أنماط الذكاء الاصطناعي والتحول الرقمي

يستخدم مصطلح الذكاء الاصطناعي كثيرًا اليوم، ويوجد في وسائل الإعلام والثقافة الشعبية والصناعة والتعليم، نحن نعرف الذكاء الاصطناعي على نطاق واسع على أنه تخصص يستخدم في علوم الكمبيوتر والإحصاء لإنشاء أنظمة تدرك وتفهم وتتصرف بطريقة مشابهة للذكاء البشري، ويغطي مجال الذكاء الاصطناعي مجموعة متنوعة من التقنيات التي تستفيد من العديد من تقنيات علوم البيانات القادرة على “التعلم” لتمكين هذا الذكاء.

ما هو الذكاء الاصطناعي الضيق ANI

يشير الذكاء الاصطناعي الضيق “المعروف أيضا باسم الذكاء الاصطناعي المتخصص أو الذكاء الاصطناعي الضعيف” إلى الأنظمة المبرمجة للقيام بمهمة واحدة، سواء كانت تلعب الشطرنج، أو تحدد المراحل المبكرة من المرض في فحوصات التصوير بالرنين المغناطيسي، أو القيادة بشكل مستقل عبر البيئة، على الرغم من أن هذه المهام تختلف اختلافًا كبيرًا في التعقيد وفي مستوى تقدم تقنياتها التس تستخدم الذكاء الاصطناعي، إلا أنها لا تزال تندرج تحت مجالات تشغيلية محددة.

ملاحظة:“الذكاء الاصطناعي الضيق (ANI): Artificial Narrow Intelligence”

أنواع الذكاء الاصطناعي الضيق ANI

تحت مظلة الذكاء الاصطناعي الضيق، هناك تصنيفان أساسيان وهما: التعلم الآلي والتعلم العميق.

1- التعلم الآلي

(ML) هو فرع من الذكاء الاصطناعي، خاص بالأنظمة والنماذج والخوارزميات التي يمكنها التعلم بدون برمجة صريحة ويمكنها التعرف على الأنماط للتنبؤ بالنتائج، يجتاز (ML) الكثير من الوقت الذي سيكون مطلوبًا للمعالجة البشرية الصعبة لمجموعات البيانات الضخمة قبل التحليلات.

ويمكن للمستخدم ببساطة بناء ومعايرة النماذج مع المدخلات والمخرجات والمتغيرات الأخرى المطلوبة (تسميات البيانات) للنموذج لمعالجة واكتساب رؤى، على سبيل المثال: يمكن لـ (ML) استخدام بيانات الإدخال من مستشعرات إنترنت الأشياء (IoT) (على سبيل المثال: درجة الحرارة والاهتزازات) لتوفير مخرجات للعمر الإنتاجي المتبقي المقدر للأصل أو متى سينتهي.

2- التعلم العميق

التعلم العميق (DL) هو مجموعة فرعية من التعلم الآلي ولكنه مصمم خصيصًا للتطبيقات استنادًا إلى رؤى من البيانات غير المهيكلة، مثل: الصور أو الملفات الصوتية، يستخدم (DL) الخلايا العصبية الاصطناعية المترابطة التي تشكل شبكات عصبية، التي تحاكي النشاط في الدماغ البشري، يمكن أن تتكون هذه الشبكات من ملايين الطبقات من الخلايا العصبية.

والتي هي في الأساس حسابات وخوارزميات مدربة على التعرف على ميزة أو نمط معين داخل إدخال البيانات لتوليد مخرجات، حيث تعتمد المركبات ذاتية القيادة على (DL) لتدريب الشبكات العصبية الضخمة وإنشاء نماذج مستنتجة يمكنها تحديد الفرق بين الأشجار وعلامات التوقف والمشاة في الوقت الفعلي، ويتطلب كلًا من النوعان من التعلم أشكالًا مختلفة من بيانات التدريب لتغذية نموذج الذكاء الاصطناعي.

ما هو الذكاء الاصطناعي العام AGI

الذكاء الاصطناعي العام (المعروف أيضًا باسم الذكاء الاصطناعي القوي) هو المكافئ الآلي للذكاء البشري حيث يبدو الذكاء الاصطناعي، عادةً ما يكون هذا هو تمثيل للخيال العلمي الشهير للذكاء الاصطناعي كما هو موضح في (Ex Machina) و(Her) و(iRobot) و(Westworld).

عند القيام بهمة جديدة، يمكن لـ (AGI) استخدام المعرفة السابقة وتطبيق المهارات المكتسبة مسبقًا، بنفس الطريقة التي يحل بها الإنسان المشكلات، هناك المزيد من مستويات الذكاء الاصطناعي المتضاربة، مثل: “الذكاء الاصطناعي الفائق”، حيث يتفوق الروبوت على الذكاء البشري في مجالات ومهام متعددة، مثل القيادة بشكل مستقل إلى المستشفى للكشف عن أمراض المرضى وهزيمة الإنسان لاحقًا في لعبة الشطرنج.

ملاحظة:“الذكاء الاصطناعي العام: Artificial general intelligence (AGI)”.

تطبيقات الذكاء الاصطناعي في المجال الصناعي

يتكامل الذكاء الاصطناعي بشكل متزايد مع التطبيقات الصناعية المبتكرة وتنّشئها لتحسين المقاييس المالية الرئيسية المتعلقة بالصناعة، يمكن للذكاء الاصطناعي تحسين مجموعة من مؤشرات الأداء الرئيسية الموجهة نحو الصناعة مثل مؤشرات الأداء الرئيسية (KPIs) للشركات، بما في ذلك كفاءة الأصول والإنتاجية والجودة وإدخال المنتجات الجديدة وإنتاجية العمال.

الصيانة التنبؤية هي شكل من أشكال المراقبة القائمة على الحالة التي تتعقب وتحلل أداء الأصل وحالته وصحته في الوقت الفعلي باستخدام مجموعة متنوعة من التقنيات، حتى التحسينات الإضافية في القدرة على التنبؤ بالأصول الصناعية الثقيلة يمكن أن تقلل بشكل كبير من وقت التوقف عن العمل.

هناك عدد لا يحصى من مصادر البيانات ذات الصلة بالصيانة التنبؤية الفعالة، بما في ذلك تكوينات الأصول، وأنظمة التسجيل التاريخية، وبيانات إنترنت الأشياء الصناعية في الوقت الفعلي بشكل متزايد، يمكن لتعلم الآلة تجميع مجموعات البيانات المتباينة والضخمة هذه عبر المنتجات لإنشاء نماذج مستنبطة يمكنها التنبؤ بشكل أكبر بالحالة المستقبلية للأصل أو المنتج، لا تؤدي التنبؤات الأكثر دقة في حالات الفشل المستقبلية عبر دورة حياة الأصل إلى تحسين وقت تشغيله فحسب، بل يمكنها أيضًا تحسين تدخلات الخدمة بشكل أفضل وتوليد كفاءات الأداء، وتحسين عمرها الإنتاجي أيضًا.

تغطي رؤية الكمبيوتر والآلة كيفية إدراك الأنظمة الاصطناعية، حيث تم تجهيز أجهزة الكمبيوتر والآلات بشكل متزايد بالكاميرات وأجهزة الاستشعار الأخرى، والتي يتم تضمينها مع نماذج التعلم العميق للكشف عن الأشياء والتعرف على الصور، ويلعب الذكاء الاصطناعي دورًا رئيسيًا في حالات الاستخدام الصناعي، حيث يمكن للذكاء الاصطناعي تمكين الكمبيوتر من رؤية الواقع المعزز من خلال الإدراك عبر أجهزة الاستشعار الأصلية مثل: (الكاميرا، GPS).

ما هي استراتيجيات الذكاء الاصطناعي

هناك عدد قليل من بين عدة أشكال من التطبيقات للذكاء الاصطناعي التي تتفاعل مع المؤسسة الصناعية، سيكون النموذج الأولي والتطبيق وحالة الاستخدام التي سيتم استخدام الذكاء الاصطناعي من أجلها فريدة لكل شركة صناعية ولها أهدافها الاستراتيجية المستقلة، ومن هذه الاستراتيجيات:

1- تحديد اتساع حالات الاستخدام عبر الشركة: يمكن للذكاء الاصطناعي أن يخلق قيمة هائلة عبر التسلسل الهرمي التنظيمي والوظائف داخل الشركة، ويمكن أن تمتد حالات الاستخدام عبر سلسلة القيمة من الذكاء الاصطناعي لتمكين منتج ذكي جديد متصل إلى تحسين الذكاء عبر المصنع، ويوفر مجالًا للمبادرات الحالية والمستقبلية، ويساعد على التوافق مع شركاء التكنولوجيا لهذا التغير.

2- إعطاء الأولوية لحالات الاستخدام التي ستعزز قيمة الأعمال: بالنسبة لأي مبادرة تحول رقمي، من الأهمية بمكان مواكبة أهداف العمل الاستراتيجية مع حالات الاستخدام، سيكون تحديد مصادر البيانات الداخلية والخارجية وتحليلها لتدريب وإنشاء نماذج مستنتجة أيضًا مكونات رئيسية لمعظم استراتيجيات الذكاء الاصطناعي.

3- قياس النجاح لدفع النمو في المستقبل: سيؤدي قياس النجاح من خلال مؤشرات ومقاييس الأداء الرئيسية المستهدفة إلى التحقق من نجاح حالة الاستخدام وتوفير الدروس المستفادة للتحول المستقبلي الذي يشمل أصحاب المصلحة الإضافيين، وقد حددت مشاريع الذكاء الاصطناعي الناجحة مسبقًا أهمية وضع هذه المقاييس، وهناك المؤسسات التي لديها استراتيجية الذكاء الاصطناعي التي حددت مؤشرات الأداء الرئيسية لقياس النجاح لها.