حسناً يبدو اننا حالياً انطلقنا الي عصر جديد قائم علي استخدام الذكاء الاصطناعي بشكل فعال في جميع نواحي الحياه ، فمنذ ايام قليلة احدثت تقنية الذكاء الاصطناعي ChatGPT ضجة كبيرة ، ويرجع ذلك الي قدرة هذه التقنية علي استنتاج نتائج مذهلة لم تكن موجودة من قبل حيث استطاعت تقديم اجابات فريدة وذكية قائمة علي تحليل الالة المتعمق وليس مجرد نتائج بحث صماء وهي تمثل نقلة نوعية في استخدام الذكاء الاصطناعي وتطبيقاته .
محتويات الموضوع :
اطلاق اصدار تجريبي من webAI منصة الذكاء الاصطناعي الجديدة بدون اكواد
واليوم أصدرت Iris Technology حلاً جديدًا بدون رموز واكواد يسمح للمطورين والشركات بتدريب ونشر نماذج الذكاء الاصطناعي بشكل أسرع – مع بيانات وقوة حوسبة أقل بكثير. المنصة ، webAI ، عمليات التتبع السريع للذكاء الاصطناعي ورؤية الكمبيوتر مع تمكين الشركات من الاحتفاظ بالسيطرة على الملكية الفكرية.
بدءًا من الأسبوع الأول من شهر يناير ، يتوفر webAI من خلال إصدار تجريبي محدود. تؤكد الشركة أن تقنيتها الجديدة ستؤدي إلى تعطيل الأساليب التقليدية للذكاء الاصطناعي.
webAI: ما يمكنه فعله
أمضت Iris Technology السنوات الثلاث الماضية بشكل غير معلن في تطوير webAI. مع إصدار منصة webAI ، يمكن للمطورين والمؤسسات بناء النماذج الأولية بسرعة ودون تكلفة قبل الاستثمار في ترخيص المؤسسة. يتم تقليل وقت النشر بشكل كبير باستخدام الحل الجديد.
قال ميكس: “ستأتي أكبر الفوائد في جعل الذكاء الاصطناعي أكثر سهولة وفعالية من حيث التكلفة”. “لا يوجد سوى حوالي 300000 خبير في الذكاء الاصطناعي في العالم اليوم ، لذا فإن إنشاء فريق من الأشخاص يمكنهم بناء نماذج الذكاء الاصطناعي يمثل تحديًا كبيرًا. ولكن هناك حوالي 55 مليون مطور برمجيات ، ويعني عدم وجود كود AI أن أي فريق من المطورين يمكنه بناء وتدريب ونشر نماذج بأداء متطور بدون خلفيات ذكاء اصطناعي عميقة “.
تقول الشركة إن webAI يتطلب خُمس البيانات للتدريب وثلث وقت التدريب مقارنةً بـ YoloV7 ، والذي يُعتبر حاليًا أسرع وأدق نموذج للكشف عن الأشياء في الوقت الفعلي لمهام رؤية الكمبيوتر.
بالإضافة إلى ذلك ، يتيح webAI التطوير التكراري ، ووضع النماذج في الميدان بشكل أسرع مع مخاطر أقل بكثير ، لأن التدريب دائمًا مجاني. يتم نشر حوالي 10٪ فقط من نماذج الذكاء الاصطناعي لرؤية الكمبيوتر التقليدية ، ويتطلب التكرار إعادة بناء النموذج بأكمله.
قال ستاوت: “معظم منصات الذكاء الاصطناعي اليوم مبنية على افتراض أن البيانات الضخمة هي الحل لمشاكل العالم”. “يطرح webAI هذا الافتراض خارج الصندوق. يتصور نهجنا المختلف جوهريًا عالماً حيث يمكن لأي مطور ، بغض النظر عن ميزانيته أو خبرته السابقة مع الذكاء الاصطناعي ، تدريب نموذج الذكاء الاصطناعي ونشره وتكراره بسرعة وبتكلفة معقولة “.
المميزات الرئيسية لإصدار webAI التجريبي
تشمل الميزات الرئيسية لإصدار webAI التجريبي ما يلي:
- السهولة والسرعة: التنظيم السريع والنشر مع تدريب أقل على النموذج.
- القدرات الحيادية لأجهزة الاستشعار: يمكن أن تعمل نماذج القزحية المدربة عبر أنواع الكاميرات وأجهزة الكمبيوتر.
- قادرة على الحافة: النظام الأساسي لديه متطلبات حسابية منخفضة ، حيث يمكن أن تعمل نماذج webAI على معظم أجهزة الكمبيوتر المحمولة من فئة المستهلك ولا تتطلب الحوسبة السحابية.
- خصوصية البيانات وحماية IP: يسمح التسليم عبر blockchain للعملاء ببناء نماذج في بيئتهم الخاصة ، إضافة إلى الأمان والخصوصية ، وبيانات العملاء والملكية الفكرية تخص العميل بدلاً من Iris Technology.
- أوضاع عدم وجود تعليمات برمجية وكود كامل: يوفر النظام الأساسي أوضاع عدم وجود تعليمات برمجية وكود كامل لزيادة إمكانية الوصول مع منح المطورين ذوي الخبرة التحكم الكامل.
تعتقد webAI أن عدم وجود كود يفتح الأبواب أمام الذكاء الاصطناعي لحل مشاكل العالم الحقيقي وتوليد قيمة معطلة في المجالات التي كان فيها الذكاء الاصطناعي التقليدي باهظ التكلفة وغير فعال.
وأوضح ميكس: “تستثمر الشركات مليارات الدولارات في خبرة الذكاء الاصطناعي والبنية التحتية للحوسبة وتنظيم اكتساب البيانات لدعم تجارب الذكاء الاصطناعي التقليدية التي لديها فرصة بنسبة 13٪ لنشرها على الإطلاق”.
وأضاف ميكس أنه يمكن للمطورين والمؤسسات تطوير تطبيقات الذكاء الاصطناعي “دون الحاجة إلى إنفاق مئات الآلاف من الدولارات على البنية التحتية للحوسبة وجمع البيانات وتنظيمها”.
سوق AI الخالي من الكود وأهميته
تتعامل webAI مع تحديات رؤية الكمبيوتر للذكاء الاصطناعي والعمليات المطلوبة لتطوير تطبيقات الذكاء الاصطناعي الجديدة. من إدارة جودة البيانات إلى تحديد ميزات التطبيق والتدريب ونشر الحل وصيانته ، فإن تطوير تطبيقات الذكاء الاصطناعي الجديدة يستغرق وقتًا طويلاً. لا تزال العديد من العمليات حرفية ويتم إكمالها يدويًا بواسطة فرق البيانات.
لكن أدوات أتمتة الذكاء الاصطناعي الجديدة للمطورين ، مثل هندسة الميزات المتقدمة ، أصبحت متاحة بشكل متزايد لمساعدة خبراء البيانات على تبسيط الإنتاج. في هذه البيئة ، يعتبر الذكاء الاصطناعي الخالي من الكود هو نهج الأتمتة النهائي لتطوير الذكاء الاصطناعي.
تقدر شركة Future Market Insights أن سوق منصات الذكاء الاصطناعي الخالي من الشفرات والأكواد سيصل إلى 38.5 مليار دولار في عام 2032 ، بمعدل نمو سنوي مركب قدره 28.1٪. بلغت قيمة السوق 2.58 مليار دولار فقط في عام 2021.
انطلاقاً من الحاجة الملحة إلى الأتمتة ، واعتماد ML و AI عبر الصناعات والقطاعات ، والعوامل المستهلكة للوقت والتكلفة لبناء الذكاء الاصطناعي من الصفر ، ونقص العمال المهرة المتعلمين بالذكاء الاصطناعي ، من المتوقع فقط عدم وجود كود للذكاء الاصطناعي. تواصل النمو.
تتضمن التطبيقات الشائعة التي لا تحتوي على تعليمات برمجية Knack و Bubble و Lansa و RunwayML و Substack. تعمل شركات التكنولوجيا الكبيرة مثل جوجل و ميكروسوفت أيضًا على تطوير AI بدون اكواد لإثراء خدماتها السحابية وجذب عملاء جدد.
ومع ذلك ، على الرغم من إمكانات التكنولوجيا الجديدة ، فإن الذكاء الاصطناعي الخالي من الشفرات يمثل أيضًا العديد من التحديات.
مواجهة تحديات عدم وجود كود AI
يشترك الذكاء الاصطناعي بدون اكواد في العديد من القواسم المشتركة مع الذكاء الاصطناعي التقليدي عندما يتعلق الأمر بالأداء. على سبيل المثال ، يمكن أن يؤثر انحراف النموذج – عندما ينتج عن تطبيق الذكاء الاصطناعي نتائج غير فعالة أو غير دقيقة بسبب التغيرات في البيانات البيئية – على كلا النوعين من التقنيات. ومع ذلك ، يتعين على صناعة الذكاء الاصطناعي التي لا تحتوي على كود أيضًا التغلب على التصورات السلبية الأخرى المرتبطة بعروضها ، مثل الصندوق الأسود AI .
الصندوق الأسود AI
الصندوق الأسود للذكاء الاصطناعي ، والذي يحدث عندما تنتج تطبيقات الذكاء الاصطناعي نتائج متقدمة ولكن الآليات الداخلية لكيفية تحقيق الخوارزمية للنتائج غير واضحة ، غالبًا ما ترتبط بـ AI بدون كود. يتم انتقاد نماذج الصندوق الأسود بسبب افتقارها إلى الشفافية وعدم قدرتها على التحقق من النتائج.
مع وضع هذا القلق في الاعتبار ، تم سؤال شركة Iris Technology عن كيفية تعامل webAI مع تحديات الذكاء الاصطناعي في الصندوق الأسود وتوفير الشفافية:
أوضح ستاوت: “يمكن للمستخدمين ذوي الخبرة الأكبر … العمل في بيئة التعليمات البرمجية الكاملة حيث يمكنهم بناء عناصرهم وسير العمل من البداية”. “Deep Detection ، بنية الويب الجديدة لـ webAI ، ليست مفتوحة المصدر ، ولكن النظام الأساسي سهل الوصول إليه وشفاف بشكل لا يصدق. لا يقتصر الأمر على قدرة أي مطور على تدريب نموذج ذكاء اصطناعي ونشره وتكراره بسرعة وفعالية من حيث التكلفة ، بل يمكنهم أيضًا امتلاك هذه النماذج والتحكم فيها وجميع المدخلات والمخرجات “.
البيانات التركيبية
البيانات التركيبية هي اتجاه آخر في AI و ML الذي يكتسب قوة. يتم استخدامه بشكل متزايد للخوارزميات التي تتطلب القياسات الحيوية وبيانات الفيديو والصور الفوتوغرافية.
يصعب الحصول على بيانات مشاريع الذكاء الاصطناعي لأنه يجب الحصول عليها بالتراضي من المبدعين أو المالكين ، ويجب أن تكون متنوعة لتجنب النتائج المتحيزة والتمييزية. من ناحية أخرى ، لا تتطلب البيانات الاصطناعية موافقة ويمكن إنشاؤها بكميات كبيرة لتدريب تطبيقات الذكاء الاصطناعي.
لكن المطورين يشككون في قدرة البيانات التركيبية على مطابقة جودة المعلومات الواقعية. يتساءلون أيضًا عن قدرتها على إنشاء قواعد بيانات وميزات متنوعة.
قال ستاوت: “لا تستخدم webAI البيانات التركيبية اليوم ، على الرغم من أننا نعتقد أن هناك حالات استخدام يكون فيها المركب الاصطناعي خيارًا رائعًا”. “ضمن webAI ، لدينا أساسيات تدريب نموذج الذكاء الاصطناعي ؛ إذا كنت تستخدم إحدى البنيات الخاصة بنا ، فستكون هناك بعض فوائد التعزيز التي تحدث بالتوازي لتعزيز مجموعة البيانات الخاصة بك. ”
إعداد البيانات ونموذج الانجراف
يعد إعداد البيانات لـ ML و AI موضوعًا ساخنًا آخر ، حيث تحتاج البيانات إلى تلبية أعلى المعايير لأداء الخوارزمية بفعالية. يمكن أن تتسبب البيانات غير المتسقة أو القديمة أو المحذوفة في انهيار النموذج وانحرافه.
أكد Stout أنه فيما يتعلق بمعايير جودة البيانات ، فإن webAI شفاف للغاية.
قال ستاوت: “عندما نصف البيانات عالية الجودة باستخدام webAI ، فإننا غالبًا ما نشير إلى بيانات نظيفة محددة جيدًا”. “في معظم التطبيقات ، لا يكون المستشعر هو البوابة ، وعادةً ما يفتقر إلى المعلومات وتؤدي التسميات غير الصحيحة إلى عدم وصول نشر النموذج إلى إمكاناته ، ولكن يمكننا أخذ معظم خلاصات الكاميرا الأولية دون تنظيف مسبق.”
تعد مراقبة تطبيقات الذكاء الاصطناعي أمرًا حيويًا للمؤسسات ، لا سيما في المؤسسات الحديثة حيث يمكن أن تؤدي الأحداث غير المتوقعة واضطرابات السوق وسلسلة التوريد والقضايا البيئية إلى تحولات كبيرة في البيانات.
وفقًا لـ Stout ، قامت Iris Technology ببناء webAI كأداة للذكاء الاصطناعي توفر للمبدعين إمكانية الشرح.
وأوضح ستاوت أنه “عند نشر نموذج في سير عمل ، يمكن مراقبته من قبل المستخدم داخل IDE نفسه”. “على سبيل المثال ، يمكن مراجعة منتج تم نشره باستخدام webAI في الوقت الفعلي بواسطة المطور أو الفريق الذي يستخدم النموذج.”
لمراقبة التطبيقات ، توفر الواجهة ملاحظات ومقاييس حقيقية لضمان الأداء الأمثل للنماذج على مدار دورات حياتها.
مستقبل الذكاء الاصطناعي الخالي من الكود في مكان العمل
لا شك أن الذكاء الاصطناعي الخالي من الكود سيسمح للعديد من الشركات بالاستفادة من أحدث التقنيات مع خفض التكاليف ونشر الخوارزميات التي تم اختبارها بالفعل ، ولكن هل ستحل الذكاء الإصطناعي بدون اكواد محل فرق البيانات والعاملين ذوي المهارات العالية ؟
في رأي فريق Iris Technology ، يعد الذكاء الاصطناعي بدون اكواد مكسبًا للطرفين لخبراء البيانات وغير الخبراء.
قال ميكس: “سيمنح الذكاء الاصطناعي بدون رمز مزيدًا من الأشخاص القدرة على تدريب النماذج ونشرها وتكرارها ، ويعني نهج webAI الجديد أن علماء ومهندسي البيانات يمكنهم القيام بذلك بسرعة أكبر وفعالية من حيث التكلفة”. “بعيدًا عن استبدال المدخلات البشرية ، نعتقد أن هذا سيزيد من الطلب على الخبرة البشرية والإبداع أثناء عملهم على جلب الذكاء الاصطناعي إلى مجالات جديدة.”