أندرو نج – رائد في تطبيق GPU للتعلم العميق، والمؤسس المشارك لـ Google Brain والرئيس العلمي السابق لـ Baidu – ناقش أهمية حركة الذكاء الاصطناعي المرتكز على البيانات، التي يعتبرها مفتاحًا لتطوير أنظمة AI فعالة. وأشار إلى أن الإنجازات الكبيرة في التعلم العميق خلال العقد الماضي كانت مدفوعة باستخدام النماذج الأكثر قوة التي تعالج كميات هائلة من البيانات. ومع ذلك، يعبر نج عن رأيه بأن هذا النهج ليس عالميًا ولن يعمل في الصناعات التي تفتقر إلى مجموعات بيانات كبيرة.
على وجه الخصوص، أشار إلى: «في العديد من الصناعات التي لا توجد فيها مجموعات بيانات ضخمة، أعتقد أن التركيز يجب أن يتحول من البيانات الكبيرة إلى البيانات ذات الجودة العالية. يمكن أن تكون 50 مثالًا مدروسًا كافية لتوضيح للشبكة العصبية ما تريدها أن تتعلمه». هذا التصريح يبرز أهمية النهج النوعي للبيانات بدلاً من كميتها. كما يتحدث نج عن أن جمع كميات كبيرة من البيانات يمكن أن يكون نشاطًا مكلفًا. «جمع المزيد من البيانات غالبًا ما يساعد، ولكن إذا كنت تحاول جمع المزيد من البيانات لكل شيء، فقد يتحول ذلك إلى نشاط مكلف للغاية»، أضاف. في هذا السياق، يؤكد على أن الشركات يجب أن تركز على اختيار البيانات بجودة عالية بدلاً من مجرد زيادة حجمها.
كما أشار إلى الإمكانات الهائلة التي توفرها حركة الذكاء الاصطناعي المرتكز على البيانات. «أعتقد أنه من المحتمل جدًا أن يكون أكبر تحول في هذا العقد مرتبطًا بالذكاء الاصطناعي المرتكز على البيانات»، يؤكد نج. مع تطور بنى الشبكات العصبية الحالية بشكل كبير، تتطلب الآن حركة الذكاء الاصطناعي المرتكز على البيانات نهجًا منهجيًا في هندسة البيانات. في سياق تصاعد مسألة المسؤولية والتحيز في أنظمة الذكاء الاصطناعي، أشار نج إلى أنه من المهم التعامل مع جودة البيانات بمسؤولية أكبر. في هذا الصدد، أشاد بالمناقشات في ورشة NeurIPS الأخيرة، حيث تبادل الباحثون الأفكار حول كيفية دراسة وتطبيق الذكاء الاصطناعي المرتكز على البيانات لتقليل التحيز. متحدثًا عن المستقبل، أكد نج أنه فقط من خلال النهج الإبداعي في هندسة البيانات يمكن للشركات تطوير حلول AI موثوقة ومستدامة تقدم فوائد كبيرة في القطاعات الإنتاجية وغيرها. واختتم بأن حركة الذكاء الاصطناعي المرتكز على البيانات تطرح تحديًا: كيف يمكن توسيع نطاق هذه الحلول دون توظيف 10,000 متخصص في التعلم الآلي لكل 10,000 مصنع.
مقالات ذات صلة
