دون البيانات، سيكون الذكاء الاصطناعي مثل صحراء قاحلة، غير قادر على تحقيق أي تقدم.
ومع توفر كميات هائلة من البيانات، يمكن للذكاء الاصطناعي أن يزدهر مثل جنة خضراء، حيث يمكن تطوير خوارزميات معقدة وتحقيق نتائج مذهلة في مجموعة متنوعة من التطبيقات.
المحاور الرئيسية:
العوامل الثلاثة لثورة الذكاء الاصطناعي
1. وفرة البيانات
مع تسارع التحول الرقمي digital transformation واعتماد البشرية على التقنيات الرقمية في مختلف مجالات الحياة، أصبحت كمية البيانات المتاحة اليوم هائلة بشكل غير مسبوق.
من التفاعلات على وسائل التواصل الاجتماعي social media إلى المستندات الإلكترونية والبيانات البيئية، يمكن القول إننا نعيش في عالم غارق في البيانات.
وقد أتاحت هذه البيانات فرصًا لا حصر لها لتطوير الذكاء الاصطناعي.
2. قدرات الحوسبة
شهدت قدرات الحوسبة computational power تطورًا هائلًا في العقود الأخيرة، مما جعل من الممكن تشغيل نماذج رياضية معقدة وتدريبها بسرعات لم تكن متاحة من قبل.
تقنيات الحوسبة السحابية cloud computing والمعالجات المتخصصة مثل وحدات معالجة الرسوميات GPUs ووحدات معالجة الموترات TPUs قد وفرت البنية التحتية الضرورية لتنفيذ عمليات الحوسبة المكثفة اللازمة لتدريب نماذج الذكاء الاصطناعي.
3. التمويل والاستثمار
أتاحت التطورات في البيانات والحوسبة فرصًا هائلة لتحقيق مكاسب تجارية، مما جذب تدفقات مالية ضخمة نحو تطوير الذكاء الاصطناعي.
هذه الاستثمارات لم تساهم فقط في تسريع التطورات التقنية، بل حفّزت أيضًا على ظهور نماذج أعمال جديدة تعتمد بشكل كبير على الذكاء الاصطناعي، مما أوجد بيئة تنافسية قوية بين الشركات لتطوير تقنيات جديدة.
انتشار البيانات الصورية ودورها في تطوير الذكاء الاصطناعي
الانتشار والوفرة
مع انتشار الأجهزة المتصلة بالإنترنت مثل الهواتف الذكية والكاميرات الرقمية ومختلف أجهزة الاستشعار، شهد العالم ثورة في كمية البيانات التي يمكن جمعها.
على سبيل المثال، الكاميرات الأمنية الموجودة في الشوارع، والهواتف الذكية التي تلتقط ملايين الصور يوميًا، أصبحت مصادر أساسية للبيانات المستخدمة في تدريب خوارزميات الذكاء الاصطناعي.
الدور في التطور
الخوارزميات الذكية مثل التعرف على الوجوه facial recognition والشبكات العصبية الالتفافية convolutional neural networks تعتمد اليوم على ملايين الصور لتعلم كيفية التمييز بين الوجوه المختلفة. بدون هذه البيانات، ربما لم نكن لنستطيع تحقيق دقة نتائج عالية قد تفوق قدرة الدماغ البشري في التعرف على الوجوه في بعض الحالات.
مثال آخر:
هو خدمة التعرف على الصور المستخدمة في تطبيقات مثل Google Photos أو Apple Photos، التي انتشرت مؤخرًا للتعرف على محتويات الصور مما يمكن المستخدمين من البحث عن صور قديمة باستخدام كلمات مفتاحية مثل “شاطئ” أو “تفاحة”، وذلك بفضل خوارزميات التدريب المعتمدة على مجموعات ضخمة من الصور.
انتشار البيانات النصّية ودورها في تطوير الذكاء الاصطناعي
مواقع التواصل الاجتماعي وانتشار الكتب الرقمية ومواقع مثل Wikipedia وغيرها ساهمت في توفير بيانات نصية ضخمة لتدريب النماذج اللغوية.
فالمحادثات والمنشورات اليومية التي يتم تبادلها عبر تويتر وفيسبوك، بالإضافة إلى التعليقات على المدونات والمقالات المتنوعة، أصبحت مواد أساسية لتطوير نماذج مثل GPT .
على سبيل المثال، النموذج الأساسي GPT-3 الذي يعتبر واحدًا من أقوى نماذج الذكاء الاصطناعي التوليدية generative AI model, تم تدريبه على مليارات الكلمات المستخرجة من الإنترنت.
هذا التدريب أتاح للنموذج القدرة على كتابة مقالات متكاملة أو محاكاة حوارات طبيعية بين البشر.
إحصائيات حول نمو البيانات
البيانات الصورية:
- في عام 2024، من المتوقع التقاط 1.94 تريليون صورة حول العالم.
- وعلى مستوى العالم، نلتقط 5.3 مليار صورة يوميًا، أو 61400 صورة في الثانية.
- يلتقط المواطن الأمريكي العادي 20 صورة يوميًا.
- يوجد ما يقرب من 14.3 تريليون صورة.
- تمثل الهواتف الذكية 94% من جميع الصور الملتقطة في عام 2024.
- يُفهرس بحث الصور على Google ما يقدر بنحو 136 مليار صورة.
- يتم مشاركة 14 مليار صورة يوميًا على وسائل التواصل الاجتماعي، يتصدرها تطبيق WhatsApp بـ 6.9 مليار صورة.
المصدر: https://photutorial.com/photos-statistics/
البيانات بشكل عام:
مخطط يوضح نمو البيانات مقدرة بواحدة الـ زيتابايت.
الملاحظ من المخطط السابق أن النمو بالبيانات فعلاً هو أسّي وليس طردي.
وبحسب المصدر نفسه فإن (مأخوذ بتصرف من Cloudscene):
- يتم إنشاء ما يقرب من 402.74 مليون تيرابايت من البيانات يوميًا.
- سيتم إنشاء حوالي 147 زيتابايت من البيانات هذا العام 2024.
- سيتم إنشاء 181 زيتابايت من البيانات في عام 2025.
- تمثل مقاطع الفيديو أكثر من نصف حركة بيانات الإنترنت.
- تمتلك الولايات المتحدة أكثر من 2700 مركز بيانات.
كما يجدر الإشارة إلى أن المنطقة العربية لا تعتبر من المناطق الرائدة في توليد البيانات الرقمية على الإنترنت, هذا يشكل نقطة ضعف لتدريب النماذج لكي تتدرب وتفهم ثقافة المنطقة.
سواء البيانات الصورية, الفيديو, الصوتية, أو النصية, جميعها تعتبر مصادر تعبّر عن ثقافة وطريقة تفكير المنطقة, ونأمل أن تتزايد وتخزن بأيادي أمينة يوماً ما وليس خادمات خارجية وأجنبية.
تحليل الصوت والبيانات في تطبيقات الحياة اليومية
البيانات الصوتية هي أيضًا جزء حيوي في تطبيقات الذكاء الاصطناعي اليوم.
شركات مثل Google وAmazon تعتمد على تسجيلات صوتية جمعتها من ملايين المستخدمين لتدريب أنظمة التعرف على الصوت مثل Google Assistant وAlexa .
هذه الأنظمة قادرة الآن على فهم لهجات مختلفة والتفاعل بلغات متعددة بفضل الكميات الضخمة من التسجيلات التي تم جمعها واستخدامها في تحسين هذه الخوارزميات.
في الماضي، كانت الخوارزميات الصوتية تواجه صعوبة في التعرف على اللهجات المحلية أو البيئات الصاخبة، نتيجة ضعف البيانات. أما اليوم، ومع انتشار تلك الأجهزة وزيادة قدرتها على استقبال بيانات أكثر من لهجات مختلفة، تطورت تلك النماذج بشكل أفضل.
فانتشار البيانات أدى إلى تطور الذكاء الاصطناعي، وتطور الذكاء الاصطناعي أدى إلى تطوير منتجات ساهمت في جمع بيانات إضافية مما أدى إلى تحسين النتائج بشكل مذهل.
التحيّز في البيانات وتأثيره على النماذج الذكية
رغم كل الفوائد التي جلبتها البيانات الضخمة للذكاء الاصطناعي، إلا أن هناك تحديات كبيرة ترتبط بها، منها التحيز في البيانات.
عندما يتم تدريب النماذج على بيانات متحيزة أو غير متوازنة، فإنها قد تنتج نتائج مضللة أو غير دقيقة.
مثال واقعي على ذلك:
هو الصورة التي تعطيها النماذج المدربة عن سوريا. بينما سوريا تمتلك تاريخًا عريقًا وثقافة غنية، فإن الكثير من البيانات المتاحة اليوم تركز على الحرب والدمار، مما يؤدي إلى تحريف الحقائق والتقليل من التنوع الثقافي والتاريخي للبلاد.
هذا النوع من التحيز يؤثر سلبًا على القرارات التي تعتمد على هذه النماذج في مجالات مثل الأبحاث الأكاديمية، الإعلام، وحتى الأعمال التجارية. لتجنب مثل هذه المشاكل، يجب على الباحثين جمع بيانات أكثر تنوعًا وشمولية لضمان تقديم معلومات متوازنة والتدخل البشري ضروري في هذه الحالة لمنع التحيز أو المعلومات المضللة.
البيانات المنظمة وغير المنظمة
البيانات التي يتم استخدامها لتدريب النماذج الذكية يمكن أن تصنف إلى نوعين رئيسيين:
- البيانات المنظمة Structured Data.
- البيانات غير المنظمة Unstructured Data.
البيانات المنظمة Structured Data
هي البيانات التي تأتي في تنسيق محدد ومنظم، مثل الجداول وقواعد البيانات.
على سبيل المثال، المعلومات التي يتم تخزينها في قواعد البيانات مثل أسماء العملاء، تواريخ الميلاد، والعناوين، تعتبر بيانات منظمة.
البيانات غير المنظمة Unstructured Data
هي البيانات التي لا تأتي في تنسيق محدد وثابت، مثل الصور، الفيديوهات، والتسجيلات الصوتية.
مواقع التواصل الاجتماعي تعتبر مصدرًا رئيسيًا للبيانات غير المنظمة.
فالصور التي يتم تحميلها على إنستغرام هي أمثلة على هذا النوع من البيانات. الذكاء الاصطناعي يعتمد بشكل كبير على البيانات غير المنظمة لتدريب النماذج المعقدة التي تتطلب فهم الصور أو الأصوات أو التعرف على الأنماط البصرية، ومن ثم تحويلها إلى بيانات تستطيع نماذج الذكاء الاصطناعي التعرف عليها أو فهمها.
الفجوة بين الأبحاث والتطبيقات العملية
رغم التقدم الكبير في أبحاث الذكاء الاصطناعي، ما زالت هناك فجوة بين النظريات التي نراها في المخابر البحثية والتطبيقات العملية.
الخوارزميات الجديدة التي يتم تطويرها في الجامعات ومراكز الأبحاث قد تستغرق سنوات قبل أن تتحول إلى تطبيقات تجارية.
أحد الأسباب الرئيسية لهذا التأخير هو الحاجة إلى بيانات ضخمة لتدريب تلك النماذج بشكل فعال، بالإضافة إلى العتاد القوي القادر على تنفيذ عمليات الحوسبة المعقدة.
ومع ذلك، بفضل التطور المستمر في القدرات الحاسوبية وتزايد توافر البيانات، نرى تقاربًا تدريجيًا بين الأبحاث والتطبيقات العملية بشكل أسرع مما سبق.
خلاصة أخيرة
لا مفر من تسجيل كامل بياناتنا تقريباً بشكل رقمي، ولكن استخدامها والتدرّب عليها وكسب المال منها ونحن لا نعلم شيءً عنها, فهو أمر واقع و مؤلم وسوف يزداد أكثر لاحقاً.
لأنه من المتوقع أن يزداد تأثير الذكاء الاصطناعي في حياتنا اليومية بشكل أكبر في المستقبل وهذا سيخلق طلب متزايد على البيانات مهما كانت السياسات الأخلاقية والضوابط.
الرقمنة لتفاصيل حياة البشر في كل حركاتهم وسكناتهم هي محرّك خلق البيانات, والبيانات بدورها هي الماء العذب لنمو الذكاء الاصطناعي, هذه عجلة متتابعة ومتطورة مع الوقت.