الرئيسية / تطبيقات برمجية

تطبيقات برمجية

شبكة عصبونية صنعية تُولِّد الموسيقا

MuseNetMuseNet هي شبكة عصبونية عميقة قادرة على توليد مؤلفات موسيقية مدتها أربع دقائق تضم عشر آلات موسيقية مختلفة، وتستطيع الدمج بين أنماط مختلفة من الموسيقا من الشعبي لموتسارت أو حتى لفرقة البيتلز The Beatles.لم تبرمج شبكة MuseNet اعتمادًا على فهمنا البشري للموسيقا، وإنما اكتشفت أنماط التناغم والإيقاع والأسلوب عن طريق تعلمها التنبؤ بالرمز التالي في مئات الآلاف من ملفات *MIDI.تستخدم MuseNet تقنية تعليم بدون إشراف Unsupervised Learning عامة الغرض مثل GPT-2، وهو أنموذج محول واسع النطاق دُرب على التنبؤ بالرمز التالي في تسلسل، سواء أكان صوتًا أم نصًا.ستسمع في النمط الافتراضي عينات عشوائية غير دقيقة مولدة سابقًا. اختر مؤلِفًا أو نمطًا موسيقيًّا تفضله (يمكنك اختيار مقطوعة موسيقية شهيرة) لتنتقل بعدها إلى عملية التوليد. ستكتشف أنماطًا موسيقية عديدة ابتكرها الأنموذج لك. ...

أكمل القراءة »

توليد الكلام من إشارات الدماغ

لمساعدة الأشخاص فاقدي القدرة على الكلام؛ طوّر باحثون من جامعة كاليفورنيا في سان فرانسيسكو طريقة تعلم عميق يمكنها فك شيفرة إشارات الدماغ وتحويلها إلى كلام منطوق.ويقول الباحثون: "إن الظروف العصبية التي تؤدي إلى فقدان التواصل مُدمِّرة، ستكون التقنية التي تترجم النشاط العصبي إلى كلام نقطة تحوُّل لمن لا يستطيعون التواصل نتيجة ضعف الأعصاب".الأساليب الحالية لإعادة توليد الكلام مرهقة للغاية وغير فعَّالة. يسمح النهج الشائع لبعض المرضى بكتابة أفكارهم عن طريق رسالة، ومع ذلك؛ فإنه يمكن فقط إعادة إنتاج نحو 10 كلمات في الدقيقة. للمقارنة، يمكن للمتكلِّم العادي قراءة نحو 150 كلمة في الدقيقة.التقط الفريق إشارات كهربائية قشرية عالية الكثافة من خمسة مشاركين خضعوا لمراقبة داخل الجمجمة لمرض الصرع.درب الفريق بعد ذلك شبكة عصبونية متكررة (Recurrent Neural Network RNN) باستخدام أطر عمل Keras وTensor Flow المعجلة باستخدام *cuDNN، ووحدات معالجة الرسوميات الخاصة بشركة نفيديا NVIDIA Tesla GPUs على صوت المشاركين الذين يتحدثون عدَّة مئات من الجمل بصوت عالٍ، إلى جانب الإشارات القشرية.ترتبط الخوارزمية بالأنماط التي التُقطت بالحركة الدقيقة لشفاه المريض واللسان والحنجرة والفك، وتُدرّب باستخدام محسن ADAM. ...

أكمل القراءة »

نظام ذكاء صنعي في غوغل ينجح في إثبات ما يفوق 1200 نظرية رياضية

Image: The Chudnovsky formula for Pi (Credit: Craig Wood)بداية الذكاء الصنعي الصاخبةبدأ المجال الحديث للذكاء الصنعي -Artificial intelligence عام 1950 بالورقة المميزة لـ آلان تورنغ - Alan Turing "حوسبة الآلات والذكاء- Computing machinery and intelligence"، التي حددت مبادئ الذكاء الصنعي واقترحت اختبارًا يعرف الآن باسم اختبار Turing*؛ لتحديد إن تحقق الذكاء الصنعي أم لا.على الرغم من أن الباحثين الأوائل كانوا واثقين من أن أنظمة الذكاء الصنعي ستغدو واقعًا قريبًا؛ فإن المبالغة في الوعود والتوقعات سببت ما أطلق عليه "شتاء الذكاء الصنعي" في سبعينيات القرن الماضي، وهي ظاهرة تكررت بصورة مؤسفة مرة أخرى في أواخر الثمانينيات وأوائل التسعينيات، عندما أضحت موجة ثانية من نظم الذكاء الصنعي مخيبة للأمل أيضًا.حدثت نقلة نوعية في أواخر التسعينيات وأوائل العقد الأول من القرن العشرين بتطوير تعلم الآلة Machine Learning، والأساليب المعتمدة على نظرية بايز Bayes، التي سرعان ما حلت مكان الأساليب القديمة القائمة على التفكير المنطقي في أغلب الأحيان. عند اقترانها مع التقنيات الحاسوبية المتقدمة على نحو مطرد (الناتجة عن قانون مور Moore's Low) بدأت أنظمة الذكاء الصنعي العملية والفعالة في الظهور أخيرًا.تقدمٌ ذاع صيته تَمثل بهزيمة متسابقين من قبل نظام محوسب أطلق عليه اسم "واتسون" الذي طورته شركة IBM، في بطولة المسابقة الأمريكية "Jeopardy". ...

أكمل القراءة »

الترجمة الفورية من غوغل لكلامك وبصوتك إلى أيَّة لغة!

إن أنظمة ترجمة الكلام إلى كلام (speech-to-speech) آخذة في التطوّر منذ عقود بغية مُساعدة الناطقين بلُغات مُختلفة التواصل فيما بينهم، لكنّ عملية الترجمة هذه تمرُّ عادة في ثلاث مراحل أساسية منفصلة: - التعرف التلقائي إلى الكلام (automatic speech recognition)؛ لتحويل الكلام إلى نص وسيط مكتوب.- الترجمة الآلية (machine translation)؛ لترجمة النص الوسيط المكتوب إلى اللغة المقصودة.- تركيب الكلام (text-to-speech synthesis)؛ لتوليد الكلام في اللغة المقصودة استنادًا إلى النص المُترجَم.في الواقع، يُعَدُّ التقسيم ناجحًا بالفعل واعتمدت عليه أنظمة ترجمة الكلام إلى كلام ومن بينها مُترجِم غوغل؛ لكن الحاجة المُلحة إلى تقليل الكلفة ورفع الأداء تدفع بمراكز الأبحاث إلى التطوير المُستمر وابتكار تحسينات فريدة من نوعها لتحقيق الغاية المنشودة.يقترحون -في الورقة البحثية هنا المنشورة حديثًا- نظامًا تجريبيًّا جديدًا أطلقوا عليه: Translatotron، يستندُ إلى أنموذج تسلسلي (sequence-to-sequence) وحيد من شأنه الترجمة المُباشِرة إلى الكلام دون التعويل على تحويله إلى نص وسيط والمرور بالمراحل المذكورة آنفًا.ومن الميزات المُهمة للأنموذج المُقترَح: سرعة الاستدلال الأكبر نسبيًّا، وتجنُّب الأخطاء المُترتبة على مرحلتَي التعرف والترجمة؛ مما يُسهِّل الحفاظ على سمات صوت المُتكلّم الأصلي في الترجمة، ويجعل التعامل أفضل مع الكلمات التي لا تحتاج إلى ترجمة، مثل الأسماء.كيف بدأت رحلة Translatotron؟كانت بداية ظهور النماذج المُباشرة (end-to-end) في سياق ترجمة الكلام في عام 2016 ميلادية، حين أثبت الباحثون نجاعة استخدام أنموذج (sequence-to-sequence) وحيد لترجمة الكلام إلى نص (speech-to-text) ترجمة فورية بالاستعانة بمدوّنة (corpus) صغيرة للترجمة بين اللغتين الإنجليزية والفرنسية. ...

أكمل القراءة »

مساعدات شخصية تستمع لدماغك!

يستخدم الكثير منَّا المساعدَ الشخصي في حياته اليومية -وعلى نحو متكرِّر- لإجراء عملية بحث معينة أو وضع المواعيد المهمة وتنسيقها، وكلُّ هذا يكون أساسًا عن طريق الأوامر الصوتية، ولكن يواجه البعض صعوباتٍ لفظية في التعبير باستخدام الكلام أو لأنَّه لا يستطيع الكلام نهائيًّا.هذا ما دفع الطالب (Arnav Kapur) من خرِّيجي مختبرات معهد ماساتشوستس للإعلام إلى ابتكار جهاز قادر على التحكُّم بالتلفاز، ولعب الشطرنج، وحلِّ مسائل رياضية معقَّدة، والتواصل دون الحاجة إلى التكلُّم بكلمة واحدة.صُنعت أول نسخة من الجهاز المسمَّى بـ(AlterEgo) بتقنية الطباعة ثلاثية الأبعاد، وعلى الرغم من أنَّ الجهاز لا يقرأ موجات الدماغ مباشرةً؛ إلَّا أنَّه يستشعر الإشارات الكهربائية الصغيرة التي تولِّدها عضلات الفك والرقبة في الوجه عندما نتكلَّم مع أنفسنا أو عندما نفكِّر بشيء معين، فيلتقط الجهاز هذه الإشارات ويرسلها عبر البلوتوث (Bluetooth) إلى الحاسوب بحيث تعمد خوازرمية إلى تحليل هذه الإشارات وتنفيذ الأوامر المطلوبة.إضافة إلى تنفيذ الأوامر؛ يحتوي الجهاز على سماعة خارجية توضع بالقرب من الأذن تعمل على بثِّ ما يحاول -مستخدمو الجهاز الآخرون أو حتى الجهاز نفسه- إخبارَك به؛ وذلك بصوت محوسب دون الاضطرار إلى إغلاق أذنيك وحجب الأصوات الخارجية عنها.يحتوي الجهاز حتى الآن عددًا من التطبيقات البسيطة؛ منها تطبيق يساعد في لعب الشطرنج ويقترح عدد من الخطوات التالية المثالية، وتطبيق حسابي يُجري العمليات الحسابية البسيطة، ويعيد الجواب فوريًّا عبر السماعة المرفَقة.وحسب تصريح فريق العمل؛ من المهام الأخرى المرجوَّة من الجهاز: حساب التكلفة الكلية للمشتريات في أثناء التسوُّق، وإمكانية إضافة مواعيد خاصة في تقويمك ودفتر مواعيدك، والردُّ على المكالمات.. وكلُّ هذه المهام والتطبيقات يجب أن تعمل من دون النطق بكلمة واحدة!ويعمل فريق العمل حاليًّا على تحويل هذا الجهاز من مجرَّد مشروع بحثي صغير إلى منتج جاهز للاستخدام العام، ولكنَّهم يواجهون العديد من المشكلات؛ وذلك لأنَّ الموضوع المطروح جديد نسبيًّا؛ إذ لا يوجد حاليًّا أيَّة قواعد بيانات تحوي المعلومات اللازمة لتدريب شبكة عصبونية صنعية من أجل توقُّع الإشارات وما يقابلها من أوامر؛ ومن ثمَّ على الفريق إنتاج المعلومات الخاصة بهم وبناء قاعدة البيانات من الصفر.وفي الوقت الحالي، تقتصر حدود الجهاز في عملية التواصل على عدد بسيط من الكلمات مثل: "نعم"، و"لا"، و"مرحبا"، إلخ.. ويمكن ترجمة هذه الكلمات البسيطة إلى عدد من اللغات، إلى جانب اللغة الإنجليزية.من التحديات الأخرى؛ جعل الجهاز يعمل على نحو كامل وبدون أخطاء، من غير جعل شكل الجهاز مزعج أو غريب؛ إذ وصل الجهاز -بقدرته الحالية وبعد العديد من الاختبارات للتواصل من دون نطق، وبالتفاعل مع التطبيقات أيضًا- إلى نسبة خطأ أقل من 8% على نحو متوسِّط عند المستخدمين الذين جرَّبوا الجهاز فترةً محدودة.Image: https://cbsnews2.cbsistatic.com/hub/i/r/2018/04/22/81fa8d3f-918e-4c84-bd9e-1b56577067a3/resize/770x/91eddd0a97b17215f59cc0ab877e7437/ot-futurefactorye.jpgنسخة أولية من جهاز (AlterEgo):مع التطوُّر الهائل في الذكاء الصنعي، وازدياد الاهتمام بالخصوصية أكثر من أيِّ وقت آخر؛ فإنَّ تطوير تقنية تمكِّن المستخدمين من التواصل وممارسة الأمور الأساسية في حياتهم دون الحاجة حتى إلى الكلام؛ يضيف طبقةً أخرى إلى خصوصيتهم، فضلًا عن أنَّ الجهاز سيساعد في دمج المصابين -بمشكلات في النطق- في الحياة اليومية أكثر، دون الحاجة إلى كتابة كلِّ شيء أو اعتماد إشارات يدوية معينة.المصادر: هنا * ترجمة: : Fadi A. ...

أكمل القراءة »

أسئلة وأجوبة عن تعلُّم الآلة

زامبيتا هو أستاذ مساعد في علوم الحاسوب وهندسة البرمجيات في معهد (RMIT)، والذي يمتدُّ بحثه من التقنية المستقبلية للذكاء الصنعي إلى تصميم الألعاب والقيادة الآلية للسيارات.فبعد أن بدأ العام 2019م بإجازة من شركة مايكروسوفت (Microsoft) في الولايات المتحدة الأمريكية؛ شارك زامبيتا أفكاره عن كيفية تشكيل الذكاء الصنعي لعالمنا، وما الذي سيحدث في المستقبل القريب!إليكم أسئلة من الحوار الذي أُجرِي مع فابيو زامبيتا..ما هي مجالات بحثك؟مجال خبرتي الرئيسي هو الذكاء الصنعي؛ وبالتحديد التعليم المعزَّز (reinforcement learning) والذي يتضمَّن بناء الآلات مع قدرة على تعلُّم المهام التفاعلية من أجل التجاوب مع السيناريوهات المستمرة والمتطورة. وتتضمَّن التطبيقات المثالية لمثل هذا النوع من الذكاء الصنعي ألعابَ حاسوب مُدمجة بالواقع، والروبوتات، والطيران أو القيادة الآلية.وقد أنجزتُ كثيرًا من الأعمال في مجال الرسوميات الحاسوبية (computer graphics) وتفاعُل الإنسان مع الحاسوب (Human-Computer Interaction)، والتي تمتلك كثيرًا من التطبيقات في الذكاء وواجهات التخاطب مع المستخدم.هل هناك أيَّة خرافات كبيرة أو مفهومات خاطئة فيما يخصُّ مستقبل الذكاء الصنعي؟ يوجد الكثير بالفعل! وأكثر ما يزعجني بين الخرافات هو أنَّ الروبوتات أو الآلات الذكية سوف تسيطر على العالم قريبًا، فقد حقَّقنا كثيرًا من التقدُّم، ولكن لا نزال بعيدين عن إطلاق النسخة الكاملة من هذا النوع من التقنية.عاجلًا أم آجلًا ستنوب برمجيات تعلُّم الآلة (Machine Learning) عن الكثير من الوظائف المكتبية؛ على سبيل المثال، نُشِر تقرير في العام الماضي من قبل مؤسسة الشباب الأستراليين (Foundation for Young Australians) بوصفه جزءًا من سلسلة أبحاث من (New Work Order)، وتوصَّل هذا التقرير إلى أنَّ 65% من الأطفال الذين يدرسون في مدارس التعليم الابتدائي سيعملون في وظائف غير موجودة إلى الآن!وهناك التعقيدات الأخلاقية أيضًا؛ كلَّما اقتربنا من القيادة الآلية للسيارات ما يؤدِّي إلى إلغاء الحاجة إلى سائقي السيارات البشر، وبمشاهدة التطوُّر في الطائرات بدون طيار والتي بإمكانها أن تقتل بدقة متناهية.كيف سيُحسِّن الذكاء الصنعي وتعلُّم الآلة طريقةَ عيشنا في المستقبل؟الحواسيب موجودة في كلِّ مكان، وتملي الخدمات البرمجية الطريقةَ التي نمارس بها معظم أعمالنا، وتملأ أوقات فراغنا أيضًا.ويَعِدُ العمل الذي يُبذَل في مجالنا بتحسين طريقة تفاعل الأشخاص مع هذه الحواسيب.أملنا هو جعل البرمجيات تفهم وتتكيَّف مع متطلَّبات المستخدمين على نحو أفضل في المستقبل؛ ما يجعل التفاعل يسير على نحو أكثر طبيعية.ما هي التطويرات الجديدة التي تتحمَّس لها؟إنَّ قيادة السيارات أو الطائرات -آليًّا- بدأ يتحقَّق بالفعل؛ الأمر الذي سيبدأ بتغييرٍ في وسائل النقل على نحو كبير، وقد أُصدرت تشريعات في عدَّة ولايات أمريكية تتعلَّق بالسيارات بدون سائق (القيادة الآلية للسيارات)، وبالقرب من منزلي أُجريت تجربة حافلة بدون سائق وذلك في فكتوريا (Victoria).بدأت النظارات والخوذ الذكية المدمجة بالواقع بتغيير طريقة تفاعلنا مع الحواسيب وتعاملنا مع المحتوى الرقمي، في حين تعمل الحواسيب ذاتية التعلُّم على تطوير سريع لألعاب الحواسيب.وأتوقَّع أنَّه في غضون 5 إلى 10 أعوام سنرى الخيال العلمي على أرض الواقع بالفعل، مع ظهور مساعدات مجسَّمة ثلاثية الأبعاد (Holographic assistants) والمنازل الذكية.ما الذي تحبُّه في مجال عملك؟إنَّ المشاركة في حلِّ مشكلات تقنية معقَّدة للغاية -بطريقة جديدة- أمرٌ مثيرٌ للغاية، وإنِّي محظوظ بالعمل مع أشخاص بتخصُّصات مختلفة، والذي كان له تأثيرٌ دائم في حياتي المهنية؛ إذ أعمل مع المصمِّمين، والفنانين الرقميين، ومهندسي الفضاء، وعلماء النفس، والكتَّاب المبدعين، وفي رأس القائمة زملائي في علوم الحاسوب.أحبُّ هذا الجانب المميَّز من عملي البحثي بالتأكيد، وقد سعيت دائمًا أن أكون شخصًا مُتقنًا ومتعلِّمًا في العلوم والإنسانية.على ماذا ستعمل في أثناء وجودك في شركة مايكروسوفت (Microsoft)؟سوف أركِّز على واجهات المستخدم الذكية، وعلى دمج عناصر تعلُّم الآلة مع الواقع المُدمج (mixed reality) لتحسين تطبيقات الإنتاجية بما يتضمَّن (Microsoft Office).المصدر: هنا * ترجمة: : Rama Al-Wattar* تدقيق علمي: : Noor Hassan* تدقيق لغوي: : Diana Hayek* تعديل الصورة: : Ammar Hammadeh* نشر: : Dima Yazji

أكمل القراءة »

تعليم الحواسيب خداع البصر البشري

Image: https://news.brown.edu/files/styles/horizontal/public/article_images/Illusions.jpg?itok=cH5mLeAUهل هذه الدائرة خضراء أم رمادية؟ هل خطوط المركز مستقيمة أم مائلة؟يمكن للأوهام البصرية أن تكون ممتعة؛ لكنَّ إدراك كيفية فهم الأدمغة البشرية لهذه الظواهر المختلفة يُعدُّ مجالًا نشطًا للبحث العلمي. للأوهام البصرية فئات عديدة منها الظواهر السياقية، وتكون فيها التصورات معتمِدةً على السياق. يعتمد اللون الذي تراه في مركز الدائرة (في مثالنا) على لون الحلقة المحيطة به...

أكمل القراءة »

تحسينات في الشبكات العصبونية الصنعية من أجل مترجمات آلية أذكى!

في دراسة لتسليط الضوء على أسلوب المُترجِمات الآلية في ترجمة النصوص من لغة إلى أخرى؛ ابتكر باحثون من معهد ماساتشوستس للتقنية (MIT) ومعهد قَطَر لبحوث الحوسبة (QCRI) طريقةً لتحديد العصبونات (عقد الشبكة) التي تستخرج سمات لغوية مُحدَّدة في أثناء معالجة اللغة.وتؤدي الشبكات العصبونية المَهمات الحاسوبية عن طريق مُعالجة مجموعات تدريب ضخمة، وتتعلم الشبكة -في سبيل الترجمة- استخراجَ السمات اللغوية المُحتمَلة مثل: اشتقاق الكلمات، وبنية الجمل، ومعاني الكلمات، وما يُعادل ذلك. وعند إدخال نصٍّ جديد؛ تُطابِق الشبكة هذه السمات التي سبق أن تعلَّمتها بين لغة النص واللغة المقصودة لإنتاج الترجمة المناسبة.ولكن؛ تضبط الشبكة في أثناء التدريب قيمًا وإعداداتٍ داخلية بطرائق لا يمكن أن يفسّرها المُشكِّل؛ مما يعني أنّه لن يتمكن من تحليل السمات اللغوية التي تستخرجها من مجموعة التدريب.ولذلك؛ ذهبَ الباحثون ها هنا إلى توصيف طريقة من شأنها تحديد العصبونات المُفعَّلة في أثناء تصنيف سمات لغوية معيّنة، وصمموا تطبيقًا على الإنترنت يتيح للمستخدمين تحليلَ كيفية ترجمة الشبكات التي بنوها للنصوص وتعديلها لأغراض عدّة مثل: تغيير زمن الجمل، والتعديل المناسب لجنس الكلمات، وما إلى ذلك من عمليات تُجرَى على النص المُترجَم.وقد عُيّنت في البحث العصبونات المستخدمة في التصنيف بدقة مثل: جنس الكلمات، وزمن الجملة (الماضي أو الحاضر)، وموقع الأعداد (في بداية الجملة أو وسطها)، وحالة الكلمات (مفردة أو جمع)، كذلك حُدِّد ما إذا كانت مَهمةٌ ما تحتاج عصبونًا واحدًا أو اثنين أو أكثر.ويقول يوناتان بِلنيكوف Yonatan Belinkov -المؤلف المُشارك في البحث- واصفًا ما ينجزونه: "يهدف بحثنا إلى إلقاء نظرة عن كثب للشبكة العصبونية المُعالِجة للغة، ومعرفة المعلومات التي تتعلمها… إنّ هذا البحث على مقربة من إحراز فهمٍ راسخٍ لنماذج الشبكات العصبونية وتحقيق تحكُّم أفضل بسلوكها".النظر إلى العصبونات بعدسة مجهر:بالعودة قليلًا إلى بِنية الشبكة العصبونية؛ تجدها مكوّنةً من طبقة أو عدّة طبقات، وفي كل منها عقدة أو مجموعة من العقد المُعالِجة (العصبونات التي تكون عبارة عن توابع رياضية تُمرَّر عن طريقها البيانات)، ومرتبطة بوصلات مع عصبونات كل من الطبقتين السابقة والتالية.تُعالَج بيانات الدخل -التي تكون مُثقلةً بأوزان (weights)- بادئ ذي بدءٍ في عصبونات الطبقة الأولى لتُعطي خرجًا ينتقل إلى عصبونات الطبقة التالية، وهكذا دواليك حتى الطبقة الأخيرة...

أكمل القراءة »

أغنية الجليد والبيانات؛ خوارزمية تنبؤية للمسلسل الشهير

يُعَدُّ علم الاحتمالات من العلوم الأساسية والشيِّقة في عالم الرياضيات والخوارزميات، ولكن؛ ماذا لو دخل هذا العلم إلى مسلسلاتنا المفضلة؟دعونا نتعرَّف طريقةً لطيفة اتَّبعتها جامعة ميونخ التقنية لتحفيز الطلاب من أجل العمل في مشروعات الاحتمالات..طوَّر طلاب في جامعة ميونيخ التقنية (TUM) تطبيقًا يبحث في الويب عن بيانات مسلسل صراع العروش (Game of Thrones)، ثمَّ يستنتج احتمالات بقاء شخصيات المسلسل على قيد الحياة باستخدام مصفوفة من خوارزميات التعلُّم الآلي التي قد أنشؤوها.وفي عام 2016م، وقبل بثِّ الموسم السادس مباشرة؛ ابتكر طلاب الجامعة نفسها خوارزمية تنبَّأت -على نحوٍ دقيق- بعودة جون سنو (Jon Snow) إلى الحياة.كيف تحدثُ عملية التنبؤ؟يكون ذلك باستخدام تحليل طول العمر (Longevity Analysis)؛ وهي تقنية مشابهة للدراسات العلمية التي تدرس آثار العلاج والمضاعفات في مرضى السرطان.العوامل الرئيسة في توقُّعات الخوارزمية:تعتمد أيَّة خوارزمية على مجموعة من العوامل أو الشروط، ثمَّ تُوضع قواعد الاستدلال للحصول على نتيجة تطبيق الخوارزمية. وتُتَّبع -في قضايا شبيهة بالقضايا المطروحة في هذا المقال- طريقةَ صياغة القواعد باستخدام اللغة الطبيعية.مثال:شروط الاستدلال: الولادة في وينترفيل (Winterfell)، والانتماء إلى عائلة (Stark)، والزواج مرةً واحدة.قاعدة الاستدلال: يبدو أنَّ الولادة في وينترفيل (Winterfell) إضافة إلى الانتماء إلى عائلة (Stark) وكذلك الزواج مرة واحدة فقط؛ تزيد من فرص موت (Sansa Stark) في الموسم المقبل، فاحتمال الموت المتوقع هو 73%.نتيجة الاستدلال: زيادة فرص موت سانسا ستارك (Sansa Stark) بنسبة 73%.للمزيد عن طريقة صياغة قواعد الاستدلال تجدونها هناهل أُنشئت هذه الخوارزمية للتنبؤ بأحداث المسلسل فقط؟بالطبع لا؛ إذ يُعَدُّ كلٌّ من استخراج البيانات (Data Mining)، وتعلُّم الآلة (Machine Learning) من الأدوات التي تمكِّن الطب الرقمي (Digital Medicine)* من الاستفادة من البيولوجيا الحديثة لتشخيص الأمراض وعلاجها والوقاية منها -وقد تُستخدم في مجالات أخرى لاحقًا- وهذه الخوارزمية ليست إلَّا تجربة جديدة في هذا المجال سيُستفاد من نتائجها في تطوير مجالات وحلِّ مشكلات ملحَّة أكثر للبشرية.يقول المرشد الرئيسي للفصل الدكتور غي ياشداف (Guy Yachdav): "في حين تعتمد مهمة التنبؤ -بفرص البقاء على قيد الحياة لشخصيات (Game of Thrones)- على البيانات المأخوذة من عالم الخيال؛ تُستخدم تقنيات الذكاء الصنعي نفسها بالضبط في العالم الحقيقي، ولها أثر قوي في حياتنا اليومية."يقول البروفيسور بوركارد روست -عميد قسم المعلوماتية الحيوية في TUM-: "إنَّ الجمع بين الشغف والتدريس هو وسيلة رائعة لإنشاء أدوات جديدة تهمُّنا، وقد وجدنا طريقةً ممتعة لتعليم الطلاب كيفية استخدام هذه التقنية، وإعدادهم لبناء برامج أكبر وأوسع عند التخرُّج".وتجدر الإشارة إلى أنَّ الخوارزمية تعمل على مدار الساعة وتحدث نتائجها باستمرار. تتوفَّر القائمة الكاملة للشخصيات وفرص بقائها على قيد الحياة: هنافي رأيك؛ من سيتربَّع على العرش في النهاية؟!*الطب الرقمي (Digital Medicine): اعتمد تخزين البيانات الطبية -وقتًا طويلًا- على الكلام المكتوب والمطبوع، لكن مع توفُّر أجهزة الحاسوب التي يمكنها نقل البيانات وتخزينها؛ فإنَّ دور التقنيات الحديثة لم يقتصر على تسجيل المعلومات السريرية فحسب، وإنَّما توليد المعرفة الطبية أيضًا.المصادر:هناهناهناهنا * إعداد: : Hassan Albaruki* تدقيق علمي: : Mujeeba Haj Najeeb* تدقيق لغوي: : Diana Hayek* تصميم الصورة ونشر: : Dima Yazji

أكمل القراءة »