يواجه أهم رواد الصناعة تحديات قد تعيق استفادتهم من الذكاء الاصطناعي في مجال أعمالهم، ما قد يعني عدم قدرة الذكاء الاصطناعي على تحقيق توقعاتنا في المستقبل القريب.
ويواجه هؤلاء الرواد أزمة وجودية حول كيفية زيادة جودة منتجاتهم وخدماتهم مع خفض نفقاتهم في الوقت ذاته.
ولتحقيق هذه الغاية، يدرك هؤلاء أن الملاذ الوحيد أمامهم يتمثل في الاعتماد على التكنولوجيا المتقدمة، وخصوصاً تعلم الآلة، كيف لا، ونحن نعلم أن الآلة لن تتقاضى منهم أجراً مقابل عملها على مدار الساعة؟
يقدم تعلم الآلة (ML) عمالة رقمية يمكنها أن تحوسب عملية تجارية وتخفض تكاليف العملية وتحسن الجودة عن طريق ثبات النتائج.
لكن يرى الكثير من الخبراء أن هناك مشاكل تقف عائقاً في طريق تحقيق ذلك في العديد من المؤسسات التجارية، فقد اشتكى أصحاب هذه المؤسسات مثلاً من الافتقار للشفافية.
يعتبر تعلم الآلة معقداً وغامضاً بشكل لا يصدق، ولا تفسر الآلة تنبؤاتها.
ومن دون الشفافية، قد لا يثق الخبراء الذين يملكون هذه الأعمال في تنفيذ الآلة للعملية التجارية، ويعني غياب الثقة محدودية الحوسبة، ويعني غياب البيانات عدم استفادة الخبراء من المعلومات النافذة المستخرجة من البيانات، بالتالي يضر نقص البيانات بثقة رواد الصناعة بقدرة مشاريع تعلم الآلة على الوفاء بوعدها.
وتتمثل المشكلة الأخرى في عدم كفاية بيانات التدريب، فتعلم الآلة في الغالب إشرافي ويعاني من مشكلات مثل التحيز لأنها تلتقط مجموعة من الأحداث دون الأخرى.
https://www.forbes.com/sites/forbestechcouncil/2020/03/05/how-can-artificial-intelligence-deliver-on-its-promise/#971b68e596b1
ويواجه هؤلاء الرواد أزمة وجودية حول كيفية زيادة جودة منتجاتهم وخدماتهم مع خفض نفقاتهم في الوقت ذاته.
ولتحقيق هذه الغاية، يدرك هؤلاء أن الملاذ الوحيد أمامهم يتمثل في الاعتماد على التكنولوجيا المتقدمة، وخصوصاً تعلم الآلة، كيف لا، ونحن نعلم أن الآلة لن تتقاضى منهم أجراً مقابل عملها على مدار الساعة؟
لكن يرى الكثير من الخبراء أن هناك مشاكل تقف عائقاً في طريق تحقيق ذلك في العديد من المؤسسات التجارية، فقد اشتكى أصحاب هذه المؤسسات مثلاً من الافتقار للشفافية.
يعتبر تعلم الآلة معقداً وغامضاً بشكل لا يصدق، ولا تفسر الآلة تنبؤاتها.
ومن دون الشفافية، قد لا يثق الخبراء الذين يملكون هذه الأعمال في تنفيذ الآلة للعملية التجارية، ويعني غياب الثقة محدودية الحوسبة، ويعني غياب البيانات عدم استفادة الخبراء من المعلومات النافذة المستخرجة من البيانات، بالتالي يضر نقص البيانات بثقة رواد الصناعة بقدرة مشاريع تعلم الآلة على الوفاء بوعدها.
وتتمثل المشكلة الأخرى في عدم كفاية بيانات التدريب، فتعلم الآلة في الغالب إشرافي ويعاني من مشكلات مثل التحيز لأنها تلتقط مجموعة من الأحداث دون الأخرى.
https://www.forbes.com/sites/forbestechcouncil/2020/03/05/how-can-artificial-intelligence-deliver-on-its-promise/#971b68e596b1