الذكاء الاصطناعي هو محاكاة عمليات الذكاء البشري بواسطة الآلات، وخاصة أنظمة الكمبيوتر. تشمل التطبيقات المحددة للذكاء الاصطناعي الأنظمة المتخصصة ومعالجة اللغات الطبيعية والتعرف على الكلام والرؤية الآلية .
كيف يعمل الذكاء الاصطناعي؟
مع تسارع الضجيج حول الذكاء الاصطناعي، كان البائعون يتدافعون للترويج لكيفية استخدام منتجاتهم وخدماتهم له. في كثير من الأحيان، ما يشيرون إليه بالذكاء الاصطناعي هو ببساطة أحد مكونات التكنولوجيا، مثل التعلم الآلي . يتطلب الذكاء الاصطناعي أساسًا من الأجهزة والبرامج المتخصصة لكتابة وتدريب خوارزميات التعلم الآلي. لا توجد لغة برمجة واحدة مرادفة للذكاء الاصطناعي، لكن Python وR وJava وC++ وJulia تتمتع بميزات شائعة لدى مطوري الذكاء الاصطناعي.
بشكل عام، تعمل أنظمة الذكاء الاصطناعي من خلال استيعاب كميات كبيرة من بيانات التدريب المصنفة، وتحليل البيانات بحثًا عن الارتباطات والأنماط، واستخدام هذه الأنماط للتنبؤ بالحالات المستقبلية. وبهذه الطريقة، يمكن لروبوت الدردشة الذي يتم تغذيته بأمثلة نصية أن يتعلم كيفية إنشاء تبادلات واقعية مع الأشخاص، أو يمكن لأداة التعرف على الصور أن تتعلم كيفية تحديد ووصف الكائنات في الصور من خلال مراجعة ملايين الأمثلة. يمكن لتقنيات الذكاء الاصطناعي التوليدية الجديدة والمتطورة بسرعة إنشاء نصوص وصور وموسيقى ووسائط أخرى واقعية.
تركز برمجة الذكاء الاصطناعي على المهارات المعرفية التي تشمل ما يلي:
- تعلُّم. يركز هذا الجانب من برمجة الذكاء الاصطناعي على الحصول على البيانات وإنشاء قواعد لكيفية تحويلها إلى معلومات قابلة للتنفيذ. القواعد، التي تسمى الخوارزميات ، تزود أجهزة الكمبيوتر بتعليمات خطوة بخطوة حول كيفية إكمال مهمة معينة.
- منطق. يركز هذا الجانب من برمجة الذكاء الاصطناعي على اختيار الخوارزمية الصحيحة للوصول إلى النتيجة المرجوة.
- تصحيح الذات. تم تصميم هذا الجانب من برمجة الذكاء الاصطناعي لضبط الخوارزميات بشكل مستمر والتأكد من أنها توفر أكثر النتائج دقة ممكنة.
- إِبداع. يستخدم هذا الجانب من الذكاء الاصطناعي الشبكات العصبية والأنظمة القائمة على القواعد والأساليب الإحصائية وتقنيات الذكاء الاصطناعي الأخرى لإنشاء صور جديدة ونصوص جديدة وموسيقى جديدة وأفكار جديدة.
الاختلافات بين الذكاء الاصطناعي والتعلم الآلي والتعلم العميق
يعد الذكاء الاصطناعي والتعلم الآلي والتعلم العميق من المصطلحات الشائعة في تكنولوجيا المعلومات في المؤسسات ويتم استخدامها أحيانًا بالتبادل، خاصة من قبل الشركات في موادها التسويقية. ولكن هناك اختلافات.مصطلح الذكاء الاصطناعي، الذي تمت صياغته في الخمسينيات من القرن الماضي، إلى محاكاة الذكاء البشري بواسطة الآلات. ويغطي مجموعة من القدرات المتغيرة باستمرار مع تطور التقنيات الجديدة. تشمل التقنيات التي تندرج تحت مظلة الذكاء الاصطناعي التعلم الآلي والتعلم العميق.
يمكّن التعلم الآلي التطبيقات البرمجية من أن تصبح أكثر دقة في التنبؤ بالنتائج دون أن تتم برمجتها بشكل صريح للقيام بذلك. تستخدم خوارزميات التعلم الآلي البيانات التاريخية كمدخلات للتنبؤ بقيم المخرجات الجديدة. أصبح هذا النهج أكثر فعالية إلى حد كبير مع ظهور مجموعات كبيرة من البيانات للتدريب عليها. يعتمد التعلم العميق، وهو مجموعة فرعية من التعلم الآلي، على فهمنا لكيفية هيكلة الدماغ. يعد استخدام التعلم العميق لبنية الشبكة العصبية الاصطناعية هو أساس التطورات الحديثة في الذكاء الاصطناعي، بما في ذلك السيارات ذاتية القيادة وChatGPT.
لماذا الذكاء الاصطناعي مهم؟
الذكاء الاصطناعي مهم لقدرته على تغيير طريقة عيشنا وعملنا ولعبنا. وقد تم استخدامه بشكل فعال في الأعمال التجارية لأتمتة المهام التي يقوم بها البشر، بما في ذلك أعمال خدمة العملاء وتوليد العملاء المحتملين واكتشاف الاحتيال ومراقبة الجودة. في عدد من المجالات، يستطيع الذكاء الاصطناعي أداء المهام بشكل أفضل بكثير من البشر. خاصة عندما يتعلق الأمر بالمهام المتكررة والموجهة نحو التفاصيل، مثل تحليل أعداد كبيرة من المستندات القانونية لضمان ملء الحقول ذات الصلة بشكل صحيح، فغالبًا ما تكمل أدوات الذكاء الاصطناعي المهام بسرعة وبأخطاء قليلة نسبيًا . ونظرًا لمجموعات البيانات الضخمة التي يمكنه معالجتها، يمكن للذكاء الاصطناعي أيضًا أن يمنح المؤسسات رؤى حول عملياتها ربما لم تكن على علم بها. سيكون التوسع السريع في عدد أدوات الذكاء الاصطناعي التوليدية مهمًا في مجالات تتراوح من التعليم والتسويق إلى تصميم المنتجات.
والواقع أن التقدم في تقنيات الذكاء الاصطناعي لم يساعد في إحداث انفجار في الكفاءة فحسب، بل فتح الباب أمام فرص عمل جديدة تماما لبعض الشركات الأكبر حجما. قبل الموجة الحالية من الذكاء الاصطناعي ، كان من الصعب تخيل استخدام برامج الكمبيوتر لربط الركاب بسيارات الأجرة، لكن أوبر أصبحت إحدى شركات فورتشن 500 من خلال القيام بذلك.
لقد أصبح الذكاء الاصطناعي محوريًا للعديد من الشركات الكبرى والأكثر نجاحًا اليوم، بما في ذلك Alphabet وApple وMicrosoft وMeta، حيث تُستخدم تقنيات الذكاء الاصطناعي لتحسين العمليات والتفوق على المنافسين. في شركة جوجل التابعة لشركة ألفابت، على سبيل المثال، يشكل الذكاء الاصطناعي أهمية مركزية لمحرك البحث الخاص بها، والسيارات ذاتية القيادة التي تنتجها شركة وايمو، وجوجل برين، التي اخترعت بنية الشبكة العصبية المحولة التي تدعم الإنجازات الأخيرة في معالجة اللغة الطبيعية.
ما هي مزايا وعيوب الذكاء الاصطناعي؟
تتطور الشبكات العصبية الاصطناعية وتقنيات الذكاء الاصطناعي للتعلم العميق بسرعة، ويرجع ذلك في المقام الأول إلى قدرة الذكاء الاصطناعي على معالجة كميات كبيرة من البيانات بشكل أسرع بكثير وتقديم تنبؤات أكثر دقة مما يمكن أن يفعله الإنسان.
في حين أن الحجم الهائل من البيانات التي يتم إنشاؤها على أساس يومي من شأنه أن يدفن أي باحث بشري، فإن تطبيقات الذكاء الاصطناعي التي تستخدم التعلم الآلي يمكن أن تأخذ تلك البيانات وتحولها بسرعة إلى معلومات قابلة للتنفيذ. حتى كتابة هذه السطور، فإن العيب الأساسي للذكاء الاصطناعي هو أن معالجة كميات كبيرة من البيانات التي تتطلبها برمجة الذكاء الاصطناعي مكلفة. ومع دمج تقنيات الذكاء الاصطناعي في المزيد من المنتجات والخدمات، يجب على المؤسسات أيضًا أن تتكيف مع إمكانات الذكاء الاصطناعي في إنشاء أنظمة متحيزة وتمييزية، عن قصد أو عن غير قصد.
مزايا الذكاء الاصطناعي
فيما يلي بعض مزايا الذكاء الاصطناعي.
- جيد في الوظائف الموجهة بالتفاصيل. لقد أثبت الذكاء الاصطناعي أنه جيد، إن لم يكن أفضل، من الأطباء في تشخيص بعض أنواع السرطان، بما في ذلك سرطان الثدي والورم الميلانيني .
- تقليل الوقت للمهام كثيفة البيانات. يُستخدم الذكاء الاصطناعي على نطاق واسع في الصناعات كثيفة البيانات، بما في ذلك الأعمال المصرفية والأوراق المالية والأدوية والتأمين، لتقليل الوقت الذي يستغرقه تحليل مجموعات البيانات الضخمة. على سبيل المثال، تستخدم الخدمات المالية الذكاء الاصطناعي بشكل روتيني لمعالجة طلبات القروض واكتشاف الاحتيال .
- يوفر العمالة ويزيد الإنتاجية. ومن الأمثلة هنا استخدام أتمتة المستودعات ، والتي نمت خلال الوباء ومن المتوقع أن تزداد مع تكامل الذكاء الاصطناعي والتعلم الآلي.
- يسلم نتائج متسقة. توفر أفضل أدوات الترجمة المعتمدة على الذكاء الاصطناعي مستويات عالية من الاتساق، مما يوفر حتى للشركات الصغيرة القدرة على الوصول إلى العملاء بلغتهم الأم.
- يمكن تحسين رضا العملاء من خلال التخصيص. يمكن للذكاء الاصطناعي تخصيص المحتوى والرسائل والإعلانات والتوصيات ومواقع الويب للعملاء الأفراد.
- الوكلاء الظاهريون الذين يعملون بالذكاء الاصطناعي متاحون دائمًا. لا تحتاج برامج الذكاء الاصطناعي إلى النوم أو أخذ فترات راحة، فهي تقدم خدمة على مدار الساعة طوال أيام الأسبوع.
عيوب الذكاء الاصطناعي
فيما يلي بعض عيوب الذكاء الاصطناعي.
- غالي.
- يتطلب خبرة فنية عميقة.
- محدودية العرض من العمال المؤهلين لبناء أدوات الذكاء الاصطناعي .
- يعكس تحيزات بيانات التدريب الخاصة به على نطاق واسع.
- – عدم القدرة على التعميم من مهمة إلى أخرى.
- يقضي على الوظائف البشرية، ويزيد معدلات البطالة.
الذكاء الاصطناعي القوي مقابل الذكاء الاصطناعي الضعيف
يمكن تصنيف الذكاء الاصطناعي على أنه ضعيف أو قوي.
- الذكاء الاصطناعي الضعيف ، المعروف أيضًا باسم الذكاء الاصطناعي الضيق ، تم تصميمه وتدريبه لإكمال مهمة محددة. وتستخدم الروبوتات الصناعية والمساعدين الشخصيين الافتراضيين، مثل سيري من شركة أبل، ذكاءً اصطناعيًا ضعيفًا.
- يصف الذكاء الاصطناعي القوي ، المعروف أيضًا باسم الذكاء العام الاصطناعي (AGI) ، البرمجة التي يمكنها تكرار القدرات المعرفية للدماغ البشري. عند تقديم مهمة غير مألوفة، يمكن لنظام الذكاء الاصطناعي القوي استخدام المنطق الغامض لتطبيق المعرفة من مجال إلى آخر وإيجاد حل بشكل مستقل. من الناحية النظرية، يجب أن يكون برنامج الذكاء الاصطناعي القوي قادرًا على اجتياز اختبار تورينج وحجة الغرفة الصينية.
ما هي الأنواع الأربعة للذكاء الاصطناعي؟
وأوضح أرند هينتزي، الأستاذ المساعد في علم الأحياء التكاملي وعلوم الكمبيوتر والهندسة في جامعة ولاية ميشيغان، أنه يمكن تصنيف الذكاء الاصطناعي إلى أربعة أنواع ، بدءاً من الأنظمة الذكية الخاصة بمهمة محددة والمستخدمة على نطاق واسع اليوم والتقدم إلى الأنظمة الواعية، التي لا تفعل ذلك. حتى الآن موجودة. الفئات هي كما يلي.
- النوع الأول: الآلات التفاعلية. لا تحتوي أنظمة الذكاء الاصطناعي هذه على ذاكرة وهي مخصصة لمهمة محددة. ومن الأمثلة على ذلك برنامج Deep Blue، وهو برنامج الشطرنج الذي طورته شركة IBM والذي تغلب على جاري كاسباروف في التسعينيات. يمكن لـ Deep Blue التعرف على القطع الموجودة على رقعة الشطرنج وإجراء التنبؤات، ولكن نظرًا لعدم وجود ذاكرة لديه، لا يمكنه استخدام تجارب الماضي لإبلاغ التجارب المستقبلية.
- النوع الثاني: الذاكرة المحدودة. تتمتع أنظمة الذكاء الاصطناعي هذه بذاكرة، حتى تتمكن من استخدام الخبرات السابقة لاتخاذ القرارات المستقبلية. وقد تم تصميم بعض وظائف اتخاذ القرار في السيارات ذاتية القيادة بهذه الطريقة.
- النوع الثالث: نظرية العقل. نظرية العقل هو مصطلح علم النفس. عند تطبيقه على الذكاء الاصطناعي، فهذا يعني أن النظام سيكون لديه الذكاء الاجتماعي لفهم العواطف. سيكون هذا النوع من الذكاء الاصطناعي قادرًا على استنتاج نوايا الإنسان والتنبؤ بالسلوك، وهي مهارة ضرورية لأنظمة الذكاء الاصطناعي لتصبح أعضاء أساسيين في الفرق البشرية.
- النوع الرابع: الوعي الذاتي. في هذه الفئة، تتمتع أنظمة الذكاء الاصطناعي بإحساس بالذات، مما يمنحها الوعي. الآلات ذات الوعي الذاتي تفهم حالتها الحالية. هذا النوع من الذكاء الاصطناعي غير موجود بعد.
ما هي الأمثلة على تكنولوجيا الذكاء الاصطناعي وكيف يتم استخدامها اليوم؟
تم دمج الذكاء الاصطناعي في مجموعة متنوعة من أنواع التكنولوجيا المختلفة. هنا سبعة أمثلة.
أتمتة. عند إقرانها بتقنيات الذكاء الاصطناعي، يمكن لأدوات التشغيل الآلي توسيع حجم وأنواع المهام المنجزة. ومن الأمثلة على ذلك أتمتة العمليات الروبوتية ( RPA )، وهو نوع من البرامج التي تعمل على أتمتة مهام معالجة البيانات المتكررة القائمة على القواعد والتي يقوم بها البشر تقليديًا. عند دمجها مع التعلم الآلي وأدوات الذكاء الاصطناعي الناشئة، يمكن لتقنية RPA أتمتة أجزاء أكبر من وظائف المؤسسة، مما يتيح لروبوتات RPA التكتيكية نقل المعلومات من الذكاء الاصطناعي والاستجابة لتغيرات العملية.
التعلم الالي. هذا هو علم جعل الكمبيوتر يعمل بدون برمجة. التعلم العميق هو مجموعة فرعية من التعلم الآلي الذي يمكن، بعبارات بسيطة للغاية، اعتباره بمثابة أتمتة للتحليلات التنبؤية. هناك ثلاثة أنواع من خوارزميات التعلم الآلي:
- التعلم تحت الإشراف . يتم تصنيف مجموعات البيانات بحيث يمكن اكتشاف الأنماط واستخدامها لتسمية مجموعات البيانات الجديدة.
- تعليم غير مشرف عليه . لا يتم تصنيف مجموعات البيانات ويتم فرزها وفقًا لأوجه التشابه أو الاختلاف.
- تعزيز التعلم . لا يتم تصنيف مجموعات البيانات، ولكن بعد تنفيذ إجراء أو عدة إجراءات، يتم تقديم تعليقات لنظام الذكاء الاصطناعي.
رؤية الجهاز. تمنح هذه التقنية الآلة القدرة على الرؤية. تلتقط الرؤية الآلية المعلومات المرئية وتحللها باستخدام الكاميرا والتحويل التناظري إلى الرقمي ومعالجة الإشارات الرقمية. غالبًا ما تتم مقارنتها بالبصر البشري، لكن الرؤية الآلية ليست مرتبطة بالبيولوجيا ويمكن برمجتها للرؤية من خلال الجدران، على سبيل المثال. يتم استخدامه في مجموعة من التطبيقات بدءًا من تحديد التوقيع وحتى تحليل الصور الطبية. غالبًا ما يتم دمج الرؤية الحاسوبية ، التي تركز على معالجة الصور القائمة على الآلة، مع الرؤية الآلية.
معالجة اللغة الطبيعية (NLP). هذه هي معالجة اللغة البشرية بواسطة برنامج كمبيوتر. أحد الأمثلة القديمة والأكثر شهرة للبرمجة اللغوية العصبية هو اكتشاف البريد العشوائي، الذي ينظر إلى سطر الموضوع ونص البريد الإلكتروني ويقرر ما إذا كانت غير مرغوب فيها أم لا. تعتمد الأساليب الحالية للبرمجة اللغوية العصبية (NLP) على التعلم الآلي. تتضمن مهام البرمجة اللغوية العصبية ترجمة النصوص وتحليل المشاعر والتعرف على الكلام.
علم الروبوتات. يركز هذا المجال من الهندسة على تصميم وتصنيع الروبوتات . غالبًا ما تُستخدم الروبوتات لأداء المهام التي يصعب على البشر القيام بها أو أدائها باستمرار. على سبيل المثال، يتم استخدام الروبوتات في خطوط تجميع إنتاج السيارات أو بواسطة وكالة ناسا لتحريك الأجسام الكبيرة في الفضاء. يستخدم الباحثون أيضًا التعلم الآلي لبناء روبوتات يمكنها التفاعل في البيئات الاجتماعية.
سيارات ذاتية القيادة. تستخدم المركبات ذاتية القيادة مزيجًا من الرؤية الحاسوبية والتعرف على الصور والتعلم العميق لبناء مهارات آلية لقيادة السيارة أثناء البقاء في حارة معينة وتجنب العوائق غير المتوقعة، مثل المشاة.
توليد النصوص والصور والصوت. يتم تطبيق تقنيات الذكاء الاصطناعي التوليدية، التي تنشئ أنواعًا مختلفة من الوسائط من المطالبات النصية، على نطاق واسع عبر الشركات لإنشاء مجموعة لا حدود لها على ما يبدو من أنواع المحتوى بدءًا من الفن الواقعي وحتى ردود البريد الإلكتروني والسيناريوهات.
ما هي تطبيقات الذكاء الاصطناعي؟
لقد شق الذكاء الاصطناعي طريقه إلى مجموعة واسعة من الأسواق. هنا 11 أمثلة.
الذكاء الاصطناعي في الرعاية الصحية. أكبر الرهانات هي تحسين نتائج المرضى وخفض التكاليف. تطبق الشركات التعلم الآلي لإجراء تشخيصات طبية أفضل وأسرع من البشر. إحدى تقنيات الرعاية الصحية الأكثر شهرة هي IBM Watson. يفهم اللغة الطبيعية ويستطيع الرد على الأسئلة المطروحة عليه. يقوم النظام بالتنقيب في بيانات المرضى ومصادر البيانات الأخرى المتاحة لتكوين فرضية، ثم يقدمها بعد ذلك مع مخطط نقاط الثقة.
تشمل تطبيقات الذكاء الاصطناعي الأخرى استخدام مساعدي الصحة الافتراضية عبر الإنترنت وروبوتات الدردشة لمساعدة المرضى وعملاء الرعاية الصحية في العثور على المعلومات الطبية وجدولة المواعيد وفهم عملية إعداد الفواتير وإكمال العمليات الإدارية الأخرى. يتم أيضًا استخدام مجموعة من تقنيات الذكاء الاصطناعي للتنبؤ بالأوبئة ومكافحتها وفهمها مثل فيروس كورونا (COVID-19) .
الذكاء الاصطناعي في الأعمال التجارية. يتم دمج خوارزميات التعلم الآلي في منصات التحليلات وإدارة علاقات العملاء ( CRM ) للكشف عن معلومات حول كيفية تقديم خدمة أفضل للعملاء. تم دمج Chatbots في مواقع الويب لتقديم خدمة فورية للعملاء. ومن المتوقع أن يكون للتقدم السريع في تكنولوجيا الذكاء الاصطناعي التوليدي مثل ChatGPT عواقب بعيدة المدى: القضاء على الوظائف، وإحداث ثورة في تصميم المنتجات، وتعطيل نماذج الأعمال.
الذكاء الاصطناعي في التعليم. يستطيع الذكاء الاصطناعي أتمتة عملية التصنيف، مما يمنح المعلمين مزيدًا من الوقت للقيام بمهام أخرى. ويمكنه تقييم الطلاب والتكيف مع احتياجاتهم، ومساعدتهم على العمل بالسرعة التي تناسبهم. يمكن لمعلمي الذكاء الاصطناعي تقديم دعم إضافي للطلاب، مما يضمن بقائهم على المسار الصحيح.
ويمكن للتكنولوجيا أيضًا أن تغير مكان وكيفية تعلم الطلاب، وربما حتى استبدال بعض المعلمين. وكما أظهر ChatGPT و Google Bard ونماذج اللغات الكبيرة الأخرى، يمكن للذكاء الاصطناعي التوليدي أن يساعد المعلمين في صياغة المقررات الدراسية والمواد التعليمية الأخرى وإشراك الطلاب بطرق جديدة. كما أن ظهور هذه الأدوات يجبر المعلمين على إعادة التفكير في واجبات الطلاب المنزلية واختبارها ومراجعة السياسات المتعلقة بالسرقة الأدبية.
الذكاء الاصطناعي في التمويل. يعمل الذكاء الاصطناعي في تطبيقات التمويل الشخصي، مثل Intuit Mint أو TurboTax، على تعطيل المؤسسات المالية. تقوم مثل هذه التطبيقات بجمع البيانات الشخصية وتقديم المشورة المالية. تم تطبيق برامج أخرى، مثل IBM Watson، على عملية شراء المنزل. واليوم، تقوم برامج الذكاء الاصطناعي بمعظم عمليات التداول في وول ستريت.
الذكاء الاصطناعي في القانون. غالبًا ما تكون عملية الاكتشاف – غربلة المستندات – في القانون أمرًا مربكًا للبشر. يؤدي استخدام الذكاء الاصطناعي للمساعدة في أتمتة العمليات كثيفة العمالة في الصناعة القانونية إلى توفير الوقت وتحسين خدمة العملاء. تستخدم شركات المحاماة التعلم الآلي لوصف البيانات والتنبؤ بالنتائج، ورؤية الكمبيوتر لتصنيف المعلومات واستخراجها من المستندات، والبرمجة اللغوية العصبية لتفسير طلبات الحصول على المعلومات.
الذكاء الاصطناعي في الترفيه والإعلام. تستخدم أعمال الترفيه تقنيات الذكاء الاصطناعي للإعلانات المستهدفة والتوصية بالمحتوى والتوزيع واكتشاف الاحتيال وإنشاء النصوص وصناعة الأفلام. تساعد الصحافة الآلية غرف الأخبار على تبسيط سير العمل الإعلامي مما يقلل الوقت والتكاليف والتعقيد. تستخدم غرف الأخبار الذكاء الاصطناعي لأتمتة المهام الروتينية، مثل إدخال البيانات والتدقيق اللغوي؛ وللبحث في الموضوعات والمساعدة في العناوين الرئيسية. إن كيفية استخدام الصحافة بشكل موثوق لـ ChatGPT وغيره من تقنيات الذكاء الاصطناعي لتوليد المحتوى أمر مفتوح للتساؤل .
الذكاء الاصطناعي في ترميز البرمجيات وعمليات تكنولوجيا المعلومات. يمكن استخدام أدوات الذكاء الاصطناعي التوليدية الجديدة لإنتاج تعليمات برمجية للتطبيقات بناءً على مطالبات اللغة الطبيعية، ولكن هذه الأدوات لا تزال في الأيام الأولى ومن غير المرجح أن تحل محل مهندسي البرمجيات قريبًا. يتم استخدام الذكاء الاصطناعي أيضًا لأتمتة العديد من عمليات تكنولوجيا المعلومات ، بما في ذلك إدخال البيانات، واكتشاف الاحتيال، وخدمة العملاء، والصيانة التنبؤية والأمن.
حماية. يأتي الذكاء الاصطناعي والتعلم الآلي على رأس قائمة الكلمات الطنانة التي يستخدمها بائعو الأمان لتسويق منتجاتهم، لذا يجب على المشترين التعامل بحذر. ومع ذلك، يتم تطبيق تقنيات الذكاء الاصطناعي بنجاح على جوانب متعددة من الأمن السيبراني ، بما في ذلك اكتشاف الحالات الشاذة وحل مشكلة الإيجابية الكاذبة وإجراء تحليلات التهديد السلوكي.
تستخدم المؤسسات التعلم الآلي في برامج إدارة المعلومات والأحداث الأمنية ( SIEM ) والمجالات ذات الصلة لاكتشاف الحالات الشاذة وتحديد الأنشطة المشبوهة التي تشير إلى التهديدات. من خلال تحليل البيانات واستخدام المنطق لتحديد أوجه التشابه مع التعليمات البرمجية الضارة المعروفة، يمكن للذكاء الاصطناعي تقديم تنبيهات للهجمات الجديدة والناشئة في وقت أسرع بكثير من الموظفين البشريين وتكرارات التكنولوجيا السابقة.
الذكاء الاصطناعي في التصنيع. كان التصنيع في طليعة دمج الروبوتات في سير العمل . على سبيل المثال، الروبوتات الصناعية التي تمت برمجتها في وقت ما لأداء مهام فردية وفصلها عن العمال البشريين، تعمل بشكل متزايد كروبوتات تعاونية : روبوتات أصغر حجمًا ومتعددة المهام تتعاون مع البشر وتتولى مسؤولية المزيد من أجزاء العمل في المستودعات وأرضيات المصانع. ومساحات عمل أخرى.
الذكاء الاصطناعي في الخدمات المصرفية. تستخدم البنوك بنجاح برامج الدردشة الآلية لتوعية عملائها بالخدمات والعروض وللتعامل مع المعاملات التي لا تتطلب تدخلًا بشريًا. يتم استخدام المساعدين الافتراضيين القائمين على الذكاء الاصطناعي لتحسين وخفض تكاليف الامتثال للوائح المصرفية. تستخدم المؤسسات المصرفية الذكاء الاصطناعي لتحسين عملية اتخاذ القرار بشأن القروض ووضع حدود الائتمان وتحديد فرص الاستثمار.
الذكاء الاصطناعي في النقل. بالإضافة إلى الدور الأساسي الذي يلعبه الذكاء الاصطناعي في تشغيل المركبات ذاتية القيادة، تُستخدم تقنيات الذكاء الاصطناعي في النقل لإدارة حركة المرور، والتنبؤ بتأخير الرحلات، وجعل الشحن عبر المحيطات أكثر أمانًا وكفاءة. وفي سلاسل التوريد، يحل الذكاء الاصطناعي محل الأساليب التقليدية للتنبؤ بالطلب والتنبؤ بالاضطرابات، وهو اتجاه تسارع بفعل فيروس كورونا (COVID-19) عندما تفاجأت العديد من الشركات بتأثيرات الوباء العالمي على العرض والطلب على السلع.
الذكاء المعزز مقابل الذكاء الاصطناعي
يرى بعض خبراء الصناعة أن مصطلح الذكاء الاصطناعي يرتبط ارتباطًا وثيقًا بالثقافة الشعبية، الأمر الذي جعل عامة الناس لديهم توقعات غير محتملة حول كيفية تغيير الذكاء الاصطناعي لمكان العمل والحياة بشكل عام. وقد اقترحوا استخدام مصطلح الذكاء المعزز للتمييز بين أنظمة الذكاء الاصطناعي التي تعمل بشكل مستقل – وتشمل أمثلة الثقافة الشعبية Hal 9000 وThe Terminator – وأدوات الذكاء الاصطناعي التي تدعم البشر.
- الذكاء المعزز. ويأمل بعض الباحثين والمسوقين أن تساعد تسمية الذكاء المعزز ، التي لها دلالة أكثر حيادية، الناس على فهم أن معظم تطبيقات الذكاء الاصطناعي ستكون ضعيفة وستؤدي ببساطة إلى تحسين المنتجات والخدمات. تشمل الأمثلة عرض المعلومات المهمة تلقائيًا في تقارير ذكاء الأعمال أو تسليط الضوء على المعلومات المهمة في الملفات القانونية. يشير الاعتماد السريع لـ ChatGPT وBard عبر الصناعة إلى الرغبة في استخدام الذكاء الاصطناعي لدعم عملية صنع القرار البشري.
- الذكاء الاصطناعي. يرتبط الذكاء الاصطناعي الحقيقي، أو AGI، ارتباطًا وثيقًا بمفهوم التفرد التكنولوجي – وهو مستقبل يحكمه الذكاء الاصطناعي الفائق الذي يتجاوز بكثير قدرة الدماغ البشري على فهمه أو كيفية تشكيل واقعنا. يظل هذا ضمن نطاق الخيال العلمي، على الرغم من أن بعض المطورين يعملون على حل المشكلة. يعتقد الكثيرون أن تقنيات مثل الحوسبة الكمومية يمكن أن تلعب دورًا مهمًا في جعل الذكاء الاصطناعي العام حقيقة واقعة، وأنه ينبغي لنا أن نحتفظ باستخدام مصطلح الذكاء الاصطناعي لهذا النوع من الذكاء العام.
الاستخدام الأخلاقي للذكاء الاصطناعي
في حين أن أدوات الذكاء الاصطناعي تقدم مجموعة من الوظائف الجديدة للشركات ، فإن استخدام الذكاء الاصطناعي يثير أيضًا أسئلة أخلاقية، لأنه، للأفضل أو للأسوأ، سيعزز نظام الذكاء الاصطناعي ما تعلمه بالفعل.
قد يكون هذا مشكلة لأن خوارزميات التعلم الآلي، التي تدعم العديد من أدوات الذكاء الاصطناعي الأكثر تقدمًا، تكون ذكية بقدر البيانات المقدمة لها في التدريب. نظرًا لأن الإنسان يختار البيانات المستخدمة لتدريب برنامج الذكاء الاصطناعي، فإن احتمال التحيز للتعلم الآلي أمر متأصل ويجب مراقبته عن كثب.
يحتاج أي شخص يتطلع إلى استخدام التعلم الآلي كجزء من أنظمة الإنتاج في العالم الحقيقي إلى مراعاة الأخلاقيات في عمليات التدريب على الذكاء الاصطناعي والسعي لتجنب التحيز. وينطبق هذا بشكل خاص عند استخدام خوارزميات الذكاء الاصطناعي التي لا يمكن تفسيرها بطبيعتها في تطبيقات التعلم العميق وشبكات الخصومة التوليدية ( GAN ).
تعد قابلية الشرح حجر عثرة محتمل أمام استخدام الذكاء الاصطناعي في الصناعات التي تعمل وفقًا لمتطلبات الامتثال التنظيمية الصارمة . على سبيل المثال، تعمل المؤسسات المالية في الولايات المتحدة بموجب لوائح تنظيمية تلزمها بتفسير قراراتها المتعلقة بإصدار الائتمان.
ومع ذلك، عندما يتم اتخاذ قرار برفض الاعتماد عن طريق برمجة الذكاء الاصطناعي، فقد يكون من الصعب شرح كيفية التوصل إلى القرار لأن أدوات الذكاء الاصطناعي المستخدمة لاتخاذ مثل هذه القرارات تعمل عن طريق استخلاص الارتباطات الدقيقة بين آلاف المتغيرات. عندما لا يمكن تفسير عملية اتخاذ القرار، يمكن الإشارة إلى البرنامج باسم الصندوق الأسود AI .
باختصار، تشمل التحديات الأخلاقية التي يواجهها الذكاء الاصطناعي ما يلي:
- التحيز بسبب الخوارزميات المدربة بشكل غير صحيح والتحيز البشري.
- سوء الاستخدام بسبب التزييف العميق والتصيد الاحتيالي.
- المخاوف القانونية، بما في ذلك قضايا التشهير وحقوق الطبع والنشر باستخدام الذكاء الاصطناعي.
- القضاء على الوظائف بسبب القدرات المتزايدة للذكاء الاصطناعي.
- مخاوف تتعلق بخصوصية البيانات، خاصة في المجالات المصرفية والرعاية الصحية والقانونية.
حوكمة الذكاء الاصطناعي ولوائحه
على الرغم من المخاطر المحتملة، لا يوجد حاليًا سوى عدد قليل من اللوائح التي تحكم استخدام أدوات الذكاء الاصطناعي ، وحيثما توجد قوانين، فإنها عادةً ما تتعلق بالذكاء الاصطناعي بشكل غير مباشر. على سبيل المثال، كما ذكرنا سابقًا، تتطلب لوائح الإقراض العادل الأمريكية من المؤسسات المالية شرح قرارات الائتمان للعملاء المحتملين. وهذا يحد من مدى قدرة المقرضين على استخدام خوارزميات التعلم العميق، والتي بطبيعتها مبهمة وتفتقر إلى القابلية للتفسير.
تدرس اللائحة العامة لحماية البيانات ( GDPR ) للاتحاد الأوروبي لوائح الذكاء الاصطناعي. إن القيود الصارمة التي فرضتها اللائحة العامة لحماية البيانات على كيفية استخدام المؤسسات لبيانات المستهلك تحد بالفعل من التدريب والوظائف للعديد من تطبيقات الذكاء الاصطناعي التي تواجه المستهلك.
لم يصدر صناع السياسات في الولايات المتحدة بعد تشريعات خاصة بالذكاء الاصطناعي ، لكن هذا قد يتغير قريبًا. “مخطط لوثيقة حقوق الذكاء الاصطناعي” الذي نشره مكتب البيت الأبيض لسياسة العلوم والتكنولوجيا (OSTP) في أكتوبر 2022، يرشد الشركات حول كيفية تنفيذ أنظمة الذكاء الاصطناعي الأخلاقية. كما دعت غرفة التجارة الأمريكية أيضًا إلى وضع لوائح تنظيمية للذكاء الاصطناعي في تقرير صدر في مارس 2023.
إن صياغة القوانين لتنظيم الذكاء الاصطناعي لن تكون بالمهمة السهلة، ويرجع ذلك جزئيا إلى أن الذكاء الاصطناعي يضم مجموعة متنوعة من التكنولوجيات التي تستخدمها الشركات لأغراض مختلفة.
وجزئيا لأن التنظيمات يمكن أن تأتي على حساب تقدم الذكاء الاصطناعي وتطويره. ويشكل التطور السريع لتقنيات الذكاء الاصطناعي عقبة أخرى أمام تشكيل تنظيم ذي معنى للذكاء الاصطناعي، وكذلك التحديات التي يفرضها افتقار الذكاء الاصطناعي إلى الشفافية والتي تجعل من الصعب رؤية كيفية وصول الخوارزميات إلى نتائجها. علاوة على ذلك، فإن الاختراقات التكنولوجية والتطبيقات الجديدة مثل ChatGPT و Dall-E من الممكن أن تجعل القوانين الحالية عتيقة الطراز على الفور.
وبطبيعة الحال، فإن القوانين التي تمكنت الحكومات من صياغتها لتنظيم الذكاء الاصطناعي لا تمنع المجرمين من استخدام التكنولوجيا لأغراض خبيثة.
ما هو تاريخ الذكاء الاصطناعي؟
إن مفهوم الأجسام غير الحية التي تتمتع بالذكاء موجود منذ العصور القديمة. تم تصوير الإله اليوناني هيفايستوس في الأساطير على أنه يصنع خدمًا يشبهون الروبوتات من الذهب. بنى المهندسون في مصر القديمة تماثيل للآلهة يحركها الكهنة. على مر القرون، استخدم المفكرون من أرسطو إلى عالم اللاهوت الإسباني في القرن الثالث عشر رامون لول إلى رينيه ديكارت وتوماس بايز الأدوات والمنطق في عصرهم لوصف عمليات التفكير البشري كرموز، ووضع الأساس لمفاهيم الذكاء الاصطناعي مثل تمثيل المعرفة العامة .
قدمت أواخر القرن التاسع عشر والنصف الأول من القرن العشرين العمل التأسيسي الذي أدى إلى ظهور الكمبيوتر الحديث. في عام 1836، اخترع عالم الرياضيات في جامعة كامبريدج تشارلز باباج وأوغستا أدا كينغ، كونتيسة لوفليس، أول تصميم لآلة قابلة للبرمجة.
الأربعينيات: ابتكر عالم الرياضيات في برينستون جون فون نيومان بنية كمبيوتر البرنامج المخزن – فكرة أن برنامج الكمبيوتر والبيانات التي يعالجها يمكن الاحتفاظ بها في ذاكرة الكمبيوتر. ووضع وارن ماكولوتش ووالتر بيتس الأساس للشبكات العصبية.
الخمسينيات: ومع ظهور أجهزة الكمبيوتر الحديثة، أصبح بإمكان العلماء اختبار أفكارهم حول الذكاء الآلي. إحدى الطرق لتحديد ما إذا كان جهاز الكمبيوتر يمتلك ذكاءً أم لا، ابتكرها عالم الرياضيات البريطاني ومحلل الشفرات أثناء الحرب العالمية الثانية آلان تورينج. ركز اختبار تورينج على قدرة الكمبيوتر على خداع المحققين وجعلهم يعتقدون أن إجاباته على أسئلتهم قد تم إجراؤها بواسطة إنسان.
1956: يُستشهد على نطاق واسع بأن المجال الحديث للذكاء الاصطناعي قد بدأ هذا العام خلال مؤتمر صيفي في كلية دارتموث. وحضر المؤتمر، الذي رعته وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA)، 10 شخصيات بارزة في هذا المجال، بما في ذلك رواد الذكاء الاصطناعي مارفن مينسكي، وأوليفر سيلفريدج، وجون مكارثي ، الذي يُنسب إليه الفضل في صياغة مصطلح الذكاء الاصطناعي . وكان من بين الحضور أيضًا ألين نيويل، عالم الكمبيوتر، وهربرت أ. سيمون، خبير اقتصادي وعالم سياسي وعالم نفس معرفي. قدم الاثنان برنامج Logic Theorist الرائد، وهو برنامج كمبيوتر قادر على إثبات بعض النظريات الرياضية ويشار إليه باسم أول برنامج للذكاء الاصطناعي.
الخمسينيات والستينيات: في أعقاب مؤتمر كلية دارتموث، توقع القادة في مجال الذكاء الاصطناعي الناشئ أن الذكاء الاصطناعي الذي يعادل الدماغ البشري أصبح قاب قوسين أو أدنى، مما يجذب دعمًا حكوميًا وصناعيًا كبيرًا.
في الواقع، أدى ما يقرب من 20 عامًا من الأبحاث الأساسية الممولة تمويلًا جيدًا إلى تحقيق تقدم كبير في الذكاء الاصطناعي: على سبيل المثال، في أواخر الخمسينيات من القرن العشرين، نشر نيويل وسيمون خوارزمية حل المشكلات العامة (GPS)، والتي فشلت في حل المشكلات المعقدة ولكنها أرست الأسس لـ وتطوير بنيات معرفية أكثر تطوراً؛ وقام مكارثي بتطوير Lisp ، وهي لغة برمجة الذكاء الاصطناعي التي لا تزال مستخدمة حتى اليوم. في منتصف الستينيات، قام البروفيسور جوزيف وايزنباوم من معهد ماساتشوستس للتكنولوجيا بتطوير برنامج ELIZA، وهو برنامج مبكر للبرمجة اللغوية العصبية والذي وضع الأساس لروبوتات الدردشة اليوم.
السبعينيات والثمانينيات: لقد ثبت أن تحقيق الذكاء العام الاصطناعي بعيد المنال، وليس وشيكًا، حيث تعوقه القيود في معالجة الكمبيوتر والذاكرة وتعقيد المشكلة. تراجعت الحكومات والشركات عن دعمها لأبحاث الذكاء الاصطناعي، مما أدى إلى فترة راحة استمرت من عام 1974 إلى عام 1980 تُعرف باسم ” شتاء الذكاء الاصطناعي ” الأول. في الثمانينيات، أثار البحث حول تقنيات التعلم العميق وتبني الصناعة لأنظمة إدوارد فايجنباوم المتخصصة موجة جديدة من حماسة الذكاء الاصطناعي، ليتبعها انهيار آخر للتمويل الحكومي ودعم الصناعة. واستمر شتاء الذكاء الاصطناعي الثاني حتى منتصف التسعينيات.
التسعينيات: أدت الزيادات في القوة الحسابية وانفجار البيانات إلى نهضة الذكاء الاصطناعي في أواخر التسعينيات والتي مهدت الطريق للتقدم الملحوظ في الذكاء الاصطناعي الذي نراه اليوم. أدى الجمع بين البيانات الضخمة وزيادة القوة الحسابية إلى تحقيق اختراقات في البرمجة اللغوية العصبية، ورؤية الكمبيوتر، والروبوتات، والتعلم الآلي، والتعلم العميق. في عام 1997، مع تسارع التقدم في الذكاء الاصطناعي، هزم برنامج Deep Blue من شركة IBM لاعب الشطرنج الروسي الكبير غاري كاسباروف، ليصبح أول برنامج كمبيوتر يهزم بطل العالم في الشطرنج.
العقد الأول من القرن الحادي والعشرين: أدى التقدم الإضافي في التعلم الآلي، والتعلم العميق، والبرمجة اللغوية العصبية، والتعرف على الكلام، ورؤية الكمبيوتر إلى ظهور المنتجات والخدمات التي شكلت الطريقة التي نعيش بها اليوم. وتشمل هذه إطلاق محرك بحث جوجل عام 2000 وإطلاق محرك توصيات أمازون عام 2001. طورت Netflix نظام التوصية الخاص بها للأفلام، وقدم Facebook نظام التعرف على الوجه، وأطلقت Microsoft نظام التعرف على الكلام الخاص بها لتحويل الكلام إلى نص. أطلقت شركة IBM تطبيق Watson وبدأت شركة Google مبادرتها للقيادة الذاتية Waymo.
2010s: شهد العقد بين عامي 2010 و2020 تدفقًا مستمرًا لتطورات الذكاء الاصطناعي. وتشمل هذه إطلاق خدمة Siri من شركة Apple، والمساعدين الصوتيين Alexa من شركة Amazon؛ انتصارات IBM Watson في لعبة Jeopardy ؛ السيارات ذاتية القيادة؛ تطوير أول شبكة خصومة توليدية؛ وإطلاق TensorFlow، إطار التعلم العميق مفتوح المصدر من Google؛ وتأسيس مختبر الأبحاث OpenAI ، ومطوري نموذج اللغة GPT-3 ومولد الصور Dall-E؛ هزيمة بطل العالم في Go Lee Sedol بواسطة AlphaGo من Google DeepMind؛ وتنفيذ الأنظمة القائمة على الذكاء الاصطناعي التي تكتشف السرطان بدرجة عالية من الدقة.
2020s: شهد العقد الحالي ظهور الذكاء الاصطناعي التوليدي، وهو نوع من تكنولوجيا الذكاء الاصطناعي يمكنه إنتاج محتوى جديد. يبدأ الذكاء الاصطناعي التوليدي بمطالبة يمكن أن تكون على شكل نص أو صورة أو مقطع فيديو أو تصميم أو نوتات موسيقية أو أي مدخلات يمكن لنظام الذكاء الاصطناعي معالجتها.
تقوم خوارزميات الذكاء الاصطناعي المختلفة بعد ذلك بإرجاع محتوى جديد استجابةً للمطالبة. يمكن أن يتضمن المحتوى مقالات أو حلولاً للمشكلات أو تزييفًا واقعيًا تم إنشاؤه من صور أو صوت لشخص ما. لقد أبهرت العالم قدرات النماذج اللغوية، مثل ChatGPT-3، وBard من Google، وMegatron-Turing NLG من Microsoft، لكن التكنولوجيا لا تزال في مراحلها الأولى، كما يتضح من ميلها إلى الهلوسة أو تحريف الإجابات.
أدوات وخدمات الذكاء الاصطناعي
تتطور أدوات وخدمات الذكاء الاصطناعي بمعدل سريع. يمكن إرجاع الابتكارات الحالية في أدوات وخدمات الذكاء الاصطناعي إلى شبكة AlexNet العصبية لعام 2012 التي بشرت بعصر جديد من الذكاء الاصطناعي عالي الأداء المبني على وحدات معالجة الرسومات ومجموعات البيانات الكبيرة. كان التغيير الرئيسي هو القدرة على تدريب الشبكات العصبية على كميات هائلة من البيانات عبر نوى GPU متعددة بالتوازي وبطريقة أكثر قابلية للتطوير.
على مدى السنوات العديدة الماضية، مكنت العلاقة التكافلية بين اكتشافات الذكاء الاصطناعي في Google وMicrosoft وOpenAI، وابتكارات الأجهزة التي ابتكرتها Nvidia، من تشغيل نماذج ذكاء اصطناعي أكبر من أي وقت مضى على وحدات معالجة رسوميات أكثر اتصالاً، مما أدى إلى تحسينات غيرت قواعد اللعبة في الأداء وقابلية التوسع.
كان التعاون بين هؤلاء النجوم البارزين في مجال الذكاء الاصطناعي أمرًا بالغ الأهمية لنجاح ChatGPT مؤخرًا، ناهيك عن العشرات من خدمات الذكاء الاصطناعي المتقدمة الأخرى. فيما يلي ملخص للابتكارات المهمة في أدوات وخدمات الذكاء الاصطناعي.
محولات: على سبيل المثال، قادت شركة جوجل الطريق في إيجاد عملية أكثر كفاءة لتوفير التدريب على الذكاء الاصطناعي عبر مجموعة كبيرة من أجهزة الكمبيوتر الشخصية المزودة بوحدات معالجة الرسومات. وقد مهد هذا الطريق لاكتشاف المحولات التي تعمل على أتمتة العديد من جوانب تدريب الذكاء الاصطناعي على البيانات.
تحسين الأجهزة: وبنفس القدر من الأهمية، يعمل بائعو الأجهزة مثل Nvidia أيضًا على تحسين الرمز الصغير للتشغيل عبر نوى GPU متعددة بالتوازي مع الخوارزميات الأكثر شيوعًا. ادعت Nvidia أن الجمع بين الأجهزة الأسرع وخوارزميات الذكاء الاصطناعي الأكثر كفاءة وتعليمات GPU الدقيقة والتكامل الأفضل لمركز البيانات يؤدي إلى تحسن مليون مرة في أداء الذكاء الاصطناعي.
تعمل Nvidia أيضًا مع جميع موفري المراكز السحابية لتسهيل الوصول إلى هذه الإمكانية كخدمة الذكاء الاصطناعي كخدمة من خلال نماذج IaaS وSaaS وPaaS.
المحولات التوليدية المدربة مسبقًا: لقد تطورت مجموعة الذكاء الاصطناعي أيضًا بسرعة خلال السنوات القليلة الماضية. في السابق، كان يتعين على الشركات تدريب نماذج الذكاء الاصطناعي الخاصة بها من الصفر.
يوفر البائعون بشكل متزايد مثل OpenAI وNvidia وMicrosoft وGoogle وغيرهم محولات توليدية مدربة مسبقًا (GPTs)، والتي يمكن ضبطها بدقة لمهمة محددة بتكلفة وخبرة ووقت أقل بشكل كبير. وفي حين تقدر تكلفة بعض أكبر النماذج بما يتراوح بين 5 ملايين إلى 10 ملايين دولار لكل عملية تشغيل، فإن الشركات تستطيع تحسين النماذج الناتجة مقابل بضعة آلاف من الدولارات. وهذا يؤدي إلى وقت أسرع للتسويق ويقلل المخاطر.
الخدمات السحابية للذكاء الاصطناعي: من بين أكبر العوائق التي تمنع المؤسسات من استخدام الذكاء الاصطناعي بشكل فعال في أعمالها هي مهام هندسة البيانات وعلوم البيانات المطلوبة لنسج قدرات الذكاء الاصطناعي في تطبيقات أو لتطوير تطبيقات جديدة.
يقوم جميع موفري الخدمات السحابية الرائدين بطرح الذكاء الاصطناعي الخاص بهم كعروض خدمة لتبسيط إعداد البيانات وتطوير النماذج ونشر التطبيقات. تشمل أهم الأمثلة خدمات AWS AI و Google Cloud AI ومنصة Microsoft Azure AI وحلول IBM AI +وخدمات Oracle Cloud Infrastructure AI .
نماذج الذكاء الاصطناعي المتطورة كخدمة. يقدم مطورو نماذج الذكاء الاصطناعي الرائدون أيضًا نماذج ذكاء اصطناعي متطورة بالإضافة إلى هذه الخدمات السحابية. لدى OpenAI العشرات من نماذج اللغات الكبيرة المُحسّنة للدردشة ومعالجة اللغات الطبيعية وإنشاء الصور وإنشاء التعليمات البرمجية التي يتم توفيرها من خلال Azure. اتبعت Nvidia نهجًا أكثر محايدًا للسحابة من خلال بيع البنية التحتية للذكاء الاصطناعي والنماذج الأساسية المحسنة للنصوص والصور والبيانات الطبية المتاحة عبر جميع موفري الخدمات السحابية. يقدم المئات من اللاعبين الآخرين نماذج مخصصة لمختلف الصناعات وحالات الاستخدام أيضًا.