يتمتع الذكاء الاصطناعي (AI) Artificial Intelligence في كل مكان بالقدرة على تحويل كل الأعمال التجارية وتحسين حياة كل شخص على هذا الكوكب. في الواقع، نسمع كل يوم عن قيام الذكاء الاصطناعي بفتح آفاق جديدة، من اكتشاف السرطان ولعب لعبة Minecraft، إلى إنشاء روبوتات محادثة "واعية sentient" وإنشاء أعمال فنية جذابة. الهدف من الذكاء الاصطناعي بسيط: تسريع "البيانات إلى الرؤى data to insights". لقد شهدنا تقدمًا هائلاً في المكونات الأساسية للذكاء الاصطناعي - النمو الهائل لـ "البيانات والحساب والخوارزميات".
البيانات، مقاسة بإجمالي عدد البايتات، في زيتابايت (1021). الحساب، الذي تم قياسه من خلال قدرة تنفيذ الأجهزة للعمليات في الثانية، هو بيتافلوبس (1015) إلى exaflops (1018)، وقد تجاوزت الخوارزميات، كما تم قياسها بعدد المعلمات في الشبكة العصبية، تريليون (1012).
ومع ذلك، فقد وجدت الأبحاث أن 87% من مفاهيم الذكاء الاصطناعي لا تدخل حيز النشر لعدة أسباب، بما في ذلك الأداء والبنية التحتية والبرامج والأدوات متعددة البائعين. مع نمو مجموعات البيانات وتصبح الأنظمة أكثر تعقيدًا، يواجه المطورون تحديات جديدة في تطبيق الذكاء الاصطناعي ونشره. نتيجة لذلك، تتباطأ أهداف العمل بشكل كبير حيث يقضي المطورون وقتًا ثمينًا وموارد في حل المشكلات الفنية والعملية والتنظيمية، والعمل من خلال المشاريع الفاشلة وتحديث التعليمات البرمجية - وكل ذلك يخلق تكلفة إضافية.
الذكاء الاصطناعي هو مشكلة شاملة تتطلب دعمًا شاملاً. لتجربة الذكاء الاصطناعي في كل مكان حقًا، يحتاج المطورون وعلماء البيانات العاملون في الفضاء إلى الجمع بين الحوسبة والبيانات والخوارزميات. بالنسبة لأولئك الذين يتطلعون إلى توسيع استخدام الذكاء الاصطناعي داخل مؤسستهم، فإن التركيز على مبادئ الإنتاجية البشرية وأداء الكمبيوتر أمر أساسي.
السؤال هو: ما هي أفضل طريقة لعمل ذلك؟
رأب الصدع
برمجيات الذكاء الاصطناعي هي الجسر من "البيانات إلى الرؤى" بدعم من "الحوسبة والخوارزميات". ومع ذلك، يجب إنشاء جسر البرامج هذا لملايين من علماء البيانات والمطورين، الذين تستخدم تطبيقات الذكاء الاصطناعي الخاصة بهم بدورهم من قبل مليارات المستخدمين.
يمكن لبرمجيات الذكاء الاصطناعي أن تعزز الإنتاجية البشرية لتوسيع نطاق الذكاء الاصطناعي في كل مكان. لدفع انتشار الذكاء الاصطناعي، من المهم أن تقوم الصناعة بتحقيق الأساليب التي تسهل على المطورين وعلماء البيانات الاستفادة من حلول وخوارزميات الذكاء الاصطناعي الحالية، أو ابتكار حلول وخوارزميات جديدة. لا ينبغي أن تتطلب درجة الدكتوراه في الذكاء الاصطناعي لتطبيق الذكاء الاصطناعي على نطاق واسع. لذلك، من المهم بنفس القدر ضمان سهولة الوصول إلى البيانات والبنية التحتية.
يمكن تحقيق الإنتاجية باستخدام البيانات الصحيحة ومنصة وأدوات الذكاء الاصطناعي، مثل تلك التي تزيد من أداء أطر عمل الذكاء الاصطناعي القياسية الصناعية أو توفر أدوات مفتوحة لتسهيل سير عمل الذكاء الاصطناعي الشامل. قد تشمل هذه مجموعات أدوات تحليلات الذكاء الاصطناعي، ومجموعات أدوات التطوير والنشر، ومجموعات أدوات الذكاء الاصطناعي الموزعة من طرف إلى طرف، ومجموعات الأدوات المرجعية، ومجموعات أدوات AutoML.
أيضًا: مجموعات أدوات خاصة بالمجال، وبيئات تطوير ذات تعليمات برمجية منخفضة أو بدون تعليمات برمجية، وأدوات توسيم البيانات وتعزيزها، وأدوات الكشف عن التحيز، وأدوات لنقل التعلم، والتعلم الموحد وغيرها.
كل هذه العناصر مفتوحة وقائمة على المعايير وموحدة وآمنة لتسهيل مهمة المطورين وعلماء البيانات لهندسة البيانات وإنشاء حلول الذكاء الاصطناعي ونشرها. على سبيل المثال، يمكن لبعض الأدوات زيادة الإنتاجية البشرية بأكثر من عشرة أضعاف.
البيانات، مقاسة بإجمالي عدد البايتات، في زيتابايت (1021). الحساب، الذي تم قياسه من خلال قدرة تنفيذ الأجهزة للعمليات في الثانية، هو بيتافلوبس (1015) إلى exaflops (1018)، وقد تجاوزت الخوارزميات، كما تم قياسها بعدد المعلمات في الشبكة العصبية، تريليون (1012).
ومع ذلك، فقد وجدت الأبحاث أن 87% من مفاهيم الذكاء الاصطناعي لا تدخل حيز النشر لعدة أسباب، بما في ذلك الأداء والبنية التحتية والبرامج والأدوات متعددة البائعين. مع نمو مجموعات البيانات وتصبح الأنظمة أكثر تعقيدًا، يواجه المطورون تحديات جديدة في تطبيق الذكاء الاصطناعي ونشره. نتيجة لذلك، تتباطأ أهداف العمل بشكل كبير حيث يقضي المطورون وقتًا ثمينًا وموارد في حل المشكلات الفنية والعملية والتنظيمية، والعمل من خلال المشاريع الفاشلة وتحديث التعليمات البرمجية - وكل ذلك يخلق تكلفة إضافية.
الذكاء الاصطناعي هو مشكلة شاملة تتطلب دعمًا شاملاً. لتجربة الذكاء الاصطناعي في كل مكان حقًا، يحتاج المطورون وعلماء البيانات العاملون في الفضاء إلى الجمع بين الحوسبة والبيانات والخوارزميات. بالنسبة لأولئك الذين يتطلعون إلى توسيع استخدام الذكاء الاصطناعي داخل مؤسستهم، فإن التركيز على مبادئ الإنتاجية البشرية وأداء الكمبيوتر أمر أساسي.
السؤال هو: ما هي أفضل طريقة لعمل ذلك؟
رأب الصدع
برمجيات الذكاء الاصطناعي هي الجسر من "البيانات إلى الرؤى" بدعم من "الحوسبة والخوارزميات". ومع ذلك، يجب إنشاء جسر البرامج هذا لملايين من علماء البيانات والمطورين، الذين تستخدم تطبيقات الذكاء الاصطناعي الخاصة بهم بدورهم من قبل مليارات المستخدمين.
يمكن لبرمجيات الذكاء الاصطناعي أن تعزز الإنتاجية البشرية لتوسيع نطاق الذكاء الاصطناعي في كل مكان. لدفع انتشار الذكاء الاصطناعي، من المهم أن تقوم الصناعة بتحقيق الأساليب التي تسهل على المطورين وعلماء البيانات الاستفادة من حلول وخوارزميات الذكاء الاصطناعي الحالية، أو ابتكار حلول وخوارزميات جديدة. لا ينبغي أن تتطلب درجة الدكتوراه في الذكاء الاصطناعي لتطبيق الذكاء الاصطناعي على نطاق واسع. لذلك، من المهم بنفس القدر ضمان سهولة الوصول إلى البيانات والبنية التحتية.
يمكن تحقيق الإنتاجية باستخدام البيانات الصحيحة ومنصة وأدوات الذكاء الاصطناعي، مثل تلك التي تزيد من أداء أطر عمل الذكاء الاصطناعي القياسية الصناعية أو توفر أدوات مفتوحة لتسهيل سير عمل الذكاء الاصطناعي الشامل. قد تشمل هذه مجموعات أدوات تحليلات الذكاء الاصطناعي، ومجموعات أدوات التطوير والنشر، ومجموعات أدوات الذكاء الاصطناعي الموزعة من طرف إلى طرف، ومجموعات الأدوات المرجعية، ومجموعات أدوات AutoML.
أيضًا: مجموعات أدوات خاصة بالمجال، وبيئات تطوير ذات تعليمات برمجية منخفضة أو بدون تعليمات برمجية، وأدوات توسيم البيانات وتعزيزها، وأدوات الكشف عن التحيز، وأدوات لنقل التعلم، والتعلم الموحد وغيرها.
كل هذه العناصر مفتوحة وقائمة على المعايير وموحدة وآمنة لتسهيل مهمة المطورين وعلماء البيانات لهندسة البيانات وإنشاء حلول الذكاء الاصطناعي ونشرها. على سبيل المثال، يمكن لبعض الأدوات زيادة الإنتاجية البشرية بأكثر من عشرة أضعاف.
تسريع برامج الذكاء الاصطناعي
لا يوجد حل "مقاس واحد يناسب الجميع" للبرنامج الذي يتم استخدامه خلال كل مرحلة من مراحل دورة حياة تطبيق الذكاء الاصطناعي، لأنه يختلف باختلاف القطاعات وحالات الاستخدام. نتيجة لذلك، يجب على القادة في الصناعة التعاون في أدوات مفتوحة المصدر.
على سبيل المثال، تشارك Intel مع Accenture لمساعدة الشركات على الابتكار وتسريع رحلة التحول الرقمي الخاصة بهم من خلال تقديم مجموعات مرجعية مفتوحة المصدر للذكاء الاصطناعي. يمكن أن تقلل هذه المجموعات المرجعية من وقت الحل من أسابيع إلى أيام، مما يساعد علماء البيانات والمطورين على تدريب النماذج بشكل أسرع وبتكلفة أقل من خلال التغلب على قيود بيئات الملكية.
يمكن لبرمجيات الذكاء الاصطناعي تحسين أداء الكمبيوتر من خلال التحسينات التلقائية للبرامج. يمكن أن يكون تأثير تسريع البرمجيات بالذكاء الاصطناعي كبيرًا، من 10 إلى 100 مرة في كثير من الحالات. غالبًا ما يكون أداء الكمبيوتر هو المطلب الأساسي الذي تعمل فرق تكنولوجيا المعلومات على تحقيقه بسبب الموارد والطبيعة كثيفة الحوسبة لأعباء عمل الذكاء الاصطناعي، مما يؤدي إلى التكلفة أو حساب قيود الوقت.
يحتاج تسريع الذكاء الاصطناعي للأجهزة إلى أن يُستكمل مع تسريع البرمجيات بالذكاء الاصطناعي بسبب تحسينات الأداء التي يتيحها. بدون تحسينات البرامج المتقدمة، قد يكون استخدام بيتافلوبس أو إكسا فلوب منخفضًا للغاية، خاصة عند إطلاق أجهزة جديدة. هذا يعني أن أكثر من نصف قدرة تنفيذ الأجهزة معطلة.
يمكن أن يساعد تسريع البرمجيات AI في تحسين أداء أجهزة الذكاء الاصطناعي من خلال تقليل مدة التدريب ووقت الاستدلال واستهلاك الطاقة واستخدام الذاكرة والتكلفة - كل ذلك مع الحفاظ على مستويات عالية من الأداء والدقة. هذا هو المفتاح لتسهيل تطوير ونشر التطبيقات الذكية.
الوصول إلى الذكاء الاصطناعي في كل مكان
نظرًا لتنوع أعباء العمل في الذكاء الاصطناعي، فإن استراتيجية الهندسة غير المتجانسة التي توفر خيارًا أكبر للمستخدمين تعمل بشكل أفضل مع الأجهزة، والتي ترتبط مباشرة بأداء هذه النماذج. تلعب وحدات المعالجة المركزية (CPU) التي تحتوي على تسريع AI مدمج ووحدات معالجة الرسومات ومسرعات AI المخصصة وحتى FPGA دورًا تؤديه. بالإضافة إلى ذلك، يمكن أن يوفر برنامج AI واجهة مستخدم متسقة للسماح للمستخدمين والمطورين بالانتقال من مسرّع أجهزة إلى آخر اعتمادًا على أعباء العمل.
في جميع الصناعات، ينمو الذكاء الاصطناعي. وفقًا لـ Gartner، من المتوقع أن تصل عائدات برامج الذكاء الاصطناعي العالمية وحدها إلى 62.5 مليار دولار في عام 2022، بزيادة قدرها 21.3% عن عام 2021.
تعد برامج الذكاء الاصطناعي بمثابة جسر للذكاء الاصطناعي في كل مكان، مما يزيد من إنتاجية الإنسان وأداء الكمبيوتر. لتجربة الذكاء الاصطناعي في كل مكان، يحتاج المطورون وعلماء البيانات إلى تبسيط العمليات المتعلقة بأنظمة الذكاء الاصطناعي، وضمان الإنتاجية من خلال البرامج التي تتميز بالأتمتة، وإيجاد الحلول التي يمكنها تحسين أداء أعباء عمل الذكاء الاصطناعي في النظم البيئية المفتوحة والبيئات الآمنة عبر البنية. عندها فقط يمكن للمنظمات إحياء الذكاء الاصطناعي في كل مكان.
