القائمة الرئيسية

الصفحات

أحداث

الذكاء الاصطناعي في شركات الانترنت

الذكاء الاصطناعي لشركة قوقل:

هناك الكثير من فوائد الذكاء الاصطناعي للجميع في Google AI، حيث تجري بحثًا يعمل على تطوير أحدث ما توصلت إليه التكنولوجيا في هذا المجال، وتطبيق الذكاء الاصطناعي على المنتجات والمجالات الجديدة، وتطوير الأدوات لضمان أن يتمكن الجميع من الوصول إلى الذكاء الاصطناعي.

تتمثل مهمة Google في تنظيم المعلومات حول العالم وجعلها مفيدة وفي متناول الجميع، هذا يساعد قوقل على القيام بذلك بطرق جديدة ومثيرة لحل المشكلات لمستخدميها وعملائها والعالم.

تسهل الذكاء الاصطناعي على الأشخاص القيام بالأشياء كل يوم، سواء كان ذلك بالبحث عن صور لأحبائهم، أو كسر حواجز اللغة في ترجمة Google، أو كتابة رسائل البريد الإلكتروني أثناء التنقل، أو إنجاز المهام باستخدام مساعد Google، يوفر الذكاء الاصطناعي أيضًا طرقًا جديدة للنظر في المشكلات الحالية، من إعادة التفكير في الرعاية الصحية إلى تطوير الاكتشافات العلمية (Google, 2021).

حيث تعتقد قوقل أن الذكاء الاصطناعي سيكون له التأثير الأكبر عندما يتمكن الجميع من الوصول إليه، وعندما يتم إنشاؤه مع مراعاة مصلحة الجميع.


الذكاء الاصطناعي لامازون:

تقوم Amazon.com ببناء الكثير من أعمالها على أنظمة قائمة على التعلم الآلي، بدون تعلم الآلة لن تتمكن Amazon.com من تنمية أعمالها، وتحسين تجربة العملاء واختيارهم، وتحسين سرعتها اللوجستية وجودتها، بدأ موقع Amazon.com AWS للسماح للشركات الأخرى بالاستمتاع بنفس البنية التحتية لتكنولوجيا المعلومات، مع مزايا خفة الحركة والتكلفة، ويستمر الآن في إضفاء الطابع الديمقراطي على تقنيات التعلم الآلي في أيدي كل شركة (Amazon, 2021).

إن هيكل فرق تطوير امازون تركيز على ML لحل مشكلات الأعمال الواقعية الصعبة، يدفع Amazon.com وAWS لتطوير أدوات وخدمات ML سهلة الاستخدام وقوية.

يتم اختبار هذه الأدوات لأول مرة في النطاق وبيئة المهام الحرجة في Amazon.com، قبل أن يتم عرضها كخدمات AWS لكل شركة لاستخدامها، على غرار خدمات تكنولوجيا المعلومات الأخرى.

غالبًا ما يستخدم التعلم الآلي للتنبؤ بالنتائج المستقبلية بناءً على البيانات التاريخية، على سبيل المثال، تستخدم المؤسسات التعلم الآلي للتنبؤ بعدد منتجاتها التي سيتم بيعها في الأرباع المالية المستقبلية بناءً على مجموعة سكانية معينة، أو تقدير ملف تعريف العميل الذي لديه أعلى احتمالية ليصبح غير راضٍ أو الأكثر ولاءً لعلامتك التجارية.

تسمح مثل هذه التنبؤات بقرارات عمل أفضل وتجربة شخصية أكثر للمستخدم وإمكانية تقليل تكاليف الاحتفاظ بالعملاء، مكملًا لذكاء الأعمال (BI)، الذي يركز على الإبلاغ عن بيانات الأعمال السابقة، يتنبأ ML بالنتائج المستقبلية بناءً على الاتجاهات والمعاملات السابقة.

هناك العديد من الخطوات التي تشمل التنفيذ الناجح لتعلم الآلة في الأعمال التجارية، أولاً تحديد المشكلة الصحيحة تحديد التنبؤ الذي سيفيد العامل ESS إذا تم التحقق منها، بعد ذلك يجب جمع البيانات بناءً على مقاييس الأعمال التاريخية (المعاملات، المبيعات، الاستنزاف، إلخ). 

بمجرد تجميع البيانات يمكن بناء نموذج ML بناءً على تلك البيانات، يتم تشغيل نموذج ML ويتم تطبيق ناتج التنبؤ للنموذج مرة أخرى على نظام الأعمال لاتخاذ قرارات أكثر استنارة.

تتفوق الشبكات العصبية التلافيفية على البشر في العديد من مهام الرؤية بما في ذلك تصنيف الكائنات، نظرًا لملايين الصور المصنفة، فإن نظام الخوارزميات قادر على البدء في تحديد موضوع الصورة، تتضمن العديد من خدمات تخزين الصور تقنية التعرف على الوجه، التي يقودها التعلم العميق، يعد هذا أمرًا أساسيًا بالنسبة إلى Amazon Rekognition وAmazon Prime Photos وAmazon's Firefly Service.

تم تصميم Amazon Alexa وغيره من المساعدين الافتراضيين للتعرف على الطلب والرد عليه، في حين أن فهم الصوت هو شيء يمكن للبشر القيام به في سن مبكرة جدًا، إلا أن أجهزة الكمبيوتر لم تكن قادرة على الاستماع والاستجابة للبشر إلا مؤخرًا.

إن اختلاف اللهجات وأنماط الكلام لدى البشر يجعل هذه المهمة الآلية صعبة لإكمال استخدام الرياضيات أو علوم الكمبيوتر التقليدية، باستخدام التعلم العميق يمكن لنظام الخوارزميات تحديد ما تم نطقه والغرض منه بسهولة أكبر.

تسعى معالجة اللغة الطبيعية إلى تعليم النظام لفهم اللغة البشرية والنبرة والسياق، يبدأ هذا في السماح للخوارزمية بتمييز مفاهيم أكثر صعوبة مثل العاطفة أو السخرية.

يعد هذا مجالًا متناميًا حيث تسعى الشركات إلى أتمتة خدمة العملاء باستخدام برامج الروبوت الصوتية أو النصية، كما هو مستخدم بواسطة Amazon Lex.

غالبًا ما يتضمن التسوق عبر الإنترنت توصيات محتوى مخصصة تتعلق بالعناصر التي قد ترغب في شرائها، أو الأفلام التي قد ترغب في مشاهدتها، أو الأخبار التي قد تكون مهتمًا بقراءتها، تاريخيا كانت هذه الأنظمة مدعومة من قبل البشر الذين أنشأوا روابط بين العناصر.

ومع ذلك مع ظهور البيانات الضخمة والتعلم العميق، لم يعد البشر ضروريين لأن الخوارزميات يمكنها الآن تحديد العناصر التي قد تهمك من خلال فحص مشترياتك السابقة أو زيارات المنتج، ومقارنة تلك المعلومات بتلك الخاصة بالآخرين.


تعليقات