التطبيقات القادمة لتعلم الآلة والذكاء الاصطناعي في 2019 - PromptCloud
نشرت: 2019-02-12لن يشهد عام 2019 تطورات هائلة في مجال الذكاء الاصطناعي فحسب ، بل سيشهد أيضًا تطبيقات جديدة وخطوات لا يمكن تصورها تتطلب من البشر العودة إلى لوحة الرسم وإعادة النظر فيما إذا كان الذكاء الاصطناعي نعمة أم نقمة. نود أن نعتقد أنه يمكن أن يكون كلاهما تمامًا مثل أي تقدم تكنولوجي آخر - يتعلق الأمر بكيفية استخدامنا له. ومع ذلك ، دعنا نتعمق في التطبيقات القادمة للذكاء الاصطناعي والتعلم الآلي في عام 2019. هذه التطبيقات في الغالب في مراحل البحث والتطوير ولم يتم طرحها للجمهور بعد ، أو معروضة للجمهور ولكن في مراحل تجريبية ، ولم يتم عرضها بعد العلم الرسمي.
1. رقائق منظمة العفو الدولية
هل تتذكر متى اعتدت لعب ألعاب الكمبيوتر الشخصي هذه قبل أن تنتقل إلى وحدات التحكم مثل PS4 و Xbox؟ عند لعب الألعاب ذات المستوى المنخفض ، كانت وحدة المعالجة المركزية (عادةً Intel أو AMD) كافية ولكن عند لعب أحدث الألعاب المتطورة مثل Tomb Raider و Assasin's Creed Odyssey ، ستحتاج إلى وحدة معالجة رسومات مخصصة (أو بطاقة رسومات في مصطلح الشخص العادي). هذه شرائح مخصصة تعزز فقط تجربة الرسومات الخاصة بك. لماذا أتحدث عن هذا؟ حسنًا ، شريحة مخصصة جديدة على وشك أن تصل إلى السوق.
ظهرت الرقائق الممكّنة للذكاء الاصطناعي بالفعل لأول مرة في عدد قليل من الهواتف المحمولة مثل iPhone XR و Huawei Honor Play و Galaxy Note 8. في هذه الهواتف الخلوية ، تقوم شريحة AI المخصصة بالرفع الثقيل أثناء الوظائف مثل المساعد الصوتي المستند إلى ML و AI - كاميرا ذكية تعمل بالطاقة والمزيد. بهذه الطريقة ، تقلل شريحة AI من عبء العمل على المعالج الأساسي وتحافظ على الهاتف من التأخر. لكن الرقائق الممكّنة للذكاء الاصطناعي في الهواتف المحمولة ليست سوى غيض من فيض.
تستثمر كل من Google و Microsoft و Amazon و Intel و Facebook بكثافة في البنية التحتية المخصصة التي من شأنها تعزيز الوظائف القائمة على الذكاء الاصطناعي ، سواء كانت شريحة يمكنك شراؤها ومكوِّن إضافي أو وحدة المعالجة المركزية المستندة إلى السحابة التي يمكن استخدامها للتعلم الآلي والعصبية الشبكات. آخر الأخبار من بينها Intel Nervana (التي طورتها Intel ، حيث يعد Facebook شريكًا رئيسيًا في التطوير) ، و Google Cloud TPU ، ومشروع Microsoft Brainwave ، و AWS Inferentia من Amazon.
معظم المشاريع المذكورة ليست متاحة للجمهور بعد أو لا تزال في مرحلة تجريبية. وبالتالي ، قد يكون عام 2019 هو العام الذي ستشهد فيه هذه المشاريع ضوء النهار ، وستجعل رقائق الذكاء الاصطناعي الأكثر قوة التطبيقات القائمة على الذكاء الاصطناعي في الوقت الفعلي حقيقة واقعة.
2. زواج IOT و AI
لقد حدث الكثير في كلا المجالين ، ولكن التنفيذ المناسب لإنترنت الأشياء إلى جانب الحل الممكّن للذكاء الاصطناعي لم يتم رؤيته بعد. حالة الاستخدام الأكثر شيوعًا التي تم ذكرها في هذا الموضوع هي التقاط البيانات من السيارات باستخدام أجهزة الاستشعار واستخدام البيانات التي تم جمعها لتحديد مبلغ التأمين. لكن بصراحة ، كم عدد شركات التأمين التي استخدمت بالفعل هذه الطريقة لحساب مبلغ قسطك؟
الأمور على وشك أن تتغير في عام 2019 ، مع ظهور رقائق الذكاء الاصطناعي ، وخدمات الذكاء الاصطناعي المستندة إلى السحابة الأرخص والأحدث ، واستثمار الشركات الكبرى في إنترنت الأشياء والذكاء الاصطناعي. ستقوم المزيد والمزيد من الشركات بإخراج سياراتها ذاتية القيادة ، وقد أعطى معرض CES 2019 لمحة عن مدى نجاح إنترنت الأشياء والذكاء الاصطناعي في مساعدة الشركات على تحقيق حلم أكبر.
3. المزيد من تطبيقات التعلم الآلي الآلي
في حين أن التعلم الآلي هو مصطلح مألوف بالنسبة له ، فإن التعلم الآلي الآلي هو شيء يمكن للمرء أن يقوله لا يزال في المرحلة التجريبية. يشير التعلم الآلي الآلي إلى حل المهام المتكررة من خلال الأتمتة من خلال تطبيق ML على ML نفسه. على سبيل المثال ، لنفترض أنه يتعين على المرء تنظيف البيانات قبل أن يتمكن من تطبيق خوارزميات مختلفة ومعرفة الخوارزمية التي تناسب البيانات بشكل أفضل. يستغرق جزء تنظيف البيانات الكثير من الوقت ، وقد أظهرت الدراسات أنه عملية يدوية يكره العلماء تكرارها مع مجموعات البيانات الجديدة مرارًا وتكرارًا. يمكن حل مثل هذه العمليات بمساعدة AutoML وسيشهد 2019 المزيد من التطبيقات كما توقع الكثيرون.
4. سوف تقوم منظمة العفو الدولية بأتمتة DevOps
تعد خدمات تكنولوجيا المعلومات والبنية التحتية مشكلة يجب عليك تحملها للحفاظ على سير عملك بسلاسة. ومع ذلك ، يمكن أتمتة الأعمال المختلفة التي يقوم بها موظفو DevOps ، مثل المراقبة ، وتصحيح الأخطاء ، وتوسيع النطاق ، والمزيد. سوف يفسح DevOps المجال ببطء لـ AIOps ، وهذا سيجعل من السهل على المبرمجين العاديين الاهتمام بالإجراءات وخطوط الأنابيب دون الحاجة إلى تحمل عناء الإعدادات والصيانة. ظهرت العديد من الأوراق البحثية التي تتنبأ بمستقبل DevOps من خلال AIOps.
5. الأدوية الشخصية
هل تتناول نفس حبوب النوم التي يستخدمها جارك؟ بالتأكيد لا - قد لا تكون الجرعة كافية لك. أو قد لا يكون أحد المكونات مفيدًا لك. أو قد لا يكون للحبوب أي تأثير عليك لأسباب معينة. لماذا لا يتم تصميم الأدوية خصيصًا لك؟ تتبع الأدوية المخصصة إجراءً - يتم تحليل المريض ، جنبًا إلى جنب مع أنماط حياته وعاداته ، وعندها فقط يوصى باستخدام حبة من تركيبة معينة. بمساعدة مشروع 100000 جينوم ، من المتوقع أن تشهد الأدوية المخصصة نموًا كبيرًا في عام 2019 ، على الرغم من أنها قد لا تكون متاحة للجمهور بعد. ومن المقرر أيضًا عقد عدد من المؤتمرات الكبيرة مثل المؤتمر الدولي الحادي عشر للطب التنبئي والوقائي والمخصص والتشخيص الجزيئي هذا العام.
سيساعد التعلم الآلي في تحليل بيانات المريض لتحديد الدواء الذي يناسب الشخص بشكل أفضل ، تاركًا وراءه نظرية "مقاس واحد يناسب الجميع" القديمة.
6. مزيد من تطوير المساعدين المستندة إلى ML
في عام 2018 ، أذهلنا مساعد Google الجديد والمتقدم. ما لم يحدث هو تطبيقه التجاري. ولكن يمكن رؤية ذلك في عام 2019. في الواقع ، قام العديد من المساعدين الصوتيين مثل Alexa بجمع الكثير من البيانات من المستخدمين ويمكن أن يشهد عام 2019 بالفعل نمو هؤلاء المساعدين بشكل أكثر ذكاءً وشبهًا بالبشر. من المفترض أن ينتقل المساعدون الصوتيون من غرفة معيشتك إلى الأماكن العامة ، وسياراتك ، وأنظمة الإعلان ، وأجهزة الصراف الآلي ، والمزيد. يراهن الكثيرون على أن عام 2019 سيكون بالفعل "عام المساعدين الصوتيين".
7. مقاييس أفضل من الآلات التي تستخدم الذكاء الاصطناعي
إلى أي مدى سيكون الأمر جيدًا إذا كنت تستطيع معرفة أي آلة في مصنعك قد تهالك تقريبًا وتحتاج إلى إصلاح قبل أن تتعطل وتتسبب في فقدان العمل ليوم واحد؟
عادة ما تتم صيانة المعدات والآلات الصناعية باستخدام جدول زمني ثابت. يؤدي هذا إلى هدر العمالة وخطر الأعطال المفاجئة وغير المتوقعة للمعدات من وقت لآخر. بمجرد استخدام المستشعرات مع هذه الأجهزة وتغذية البيانات التي تم جمعها إلى نماذج ML ، يمكننا الحصول على أداء أفضل وجداول خدمة أكثر كفاءة.
تنفيذ ما يلي هو إنشاء GE "التوائم الرقمية" حيث يتم إنشاء نموذج افتراضي للأجهزة الكبيرة. يتم استخدام المئات من أجهزة الاستشعار للتأكد من أن التوأم يتم تحديثه مع حالة الجهاز الحقيقي ، وبهذه الطريقة تتم إدارة وخدمة التوائم التي تم نشرها حاليًا والتي يبلغ عددها 650.000. من المتوقع تنفيذ المزيد من تطبيقات التوائم الرقمية عبر المصانع الذكية في جميع أنحاء العالم هذا العام.
8. الرؤية الحاسوبية ستشكل مستقبل المراقبة
أصبحت رؤية الكمبيوتر والمراقبة ضرورة في أماكن مثل مراكز التسوق والمطارات أو حتى في مفترق طرق المدينة. تقوم العديد من الشركات التقنية بتنفيذ برامجها بهدوء في أماكن متعددة حول العالم لتحديد المواقف وتتبعها والإبلاغ عنها عند الضرورة. لكن الأمور لا يجب أن تذهب إلى هذا الحد. ألن يكون الأمر رائعًا إذا رصدت الكاميرا المنزلية لدينا رجلًا مجهولًا يحاول الاقتحام وقام مساعد Google بتنبيهنا بذلك؟
تستثمر شركات مثل Google بشكل كبير في رؤية الكمبيوتر (تذكر كيف تطلب منك وضع علامة على الصور بالسيارات أو اللوحات الإعلانية أحيانًا عندما تحاول فتح موقع ويب؟) ، وسوف يشهد عام 2019 المزيد من اللاعبين في السوق. أنظمة المراقبة على وشك أن تصبح أسرع كثيرًا وستصبح المراقبة قريبًا ليس مجرد دفق فيديو بل تعمل كحافز للاستجابات الآلية أيضًا ، بناءً على الموقف الأرضي. ß
9. ستشهد الرعاية الصحية المزيد من تطبيقات الذكاء الاصطناعي
تطورت الرعاية الصحية على مر السنين وأدخلت ML تغييرات أكثر من مجرد ظهور الأدوية الشخصية. زعمت الصين مؤخرًا أنها أنشأت أول أطفال معدلون جينيًا. الأداة المستخدمة تسمى CRISPR-CAS9 ، من المفترض أن تعمل على الحمض النووي لتزويد الجين المطلوب أو تعطيل الجين الذي يسبب المرض أو المرض. على الرغم من عدم نشر القانون في المجلات التي تمت مراجعتها من قبل النظراء ولم نتحقق منه بعد ، يتم استخدام الذكاء الاصطناعي بالفعل للتنبؤ بالتغيرات الجينية التي تؤدي إلى الإصابة بالسرطان.
سيشهد هذا العام تطبيقات جديدة لتعديلات الجينات باستخدام الذكاء الاصطناعي لمكافحة الأمراض الجديدة وتحسين مستوى البشر. ومع ذلك ، لا تزال المعضلات والحجج الأخلاقية والقانونية وراء مثل هذه المعجزات الطبية نقطة نقاش في العالم العلمي.
10. نظم الائتمان الاجتماعي
تطبيق جديد نسبيًا للتعلم الآلي تم تنفيذه في الصين - إنه نظام تصنيف ضخم يراقب سلوك جميع المواطنين باستخدام كاميرات المراقبة وأجهزة مراقبة النشاط عبر الإنترنت ، وذلك لتصنيفهم بناءً على "الائتمان الاجتماعي" .
على الرغم من أنه من المفترض أن يتم تشغيله بالكامل بحلول عام 2020 ، إلا أن تنفيذه قد أخذ البلاد بالفعل عن طريق العاصفة ويتم رفع أو خفض الأشخاص اعتمادًا على أفعال مثل التدخين في الأماكن العامة أو ركوب القطار بدون تذكرة أو التبرع للأعمال الخيرية. المنهجية الدقيقة غير معروفة ولكن من المأمول أن يستخدم نموذج ML القوي بيانات من مصادر مختلفة لتقرير ما إذا كان سيتم تقليل درجة الشخص أو زيادتها أو تركها راكدة.
ما يبدو وكأنه فكرة بائسة ويبدو كأنه حلقة من Black Mirror ، هو واقع الملايين وقد نشهد تطبيق النظام الذي يغطي الصين بأكملها بحلول نهاية هذا العام. ومرة أخرى ، على الرغم من أن التطبيق جديد جدًا ، فإن الفلسفة وراءه يناقشها الكثيرون.