الرئيسية / تطبيقات برمجية (صفحه 3)

تطبيقات برمجية

أخلاقيات الآلة.. السيارة القاتلة!

صمَّمَ باحثون في مختبرِ MIT Media Lab تجربةً تسمى "آلة الأخلاق MORAL MACHINE" في عام 2014، وكانت غايةُ التجربة إنشاءَ منصّة شبيهة باللعبة من شأنِها أن تجمع القراراتِ التي يمكن أن يتَّخذها الناس عن كيفيةِ إعطاء السيارات ذاتية القيادة الأولويةَ في الحياة لِمن يعترض طريقّهم في أثناءِ العمل، وقد درست التجربة احتمالاتٍ مختلفة ووجهاتِ نظر متعددة لمعضلة (ترولي) الفلسفية أو ما يمكن  تسميتها (مسألةَ العربة)، وكان من المتوقَّع أن توفِّر بيانات تلك العملية رؤيةً ثاقبةً عن الأولويات الأخلاقية الجماعية من منظورِ ثقافات مختلفة.لم يتنبَّأ الباحثون آنذاك بالاستقبال الجماهيري الكبير لتجربتِهم، فبعد مرور أربع سنوات على إطلاقِ المنصّة؛ سجّل ملايين الأشخاص من (233 بلد وإقليم) 40 مليون قرار؛ ممَّا جعلها واحدةً من أكبرِ الدراسات التي أُجريت على الأولويات الأخلاقية العالمية.وتُقدِّم ورقة جديدة نُشرت في مجلةِ Nature تحليلًا لبياناتِ تلك التجربة، وتكشف مدى اختلاف الأخلاقيات بين الثقافات على أساسِ الثقافة والاقتصاد والموقع الجغرافي.تفترض مسألة العربة الكلاسيكية أنَّك تشاهد عربةً متحرّكةً تتابع طريقَها في إحدى السكك، ولكنَّها على وشكِ أن تضرب خمسةَ أشخاص وتقتلهم، ولا يوجد بين يديك الآن سوى رافعة لتغييرِ المسارات؛ إذا رفعتها سيتغيَّر سير العربة نحو سكَّة أخرى وتنقذ الأشخاصَ الخمسة، ولكنك ستقتل شخصًا آخر يمشي على تلك السكّة.. فماذا تختار؟! اعتمدت تجربة آلة الأخلاق في طيّاتِها على مسألةِ العربة تلك لاختبارِ تسع مقارنات مختلفة يمكن عن طريقِها تبيان استقطاب الناس، ونصَّت تلك المقارنات على ما يأتي: هل يجب على السيارة ذاتية القيادة أن تعطي أولويةَ الحياة للبشر أكثر من الحيوانات الأليفة.. ...

أكمل القراءة »

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.

بدأت الفكرة عندما أراد المدير التنفيذي لإحدى الشركات المالية الكبرى أن يبقى حيًّا إلى الأبد، فشعر صديقه حسين رنامة -وهو رائد أعمال وباحث في جامعةِ (رايرسون في تورينتو- إيطاليا) ومدرِّس في مختبرِالوسائط ( MIT )- أنَّه يستطيع تحقيقَ حلم صديقه؛ فأوجد صورة رقمية مماثلة لمديرِ الشركة ليكون ممثِّلًا عنه بعد وفاته، فإذا ما أرادت الإدارة إجراء صفقة ما -من بعده-  مع شركةٍ معيّنة تكون هذه الصورة بمثابةِ المستشار الرقمي لهم.بُنيَت هذه الصورة الرقمية عن طريقِ تقنيّات الذكاء الصنعي التي تحلِّل البياناتِ الشخصية والمراسلات المتعلّقة بالمدير التنفيذي الراحل مع الشركة المُراد عقد الصفقة معها، وتكتشف بعد التنقيب أنَّ المديرَ كان على علاقةٍ سيّئة مع إدارةِ الشركة مثلًا؛ ولذلك يقترح الممثِّل الرقمي التراجعَ عن عقدِ الصفقة عن طريقِ رسالة نصية .. شيء مدهش!...

أكمل القراءة »

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

يُعرَض على طفلة صورةٌ تحوي أشكالًا مختلفة، ويُطلب منها إيجادُ الدائرة الحمراء الكبيرة للوصول إلى الجواب، فتنجز الطفلة خطوات قليلة من التفكير: أوّلًا؛ البحث عن كلِّ الأشياء الكبيرة، ثمَّ العثور على الأشياء الكبيرة ذات اللون الأحمر. وأخيرًا؛ اختيار الشكل الأحمر الكبير الذي يمثِّل الدائرة.*نتعلَّم عن طريقِ العقل كيفيّةَ تفسير العالم؛ وكذلك تفعل الشبكات العصبونية. في الوقت الحالي؛ طوّر فريق من الباحثين من مختبرِ لينكولن في جامعة (MIT للذكاء وتقنيّات اتّخاذ القرار) شبكةً عصبونيةً تؤدّي خطوات تفكير شبيهة بالإنسان؛ للإجابة عن أسئلةٍ عن محتويات الصور...

أكمل القراءة »

مخدِّمات Google تبرد نفسها بنفسها.

اختبرت شركة جوجل على مدى العامين الماضيين خوارزمية لتكتشف أفضل طريقة لضبط أنظمة التبريد (المراوح والتهوية وغيرها من المعدات)؛ سعيًا منها لتقليل استهلاك الطاقة وقد نجحت بخفض الاستهلاك بنسبة 40% في أنظمة التبريد تلك.  أصبح استهلاك الطاقة من مراكز البيانات قضية مُلِّحة في مجال صناعة التقنية، وقد وَجد تقرير عام 2016 من باحثين في مختبر لورانس بيركلي القومي التابع لوزارة الطاقة الأمريكية أنَّ مراكز البيانات الأمريكية استهلكت قرابة 70 مليار كيلو وات ساعيّ عام 2014 أي قرابة 1.8% من إجمالي استهلاك الكهرباء على الصعيد الوطني؛ لكن الجهود المبذولة لتحسين كفاءة الطاقة كانت كبيرة.يوضح المشروع إمكانيات الذكاء الصنعي في إدارة البنية التحتية، ويظهر كيف يمكن لأنظمة الذكاء الصنعي المتقدمة أن تعمل بالتعاون مع البشر، وعلى الرَّغم من أن الخوارزمية تعمل عملًا مستقلًا؛ لكن هناك شخص يديرها ويمكن أن يتدخل إذا بدا له أن النظام يؤدي عملًا خطيرًا للغاية. تستغل الخوارزمية تقنيةً تُعرَف باسم التعليم المعزز Reinforcement Learning؛ إذ تتعلم بالتجربة والخطأ، وقَاد النهج نفسه باستخدام التعليم المعزز إلى AlphaGo (برنامج شركة DeepMind) الذي هزم بطل العالم الصيني ك جي عام 2017 في لعبة Go؛ فقد اكتسب البرنامج خبرته بدراسة المباريات السابقة واللعب ضد نفسه آلاف المرات.أدخلت شركة DeepMind معلومات الخوارزمية الجديدة التي جُمِعت من مراكز بيانات جوجل وسمحت لها بتحديد ضبط التبريد الملائم الذي من شأنه تقليل استهلاك الطاقة، وقد يستطيع هذا المشروع إدرار ملايين الدولارات من توفير الطاقة، وقد يساعد الشركة على خفض انبعاثات الكربون كما يقول جو كافا نائب رئيس مراكز البيانات لشركة جوجل.يقول كافا إن المديرين وثقوا في النظام السابق، وكان لديهم قليل من المخاوف فقط بشأن تفويض السيطرة للذكاء الصنعي على نحوٍ أكبر؛ إضافة إلى أنَّ النظام الجديد لديه ضوابط أمان لمنعه من فعل أي شيء له تأثير سلبي على التبريد، ويمكن لمدير مركز البيانات أن يتابع النظام في أثناء عمله والنظر إلى مستوى الثقة بالخوارزمية للتغييرات التي تريد إجراءها، والتدخل إذا بدا أنه يفعل شيئًا غير مرغوب فيه.يقول جوناثان كومومي أحد الخبراء العالميين في مجال استخدام الطاقة في مراكز البيانات: "يُعدُّ استخدام التعلم الآلي تطورًا مهمًا"؛ لكنه يضيف أن التبريد يمثل كمية صغيرة نسبيًّا من استخدام الطاقة في المركز أي قرابة 10%.يعتقد كومي أن استخدام التعلم الآلي لتحسين سلوك رقاقات الحاسوب المتعطشة للطاقة داخل مراكز البيانات قد يكون أكثر أهمية؛ فيقول: "أنا أتوق إلى رؤية جوجل واللاعبين الكبار الآخرين يطبقون هذه الأدوات لتحسين الأحمال الحاسوبية"، ويقول أيضًا: "الاحتمالات في جانب الحوسبة أكبر عشر مرات من التبريد".المصادر :1-هنا2-هنا3-هنا4-هنا5-هنا * إعداد: : Karam Alnafous* تدقيق علمي: : Mujeeba Haj Najeeb* تدقيق لغوي: : جهاد محمد* تدقيق لغوي ونشر: : Dima Yazji

أكمل القراءة »

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

طوَّر باحثان من جامعة بيتسبرغ نماذج مولِّدةً قادرةً على إنتاج وجوهٍ مُميَّزةٍ للإعلانات؛ إذ تستندُ دراستهم على عملٍ سابقٍ لهم يهتمُّ في استكشاف الطرائق الآلية لفهم الإعلانات على نحوٍ أفضل.وبحسب قول (كريستوفر توماس) Christopher Thomas -أحد الباحثَين اللذين أجريا الدراسة لشركةTech Xplore-؛ فإنَّ الغاية من مشروعهم السابق هو اكتشاف ما إذا كانت الآلات قادرةً على فكِّ رموز العبارات الخطابية المرئية والمُعقَّدةِ الموجودة في الإعلانات؛ إذ تتضمَّنُ الإعلانات استعاراتٍ وعباراتٍ تتَّسمُ بالتلاعُب اللفظيِّ وحِيلًا بلاغية مُنمَّقة ومُقنِّعة، ما يجعُلها صعبةَ الفَهمِ بالنسبة للآلات. ولكنْ تجاوزت غايتهم في المشروع الحالي فهمَ الحواسيبِ للإعلانات إلى الكشف عن قدرتها على التوليد الآلي مثل هذا المحتوى المُقّنِع.تتمثَّلُ المهمة الأساسية في صناعة الإعلانات في ترويجِ المُنتجات وإيصال الأفكارِ باستخدامِ كلامٍ جاذبٍ وصورٍ مُقنِّعةٍ. ...

أكمل القراءة »

كيف تمكَّن الذكاءُ الصنعي وتعلُّم الآلة من تحسينِ تجربةِ المستخدم؟

يسمح الذكاءُ الصنعي  هنا AI لأنظمةِ الحاسوب بالإدراك التلقائي وأداءِ بعض الوظائف التي كانت تتطلَّبُ التدخُّلَ البشريَّ سابقًا، ويوفِّرُ تعلُّمُ الآلة  ML هنا -وهو جزءٌ من الذكاءِ الصنعي- للأنظمةِ إمكانيَّةَ التعلُّمِ الذاتي والتطوِّر عن طريقِ الخبرة واتخاذ قرارات دون برمجتها كي تفعل ذلك، وقد تداخلتْ تلك التِّقنية الذكية مع مجالاتٍ عدة، وأضافت للبشرية تطبيقات كثيرةً كان لها دورٌ كبيرٌ في تحسين حياتنا اليومية.تأثيرُ الذكاءِ الصنعي في المستخدم:1- التسويقُ والتسوُّقُ الرقمي Digital Marketing & Digital Shopping:في بيئةٍ مؤسَّسيّة؛ تبدو مفهومات الذكاء الصنعي صغيرةً، ولكنها ذات أهميةٍ كبرى في مجالِ تحليلِ الأعمال؛ فقد أحدثَ الذكاءُ الصنعي عاصفةً في مشهدِ التجارة العالمي، وتفوّقت شركاتُ التسويق التجاري التي اعتمدت عليه بفارقٍ كبيرٍعن منافسيها؛ إذ حققت شركة Amazon زيادةً في المبيعات بنسبة 29٪ عندما استخدمت الذكاء الصنعي في اقتراحِ المنتجات التي قد يرغب عملاؤها بِشرائِها، وعندما أنشأت شركة Netflix نموذجًا للتنبؤِ بالأفلام التي قد يرغبُ العملاءُ بمشاهدتها؛ رأتْ أنَّ 75% من المستخدمين لديها أصبحوا يختارون الأفلامَ التي يودون مشاهدتها بناءً على مقترحات الشركة.2- المساعدونَ الشخصيون الأذكياء Smart Personal Assistants:تُعَدُّ تطبيقاتٌ مثل "أليكسا" و"سيري" و"كورتانا" تجسيدًا واقعيًّا لحالاتِ استخدام الذكاء الصنعي الداعم للمستخدم؛ إذ يمكننا القولُ بأنَّ هذه التطبيقاتِ المساعدة تتميزُ بمهاراتٍ تُمكّنها من تأدية مهمّاتٍ متوسطةِ التعقيد، وبفضلِ واجهة المستخدم البسيطة والواضحة؛ يتميزُ استخدام تلك التطبيقات المساعدة بالسهولة والسرعة سواءً أكان التحكم بها يجري عن طريقِ الأوامر الصوتية أو عن طريق روبوتاتِ الدردشة، ثمَّ إنَّ نطاق المهمات التي تفعلها يتّسعُ كلّما زُوِدَت ببياناتٍ أكثر؛ إذ أنها تتعلمُ طرح مزيدٍ من الأسئلة، وتقديمَ خدمةٍ أفضل.3- الموجِّه instructor:توجِّهُ التطبيقات الموجِّهةُ المستخدمَ نحو هدفٍ محدد؛ فتطبيقُ المِلاحةِ "ويز" Waze مثلًا هو برنامجُ ملاحةٍ تفاعليٌّ اجتماعيٌّ مجانيٌّ متوفرٌ في أغلب ِالهواتف المحمولة الذكية، وطبيعته التفاعلية هي مِيزته الأكثر أهميّة؛ إذ يتعلَّمُ من حركة سير مستخدمِيه؛ فعندما يقودون سياراتِهم في طريقٍ بسرعةٍ أقلّ من المعتاد؛ يدركُ التطبيقُ ذاتيًّا أنَّ الشارعَ مزدحمٌ فيتفادى توجيهَ المستخدمين الآخرين إلى الطريق نفسها في فترة الازدحام، وكذلك؛ يتعلم التطبيقُ الطرقاتَ الجديدة من مستخدميه؛ فتستطيعُ عند مروركَ -مثلًا- في طريقٍ غير مُسجَّلٍ في خريطة البرنامج تسجيلَ الطريقِ بلمسة زرّ، وسيرسلهُ البرنامجُ للمستخدمين كافّة، كذلك يُظهر البرنامج مركبات السائقين الآخرين في الخريطة، ويُمَكِّنكَ من إرسال رسائل نصيةٍ إليهم، ويُمكنّك من إرسالِ تنبيهاتٍ لمن هم بالقرب منك أيضًا في حالِ مرورك عبرَ اختناقاتٍ مروريةٍ أو بجانب حوادث سير، ولا بُدَّ من الإشارة هنا إلى أنَّ "ويز" يعتمدُ الذكاء الصنعي في تحديدِه الطريق الأفضل، ثمَّ إنَّهُ يتعلم أنماطَ القيادةِ المعتادةِ الخاصة بكلِّ مستخدم.4- البريدُ الإلكتروني email:يبدو البريد الإلكتروني الخاصُ بك وكأنَّهُ مكانٌ غيرُ محتملٍ لتدخُّلِ الذكاء الصنعي فيه؛ لكن تعمل ميزةَ فلترةِ البريد العشوائي باستخدام خوارزمياتٍ ذكية، لأنَّ فلترةَ الرسائلِ استنادًا إلى قواعدَ محددةٍ مسبقًا صعبةٌ جدًا؛ ذلكَ لأنه يمكن لمُرسِلي الرسائلَ غير المرغوب بها تحديثُ رسائلهم بسرعة على نحوٍ تُتَجنَّبُ فيه القواعدَ السابقة، وبدلًا من ذلك، وبواسطةِ تعلُّمِ الآلة؛ تتعلم فلاترُ البريد العشوائي spam filters باستمرارٍ من مجموعةٍ متنوعةٍ من المعلومات؛ مثل كلماتِ الرسالة والبيانات الوصفية لها (المكان الذي أُرسلت منه ومَنْ أرسلها .. وما إلى ذلك)، وتُضفي الطابعَ الشخصيَ للمستخدمِ على نتائجها استنادًا إلى تعريفه الخاص لما يمثِّلُ رسالةً غير مرغوبٍ بها؛ فربما تكون الرسائل الإلكترونية اليومية التي تصفُها أنتَ بأنها رسائلٌ غير مرغوبٍ بها موضعَ ترحيبٍ في البريد الوارد للآخرين، ومن الجدير ذكرهُ؛ يعمل Gmail على فلترة 99.9٪ من الرسائلِ غير المرغوبِ بها بنجاح؛ وذلك باستخدام خوارزميات تعلُّمِ الآلة .5- شبكاتُ التواصل الاجتماعيّ Social Networking:1-5- "فيسبوك" Facebook:عندَ تحميلِكَ صورة على تطبيقِ التواصل الاجتماعي "فيسبوك"؛ تحدِّدُ الخدمةُ الوجوهَ تلقائيًّا، وتقترحُ عليك أسماءَ الأصدقاءِ في الصورة، ولكن؛ كيفَ يمكن لـ "فيسبوك" أن يُحدِّدَ هذا على الفور؟يستخدمُ "فيسبوك" الذكاء الصنعي للتعرُّفِ إلى الوجوه، وهو يستخدم الذكاء الصنعي أيضًا لإضفاءِ طابعٍ شخصيٍّ على موجز الأخبار الخاص بك، وضمانِ أنَّكَ تشاهد المشاركات التي تُعدُّ مهمَّةً بالنّسبة إليك.2-5- "بينتريست" Pinterest:يَستخدم "بينتريست" الرؤيةَ الحاسوبيةَ والذكاء الصنعي على نحوٍ يُحدِّدُ بواسطتهِ الأغراضَِ في الصور تلقائيًّا؛ ليقترحَ التطبيق بعد ذلك صورًا مشابهةً على المستخدم، ويتضمَّنُ "بينتريست" تطبيقاتٍ لتعلُّمِ الآلة، ومن بينها منعُ الرسائلِ غير المرغوب بها والبحث والاستكشاف والتسويقُ عبرَ البريد الإلكتروني.3-5- "سناب شات" Snapchat:أدخلت "سناب شات" فلاترَ للوجه تسمّى العدسات Lenses في عام 2015، وتتبعُ هذه الفلاترُ حركاتِ الوجه؛ ممَّا يسمحُ للمستخدمين إضافةَ تأثيراتٍ متحركة أو أقنعة رقميَّةٍ يمكنُ ضبطها عندما تتحرك وجوههم، و تعملُ تلكَ التقنيَّة بالاعتماد على خوارزمياتِ تعلمِ الآلة الخاصَّة بتتبُّعِ الحركاتِ في الفيديو.ممَّا تقدَّم آنفًا؛ يمكننا القولُ: سيؤدي الذكاءَ الصنعيَ إلى موجةٍ جديدةٍ من تجارب المستخدم/العميل الأرقى والمبتكرة، وعلى الرغم من الفوائد الواضحة للذكاء الصنعي؛ يرى كثيرون أنَّ انتشارهُ يعني بالضرورةِ فقدانَ الوظائف، بل وحتى سيطرةَ الروبوتاتِ على العالم، ولكن لا شكَّ بأنَّ الذكاء الصنعي سيؤدي -كحالِ التقنيات الأخرى- إلى تحولٍ في نوع الوظائفِ التي سيؤديها البشر، وليسَ بالضرورة تسريحَ العمالةِ على نطاق واسع؛ سيُعادُ تدريبُ ذوي المهارات التي لم تعد مطلوبة؛ وبذلك  سيخلُق الذكاء الصنعي طلبًا على وظائفَ جديدةٍ مثل مدربي الذكاء الصنعي ومصممي نماذجِ تفاعلِ الآلة ومحلِّلي الأعمال الذين بإمكانهم ضمانُ الدمجِ السلسِ للذكاء الصنعي في الوظائف المختلفة.المصادر:1- هنا2- هنا3- هنا4- هنا * إعداد: : Nouha Hamami* تدقيق علمي: : Rami Batal* تدقيق لغوي: : Zain Marouf* تدقيق لغوي وتعديل الصورة ونشر: : Dima Yazji

أكمل القراءة »

ذكاء صنعي يُحاكي العين البشرية

تستخدم العديدُ من الأجهزة في حياتنا اليومية الكاميرات من أجل التعرف إلى الأشياء؛ كآلات صرف الشيكات القادرة على قراءة خطوط اليد ومعرفة كمية النقود المراد سحبها، أو مُحرِّكات البحث (مثل Google) التي تستطيع إيجاد صور مشابهة لصورة مُعيَّنة في قواعد البيانات الخاصة بها وبسرعة كبيرة. ...

أكمل القراءة »

مشط التردد الضوئي (الليزر)؛ هل هو مستقبل الاتصالات اللاسلكية؟

كشف الباحثون عن ظاهرة جديدة لأمواج التردد الليزري المتسلسلة الكمومية، والتي من شأنها أن تسمح للأجهزة بالعمل كمُرسلات أو مستقبلِات متكاملة على نحوٍ يمكنها من ترميز المعلومات بكفاءة، وتعتمدُ هذه الظاهرة  على أشعة ضوئية تنتمي لفئة أشباه النواقل، وتنبعث من الأجزاء الوسطى والعليا للأشعة تحت الحمراء في الطيف الكهرومغناطيسي، وتنتشر عن طريق انتقالات بين النطاقات الفرعيّة على هيئة مجموعات مكدَّسة مكررة من هذه الأشعة مضروبةً بالقيم الموجودة في مجال الطاقة الدنيا في الواجهة الفاصلة بين طبقات أو مناطق بلورات أشباه النواقل، وبهذه الطريقة تختلف عن شبيهاتها من أشباه النواقل، فضلًا عن أنها أحادية القطب، وعندما تعمل كأمشاط من الترددات -على هذا النحو-؛ فإنها تعمل تحت الضخ الكهربائي المباشر في كل من ترددات الأشعة تحت الحمراء المتوسطة و التيراهيرتز.جعل ارتفاع تدفّق البيانات من شبكات الخلوي والواي فاي Wi Fi من البحث عن طريقة لزيادة سعة الاتصالات اللاسلكية أمرًا ضروريّ؛ فيمنع -مستقبَلًا- حدوث أيّ اختناق غير مقبول في تدفق البيانات.وفي حين يعتمد الجميع على شبكات الجيل الخامس لتكون الحل؛ لكنّها -للأسف- ليست إلا حلا مؤقتَا للمشكلة، ولذلك قد ركز الباحثون في الآونة الأخيرة على ترددات التيراهيرتز؛ الموجات ذات الأطوال دون الميليمترية في الطيف الكهرومغناطيسي، وفي هذه الحالة؛ قد نتمكن بالفعل من زيادة قدرة تداول البيانات مائة مرة عن المستخدَم حاليًّا في شبكات الاتصال اللاسلكية.وفي عام 2017؛ اكتشفت مجموعة من العلماء من جامعة (Harvard John A. Paulson School of Engineering and Applied Science) اكتشافًا جديدًا؛ ينص على أنّ أمشاط الترددات في نطاق الأشعة تحت الحمراء لأمواج التردد الليزري المتسلسلة الكمومية قد يوفر طريقة جديدة لخلق ترددات التيراهيرتز، وكشف الباحثون مؤخرًا عن ظاهرة جديدة من التتالي الكمي لأمشاط التردد الضوئي، والتي من شأنها السّماح للأجهزة بالعمل كمُرسِلات أو مستقبلات متكاملة على نحوٍ يمكنها من ترميز المعلومات بكفاءة.ولقد نُشِر البحث بالفعل في المجلة العلمية Optica، وعقّب عليه فيديريكو كاباسو؛ أستاذ علم الفيزياء التطبيقي في  Robert L. Wallace ومن كبار الزملاء الباحثين في Vinton Hayes في مجال الهندسة الكهربائية وكبير مؤلفي البحث: "يمثل هذا العمل تحولًا كاملًا في الطريقة التي يمكن تشغيل الليزر بها".وذكر أيضا: "تحول هذه الظاهرة الجديدة (الليزر؛ جهاز يعمل بترددات ضوئية) إلى معدل إشارات متطور لتصل التغيرات في الترددات لحدود موجات الميكروويف، والتي لها أهمية تكنولوجية في الاستخدام الفعال لعرض النطاق الترددي في أنظمة الاتصالات."تستخدم أمشاط التردد على نطاق واسع وفي أدوات لقياس الترددات المختلفة وكشفها على نحوٍ عالي الدقة  - مثل الألوان - للضوء، وعلى عكس الليزر التقليدي -الذي يصدر ترددًا واحدًا-؛ تُصدر هذه الأنواع من الليزر ترددات متعددة في وقت واحد، ومتباعدة بالتساوي فتشبه أسنان المشط، واليوم؛ تُستخدم أمشاط التردد الضوئي في كل شيء؛ ابتداءً بقياس بصمات جزيئات محددة، وانتهاءً بكشف الكواكب البعيدة.على أية حال؛لم يكن البحث مهتما حقًّا بالإخراج الضوئي بأشعة الليزر؛ إذ قال ماركو بيكاردو؛ زميل ما بعد الدكتوراة في الأكاديمية وأوّل مؤلف للبحث الذي نُشِرْ: "كنا مهتمين بما يحدث داخل الليزر في البنية الهيكلية للإلكترون الليزري"، "أظهرنا و للمرّة الأولى بأن الليزر يعمل في الأطوال الموجية الضوئية كجهاز الميكروويف."وداخل الليزر؛ تتصادم الترددات المختلفة للضوء معًا لتوليد إشعاع الميكروويف؛ إذ اكتشف الباحثون أن الضوء داخل تجويف الليزر يتسبب في تأرجح الإلكترونات عند ترددات الميكروويف - التي تقع ضمن طيف الاتصالات، ويمكن توليد هذه التذبذبات خارجيًّا كي تُرمّز المعلومات على إشارة حاملة (Carrier Signal).وقال بيكاردو أيضا: " لم تظهر هذه الوظيفة في الليزر من قبل أبدًا"، "لقد أظهرنا أن الليزر يمكن أن يعمل بما يدعى التعديل الرباعي؛ ممّا يسمح بإرسال مجموعتين من المعلومات على نحوٍ متزامن عبر قناة أحاديّةِ التردد وتُسترجُ في الطرف الآخر من وصلة الاتصال على التتالي."وقال كاباسو: "حاليًّاح تعاني مصادر ذات ترددات التيراهيرتز من قيود خطيرة بسبب محدودية عرض النطاق الترددي."، "يفتح هذا الاكتشاف مظهرًا جديدًا تمامًا لأمشاط التردد، وقد يؤدي في المستقبل القريب إلى مصدر لترددات التيراهيرتز للاتصالات اللاسلكية".شارك في تأليف هذا البحث ديمتري كازاكوف (هارفارد) ونوح روبين (هارفارد) وبول شوفالييه (هارفارد)  ويونغروي وانغ (تكساس إيه أند إم) وفنغ شيه (ثورلاب) وكيفن لاسكولا (ثورلابس) وأليكسي بيلينين (تكساس إيه أند إم)...

أكمل القراءة »

مليون كتاب بحوزتك.. جهاز Kindle Paperwhite الجديد سيغير عاداتك في القراءة للأبد

هل ستتغير عادات القراءة لدينا للأبد؟ يبدو هذا السؤال مشروعاً الآن بفضل جهاز Kindle Paperwhite الجديد ، الذي طرحته أمازون مؤخراً. فقد قدَّمت أمازون سلسلة ناجحة من أجهزة Kindle لقراءة الكتب، ومع هذه النجاحات المتوالية، فإن جهاز Kindle Paperwhite الجديد يبدو إضافة حقيقية، قد تدفع لتغيير مفهومنا للقراءة، حسب تقرير ...

أكمل القراءة »