كيف تستخدم المؤسسات الذكاءَ الاصطناعيّ
تبحث جمعية فراونهوفر في استخدام الذكاء الاصطناعي، وتُركِّز على التطبيقات وتهدف إلى مساعدة الاقتصاد.
ما الذي يستطيع الذكاءُ الاصطناعيُّ فعله بشكلٍ أفضل من الإنسان؟ يقول الأستاذ توماس راوشينباخ، مدير فرع هندسة النظم التطبيقية في معهد فراونهوفر للإلكترونيات وتقنيات النظم واستخدام الصور: "الدماغُ البشريُّ جيدٌ للغاية في التعرُّف على الأنماط. يمكنك، على سبيل المثال، التمييز بين فنجان قهوة وكوب من الماء دون بذل الكثير من الجهد، غير أنه يصعب التعرف على الأنماط فيما يُسمَّى بالبيانات الكلية، والمعروفة أيضًا باسم 'البيانات الضخمة'. وهنا قد يتفوق الذكاءُ الاصطناعيُّ على البشر". وتسعى جمعية فراونهوفر إلى النظر في كيفية استفادة الصناعة من ذلك. وهي المنظمة الرائدة في مجال الأبحاث التطبيقية، ليس فقط في ألمانيا، بل في جميع أنحاء العالم، بما لديها من 30,000 موظف تقريبًا.
ستتعرف هنا على ثلاثة مشروعات للذكاء الاصطناعي من جمعية فراونهوفر من أجل الصناعة:
ريمورا – متطلبات وأساس استخدام الذكاء الاصطناعيّ
يصطدم استخدامُ الذكاء الاصطناعيّ في الشركات بالعديد من العقبات، مثل أنظمة وآلات مختلفة العمر من شركات صانعة مختلفة، حيثُ "تتحدث" غالبًا الكثير من اللغات المختلفة وتخزّن البيانات في تنسيقات وقواعد مختلفة ومتباينة. ويُفترض أن يكون مشروع ريمورا REMORA (التسليم المستمر المؤتمت متعدد المراحل لتطوير البرامج والخدمات التي تعتمد على الذكاء الاصطناعي في الصناعة 4.0) إطارًا مفتوحًا ومحايدًا من الناحية التكنولوجية لتمكين جميع الأنظمة في شركةٍ ما من التواصل بعضها مع بعض ومن ثمَّ تمكين الاستخدام الشامل للذكاء الاصطناعيّ.
مراقبة الحالة والصيانة المسبقة – الحفاظ على عمل الآلات
تستخدم "مراقبة الحالة" أدنى تغييرات في سلسلة البيانات للقيم المقاسة - مثل صوت الآلة - من أجل اكتشاف المشكلات الأولية في مصانع الإنتاج في أثناء التشغيل، مثل التآكل أو الأعطال. وتصنفها وتبدأ في إطلاق استجابات. وتتوقع "الصيانة التنبؤية" الأعطال والتآكل في الآلات - كلٍ على حدة - أو ساحات المصنع بالكامل، وذلك اعتمادًا على تحليل سلاسل البيانات. ويتيح ذلك التخطيطَ الدقيق للخدمة والصيانة. ويقل بذلك زمنُ التوقف وتتسارع عملية استكشاف الأخطاء وإصلاحها.
"الذكاء الاصطناعي القابل للتفسير" (XAI) – كيف يصل الذكاء الاصطناعي إلى نتائجه
هل هنالك جوانب سلبية أيضًا للذكاء الاصطناعي في الصناعة؟ يقول توماس راوشينباخ في هذا الصدد: "يتمثل التحدي الكبير في استخدام بعض تقنيات التعلم العميق في عدم قدرتنا على فهم نتائج الذكاء الاصطناعي بوضوح". من خلال التقييمات الإحصائية، يمكن تفسير النتائج بشكل قاطع، لكن الأمر يختلف مع الخوارزميات ذاتية التعلم الأكثر تعقيدًا. ويضيف راوشينباخ قائلاً: "ما يتم في عملية الذكاء الاصطناعي يشبه كثيرًا الصندوقَ الأسود. إذا لم تنجح نتيجةٌ ما، فمن الصعب أن نفهم لماذا". ولذلك، يعد "الذكاء الاصطناعي القابل للتفسير" (XAI) موضوعًا مهمًا للبحث في جمعية فراونهوفر. ويُتوقع أن يوضِّح كيف يصل الذكاء الاصطناعي إلى نتائجه بصورة شفافة ومفهومة.
هل ترغب في الحصول على معلومات منتظمة عن ألمانيا؟ كيفية تسجيل الدخول:
