عقل جوجل والتعلم العميق.. ثورة في عالم التكنولوجيا تحاكي العقل البشري

منذ السبعينيات و علماء الحاسوب يحاولون أخد طريقة حل المشكلات في الحاسوب إلى بعد جديد عن طريق محاكة طريقة تفكير البشر فالبشر يتعلمون بالتجريب والخبرة، وقد خرجت بعض المحاولات الجدية للنور في عام 2006م ضمن بحوث تعلم الآلة، وأثرت تلك البحوث الجديدة على الكثير من المجالات والتطبيقات وعلى طريقة تحليل البيانات التقليدية.

عقل جوجل والتعلم العميق

في عام 2012م قام فريق من العلماء في Google X ببناء شبكات عصبية من 16000 معالج مع مليار وصلة سُميت بـ Google Brain أو عقل جوجل، وجعلوه يتصفح موقع اليوتيوب وعُرض عليه حوالي 10 مليون صورة ثابتة من فيديوهات يوتيوب، واكتشف العقل من تلقاء نفسه أن هناك أنماط متكررة بكثرة، وهي كالمتوقع الوجوه البشرية والأجسام البشرية وعلى غير المتوقع القطط، وتم إطلاق مُسمى “التعلم العميق” على تلك التقنية.

وحاليًا تستخدم هذه التقنية في الكثير من المجالات من مجالات الاتصالات، البنوك، الطب الحيوي، الكشف عن المخدرات، البصمة الوراثية، الحصول على عقاقير جديدة في مجال الصيدلة، وخدمات البحث عن الصور والبحث بالصوت وغيره.

واعتمد جوجل على هذه الطريقة في نظام أندرويد للتعرف على الكلام فحققت انخفاض بنسبة 25 % في أخطاء التعرف على الكلمات، وبعد النجاح الكبير لهذه التقنية في التعرف على الصور والكلمات، تسعى جوجل لتطبيق هذه التقنية في فهم لغة البشر بما يكفي لإعادة صياغة الجُمل، ويمكن الاستفادة منها في ترجمة جوجل.

التعلم الآلي

وحاليًا اصبح التعلم الآلي هو المحرك الرئيسي لعمليات التحول نحو الذكاء الاصطناعي، ومع تفوق التعلم العميق على مجالات تعلم الآلة الأخرى في توفير قدرات متقدمة على دمج البيانات، تتوقع مؤسسة الدراسات والأبحاث جارتنر أن يلعب التعلم العميق دورًا حاسمًا في تقديم أداء لا مثيل له في توفير التنبؤات الخاصة بمعدلات الطلب و ممارسات الاحتيال وإمكانية فشل العمليات بحلول عام 2021م.

إقرأ أيضًا…كيفية استخدام خاصية مشاركة الموقع في خرائط جوجل على هواتف اندرويد وiOS

وقد أوضح الكسندر ليندن، نائب رئيس الأبحاث في جارتنر رأيه قائلًا: “أن التعلم العميق قد وُجد ليبقى ويستمر ويساعد على توسيع مجالات تعلم الآلات من خلال السماح بتمثيل وسيط لقاعدة البيانات، ويمكن للتعلم العميق بشكل أساسي أن يوفر الحلول للمشاكل المعقدة وتلك التي تتعلق ببيئات العمل الغنية بالبيانات، فعلى سبيل المثال، يمكن للتعلم العميق أن يقدم نتائج حقيقة عندما يتعلق الأمر بتفسير الصور الطبية بهدف تشخيص أمراض السرطان في وقت مبكر، كما يمكن أن يساعد على تحسين قدرات الرؤية لدى أصحاب الإعاقات البصرية، ومراقبة المركبات ذاتية القيادة، أو التعرف على خطاب شخص معين وفهمه”.

وأشارت المؤسسة في تقريرها إلى أن معظم حالات استخدام تعلم الآلات الشائعة التي تتم من خلال التعلم العميق تتركز اليوم في معالجة الصور والنصوص والملفات الصوتية، لكنها تتجه أيضًا نحو التنبؤات الخاصة بمعدلات الطلب، وتحديد أوجه القصور المحيطة بجودة المنتجات والخدمات، والكشف عن أنواع جديدة من ممارسات الغش والاحتيال، فضلًا عن تحليل البيانات أثناء نقلها واستخدامها، وتقديم حلول مناسبة للحفاظ على البيانات، ولكن تتطلب المبادرات الخاصة بتعلم الآلات والذكاء الاصطناعي أكثر من مجرد بيانات أو خوارزميات رياضية لتكون ناجحة، فهي بحاجة إلى مزيج من المهارات.

إيجاد الكفاءات المناسبة لبحوث تعلم الآلات

إقرأ أيضا

كيف طور علماء نظام ذكاء اصطناعي يمكنه التنبؤ بوقت الموت الشخصي بـ”دقة مذهلة”

وأكد ليندن: “أن معظم الشركات تفتقر إلى المهارات الخاصة بعلم البيانات واللازمة لتنفيذ أبسط حلول تعلم الآلات، وإذا لم يكن بمقدور الشركات التعامل مع المشاريع الخاصة بتعلم الآلات من خلال تطبيقات سهلة الاستخدام، فيجب على قادة تقنية المعلومات إيجاد الكفاءات المناسبة للتعامل مع مجالات تعلم الآلات الواسعة”.

وأكمل حديثه قائلًا ” يمكن لعملاء البيانات استخراج مجموعة واسعة من المعارف بالاعتماد على البيانات، كما يمكنهم الحصول على رؤية واسعة لكامل تفاصيل العمليات وتقديم الحلول المناسبة والخاصة بعلم البيانات ككل”.

وأضاف ليندن بالقول: “إذا كان لديك فريق عمل يمتلك فهمًا جيدًا للبيانات وخبرة كبيرة في التعامل مع قطاعات الأعمال بالإضافة إلى القدرة على تفسير النواتج، فإنه على أتم الاستعداد لبدء التجارب الخاصة بتعلم الآلات”.

وتتوقع جارتنر في تقريرها أن يستخدم 80% من علماء البيانات التعلم العميق في مجموعات أدواتهم الخاصة بحلول العام القادم.