رئيس أمازون: الذكاء الاصطناعي التوليدي أكبر تحول تكنولوجي بعد الإنترنت
تاريخ النشر: 14th, April 2024 GMT
في خطاب المساهمين السنوي لشركة أمازون الصادر يوم الخميس، قال الرئيس التنفيذي آندي جاسي: "قد يكون الذكاء الاصطناعي التوليدي أكبر تحول تكنولوجي منذ السحابة... وربما منذ الإنترنت". وإذا كان حماسه للذكاء الاصطناعي واضحا من هذا البيان، فقد ذهب إلى القول: "إن حجم الفوائد المجتمعية والتجارية... سوف يذهلنا جميعا".
ليس هناك من ينكر أن الذكاء الاصطناعي لديه القدرة على تحقيق أرباح غير متوقعة للشركات التي تعمل في الطابق الأرضي. قد تتفاجأ عندما تعلم أن أمازون هي إحدى هذه الشركات. وفقًا لجاسي، "سيتم بناء جزء كبير من الذكاء الاصطناعي الذي سيغير العالم على رأس خدمات الويب من أمازون (AWS)."
أمازون الكل في الذكاء الاصطناعي
عندما بدأ اعتماد الذكاء الاصطناعي بشكل جدي في العام الماضي، اعتقد الكثيرون أن شركة أمازون كانت متخلفة عن الركب، ولكن هذه الرواية معيبة. وكشفت الشركة منذ ذلك الحين عن مجموعة واسعة من مبادرات الذكاء الاصطناعي عبر إمبراطوريتها الواسعة للبيع بالتجزئة والحوسبة السحابية. لقد طورت معالجات متخصصة تقوم بتشغيل نماذج الذكاء الاصطناعي، وتطبيقات مدعومة بالذكاء الاصطناعي لمساعدة عملاء التجارة الإلكترونية، والمساعد الرقمي للمحادثة Q لمساعدة مستخدمي AWS. تمتلك أمازون أيضًا حصة بقيمة 4 مليارات دولار في شركة Anthropic AI الناشئة، مما يعزز أوراق اعتمادها.
ومع ذلك، فإن استراتيجية أمازون التطلعية هي التي يجب أن تثير حماس مستثمري الذكاء الاصطناعي. طرح Jassy رؤية لا تركز على إنشاء تطبيق قاتل يواجه المستهلك - مثل ChatGPT - ولكنه يركز بدلاً من ذلك على تزويد المطورين بنماذج الذكاء الاصطناعي الأساسية والعناصر الأساسية اللازمة لإنشاء أنظمة ذكاء اصطناعي مخصصة لتناسب احتياجاتهم.
أعلنت أمازون أيضًا أنها أضافت رائد الذكاء الاصطناعي الشهير أندرو إنج إلى مجلس إدارتها. على الرغم من أن Ng قد لا يكون اسمًا مألوفًا، إلا أنه نجم موسيقى الروك في الذكاء الاصطناعي.
عندما أطلقت شركة Alphabet لأول مرة مشروع Google Brain في عام 2011 لتطوير شبكة عصبية للتعلم العميق لتعليم الذكاء الاصطناعي كيفية التعرف على الصور، كان يقود المشروع عالم الكمبيوتر في جامعة ستانفورد أندرو إنج وباحث الذكاء الاصطناعي الشهير وزميل جوجل جيف دين. حقق المشروع نجاحًا كبيرًا ويُنظر إليه على أنه المحفز الذي أطلق العنان للذكاء الاصطناعي الحديث.
يقدم Ng ثروة من الخبرة التي ستساعد أمازون على النجاح في مجال الذكاء الاصطناعي. وبمبيعات تعادل 3 أضعاف فقط، يقدم سهم أمازون تقييمًا جذابًا.
حدد فريق المحللين في Motley Fool Stock Advisor ما يعتقدون أنه أفضل 10 أسهم يمكن للمستثمرين شراؤها الآن... ولم تكن أمازون واحدة منها. يمكن للأسهم العشرة التي تم تخفيضها أن تحقق عوائد هائلة في السنوات القادمة.
يوفر Stock Advisor للمستثمرين مخططًا سهل المتابعة لتحقيق النجاح، بما في ذلك إرشادات حول إنشاء محفظة وتحديثات منتظمة من المحللين واختيارين جديدين للأسهم كل شهر. لقد ساهمت خدمة مستشار الأسهم في مضاعفة عائدات مؤشر S&P 500 بأكثر من ثلاثة أضعاف منذ عام 2002.
المصدر: بوابة الوفد
كلمات دلالية: الذکاء الاصطناعی
إقرأ أيضاً:
الذكاء الاصطناعي يوجه المسيّرات رغم العوائق الطبيعية
في مهمة لإطفاء حرائق الغابات في سلسلة جبال سييرا نيفادا، قد تجد طائرة مسيّرة ذاتية التحكم نفسها تواجه رياح «سانتا آنا» العاتية التي تهدد بإخراجها عن مسارها. التكيف السريع مع مثل هذه التقلبات الجوية غير المتوقعة أثناء الطيران يمثل تحديًا هائلًا لأنظمة التحكم في وضع الطيران الخاصة بهذه الطائرات.
ولمواجهة مثل هذه التحديات، طوّر باحثون في معهد ماساتشوستس للتكنولوجيا «MIT» خوارزمية تحكم تفاعلي جديدة تعتمد على تقنيات تعلّم الآلة، قادرة على تقليل انحراف الطائرة عن مسارها المحدد حتى في مواجهة عوائق مفاجئة مثل هبوب الرياح.
وعلى عكس الطرق التقليدية، لا تتطلب هذه التقنية من المبرمج أن يكون على دراية مسبقة ببنية أو نمط هذه الاضطرابات. بدلاً من ذلك، يتعلم نموذج الذكاء الاصطناعي المستخدم في نظام التحكم كل ما يحتاجه من خلال بيانات ملاحظة تُجمع خلال 15 دقيقة فقط من الطيران.
الميزة الأبرز لهذه التقنية تكمن في أنها تحدد تلقائيًا خوارزمية التحسين الأمثل للتكيف مع هذه الاضطرابات، مما يعزز من دقة تتبع المسار. إذ تختار الخوارزمية الأنسب بحسب طبيعة الاضطرابات التي تواجهها الطائرة في كل حالة.
وقد درّب الباحثون نظامهم على تنفيذ هذين الأمرين معًا، التكيّف وتحديد الخوارزمية باستخدام تقنية تُعرف باسم التعلم الفوقي «meta-learning»، والتي تُعلّم النظام كيفية التكيّف مع أنواع مختلفة من الاضطرابات.
النتائج جاءت واعدة، إذ سجل النظام الجديد نسبة خطأ في تتبع المسار أقل بنسبة 50% مقارنة بالطرق التقليدية، سواء في المحاكاة أو في الظروف الحقيقية، كما أثبت كفاءته في التعامل مع سرعات رياح لم يسبق له مواجهتها أثناء التدريب.
يأمل الباحثون أن يُسهم هذا النظام مستقبلاً في تحسين كفاءة الطائرات المسيّرة في توصيل الطرود الثقيلة رغم الرياح القوية، أو في مراقبة المناطق المعرضة للحرائق في المحميات الطبيعية.
يقول نافيد عزيزيان، الأستاذ المساعد في قسم الهندسة الميكانيكية ومعهد البيانات والنظم والمجتمع «IDSS» بمعهد «MIT»، والباحث الرئيسي للدراسة: «قوة طريقتنا تكمن في التعلم المتزامن لمكونات النظام. من خلال الاستفادة من التعلم الفوقي، يتمكن نظامنا من اتخاذ قرارات تلقائية تحقق أفضل تكيف ممكن في وقت قصير».
شارك عزيزيان في إعداد الورقة البحثية كل من سونبوتشين تانغ، طالب دراسات عليا في قسم الطيران والفضاء، وهاويان صن، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الحاسوب. وقد عُرض البحث مؤخراً في مؤتمر «التعلم للديناميكيات والتحكم»
التعلم على التكيف
تتغير سرعات الرياح التي قد تواجهها الطائرة في كل رحلة، لكن من المفترض أن تبقى الشبكة العصبية ودالة الانحدار المستخدمة ثابتتين، لتجنّب إعادة التدريب في كل مرة.
لتحقيق هذه المرونة، اعتمد الباحثون على التعلم الفوقي، ودربوا النظام على مجموعة من سيناريوهات الرياح المختلفة أثناء مرحلة التدريب.
يوضح تانغ: «الهدف ليس فقط أن يتكيف النظام، بل أن يتعلم كيف يتعلم. عبر التعلم الفوقي، يمكننا إنشاء تمثيل مشترك من بيانات متعددة السيناريوهات بسرعة وكفاءة».
في التطبيق العملي، يقوم المستخدم بتغذية نظام التحكم بمسار الطيران المطلوب، ويقوم النظام بحساب قوة الدفع اللازم في الزمن الحقيقي لإبقاء الطائرة على المسار رغم أي اضطرابات جوية.
وقد أثبت النظام كفاءته سواء في المحاكاة أو في اختبارات حقيقية، حيث تفوق على جميع الطرق التقليدية في تتبع المسار، حتى في الظروف الجوية القاسية.
يضيف عزيزيان: «حتى عندما تجاوزت قوة الرياح مستويات لم نشهدها في التدريب، أثبتت تقنيتنا قدرتها على التعامل معها بكفاءة».
واللافت أن تفوق النظام على الطرق الأخرى ازداد كلما زادت شدة الرياح، مما يدل على قدرته على التكيف مع البيئات الصعبة.
ويجري الفريق الآن تجارب ميدانية على طائرات مسيّرة حقيقية لاختبار النظام في مواجهة ظروف جوية متنوعة.
كما يسعى الفريق لتوسيع قدرات النظام ليتعامل مع اضطرابات متعددة المصادر في وقت واحد. فعلى سبيل المثال، تغير سرعة الرياح قد يغيّر من توزيع وزن الحمولة أثناء الطيران، خصوصاً عند حمل مواد سائلة.
كما يطمح الباحثون إلى تطوير خاصية التعلم المستمر، بحيث يتمكن النظام من التكيف مع اضطرابات جديدة دون الحاجة إلى إعادة تدريبه على البيانات السابقة.
وفي تعليق على البحث، قال بروفيسور باباك حسّیبي من معهد كاليفورنيا للتكنولوجيا «Caltech»، والذي لم يشارك في المشروع: «نجح نافيد وزملاؤه في الجمع بين التعلم الفوقي والتحكم التكيفي التقليدي، لتعلم الخصائص غير الخطية من البيانات. واستخدامهم لخوارزميات الانحدار المرآتي مكّنهم من استغلال البنية الجيومترية الكامنة للمشكلة بشكل لم تفعله الطرق السابقة. وهذا العمل قد يساهم بشكل كبير في تصميم أنظمة ذاتية التشغيل تعمل بكفاءة في بيئات معقدة وغير مؤكدة».
وقد حصل هذا البحث على دعم من عدة جهات، منها شركة «MathWorks»، ومختبر «MIT-IBM Watson» للذكاء الاصطناعي، ومركز «MIT-Amazon» للعلوم، وبرنامج «MIT-Google» للابتكار في الحوسبة.
مظاهرات حاشدة في إيران تطالب بالرد على إسرائيل والثأر لدماء القادة