أليكس راتنر، الرئيس التنفيذي ومؤسس سنوركل إيه آي – سلسلة المقابلات

أليكس راتنر هو الرئيس التنفيذي ومؤسس سنوركل إيه آي، شركة ولدت من مختبر ستانفورد للذكاء الاصطناعي.

سنوركل إيه آي يجعل تطوير الذكاء الاصطناعي سريعًا وعملية عن طريق تحويل عمليات التطوير اليدوية إلى حلول برمجية. سنوركل إيه آي يسمح للمؤسسات بتطوير الذكاء الاصطناعي الذي يعمل لمحصولاتهم الفريدة باستخدام بياناتهم ومعارفهم الخاصة بسرعة 10-100 مرة.

ما الذي جذبك في البداية إلى علوم الحاسوب؟

هناك جانبان مهمان في علوم الحاسوب عندما تكون شابًا. أولًا، يمكنك التعلم بسرعة كما تريد من التجربة والبناء، مع وجود反馈 فوري، بدلاً من انتظار معلم. ثانيًا، يمكنك بناء الكثير دون الحاجة إلى طلب إذن من أي شخص!

دخلت برمجة عندما كنت شابًا لهذه الأسباب. كما أحببت الدقة التي تتطلبها. استمتعت بعملية تجريد العمليات المعقدة والروتين، ثم التشفير لها بطريقة متواصلة.

في وقت لاحق، كبالغ، عدت إلى علوم الحاسوب بشكل احترافي من خلال وظيفة في الاستشارات حيث كنت مكلفًا بكتابة البرامج لتحليل بعض البيانات الأساسية. كنت مهتمًا بكيفية توافر المعرفة البشرية – أي شيء كان قد اعتبره أي شخص قابلاً للتسجيل بالبراءة – ولكن كان من الصعب الوصول إليها لأنها كانت صعبة التحليل حتى على النصوص الفنية والبيانات متعددة الوسائط.

هذا ما أدى بي إلى العودة إلى علوم الحاسوب مرة أخرى، وفي النهاية إلى الدراسات العليا في ستانفورد، مع التركيز على معالجة اللغة الطبيعية، وهي مجال استخدام الذكاء الاصطناعي على اللغة الطبيعية.

كنت قد بدأت وأدت مشروع سنوركل مفتوح المصدر أثناء وجودك في ستانفورد، هل يمكنك أن تشرح لنا رحلة هذه الأيام المبكرة؟

في ذلك الوقت، كنا، مثل الكثيرين في الصناعة، مركزين على تطوير خوارزميات جديدة – أي كل الأشياء “المتطورة” في تعلم الآلة التي يقوم بها الأشخاص في المجتمع ويصدرون أوراق بحثية عنها.

然而، كنا ملتزمين دائمًا بتأسيس هذه الأشياء في مشاكل العالم الحقيقي – معظمها مع الأطباء وال科学اء في ستانفورد. ولكن كل مرة كنا نقدم نموذجًا جديدًا أو خوارزمية، كانت الاستجابة دائمًا “نعم، سنحاول ذلك، ولكننا سنحتاج إلى جميع هذه البيانات المُ标َّة التي لا نمتلك الوقت لإنشائها!”

كنا نرى أن المشكلة الكبيرة غير المعلنة كانت حول عملية وضع العلامات وتحضير البيانات – لذلك تحولنا جميع تركيزنا إلى ذلك، وهو كيف بدأ مشروع سنوركل وفكرة “الذكاء الاصطناعي المرتكز على البيانات”.

يتبنى سنوركل نهج الذكاء الاصطناعي المرتكز على البيانات، هل يمكنك أن تعرفنا ما يعني ذلك وكيف يختلف عن تطوير الذكاء الاصطناعي المرتكز على النماذج؟

الذكاء الاصطناعي المرتكز على البيانات يعني بناء بيانات أفضل لإنشاء نماذج أفضل.

هذا يتعارض مع – ولكن يعمل جنبًا إلى جنب مع – الذكاء الاصطناعي المرتكز على النماذج. في الذكاء الاصطناعي المرتكز على النماذج، يفترض علماء البيانات أن البيانات ثابتة ويوجهون طاقتهم إلى تعديل هياكل النماذج والمعاملات لتحقيق نتائج أفضل.

الباحثون لا يزالون يقومون بعمل رائع في الذكاء الاصطناعي المرتكز على النماذج، ولكن النماذج الجاهزة وتقنيات تعلم الآلة الأوتوماتيكية قد تحسنت كثيرًا لدرجة أن اختيار النموذج أصبح متاحًا في وقت الإنتاج. عندما يكون ذلك هو الحال، أفضل طريقة لتحسين هذه النماذج هي توفير المزيد من البيانات الجيدة.

ما هي المبادئ الأساسية للنهج المرتكز على البيانات؟

المبدأ الأساسي للذكاء الاصطناعي المرتكز على البيانات بسيط: بيانات أفضل تبني نماذج أفضل.

في أعمالنا الأكاديمية، قد أسميناها “برمجة البيانات”. الفكرة هي أنه إذا قدمت نموذجًا قويًا بما يكفي مع أمثلة كافية من الإدخالات والخروجات المتوقعة، فإن النموذج يتعلم كيفية تكرار هذه الأنماط.

هذا يعرض تحديًا أكبر مما قد تتوقعه. غالبية البيانات لا تحتوي على علامات – أو على الأقل لا تحتوي على علامات مفيدة لطبيعتك.

وضع العلامات على البيانات يدوياً يعرض تحديات جادة. يتطلب ذلك ساعات عمل بشرية، وأحيانًا تكون هذه الساعات باهظة الثمن. يمكن فقط وضع علامات على الوثائق الطبية من قبل الأطباء.

بالإضافة إلى ذلك، لا يضمن وجود مجموعة بيانات مُعلَّمة جودة عالية. الخطأ البشري يخترق كل مكان. كل مثال خاطئ في بياناتك سوف يؤدي إلى تدهور أداء النموذج النهائي. لا يمكن لأي تعديل للمعاملات أن يغطي على هذه الحقيقة. لقد وجد الباحثون حتى سجلات مُعلَّمة بشكل خاطئ في مجموعات البيانات المفتوحة الأساسية.

يمكنك أن تشرح لنا ما يعني أن يكون الذكاء الاصطناعي المرتكز على البيانات برمجيًا؟

وضع العلامات على البيانات يدوياً يعرض مشاكل جادة. يتطلب ذلك ساعات عمل بشرية، وأحيانًا تكون هذه الساعات باهظة الثمن.

نظام التسمية البرمجي لسنوركل إيه آي يدمج إشارات متنوعة – من النماذج التقليدية إلى العلامات الحالية وقواعد البيانات الخارجية – لتطوير علامات احتمالية بمقياس كبير. مصدرنا الأساسي للإشارة يأتي من خبراء الموضوع الذين يتعاونون مع علماء البيانات لإنشاء دوال التسمية. هذه الدوال ترمز لحكمهم الخبير وتمكنهم من التأثير على عشرات أو مئات من نقاط البيانات.

هذا الإطار مرن أيضًا. بدلاً من البدء من الصفر عندما تتغير احتياجات الأعمال وتتطلب مجموعة جديدة من العلامات، يمكن للمستخدمين إضافة وازالة وتعديل دوال التسمية لتطبيق علامات جديدة في ساعات بدلاً من أيام.

كيف يسمح النهج المرتكز على البيانات بتمكين التوسع السريع للبيانات غير المُعلَّمة؟

نهجنا البرمجي للذكاء الاصطناعي المرتكز على البيانات يسمح بتمكين التوسع السريع للبيانات غير المُعلَّمة من خلال تعزيز تأثير كل خيار. بمجرد أن يحدد خبراء الموضوع مجموعة أولية صغيرة من الحقيقة الأرضية، يبدأون في التعاون مع علماء البيانات من أجل التكرار السريع.

كل دورة تحسين تؤدي إلى تحسين أداء النموذج حتى ي达到 أو يتجاوز أهداف المشروع. يمكن أن يقلل هذا من أشهر من عمل وضع العلامات إلى ساعات فقط. في أحد مشاريع سنوركل البحثية، قام两个 من باحثينا بوضع علامات على 20,000 وثيقة في يوم واحد – حجم يمكن أن يأخذ وضع العلامات اليدوي أسابيع أو أطول.

يقدم سنوركل حلول الذكاء الاصطناعي المتعددة، بما في ذلك سنوركل فلو و سنوركل جين جلو و سنوركل فاوندري. ما هي الفروق بين هذه العروض؟

مجموعة سنوركل إيه آي تمكن المستخدمين من إنشاء دوال التسمية (مثل البحث عن الكلمات الرئيسية أو الأنماط في الوثائق) لتسمية ملايين النقاط البيانية ببرمجة في دقائق، بدلاً من وضع العلامات يدوياً على نقطة بيانات واحدة في كل مرة.

يضغط على الوقت اللازم للشركات لترجمة بياناتها الخاصة إلى نماذج جاهزة للإنتاج وبدء استخراج القيمة منها. سنوركل إيه آي يسمح للمؤسسات بتوسيع نهجها المرتكز على البشر من خلال دمج الحكم البشري وخبرة الخبراء بفعالية.

يؤدي هذا إلى تحقيق نتائج أكثر شفافية ووضوحًا، مما يضمن للمؤسسات إدارة الانحياز وتحقيق نتائج مسؤولة.

بالنسبة إلى التفاصيل، يسمح سنوركل إيه آي لمؤسسات فورتشن 500 ب:

• تنمية بيانات مُعلَّمة عالية الجودة لتدريب النماذج أو تعزيز الراغ;
• تخصيص النماذج الكبيرة مع التعديل الدقيق;
• استخراج النماذج الكبيرة إلى نماذج متخصصة أصغر وأرخص في التشغيل;
• بناء نماذج الراغ المخصصة للمجال والمهمة مع التدريب المسبق.

لقد كتبت بعض الأوراق البحثية الرائعة، ما رأيك في أهم ورقة قمت بكتابةها؟

واحدة من الأوراق الرئيسية كانت الأصلية حول برمجة البيانات (وضع العلامات على بيانات التدريب ببرمجة) وأخرى حول سنوركل.

ما هو رؤيتك لمستقبل سنوركل؟

أرى سنوركل يصبح شريكًا موثوقًا به لجميع المؤسسات الكبيرة التي تريد أن تكون جادة فيما يتعلق بالذكاء الاصطناعي.

يجب أن يصبح سنوركل فلو أداة شائعة لفرق علوم البيانات في المؤسسات الكبيرة – سواء كانوا يعدلون نماذج لغة كبيرة مخصصة لمؤسستهم، أو يبنيون نماذج تصنيف الصور، أو يبنيون نماذج انحدار لوغستي بسيطة وقابلة للتطبيق.

بغض النظر عن نوع النماذج التي تحتاجها المؤسسة، سوف تحتاج إلى بيانات مُعلَّمة عالية الجودة لتدريبها.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة سنوركل إيه آي،