GenAI في البيئة الصناعية – توصيات للمتبنين الأوائل
شهد النصف الأول من عام 2023 زيادة في الاهتمام بالذكاء الاصطناعي التوليدي (GenAI) الذي كان على وشك الهستيريا.
ولعدة أشهر، كانت قنوات الاتصال العالمية تضج بالحديث عن قدرتها على التأثير على كل مجالات الحياة الشخصية والاجتماعية والعملية تقريباً.
حتى المنظمات الصناعية بدأت في دراسة ما إذا كان بإمكان GenAI إضافة قيمة إلى عملياتها.
يفتح GenAI إمكانية الوصول إلى ثروة من الأبحاث التي يمكن الاستفادة منها لإنشاء مجموعة واسعة ومتنوعة من المحتوى الجديد.
يمكن تدريب الخوارزميات على مجموعات البيانات الكبيرة الموجودة واستخدامها لإنشاء محتوى بما في ذلك النصوص والفيديو والصور وحتى البيئات الافتراضية.
نلاحظ ثلاث طرق يمكن للمستخدمين الصناعيين من خلالها التواصل مع GenAI:
- الأدوات المتاحة للعامة: توفر الأدوات المشابهة لـ ChatGPT للمستخدمين المعلومات أو إنشاء المحتوى أو الرموز. توفر هذه الأدوات والتطبيقات المتاحة للجمهور قيمة قوية للمستخدمين. من وجهة نظر مجال العمليات، تأتي الفوائد العظيمة من اكتساب معلومات السوق وسلسلة التوريد، ومعلومات المشتريات، والتدريب. ومع ذلك، فإن هذه التطبيقات ليست مثالية للاستخدام الصناعي. حتى أن بعض المنظمات حظرت استخدامها لمنع تسرب البيانات الحساسة.
- حلول المؤسسات المضمنة: يمكن دمج GenAI في حلول المؤسسات مثل تخطيط موارد المؤسسات (ERP)، وإدارة دورة حياة المنتج (PLM)، وأنظمة إدارة علاقات العملاء (CRM). يمكن أن يكونوا حاضرين كـ “مساعدين طيارين”، أو نظام ذكاء اصطناعي مصمم لمساعدة ودعم المستخدمين البشريين في إنشاء أو إنشاء محتوى باستخدام تقنيات GenAI. يقوم معظم موردي التكنولوجيا بالفعل بتطبيق تقنية GenAI في حلول مؤسساتهم، مما يمكّن المؤسسات من الاستفادة منها في مجالات مثل إدارة الخدمات وتخطيط سلسلة التوريد وتطوير المنتجات.
- حالات الاستخدام والتطبيقات: يمكن للمطورين استخدام GenAI لإنشاء حالات الاستخدام أو تمكينها وتطوير التطبيقات. يعتقد زميلي في شركة IDC، جون سنو، أن شركة GenAI يمكنها تقديم قيمة حقيقية لمجموعة واسعة من مجالات الأعمال، على افتراض أنها تم تدريبها على البيانات ذات الصلة. وهذا يعني أننا سنشهد إنشاء حلول GenAI خاصة بمجالات الخبرة (على سبيل المثال، تصميم المنتجات، والتصنيع، والخدمة/الدعم)، والصناعات (على سبيل المثال، السيارات، والأجهزة الطبية، والمنتجات الاستهلاكية، والمعالجة الكيميائية)، والشركات الفردية. وستعمل مثل هذه الأدوات المركزة على تعزيز المعرفة والخبرة التي يولدها الإنسان كما نعرفها ــ وفي بعض الحالات تتحدىها.
كن مستعدًا – ولكن بحذر
في البيئات كثيفة العمليات مثل تصنيع العمليات، قد يوفر الذكاء الاصطناعي عددًا قليلاً من حالات الاستخدام المفيدة.
ويمكن أن تشمل هذه نماذج تخطيط الإنتاج والصيانة التنبؤية لعمليات المحاكاة المعقدة من خلال أجهزة الاستشعار الناعمة.
لقد تعلم المستخدمون بالفعل الاستفادة من قوة الذكاء الاصطناعي في العمليات اليومية بطريقة آمنة (أي في المناطق التي يكون فيها تأثير الفشل المحتمل على البيئة المادية ضئيلًا).
على سبيل المثال، يمكن تدريب نماذج التعرف على الصور على مجموعات البيانات المتاحة، مما يتيح التحقق من مخرجات النموذج مقابل المعيار.
يعد الذكاء الاصطناعي بالفعل جزءًا من جوانب لا حصر لها من التصنيع، لكن موثوقية المخرجات التي يولدها الذكاء الاصطناعي لا تزال غير مستقرة. IATF 16949 هو مثال رائع.
وهو معيار عالمي لإدارة الجودة تم تطويره لصناعة السيارات، وهو يوفر متطلبات تصميم المنتجات المتعلقة بالسيارات وتطويرها وإنتاجها وتركيبها. ومع ذلك، لا يغطي المعيار الذكاء الاصطناعي بشكل صريح أو يوفر متطلبات محددة لتنفيذ الذكاء الاصطناعي.
ومع ذلك، لا يزال من الممكن أن يكون الذكاء الاصطناعي ذا صلة بصناعة السيارات، وقد يكون لتطبيقاته آثار على إدارة الجودة.
يمكن استخدام الذكاء الاصطناعي في مجالات مثل المركبات ذاتية القيادة، والصيانة التنبؤية، ومراقبة الجودة، وتحسين سلسلة التوريد.
تتطور المعايير واللوائح بشكل مستمر – وقد يتم تطوير إرشادات جديدة خاصة بالذكاء الاصطناعي أو التقنيات الناشئة في صناعة السيارات في المستقبل لمعالجة اعتباراتها وتحدياتها الفريدة.
تحديات الإخراج
مثل أي منهجية أخرى تخدم الصناعات، يجب أن تكون مخرجات GenAI موثوقة بنسبة 100%. ربما يكون معظم القراء على دراية بتطبيق التكرار والتكرار
. اسمحوا لي أن أذكركم أن قابلية التكرار تسمح بإجراء بحث أكثر دقة، في حين أن قابلية التكرار تقيس هذه الدقة وتؤكد النتائج. كلاهما وسيلة لتقييم استقرار وموثوقية التجربة وهما عاملان رئيسيان في حسابات عدم اليقين للقياسات.
قد تبدو الأدوات المستندة إلى GenAI بمثابة صندوق أسود للعديد من المستخدمين الصناعيين المحتملين. يعد تحيز GenAI خوفًا كبيرًا.
يشير هذا إلى احتمال وجود تحيزات في المخرجات أو المحتوى الذي تم إنشاؤه بواسطة نماذج GenAI.
يمكن أن تنشأ هذه التحيزات من مصادر مختلفة، بما في ذلك بيانات التدريب المستخدمة لتدريب النماذج، والخوارزميات والتقنيات المستخدمة، والتحيزات المتأصلة الموجودة في البيانات الناتجة عن الإنسان المستخدمة للتدريب.
تتعلم نماذج GenAI الأنماط والهياكل من مجموعات البيانات الكبيرة.
إذا كانت مجموعات البيانات هذه تحتوي على تحيزات، فيمكن للنماذج أن تتعلم عن غير قصد هذه التحيزات وتديمها في المحتوى الذي تم إنشاؤه.
على سبيل المثال، إذا تم تدريب نموذج GenAI على البيانات النصية التي تحتوي على لغة أو صور نمطية متحيزة، فقد يقوم بإنشاء نص يعكس تلك التحيزات.
يمكن أن يكون لتحيز GenAI عدة آثار. ويمكن أن يؤدي إلى إدامة الصور النمطية، أو تعزيز الممارسات التمييزية، أو إنشاء محتوى مضلل أو غير عادل.
في بعض الحالات، يمكن أن يؤدي تحيز GenAI إلى تضخيم التحيزات المجتمعية الحالية، حيث قد يصل المحتوى الناتج إلى جمهور واسع ويؤثر على التصورات وعمليات صنع القرار.
تعد معالجة تحيز GenAI جانبًا مهمًا لاستخدامها بشكل صحيح، كما يعد تخفيف التحيز بمثابة نقطة انطلاق حاسمة لزيادة موثوقية التكنولوجيا.
يجب على منشئي النماذج وأصحابها التأكد من أن البيانات المستخدمة لتدريب نماذج GenAI متنوعة وتمثيلية وخالية من التحيزات الصريحة.
وينبغي، إن أمكن، تنفيذ آليات للكشف عن التحيز والتخفيف منه أثناء عملية التدريب والتوليد. ينبغي تقييم المخرجات الناتجة بشكل مستمر ومراقبتها للتأكد من عدم وجود تحيزات.
يتضمن ذلك إنشاء حلقات تعليقات مع المراجعين البشريين أو الخبراء المتخصصين الذين يمكنهم تقديم رؤى والإبلاغ عن التحيزات المحتملة.
نوصي بالسعي لتحقيق الشفافية وقابلية التفسير. بذل الجهود لفهم وتفسير الأعمال الداخلية للنماذج لتحديد مصادر التحيز ومعالجتها بفعالية. يتم تشجيع تعليقات المستخدمين وتكرار نماذج GenAI بناءً على تلك التعليقات.
يجب على المستخدمين أيضًا توخي الحذر من “الهلوسة” الخاصة بـ GenAI، أو المواقف التي ينتج فيها نموذج GenAI مخرجات تبدو واقعية ولكنها لا تستند إلى معلومات حقيقية أو دقيقة.
بمعنى آخر، يقوم نظام الذكاء الاصطناعي بإنشاء محتوى معقول ولكنه قد لا يكون له أساس في الواقع.
على سبيل المثال، قد يقوم نموذج الذكاء الاصطناعي التوليدي الذي تم تدريبه على صور العيوب بإنشاء صور جديدة للعيوب تشبه تلك الموجودة في فئة عيوب موجودة ولكنها غير موجودة بالفعل.
يعد تجنب هلوسة الذكاء الاصطناعي أمرًا صعبًا تمامًا، ولكن هناك العديد من الإجراءات التي يمكن اتخاذها للحد من حدوثها أو تقليل التأثير.
دعنا نتطرق إلى القليل منها: من الضروري التأكد من تدريب نموذج الذكاء الاصطناعي الخاص بك على مجموعة بيانات متنوعة وتمثيلية تغطي نطاقًا واسعًا من الأمثلة من العالم الحقيقي.
لتحسين جودة وموثوقية مخرجات النموذج، يجب معالجة بيانات التدريب مسبقًا وتنظيفها لإزالة عدم الدقة أو القيم المتطرفة أو المعلومات المضللة. وينبغي أيضًا تقييم مخرجات النموذج ومراقبتها بشكل مستمر لتحديد حالات الهلوسة أو توليد محتوى غير واقعي.
التحديات المتطورة
نظرًا لأنها تتضمن إنشاء محتوى جديد وأصلي بدون برمجة واضحة، فقد يكون إثبات موثوقية نماذج GenAI أمرًا صعبًا. ومع ذلك، هناك العديد من الأساليب التي يمكنك اتباعها لتقييم وتقديم الأدلة على موثوقية نماذج GenAI.
تتضمن الطرق شائعة الاستخدام تحديد واستخدام مقاييس التقييم المناسبة لتقييم جودة وموثوقية المحتوى الذي تم إنشاؤه.
يعد التقييم من قبل البشر مفيدًا، بما في ذلك التقييمات الذاتية التي تتضمن تقييم وتصنيف جودة وموثوقية المحتوى الذي تم إنشاؤه.
بالنسبة لبعض حالات الاستخدام المحددة (على سبيل المثال، مساعدي الطيارين)، يمكن استخدام التحقق من صحة مجموعة الاختبار.
يتضمن ذلك إنشاء مجموعة اختبار من سيناريوهات أو مدخلات محددة تمثل المخرجات المطلوبة وتقييم النتائج الناتجة مقابل هذه المدخلات.
يمكن أيضًا استخدام اختبار الخصومة لتقديم حالات صعبة أو حافة إلى نموذج GenAI عمدًا لتقييم متانته وموثوقيته.
مع تطور مخرجات GenAI، يوصى باستخدام المراقبة طويلة المدى لتتبع وتقييم أداء وموثوقية النموذج بشكل مستمر.
يمكن أن يكون هذا قابلاً للتطبيق، على سبيل المثال، في التطبيقات التي تعمل بنظام GenAI لذكاء سلسلة التوريد.
السماء هي الحد – في الوقت الراهن
في البيئة الصناعية، ما زلنا نخدش سطح ما يمكن أن يفعله GenAI. يجب أن تتعاون المؤسسات مع بائعي التكنولوجيا ومقدمي الخدمات لفهم قيمة GenAI وتحويلها إلى ميزة تنافسية كبيرة.
قد يحاول المنظمون تقييد تقنية GenAI أو التحكم فيها بطريقة أخرى، لكن القطة قد خرجت بالفعل من الحقيبة. التنمية أمر لا مفر منه.
للحصول على معلومات مباشرة حول تطوير GenAI، يجب على المؤسسات متابعة المتخصصين المعروفين في تكنولوجيا الذكاء الاصطناعي، بالإضافة إلى الشركات الناشئة والمتوسعين.
تعد شركات Hyperscale مثل Google وMicrosoft وAmazon في طليعة أبحاث وتطوير الذكاء الاصطناعي. إنهم يستثمرون موارد كبيرة في استكشاف تقنيات الذكاء الاصطناعي وتطويرها، بما في ذلك GenAI.
غالبًا ما يقدم Hyperscalers خدمات ومنصات الذكاء الاصطناعي المستندة إلى السحابة والتي تتضمن إمكانات GenAI. يمكن أن تساعدك مواكبة عروضهم على فهم أحدث الأدوات والخدمات المتاحة لتطوير تطبيقات GenAI.
يتوقع المديرون تقليديًا البدء في رؤية عائد الاستثمار للتكنولوجيا مثل GenAI في غضون 1.5 عام – ولكن مع توفر البنية التحتية المناسبة لتكنولوجيا المعلومات لتوفير قابلية التوسع لأدوات GenAI، يمكن الوصول إلى هدف عائد الاستثمار في غضون أشهر.
على سبيل المثال، يؤدي تحسين خدمة العملاء إلى جلب إيرادات إضافية على الفور تقريبًا. ويمكن لتحسين العمليات باستخدام ذكاء البيانات أن يوفر إنتاجية محسنة مع تقليل التكاليف المتكبدة بسبب الجودة الرديئة.
احذروا المنافسة!
تستعد GenAI لإحداث ثورة في صناعة التصنيع، وتمكين الشركات المصنعة من فتح مستويات جديدة من الكفاءة والابتكار.
بدءًا من تصميم المنتج وحتى تحسين سلسلة التوريد، يمكن أن يكون لـ GenAI تأثير كبير على مؤشرات الأداء الرئيسية.
لكن احذر: لا تدع المنافسة تتفوق عليك فيما يتعلق باعتماد GenAI. ابق على اطلاع بالتطورات وتصرف قبل أن يستخدم المنافسون GenAI لتهديد عملك.
وفي الوقت نفسه، لا تقلل من شأن مخاطر تسرب الملكية الفكرية (IP)، أو الاستخدام غير المصرح به أو الكشف عنها أو الكشف عنها للملكية الفكرية القيمة من خلال استخدام نماذج الذكاء الاصطناعي التوليدية.
قم بتضمين آلية لمنع تسرب IP في الذكاء الاصطناعي العام وإدارة البيانات. يجب أن يشمل ذلك إزالة المعلومات الحساسة أو الخاصة أو إخفاء هويتها من مجموعات بيانات التدريب.
كما هو الحال دائمًا، ابق مشغولاً بما ينجح، ولكن ركز على المستقبل. يعد تبني هذه التكنولوجيا التحويلية خطوة حاسمة نحو آفاق أكثر كفاءة وابتكارًا للشركات من أي حجم.
المصدر: idceurope
قد يهمك:
