القائمة الرئيسية

الصفحات

 التعلم الآلي: كيف يبدو المستقبل؟


التعلم الآلي (ML) هو العملية التي تمكن الكمبيوتر من أداء شيء لم يُطلب منه صراحة القيام به. ومن ثم ، فإن ML يفترض الدور المركزي في جعل الآلات الواعية حقيقة واقعة. مع إطلاق Sophia ، روبوت الذكاء الاصطناعي الذي طورته Hanson robotics ، نتساءل عن مدى قربنا من أن يتفوق علينا هؤلاء الزملاء الأذكياء.
إذا كنت تتكهن بمستقبل التعلم الآلي في السنوات العشر القادمة ، فأنت في المكان الصحيح! هيا بنا نذهب

الوضع الراهن

لقد جعل التعلم الآلي الأمر أقل تعقيدًا للأنظمة المستقبلية من خلال جلب طريقة تمكنهم من إثراء قاعدة معارفهم من مجموعات البيانات الكبيرة ، وإبعاد أخطاء البرمجة وتجنب المشكلات المنطقية. من خلال استخدام إطار عمل BigData في التطبيقات السائدة ، يمكن الآن للخوارزميات الذكية أن تحطم هذا المستودع الضخم من البيانات الثابتة والديناميكية وتتعلم باستمرار وتحسن كفاءتها.

هذا العام ، ابتعد خبراء ML عن التجريد والتنظير ، وركزوا على تطبيقات الأعمال للذكاء الاصطناعي المدعوم بالتعلم الآلي ومفهوم التعلم العميق. في المجال العملي ، تم تطبيق ML على نطاق واسع في الرعاية الصحية الوقائية والطب والمصارف والتمويل والتسويق والإعلام.
بالنظر إلى الاستمرارية السليمة للسنوات الخمس الماضية ، لن يتباطأ ML في أي وقت قريب.

الضجيج ML

من بين الإنجازات المهمة في ML ، افتتحت Google مؤخرًا مشروعها للتعلم الآلي Tensorflow ، وهو بالفعل مشروع نشط للغاية يستخدم لاكتشاف الأدوية لتوليد الموسيقى. مايكروسوفت مفتوحة المصدر CNTK ، أعلنت بايدو عن إطلاق PaddlePaddle ، وأعلنت أمازون دعم MXNet في منصة AWS ML الجديدة. من ناحية أخرى ، يدعم Facebook بشكل أساسي تطوير ليس إطارًا واحدًا ، ولكن إطارين للتعلم العميق: Torch و Caffe. جوجل تدعم أيضا
كراس الناجحة للغاية.
تتمحور هذه الضجة حول فكرة أن الخوارزميات والتعلم الآلي سيحتلان مركز الصدارة في عالم التكنولوجيا لفترة طويلة. أصبحت مطالب فجوات العرض في التعلم الآلي أكثر حدة وأصبحت حروب المنصات أكثر شراسة.

تطوير-Upgrade

في السنوات القليلة المقبلة ، ستصبح تطبيقات الذكاء الاصطناعي أكثر شيوعًا من أي وقت مضى ، وسيكون الناس أكثر قبولًا تجاه الآلات بينهم. لذلك سيحتاج جميع مزودي الخدمة إلى ترقية قدرات كل من أجهزتهم (التخزين والنسخ الاحتياطي وقوة الحساب وما إلى ذلك) والبرمجيات (الخوادم والشبكات والشبكات المخصصة ، وما إلى ذلك).

تمامًا مثل قدرة المعالجة المتوازية التي توفرها GNUs جعلت الذكاء الاصطناعي الحالي ممكنًا وقابل للتطبيق ، فإن قوة الحساب ستحتاج إلى مضخم جاد لاستيعاب ما هو قادم. ستتعرض جميع أقسام القوة العاملة التكنولوجية لضغط هائل لتعزيزها وابتكارها.
لقد شهدنا طفرة في استخدام التعلم الآلي في تطبيقات الهاتف المحمول ، وأنظمة التعرف على الصور ، وتطبيقات التعرف على الأنماط ، وأدوات التصفية ، والروبوتات ، وما إلى ذلك. يحاول العلماء حاليًا تطوير آلة تعمل تتبع المعالجة الدقيقة التي يقوم بها الدماغ البشري. إذا قمنا بتعيين كل عقدة وشبكة عصبية لدماغنا وقمنا بتغذية البيانات إليها ، يجب أن يكون النظام قادرًا على معالجة البيانات مثل الدماغ البشري.

هذا المفهوم يسمى الحوسبة المعرفية. ستستخدم أنظمة الحوسبة المعرفية بالتالي التعرف على الأنماط ومعالجة اللغة الطبيعية واستخراج البيانات لتعليم نفسها عملية التفكير للإنسان. نظرًا لأن هدفها النهائي هو آلة ذكاء اصطناعي واعية ، يجب أن تحظى هذه الأنظمة بالكثير من الاهتمام في السنوات القادمة

التعلم المعرفي مقابل التعلم العميق: أين يكمن المستقبل؟

التعلم العميق هو عملية تستخدم لمساعدة النظام على التعلم من البيانات غير المنظمة أو غير المصنفة ، كل ذلك أثناء عدم الإشراف عليه. في حين أن الحوسبة المعرفية ستستخدم بيانات جيدة التنظيم ومجزأة لتدريب واختبار الآلة الواعية للنموذج ، فإن التعلم العميق يستخدم تقنيات استخراج البيانات ومعالجة البيانات للقياس وفقًا للبيانات ، ونمذجة البيانات بشكل أفضل وجعلها مفيدة للآلات الأخرى.

كما أنه يستخدم الشبكات العصبية ولكن بالاقتران مع مستودعات بيانات إنترنت الأشياء الهائلة ، فإن المقياس ونوع المعالجة يميزها عن التعلم المعرفي. سيكون تطبيقه الرئيسي في الأنظمة الموجودة في النهاية الخلفية ، الأنظمة التي ستساهم بشكل أكبر في التسويق والعلامات التجارية وإنشاء قاعدة بيانات للأجهزة الأخرى للتعلم منها.
باستخدام إنترنت الأشياء ، ستنشئ أنظمة التعلم العميق منجمًا للبيانات سيكون العمود الفقري لمعظم الأنظمة الذكية. بينما ستعمل أنظمة الحوسبة المعرفية بالتعاون مع أنظمة التدريب على التعلم العميق وإنترنت الأشياء لأداء المهام الرئيسية في مجالات مثل الرعاية الصحية والطب والبحث العلمي واختبار الفرضيات والسيارات ذاتية القيادة (الأتمتة) وقراءة الشفاه من إدخال الفيديو وفي النهاية الشعور بالحساسية. آلة الحوسبة.
هذان المجالان ، ML و AI ، سوف يستحوذان على الكثير من التركيز. الآن ، قد تكون الآلة الواعية بعيدة المنال ، لكن لا يمكن المبالغة في تقدير أهمية التعلم الآلي في الرعاية الصحية والأنظمة السحابية والتسويق.

يتم إحتوائه-Wrap up

في السنوات العشر القادمة ، ستصبح تطبيقات الذكاء الاصطناعي أكثر شيوعًا من أي وقت مضى ، وبالتالي سيحتاج جميع مزودي الخدمة إلى ترقية أجهزتهم (التخزين والنسخ الاحتياطي وقوة الحساب وما إلى ذلك) والبرامج (الخوادم والشبكات والشبكات المخصصة) بجدية ، إلخ).
تمامًا مثل قدرة المعالجة المتوازية التي توفرها GNU جعلت الذكاء الاصطناعي الحالي ممكنًا وقابل للتطبيق ، فإن قوة الحساب ستحتاج
دفعة قوية لاستيعاب ما هو قادم. ستتعرض جميع أقسام القوى العاملة التكنولوجية لضغط هائل للترقية والابتكار.
هل اعجبك الموضوع :

تعليقات