لماذا تستخدم شركات التكنولوجيا البشر لمساعدة الذكاء الاصطناعي؟

"أندرو إنغرام" هو مساعد رقمي يقوم بمسح رسائل البريد الإلكتروني الخاصة بك، ويقدم أفكاراً لجدولة للاجتماعات والمواعيد التي تناقشها مع زملائك في العمل، ويقوم بإعداد المهام، ويرسل دعوات إلى الأطراف ذات الصلة بمساعدة محدودة للغاية.

وهو يستخدم قدرات ذكاء اصطناعية متقدمة لـ X.ai، وهي شركة ناشئة مقرها نيويورك متخصصة في تطوير مساعدين يعتمدون على الذكاء الإصطناعي. يمكن للمشاكل التي تحلها توفير الكثير من الوقت وتخليص الناس الذين لديهم جدول زمني فوضوي.

ولكن وفقا لقصة نشرتها Wired في مايو، فإن الذكاء وراء أندرو إنجرام ليست اصطناعيا تماما، وتدعمه مجموعة من 40 فلبينيًا في مبنى مؤمن بدرجة عالية على مشارف مانيلا يراقب سلوك الذكاء الإصطناعي ويتولى مهامه عندما يصل المساعد الشخصي إلى حالة لا يستطيع التعامل معها.

كيفية اختيار خدمة الهاتف المحمول المناسبة لعملك

في حين أن فكرة أن يتم فحص رسائلك الإلكترونية من قبل أشخاص حقيقيين قد تبدو مزعجة، فقد أصبحت ممارسة شائعة بين العديد من الشركات التي تقدم خدمات الذكاء الاصطناعي لعملائها، كشفت مقالة حديثة في صحيفة "وول ستريت جورنال" عن عدة شركات سمحت لموظفيها بالوصول وقراءة رسائل البريد الإلكتروني الخاصة بالعملاء لبناء ميزات جديدة وتدريب الذكاء الاصطناعي على حالات لم ترها من قبل.

يطلق على تقنية "Wizard of Oz" أو الذكاء الاصطناعي الزائف، الممارسة المتمثلة في استخدام الإنسان بصمت لتعويض عيوب خوارزميات الذكاء الاصطناعي وعدم قدرته على التعامل مع حالات معينة.

• الذكاء الإصطناعي ليس مستعدا لحل مشاكل واسعة

وراء معظم ابتكارات الذكاء الاصطناعي في السنوات الأخيرة هي خوارزميات التعلم العميق والشبكات العصبية.

الشبكات العصبية العميقة فعالة جدا في تصنيف المعلومات في كثير من الحالات، مثل التعرف على الصوت والوجه أو تحديد سرطان في التصوير بالرنين المغناطيسي والتصوير المقطعي ويمكن أن تتفوق على البشر.

ولكن هذا لا يعني أن التعلم العميق والشبكات العصبية يمكن أن تنجز أي مهمة يستطيع البشر القيام بها.

يقول جوناثان موغان، أحد المؤسسين والرئيس التنفيذي لشركة DeepGrammar: "التعلم العميق يسمح لنا بحل مشكلة الإدراك، هذه مشكلة كبيرة لأن الإدراك قد حدد الذكاء الاصطناعي منذ نشأته منذ أكثر من 60 عامًا".

5 مفاهيم خاطئة حول التحول الرقمي

وأضاف أن "حل مشكلة التصور جعلت تقنيات الذكاء الإصطناعي مفيدة لأشياء مثل التعرف على الصوت والروبوتات".

ومع ذلك، يشير موغان إلى أن الإدراك ليس هو المشكلة الوحيدة، النضال التعليمي العميق ينطوي على التفكير المنطقي والفهم.

وأضاف: "التعلم العميق لا يساعدنا في هذه المشكلة" "لقد أحرزنا بعض التقدم في البرمجة اللغوية العصبية (معالجة اللغات الطبيعية) من خلال التعامل مع اللغة كمشكلة إدراك؛ أي تحويل الكلمات والجمل إلى متجهات. وقد أتاح لنا هذا تمثيل النص بشكل أفضل للتصنيف والترجمة الآلية".

على سبيل المثال، يقوم تطبيق تصنيف الصور مثل تطبيق Not Hotdog من Hicon's Silicon Valley بمهمة ضيقة ومحددة للغاية: فهو يخبرك ما إذا كانت كاميرا هاتفك الذكي تعرض الهوت دوغ أم لا.

مع ما يكفي من صور الهوت دوغ، يمكن للذكاء الاصطناعي الخاص بالتطبيق أداء وظيفته الهامة للغاية بمستوى عال من الدقة وحتى لو ارتكب خطأ من حين لآخر، فلن يؤذي أحدا.

أساسيات البلوك تشين التي يجب أن يكون كل رجل أعمال على علم بها

لكن التطبيقات الأخرى للذكاء الإصطناعي، مثل X.ai فهي تعالج مشكلات أوسع بكثير، مما يعني أنها تتطلب الكثير من الأمثلة الجيدة، كما أن تحملهم للأخطاء أقل بكثير. هناك اختلاف صارخ بين خداع أحد الخيارات في الهوت دوغ وتحديد موعد اجتماع عمل مهم في وقت غير مناسب.

يقول الدكتور ستيف مارش: "القاعدة الأساسية هي أن المشكلة الأهم هي المشكلة التي يحاول الذكاء الإصطناعي معالجتها، أو الحالات الأكثر حدة أو السلوكيات غير العادية التي يمكن أن تحدث. وهذا يعني حتمًا أنك تحتاج إلى المزيد من الأمثلة التدريبية لتغطي كل شيء"

وأضاف من سوء الحظ أيضا أنه "لا تتمتع الشركات الناشئة بشكل عام بإمكانية الوصول إلى كميات هائلة من بيانات التدريب، لذا فإن النماذج التي يمكن أن تبنيها بشكل معقول ستكون هي نماذج مميزة وهشة للغاية، والتي لا ترقى إلى مستوى توقعاتها".

هذه الثروة من المعلومات هي في حوزة الشركات الكبيرة فقط مثل جوجل وفيس بوك، والتي كانت تجمع بيانات مليارات المستخدمين لسنوات.

يتعين على الشركات الصغيرة دفع مبالغ كبيرة للحصول على بيانات التدريب أو إنشاؤها، وهذا يؤخر إطلاق منتجاتها، البديل هو إطلاق على أي حال والبدء في تدريب الذكاء الإصطناعي على الفور، وذلك باستخدام المدربين البشريين وبيانات العملاء الحية، ونأمل في نهاية المطاف أن يكون اعتمادها على البشر أقل مستقبلا.