ما المقصود بالذكاء الاصطناعي المبتكر؟ كيف يعمل؟

جريج بافليك | نائب الرئيس الأول في Oracle Cloud Infrastructure | 15 سبتمبر 2023

يُعد الذكاء الاصطناعي المبتكر شكل جديد نسبيًا من أشكال الذكاء الاصطناعي، على عكس ما سبقه، كما يمكنه إنشاء محتوى جديد من خلال الاستقراء من بيانات التدريب. استحوذت قدرتها غير العادية على إنتاج الكتابة، والصور، والصوت، والفيديو المشابهة لدى البشر على خيال العالم منذ إطلاق أول روبوت محادثة استهلاكي بالذكاء الاصطناعي المبتكر للجمهور في خريف عام 2022. قدّر تقرير صدر في يونيو 2023 عن شركة McKinsey & Company أن الذكاء الاصطناعي المبتكر لديه إمكانية إضافة ما بين 6.1 إلى 7.9 تريليون دولار إلى الاقتصاد العالمي سنويًا من خلال زيادة إنتاجية العمال. لوضع ذلك في السياق، يثقل نفس البحث الإمكانات الاقتصادية السنوية لزيادة الإنتاجية من جميع تقنيات الذكاء الاصطناعي بما يتراوح بين 17.1 و25.6 تريليون دولار. لذا، على الرغم من أن الذكاء الاصطناعي المبتكر له "صدى" هنا في منتصف عام 2023، إلا أنه لا يزال مجرد جزء من "القطعة الأكبر" الذكاء الاصطناعي بالكامل.

لكن كل إجراء له رد فعل متساو وعكسي. لذا، إلى جانب آفاق الإنتاجية الرائعة، يجلب الذكاء الاصطناعي المبتكر مخاطر تجارية محتملة جديدة—مثل عدم الدقة، وانتهاكات الخصوصية، والتعرض للملكية الفكرية—بالإضافة إلى القدرة على إحداث اضطراب اقتصادي واجتماعي واسع النطاق. على سبيل المثال، من غير المرجح أن تتحقق فوائد إنتاجية الذكاء الاصطناعي المبتكر دون بذل جهود كبيرة لإعادة تدريب العمال، حتى إذا كان الأمر كذلك، فإنها تفصل الكثيرين من وظائفهم الحالية. بالتالي، يدعو صناع السياسات في جميع أنحاء العالم، حتى بعض المسؤولين التنفيذيين في مجال التكنولوجيا، إلى الاعتماد السريع للوائح الذكاء الاصطناعي.

تمثل هذه المقالة استكشاف مُتعمق لوعد وخطر الذكاء الاصطناعي المبتكر: كيف يعمل؛ وتطبيقاته الفورية، وحالات الاستخدام، والأمثلة؛ وقيوده؛ وفوائده التجارية المحتملة ومخاطره؛ وأفضل الممارسات لاستخدامه؛ ولمحة عن مستقبله.

ما المقصود بالذكاء الاصطناعي المبتكر؟

إن الذكاء الاصطناعي المبتكر (GAI) الاسم المعطى لمجموعة فرعية من تقنيات التعلم الآلي للذكاء الاصطناعي التي طورت مؤخرًا القدرة على إنشاء محتوى بسرعة استجابة لمطالبات النص، والتي يمكن أن تتراوح من قصيرة وبسيطة إلى طويلة ومُعقدة. يمكن أن تنتج أدوات الذكاء الاصطناعي المُختلفة محتوى صوت وصورة ومقاطع فيديو جديد، لكنها تمثل ذكاء اصطناعي للمحادثة بنصوص موجهة أطلق العنان للمخيلات. في الواقع، يمكن للناس التحدث باستخدام نماذج الذكاء الاصطناعي المبتكر المُدربة على النصوص والتعلم منها بنفس الطريقة التي يتعاملون بها مع البشر.

اجتاح صدى الذكاء الاصطناعي المبتكر العالم في الأشهر التالية لظهور ChatGPT، وهو روبوت محادثة يستند إلى نموذج الشبكة العصبية GPT-3.5 من OpenAI، تم إصداره في 30 نوفمبر 2022. تشير GPT إلى محولات مبتكرة تم تدريبها مُسبقًا، والكلمات التي تصف بشكل رئيس بنية الشبكة العصبية الرئيسة للنموذج.

توجد العديد من الأمثلة السابقة لروبوتات المحادثة، بدءًا من ELIZA الخاص بمعهد ماساتشوستس للتكنولوجيا في منتصف الستينيات. لكن معظم روبوتات المحادثة السابقة، بما في ذلك ELIZA، كانت قائمة بالكامل أو إلى حد كبير على القواعد، لذلك؛ افتقرت إلى الفهم السياقي. كانت ردودهم مُقتصرة على مجموعة من القواعد والنماذج المُحددة مسبقًا. على النقيض من ذلك، لا تشتمل نماذج الذكاء الاصطناعي العامة المبتكرة الآن على مثل هذه القواعد أو القوالب المُحددة مسبقًا. من الناحية المجازية، إنها أدمغة أولية فارغة (شبكات عصبية) تتعرض للعالم من خلال التدريب على بيانات العالم الحقيقي. ثم يتطور لديها التحليل الذكي بشكل مستقل—نموذجًا تمثيليًا لطريقة عمل هذا العالم—التي يستخدمونها لإنشاء محتوى جديد استجابةً للمطالبات. حتى خبراء الذكاء الاصطناعي لا يعرفون بالضبط طريقة قيامها بذلك، إذ يتم تطوير الخوارزميات ذاتيًا وضبطها أثناء تدريب النظام.

يجب أن تكون الشركات الكبيرة والصغيرة مُتحمسة لإمكانات الذكاء الاصطناعي العامة لتقديم فوائد أتمتة التكنولوجيا إلى أعمال المعرفة، التي قاومت الأتمتة إلى حد كبير حتى الآن. تغير أدوات الذكاء الاصطناعي المبتكر حساب أتمتة أعمال المعرفة؛ تعني قدرتها على إنتاج الكتابة أو الصور أو الصوت أو الفيديو الشبيهة لدى البشر استجابة لمطالبات النصوص باللغة الإنجليزية العادية ويمكن أن تتعاون مع الشركاء البشريين لإنشاء محتوى يمثل الأعمال العملية.

صرح لاري إليسون، رئيس مجلس إدارة شركة Oracle وكبير موظفي التكنولوجيا في Oracle، خلال إعلان أرباح يونيو 2023، "على مدار السنوات القليلة المقبلة، ستدرب الكثير من الشركات نماذج اللغة الكبيرة الخاصة بها".

الذكاء الاصطناعي المبتكر مقابل الذكاء الاصطناعي

يمثل الذكاء الاصطناعي مجال واسع من علوم الكمبيوتر، والتي يعد الذكاء الاصطناعي المبتكر جزءًا صغيرًا منها، على الأقل في الوقت الحالي. بطبيعة الحال، يشارك الذكاء الاصطناعي المبتكر العديد من السمات المشتركة مع الذكاء الاصطناعي التقليدي. لكن توجد أيضًا بعض الفروق الواضحة.

  • السمات الشائعة: يعتمد كلاهما على كميات كبيرة من البيانات للتدريب واتخاذ القرار (على الرغم من أن بيانات التدريب الخاصة بالذكاء الاصطناعي المبتكر يمكن أن تكون كبيرة الحجم). يتعلم كلاهما الأنماط من البيانات ويستخدمان تلك "المعرفة" لإجراء التنبؤات وتكييف سلوكهما. يمكن اختياريًا تحسين كليهما بمرور الوقت عن طريق تعديل معلماتهما استنادًا إلى الملاحظات أو المعلومات الجديدة.
  • الاختلافات: يتم عادةً تصميم أنظمة الذكاء الاصطناعي التقليدية لأداء مهمة محددة بشكل أفضل أو بتكلفة أقل من الإنسان، مثل اكتشاف الاحتيال في بطاقة الائتمان، أو تحديد اتجاهات القيادة، أو—من المحتمل أن تظهر قريبًا—خلال قيادة السيارة. الذكاء الاصطناعي المبتكر؛ ينشئ محتوى جديدًا وأصلي يشبه بيانات التدريب، لكن لا يمكن العثور عليه فيها. كما يتم تدريب أنظمة الذكاء الاصطناعي التقليدية، مثل أنظمة التعلم الآلي بشكل أساس على البيانات الخاصة بوظيفتها المقصودة، بينما يتم تدريب نماذج الذكاء الاصطناعي المبتكر على مجموعات البيانات الكبيرة والمتنوعة (ثم، في بعض الأحيان، يتم ضبطها بدقة على أحجام بيانات أصغر بكثير مُرتبطة بوظيفة معينة). أخيرًا، يتم غالبًا تدريب الذكاء الاصطناعي التقليدي دائمًا على البيانات المُصنفة/المُعلمة باستخدام تقنيات التعلم الخاضعة للإشراف، بينما يجب دائمًا تدريب الذكاء الاصطناعي المبتكر، على الأقل في البداية، باستخدام التعلم غير الخاضع للإشراف (إذ لا يتم تسمية البيانات، ولا يتم إعطاء برنامج الذكاء الاصطناعي أي توجيهات صريحة).

في اقتباس على لسان أحد الباحثين في مجال الذكاء الاصطناعي قائلًا؛ يوجد اختلاف آخر جدير بالذكر، وهو أن تدريب النماذج التأسيسية للذكاء الاصطناعي المبتكر "مكلف للغاية". قُل 100 مليون دولار فقط للأجهزة اللازمة لبدء العمل وكذلك تكاليف الخدمات السحابية المكافئة، إذ يتم تنفيذ معظم التطوير الخاص بالذكاء الاصطناعي. توجد فيما بعد تكلفة كميات البيانات الضخمة المُعتادة المطلوبة.

النقاط الرئيسة

  • أصبح الذكاء الاصطناعي المبتكر يحمل ضجة واسعة الانتشار في نوفمبر 2022 ومن المتوقع أن يضيف قريبًا تريليونات الدولارات إلى الاقتصاد العالمي—سنويًا.
  • يمثل الذكاء الاصطناعي شكل من أشكال التعلم الآلي القائم على الشبكات العصبية المُدربة على مجموعات واسعة من البيانات التي يمكن أن تنشئ نصًا جديدًا أو صورة أو فيديو أو محتوى صوتي استجابةً لمطالبات اللغة الطبيعية للمستخدمين.
  • يتوقع باحثو السوق أن التكنولوجيا توفر دفعة اقتصادية من خلال تسريع تعزيز الإنتاجية بشكل كبير للعاملين في مجال المعرفة، الذين قاومت مهامهم الأتمتة قبل الآن.
  • يأتي الذكاء الاصطناعي المبتكر مع المخاطر والقيود التي يجب على المؤسسات التخفيف منها، مثل "تخيل" وجود معلومات غير صحيحة أو خاطئة وانتهاك حقوق التأليف والنشر عن غير قصد.
  • من المتوقع أيضًا أن تحدث تغيرات كبيرة في طبيعة العمل، بما في ذلك الخسائر المحتملة في الوظائف وإعادة تشكيل الأدوار.

شرح الذكاء الاصطناعي المبتكر

بالنسبة للشركات الكبيرة والصغيرة، على ما يبدو أن الوعد السحري للذكاء الاصطناعي المبتكر يمكن أن يجلب فوائد أتمتة التكنولوجيا إلى أعمال المعرفة. أو، وفقًا إلى تقرير McKinsey، "الأنشطة التي تنطوي على اتخاذ القرارات والتعاون، التي كانت في السابق أقل إمكانات للأتمتة".

تاريخيًا، كانت التكنولوجيا أكثر فعالية في أتمتة المهام الروتينية أو المتكررة للقرارات المعروفة بالفعل أو التي يمكن تحديدها مع مستوى عال من الثقة على أساس قواعد محددة وجيدة الفهم. فكر في التصنيع، في ظل تكرار خط التجميع الدقيق أو المحاسبة، مع المبادئ المنظمة التي تحددها الشركات الصناعية. لكن يتمتع الذكاء الاصطناعي المبتكر بالقدرة على القيام بعمل إدراكي أكثر تطورًا. لاقتراح مثال بارز على ذلك، قد يساعد الذكاء الاصطناعي في تكوين استراتيجية المؤسسة من خلال الاستجابة للمطالبات التي تطلب أفكارًا وسيناريوهات بديلة من مديري الأعمال في خضم الاضطرابات الصناعية.

قيّمت McKinsey عدد 63 حالة استخدام عبر 16 وظيفة عمل، وخلَصت إلى أن 75% من تريليونات الدولارات من القيمة المحتملة التي يمكن تحقيقها من الذكاء الاصطناعي العام تأتي من مجموعة فرعية من حالات الاستخدام في أربع وظائف فقط هي: عمليات العملاء، والتسويق والمبيعات، وهندسة البرامج، والبحث والتطوير. تم توزيع احتمالات زيادة الإيرادات عبر الصناعات بشكل أكثر تكافؤًا، على الرغم من وجود نقاط بارزة فيما يلي: تصدرت التكنولوجيا العالية القائمة من ناحية التعزيز المحتمل كنسبة مئوية من إيرادات الصناعة، تليها الخدمات البنكية والمستحضرات الصيدلانية والمنتجات الطبية والتعليم والاتصالات والرعاية الصحية.

بشكل منفصل، يرتبط تحليل Gartner بتوقعات McKinsey: على سبيل المثال، يتم اكتشاف أكثر من 30٪ من الأدوية والمواد الجديدة باستخدام تقنيات الذكاء الاصطناعي العامة بحلول عام 2025، بزيادة عن الصفر اليوم، وأن 30٪ من رسائل التسويق الصادرة من المؤسسات الكبيرة يتم إنشاؤها أيضًا بحلول عام 2025، بزيادة عن 2٪ في عام 2022 سابقًا. وفي استطلاع عبر الإنترنت، وجدت Gartner أن تجربة العملاء والاحتفاظ بهم يمثلان أهم استجابة (بنسبة 38%) لـ 2500 مسؤول تنفيذي تم سؤالهم عن مكان استثمار مؤسساتهم في الذكاء الاصطناعي المبتكر.

إن ما يجعل من الممكن أن يحدث كل هذا بسرعة أنه على عكس الذكاء الاصطناعي التقليدي، الذي كان يؤتمت بهدوء ويضيف قيمة إلى العمليات التجارية لعقود، انفجر الذكاء الاصطناعي المبتكر تجاه وعي العالم بفضل مواهب المحادثة الشبيهة لدى بالبشر في ChatGPT. كما سلط ذلك الضوء على تقنية الذكاء الاصطناعي المبتكر التي تركز على الوسائل الأخرى وجذب انتباه الناس إليها؛ إذ يبدو أن الجميع يجربون كتابة النصوص، أو يألفون الموسيقى والصور ومقاطع الفيديو باستخدام واحد أو أكثر من النماذج المختلفة المُتخصصة في كل مجال. لذلك، مع وجود العديد من المؤسسات التي تجرب بالفعل الذكاء الاصطناعي المبتكر، فمن المرجح أن يكون تأثيره على الأعمال والمجتمع كبيرًا—ويظهر بسرعة هائلة.

الجانب السلبي الواضح هو أن أعمال المعرفة تتغير. تتغير الأدوار الفردية، في بعض الأحيان بشكل كبير، لذلك؛ يحتاج العمال إلى تعلم مهارات جديدة. سيتم فقدان بعض الوظائف. مع ذلك، فمن الناحية التاريخية، فإن التغيرات التكنولوجية الكبيرة، مثل الذكاء الاصطناعي المبتكر، أضافت دائمًا المزيد من الوظائف (وهي وظائف ذات قيمة أعلى) إلى الاقتصاد أكثر مما تخلصت منه. لكن هذا ليس سوى القليل من الراحة لأولئك الذين يتم التخلص من وظائفهم.

كيف يعمل الذكاء الاصطناعي المبتكر؟

توجد إجابتان على السؤال حول طريقة عمل نماذج الذكاء الاصطناعي المبتكر. من الناحية التجريبية، نعرف طريقة عملها بالتفصيل لأن البشر صمموا عمليات تنفيذ الشبكات العصبية المُختلفة الخاصة بهم للقيام بما يفعلونه بالضبط، ليكرروا تلك التصاميم على مدى عقود لجعلها أفضل وأفضل. يعرف مطورو الذكاء الاصطناعي بالضبط طريقة اتصال الخلايا العصبية؛ إذ هم من صمموا عملية تدريب كل نموذج. مع ذلك، ففي الممارسة العملية، لا أحد يعرف بالضبط كيف تنفذ نماذج الذكاء الاصطناعي المبتكر ذلك—هذه هي الحقيقة المربكة.

"لا نعرف كيف يقومون بالمهمة الإبداعية الفعلية لأن ما يجري داخل طبقات الشبكة العصبية أمر معقد للغاية بالنسبة لنا لفك تشفيره، على الأقل اليوم". حسب تصريح دين تومسون، كبير موظفي التكنولوجيا السابقين للشركات الناشئة متعددة الذكاء الاصطناعي التي حصلت عليها الشركات على مر السنين، بما في ذلك LinkedIn وYelp، إذ لا يزال بصفته مهندس برمجيات كبير يعمل على نماذج اللغة الكبيرة (LLM). يبدو أن قدرة الذكاء الاصطناعي المبتكر على إنتاج محتوى أصلي جديد هي خاصية ناشئة لما هو معروف، أي بنيته وتدريبه. لذلك، في حين وجود الكثير لشرحه مقارنة بما نعرفه وما يقدمه نموذج مثل GPT-3.5 داخليًا—وما يفكر فيه، إذا لم تكن—اكتشفته بعد. بعض الباحثين في الذكاء الاصطناعي واثقون من أن هذا سيصبح معروفًا في السنوات الخمس إلى العشر القادمة؛ والبعض الآخر غير متأكد من الوصول إلى فهمه بشكل كامل.

فيما يلي نظرة عامة عما ننجزه للتعرف عن طريقة عمل الذكاء الاصطناعي المبتكر فيما يلي:

  • البدء بالدماغ. إن الموضع الجيد للبدء في فهم نماذج الذكاء الاصطناعي المبتكر هو الدماغ البشري، حسب تصريح جيف هوكينز في كتابه الصادر عام 2004 بعنوان "حول التحليل الذكي". قدم هوكينز، عالم الحاسوب وعالم الدماغ، ورائد الأعمال، عمله في جلسة عام 2005 في PC Forum، وكان مؤتمرًا سنويًا لكبار المديرين التنفيذيين للتكنولوجيا بقيادة المستثمر التكنولوجي إستر دايسون. افترض هوكينز أن الدماغ يعمل على مستوى الخلايا العصبية من خلال التنبؤ باستمرار بما يحدث بعد ذلك ومن ثم التعلم من الاختلافات بين توقعاته والواقع اللاحق. لتحسين قدرته التنبؤية، يبني الدماغ تمثيل داخلي للعالم. في نظريته، ينبثق الذكاء البشري من تلك العملية. سواء تأثر ذلك بهوكينز أم لا، يعمل الذكاء الاصطناعي المبتكر بهذه الطريقة بالضبط. وبشكل مذهل، يعمل كما لو كان ذكيًا.

  • إنشاء شبكة عصبية اصطناعية. تبدأ جميع نماذج الذكاء الاصطناعي المبتكر بشبكة عصبية اصطناعية مُشفرة في البرامج. يقول تومسون إن الاستعارة البصرية الجيدة للشبكة العصبية هو تخيل الجدول الإلكتروني المألوف، لكن في بأبعاد ثلاثية لأن الخلايا العصبية الاصطناعية مُكدسة في طبقات، على غرار طريقة تكديس الخلايا العصبية الحقيقية في الدماغ. حتى أن الباحثين في الذكاء الاصطناعي يطلقون على كل الخلايا العصبية "خلية"، حسبما ذكر تومسون، وتحتوي كل خلية على صيغة مرتبطة بها بالخلايا الأخرى في الشبكة—مما يحاكي الطريقة التي تتمتع بها الروابط بين الخلايا العصبية في الدماغ بنقاط قوة مُختلفة.

    قد يكون لكل طبقة عشرات أو مئات أو آلاف الخلايا العصبية الاصطناعية، لكن عدد الخلايا العصبية ليس ما يركز عليه باحثو الذكاء الاصطناعي. بدلًا من ذلك، فإنها تقيس النماذج من خلال عدد الاتصالات بين الخلايا العصبية. تختلف نقاط القوة في هذه الروابط على أساس معاملات معادلات الخلايا الخاصة بها، التي تُسمى بشكل عام "قيم الترجيح" أو "المعلمات". إن هذه المعامِلات التي تحدد الاتصال هي ما يشار إليها عندما تقرأ، على سبيل المثال، احتواء نموذج GPT-3 على 175 مليار معلمة. يُشاع أن النسخة الأخيرة GPT-4، تحتوي على مليارت من المعلمات، على الرغم من أن ذلك غير مؤكد. يوجد عدد قليل من بنيات الشبكة العصبية ذات الخصائص المُختلفة التي تسمح لنفسها بإنتاج المحتوى بطريقة معينة؛ إذ يبدو أن بنية المحول هي الأفضل لنماذج اللغة الكبيرة على سبيل المثال.

  • لتعريف بنموذج الشبكة العصبية المُستجد. يتم منح نماذج اللغة الكبيرة كميات هائلة من النصوص لمعالجتها ومنحها مهام إجراء تنبؤات بسيطة، مثل الكلمة التالية في تسلسل أو الترتيب الصحيح لمجموعة من الجمل. في الممارسة العملية، على الرغم من أن نماذج الشبكة العصبية تعمل في وحدات تسمى المقاطع ليس الكلمات.

    "قد يكون للكلمة الشائعة مقطعها الخاص، ومن المؤكد أن الكلمات غير الشائعة تتكون من مقاطع متعددة، وقد تكون بعض المقاطع مجرد مسافة واحدة يتبعها "ال" لأن هذا التسلسل من ثلاثة أحرف شائع للغاية". لإجراء كل تنبؤ، يُدخل النموذج مقطع في الطبقة السفلية من مجموعة معينة من الخلايا العصبية الاصطناعية؛ تعالجها تلك الطبقة وتمرر مخرجاتها إلى الطبقة التالية، التي تعالج وتمرر مخرجاتها، وهكذا حتى تظهر المخرجات النهائية من أعلى المجموعة. يمكن أن تختلف أحجام المجموعة بشكل كبير، لكنها عادةً تأتي حسب ترتيب عشرات الطبقات، ليس الآلاف أو الملايين.

    في مراحل التدريب المُبكرة، لا تُعد توقعات النموذج جيدة جدًا. لكن في كل مرة يتوقع فيها النموذج مقطعًا، يتحقق من الصحة مقابل بيانات التدريب. سواء كانت صحيحة أو خاطئة، تضبط خوارزمية "الانتشار العكسي" المعلمات—أي معاملات الصيغ—في كل خلية من المجموعة التي أجرت ذلك التنبؤ. يتمثل الهدف من التعديلات في جعل التنبؤ الصحيح أكثر احتمالًا.

    "يُنفذ ذلك من أجل الحصول على الإجابات الصحيحة أيضًا، لأن هذا التنبؤ الصحيح ربما كان مؤكدًا بنسبة 30٪ فقط، لكن تلك الـ 30٪ كانت معظم الإجابات المحتملة الأخرى". لذلك، يسعى الانتشار العكسي إلى تحويل 30٪ إلى 30.001٪، أو شيء من هذا القبيل.

    بعد أن يكرر النموذج هذه العملية لمليارات المقاطع النصية، يصبح من الجيد جدًا التنبؤ بالمقطع أو الكلمة التالية. بعد التدريب الأولي، يمكن ضبط نماذج الذكاء الاصطناعي المبتكر من خلال تقنية تعليمية خاضعة للإشراف، مثل التعلم المعزز من ردود الفعل البشرية (RLHF). في RLHF، يتم تقديم مخرجات النموذج للمراجعين البشريين الذين يجرون تقييم إيجابي أو سلبي ثنائي—بموافقة أو رفض—يتم تغذيته مرة أخرى إلى النموذج. تم استخدام RLHF لضبط نموذج GPT 3.5 الخاص بـ OpenAI للمساعدة في إنشاء روبوت المحادثة ChatGPT انتشر بشكل هائل.

  • لكن كيف أجاب النموذج على سؤالي؟ إنه لغز. هنا يوضح تومسون حالة الفهم الحالية: "توجد حالة "عدم معرفة" ضخمة في منتصف التوضيح. ما نعرفه أنه يأخذ سؤالك بالكامل كتسلسل من المقاطع، وفي الطبقة الأولى يعالجها كلها في وقت واحد. ونعلم أنه يعالج المخرجات فيما بعد من تلك الطبقة الأولى في الطبقة التالية، وهكذا إلى أعلى المجموعة. نعلم حينها أنه يستخدم تلك الطبقة العليا للتنبؤ، أي لإنتاج مقطعًا أولًا، وأن ذلك المقطع الأول يتم تمثيله بصفته مُقدَّم في هذا النظام بأكمله لإنتاج المقطع التالي، وما إلى ذلك.

    "السؤال المنطقي التالي هو، ما الذي فكر فيه، وكيف تتم تلك المعالجة عامةً؟ ماذا قدمت كل هذه الطبقات؟ الإجابة الصارخة هي؛ لا نعرف. إننا … نحن … لا … نعرف. يمكنك دراستها. يمكنك ملاحظتها. لكن الأمر مُعقد بما يتجاوز قدرتنا على التحليل. إنها تمامًا مثل F-MRI [التصوير بالرنين المغناطيسي الوظيفي] على أدمغة الناس. إنه المخطط الأضعف لما فعله النموذج بالفعل. لا نعرف".

    على الرغم من أنه مثير للجدل، خلصت مجموعة من أكثر من عشرة باحثين تمكنوا من الوصول المبكر إلى GPT-4 في خريف عام 2022 إلى أن التحليل الذكي التي يستجيب له النموذج للتحديات المعقدة التي يمثلها، ومجموعة واسعة من الخبرات التي تظهرها، وتشير إلى أن GPT-4 حققت شكلاً من أشكال التحليل الذكي العام. بعبارة أخرى، بنى نموذجًا داخليًا لطريقة عمل العالم، تمامًا كما قد يفعل الدماغ البشري، ويستخدم هذا النموذج للتفكير من خلال الأسئلة المطروحة عليه. قال أحد الباحثين في ‬النشرة الصوتية "This American Life" أنه مر بلحظة "سيئة---" عندما طلب من GPT-4 قائلًا "أعطني وصفة كوكيز برقائق الشوكولاتة، لكن مكتوبة بأسلوب شخص مكتئب للغاية"، وأجاب النموذج: "المكونات: 1 كوب زبدة خفف، إذا كان يمكنك حتى امتلاك الطاقة لتخفيفها. 1 ملعقة صغيرة مستخلص الفانيليا، ونكهة مزيفة اصطناعية بطعم السعادة. 1 كوب رقائق الشوكولاتة شبه الحلوة، قطع صغيرة من المرح تذوب نهاية حتى آخرها".

لماذا الذكاء الاصطناعي المبتكر مُهمًا؟

تتمثل إحدى الطرق المُفيدة لفهم أهمية الذكاء الاصطناعي المبتكر في النظر إليه باعتباره حاسبة للمحتوى الإبداعي المفتوح. مثل الآلة الحاسبة تؤتمت العمليات الحسابية الروتينية والعادية، مما يسمح للشخص بالتركيز على المهام ذات المستوى الأعلى، في حين يتمتع الذكاء الاصطناعي المبتكر بالقدرة على أتمتة المهام الفرعية الأكثر روتينية وعادية التي تشكل الكثير من أعمال المعرفة، مما يتيح للأشخاص التركيز على الأجزاء الأعلى مستوى من العمل.

ضع في اعتبارك التحديات التي يواجهها المسوقون في الحصول على رؤى قابلة للتنفيذ من البيانات غير المنظمة وغير المتناسقة وغير المتصلة التي يواجهونها غالبًا. تقليديًا، تحتاج هذه الشركات إلى دمج تلك البيانات كخطوة أولى، مما يتطلب قدرًا معقولًا من هندسة البرامج المُخصصة لتقديم بنية مشتركة لمصادر البيانات المختلفة، مثل الوسائط الاجتماعية والأخبار وملاحظات العملاء.

"لكن باستخدام نماذج LLM، يمكنك ببساطة تغذية المعلومات من مصادر مُختلفة مباشرة في المطالبة ثم فيما بعد طلب رؤى رئيسة، أو التعليقات التي تحدد أولوياتها، أو طلب تحليل الميول—وستعمل فحسب"، حسب تصريح باسم بيغ، مدير هندسي كبير متخصص في الذكاء الاصطناعي والأمن في Duolingo. "إن قوة LLM هنا تكمن في أنه يتيح لك تخطي هذه الخطوة التصميمية والمكلفة."

بالإضافة إلى ذلك، يقترح تومسون أن مسوّقي المنتجات قد يستخدمون نماذج LLM لوضع علامة على نص بتنسيق حر للتحليل. على سبيل المثال، تخيل أن لديك قاعدة بيانات ضخمة من وسائل التواصل الاجتماعي تشير إلى منتجك. يمكنك كتابة برامج تطبق LLM وتقنيات أخرى على ما يلي:

  • استخرج الموضوعات الرئيسة من كل منشور بالوسائط الاجتماعية.
  • تجميع الموضوعات الفريدة التي تنشأ من المنشورات الفردية إلى موضوعات مُتكررة.
  • تحديد المنشورات التي تدعم كل موضوع مُتكرر.

ثم يمكنك تطبيق النتائج على ما يلي:

  • دراسة الموضوعات المتكررة الأكثر شيوعًا، والنقر على الأمثلة.
  • تتبع صعود وهبوط الموضوعات المُتكررة.
  • طلب LLM التعمّق في موضوع مُتكرر للإشارات المتكررة لخصائص المنتج.

نماذج الذكاء الاصطناعي المبتكر

يمثل الذكاء الاصطناعي المبتكر فئة واسعة من التطبيقات استنادًا إلى مجموعة غنية بشكل متزايد من الاختلافات بالشبكات العصبية. على الرغم من أن جميع تقنيات الذكاء الاصطناعي المبتكر تناسب الوصف العام في قسم "كيف يعمل الذكاء الاصطناعي المبتكر؟"، تختلف تقنيات التنفيذ لدعم وسائط مُختلفة، مثل الصور مقابل النصوص، وإدماج التقدمات من البحث والصناعة عند ظهورها.

تستخدم نماذج الشبكات العصبية أنماطًا مُتكررة من الخلايا العصبية الاصطناعية وترابطها. يكرر غالبًا تصميم الشبكة العصبية—لأي تطبيق، بما في ذلك الذكاء الاصطناعي المبتكر—نفس النمط من الخلايا العصبية مئات أو آلاف المرات، كما يعيد عادةً استخدام نفس المعلمات. إن هذا جزء أساس مما يسمى "بنية الشبكة العصبية". كان اكتشاف البنى الجديدة مجالًا مهمًا لابتكار الذكاء الاصطناعي منذ الثمانينيات، ويكون غالبًا مدفوعًا بهدف دعم وسيطة جديدة. لكن بعد ذلك، بمجرد ابتكار بنية جديدة، يتم إحراز مزيدًا من التقدم من خلال استخدامها بطرق غير متوقعة. يأتي الابتكار الإضافي من خلال الجمع بين عناصر البنى المُختلفة.

فيما يلي اثنين من البنى الأقدم والأكثر شيوعًا:

  • ظهرت الشبكات العصبية المُتكررة (RNN) في منتصف الثمانينيات ولا تزال قيد الاستخدام. أظهرت شبكات RNN كيف يمكن للذكاء الاصطناعي التعلم—واستخدامه لأتمتة المهام التي تعتمد على البيانات التسلسلية، أي المعلومات التي يحتوي تسلسلها على معنى، مثل اللغة وسلوك سوق الأوراق المالية ومسارات التنقل عبر الويب. تقع RNN في صميم العديد من نماذج الذكاء الاصطناعي الصوتية، مثل تطبيقات إنشاء الموسيقى؛ والتفكير في الطبيعة التسلسلية للموسيقى والتبعيات القائمة على الوقت. لكنها أيضًا جيدة في معالجة اللغة الطبيعية (NLP). كما تُستخدم شبكات RNN في وظائف الذكاء الاصطناعي التقليدية، مثل التعرّف على الكلام وتحليل الكتابة اليدوية والتنبؤ بالأوضاع المالية والطقس، وتوقع التغيرات في طلبات الطاقة من بين العديد من التطبيقات الأخرى.
  • الشبكات العصبية المعقدة (CNN) ظهرت بعد حوالي 10 سنوات. تركز على البيانات الشبيهة بالشبكة، بالتالي؛ إنها رائعة في تمثيلات البيانات المكانية ويمكنها إنشاء صور. تطبيقات الذكاء الاصطناعي المبتكر الشائعة لتحويل النص إلى صورة، مثل Midjourney وDALL-E، واستخدم شبكات CNN لإنشاء الصورة النهائية.

على الرغم من أن شبكات RNN ما زالت تستخدم في كثير من الأحيان، فإن الجهود المتتالية الرامية إلى تحسين شبكات RNN أدت إلى تحقيق التقدم التالي:

  • تطورت نماذج المحولات إلى طريقة أكثر مرونة وقوة لتمثيل التسلسلات من شبكات RNN. تتمتع بالعديد من الخصائص التي تمكّنهم من مُعالجة البيانات المتسلسلة، مثل النص، بطريقة متوازية بشكل كبير دون فقدان فهمها للتسلسلات. تُعد هذه المعالجة المتوازية للبيانات المتسلسلة من بين الخصائص الرئيسة التي تمكّن ChatGPT من الاستجابة بسرعة وبشكل جيد لمطالبات المحادثة المباشرة.

أنشأت الجهود البحثية والصناعية الخاصة والمفتوحة المصدر نماذج مؤثرة تبتكر بمستويات أعلى من بنية الشبكة العصبية وتطبيقها. على سبيل المثال، كانت توجد ابتكارات مهمة في عملية التدريب، وفي طريقة دمج تعليقات التدريب لتحسين النموذج، وفي طريقة دمج نماذج متعددة في تطبيقات الذكاء الاصطناعي المبتكر. إليك مجموعة من أهم ابتكارات نموذج الذكاء الاصطناعي المبتكر:

  • تستخدم أجهزة التشفير التلقائية المتغيرة (VAE) ابتكارات في بنية الشبكة العصبية وعمليات التدريب ويتم دمجها غالبًا في تطبيقات إنشاء الصور. تتكون من شبكات أدوات الترميز وأدوات فك الترميز، كل منها قد يستخدم بنية رئيسة مُختلفة، مثل RNN أو CNN أو محول. تتعلم أداة التشفير الخصائص الهامة للصورة، وتضغط تلك المعلومات، وتخزنها مثل تمثيل في الذاكرة. ثم تستخدم أداة فك الترميز تلك المعلومات المضغوطة في محاولة إعادة إنشاء الأصل. في نهاية المطاف، يتعلم VAE إنشاء صور جديدة تشبه بيانات التدريب بها.
  • تُستخدم شبكات الخصومة التوليدية (GAN) عبر مجموعة متنوعة من الوسائل لكنها تبدو ذات صلة خاصة بالفيديو والتطبيقات الأخرى المتعلقة بالصور. إن الذي يميز شبكات GAN بخلاف النماذج الأخرى هو أنها تتكون من شبكتين عصبيتين تتنافسان ضد بعضهما بعضًا أثناء التدريب. في حالة الصور، على سبيل المثال، تنشئ "أداة الإنشاء" صورة ويحدد "المميز" إذا كانت الصورة حقيقية أم متولدة. تحاول أداة الإنشاء باستمرار خداع المميِّز، الذي يحاول دائمًا الوصول إلى أداة الإنشاء أثناء العمل. في معظم الحالات، تعتمد الشبكتين العصبية المتنافسة على بنيات CNN، لكن قد تكون أيضًا متغيرات لشبكات RNN أو المحولات.
  • تدمج نماذج النشر شبكات عصبية متعددة في إطار عمل عام، وتدمج أحيانًا بُنى مختلفة مثل شبكات CNN والمحولات وأجهزة VAE. تتعلم نماذج النشر عن طريق ضغط البيانات، وإضافة الضوضاء إليها، زعزل الضوضاء، ومحاولة إعادة إنشاء الأصل. تستخدم أداة النشر الثابت الشائعة أداة ترميز VAE وفك الترميز للخطوتين الأولى والأخيرة على التوالي، واثنين من تباينات CNN في خطوات إضافة الضوضاء/عزل الضوضاء.

ما هي تطبيقات الذكاء الاصطناعي المبتكر؟

على الرغم من أن العالم قد بدأ للتو في التخلص من الاستخدامات المحتملة للذكاء الاصطناعي المبتكر، فمن السهل أن نرى كيف يمكن للشركات الاستفادة من خلال تطبيقه على عملياتها. فكر في طريقة تغيير الذكاء الاصطناعي المبتكر للمجالات الرئيسة لتفاعلات العملاء والمبيعات والتسويق وهندسة البرامج والبحث والتطوير.

في خدمة العملاء، أتمت تكنولوجيا الذكاء الاصطناعي السابقة العمليات وقدمت الخدمة الذاتية للعملاء، لكنها تسببت أيضًا في حدوث إحباطات جديدة للعملاء. يَعِد الذكاء الاصطناعي العام بتقديم ميزات لكل من العملاء وممثلي الخدمات، باستخدام روبوتات المحادثة التي يمكن تكييفها مع اللغات والمناطق المُختلفة، مما يصنع تجربة عملاء أكثر تخصيصًا وسهولة في الوصول إليها. عندما يكون التدخل البشري ضروريًا لحل مشكلة العميل، يمكن لمندوبي خدمة العملاء التعاون مع أدوات الذكاء الاصطناعي المبتكر في الوقت الفعلي للوصول إلى استراتيجيات قابلة للتنفيذ، وتحسين سرعة التفاعلات ودقتها. تمنح السرعة التي يمكن بها للذكاء الاصطناعي المبتكر الاستفادة من قاعدة معارف المؤسسة الكبيرة بأكملها وتركيب الحلول الجديدة لشكاوى العملاء موظفي الخدمة قدرة معززة على حل مشكلات معينة للعملاء بشكل فعال، بدلًا من الاعتماد على أشجار الاتصال القديمة وتحويل الاستدعاءات حتى يتم العثور على إجابة—أو ينفد صبر العميل.

في التسويق، يمكن للذكاء الاصطناعي المبتكر أتمتة تكامل البيانات وتحليلها من مصادر مُختلفة، والتي يجب أن تسرع بشكل كبير من وقت الوصول إلى الرؤى وتؤدي مباشرة إلى اتخاذ قرارات أفضل استنارة وتطوير أسرع لاستراتيجيات الانتقال إلى السوق. يمكن للمسوقين استخدام هذه المعلومات إلى جانب الرؤى الأخرى التي تم إنشاؤها بواسطة الذكاء الاصطناعي لإنشاء حملات إعلانية جديدة أكثر استهدافًا. يقلل هذا الوقت الذي يجب على الموظفين قضاءه في جمع البيانات الديموغرافية وبيانات سلوك الشراء ومنحهم المزيد من الوقت لتحليل النتائج وعرض الأفكار الجديدة.

صرح توم شتاين، رئيس مجلس إدارة وكبير مسؤولي العلامات التجارية في Stein IAS وكالة تسويق من B2B، إن كل وكالة تسويق بما في ذلك وكالة التسويق التابعة له، تستكشف هذه الفرص بسرعة عالية. لكن كما لاحظت Stein أنه توجد أيضًا أرباح أبسط وأسرع للعمليات في الخلفية للوكالة.

صرح شتاين رئيس هيئة المحلفين لجوائز Lions Creative B2B من 2023 Cannes: "إذا حصلنا على RFI [طلب معلومات]، عادةً ما يطلب من 70% إلى 80% من طلب المعلومات نفس المعلومات مثل كل طلب معلومات آخر، ربما مع بعض الاختلافات السياقية الخاصة بوضع الشركة". "ليس من المُعقد أن نضع أنفسنا في موقف يسمح لأي عدد من أدوات الذكاء الاصطناعي للقيام بذلك العمل بالنسبة لنا....لذلك؛ إذا عدنا إلى تلك الـ 80% من وقتنا، ويمكننا قضاء ذلك الوقت في إضافة قيمة إلى طلب المعلومات وجعله يغني، فهذا مكسب بكل طريقة. ويوجد عدد من العمليات من هذا القبيل".

يمكن لمطوري البرامج الذين يتعاونون مع الذكاء الاصطناعي المبتكر تبسيط العمليات وتسريعها في كل خطوة، بدءًا من التخطيط حتى الصيانة. أثناء مرحلة الإنشاء الأولية، يمكن لأدوات الذكاء الاصطناعي المبتكر تحليل كميات كبيرة من البيانات وتنظيمها واقتراح تكوينات متعددة للبرامج. بمجرد بدء الترميز، يمكن للذكاء الاصطناعي اختبار التعليمات البرمجية واستكشاف أخطائها وإصلاحها، وتحديد الأخطاء، وتشغيل التشخيصات، واقتراح الإصلاحات—قبل الإطلاق وبعده. يلاحظ تومسون أنه نظرًا إلى أن العديد من مشروعات البرامج المؤسسية تتضمن لغات وتخصصات برمجة مُتعددة، استخدم هو ومهندسو البرامج الآخرين الذكاء الاصطناعي لتثقيف أنفسهم في مجالات غير مألوفة بشكل أسرع بكثير مما كانوا عليه في السابق. كما استخدم أيضًا أدوات الذكاء الاصطناعي المبتكر لشرح التعليمات البرمجية غير المألوفة وتحديد مشكلات محددة.

في البحث والتطوير، يمكن للذكاء الاصطناعي أن يزيد من سرعة أبحاث السوق وعمقها خلال المراحل الأولية لتصميم المنتج. ثم يمكن لبرامج الذكاء الاصطناعي، خاصةً تلك التي تتمتع بإمكانات إنشاء الصور، إنشاء تصميمات تفصيلية للمنتجات المُحتملة قبل محاكاتها واختبارها، مما يمنح العمال الأدوات التي يحتاجون إليها لإجراء تعديلات سريعة وفعّالة طوال دورة البحث والتطوير.

أشار مؤسس Oracle إليسون في إعلان أرباح يونيو إلى أن "نماذج LLM المُتخصصة تسرع اكتشاف أدوية جديدة مُنقذة للحياة". إن اكتشاف الأدوية هو تطبيق بحث وتطوير يستغل ميل النماذج المولدة إلى تخيل المعلومات غير الصحيحة أو غير القابلة للتحقق—لكن بطريقة جيدة: تحديد الجزيئات الجديدة وتسلسلات البروتين لدعم البحث عن علاجات الرعاية الصحية الجديدة. بشكل منفصل، تعاونت شركة Cerner Enviza التابعة لشركة Oracle مع إدارة الغذاء والدواء الأمريكية (FDA) ومختبرات John Snow Labs لتطبيق أدوات الذكاء الاصطناعي في مواجهة تحدي "فهم آثار الأدوية على المجموعات السكانية الكبيرة". تتمثل استراتيجية الذكاء الاصطناعي من Oracle في جعل الذكاء الاصطناعي منتشرًا عبر تطبيقاته السحابية والبنية التحتية للسحابة.

حالات استخدام الذكاء الاصطناعي المبتكر

يتمتع الذكاء الاصطناعي المبتكر بإمكانية بعيدة المدى بالمستقبل لتسريع مجموعة متنوعة من المهام أو أتمتتها بالكامل. ينبغي للشركات أن تخطط للوصول إلى طرق محددة ومدروسة لزيادة الفوائد التي يمكن أن تقدمها إلى عملياتها إلى أقصى حد. فيما يلي بعض حالات الاستخدام المحددة:

  • سد الفجوات المعرفية: باستخدام واجهات المستخدم المباشرة القائمة على المحادثة، يمكن لأدوات الذكاء الاصطناعي المبتكر أو المحددة للعمال الإجابة على الأسئلة العامة أو المحددة لتوجيهها في الاتجاه الصحيح عند توقفها عن أي شيء بدءًا من أبسط الاستعلامات حتى العمليات المُعقدة. على سبيل المثال، يمكن لمندوبي المبيعات طلب رؤى حول حساب مستهدف؛ في حين يمكن للمبرمجين تعلم لغات برمجة جديدة.
  • التحقق من الأخطاء: يمكن لأدوات الذكاء الاصطناعي العامة البحث عن أي نص به أخطاء، بدايةً من رسائل البريد الإلكتروني غير الرسمية إلى عينات الكتابة الاحترافية. يمكنهم القيام بأكثر من تصحيح الأخطاء: يمكنهم شرح ما ولماذا لمساعدة المستخدمين على التعلم وتحسين عملهم.
  • تحسين الاتصال: يمكن لأدوات الذكاء الاصطناعي المبتكر ترجمة النص إلى لغات مُختلفة، وتعديل النغمة، وإنشاء رسائل فريدة استنادًا إلى مجموعات بيانات مُختلفة، والمزيد. يمكن لفِرق التسويق استخدام أدوات الذكاء الاصطناعي المبتكر لصياغة حملات إعلانية أكثر صلة، بينما يمكن للموظفين الداخليين استخدامها للبحث خلال الاتصالات السابقة والعثور بسرعة على المعلومات والإجابات ذات الصلة بالأسئلة دون مقاطعة الموظفين الآخرين. يرى تومسون أن هذه القدرة على تركيب المعرفة المؤسسية حول أي سؤال أو فكرة أن العامل قد يغير بشكل أساس الطريقة التي يتواصل بها الناس داخل المنظمات الكبيرة، مما يعزز اكتشاف المعرفة.
  • تسهيل العبء الإداري: يمكن للشركات التي لديها عمل إداري ثقيل، مثل الترميز الطبي/الفوترة، استخدام الذكاء الاصطناعي المبتكر لأتمتة المُهام المعقدة، بما في ذلك وثائق تقديم المستندات وتحليل ملاحظات الأطباء. يحرر هذا الموظفين من التركيز على العمل العملي بدرجة أكبر، مثل رعاية المرضى أو خدمة العملاء.
  • مسح الصور الطبية بحثًا عن الاضطرابات: يمكن لمقدمي الخدمات الطبية استخدام الذكاء الاصطناعي المبتكر لفحص السجلات والصور الطبية لتحديد المشكلات الجديرة بالذكر وتقديم توصيات للأطباء بشأن الطب، بما في ذلك الآثار الجانبية المُحتملة التي يتم وضعها في السياق مع سجل المريض.
  • استكشاف أخطاء التعليمات البرمجية وإصلاحها: يمكن لمهندسي البرامج استخدام نماذج الذكاء الاصطناعي المبتكر لاستكشاف أخطاء التعليمات البرمجية وإصلاحها وضبطها بشكل أسرع وأكثر موثوقية من التجميع سطرًا تلو الآخر. يمكنهم بعد ذلك أن يطلبوا من الأداة تقديم تفسيرات أعمق للتعريف بالترميز المستقبلي وتحسين عملياتهم.

مزايا الذكاء الاصطناعي المبتكر

‫تستمد المزايا التي يمكن للذكاء الاصطناعي المبتكر تحقيقها لشركتك بشكل رئيس من ثلاث سمات رئيسة فيما يلي: تجميع المعرفة، والتعاون بين البشر والذكاء الاصطناعي، والسرعة.‬ في حين أن العديد من المزايا المشار إليها أدناه تشبه تلك التي وعدت بها في الماضي نماذج الذكاء الاصطناعي السابقة وأدوات الأتمتة، فيمكن أن يساعد وجود سمة واحدة أو أكثر من هذه السمات الثلاث الشركات على تحقيق المزايا بشكل أسرع وأسهل وأكثر فعالية.

باستخدام الذكاء الاصطناعي المبتكر، يمكن للمؤسسات بناء نماذج مُخصصة مُدربة على معرفتها المؤسسية والملكية الفكرية الخاصة بها (IP)، بعد ذلك؛ يمكن للعاملين في مجال المعرفة أن يطلبوا من البرنامج التعاون في مهمة بنفس اللغة التي قد يستخدمونها مع زميل. يمكن أن يستجيب نموذج الذكاء الاصطناعي المبتكر هذا من خلال تجميع المعلومات من قاعدة معارف الشركة بأكملها بسرعة مذهلة. لا يقتصر هذا النهج على خفض أو القضاء على الحاجة إلى الخبرة المعقدة—في تصميم البرامج التي تكون غالبًا أقل فعالية وأعلى تكلفة—لإنشاء برامج محددة لهذه المهام، إذ من المحتمل أيضًا أن تبرز الأفكار والاتصالات التي تعذرت على النهج السابقة.

  • زيادة الإنتاجية: يمكن للعاملين في مجال المعرفة استخدام الذكاء الاصطناعي المبتكر تقليل الوقت الذي يقضونه في المهام اليومية الروتينية، مثل تثقيف أنفسهم بنظام جديد لازم فجأة لمشروع قادم، أو تنظيم البيانات أو تصنيفها، أو تجميع الإنترنت للبحث القابل للتطبيق، أو صياغة رسائل البريد الإلكتروني. من خلال الاستفادة من الذكاء الاصطناعي المبتكر، يمكن لعدد أقل من الموظفين إنجاز المهام التي تطلبت سابقًا فِرقًا كبيرة أو ساعات عمل في جزء بسيط من الوقت. على سبيل المثال، يمكن لفريق من المبرمجين قضاء ساعات في اكتشاف الأخطاء وإصلاحها، لكن قد تكون أداة الذكاء الاصطناعي المبتكر قادرة على العثور على الأخطاء في اللحظات والإبلاغ عنها إلى جانب الإصلاحات المقترحة. نظرًا إلى أن بعض نماذج الذكاء الاصطناعي المبتكر تمتلك مهارات متوسطة أو أفضل تقريبًا عبر مجموعة واسعة من كفاءات العمل المعرفية، فيمكن للتعاون مع نظام الذكاء الاصطناعي المبتكر أن يعزز إنتاجية شريكه البشري بشكل كبير. على سبيل المثال، يمكن أن يكون مدير المنتجات المبتدئ أيضًا مدير مشروع متوسط على الأقل في ظل وجود مدرب الذكاء الاصطناعي في صفه. كل هذه الإمكانات من شأنها أن تسرع بشكل كبير قدرة العاملين في مجال المعرفة على إكمال مشروع.

  • خفض التكاليف: بسبب سرعتها، تقلل أدوات الذكاء الاصطناعي المبتكر من تكلفة إكمال العمليات، وإذا استغرق الأمر نصف الوقت للقيام بالمهمة، فتكلف المهمة نصف ما كانت تكلفه بخلاف ذلك. بالإضافة إلى ذلك، يمكن أن يقلل الذكاء الاصطناعي المبتكر من الأخطاء، ويقضي على وقت التوقف، ويحدد التكرارات وغيرها من أوجه القصور المُكلفة. مع ذلك، يوجد تعويض: بسبب ميل الذكاء الاصطناعي المبتكر إلى التخيل، لا يزال الإشراف البشري ومراقبة الجودة ضرورية. لكن من المتوقع أن يؤدي التعاون بين البشر والذكاء الاصطناعي إلى المزيد من العمل في وقت أقل بكثير من البشر وحدهم—بشكل أفضل وأدق من أدوات الذكاء الاصطناعي وحدها—وبالتالي تقليل التكاليف. أثناء اختبار المنتجات الجديدة، على سبيل المثال، يمكن أن يساعد الذكاء الاصطناعي المبتكر في إنشاء عمليات محاكاة أكثر تقدمًا وتفصيلًا مقارنة بالأدوات القديمة. يؤدي ذلك في النهاية إلى تقليل وقت اختبار المنتجات الجديدة وتكلفتها.

  • تحسين رضا العملاء: يمكن للعملاء الحصول على تجربة فائقة وأكثر تخصصًا من خلال الخدمة الذاتية القائمة على الذكاء الاصطناعي وأدوات الذكاء الاصطناعي المبتكر "التي تهمس في أذن" مندوبي خدمة العملاء، مما يدفعهم للمعرفة في الوقت الفعلي. على الرغم من أن روبوتات محادثة خدمة العملاء المدعومة بالذكاء الاصطناعي التي ظهرت اليوم قد تكون في بعض الأحيان ذات محدودية محبطة، إلا أنه من السهل تخيل تجربة عملاء عالية الجودة مدعومة بنموذج الذكاء الاصطناعي المبتكر المدرب خصيصًا للشركات، استنادًا إلى جودة محادثات ChatGPT اليوم.

  • اتخاذ قرارات أكثر استنارة: يمكن لنماذج الذكاء الاصطناعي المبتكر المدربة بشكل خاص والمُخصصة لدى المؤسسات تقديم رؤى مُفصلة من خلال نمذجة السيناريوهات وتقييم المخاطر وغيرها من الأساليب المتطورة للتحليلات التنبؤية. يمكن لصناع القرار الاستفادة من هذه الأدوات للوصول إلى فهم أعمق لمجال عملهم وموقف الشركة منه عبر توصيات مُخصصة واستراتيجيات قابلة للتنفيذ، مستنيرين ببيانات أكثر وصولًا وتحليل أسرع من المحللين البشريين أو التكنولوجيا القديمة التي يمكن أن إنشاءها بمفردهم.

    على سبيل المثال، يمكن لصناع القرار تخطيط تخصيص المخزون بشكل أفضل قبل موسم مزدحم عبر توقعات طلب أدق ممكنة من خلال مزيج من البيانات الداخلية التي يتم جمعها من خلال نظام تخطيط موارد المؤسسة (ERP) الخاص بهم وبحوث السوق الخارجية الشاملة، والتي يتم تحليلها بعد ذلك من خلال نموذج الذكاء الاصطناعي المبتكر المُتخصص. في هذه الحالة، تقلل قرارات التخصيص الأفضل عمليات الشراء الزائد ونفاد لمخزون مع زيادة المبيعات المحتملة إلى أقصى حد.

  • عمليات إطلاق المنتجات أسرع: يمكن للذكاء الاصطناعي المبتكر إنتاج نماذج المنتجات الأولية والمسودات الأولى بسرعة والمساعدة في ضبط الأعمال قيد التنفيذ واختبار/استكشاف المشروعات الحالية للعثور على تحسينات أسرع بكثير مما كان ممكنًا سابقًا.

  • مراقبة الجودة: من المحتمل أن يعرض نموذج الذكاء الاصطناعي المبتكر المُتخصص والمُخصص الخاص بالمؤسسة الثغرات وعدم الاتساق في أدلة المستخدم ومقاطع الفيديو والمحتوى الآخر الذي تقدمه الشركة للجمهور.

نموذج من ميزات الذكاء الاصطناعي المبتكر المحددة
  تجميع المعرفة التعاون بين البشر والذكاء الاصطناعي السرعة
زيادة الإنتاجية تنظيم البيانات وتسريع البحث ووضع المسودات الأولى للمنتج. تثقيف العاملين بشأن التخصصات الجديدة، واقتراح طرق جديدة لحل المشكلات. تسريع قدرة العاملين في مجال المعرفة على إكمال مشروع جديد.
خفض التكاليف تحديد التكرارات وأوجه القصور لتحسين عمليات سير العمل. تقليل الأخطاء البشرية، وخفض وقت التوقف من خلال الإشراف التعاوني. استكمال المهام أسرع (إذا استغرقت المهمة نصف الوقت، يكون لها نصف التكلفة).
تحسين رضا العملاء تنظيم معلومات حساب العميل واستردادها بسرعة لتسريع حل المشكلات. تحسين روبوتات المحادثة لأتمتة التفاعلات البسيطة والحصول على معلومات أفضل إلى مندوبي المبيعات عند الحاجة إلى المساعدة البشرية. تقديم تحديثات ومعلومات للحساب في الوقت الفعلي لكل من العملاء ومندوبي الخدمة.
اتخاذ قرارات أفضل استنارة رؤى سريعة المسار من خلال التوسط بتحليلات تنبؤية، مثل نمذجة السيناريوهات وتقييم المخاطر. تقديم توصيات مخصصة واستراتيجيات قابلة للتنفيذ إلى صانعي القرار. إنشاء تحليل أسرع من البيانات لأكثر وصولًا من المحللين من البشر أو التكنولوجيا القديمة.
عمليات إطلاق المنتجات أسرع إنتاج نماذج أولية و"منتجات الحد الأدنى" (MVP). اختبار المشروعات الموجودة واستكشاف أخطائها وإصلاحها للوصول إلى التحسينات. زيادة سرعة تنفيذ التعديلات.

قيود الذكاء الاصطناعي المبتكر

من المرجح أن أي شخص استخدم أدوات الذكاء الاصطناعي المبتكر للتعليم و/أو البحث قد عانى من قيوده المعروفة الأفضل: أنها تشكل الأشياء. بما أن النموذج لا يتنبأ إلا بالكلمة التالية، فيمكنه الاستقراء من بياناته التدريبية لإيضاح الأخطاء بنفس القدرة التي تفيد بها الحقائق. هذا ما يعنيه باحثو الذكاء الاصطناعي بالتخيل، وهذا هو السبب الرئيس في أن الجيل الحالي لأدوات الذكاء الاصطناعي تتطلب متعاونين بشريين. يجب أن تراعي الشركات التحضير لهذه القيود وغيرها وإدارتها أثناء قيامها بتنفيذ تقنية الذكاء الاصطناعي المبتكر. إذا حددت الشركة توقعات غير واقعية أو لم تدر التكنولوجيا بشكل فعّال، فيمكن للعواقب أن تضر بأداء الشركة وسمعتها.

  • طلب الإشراف: يمكن لنماذج الذكاء الاصطناعي المبتكر تقديم معلومات كاذبة أو مُضللة، وتكون غالبًا بمثل هذه التفاصيل والنبرة الجازمة التي يمكن أن يُخدع بها الخبراء. بالمثل، قد تحتوي نواتجها على لغة مُتحيزة أو مسيئة مُستفادة من مجموعة البيانات التي تم تدريب النموذج عليها. يظل البشر جزءًا مهمًا من سير العمل لمنع هذه المخرجات المعيبة من نشر العملاء والوصول إليهم أو التأثير على سياسة الشركة.
  • القوة الحسابية والاستثمار الأولي: تتطلب نماذج الذكاء الاصطناعي المبتكر كميات هائلة من قوة الحوسبة لكل من التدريب والتشغيل. تفتقر العديد من الشركات إلى الموارد والخبرات اللازمة لإنشاء هذه الأنظمة وصيانتها بمفردها. يُعد هذا سبب واحد لتحقيق الكثير من تطوير الذكاء الاصطناعي المبتكر باستخدام البنية التحتية للسحابة.
  • إمكانية التقارب، ليس التباعد: يمكن أن يُحكم على المؤسسات التي لا تبني نماذجها المُتخصصة، التي تعتمد بدلًا من ذلك على أدوات الذكاء الاصطناعي المبتكر بالوضع المتوسط. في كثير من الأحيان، تجد أن استنتاجاتها مطابقة للشركات الأخرى لأنها تعتمد على نفس بيانات التدريب. ما لم تدمج هذه الشركات أعمالها مع الابتكار البشري، فقد تجد نفسها تتكيف بفعالية مع أفضل الممارسات الحالية لكنها تعاني من أجل العثور على عامل تمييز تنافسي.
  • المعارضة من الموظفين والعملاء: يمكن للموظفين، خاصةً الموظفين منذ فترة طويلة ذوي البروتوكولات والأساليب المُضمنة، أن يكافحوا لأجل التكيف مع الذكاء الاصطناعي المبتكر، مما يؤدي إلى انخفاض الإنتاجية مع التكيف. بالمثل، قد يقاوم الموظفون التكنولوجيا خشية فقدان وظائفهم. يجب على المديرين وقادة الأعمال أن يحدوا من هذه المخاوف وأن يكونوا منفتحين وشفافين حول طريقة تغيير التكنولوجيا—أو عدم تغييرها—هيكل الأعمال.

مخاطر وشواغل الذكاء الاصطناعي المبتكر

أثار الذكاء الاصطناعي العام ردود الفعل القوية على جانبي نطاق المخاطر. تشعر بعض المجموعات بالقلق لأنها تقود نحو الانقراض البشري، بينما تصر مجموعات أخرى على أن تُنقذ العالم. هذه الأطراف خارج نطاق هذه المقالة. مع ذلك، إليك بعض المخاطر والشواغل المهمة التي يجب على قادة الأعمال الذين يقومون بتنفيذ تقنية الذكاء الاصطناعي فهمها حتى يتمكنوا من اتخاذ خطوات للتخفيف من أي عواقب سلبية مُحتملة.

  • الثقة والموثوقية: تقدم نماذج الذكاء الاصطناعي المبتكر مطالبات غير دقيقة، وأحيانًا تتخيل المعلومات المصممة بالكامل. بالمثل، يتم تدريب العديد من النماذج باستخدام بيانات قديمة، وتبحث عادةً في المعلومات المنشورة فحسب حتى تاريخ معين، وبالتالي؛ فإن ما يناسب سوق العام الماضي قد لا يعد ذا صلة أو مُفيد. على سبيل المثال، قد تجد الشركات التي تتطلع إلى تحسين عمليات سلسلة التوريد الخاصة بها أن اقتراحات نماذجها قديمة وغير ذات صلة بالاقتصاد العالمي المُتغير باستمرار. يجب على المستخدمين التحقق من جميع المطالبات قبل العمل عليها لضمان الدقة والأهمية.

  • الخصوصية/الملكية الفكرية: تستمر غالبًا نماذج الذكاء الاصطناعي المبتكر في التعلم من مدخلات المعلومات المُقدمة كجزء من المطالبات. يجب على الشركات، خاصةً تلك التي تجمع معلومات شخصية حساسة من عملائها، مثل الممارسات الطبية، الحرص على عدم الكشف عن الملكية الفكرية المحمية أو البيانات السرية. إذا كان النموذج يصل إلى هذه المعلومات، فقد يزيد من احتمال التعرض.

  • الهندسة الاجتماعية الفائقة السرعة: تستخدم الجهات الفاعلة المعنية بالتهديدات بالفعل الذكاء الاصطناعي المبتكر لمساعدتها على تخصيص الهندسة الاجتماعية والهجمات الإلكترونية الأخرى بشكل أفضل من خلال جعلها تبدو أكثر أصالة.

    "من الصعب التمييز بالفعل إذا كنت تتحدث مع روبوت أو إنسان عبر الإنترنت"، حسب تصريح بيغ، مهندس الذكاء الاصطناعي والأمن في Duolingo. "أصبح الأمر أسهل بكثير بالنسبة للمجرمين الذين يتطلعون إلى إنشاء مقدار من المحتوى الذي يمكن أن يخدع الناس".

  • انخفاض جودة المخرجات والأصالة: قد يسهل الذكاء الاصطناعي المبتكر إنشاء المنتجات والمحتوى ويسرعه، لكنه لا يضمن نتيجة ذات جودة أعلى. قد يؤدي الاعتماد على نماذج الذكاء الاصطناعي من دون تعاون بشري كبير إلى ظهور منتجات صارت موحدة وتفتقر إلى الإبداع.

  • التحيز: إذا تم تدريب نموذج الذكاء الاصطناعي المبتكر على البيانات المتحيزة، بدءًا من الفجوات في المنظورات إلى المحتوى الضار والمتحيز، فستنعكس هذه التحيزات في مخرجاته. على سبيل المثال، إذا كانت الشركة عيّنت قديمًا نوعًا واحدًا فقط من الموظفين، فقد يتقاطع النموذج مع المتقدمين الجُدد الذين لديهم تعيين "مثالي" ويزيل المرشحين المؤهلين لأنها لا يتناسبون مع القالب، حتى لو كانت المؤسسة تهدف إلى تجاهل هذا القالب.

  • الذكاء الاصطناعي الظل: يمكن أن يؤدي استخدام الموظفين للذكاء الاصطناعي المبتكر دون العقوبات أو المعرفة الرسمية للمؤسسة إلى قيام شركة بوضع معلومات غير صحيحة عن غير قصد أو انتهاك حقوق نشر مؤسسة أخرى.

  • انهيار النموذج: حدد باحثو الذكاء الاصطناعي ظاهرة تسمى انهيار النموذج والتي يمكن أن تجعل نماذج الذكاء الاصطناعي العامة أقل فائدة بمرور الوقت. في الأساس، مع انتشار المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، فإن النماذج التي يتم تدريبها على تلك البيانات الاصطناعية—التي تحتوي حتماً على أخطاء—"تنسى" في نهاية المطاف خصائص البيانات التي تم إنشاؤها بواسطة البشر والتي تم تدريبهم عليها في الأصل. قد يصل هذا القلق إلى نقطة فاصلة عندما يصبح الإنترنت أكثر ازدحامًا من محتوى الذكاء الاصطناعي، مما ينشئ حلقة مفرغة تضعف النموذج.

  • نظام الذكاء الاصطناعي: نظرًا إلى أن الذكاء الاصطناعي العام جديد جدًا، فلا يوجد الكثير من الأنظمة القابلة للتطبيق. مع ذلك، تحقق الحكومات في جميع أنحاء العالم في طريقة تنظيمه. اقترحت بعض البلدان، مثل الصين، تدابير تنظيمية بشأن طريقة تدريب النماذج وما يسمح لها بإنتاجه. مع فرض المزيد من البلدان للوائح التنظيمية، تحتاج الشركات، خاصةً الشركات الدولية، إلى مراقبة القوانين الجديدة والمُتغيرة لضمان الامتثال وتجنب الغرامات أو الدعاوى الجنائية لإساءة استخدام التكنولوجيا.

الأخلاقيات والذكاء الاصطناعي المبتكر

أثار صعود تحليلات البيانات الكبيرة قبل أكثر من عقد من الزمان أسئلة ومناقشات أخلاقية جديدة بسبب تمكين الأدوات الناشئة من استنتاج المعلومات الخاصة أو الحساسة عن الأشخاص الذين لم يكشفوا عنها ولن يريدوا الكشف عنها. كيف يجب على الشركات التعامل مع قدرتها على امتلاك مثل هذه المعلومات؟

بالنظر إلى إمكانية تعزيز تحليل البيانات، يطرح الذكاء الاصطناعي أسئلة أخلاقية جديدة كما يعيد طرح الأسئلة القديمة.

  • كيف يؤثر الذكاء الاصطناعي المبتكر على العمال؟ يجعل الذكاء الاصطناعي المبتكر العديد من العمال يشعرون بعدم الارتياح إزاء آفاق توظيفهم على المدى الطويل—وهذا أمر مُبرر. في حين يوضح التاريخ أن التطورات التكنولوجية أدت دائمًا إلى وظائف أكثر قيمة وأعلى من تلك التي تقضي عليها، فإن الأدوار التي قد يجعلها الذكاء الاصطناعي قديمة تدفع فواتير العاملين اليوم.
  • كيف يمكننا القضاء على التحيز المحتمل؟ نعلم أن جميع نماذج الذكاء الاصطناعي لديها القدرة على تحقيق نتائج مُتحيزة. يجب على المؤسسات اختيار طريقة إدارة هذا التحدي بشكل استباقي من كل من وجهات نظر المخاطر المؤسسية والأخلاقية.
  • كيف يمكن للجهات الفاعلة السيئة استخدام نماذج GAI لإلحاق الضرر بالجمهور ونشر الفوضى؟ لسوء الحظ، تشمل الاستخدامات التي لا تحصى للذكاء الاصطناعي المبتكر الأفعال الإجرامية والضارة، لا سيما أن النماذج المولدة تصبح أسهل للجمهور. تُعد مقاطع الفيديو المزيفة باستخدام صوت شخص ما ومظهره، وأدوات القرصنة لتعزيز الهجمات الإلكترونية، والمعلومات الخاطئة واسعة النطاق، وحملات الهندسة الاجتماعية مجرد عدد قليل من الطرق المُحتملة التي يمكن للجهات الفاعلة الخبيثة استخدامها. في الوقت الراهن، تتمتع العديد من النماذج بضمانات، لكن هذه الحواجز ليست مثالية. يجب على الشركات التي تنفذ نماذجها الخاصة أن تفهم قدرة أنظمتها وتتخذ الخطوات اللازمة لضمان استخدامها المسؤول.
  • من يملك العمل الذي ينشئه الذكاء الاصطناعي؟ حتى إذا ضبطت إحدى الشركات نموذج على بياناتها الخاصة، يتم تدريب نماذج الذكاء الاصطناعي المبتكر على كميات هائلة من البيانات الخارجية. من ثم، قد يشمل إنتاج النموذج عناصر من عمل المنظمات الأخرى، مما يصنع مشكلات أخلاقية وقانونية محتملة، مثل السرقة الأدبية وانتهاك حقوق الطبع والنشر. ينطبق هذا بشكل خاص على نماذج الذكاء الاصطناعي المولدة للصور؛ إذ يستكشف الفنانون من جميع المجالات الإبداعية طُرقًا لمنع تغذية عملهم في هذه البرامج. يمكن للجهات التنظيمية إنشاء قواعد جديدة بمرور الوقت، لذلك؛ يجب على أي شخص يستخدم الذكاء الاصطناعي المبتكر التفكير في مصدر المحتوى وطريقة استخدامه قبل نشره على أنه خاص به.

أمثلة الذكاء الاصطناعي المبتكر

تُجري المؤسسات في جميع الأحجام والصناعات، بدايةً من الجيش الأمريكي إلى شركة كوكاكولا، تجارب باستخدام الذكاء الاصطناعي بشكل مذهل. فيما يلي مجموعة صغيرة من الأمثلة التي توضح الإمكانات الواسعة للتكنولوجيا والتبني السريع لها.

أطلقت Snap Inc، الشركة صاحبة Snapchat، روبوت محادثة يسمى "My AI"، مدعومًا بإصدار من تقنية GPT لـ OpenAI. تم تخصيصه ليناسب نغمة Snapchat وأسلوبه، تمت برمجة My AI ليكون ودودًا وبحس شخصي. يمكن للمستخدمين تخصيص مظهره بشخصيات أفاتار، وخلفيات، وأسماء ويمكن استخدامه للدردشة بين شخصين أو بين المستخدمين المتعددين، مما يحاكي الطريقة النموذجية التي يتواصل بها مستخدمي Snapchat مع أصدقائهم. يمكن للمستخدمين طلب مشورة شخصية أو الاشتراك في محادثة غير رسمية حول موضوعات مثل الطعام أو الهوايات أو الموسيقى—يمكن للروبوت حتى إطلاق النكات. توجه Snapchat روبوت My AI لمساعدة المستخدمين على استكشاف ميزات التطبيق، مثل عدسات الواقع المعزز، ومساعدة المستخدمين الحصول على المعلومات التي لن تتحول عادة إلى Snapchat، مثل التوصية بالأماكن للذهاب لها خريطة محلية.

أعلنت Bloomberg عن BloombergGPT، أحد روبوتات المحادثة المدرّب على ما يقرب من نصف البيانات العامة حول العالم، ونصف على بيانات مملوكة لدى Bloomberg أو بيانات مالية نظيفة. يمكن أن تؤدي مهام بسيطة، مثل كتابة عناوين المقالات الجيدة، والحيل الملائمة، مثل تحويل الموجهات الإنجليزية العادية إلى لغة استعلام من Bloomberg المطلوبة من محطات بيانات الشركة، والتي لا غنى عنها في العديد من شركات الصناعة المالية.

شاركت Oracle مطور الذكاء الاصطناعي Cohere لمساعدة الشركات على إنشاء نماذج داخلية مرتبطة ببيانات الشركات الخاصة، في خطوة تهدف إلى نشر استخدام أدوات الذكاء الاصطناعي المبتكر الخاصة بالشركة.

صرح إليسون من شركة Oracle للمحللين الماليين خلال إعلان أرباح يونيو 2023: "تعمل شركتا Cohere وOracle معًا لجعل الأمر سهلًا جدًا لعملاء المؤسسات لتدريب نماذج اللغة الكبيرة الخاصة بهم مع حماية خصوصية بيانات التدريب الخاصة بهم". تخطط Oracle لتضمين خدمات الذكاء الاصطناعي المبتكر في منصات الأعمال لتعزيز الإنتاجية والكفاءة خلال العمليات الحالية للشركة، متجاوزة الحاجة إلى قيام العديد من الشركات بإنشاء نماذجها الخاصة وتدريبها من الألف إلى الياء. لتحقيق هذه الغاية، أعلنت الشركة أيضًا مؤخرًا عن دمج إمكانات الذكاء الاصطناعي المبتكر في برامج الموارد البشرية، Oracle Fusion Cloud Human Capital Management (HCM).

بالإضافة إلى ذلك:

  • تستخدم كوكاكولا أدوات إنشاء النصوص والصور لتخصيص النسخ الإعلانية وبناء تجارب عملاء عالية التخصيص.
  • American Express، الشركة التي كانت منذ فترة طويلة في طليعة استخدام الذكاء الاصطناعي في الكشف عن الاحتيال عبر بطاقات الائتمان، تمتلك شركة Amex Digital Labs التابعة لها والتي طورت إمكانات المستهلك وB2B.
  • يعمل مكتب البنتاغون الرقمي والذكاء الاصطناعي على تجربة خمسة نماذج للذكاء الاصطناعي المبتكر، لتغذيتهم بيانات مُصنفة واختبارهم لاستكشاف كيف يمكن استخدامها لاقتراح خيارات إبداعية لم يفكر فيها القادة العسكريون من البشر.
  • يستخدم تطبيق Duolingo روبوتًا مدعومًا من ChatGPT لمساعدة متعلمي اللغة الأجنبية. يوفر شرحًا مُتعمقًا حول سبب صحة إجاباتهم على اختبارات الممارسة أو خطأها، مما يحاكي طريقة تفاعل المستخدمين مع معلم بشري.
  • أطلقت Slack روبوت مُحادثة يهدف إلى مساعدة عمال العملاء على استخلاص الرؤى والمشورة من مجموعة المعرفة المؤسسية التي توجد في قنوات Slack لكل عميل.

أدوات الذكاء الاصطناعي المبتكر

تمثل ChatGPT الأداة التي صارت منتشرة سريعًا، لكن تتوفر العديد من أدوات الذكاء الاصطناعي المبتكر لكل أسلوب. على سبيل المثال، بالنسبة للكتابة فحسب توجد Jasper، Lex، AI-Writer، Writer، وغيرها الكثير. في إنشاء الصور، يبدو أن Midjourney وStable Diffusion وDall-E هي الأكثر شيوعًا اليوم.

من بين العشرات من أدوات إنشاء الموسيقى AIVA وSoundful وBoomy وAmper وDadabots وMuseNet. على الرغم من أن مبرمجي البرامج معروفون بالتعاون مع ChatGPT، إلا أنه توجد أيضًا الكثير من أدوات إنشاء التعليمات البرمجية المُتخصصة، بما في ذلك Codex وcodeStarter وTabnine وPolyCoder وCogram وCodeT5.

تاريخ الذكاء الاصطناعي المبتكر

ربما كان من المستغرب أن تأتي الخطوة الأولى على الطريق إلى نماذج الذكاء الاصطناعي المبتكر التي تستخدم اليوم في عام 1943، في نفس العام الذي أظهر فيه أول حاسوب كهربائي قابل للبرمجة—وهو Colossus، الذي استخدمته بريطانيا بعد ذلك لفك ترميز الرسائل المشفرة خلال الحرب العالمية الثانية. مثلت كانت خطوة الذكاء الاصطناعي ورقة بحثية بعنوان "A Logical Calculus of Ideas Immanent in Nervous Activity"، أعدها وارن ماكولوتش، وهو طبيب نفسي وأستاذ في كلية الطب بجامعة إلينوي، ووالتر بيتس، وهو عالم أعصاب حوسبي عصامي.

هرب بيتس، وهو نابغة رياضي معلوم، من المنزل في سن 15 عاما وكان مشردًا عندما التقى ماكولوتش، الذي أخذ بيتس للعيش مع عائلته. كانت الدرجة العلمية الوحيدة لدى بيتس زمالة في الآداب حصلت عليها من جامعة شيكاغو بعد أن نشرت الورقة النهائية لأسس الرياضيات البسيطة التي "تحدد" الخلايا العصبية الاصطناعية من خلالها إذا كان إخراج واحد أو صفر.

تتحول الخطوة الثانية إلى الشمال والشرق إلى بوفالو، بنيويورك، وأخصائي علم النفس البحثي في Cornell Aeronautical Laboratory يدعى فرانك روزنبلات. يعمل بموجب منحة مقدمة من مكتب البحوث البحرية في وزارة البحرية الأمريكية في يوليو 1957 بصفته جزء من مشروع Cornell من PARA (إدارك الأتمتة والتعرف عليها)، بنى روزنبلات على حساب مكلوتش وبيتس لتطوير المفهوم، وهي شبكة عصبية مع طبقة "مخفية" واحدة بين طبقات المدخلات والمخرجات. قبل إنشاء Mark I Perceptron، الذي يقع اليوم في مؤسسة Smithsonian، حاكى ذلك روزنبلات والبحرية على جهاز كمبيوتر يعمل بالحاسب المركزي IBM 704 لعرض عام في يوليو 1958. لكن المفهوم كان في شكل شبكة عصبية بسيطة، فقد أثار انتقادات من عالم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا مارفن مينسكي، المؤسس المشارك لمختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا. يقال إن مينسكي وروزنبلات ناقشا آفاق الإدراك على المدى الطويل في المنتديات العامة، مما أدى إلى تخلي مجتمع الذكاء الاصطناعي إلى حد كبير عن أبحاث الشبكة العصبية من الستينيات حتى الثمانينيات.

أصبحت هذه الفترة تعرف باسم "شتاء الذكاء الاصطناعي".

انقلب مشهد أبحاث الشبكة العصبية في الثمانينات بفضل مساهمات العديد من الباحثين، وأبرزهم بول ويربوس، الذي أعاد عمله الأولي اكتشاف المفهوم؛ جيفري هينتون؛ ويوشوا بينغيو؛ ويان ليكون. أظهر عملهم المشترك جدوى الشبكات العصبية الكبيرة متعددة الطبقات وأظهر كيف يمكن لهذه الشبكات أن تتعلم من إجاباتها الصحيحة والخاطئة من خلال تخصيص الائتمان من خلال خوارزمية الانتشار العكسي. كان هذا عندما ظهرت شبكات RNN وCNN. لكن القيود المفروضة على هذه الشبكات العصبية المبكرة، بالإضافة إلى التوقعات المبالغ فيها التي لا يمكن تلبيتها بسبب تلك القيود وحالة القوة الحاسوبية في ذلك الوقت، التي أدت إلى فصل الشتاء الثاني للذكاء الاصطناعي في التسعينيات وأوائل العقد الأول من القرن الحادي والعشرين.

على الرغم من ذلك، ظل العديد من الباحثين في الشبكة العصبية هذه الدورة، بما في ذلك هينتون وبينغيو وليكون. شارك الثلاثي، الذي أطلق عليه أحيانًا "الآباء الروحانيين للذكاء الاصطناعي"، جائزة Turing لعام 2018 في أعمال الثمانينيات، ومثابرتهم اللاحقة، ومساهماتهم المستمرة. بحلول منتصف عام 2010، ظهرت مُتغيرات الشبكة العصبية الجديدة والمتنوعة بسرعة، كما هو موضح في قسم نماذج الذكاء الاصطناعي المبتكر.

مستقبل الذكاء الاصطناعي المبتكر

إن ما يؤثر في الذكاء الاصطناعي المبتكر على الأعمال وكيف يعمل الأشخاص لا يزال يتعين يأتي دوره. لكن هذا الأمر واضح للغاية: تتدفق الاستثمارات الضخمة إلى الذكاء الاصطناعي المبتكر عبر أبعاد متعددة من المساعي البشرية. يستثمر أصحاب رأس المال المغامرون والشركات المنشأة وكل الأعمال فيما بينها تقريبًا في الشركات الناشئة المستندة إلى الذكاء الاصطناعي بسرعة هائلة. يُعد "السحر" العالمي لنماذج LLM قدرة غير مرغوب فيها على التوسط في التفاعل البشري مع البيانات الكبيرة، لمساعدة الناس على فهم المعلومات من خلال شرحها ببساطة، بوضوح، وبسرعة مذهلة. يشير هذا إلى أن الذكاء الاصطناعي يصبح مُدمجًا في العديد من التطبيقات الحالية ويتسبب في ابتكار موجة ثانية من التطبيقات الجديدة.

على سبيل المثال، تتوقع Gartner أن 40% من تطبيقات المؤسسة سيكون لها ذكاء اصطناعي في المحادثات مُضمّن بحلول عام 2024، وأن 30% من المؤسسات ستمتلك استراتيجيات تطوير واختبار معززة بالذكاء الاصطناعي بحلول عام 2025، وأن أكثر من 100 مليون عامل يتعاونون مع "الروبوتات التعاونية" بحلول عام 2026.

بالطبع، من الممكن أن تؤدي مخاطر وقيود الذكاء الاصطناعي المبتكر إلى إضعاف هذا التيار القوي. قد يكون من الصعب للغاية ضبط النماذج المولدة لمعرفة الفروق الدقيقة لما يجعل الأعمال التجارية فريدة من نوعها، وإدارة مثل هذه النماذج الحوسبية المكثفة قد تكون مُكلفة للغاية، والتعرض غير المقصود للأسرار التجارية قد يبعد الشركات.

أو قد يحدث كل هذا لكن بوتيرة أبطأ مما يتوقعه الكثيرون الآن. في صورة تذكير، تحقق وعد الإنترنت في نهاية المطاف. لكن استغرق الأمر عقدًا أطول من الجيل الأول من المتحمسين المتوقعين، إذ تم عليه بناء أو ابتكار البنية التحتية الضرورية، وتكف الأشخاص سلوكهم مع إمكانيات الوسيط الجديد. يُمثل الذكاء الاصطناعي المبتكر من نواح كثيرة وسيلة جديدة أخرى.

يفكر المؤثرون بشكل عام في مستقبل الذكاء الاصطناعي المبتكر في مجال الأعمال.

"قد يعني ذلك أننا نبني شركات بشكل مختلف في المستقبل"، حسب تصريح شون أميراتي، وهو صاحب رأس مال مغامر أيضًا وأستاذ خدمة مُتميز في ريادة الأعمال في كلية Tepper في جامعة Carnegie Mellon للأعمال والمؤسس المشارك لمختبر Corporate Startup Lab في CMU. بنفس الطريقة التي تتمتع بها الشركات "الأصلية الرقمية" بأفضلية بعد ظهور الإنترنت، تتصور شركة Ammirati أن الشركات المستقبلية التي تم بناؤها من الألف إلى الياء على الأتمتة المولدة المدعومة بالذكاء الاصطناعي يمكنها أخذ زمام المبادرة.

وصرح: "تضع هذه الشركات الأتمتة أولًا، لذلك؛ لن تضطر إلى إثبات طريقة التوقف عن القيام بالأشياء يدويًا التي يجب أن تقوم بها بطريقة آلية". "يمكنك أن تنتهي بنوع مُختلف جدًا من الشركات."

تبني الذكاء الاصطناعي المبتكر بسهولة باستخدام أنظمة Oracle

ليس لدى Oracle تاريخ طويل فحسب يناسب إمكانات الذكاء الاصطناعي ودمجها في منتجاتها، بل هي أيضًا في الطليعة نحو تطوير الذكاء الاصطناعي وأنشطته. تُستخدم Oracle Cloud Infrastructure من شركات رائدة في الذكاء الاصطناعي المبتكر. يمكن أن توفر سحابة الجيل التالي هذه المنصة المثالية للمؤسسات لإنشاء نماذج الذكاء الاصطناعي المبتكر المتخصصة الخاصة بمؤسساتها ومجالات أعمالها الفردية ونشرها. كما أوضح إليسون من Oracle، "تتميز جميع مراكز البيانات السحابية من Oracle بشبكة RDMA ذات نطاق ترددي عالٍ وزمن انتقال منخفض [وصول المباشر إلى الذاكرة عن بُعد] مُحسّنة تمامًا لإنشاء مجموعات وحدات معالجة الرسومات (GPU) واسعة النطاق التي يتم استخدامها لتدريب نماذج اللغات الكبيرة الأصلية. لقد وضع الأداء العالي للغاية ووفورات التكلفة ذات الصلة لتشغيل أحمال عمل الذكاء الاصطناعي المبتكر في سحابتنا من الجيل الثاني شركة Oracle الخيار الأول بين شركات تطوير الذكاء الاصطناعي المتطور."

أدت شراكة Oracle مع Cohere إلى ظهور مجموعة جديدة من عروض الخدمات السحابية للذكاء الاصطناعي المبتكر. صرح إليسون "تحمي هذه الخدمة الجديدة خصوصية بيانات تدريب عملاء مؤسستنا، مما يتيح لهؤلاء العملاء استخدام بياناتهم الخاصة بأمان لتدريب نماذجهم الخاصة المتخصصة في اللغات الكبيرة".

بدأت قصة الذكاء الاصطناعي المبتكر قبل 80 عامًا بحساب مراهق شارد وراحت تنتشر انتشارًا واسعًا في أواخر العام الماضي مع إصدار ChatGPT. يتسارع الابتكار في الذكاء الاصطناعي المبتكر بسرعة، إذ تجرب الشركات عبر جميع الأحجام والصناعات قدراته وتستثمر فيه. لكن إلى جانب قدراتها على تعزيز العمل والحياة إلى حد كبير، يجلب الذكاء الاصطناعي المبتكر مخاطر كبيرة، تتراوح من فقدان الوظائف إلى، إذا كنت تعتقد بالمتشائمين، وإمكانية الانقراض البشري. ما نعرفه بالتأكيد هو أن الأمر حدث دون رجوع—ولن يعود لوضعه مرة أخرى.

ما الذي يجعل Oracle أكثر مُناسبة للذكاء الاصطناعي المبتكر؟

توفر Oracle منصة حديثة للبيانات وبنية تحتية مُنخفضة التكلفة وعالية الأداء للذكاء الاصطناعي. توضح العوامل الإضافية، مثل النماذج القوية عالية الأداء وأمان البيانات الذي لا مثيل له وخدمات الذكاء الاصطناعي المُضمنة، سبب تصميم عرض الذكاء الاصطناعي من Oracle للمؤسسات فعلًا.

الأسئلة الشائعة المتعلقة بالذكاء الاصطناعي المبتكر

ما المقصود بتقنية الذكاء الاصطناعي المبتكر؟

تعتمد تقنية الذكاء الاصطناعي المبتكر على بُنى برامج الشبكة العصبية التي تحاكي الطريقة التي يعتقد أن الدماغ البشري يعمل بها. يتم تدريب هذه الشبكات العصبية من خلال إدخال كميات كبيرة من البيانات في عينات صغيرة نسبيًا ثم يُطلب من الذكاء الاصطناعي إجراء تنبؤات بسيطة، مثل الكلمة التالية في تسلسل أو الترتيب الصحيح لتسلسل من الجمل. تحصل الشبكة العصبية على الفضل أو اللوم للحصول على إجابات صحيحة وخاطئة، لذلك؛ تتعلم من العملية حتى تتمكن من إجراء تنبؤات جيدة. في نهاية المطاف، تعتمد التكنولوجيا على بياناتها التدريبية وتعلمها للرد بطرق شبيهة بالإنسان على الأسئلة وغيرها من المطالبات.

ما المثال على الذكاء الاصطناعي المبتكر؟

يأتي المثال الأشهر على الذكاء الاصطناعي المبتكر اليوم في ChatGPT، الذي يمكنه إجراء محادثات شبيهة بالإنسان والكتابة حول مجموعة واسعة من الموضوعات. من الأمثلة الأخرى على ذلك Midjourney وDall-E، الذي ينشئ صورًا والعديد من الأدوات الأخرى التي يمكنها إنشاء نص وصور ومقاطع فيديو وصوت.

ما الفرق بين الذكاء الاصطناعي المبتكر والذكاء الاصطناعي؟

من المهم ملاحظة أن الذكاء الاصطناعي المبتكر ليس تقنية مُختلفة بشكل أساس عن الذكاء الاصطناعي التقليدي، بل إنه يوجد في نقاط مُختلفة على نطاق واسع. تنفذ عادةً أنظمة الذكاء الاصطناعي التقليدية مهمة محددة، مثل اكتشاف الاحتيال في بطاقة الائتمان. يكون الذكاء الاصطناعي المبتكر عادةً أوسع ويمكنه إنشاء محتوى جديد. يرجع ذلك جزئيًا إلى أنه يتم تدريب أدوات الذكاء الاصطناعي المبتكر على مجموعات بيانات أكبر وأكثر تنوعًا من الذكاء الاصطناعي التقليدي. علاوة على ذلك، يتم تدريب الذكاء الاصطناعي التقليدي عادةً باستخدام تقنيات التعلم الخاضعة للإشراف، في حين يتم تدريب الذكاء الاصطناعي العام باستخدام التعلم غير الخاضع للإشراف.

ما هي خطورة الذكاء الاصطناعي المبتكر؟

تجرى مناقشة كبرى في المجتمع حول المخاطر المحتملة للذكاء الاصطناعي المبتكر. قال المتشددون على الجوانب المعاكسة من النقاش إن التكنولوجيا قد تؤدي في نهاية المطاف إلى انقراض الإنسان، من جهة، أو إنقاذ العالم، من جهة أخرى. ‫على الأرجح، يقود الذكاء الاصطناعي إلى التخلص من العديد من الوظائف القائمة.‬ يجب أن تهتم المؤسسات بالطُرق التي يحفز بها الذكاء الاصطناعي المبتكر التغييرات في عمليات العمل والأدوار الوظيفية، بالإضافة إلى إمكانية كشف المعلومات الخاصة أو الحساسة عن غير قصد أو التعدي على حقوق التأليف والنشر.

فيما يناسب الذكاء الاصطناعي المبتكر؟

يمكن استخدام الذكاء الاصطناعي المبتكر بشكل ممتاز بالشراكة مع المتعاونين من البشر للمساعدة، على سبيل المثال، في طرح الأفكار الجديدة وتثقيف العمال في التخصصات القريبة. كما أنه أداة رائعة لمساعدة الأشخاص على تحليل البيانات غير المنظمة بسرعة أكبر. بشكل أعم، يمكن أن يفيد الشركات من خلال تحسين الإنتاجية وتقليل التكاليف وتحسين رضا العملاء وتوفير معلومات أفضل لاتخاذ القرارات وتسريع وتيرة تطوير المنتجات.

ما الذي يعجز الذكاء الاصطناعي على فعله؟

لا يمكن أن يكون للذكاء الاصطناعي المبتكر أفكار جديدة حقيقية لم يتم التعبير عنها سابقًا في بيانات التدريب الخاصة به أو على الأقل استنباطها من تلك البيانات. كما لا ينبغي تركها وحدها. يتطلب الذكاء الاصطناعي المبتكر الإشراف البشري وهو في أفضل حالاته في التعاون بين الإنسان والذكاء الاصطناعي.

ما الصناعات التي تستخدم الذكاء الاصطناعي المبتكر؟

بسبب اتساع نطاقه، من المرجح أن يكون الذكاء الاصطناعي المبتكر مفيدًا في كل صناعة تقريبًا.

كيف يؤثر الذكاء الاصطناعي المبتكر على مستقبل العمل؟

من المرجح أن يكون للذكاء الاصطناعي المبتكر تأثير كبير على الأعمال المعرفية، والأنشطة التي يعمل فيها البشر معًا و/أو يتخذون قرارات تجارية. على أقل تقدير، تحتاج أدوار العاملين في مجال المعرفة إلى التكيف مع العمل في شراكات مع أدوات الذكاء الاصطناعي المبتكر، ويتم فيها التخلص من بعض الوظائف. مع ذلك، يبين التاريخ أن التغير التكنولوجي مثل ذلك المتوقع من الذكاء الاصطناعي المبتكر أنه يؤدي دائمًا إلى إنشاء المزيد من الوظائف أكثر مما يقضي عليه.