تُرجِمت هذه الدروس تلقائيًا إلى العربية ولم تخضع بعد لمراجعة بشرية. إذا بدت أي صياغة غريبة، فالنسخة الإنجليزية هي المرجع.
أنت تعلم بالفعل أن الذكاء الاصطناعي يمكنه التعرف على الوجوه وترجمة اللغات والتوصية بالأغاني. ولكن ما الذي يقوي كل ذلك في الواقع؟ البيانات. بدون البيانات، يكون الذكاء الاصطناعي بمثابة سيارة بدون وقود - فهي ببساطة لا تستطيع الذهاب إلى أي مكان.
في هذا الدرس، سوف نستكشف كيف تبدو مجموعات البيانات، والأنواع المختلفة من البيانات التي يستخدمها الذكاء الاصطناعي، وسبب أهمية جودة تلك البيانات بشكل كبير.
مجموعة البيانات عبارة عن مجموعة منظمة من المعلومات التي يتعلم منها نظام الذكاء الاصطناعي. فكر في الأمر كجدول بيانات عملاق.
تحتوي مجموعة بيانات ImageNet على أكثر من 14 مليون صورة تم تصنيفها يدويًا عبر أكثر من 20000 فئة. لقد استغرق الأمر سنوات من الباحثين والآلاف من المفسرين البشريين لبنائه.
يعمل الذكاء الاصطناعي مع فئتين عريضتين من البيانات:
هذه هي البيانات التي يتم وضعها بدقة في الجداول التي تحتوي على صفوف وأعمدة - مثل سجل المعاملات المصرفية أو سجل مريض المستشفى. كل حقل له نوع واضح (الرقم، التاريخ، الفئة).
أمثلة: أرقام المبيعات، وقراءات أجهزة الاستشعار، واستجابات الاستطلاع.
هذه هي البيانات التي لا تتبع تنسيقًا ثابتًا. يتضمن الصور ومقاطع الفيديو والتسجيلات الصوتية ورسائل البريد الإلكتروني ومنشورات الوسائط الاجتماعية. أكثر من 80% من بيانات العالم غير منظمة.
أمثلة: الصور الموجودة على هاتفك، والرسائل الصوتية، والمقالات الإخبارية.
أي مما يلي يعد مثالاً للبيانات غير المنظمة؟
يمكن للبشر أن يتعلموا التعرف على الكلب بعد رؤية بعض الصور فقط. يحتاج الذكاء الاصطناعي عادةً إلى آلاف - وأحيانًا ملايين - من الأمثلة قبل أن يتمكن من فعل الشيء نفسه. وذلك لأن الذكاء الاصطناعي ليس لديه فهم مدمج للعالم. كل قطعة من المعرفة يجب أن تأتي من البيانات.
سجّل الدخول للانضمام إلى النقاش
كلما كانت البيانات أكثر تنوعًا وتمثيلًا، كان تعميم الذكاء الاصطناعي على المواقف الجديدة أفضل. النموذج الذي تم تدريبه فقط على صور المستردون الذهبيين قد يفشل في التعرف على كلب البودل. يؤدي التنوع في البيانات إلى قوة الذكاء الاصطناعي.
ولهذا السبب تستثمر الشركات بكثافة في جمع مجموعات البيانات الكبيرة وتنظيفها وتنظيمها - وغالبًا ما يكون ذلك الجزء الأكثر استهلاكًا للوقت والأكثر تكلفة في بناء نظام الذكاء الاصطناعي.
والخبر السار هو أنه بمجرد وجود مجموعة بيانات عالية الجودة، يمكن إعادة استخدامها ومشاركتها، مما يؤدي إلى تسريع وتيرة الأبحاث في جميع أنحاء العالم.
الذكاء الاصطناعي يكون جيدًا بقدر جودة البيانات التي يتعلم منها. إذا كانت البيانات فوضوية أو غير كاملة أو غير صحيحة، فسوف ينتج الذكاء الاصطناعي نتائج غير موثوقة. يُعرف هذا المبدأ باسم ** دخول القمامة، إخراج القمامة (GIGO) **.
تتضمن مشكلات جودة البيانات الشائعة ما يلي:
تخيل أنك تدرس للامتحان، ولكن نصف صفحات كتابك المدرسي مفقودة وبعض الإجابات في الخلف خاطئة. ما مدى جودة أدائك؟ وهذا هو بالضبط ما يحدث عندما يتدرب الذكاء الاصطناعي على بيانات رديئة الجودة.
أصبحت بعض مجموعات البيانات مشهورة في مجتمع الذكاء الاصطناعي:
| مجموعة البيانات | ما يحتويه | الحجم | |---------|-----------------|------| | إيماج نت | الصور الفوتوغرافية الموسومة | 14 مليون+ صورة | | الزحف المشترك | صفحات ويب من جميع أنحاء شبكة الإنترنت | بيتابايت من النص | | ويكيبيديا | مقالات الموسوعة | 60 مليون+ مقالة | | منيست | أرقام مكتوبة بخط اليد (0-9) | 70.000 صورة |
مجموعات البيانات هذه متاحة مجانًا وتم استخدامها لتدريب بعض نماذج الذكاء الاصطناعي الأكثر تأثيرًا في التاريخ.
ماذا تحتوي مجموعة بيانات MNIST؟
قبل أن يتمكن الذكاء الاصطناعي من التعلم من البيانات، عادةً ما يحتاج شخص ما إلى تصنيفها. وهذا يعني إخبار النظام بما يمثله كل مثال.
تُسمى هذه العملية التعليق التوضيحي، وغالبًا ما يقوم بها البشر، وأحيانًا يعمل الآلاف منهم معًا.
تستخدم العديد من شركات الذكاء الاصطناعي منصات التعهيد الجماعي، حيث يقوم العمال في جميع أنحاء العالم بتصنيف البيانات مقابل بضعة بنسات فقط لكل عنصر. إنه جهد عالمي هائل لا يراه معظم الناس أبدًا.
تعكس البيانات العالم الذي تأتي منه - بما في ذلك التحيزات في العالم. عندما تمثل مجموعة بيانات تمثيلا زائدا لمجموعة واحدة أو تمثل تمثيلا ناقصا لمجموعة أخرى، فإن الذكاء الاصطناعي المدرب عليها سوف يرث تلك الاختلالات.
أمثلة حقيقية لتحيز البيانات:
إن التحيز ليس مجرد مشكلة فنية، بل هو مشكلة اجتماعية. تحمل كل مجموعة بيانات الافتراضات والنقاط العمياء للأشخاص الذين قاموا بإنشائها.
إذا قمت بتدريب الذكاء الاصطناعي على التوصية بالمطاعم ولكنك قدمت له بيانات من لندن فقط، فهل سيقدم توصيات جيدة لشخص ما في مانشستر؟ ما الذي قد يخطئ؟
ما هي النتيجة الأكثر احتمالا لتدريب الذكاء الاصطناعي على البيانات المتحيزة؟
بعد ذلك، سنلقي نظرة على الخوارزميات التي تعالج فعليًا كل هذه البيانات وتحولها إلى ذكاء.