“جارتنر” تتوقع استخدام 80% من علماء البيانات للتعلم العميق بحلول 2019

 تتوقع مؤسسة الدراسات والأبحاث “جارتنر”، استخدام 80% من علماء البيانات للتعلم العميق في توفير التنبؤات الخاصة بمعدلات الطلب وممارسات الاحتيال وإمكانية فشل العمليات بحلول عام 2019.

ويُمثل التعلّم الآلي أحد مجالات بحوث تعلّم الآلات  machine learning، المحرك الرئيسي لعمليات التحول نحو الذكاء الاصطناعي  AI، كما يتفوق على مجالات تعلّم الآلات الأخرى في توفير قدرات متقدمة على دمج البيانات.

قال الكسندر ليندن، نائب رئيس الأبحاث في جارتنر: ” أن التعلّم العميق وُجد ليساعد على توسيع مجالات تعلّم الآلات من خلال السماح بتمثيل وسيط لبنية البيانات، ويمكن للتعلّم العميق بشكل أساسي أن يوفر الحلول للمشاكل المعقدة وتلك التي تتعلق ببيئات العمل الغنية بالبيانات”.

ويمكن للتعلّم العميق أن يقدم نتائج واعدة عندما يتعلق الأمر بتفسير الصور الطبية بهدف تشخيص أمراض السرطان في وقت مبكر، كما يمكن أن يساعد على تحسين قدرات الرؤية لدى أصحاب الإعاقات البصرية، ومراقبة المركبات ذاتية القيادة، أو التعرف على خطاب شخص معين وفهمه.

والتعلّم العميق يحصل على الفوائد والمزايا التي يمكن أن تقدمها مجالات التعلّم الآلي، والعديد من الإنجازات الكبيرة في المجالات المعرفية المتنوعة تثبت ذلك، فخدمات بايدو المتمثلة في تحويل الخطابات إلى نصوص مكتوبة تتفوق على البشر في مهام مماثلة.

وخدمة باي بال تستخدم التعلّم العميق باعتباره أفضل طريقة في فئتها لمنع المدفوعات الاحتيالية، وخفض معدل الإنذارات الكاذبة إلى النصف، فضلاً عن قيام شركة أمازون بتطبيق ممارسات التعلّم العميق لتقديم توصيات المنتجات الأفضل في فئتها.

ومعظم حالات استخدام تعلّم الآلات الشائعة التي تتم من خلال التعلّم العميق تركزaاليوم في معالجة الصور والنصوص والملفات الصوتية، لكنها تتجه على نحو متزايد أيضاً نحو التنبؤات الخاصة بمعدلات الطلب، وتحديد أوجه القصور المحيطة بجودة المنتجات والخدمات، والكشف عن أنواع جديدة من ممارسات الغش والاحتيال.

كما تساعد في تحليل البيانات أثناء نقلها واستخدامها، وتقديم حلول استباقية أو حتى حلول محددة ومناسبة للحفاظ على البيانات، لكن مع ذلك، تتطلب المبادرات الخاصة بتعلّم الآلات والذكاء الاصطناعي أكثر من مجرد بيانات لتكون ناجحة.