تسرع المؤسسات في اتجاه التحليلات والعمليات القائمة على الذكاء الاصطناعي. ومع ذلك، بناءً على معدل النجاح حتى الآن، يبدو أنه سيكون هناك منحنى تعليمي حاد قبل أن يبدأ في تقديم مساهمات ملحوظة لمعظم عمليات البيانات.
بينما بدأت القصص الإيجابية في الظهور، تظل الحقيقة أن معظم مشاريع الذكاء الاصطناعي تفشل. تختلف الأسباب، ولكن في النهاية، يعود الأمر إلى نقص الخبرة في التكنولوجيا، والتي ستتحسن بالتأكيد بمرور الوقت. في غضون ذلك، قد يكون من المفيد فحص بعض نقاط الألم التي تؤدي إلى فشل الذكاء الاصطناعي في تسوية منحنى التعلم وتقصير مدته.
بينما بدأت القصص الإيجابية في الظهور، تظل الحقيقة أن معظم مشاريع الذكاء الاصطناعي تفشل. تختلف الأسباب، ولكن في النهاية، يعود الأمر إلى نقص الخبرة في التكنولوجيا، والتي ستتحسن بالتأكيد بمرور الوقت. في غضون ذلك، قد يكون من المفيد فحص بعض نقاط الألم التي تؤدي إلى فشل الذكاء الاصطناعي في تسوية منحنى التعلم وتقصير مدته.
الوظائف الخفية للذكاء الاصطناعي AI’s hidden functions
على المستوى الأساسي، كما يقول الباحث Dan Hendrycks من جامعة كاليفورنيا في بيركلي، فإن المشكلة الرئيسية هي أن علماء البيانات لا يزالون يفتقرون إلى فهم واضح لكيفية عمل الذكاء الاصطناعي. في حديثه إلى IEEE Spectrum، أشار إلى أن الكثير من عملية اتخاذ القرار لا تزال غامضة، لذلك عندما لا تسير الأمور على ما يرام، من الصعب التأكد من الخطأ الذي حدث. بشكل عام، لاحظ هو وخبراء آخرون أن عددًا قليلاً فقط من قيود الذكاء الاصطناعي هي التي تسبب العديد من الإخفاقات.
أحد هذه العوامل هو الهشاشة - ميل الذكاء الاصطناعي للعمل بشكل جيد عند ملاحظة نمط معين، ولكنه يفشل بعد ذلك عندما يتم تغيير النمط. على سبيل المثال، يمكن لمعظم الموديلات التعرف على الحافلة المدرسية بشكل جيد، ولكن ليس عندما تنقلب من جانبها بعد وقوع حادث. في الوقت نفسه، يمكن للذكاء الاصطناعي "نسيان" الأنماط القديمة بسرعة بمجرد تدريبهم على اكتشاف أنماط جديدة. يمكن للأشياء أيضًا أن تتجه جنوبًا عندما يؤدي استخدام الذكاء الاصطناعي للمنطق الخام وطحن الأرقام إلى استنتاجات تتحدى الفطرة السليمة.
عامل آخر يساهم في فشل الذكاء الاصطناعي هو أنه يمثل تحولًا هائلاً في طريقة استخدام البيانات لدرجة أن معظم المؤسسات لم تتكيف معها بعد على المستوى الثقافي. يشير Mark Montgomery، المؤسس والرئيس التنفيذي لشركة مطور منصات الذكاء الاصطناعي KYield, Inc.، إلى أن عددًا قليلاً من المؤسسات لديها بطل قوي في الذكاء الاصطناعي على المستوى التنفيذي، مما يسمح بالفشل في التسلل من الأسفل بشكل عضوي. وهذا بدوره يؤدي إلى سوء إدارة البيانات في البداية، فضلاً عن سوء تحديد المشاريع التي يصعب تشغيلها، لا سيما على نطاق واسع. ربما تكون بعض المشاريع التي تظهر بهذه الطريقة ناجحة، ولكن سيكون هناك الكثير من الفشل على طول الطريق.
أهداف واضحة Clear goals
للمساعدة في تقليل هذه المشكلات، يجب على المؤسسات تجنب ثلاث مآزق رئيسية، كما يقول Bob Friday، نائب الرئيس والمدير التنفيذي للتكنولوجيا في شركة Juniper's AI-Driven Enterprise Business. أولاً، لا تدخل في الأمر بأفكار غامضة حول عائد الاستثمار والمقاييس الرئيسية الأخرى. في بداية كل مشروع، يجب على القادة تحديد كل من التكاليف والفوائد بوضوح. خلاف ذلك، فأنت لا تطور ذكاءً اصطناعيًا ولكنك تلعب فقط بلعبة جديدة لامعة. في الوقت نفسه، يجب أن يكون هناك جهد متضافر لتطوير مهارات الذكاء الاصطناعي وإدارة البيانات اللازمة لتحقيق نتائج ناجحة. وأخيرًا، لا تحاول بناء بيئات ذكاء اصطناعي داخل الشركة. الطريقة الأسرع والأكثر موثوقية للنهوض والتشغيل هي تنفيذ حل متكامل مصمم بخبرة يتسم بالمرونة والقابلية للتطوير.
ولكن ربما يكون أهم شيء يجب أخذه في الاعتبار، كما يقول Daniel Faggella، رئيس الأبحاث في Emerj، هو أن الذكاء الاصطناعي ليس تكنولوجيا معلومات. بدلاً من ذلك، يمثل طريقة جديدة للعمل في المجال الرقمي، مع عمليات وتوقعات جديدة تمامًا. الاختلاف الرئيسي هو أنه في حين أن تكنولوجيا المعلومات حتمية، فإن الذكاء الاصطناعي احتمالي. هذا يعني أن الإجراءات التي يتم اتخاذها في بيئة تكنولوجيا المعلومات يمكن التنبؤ بها إلى حد كبير، في حين أن تلك الموجودة في الذكاء الاصطناعي ليست كذلك. وبالتالي، يتطلب الذكاء الاصطناعي مزيدًا من العناية والتغذية مقدمًا في مرحلة تكييف البيانات، ثم المتابعة الجادة من الفرق والقادة المؤهلين لضمان عدم خروج المشاريع عن المسار الصحيح أو إعادتها إلى المسار الصحيح بسرعة إذا حدث ذلك.
قد تستفيد المؤسسة أيضًا من إعادة تقييم معنى الفشل وكيف يؤثر على القيمة الإجمالية لعمليات نشر الذكاء الاصطناعي. كما قال Dale Carnegie ذات مرة، "الإحباط والفشل هما من أضمن خطوات النجاح".
بمعنى آخر، الطريقة الوحيدة للفشل حقًا في الذكاء الاصطناعي هي عدم التعلم من أخطائك والمحاولة، والمحاولة مرة أخرى.
للمساعدة في تقليل هذه المشكلات، يجب على المؤسسات تجنب ثلاث مآزق رئيسية، كما يقول Bob Friday، نائب الرئيس والمدير التنفيذي للتكنولوجيا في شركة Juniper's AI-Driven Enterprise Business. أولاً، لا تدخل في الأمر بأفكار غامضة حول عائد الاستثمار والمقاييس الرئيسية الأخرى. في بداية كل مشروع، يجب على القادة تحديد كل من التكاليف والفوائد بوضوح. خلاف ذلك، فأنت لا تطور ذكاءً اصطناعيًا ولكنك تلعب فقط بلعبة جديدة لامعة. في الوقت نفسه، يجب أن يكون هناك جهد متضافر لتطوير مهارات الذكاء الاصطناعي وإدارة البيانات اللازمة لتحقيق نتائج ناجحة. وأخيرًا، لا تحاول بناء بيئات ذكاء اصطناعي داخل الشركة. الطريقة الأسرع والأكثر موثوقية للنهوض والتشغيل هي تنفيذ حل متكامل مصمم بخبرة يتسم بالمرونة والقابلية للتطوير.
ولكن ربما يكون أهم شيء يجب أخذه في الاعتبار، كما يقول Daniel Faggella، رئيس الأبحاث في Emerj، هو أن الذكاء الاصطناعي ليس تكنولوجيا معلومات. بدلاً من ذلك، يمثل طريقة جديدة للعمل في المجال الرقمي، مع عمليات وتوقعات جديدة تمامًا. الاختلاف الرئيسي هو أنه في حين أن تكنولوجيا المعلومات حتمية، فإن الذكاء الاصطناعي احتمالي. هذا يعني أن الإجراءات التي يتم اتخاذها في بيئة تكنولوجيا المعلومات يمكن التنبؤ بها إلى حد كبير، في حين أن تلك الموجودة في الذكاء الاصطناعي ليست كذلك. وبالتالي، يتطلب الذكاء الاصطناعي مزيدًا من العناية والتغذية مقدمًا في مرحلة تكييف البيانات، ثم المتابعة الجادة من الفرق والقادة المؤهلين لضمان عدم خروج المشاريع عن المسار الصحيح أو إعادتها إلى المسار الصحيح بسرعة إذا حدث ذلك.
قد تستفيد المؤسسة أيضًا من إعادة تقييم معنى الفشل وكيف يؤثر على القيمة الإجمالية لعمليات نشر الذكاء الاصطناعي. كما قال Dale Carnegie ذات مرة، "الإحباط والفشل هما من أضمن خطوات النجاح".
بمعنى آخر، الطريقة الوحيدة للفشل حقًا في الذكاء الاصطناعي هي عدم التعلم من أخطائك والمحاولة، والمحاولة مرة أخرى.
