• تلفازك سيفهمك أكثر.. والفضل للذكاء الصنعي!

    صُمِّمت منصّة الترفيه Xfinity X1 لمشاهدةِ الأفلام والمسلسلات من قِبل شركة Comcast.ما يميِّزها هو أنَّ التحكُّم فيها يكون عن طريقِ الصوت بدلًا من جهازِ التحكُّم التقليدي Remote contro.وقد نُشرت ورقةٌ بحثية تتمحور حول استخدام تقنيّات الذكاء الصنعي الجديدة لتحسينِ إمكانيات فهم نظام Xfinity X1 لعمليات البحث (الاستعلام) عن طريقِ الصوت.كيف يعمل نظام Xfinity X1 ؟يقول جيمي لين؛ وهو بروفيسور في جامعةِ وتورلو: " تأتي المنصّة مع تحكُّم صوتي؛ والذي يقبل طلباتِ البحث الصوتية كافةً من المستخدم، قُل لتلفازِك أن يغيِّر القناة.. اطلب أفلامًا للأطفال.. أو حتّى اسألْه عن نشرة الطقس..".إذن؛ سيناريو العمل هو الآتي: سيقول المستخدِم ما يريده، ومن ثمَّ يجب على النظام فهمُ مقصده ومعالجته، وفي النهاية يجب على النظام الاستجابةُ استجابةً مناسبة لتلبيةِ الطلب.وتُظهِر سجلّات استخدام الاستعلامات الصوتية أنَّ خدمة الاستعلام والبحث الصوتي تتلقَّى استهلاكًا كبيرًا، وهي أيضًا بديلٌ محبَّب للمستخدِم مقارنةً بالكتابة على لوحةِ المفاتيح.وتتعدَّد أنواع الاستعلامات الصوتية التي يلجأ إليها المستخدِم؛ من الانتقال بين الأفلام والمسلسلات إلى طلبات لا علاقة لها بمشاهدةِ البرامج، وتُعدُّ مثل هذه الطلبات غامضةً بالنسبة إلى النظام أو غير واضحة (تخفيض شدَّة الصوت مثلًا).وأنشأ الباحثون معماريةً جديدةً لشبكة عصبونية لتحسينِ الاستعلام الصوتي على المنصّة؛ وقد ارتكز حلُّهم على فكرتين أساسيّتين:- الأولى: عمدوا إلى استغلالِ سياق الجلسة الواحدة، وتخلَّصوا من الأخطاء الناتجة عن التعرُّف الأوتوماتيكي إلى الصوت (ASR (Automated speech recognition عن طريقِ الشبكات العصبونية المتكرِّرة الهرمية.*نقصد بسياقِ الجلسة تسلسلَ استعلامات المستخدِم عن الموضوع نفسه لتوضيحِ طلبات البحث والاستعلام المستقبلية.- الثانية: يتطلَّب فهم الاستعلام وجودَ تكاملٍ بين طلبات الاستعلام المختلفة، وقد استطاع الباحثون تحقيقَ هذا التكامل عن طريقِ استخدام شبكة عصبونية متعدِّدة المهام؛ وهذه المهام هي:1- توقُّع البرنامج program prediction.2- تصنيف الهدف من الاستعلام intent classification.3- ترميز الاستعلام الواحد query tagging.واقترح الباحثون نموذجَين لتحسينِ فهم الاستعلامات الصوتية، وقد فُعِّلَ ووُظِّفَ النموذج الأول في المنصّة؛ إذ إنَّه يُخدِّم ملايين  الاستعلامات يوميًّا مع تحسينِ تجربة المستخدم.يعالج النموذج الأول المفعَّل على المنصّة الاستعلاماتِ الصعبة فقط، والتي لولاه لكانت ستُتَجاهَل؛ فما من داعٍ مثلًا لتفعيلِ شبكة عصبونية للاستجابة لطلبِ بحثٍ يقول فيه المستخدم اسمَ القناة فقط مثل "CNN".وأمَّا النموذج الجديد الثاني -وهو النموذج الذي يعتمد على الشبكات العصبونية متعدِّدة المهام- فقد وُصِّفَ في الورقة البحثية التي نُشرِت، ولم يُستخدَم عمليًّا في المنصّة بعد، ولكنَّه أظهر الكفاءةَ ضمن التجارب فقط.ماذا يُقصد بـ Multi-task learning التعليم متعدِّد المهمات؟يُعدُّ التعلُّم متعدِّد المهمّات (MTL) نموذجًا من نماذجِ تعلُّم الآلة؛ إذ تُحسَّن أهدافُ عدّة مهام متّصلة مع بعضِها.يتمثَّل الهدف الرئيس من -التعلُّم متعدِّد المهمات- بأنه عندما تكون هذه المهمات المتعدِّدة غيرَ مستقلّة بعضها عن بعض (أي متّصلة)؛ فإنَّ التدريب المشترك للشبكة العصبونية يعزِّز من أداءِ المهمات الفردية، وبذلك يؤدِّي إلى تعميمٍ أفضل عن طريق المعامِلات المشتركة.وأُخِذَ بعين النظر التفكير بالتعلُّم متعدِّد المهمات من أجلِ حلِّ العديد من المشكلات المختلفة في العديد من المجالات التقنية؛ مثل مجال الرؤية الحاسوبية وتطبيقات الويب.النموذج الأول:ركَّزت المحاولة الأولى للباحثين في معالجةِ مشكلات الاستعلام الصوتي على التحديد المباشر للبرنامج الذي ينوي المستخدِم مشاهدتَه، إذن؛ هذا النموذج قائمٌ على التنبُّؤ بالبرنامج المراد مشاهدتَه.وقد عمد الباحثون إلى استغلالِ سياق الجلسة الواحدة لتوضيحِ طلبات البحث والاستعلام المستقبلية.ويستطيع النظام مراكمةَ الإشارة في سياقٍ واحد ليتمكَّن من توضيحِ الاستعلامات المستقبلية عن طريقِ عدّة استعلامات للجلسة الواحدة.ويستفيد النظام من سياقِ الجلسة الواحدة، وذلك باستخدامِ شبكة عصبونية متكرِّرة هرمية والتي سنطلق عليها اسم (N-HRNN) اختصارًا ل Navigational Hierarchical Recurrent Neural Network. ...

    أكمل القراءة »
  • الخلود الرقمي؛ ستبقى حيًّا إلى الأبد.

  • أنظمة الذكاء الصنعي تستخدم المنطقَ لحلِّ المشكلات مثل الإنسان..!

  • مخدِّمات Google تبرد نفسها بنفسها.

  • أتريدُ وجهًا مُناسبًا لإعلانك؟، يُقدم الذكاءُ الصنعيُّ عرضًا مُغريًا!