نهج التعلم العميق للتعرف على الصور

على الرغم من أن الذكاء الاصطناعي ربما يكون الكلمة الطنانة لهذا القرن، إلا أنه لا يزال مفهومًا غامضًا في أذهان الكثيرين. وفي محاولة لكشف الغموض الذي يكتنف هذا المفهوم، إليك مقدمة لطيفة تعرض طريقتين لتبني الشركات للذكاء الاصطناعي وتطويره، وكيف اخترنا القيام بذلك.

خارج نطاق عالم Westworld، يأتي الذكاء الاصطناعي بأشكال متعددة، وله تاريخ طويل، وهو موجود في حياتك اليومية أكثر مما تتخيل.

نحن نتواصل مع الأصدقاء على وسائل التواصل الاجتماعي، ونستقل سيارة أوبر إلى العمل، ونكتشف برامج جديدة على نتفليكس، ونحصل على توصيات المطاعم على الخرائط – كل هذه الأنشطة هي امتداد رقمي لأنشطة كنا نقوم بها دائماً. الآن فقط، وبفضل الذكاء الاصطناعي إلى حد كبير، أصبحت الطريقة التي نتفاعل بها مع هذه الخدمات أسرع وأسهل وأكثر ذكاءً.

التعلّم الآلي، والرؤية الحاسوبية، ومعالجة اللغة الطبيعية، والشبكات العصبية، ومحركات التوصية – يعمل مهندسو الأبحاث على تطويرها منذ عدة عقود حتى الآن.

فلماذا يبدو أن الجميع يقفزون على عربة الذكاء الاصطناعي الآن؟

في عام 2012، حققت أبحاث الذكاء الاصطناعي طفرة كبيرة في شكل شبكات عصبية عميقة.
وهي أقوى بكثير من طرق التعلم السابقة وتوفر أفضل النتائج في العديد من المشاكل الواقعية. ويدعم تطورها التقدم في قوة الحوسبة، مما سمح بتشغيل عدد كبير من المعلمات وعملية التعلم المعقدة والمليئة بالبيانات.

تتيح الشبكات العصبية العميقة حلولاً قوية لاكتشاف الأجسام والتعرف على الصور وتجزئتها. وبالنسبة للشركات، فإنها توفر فرصة لبناء تجربة مستخدم فائقة وزيادة الكفاءة وإسعاد عملائها.

كيف يتم بناء منتجات الذكاء الاصطناعي؟

عندما يتعلق الأمر ببناء منتجات وخدمات تعتمد على الذكاء الاصطناعي، عادةً ما تتبع الشركات أحد نهجين. فإما أن تستخدم واجهات برمجة التطبيقات ونماذج التعلم الآلي أو تطوير حلولها الخاصة والمتخصصة.

تُعد واجهات برمجة التطبيقات الجاهزة الخيار الأول للعديد من الشركات لأنها ميسورة التكلفة وسهلة الاستخدام. ويجعلها مزودو الحوسبة الرائدون متاحة بسهولة بهدف جذب المزيد من المطورين لاستخدام منصاتهم. وهذا هو السبب في أن واجهات برمجة تطبيقات Amazon Rekognition أو Google Vision أو Microsoft Cognitive Services APIs تصبح باستمرار أكثر تقدماً وقوة.

ومع ذلك، فإن هذه الأدوات ليست خالية من العيوب. فغالباً ما يكون أداؤها ضعيفاً عند حل مشاكل محددة في مجال الذكاء الاصطناعي، وتفوّت الشركات فرصة تقديم جودة فائقة وتجربة مستخدم فائقة.

تمكّن العديد من واجهات برمجة التطبيقات من التعرف على النص على الصور، ولكن من شبه المؤكد أنها غير معدلة لاستخراج أنواع وتنسيقات معينة، أي فهم النص الذي تم التعرف عليه. على سبيل المثال، لا يمكنهم التعرف على الاسم واللقب في بطاقة هوية شخص ما أو التعرف على نوع معين من المسائل الرياضية. في Microblink ، أدركنا هذه الفجوة واتخذنا خطوة إلى الأمام لتوفير برنامج رؤية حاسوبية أفضل بكثير ومتخصص في السوق.

يتمثل النهج الآخر الذي تتبعه شركات الذكاء الاصطناعي في بناء حلول مملوكة للتطبيق المتخصص في منتج أو خدمة معينة. كما أن هذا النهج أصبح من الأسهل البدء به. والسبب الرئيسي لذلك هو العدد المتزايد من مجموعات البيانات المتاحة للجمهور لتدريب نماذج التعلم الآلي. وقد يعمل بعضها حتى بالنسبة لمشاكل محددة في التعلم الآلي (على سبيل المثال، مجموعة بيانات MS COCO لاكتشاف الأجسام وتجزئتها والتعليق عليها).

إلى جانب مجموعات البيانات التي يمكن الوصول إليها بسهولة، هناك أيضًا المزيد من الأدوات مفتوحة المصدر التي تبسط عملية التعلم. تعد مكتبتا PyTorch و Tensorflow 2.0، مكتبات التعلم الآلي مفتوحة المصدر الأكثر شيوعًا للأبحاث والإنتاج، أكثر سهولة في الاستخدام مما كانت عليه قبل عامين على سبيل المثال.

آسف لإفساد الحفلة مرة أخرى، ولكن هناك مشكلة في هذا النهج أيضًا. فالنظرية شيء واحد، ولكن في المشاكل الواقعية، قد يكون من الصعب الحصول على النتائج المرجوة. هناك مشكلتان شائعتان يجب على المرء الحذر منهما عند بناء حلول الذكاء الاصطناعي الخاصة به:

1. التباين بين مجموعة البيانات التي تم استخدامها لتدريب نماذج الشبكات العصبية والبيانات الفعلية التي يتم تطبيق النماذج عليها. على وجه الخصوص، نادراً ما تكون النماذج التي تم تدريبها على مجموعات البيانات المتاحة للجمهور مناسبة للمنتجات عالية التخصص.
2. مشكلة قابلية التطبيق من حيث استهلاك الموارد والذاكرة والوقت، نظرًا لأن الحل النهائي يحتاج إلى تلبية متطلبات الكفاءة التي غالبًا ما تكون غير موجودة في مرحلة البحث في تطوير الذكاء الاصطناعي.
   (وبعبارات أبسط، لا يفهم المستخدمون النهائيون كثيرًا بل ويقل صبرهم على التحديات في الخدمات التي تعمل بتقنية تعلّم الآلة. يجب أن تعمل الخدمة دائماً ويجب أن تعمل بسرعة).

الاستفادة من أفضل ما في العالمين

خلال السنوات الست الماضية، أصبحنا ندرك جيداً فوائد وتحديات كلا النهجين. لقد جعلنا من الذكاء الاصطناعي جوهر تقنيتنا وتحولنا إلى تطوير الشبكات العصبية العميقة منذ عدة سنوات لاستهداف المشاكل التالية:

• التعرف على النصوص واستخراجها من صور مستندات الهوية، وبطاقات الائتمان، وإيصالات البيع بالتجزئة، وحتى المسائل الرياضية
• الكشف عن أنواع المستندات المختلفة وتصنيفها
• تحليل الصور ومهام أخرى مختلفة.

نحن ملتزمون بالتصدي لتحديات الرؤية الحاسوبية هذه لتمكين الشركات من تقديم تجارب رقمية فائقة مثل

• سهولة دفع الفواتير (عن طريق مسح قسائم الدفع ضوئيًا – لأنه من الذي يذهب إلى البنك بعد الآن؟)
• سهولة تتبع النفقات (عن طريق مسح إيصالات البيع بالتجزئة ضوئيًا بدلاً من إدخال كل عنصر تم شراؤه يدويًا)
• تأهيل المستخدم عن بُعد (عن طريق المسح الضوئي لوثائق الهوية أو بطاقات الائتمان)
• إتقان الرياضيات بسهولة (باستخدام تطبيق لمسح مفاهيم الرياضيات وحلها وتعلمها)

نحن نستخدم نهجاً متكاملاً يجمع بين أفضل المنظورين المذكورين أعلاه، ونجاحنا يؤكد أننا نسير على الطريق الصحيح. تتمتع تقنيتنا بانتشار عالمي، فهي توفر الوقت وتسهل المهام اليومية لأكثر من 100 مليون مستخدم نهائي حول العالم. يعد Photomath، الذي أصبح اليوم شركة منفصلة عن Microblink ، التطبيق رقم 1 لتعلم الرياضيات، وقد تم تنزيله أكثر من 120 مليون مرة وتم دمجه مؤخرًا في Snapchat. BlinkReceipt ، منتجنا لمسح إيصالات البيع بالتجزئة ضوئيًا، وقد تم استخدامه حتى الآن لمسح أكثر من 180 مليون إيصال بيع بالتجزئة. BlinkCard ، أحدث منتجاتنا، هو أسرع وأدق برنامج مسح ضوئي لأنواع مختلفة من بطاقات الائتمان والبطاقات المصرفية.

إذا كان هذا قد أثار فضولك، فهذا رائع! لقد نثرنا المزيد من الحكمة في منشور آخر: دليلنا المكون من 5 خطوات لتطوير الذكاء الاصطناعي.