تطبيقات من تقنية AutoML
كان الذكاء الاصطناعي في السابق أداةً مخصصةً لمن يجيدون البرمجة وفهم الخوارزميات. أما الآن، مع AutoML، يستطيع الذكاء الاصطناعي تعليم نفسه كيفية إنشاء نظام ذكاء اصطناعي جديد.
عندما يتعلم الذكاء الاصطناعي بناء نفسه باستخدام AutoML
وفقًا لموقع Tuoi Tre Online ، يُعدّ AutoML (التعلم الآلي الآلي) تقنيةً تُساعد على أتمتة الخطوات المعقدة في عملية بناء نماذج التعلم الآلي. بدءًا من معالجة البيانات، واختيار الخوارزميات، ووصولًا إلى تعديل المعاملات وتقييم النتائج، يُمكن للنظام إنجاز كل ذلك دون الحاجة إلى تدخل يدوي كبير من المهندسين.
لا توفر هذه التقنية الوقت فحسب، بل تفتح أيضًا آفاقًا جديدة للذكاء الاصطناعي أمام المؤسسات التي تفتقر إلى فريق فني قوي. فبدلًا من قضاء أسابيع في اختبار الخوارزميات، أصبح من الممكن إنجازها في ساعات أو حتى دقائق.
كانت Google رائدة في مجال منصة AutoML في عام 2017، ثم قامت أسماء مثل Amazon وMicrosoft أيضًا بإطلاق حلول AutoML الخاصة بها، والتي تم دمجها في خدماتها السحابية.
تجدر الإشارة إلى أن AutoML لا يعمل بشكل موحد. يستطيع النظام تكييف استراتيجية التعلم الخاصة به، وتغيير بنية شبكته العصبية، أو تجربة تكوينات مختلفة حتى يجد الأنسب.
بهذه الطريقة، بدأت الذكاء الاصطناعي في "تعلم كيفية التعلم" ولم تعد تعتمد بشكل كامل على المبرمج تدريجيًا.
أشخاص لا يمكن تعويضهم
مع أن AutoML يُبسّط إنشاء الذكاء الاصطناعي، إلا أنه لا يُلغي الحاجة إلى البشر تمامًا. لا تُعدّ نماذج الذكاء الاصطناعي مفيدةً حقًا إلا عندما تكون بيانات الإدخال صحيحة، والمشكلة مُحدّدة بوضوح، والنتائج مُرتبطة بسياقها، ولكنها لا تزال تتطلب تفكيرًا وفهمًا من المستخدم.
يعمل AutoML بشكل أفضل عندما يعرف المستخدمون احتياجاتهم . على سبيل المثال، يمكن للذكاء الاصطناعي المساعدة في تحليل الصور الطبية، لكن يبقى التشخيص النهائي وقرارات العلاج بيد الطبيب. في مجال التمويل، يمكن للذكاء الاصطناعي تحديد اتجاهات الاحتيال، لكن على المحللين فهم معنى ذلك في سياق واقعي.
يمكن للأتمتة أن تُقلل الوقت والجهد، لكنها لا تُغني عن الخبرة البشرية والحدس والمسؤولية. بل تعمل AutoML كذراع دعم، مما يُسرّع عملية اتخاذ القرار ويزيد من اعتمادها على البيانات.
من المزايا الأخرى القدرة على تحسين النماذج بذكاء . لا يقتصر AutoML على اختيار نموذج "جيد"، بل يجرّب خيارات متعددة، ويُقيّمها، ثم يُقدّم النموذج الأمثل بناءً على البيانات التي يُقدّمها المستخدم. والنتيجة هي أن أداء نظام الذكاء الاصطناعي يُضاهي أداء النموذج الذي بناه خبير، بل ويتفوق عليه في كثير من الحالات لأن AutoML لا يتخطّى أي خطوة.
في نهاية المطاف، يُمثل AutoML خطوةً هامةً نحو تعميم الذكاء الاصطناعي ، ونقله من المختبر إلى العالم الحقيقي. بإمكان المعلمين والأطباء والمسوقين وأصحاب المتاجر الاستفادة من الذكاء الاصطناعي لحل مشاكلهم.
المصدر: https://tuoitre.vn/cong-nghe-automl-ai-dang-tu-hoc-cach-lam-ai-20250630110417866.htm
تعليق (0)