم الهائل من البيانات اللازمة لإنشاء بيئات افتراضية واقعية، فهي أيضًا الطريقة العملية الوحيدة لتحريك metaverse إلى الأمام.
Parallel Domain هو جزء من قطاع بدء تشغيل البيانات التركيبية سريع النمو، والذي ذكرت Crunchbase سابقًا أنه يشهد مجموعة كبيرة من التمويل.
Datagen و Gretel AI و Mostly AI هي بعض من منافسيها الذين جمعوا أيضًا عدة ملايين في العام الماضي.
شاهد ايضا:
التمويل الشخصي في البنك السعودي للاستثمار
خدمات التمويل الشخصي في الكويت
خدمات التمويل الشخصي لي شركة مرنة
خدمات التمويل الشخصي لي شركة الرائدة
التمويل الشخصي في الشركة السعودية للتمويل
