فرانسيسكو ويبر، المؤسس المشارك والرئيس التنفيذي لشركة Cortical.io – سلسلة المقابلات

فرانسيسكو ويبر هو المؤسس المشارك والرئيس التنفيذي لشركة Cortical.io ومخترع تقنية Retina الخاصة بالشركة. تطبق هذه التقنية مبادئ المعالجة الدماغية على تعلم الآلة وفهم اللغة الطبيعية (NLU) لحل حالات استخدام حقيقية متعلقة ببيانات النص الكبيرة. تعتمد حلول Cortical.io على المعنى الفعلي للنص، وليس على الحوادث الإحصائية.

تطورت اهتمام فرانسيسكو بالتكنولوجيا المعلوماتية خلال دراسته الطبية، عندما كان يشارك في معالجة البيانات الطبية. على مدار عقدين من الزمن، قام باستكشاف تقنيات محركات البحث وأنظمة الوثائق في سياقات مختلفة، لكنه أصبح متضايقًا بشكل متزايد من قيود الأساليب الإحصائية الحديثة.

في عام 2005، أسس شركة Matrixware Information Services ، التي طورت أول قاعدة بيانات براءات اختراع عالمية معيارية. في عام 2007، أنشأ منشأة استرجاع المعلومات مع الخبراء الأكاديميين الرائدين في استرجاع المعلومات، البروفيسور كيث فان ريجسبرجن. كان الهدف من المنشأة هو سد الفجوة بين الأكاديمية والصناعة في مجال استرجاع المعلومات. أدرك فرانسيسكو أن الدماغ كان النظام المرجعي الوحيد عند معالجة اللغة الطبيعية. بينما كان يتابع التطورات في العلوم العصبية، صاغ نظرية التماثل الدلالي، التي تمثل كيفية تمثيل الدماغ لبيانات اللغة.

ماذا جذبك في البداية للانخراط في فهم اللغة الطبيعية (NLU)؟

تطورت اهتمامي بالتكنولوجيا المعلوماتية خلال دراستي الطبية، عندما كنت أشارك في معالجة البيانات الطبية. على مدار عقدين من الزمن، قمت باستكشاف تقنيات محركات البحث وأنظمة الوثائق في سياقات مختلفة، لكني أصبحت متضايقًا بشكل متزايد من قيود الأساليب الإحصائية الحديثة. أدركت أن الدماغ كان النظام المرجعي الوحيد عند معالجة اللغة الطبيعية.

أنت المؤسس والرئيس التنفيذي لشركة Cortical.io. هل يمكنك مشاركة قصة ولادة هذه الشركة؟

كنا نعلم أننا لدينا تقنية تمكن الشركات من البحث بشكل أسرع وأكثر دقة، وستخرج وتصنف وتحلل المعلومات من النص غير المنظم. يمكن أن تكون تقنيتنا القائمة على الذكاء الاصطناعي وفهم اللغة الطبيعية متميزة في معالجة تحديات معالجة النص غير المنظم، لأنها تفهم معنى الجمل والفقرات والمفاهيم، وليس فقط الكلمات الرئيسية، وبالتالي توفر نتائج دقيقة للغاية. عندما علمت القيادة الصناعية بما لدينا، فتحت لنا الباب لاختبار نهجنا تحت متطلبات حقيقية ومتعددة. هذا أدى إلى نجاحات عديدة في الشركات الكبيرة. أصبحت هذه النجاحات نماذج لمنتجاتنا المتعلقة bằng العقود والرسائل.

تعتمد تقنية Cortical.io على نظرية التماثل الدلالي، وهي نظرية حاسوبية مبتكرة لمعالجة بيانات اللغة. ما هي بعض القيود الحالية في كيفية معالجة معظم الذكاء الاصطناعي لفهم اللغة الطبيعية؟

تتضمن الأساليب القياسية للذكاء الاصطناعي والتعلم الآلي بناء نماذج إحصائية كبيرة يتم تدريبها باستخدام كميات هائلة من بيانات التدريب. في كثير من الأحيان، لا تكون هناك كميات كافية من بيانات التدريب متاحة، ولا يمتلك الخبراء في المجال الوقت لتعليم كميات كبيرة من الوثائق. بالإضافة إلى ذلك، يتطلب تدريب نماذج كبيرة (بمليارات المعاملات) موارد حاسوبية هائلة، مما يعد مكلفًا للغاية ويتطلب استهلاكًا كبيرًا للطاقة. نموذج لغة نموذجي يستهلك أكثر من الطاقة التي تستهلكها خمس سيارات خلال حياتها!

تعتمد نظرية التماثل الدلالي على نظرية الذاكرة الزمنية الهرمية (HTM). هل يمكنك وصف هذه النظرية بشكل مختصر؟

الذاكرة الزمنية الهرمية (HTM) هي نظرية ذكاء مقيدة بيولوجيًا تم وصفها لأول مرة في كتاب جيف هاوكينز “حول الذكاء”. إنها إطار ذكاء آلي يعتمد بشكل صارم على العلوم العصبية وعلم وظائف الأعضاء والتفاعل بين الخلايا العصبية في الدماغ. في هذه النظرية، يعمل الدماغ كنظام ذاكرة يخزن الأنماط ويتوقع من الخبرات الحالية بناءً على الأنماط المخزنة. لتكون الآلات ذكية حقًا، يجب أن تكرر نظام الذاكرة والتنبؤ. يصف هاوكينز التمثيلات الموزعة النادرة كتنسيق البيانات الوحيد المستخدم بواسطة القشرة الدماغية. التمثيلات الدلالية المستخدمة في تقنيتنا هي تمثيلات موزعة نادرة للنص (الكلمات، الجمل، أو الفقرات).

هل يمكنك مشاركة لماذا تعتبر نظرية التماثل الدلالي متفوقة على استراتيجيات فهم اللغة الطبيعية الأخرى؟

نظرية التماثل الدلالي التي تدعم تقنية Cortical.io لها عدة مزايا كبيرة. أولًا، لا تتطلب مجموعة هائلة من بيانات العينة لتحقيق نتائج دقيقة. ثانيًا، إنها سريعة وتتطلب موارد حاسوبية أقل من خوارزميات التعلم الآلي الحديثة. أخيرًا، عملية التدريب أبسط بكثير ويمكن إدارتها من قبل خبراء المجال الذين سيستخدمون النظام، حتى لو لم يكن لديهم خبرة في الذكاء الاصطناعي.

أحد منتجات Cortical.io هو ذكاء الرسائل، ما هو هذا التطبيق بالضبط؟

يندرج ذكاء الرسائل في فئة معالجة الوثائق الذكية. الشركات غالبًا ما تتغلب على معالجة مجموعة واسعة من الرسائل والوثائق. ذكاء الرسائل هو حل خارج الصندوق يستخدم تقنية Cortical.io لاستخراج وتصنيف المعلومات الرئيسية في هذه الرسائل والوثائق ومعالجتها بشكل مناسب على مستوى الشركات. بسبب نهج Cortical.io المبتكر، يمكن تطوير تصنيفات مخصصة في ساعات ونمذجة الاستخراج في أيام.

منتج آخر هو ذكاء العقود، هل يمكنك مشاركة بعض التفاصيل حول هذا؟

يستخدم ذكاء العقود في Cortical.io نهجًا جديدًا لفهم اللغة الطبيعية لتحليل المعلومات ذات الصلة من كميات كبيرة من الوثائق بسرعة ودقة يصعب تحقيقها على نطاق واسع مع العمل اليدوي أو أدوات تحليل العقود الأخرى. يوفر الحل أداة قوية قائمة على المعنى لاستخراج وتصنيف المعلومات الرئيسية، والبحث داخل الوثائق الفردية أو على مستوى قاعدة البيانات بأكملها، وكذلك لمقارنة الوثائق مع قالب أو إصدارات سابقة.

هل هناك أي شيء آخر تود مشاركته حول Cortical.io؟

نحن متحمسون لمشاهدة نضج الذكاء الاصطناعي وفهم اللغة الطبيعية من تقنية مثيرة للاهتمام إلى دمجها في تطبيقات تحل مشاكل أعمال حقيقية.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Cortical.io.