X

Latest Digital Trends and Business Transformation Stories from the Middle East

ليست جميع البيانات متشابهة

Sue Daley
Associate Director, Technology & Innovation, techUK

تتنوّع البيانات باختلاف الأشخاص وطبيعة احتياجاتهم وتطلعاتهم. ومن الأهمية بمكان استيعاب مجموعات البيانات المختلفة عبر كافة أقسام المؤسسة والإلمام التام بخصائصها وجودتها والتي يمكن توظيفها في تدريب منظومات الذكاء الاصطناعي وإدارتها. وهو ما يُعد أمرًا أساسيًا يساعد على إطلاق العنان للأفكار والطاقة من البيانات الموجودة، ويساهم كذلك في الوقوف على الإمكانات الكاملة لأحدث التكنولوجيات المدفوعة بالبيانات.

تمثّل خوارزمية التعلّم الآلي جزءًا أساسيًا من رمز برمجي ومجموعة من التعليمات التي يتعيّن على كمبيوتر أو آلة ما اتباعها من أجل تحقيق نتيجة محددة. وعندما يتم تطبيق مجموعات البيانات على هذه الخوارزمية، يمكن حينها فقط تدريب أنظمة الذكاء الاصطناعي على إيجاد الأنماط والتعلّم من التجربة وإطلاق أفكار رئيسية من كميات ضخمة من البيانات. وكلما ازدادت البيانات التي يمكن توظيفها، ازدادت إمكانية تعلّمها وقدرتها على تقديم الأجوبة. يبدو الأمر كما لو كان سهلاً، أليس كذلك؟

لكن بالنسبة لأولئك الذين يتطلّعون لتبنّي وتوظيف حل مدفوع بالذكاء الاصطناعي، هناك ثلاثة أسئلة رئيسية يتحتّم الإجابة عليها. ما هو الهدف الذي تتطلع إليه المؤسسة؟ وهل بياناتك موجودة بصيغة رقمية وجاهزة للذكاء الاصطناعي؟ وهل تثق في جودة البيانات؟

وكما هو الحال مع أي استخدام للتكنولوجيات الرقمية، يجب أن تمتلك المؤسسة سببًا واضحًا لتوظيف أية أداة أو حل تكنولوجي. على سبيل المثال، إن استخدام تكنولوجيا التعلّم الآلي المعقّدة في إيجاد الأفكار التي كان من الممكن تحقيقها باستخدام الأدوات الموجودة في برنامج الجداول المالية (Excel) قد لا يكون استخداماً جيداً للموارد، وقد يُعطل رغبة المؤسسة في الاستثمار في حلول الذكاء الاصطناعي المبتكرة على نطاق أوسع مستقبلاً.

وفي حالة تحديد هدف واضح بالنسبة للمؤسسة، فإن الخطوة التالية هي فهم ما إذا كانت البيانات الضرورية موجودة بصيغةٍ رقمية، ورصد مكان تواجد مجموعات البيانات المطلوبة لتدريب أنظمة الذكاء الاصطناعي ضمن عمليات المؤسسة. ومن بين أحد العوامل الرئيسية كذلك معرفة مصدر البيانات وشفافيتها ومستوى حمايتها على مدار دورة حياتها.

وفي الختام، إذا كانت المؤسسة تثق في النتائج الناجمة عن نظام يعمل بالذكاء الاصطناعي، لا بد لها أيضاً من الوثوق في جودة البيانات المستخدمة لتدريب ذلك النظام. على سبيل المثال، لابد من رصد أي شكل من أشكال التحيّز التي قد تتواجد في مجموعات البيانات التاريخية أو القديمة، مع ضرورة التخلّص منها قبل استخدام البيانات لتدريب أنظمة الذكاء الاصطناعي. إن نظام الموارد المالية المدفوع بالذكاء الاصطناعي والقائم على بياناتٍ تاريخية يمكنه أن يتسبب في توصيات توظيف قد تؤدي بدورها إلى منهجية "تفكير جماعي"، والتي قد تُحدِث تأثيرًا على الأجل الطويل ينعكس إيجابياً في نجاح المؤسسة داخل السوق.

إن المؤسسات التي تريد أن تمضي قدماً على المسار الصحيح وتصبح مدعومة بكافة المقومات والإمكانات اللازمة لاعتماد منظومات الذكاء الاصطناعي لا بد لها أن تأخذ الوقت الكافي لدراسة نوع وصيغة مجموعات البيانات التي قد تُستخدم في تدريب أنظمة الذكاء الاصطناعي، وتتبّع المنهجية الصحيحة في رصد أشكال التحيّز وتقييمها والتعامل معها بحيث تُصبح مسألة "بيانات واردة جيدة، بيانات صادرة جيدة".

اقرأ المزيد عن تقريرنا الخاص بحماية البيانات هنا. 

Be the first to comment

Comments ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.