ما هي حدود التعلم الآلي؟ مزايا وعيوب الاعتماد على الذكاء الاصطناعي

من المحتمل أن يكون معظم الأشخاص الذين يقرأون هذا على دراية بالتعلم الآلي والخوارزميات ذات الصلة المستخدمة للتنبؤ بالنتائج استنادًا إلى البيانات.

ومع ذلك من المهم أن نفهم أن التعلم الآلي ليس هو الحل لجميع المشاكل، بالنظر إلى فائدة التعلم الآلي قد يكون من الصعب قبول أنه في بعض الأحيان لا يكون أفضل حل لمشكلة ما.

كيف أصبحت الإمارات رائدة الذكاء الإصطناعي في الوطن العربي بقيادة دبي؟

هذا يعني أن هذه التقنيات في نهاية المطاف لديها حدود، وليس كما يتصور أغلب الناس أنها قادرة على فعل الكثير وليس لديها حدود.

نحن معجبون كثيرا بالتعلم الآلي والذكاء الاصطناعي، ومع ذلك هناك أوقات يكون فيها استخدام التعلم الآلي غير ضروري ولا معنى له وأحيانًا أخرى قد يؤدي تطبيقه إلى صعوبات.

هذه بعض قيود وحدود التعلم الآلي دعونا نتعرف عليها:

• القيد 1 – الأخلاق

في حين أنك قد تجد هذه الفكرة مضحكة، تذكر آخر مرة ذهبت فيها في إجازة واتبعت تعليمات GPS بدلاً من حكمك على الخريطة هل تشكك في حكم GPS؟ لقد انتقل الأشخاص حرفيًا إلى بحيرات لأنهم اتبعوا عمياء الإرشادات الواردة من نظام تحديد المواقع العالمي.

إن فكرة الوثوق في البيانات والخوارزميات أكثر من تقديرنا لها مزايا وعيوب، من الواضح أننا نستفيد من هذه الخوارزميات وإلا فلن نستخدمها في المقام الأول.

تسمح لنا هذه الخوارزميات بأتمتة العمليات من خلال إصدار أحكام مستنيرة باستخدام البيانات المتاحة، ومع ذلك في بعض الأحيان هذا يعني استبدال وظيفة أحد الأشخاص بخوارزمية، والتي تأتي مع تداعيات أخلاقية.

القضية الأكثر شيوعًا التي نوقشت حاليًا هي السيارات ذاتية القيادة كيف نختار الطريقة التي يجب أن تتفاعل بها المركبة في حالة حدوث تصادم مميت؟ هل سيتعين علينا في المستقبل تحديد الإطار الأخلاقي الذي نريد أن تتبعه سيارتنا ذاتية القيادة عندما نشتري السيارة؟

إذا كانت سيارتي ذاتية القيادة تقتل شخصًا ما على الطريق، فما عيبها؟ من الذي سيتحمل المسؤولية؟

من الواضح أن التعلم الآلي لا يمكنه أن يخبرنا بأي شيء عن القيم المعيارية التي يجب أن نقبلها، أي كيف يجب أن نتصرف في العالم في موقف معين.

• القيد 2 - مشاكل حتمية

التعلم الآلي قوي بشكل لا يصدق لأجهزة الاستشعار ويمكن استخدامه للمساعدة في معايرة وتصحيح أجهزة الاستشعار عند الاتصال بأجهزة استشعار أخرى تقيس المتغيرات البيئية مثل درجة الحرارة والضغط والرطوبة.

يمكن استخدام الارتباطات بين الإشارات من هذه المجسات لتطوير إجراءات المعايرة الذاتية وهذا موضوع بحث ساخن في مجال ​​كيمياء الغلاف الجوي.

لا تفهم الخوارزميات الكثير من الأشياء ولم تصل إلى التفكير الإنساني، وهذا يجعلها تقوم بالكثير من الأخطاء والمشاكل سواء في قطاع المناخ أو قطاعات أخرى.

• القيد 3 – البيانات

هذا هو الحد الأكثر وضوحا، إذا كنت تطعم نموذجًا سيئًا فسيعطيك نتائج سيئة فقط، هذا يمكن أن يعبر عن نفسه بطريقتين: نقص البيانات ونقص البيانات الجيدة.

كيف تفوق الذكاء الإصطناعي على الأطباء في الكشف عن السرطان؟

تتطلب العديد من خوارزميات التعلم الآلي كميات كبيرة من البيانات قبل أن تبدأ في إعطاء نتائج مفيدة.

ومن الأمثلة الجيدة على ذلك شبكة عصبية. الشبكات العصبية هي آلات تستهلك البيانات وتتطلب كميات وفيرة من بيانات التدريب.

كلما كانت البنية أكبر، كانت هناك حاجة إلى المزيد من البيانات لإنتاج نتائج قابلة للتطبيق.

إعادة استخدام البيانات هي فكرة سيئة، وتوسيع البيانات مفيد إلى حد ما، ولكن الحصول على مزيد من البيانات هو الحل المفضل دائمًا.

إذا كانت جودة البيانات سيئة فلا تنتظر نتائج جيدة ودقيقة من تعلم الآلة والخوارزميات، وهذا ما حصل مرارا وتكرارا ولا يزال يحصل.

• القيد 4 – غياب التشفير

لا تستطيع الخوارزميات تفسير النتائج التي تتوصل إليها وتعجز أيضا في استخدام الكلمات المفتاحية المتخصصة لكل مجال.

الذكاء الإصطناعي يمكنه أن يساعد أصحاب الشركات على اتخاذ قرارات أفضل بسرعة

يبدو هذا واضحا في مجال التداول حيث ظهرت بعض المنصات والبرامج التي تحاول مساعدة المتداولين على اتخاذ القرارات الأفضل وهي عاجزة عن تقديم تفسيرات أفضل لبعض اقتراحاتها وهو ما يجعل الكثير من المطلعين لا يثقون بها.