ما هي تحديات النمذجة التوليدية؟

هناك العديد من التحديات التي تواجه النماذج التوليدية، من أهمها ما يلي:

المتطلبات الحسابية: غالباً ما تحتاج أنظمة الذكاء الاصطناعي التوليدية إلى كمية كبيرة من البيانات والقوة الحسابية، وهذا قد يكون مكلفاً للغاية ويستغرق وقتاً طويلاً.

جودة المخرجات المتولدة: قد لا تكون المخرجات الناتجة عن النماذج التوليدية دقيقة تماماً أو خالية من الأخطاء. وذلك يرجع إلى عدد من الأسباب منها نقص البيانات أو التدريب غير الكافي أوكون النموذج معقد للغاية. [3]

ما هي مخاطر النماذج التوليدية؟

كل تقنية هي سلاح ذو حدين، فكما لها العديد من المزايا في المقابل هناك بعض المخاطر المحتملة للنماذج التوليدية: 

تحيز المعلومات: قد تكون المخرجات الناتجة عن النماذج التوليدية متحيزة إلى فئة معينة أو عمر معين أو عرق معين. يحدث التحيز في المعلومات غالباً عندما تكون مجموعة بيانات التدريب محدودة وتفتقر إلى عينات بيانات كافية لتمثيل جميع قيم بيانات الإدخال المحتملة بشكل مناسب.

أمن المعلومات: يمكن استخدام أنظمة الذكاء الاصطناعي التوليدية لنشر معلومات كاذبة أو دعائية من خلال إنشاء مقاطع فيديو وصور ونصوص مزيفة، لكنها تبدو أكثر واقعية وإقناعاً.

يمكن التغلب على هذه المخاطر أو الحد من تأثيرها من خلال ما يلي:

• تطوير اللوائح الوطنية والدولية للحد من الاستخدام الخاطئ لهذه التقنية.
• إنشاء معايير تنظيمية لتطبيق الذكاء الاصطناعي في المنظمات والشركات.
• جعل الذكاء الاصطناعي جزءاً من ثقافة المنظمة ومناقشاتها، فكلما زاد الوعي بهذه التقنية أصبح بإمكان الأفراد تجنب مخاطرها.
• تدريب التكنولوجيا بوجهات نظر العلوم الإنسانية.

الاتجاهات  والآثار المستقبلية للنماذج التوليدية:

تعتبر النماذج التوليدية من أهم التقنيات التي أثرت وستؤثر في مختلف المجالات مثل خدمة العملاء، التسويق والمبيعات، هندسة البرمجيات، والبحث والتطوير وكذلك تحسين تطبيقات الرعاية الصحية وغيرها من المجالات [5]. من المتوقع أن تقود هذه الآثار إلى تحسين الأعمال والتفاعل بين المستخدمين والتقنية وجعل التفاعل مع أنظمة الحاسب أكثر سهولة وانسيابية. فيما يلي بعض الاتجاهات والآثار المستقبلية للنماذج التوليدية:

1. ستساعد النماذج التوليدية على دفع خلق واجهات اللغة الطبيعية التي تكون أكثر بديهية وسهلة الاستخدام، مما يتيح للمستخدمين التواصل مع أنظمة الحواسيب باستخدام اللغة الطبيعية بدلاً من لغات البرمجة.
2. تعزيز الإنتاجية وتطوير العديد من المهام اليومية المتكررة: النماذج التوليدية لديها القدرة على أتمتة معظم أنشطة العمل والتي تشغل 60%-70% من وقت الموظف. [5]
3. تحسين الخدمات الصحية: يمكن للنماذج التوليدية تحسين نتائج المرضى عن طريق استخراج وترميز الوثائق الطبية، وتنظيم المعلومات الطبية ونمط الحياة والوراثة وتحسين مشاركة المرضى من خلال التوصيات الشخصية وتذكير بالأدوية وتتبع الأعراض.
4. تطوير خطط واستراتيجيات بالاعتماد على البيانات الاصطناعية: يمكن للنماذج التوليدية تحسين القدرة على محاكاة الأحداث، وإنشاء بيانات اصطناعية، وتحديد السيناريوهات الأكثر فعالية. [4]
5. زيادة العائد الاقتصادي للشركات والمؤسسات والجهات: حسب تقرير صادر من (ماكينزي) من المتوقع أن يضيف الذكاء الاصطناعي التوليدي من 2.6 تريليون إلى 4.4 تريليون دولار إلى الاقتصاد العالمي سنوياً. [5]

أصبحت النماذج التوليدية قوة دافعة وراء إنشاء العديد من التطبيقات والابتكارات من إنشاء صور ونصوص واقعية إلى المساعدة في الاختراعات الطبية وتحسين الرعاية الصحية، وكذلك المساهمة الفعالة في خدمة العملاء والتسويق. ومع التقدم السريع لهذه التقنية، لابد من الأخذ بعين الاعتبار تبني الإمكانيات التي توفرها، وتعلم المهارات اللازمة لاستخدامها مع مراعاة الاعتبارات الأخلاقية والاستخدام المسؤول لها.

“إن تحقيق التوازن بين الابتكار عالي التقنية والتفكير المتمحور حول الإنسان هو وسيلة مثالية لإنتاج تكنولوجيا مسؤولة وضمان بقاء مستقبل الذكاء الاصطناعي مفعماً بالأمل للجيل القادم.” مايك توماس. [6]

“Balancing high-tech innovation with human-centered thinking is an ideal method for producing responsible technology and ensuring the future of AI remains hopeful for the next generation.“ Mike Thomas [6]

المراجع:

[1]: Deep Generative Models | by Prakash Pandey | Towards Data Science

[2]: Using Generative AI to Accelerate Drug Discovery | IBM Research Blog

[3]: What is Generative Modeling? |Definition from TechTarget

[4]:Generative AI landscape: Potential future trends | TechTarget

[5]: Economic potential of generative AI | McKinsey

[6]: 8 Risks and Dangers of Artificial Intelligence to Know | Built In

كتابة:

نجلاء سعود الصاعدي

مهندس ذكاء اصطناعي