الرئيسية / تطبيقات برمجية

تطبيقات برمجية

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 »

شريحة ذكاء صنعي واعدة جديدة من إنتل وفيسبوك

تنتجُ شركتا (فيسبوك) Facebook و(إنتل) Intel شريحةً من شأنها أن تجعل استخدام الذكاء الصنعي أقلَّ كُلفةً في الشركات الكبيرة.تبشِّر الشريحة بإمكانية تشغيل خوارزميات تعلُّم الآلة المدرَّبة مسبقًا بفعاليةٍ أكبر؛ مما يعني احتياجًا أقلَّ للعتاد المادي والطاقة اللازمة ليؤدي الذكاء الصنعي أمورًا مفيدة.كشفت شركة (إنتل) Intel في معرض Consumer Electronics في مدينة "لاس فيغاس" Las Vegas عن الشريحة الجديدة، إضافةً إلى تعاونها مع شركة (فيسبوك) Facebook، وكان واضحًا من الإعلان عن الشريحة الجديدة مدى ترابط برمجيات وعتاد الذكاء الصنعي مع بحث الشركات الدائم للتقدُّم في مجال تطوير الذكاء الصنعي ونشره.يُمكن لشريحة الذكاء الصنعي الجديدة "الاستنتاج" أن تساعد (فيسبوك) Facebook والشركات الأخرى في نشر تعلُّم الآلة machine learning على نحوٍ أكثر فعالية وبتكلفةٍ منخفضة.تستخدم شبكة التواصل الاجتماعي الذكاء الصنعي في مجال واسع من الاستخدامات؛ يتضمن ذلك الإشارة إلى الأشخاص في الصور، وترجمة المنشورات من لغة إلى أخرى، واكتشاف المضمون المحظور. تكلفة هذه المهام مرتفعة من حيث الوقت والطاقة في حال شُغلت على أكثر من جهاز.ستتيح شركة (إنتل) Intel الشريحةَ للشركات الأخرى في وقت لاحق من عام 2019، لكنها في الوقت الحالي متأخرةٌ عن الشركة الرائدة في تجهيزات الذكاء الصنعي Nvidia، وتواجه منافسةً من مجموعة من رواد صناعة الشرائح.قال "نافين راو" Naveen Rao -نائب رئيس مجموعة منتجات الذكاء الصنعي في شركة (إنتل) Intel- قبل الإعلان أنَّ الشريحة ستكون أكثر كفاءةً من أي شيء يقدمه المنافسون، لكنه لم يقدم أرقامًا محددة لكلامه.أكدت شركة (فيسبوك) Facebook أنها تعمل مع شركة (إنتل) Intel؛ لكنها رفضت تقديم المزيد من التفاصيل عن هذه التسوية، أو تحديد دورها في هذه الشراكة. ويُشاع أيضًا أنَّ شركة (فيسبوك) Facebook تصمم شريحة الذكاء الصنعي الخاصة بها.قال "راو" أنَّ الشريحة ستكون متوافقةً مع معظم برمجيات الذكاء الصنعي، لكن الشراكة مع شركة (فيسبوك) تبينُ مدى أهمية عمل مصممي السيليكون مع مهندسي برمجيات الذكاء الصنعي. ...

أكمل القراءة »

رسومٌ متحركة من صنع الخوارزميات

الرسومُ المتحركةُ هي سلسلةٌ من الصور المتتالية تحكي قصة ما، وغالبًا ما تكون هذه الصور مرسومة باليد لما يمتلكه هذا الفنُّ من دقَّة وإحساس يجعل تعلُّمه من قِبَل الآلة صعبًا جدًّا، ومكلفًا للغاية.ولذلك؛ يُعدُّ وجودُ خوارزميةٍ يمكنها تحويل أية صورةٍ إلى رسومٍ متحركة دون مواجهة صعوباتٍ ثورةً في مجال تعليم الآلة.الخوارزميات السابقة:تمكَّن فريق بحثٍ ألماني في بداية عام 2015 من نقل نمطٍ فني بين صورةٍ وأخرى، وتتابعت الأبحاث بعدها؛ إذ تمكَّن العلماء من نقل أسلوب فنانين عظماء مثل "بيكاسو" و"فان جوخ" إلى صورٍ أخرى.استُخدامت خوارزميات الشبكات العصبونية في هذا المجال على يد "ليون غاتيس" Leon Gatys في جامعة "توبينغن" University of Tubingen، وعددٍ قليل من الزملاء؛ إذ درسوا طريقة الخوارزمية في تسجيل النمط الفني وتحليله، ولمّا كانت الشبكات العصبونية تتكون من طبقاتٍ مختلفة؛ توصلوا إلى جعل كل طبقةٍ تحلِّلُ مستوى مختلف من الصورة كالشكل والألوان والخطوط.تتمثل الفكرة الرئيسة في عمل "غاتيس" في عدم تصوير النمط الفني في الطبقات بحد ذاتها، بل في الارتباطات فيما بينها، مما أتاح القدرة على فصل أسلوب الفنان عن المحتوى ونقله إلى صورة أخرى؛ فكانت هذه الفكرة أساسًا لمنظومةٍ جديدة عُرفت بنقل النمط العصبي.واجه "غايتس" -على الرغم من كمالية هذه الفكرة- مشكلةً وحيدة، وهي ضخامة العملية وكثافتها بالنسبة إلى الحواسيب؛ إذ تستغرق العملية وقتًا طويلًا لفصل الطبقات وتحليلها، لذلك بدأ علماء الحاسوب في البحث عن أساليب مختلفة تؤدي المهمة بسرعة أكبر وبالجودة والكفاءة نفسها.إيجاد الخوارزمية البديلة:تمكن الباحثان Maciej Pesko "ماتشي بيسكو"، و Tomasz Trzcinski "توماس ترتستشنسكي" في جامعة "وارسو/بولندا" من تحويل الصور إلى رسومٍ متحركةٍ مستخدمين الخوارزميات العصبونية أيضًا، وتقنيات نقل الأسلوب الفني بين صورة وأخرى؛ هادفين إلى توليد صورٍ بأسلوب الفنانين الكبار، وتحويل الصور من صور ليلية إلى نهارية، والقدرة على تبديل الوجوه في الصور.اختبر "بيسكو" و "ترتستشنسكي" مجموعةً واسعةً من خوارزميات نقل النمط العصبي في مهمةٍ محددة وهي نقل أنماط رسوم ذات طابَعٍ كرتوني.وللحصول على الخوارزمية الأنجح؛ اختبر الباحثان خمسَ خوارزميات مختلفة على صور بأبعاد 600x450 بيكسل، والتي عولجت باستخدام وحدة معالجة الرسومات "تيتان اكس" TitanX بسعة 12 جيجا بايت.وعُرضت النتائج على 100 شخص بهدف تقييم أفضل نتيجة، فكانت غالبية الأصوات لصالح تقنية التطبيع التكيفي adaptive instance normalization؛ إذ تعطي هذه التقنية نتائج أقرب إلى الرسوم الكاريكاتورية أو الرسوم الهزلية من حيث تشابه الأسلوب.Image: https://physicsworld.com/a/transforming-photographs-into-cartoons-using-neural-algorithms-and-jumping-sharks/وقد كانت هذه الصورة a jumping horse and rider هي الصورة الأولى التي حولها Maciej Pesko باستخدام التقنية الجديدة، ومع ذلك نرى أن النتائج ليست مثالية على الإطلاق؛ فجميع التقنيات تعاني إلى حد ما مشكلاتٍ مثل نقل اللون غير الملائم والضبابية وغيرها.وختامًا؛ يعتقد الباحثون أنهم سيتمكنون من إيجاد حلٍّ لهذه المشكلات.

أكمل القراءة »

تعريف بتعلم الآلة

تشير غالبية التطورات والتطبيقات التي نسمعها عن الذكاء الصنعي في الوقت الراهن إلى فئة من الخوارزميات المُدرَجة تحت مجال تعلم الآلة Machine Learning. تَستخدم خوارزميات تعلم الآلة الإحصاءَ لاستخلاص الأنماط من كميات كبيرة من البيانات، وتشمل هذه البيانات الأرقام والكلمات والصور، وحتى تفاعلك على مواقع التواصل! وإن أمكن تخزينها رقميًّا؛ أمكن إدخالها في خوارزمية تعلم الآلة.تعلم الآلة هو الآلية التي تمكّن العديد من الخدمات التي نستخدمها اليوم؛ مثل أنظمة التوصيات في التطبيقات ومحركات البحث ووسائل التواصل الاجتماعي والمساعد الشخصي وغيرها من العمل...

أكمل القراءة »

Infer.NET مكتبة مايكروسوفت لتعلم الآلة مفتوحة المصدر!

ما المقصود بـ Infer.NET؟إطار عمل لإدارة الاستدلال البايزي Bayesian inference (نسبة إلى عالم الرياضيات Bayes صاحب النظرية الشهيرة في الاحتمالات المرتبطة؛ أي احتمال حدوث حدث علمًا بأن حدثًا آخر قد وقع) في النماذج البيانية، ويمكن استخدامه أيضًا في البرمجة الاحتمالية. يستخدام Infer.NET لحل أنواع مختلفة من مشكلات تعلم الآلة؛ بدءًا من المشكلات القياسية العامة مثل التصنيف Classification أو التوصية Recommendation أو التجميع (العنقدة) Clustering، إلى حلول مخصصة للمشكلات المتعلقة بمجال معين، وقد استخدم Infer.NET في مجموعة واسعة من المجالات؛ بما في ذلك استرجاع المعلومات، والمعلوماتية الحيوية، وعلم الأوبئة، والرؤية، وغيرها الكثير.يُنشر Infer.NET الآن مصدرًا مفتوحًا على GitHub بموجب ترخيص من معهد ماساتشوستس للتكنولوجيا ويتوفر أيضًا على هيئة حزم NuGet.إن جعل Infer.NET مفتوح المصدر يمثل تتويجًا لرحلة طويلة وطموحة؛ إذ شرع فريق Microsoft Research في كامبريدج في المملكة المتحدة تطوير منصة العمل هذه في عام 2004، وقد تعلّموا الكثير في سبيل إنشاء حلول تعلم الآلة قابلة للتوسع والفهم. ...

أكمل القراءة »

نمط مِشيتك.. بصمتك المستقبلية

قد تظن أنَّ تعرُّفَ الأشخاص عن طريق تحليل طريقة مِشيتهم بواسطةِ نظام حاسوبيٍ ذكي ما هو إلّا مجرد واحدٍ من العديد من الخيالات العلمية التي تُستخدَم في أفلام هوليوود فحسب.ولكن في الحقيقة؛ أصبحَ الخيال واقعًا بعد أن حصلت شركة صينية تدعى ويتريكس Watrix مؤخّرًا على تمويل بقيمة 14.5 دولار لتسريع نمو تقنية التعرف إلى الأشخاص بتحليلِ طريقة مِشيتهم، التي تُطوّرت لتستخدَمها الحكومة الصينية.أنشأت شركة Watrix برنامجًا يعتمد الذكاء الصنعي؛ قادرًا على تحديد الأشخاص فقط عن طريق تحليل طريقة مشيهم.وردًّا على تساؤلاتك الآن: لا، لا يمكنك خداع هذا البرنامج بتقليد مِشيةِ شخص ما. يقول هوانغ يونغ تشن Haung Yongzhen؛ رئيس شركة Watrix التنفيذي: "لا نحتاج إلى تعاون الناس معنا من أجل أن نكون قادرين على تحديد هويتهم؛ فلا يمكن خداع نظامنا ببساطة عن طريق العرج أو المشي مع تباعد الأقدام أو حتى الانحناء؛ لأنَّنا نحلل جميع مميزات الجسم، ويصل معدل دقة التقنية حسب هوانغ Haung إلى 94%...

أكمل القراءة »