قام مركز بوسطن الطبي مؤخرًا بتطبيق تحليلات تنبؤية في نظامه لتحديد عدد الموظفين خلال ساعات العمل الأكثر ازدحامًا بالمستشفى. وبتسلحهم بهذه المعلومات ، يستطيع المركز تزويد العديد من مناطق المستشفى بما يكفي لضمان تلقي المرضى العلاج في الوقت المناسب. لا تقتصر هذه التقنية على إيقاف تشغيل المستشفى من الموظفين القادرين على العمل - فهي تعمل على تحسين الكفاءة ووقت الاستجابة بشكل كبير لكل مريض.
عادةً ما يستفيد Netflix ومواقع الترفيه الأخرى من هذه التقنية من خلال اقتراح عروض للمستخدمين لمشاهدتها استنادًا إلى مجموعة متنوعة من العوامل السلوكية.
مع الذكاء الإصطناعي (AI) ، فإن شركات مثل هذه لديها القدرة على قياس وجمع البيانات ، والتعرف على الأنماط ، وتقديم الاستدلالات. هذا يحسن إلى حد كبير تجربة السحابة للشركات وعملائها.
الذكاء الإصطناعي ينمو في نطاقه بحلول العام ، وهناك احتمالات لا حصر لها أن الأعمال التجارية ستستفاد منه . من الأهمية بمكان أن تتعرف على المجالات التي تحتاج فيها إلى التركيز الأكبر ثم تتبع الأدوات والمهارات التي تستند إلى AI والتي ستضمن النجاح. في ما يلي ثلاث طرق يمكن أن يساعدك فيها الذكاء الإصطناعي إذا كنت تسعى إلى توسيع إمكانات نشاطك التجاري:
1. يستطيع البشر الاطلاع على الصور والحصول على فهم واضح للمتورطين وما يحدث في الميلي ثانية فقط. مع مساعدة من الذكاء الإصطناعي ، يمكن للآلات الآن أن تفعل الشيء نفسه. إن تطبيق هذه الأنواع من الأدوات يمنح الشركات القدرة الفريدة على إدراك ما يحدث. هذا له العديد من التطبيقات المفيدة ، من قراءة المسح الإشعاعي إلى الفحص التلقائي للمعدات في المصانع للكشف التلقائي عن المباني في صور القمر الصناعي.
في أحد الأمثلة الحديثة ، تبنت مزرعة خيار يابانية تقنية TensorFlow لتخفيف مهمة تحديد الوقت من خلال الجودة - وهي مهمة يمكن أن تستغرق عدة ساعات حتى يتم تنفيذها يدويًا. أخذت المزرعة صوراً لمنتجاتها ودرّبت تكنولوجيا التعلم العميق لمعرفة ما يمكن أن تجده. بمرور الوقت ، يمكن للنظام تحديد بعض أهم خصائص وخصائص كل الخيار وفرزه بدرجة جيدة من الدقة.
هناك العديد من الأدوات المتاحة للشركات التي ترغب في محاولة إضافة قدرات مماثلة إلى مهام سير العمل الخاصة بها. على سبيل المثال ، تضيف تقنية Rekognition من Amazon إلى تحليل الصور والفيديو للتطبيقات. يمكن للمستخدمين تحميل الملفات إلى واجهة برمجة التطبيقات Rekognition ، وتفحص الخدمة سمات المحتوى. ومن ثم توفر تحليلا دقيقا للمستخدم. يمكن أن يساعد الشركات على التحقق من هوية المستخدمين ، وحساب عدد الأشخاص الذين يحضرون الأحداث ، والحفاظ على المناطق آمنة.
رؤية الكمبيوتر هي واحدة من أحدث المجالات وأكثرها إثارة من الذكاء الإصطناعي تطبيقية. وبمجرد الحصول على تدريب كامل باستخدام مجموعات البيانات الشاملة ، ستزيد الماكينات من القدرات البشرية بشكل مفيد - وستتمكن من معالجة كمية أكبر من الصور والبيانات الصوتية بمستوى أعلى من الدقة.
2. كانت أجهزة الكمبيوتر تاريخياً أداة لتحديد أنماط ذات مغزى من مجموعات البيانات الكبيرة. مع استمرار الشركات في توسيع أصول بيانات العملاء ، فمن الأهمية بمكان بالنسبة لهم أن يكونوا قادرين على التعرف على أنماط العملاء الأكثر تعقيدًا باستخدام تقنيات أكثر تقدمًا للبقاء في طليعة العملاء قدر الإمكان. وتعني التحسينات المستمرة في توفير القدرة على الحوسبة والسعة التخزينية أن الآلات يمكنها الآن معالجة كميات هائلة من البيانات - بطريقة تفوق قدرة أي فرد أو فريق من البشر على تقييمها.
على سبيل المثال ، يمنح تمييز الأنماط المؤسسات القدرة على تقديم اقتراحات الخدمة أو العناصر للعملاء الجدد استنادًا إلى نشاطهم وملفهم الشخصي. تستخدم شركات مثل Babylist التحليلات التنبؤية للعملاء لتحديد العناصر التي قد يرغب العملاء في التسجيل للحصول عليها أو شرائها. تستخدم كل من Google و Facebook طريقة مشابهة لعرض الإعلانات التي من المرجح أن ينقر عليها المستخدمون.
مثال آخر أكثر شيوعًا حول كيفية استخدام الشركات لهذا النوع من الذكاء الاصطناعي هو التعرف على العملاء الذين من المحتمل أن يتطوروا. من خلال النظر في بيانات المستخدم لتقييم ما إذا كانوا سيتوقفون عن استخدام منتج أو خدمة ، يمكن للشركات التدخل بعروض خاصة أو محاولات أخرى للاحتفاظ بالأعمال. يمكن لعزيمة العملاء أن يكون لها تأثير كبير بشكل خاص في الصناعات حيث يكون لدى المستهلكين الكثير من الخيارات. على سبيل المثال ، تنظر العديد من شركات البرمجيات كخدمة في هذا الأمر ، كما تفعل شركات الاتصالات.
بالإضافة إلى الشركات ، يستفيد النظام الطبي من هذا النوع من التعرف على الأنماط والاستدلال. تقدم الشركات مثل Better Therapeutics للأعضاء توصيات الرعاية المخصصة استنادًا إلى البيانات.
جميع مجموعات البيانات هذه كبيرة للغاية بحيث لا يمكن لأي إنسان أن ينظر إلى جميع المعلومات المتاحة ويفهمها ، ولكن يمكن لخوارزميات الكمبيوتر أن تفعل ذلك.
3. على عكس التصور أو الإدراك ، عندما يمكن التحقق من الحقيقة الموضوعية من قبل البشر خلال عملية التنقيب ، والتنبؤات المستقبلية تتعامل مع المجهول الجوهرية.
المثال الكلاسيكي على ذلك هو سوق الأسهم: إذا كان بإمكانك التنبؤ بالمكان الذي ستذهب إليه ، يمكنك تحقيق الكثير من المال. لسوء الحظ ، ليس هناك أي شيء يمكن التنبؤ به حول أسواق الأوراق المالية. لكن المكاسب المحتملة الكبيرة تحفز الناس على جلب جميع أنواع مجموعات البيانات لمحاولة التفوق. أحد الأمثلة المتطرفة على هذا هو منصة استخبارات السوق "نوميراي" ، وهي صندوق تحوّط يستمد قواه من الحشود من قبل علماء البيانات في جميع أنحاء العالم.
لطالما كان التنبؤ بالمستقبل قدراً مقدساً من علوم البيانات والذكاء الاصطناعي لأن المكافآت المحتملة ضخمة جداً ، لكن لا يزال هناك العديد من التحديات.
مثلما يوجد فرق بين هذه المجالات الثلاثة من حيث ترتيب حجم التأثير ، هناك أيضًا اختلاف في هندسة البيانات والتعلم العميق. الذكاء الإصطناعي للإدراك هو قوة عظمى جديدة تماما لتطبيق. يعمل الذكاء الإصطناعي على إيجاد أنماط في البيانات على تحسين الأداء مقارنة بالتقنيات السابقة. لا يزال التنبؤ بالمستقبل مليئًا بالتحديات ، مع بعض الفرص للتنقيح.
لن تقوم بتوظيف خبير إحصائي يقوم بتوقع بيانات السلاسل الزمنية ثم يتوقع منها أن تضع نموذجًا للتعلم العميق في مجال الكمبيوتر في الإنتاج - فهذان شيئان مختلفان ، على الرغم من أنهما في هذه المرحلة تحت مظلة الذكاء الإصطناعي. اسأل نفسك عن هذه المجالات التي تحتاجها أعمالك أكثر من غيرها ، ثم ركز على متابعة الأدوات والمهارات التي تحتاج إليها لتنفيذها.