ورقة عمل RE•WORK: التحديات والنجاحات والتقدم والفشل في معالجة الذكاء الاصطناعي

RE-WORK هي شركة رائدة في مجال الأحداث المتعلقة بالذكاء الاصطناعي والتعلم العميق، وت组织 قمم وورش عمل في جميع أنحاء العالم. تغطي هذه الأحداث مواضيع متعلقة بالتعلم العميق والتعلم الآلي والذكاء الاصطناعي في مختلف القطاعات والرؤية الحاسوبية والمركبات ذاتية القيادة والذكاء الاصطناعي المسؤول وغيرها. وتجمع هذه الأحداث بين قادة من الصناعة والأكاديمية.

في أحدث ورقة عمل لشركة RE•WORK، التي تحمل عنوان “التحديات والنجاحات والتقدم والفشل في معالجة الذكاء الاصطناعي”، شارك في كتابتها أشخاص من جامعة بوردو وجامعة رايرسون وشركة GSI Technology (GSIT ) وشركة COTA وشركة Omdena وغيرهم.

تتكون الورقة من ستة فصول:

• الفصل الأول: قيود البيانات في التطبيقات الشائعة في الصناعة والمنظمات غير الهادفة للربح

• الفصل الثاني: التقارب بين ElasticSearch و ANN و Computer-in-Memory

• الفصل الثالث: قيود ومتقدمات توافر البيانات

• الفصل الرابع: حواجز البيانات في التعلم الآلي والذكاء الاصطناعي

• الفصل الخامس: قيود المعالجة على الذكاء الاصطناعي في الشركات – هل GPT-3 هو الحل النهائي?

• الفصل السادس: جميعها في شبكات الاتصالات اللاسلكية 6G

يغطي الفصل الأول التحديات الشائعة التي تواجهها المنظمات الخاصة والمنظمات غير الهادفة للربح، كما يغطي القيود المتعلقة بالتوافر والتكلفة والخصوصية والأخلاقيات والبيانات. ويستند هذا الفصل إلى ثلاث دراسات حالة محددة لتوضيح قيود البيانات في النص والفيديو والبيانات الجغرافية، بما في ذلك “معالجة النصوص باستخدام التعلم الآلي” و”الرؤية الحاسوبية للاستجابة للطوارئ” و”تطبيقات الرؤية الحاسوبية للقيادة الذاتية”.

كتب الفصل الأول روسانو دي أوليفيرا جوميز، مهندس التعلم الآلي في شركة Omdena؛ هاريني سوريش، باحث دكتوراه في معهد ماساتشوستس للتكنولوجيا؛ وإيريم أفزال، مهندس التعلم الآلي في شركة Omdena.

يركز الفصل الثاني على استخدام تقنية ANN مع تسريع المعالجة في الذاكرة، مما يوفر استجابة في الوقت الفعلي من عمليات البحث في ElasticSearch. يمكن أن يتضمن ElasticSearch، الذي كان في الأصل محرك بحث للنص، الآن مستندات مثل الصور وشبكات الاتصالات والنصوص والفواتير. كما يغطي الفصل تقنيات جديدة في السوق مثل وحدة المعالجة التجميعية (APU).

كتب الفصل الثاني مارك رايت، مدير التسويق في شركة GSI Technology.

يغطي الفصل الثالث قيود ومتقدمات توافر البيانات. يبدأ بتوضيح ما هو توافر البيانات وما ليس كذلك، ثم يلي ذلك القيود مثل توافق البيانات وفشل التخزين وفشل الخادم/الشبكة والتكلفة وضعة جودة البيانات. ويختتم الفصل بتقديم حلول مثل خط أنابيب معالجة البيانات عالية الأداء والسحابة الهجينة.

كتب الفصل الثالث أديبونمي أوديفونسو، مهندس برمجيات وممارس التعلم الآلي في جامعة بوردو.

يغطي الفصل الرابع الحواجز في التعلم الآلي والذكاء الاصطناعي، مع التركيز على الخوارزميات والنماذج التي تظهر معدلات خطأ عالية وتحيزًا، مثل أنظمة التعرف على الوجه. كما يشرح كيفية التخفيف من التحيز وزيادة القابلية للتفسير ولماذا يجب أن تكون مجموعة البيانات كبيرة ومتنوعة. ويغطي الفصل أيضًا جوانب أخرى من البيانات، مثل الاتساق ودقة مصادر البيانات.

كتب الفصل الرابع شيفام ماثورا، مدير الاستراتيجية في شركة COTA.

يستخدم الفصل الخامس أحدث نموذج للذكاء الاصطناعي GPT-3 لاستكشاف قيود وإمكانيات الذكاء الاصطناعي في الشركات. يهدف الفصل إلى التأكيد على أن “قيود اليوم هي نجاحات الغد” والحاجة إلى التجارب المستمرة.

كتب الفصل الخامس شاينا رازا، مرشحة دكتوراه في علوم الحاسوب في جامعة رايرسون.

يغطي الفصل السادس شبكات الاتصالات اللاسلكية 6G الناشئة وكيف ستتطلب هذه الشبكات الذكاء الاصطناعي والتعلم الآلي والمزيد. كما يلاحظ كيف ستتيح هذه الأنظمة سعة ووصولًا غير مسبوقين للشبكة. وتشمل بعض المواضيع الأخرى في الفصل شبكات الاتصالات اللاسلكية الجيل التالي مع الذكاء الاصطناعي والشبكات المحددة ديناميكيًا، والدافع من تحدي داربا للتعاون في الطيف، وتنفيذ خوارزميات الراديو الذكية.

كتب الفصل السادس عدة مؤلفين، بمن فيهم كمال آكايا وآرجونا ماداناياكي وأودارا دي سيلفا وسرافان بوليباتي من جامعة فلوريدا الدولية؛ خوسيه إم خورنت وكيوشيك تشودهوري وفرنسيسكو ريستوتشيا وتوماسو ميلوديا من جامعة نورث إيسترن؛ سومياجيت ماندال وجون شي من جامعة فلوريدا؛ أديتيا دهانانجاي من راديو باي؛ وجاي دواني وفاسيل ديميتروف من مختبرات ليموريان.