رؤية DataRobot لإضغاء الطابع الديمقراطي على التعلم الآلي باستخدام AI بدون كود
خلقت الرقمنة المتزايدة لكل جانب من جوانب عالمنا وحياتنا فرصًا هائلة للتطبيق المثمر للتعلم الآلي وعلوم البيانات.
تشعر المنظمات والمؤسسات في جميع المجالات بالحاجة إلى الابتكار وإعادة اختراع نفسها باستخدام الذكاء الاصطناعي واستخدام بياناتها بشكل جيد.
وفقًا للعديد من الدراسات الاستقصائية، يعد علم البيانات من أسرع المهارات المطلوبة نموًا في مختلف القطاعات.
ومع ذلك، فإن الطلب المتزايد على الذكاء الاصطناعي يعوقه النقص الشديد في المعروض من علماء البيانات وخبراء التعلم الآلي.
من بين الجهود المبذولة لمعالجة فجوة المواهب هذه، المجال سريع التطور للذكاء الاصطناعي غير المشفر، والأدوات التي تجعل إنشاء ونشر نماذج التعلم الآلي في متناول المؤسسات التي ليس لديها ما يكفي من علماء البيانات ومهندسي التعلم الآلي من ذوي المهارات العالية.
في مقابلة مع TechTalks، ناقش Nenshad Bardoliwalla، كبير مسؤولي المنتجات في DataRobot، تحديات تلبية احتياجات التعلم الآلي وعلوم البيانات في مختلف القطاعات وكيف تساعد المنصات بدون كود في إضفاء الطابع الديمقراطي على الذكاء الاصطناعي.
لا يكفي علماء البيانات
نينشاد باردوليوالا، رئيس المنتج في DataRobot
قال باردوليوالا: “إن سبب ارتفاع الطلب على الذكاء الاصطناعي بشكل كبير هو أن كمية العادم الرقمي التي تولدها الشركات وعدد الطرق التي يمكن أن يستخدموا بها بشكل خلاق هذا العادم الرقمي لحل مشاكل العمل الحقيقية آخذ في الازدياد”.
في الوقت نفسه، لا يوجد ما يكفي من علماء البيانات الخبراء في العالم الذين لديهم القدرة على استغلال هذه البيانات بالفعل.
“لقد علمنا قبل عشر سنوات، عندما بدأت DataRobot ، أنه لم يكن هناك بأي حال من الأحوال أن عدد علماء البيانات الخبراء – الأشخاص الحاصلين على درجة الدكتوراه.
في الإحصاء، دكتوراه. في التعلم الآلي – أن يكون لدى العالم عدد كافٍ من هؤلاء الأفراد ليكون قادرًا على تلبية هذا الطلب على نتائج الأعمال التي يحركها الذكاء الاصطناعي، كما قال باردوليوالا.
ومع مرور السنين، شهدت Bardoliwalla نموًا في الطلب على التعلم الآلي وعلوم البيانات عبر قطاعات مختلفة حيث يدرك المزيد والمزيد من المؤسسات القيمة التجارية لتعلم الآلة، سواء كان ذلك يتوقع حدوث اضطراب في العملاء أو نقرات على الإعلانات أو إمكانية حدوث عطل في المحرك أو النتائج الطبية أو أي شيء آخر.
قال باردوليوالا: “نشهد المزيد والمزيد من الشركات التي تدرك أن منافستها قادرة على استغلال الذكاء الاصطناعي والتعلم الآلي بطرق مثيرة للاهتمام وتتطلع إلى مواكبة ذلك”.
في الوقت نفسه، أدى الطلب المتزايد على مهارات علوم البيانات إلى استمرار فجوة المواهب في الذكاء الاصطناعي. ولا يتم تقديم الخدمات للجميع على قدم المساواة.
الصناعات المحرومة
أدى نقص الخبراء إلى خلق منافسة شرسة على علوم البيانات ومواهب التعلم الآلي. يقود القطاع المالي الطريق، حيث يوظف بقوة مواهب الذكاء الاصطناعي ويضع نماذج التعلم الآلي قيد الاستخدام.
قال باردوليوالا: “إذا نظرت إلى الخدمات المالية، سترى بوضوح أن عدد نماذج التعلم الآلي التي يتم وضعها قيد الإنتاج هو أعلى بكثير من أي من القطاعات الأخرى”.
في موازاة ذلك، تقوم شركات التكنولوجيا الكبيرة ذات الجيوب العميقة أيضًا بتوظيف كبار علماء البيانات ومهندسي التعلم الآلي – أو الاستحواذ المباشر على مختبرات الذكاء الاصطناعي مع جميع المهندسين والعلماء – لتعزيز إمبراطورياتهم التجارية القائمة على البيانات.
وفي الوقت نفسه، فإن الشركات والقطاعات الأصغر التي لا تتدفق عليها السيولة قد تم استبعادها إلى حد كبير من الفرص التي يوفرها التقدم في الذكاء الاصطناعي لأنها لا تستطيع توظيف عدد كافٍ من علماء البيانات وخبراء التعلم الآلي.
إن Bardoliwalla متحمس بشكل خاص لما يمكن أن يفعله الذكاء الاصطناعي لقطاع التعليم.
“ما مقدار الجهد المبذول لتحسين نتائج الطلاب باستخدام الذكاء الاصطناعي والتعلم الآلي؟ ما مقدار ما تمتلكه صناعة التعليم وأنظمة المدارس من أجل الاستثمار في هذه التكنولوجيا؟ أعتقد أن صناعة التعليم ككل من المرجح أن تكون متأخرة في الفضاء.
المجالات الأخرى التي لا يزال أمامها طرق للذهاب قبل أن يتمكنوا من الاستفادة من التطورات في الذكاء الاصطناعي هي النقل والمرافق والآلات الثقيلة.
جزء من الحل قد يكون صنع أدوات تعلم الآلة التي لا تتطلب درجة علمية في علم البيانات.
رؤية منظمة العفو الدولية بدون كود
قال Bardoliwalla: “لكل واحد من علماء البيانات الخبراء لديك، لديك عشرة رجال أعمال بارعين من الناحية التحليلية قادرين على تأطير المشكلة بشكل صحيح وإضافة الحسابات المحددة ذات الصلة بالأعمال التي تكون منطقية بناءً على معرفة المجال لهؤلاء الأشخاص”.
نظرًا لأن التعلم الآلي يتطلب معرفة لغات البرمجة مثل Python وR والمكتبات المعقدة مثل NumPy وScikit-Learn وTensorFlow، لا يمكن لمعظم رجال الأعمال إنشاء النماذج واختبارها دون مساعدة علماء البيانات الخبراء.
هذا هو المجال الذي تتناوله منصات الذكاء الاصطناعي الخالية من التعليمات البرمجية.
يقوم DataRobot وموفرو أنظمة الذكاء الاصطناعي غير المشفرة الأخرى بإنشاء أدوات تمكن خبراء المجال والأشخاص البارعين في مجال الأعمال من إنشاء ونشر نماذج التعلم الآلي دون الحاجة إلى كتابة التعليمات البرمجية.
باستخدام DataRobot، يمكن للمستخدمين تحميل مجموعات البيانات الخاصة بهم على النظام الأساسي، وتنفيذ خطوات المعالجة المسبقة اللازمة، واختيار الميزات واستخراجها، وإنشاء ومقارنة مجموعة من نماذج التعلم الآلي المختلفة، كل ذلك من خلال واجهة مستخدم رسومية سهلة الاستخدام.
قال باردوليوالا: “الفكرة الكاملة لإرساء الديمقراطية هي السماح للشركات والأفراد في تلك الشركات الذين لن يكونوا قادرين على الاستفادة من الذكاء الاصطناعي والتعلم الآلي ليتمكنوا بالفعل من القيام بذلك”.
لا يُعد الذكاء الاصطناعي بدون رمز بديلاً عن عالم البيانات الخبير. لكنه يزيد من إنتاجية التعلم الآلي عبر المؤسسات، ويمكّن المزيد من الأشخاص من إنشاء النماذج.
هذا يرفع الكثير من العبء عن الأكتاف المثقلة بعلماء البيانات ويمكّنهم من وضع مهاراتهم في استخدام أكثر كفاءة.
قال باردوليوالا: “الشخص الوحيد في هذه المعادلة، وهو عالم البيانات الخبير، قادر على التحقق من الصحة والتحكم والتأكد من أن النماذج التي يتم إنشاؤها من قبل رجال الأعمال البارعين من الناحية التحليلية دقيقة للغاية ومنطقية من منظور القابلية للتفسير – أنهم جديرون بالثقة”.
يشبه هذا التطور في أدوات التعلم الآلي كيف تغيرت صناعة ذكاء الأعمال.
قبل عقد من الزمن، كانت القدرة على الاستعلام عن البيانات وإنشاء التقارير في المؤسسات مقتصرة على عدد قليل من الأشخاص الذين لديهم مجموعة مهارات الترميز الخاصة المطلوبة لإدارة قواعد البيانات ومستودعات البيانات.
لكن اليوم، تطورت الأدوات لدرجة أنه يمكن لغير المبرمجين والأشخاص الأقل تقنيًا أداء معظم مهام الاستعلام عن البيانات من خلال أدوات رسومية سهلة الاستخدام ودون مساعدة محللي البيانات الخبراء.
يعتقد Bardoliwalla أن نفس التحول يحدث في صناعة الذكاء الاصطناعي بفضل منصات الذكاء الاصطناعي التي لا تحتوي على كود.
قال باردوليوالا: “بينما ركزت صناعة ذكاء الأعمال تاريخيًا على ما حدث – وهذا مفيد – فإن الذكاء الاصطناعي والتعلم الآلي سوف يمنح كل شخص في العمل القدرة على التنبؤ بما سيحدث”.
“نعتقد أنه يمكننا وضع الذكاء الاصطناعي والتعلم الآلي في أيدي ملايين الأشخاص في المؤسسات لأننا قمنا بتبسيط العملية لدرجة أن العديد من رجال الأعمال البارعين من الناحية التحليلية – وهناك الملايين من هؤلاء الأشخاص – الذين يعملون مع بضعة ملايين من علماء البيانات يمكنهم تقديم نتائج خاصة بالذكاء الاصطناعي وتعلم الآلة.”
تطور الذكاء الاصطناعي بدون كود في DataRobot
تعد سحابة AI Cloud من DataRobot منصة شاملة تغطي دورة حياة تطوير التعلم الآلي بالكامل
أطلقت DataRobot المجموعة الأولى من أدوات الذكاء الاصطناعي بدون رمز في عام 2014.
منذ ذلك الحين، توسعت المنصة بوتيرة سريعة لصناعة التعلم الآلي المطبقة. قامت DataRobot بتوحيد أدواتها في AI Cloud في عام 2021، وفي منتصف مارس، أصدرت الشركة AI Cloud 8.0، أحدث إصدار من نظامها الأساسي.
لقد تطورت AI Cloud إلى نظام أساسي شامل لا يحتوي على تعليمات برمجية يغطي دورة حياة تطوير التعلم الآلي بالكامل.
قال باردوليوالا: “لقد أدركنا في عام 2019 أنه يتعين علينا التوسع، والطريقة التي تحصل بها على قيمة من التعلم الآلي هي القدرة على نشر النماذج في الإنتاج وجعلها تقدم تنبؤات فعلية في العمليات التجارية”.
بالإضافة إلى إنشاء النماذج واختبارها، يدعم DataRobot أيضًا MLOps، وهي الممارسات التي تغطي نشر وصيانة نماذج ML.
يشتمل النظام الأساسي على أداة No-Code AI App Builder الرسومية التي تمكنك من إنشاء تطبيقات كاملة أعلى النماذج الخاصة بك.
تراقب المنصة أيضًا نماذج ML المنشورة للاضمحلال وانحراف البيانات والعوامل الأخرى التي يمكن أن تؤثر على الأداء.
في الآونة الأخيرة، أضافت الشركة أدوات هندسة البيانات لتجميع مجموعات البيانات المستخدمة في تدريب نماذج ML والتحقق من صحتها، وتقسيمها، ووضع العلامات عليها، وتحديثها، وإدارتها.
قال باردوليوالا: “توسعت رؤيتنا بشكل كبير، ووصل أول دليل على النظام الأساسي الشامل في عام 2019. ما فعلناه منذ ذلك الحين هو ربط كل ذلك معًا – وهذا ما أعلناه بإصدار 8.0 مع الذكاء الاصطناعي المستمر”.
مستقبل الذكاء الاصطناعي بدون كود
نظرًا لأن الذكاء الاصطناعي الخالي من الشفرات قد نضج، فقد أصبح أيضًا ذا قيمة لعلماء البيانات المخضرمين ومهندسي التعلم الآلي المهتمين بأتمتة الأجزاء المملة من عملهم.
خلال دورة حياة تطوير التعلم الآلي بالكامل، يمكن للمستخدمين الأكثر تقدمًا دمج التعليمات البرمجية المكتوبة يدويًا الخاصة بهم مع أدوات DataRobot المؤتمتة.
بدلاً من ذلك، يمكنهم استخراج كود مصدر Python أو R للنماذج التي تنشئها DataRobot وتخصيصها بشكل أكبر للتكامل في تطبيقاتهم الخاصة.
ولكن لا يزال أمام منظمة العفو الدولية الكثير لتقدمه. “مستقبل الذكاء الاصطناعي الخالي من التعليمات البرمجية سيكون حول زيادة مستوى الأتمتة التي يمكن أن توفرها المنصات.
قال باردوليوالا: كلما زادت مستوى الأتمتة، قل ما عليك كتابة التعليمات البرمجية.
تتمثل بعض الأفكار التي يقدمها Bardoliwalla في تطوير أدوات يمكنها تحديث البيانات المستخدمة في نماذج التعلم الآلي بشكل مستمر وتوصيفها.
هناك أيضًا فرص لزيادة تبسيط عملية تعلم الآلة الآلية من خلال المراقبة المستمرة لدقة ليس فقط النموذج في الإنتاج، ولكن أيضًا النماذج المنافسة التي يمكن أن تحل محل نموذج ML الرئيسي مع تغير السياق والظروف.
قال Bardoliwalla: “الطريقة التي ستنجح بها البيئات الخالية من الأكواد هي أنها تتيح المزيد والمزيد من الوظائف التي كانت تتطلب من شخص ما كتابة التعليمات البرمجية، حتى تتمكن الآن من الظهور في بضع نقرات بسيطة داخل واجهة المستخدم الرسومية”.
المصدر: thenextweb
شاهد ايضا:
