الدليل النهائي لتطوير الذكاء الاصطناعي
عملية تطوير منتجات الذكاء الاصطناعي ليست مهمة بسيطة. فهي تحتاج إلى قرية (هل لنا أن نضيف: قرية ذات معرفة وخبرة وإبداع). إذن، كيف نتعامل مع التحديات الجديدة في تكنولوجيا الرؤية الحاسوبية؟ فيما يلي خمسة أسئلة رئيسية نستخدمها لتوجيه جميع المشاريع الجديدة.
1. ما هو المنتج الدقيق الذي نريد بناءه وهل نحتاج حتى إلى الذكاء الاصطناعي؟
السؤال الأول والأساسي الذي نطرحه على أنفسنا هو ما هو الحل الذي نريد بناءه وما إذا كان المستخدمون بحاجة إليه بالفعل. وعندما نحصل على إجابة واضحة على هذا السؤال، نحدد ما إذا كان ينبغي علينا التعامل مع الذكاء الاصطناعي وبأي طريقة.
بشكل عام، الذكاء الاصطناعي هو الطريق الصحيح في ظل هذه الظروف:
- إن المشكلة التي شرعنا في حلها يصعب أو يستحيل حلها بنهج تطوير كلاسيكي أو تقليدي.
- يجب أن نكون قادرين على نمذجة المشكلة باستخدام طريقة/منهج معين للذكاء الاصطناعي.
- هناك مجموعة بيانات جيدة بما فيه الكفاية يمكننا استخدامها في البحث.
تُعد هذه الخطوة جزءًا لا يتجزأ من إدارة منتجاتنا وتشمل جميع العاملين في مؤسستنا.
2. كيف يمكن نمذجة مشكلة الذكاء الاصطناعي؟
بمجرد تحديد الجزء من المنتج الذي سنستخدم الذكاء الاصطناعي فيه، فإن الخطوة التالية هي تحديد كيفية نمذجته. في بعض الأحيان تكون هذه مهمة بسيطة للغاية، ولكن في أحيان أخرى، لا يكون من الواضح في بعض الأحيان أي نهج سيحقق أفضل النتائج. على سبيل المثال، في هذا الجزء من عملية التطوير، نحتاج في هذا الجزء من عملية التطوير إلى تقييم ما إذا كان من الأفضل حل بعض مشاكل الرؤية الحاسوبية باستخدام نموذج تجزئة دلالي أو نموذج اكتشاف الأجسام. يتحمل فريق البحث لدينا الدور الأهم في الإجابة عن هذا السؤال.
3. كيف نجد مجموعة بيانات جيدة؟
بعد أن تكون لدينا فكرة عن كيفية حل مشكلة معينة باستخدام الذكاء الاصطناعي، علينا أن نجد مجموعة بيانات جيدة بما فيه الكفاية يمكننا العمل عليها. في كثير من الأحيان، تكون هذه نقطة حاسمة؛ لأنه إذا لم نتمكن من العثور على مجموعة بيانات جيدة بما فيه الكفاية لفريق البحث لتجربتها، فلن نتمكن من تقديم أفضل حل للمشكلة التي شرعنا في البداية في حلها.
هناك عدة طرق للوصول إلى البيانات. في هذه العملية، من المهم جداً فهم الاختلافات في محتوى وجودة مجموعات البيانات.
يتمتع فريق المبيعات لدينا بتعاون وثيق للغاية مع الشركاء والعملاء. فهم يساعدوننا في تحسين تقنيتنا، ونقوم بتطوير ميزات جديدة لتطبيقها في حلولهم لمشاكل محددة للغاية.
في بعض الأحيان، يتمثل النهج الآخر في البدء بتطوير مجموعات البيانات الخاصة بنا داخلياً، وهي مهمة فريق البيانات لدينا.
4. كيف نعد البيانات لعملية التعلم؟
البيانات المجمّعة الخام ليست جيدة بما يكفي لتدريب نماذج الذكاء الاصطناعي. لهذا السبب أنشأنا عمليات محددة للتعليق التوضيحي للبيانات.
لهذا الغرض المحدد، طوّر فريق الويب لدينا نظامًا نطلق عليه داخليًا اسم MLS (نظام التعلم الآلي). يتم استخدام نظام MLS من قبل فريق البيانات لدينا، وهو المسؤول عن التعليقات التوضيحية للبيانات. يعد نظام MLS جزءًا أساسيًا من تطوير منتجاتنا. فهو يُمكِّننا من التحكم إلى أقصى حد في جودة البيانات المشروحة، بالإضافة إلى التحسين المستمر وتسريع عملية الشرح.
هذه العملية متطلبة وطويلة الأمد، ولكننا فخورون بالقول إنه في أقل من ثلاث سنوات، قام فريق البيانات لدينا بتعليق عشرات الملايين من الصور لأغراض التدريب المختلفة. يتعاون الفريق بشكل وثيق مع فريق البحث لضمان أن ينتج مهندسو تعلّم الآلة نماذج تحقق بالفعل المشكلة المحددة في البداية.
5. كيف يمكن دمج النموذج في المنتج النهائي؟
نموذج التعلم الآلي المنتج هو جزء واحد فقط من اللغز. ولكي يكون المنتج النهائي مفيدًا، يتطلب الأمر قدرًا كبيرًا من المعرفة التقنية وتجربة المستخدم لتجميع جميع أجزائه معًا.
فريق الأدوات والبنية التحتية لدينا مسؤول عن بناء مكونات متخصصة لتنفيذ وتشغيل الشبكات العصبية. تتيح هذه المكونات تكاملاً أبسط وأسرع بكثير على الأجهزة المحمولة من أي بدائل مفتوحة المصدر.
يتم التكامل النهائي للنموذج النهائي بواسطة فرق تطوير المنتجات والجوال والويب لدينا. فهم مسؤولون عن أن المنتج النهائي يحل المشكلة للمستخدمين حقاً، وأن البرنامج سريع وقوي، وأن تجربة المستخدم مصممة خصيصاً لكل منصة (iOS أو Android أو الويب).
لماذا نفعل ذلك بهذه الطريقة
تتطلب هذه العملية معرفة وإبداعًا في هندسة البرمجيات والتعلم الآلي وتجربة المستخدم والكثير من المثابرة. ولكن مهلاً – لا ألم، لا مكسب.
يمكّننا هذا النهج من وضع الصورة الأكبر في الاعتبار دائماً، وتقديم أكبر قيمة ممكنة للمنتج في نهاية المطاف. هذه هي الطريقة التي نعتقد أن جميع منتجات الذكاء الاصطناعي يجب أن تُصنع بها – بهدف تحقيق أعلى جودة.
هذا هو الجزء الثاني من سلسلتنا القصيرة حول بناء منتجات الذكاء الاصطناعي للأعمال. اقرأ الجزء الأول: كيف يبدو تطوير الذكاء الاصطناعي حقاً؟
