«غارتنر»: 80% من علماء البيانات يستخدمون التعلّم العميق بحلول 2018
أفادت مؤسسة الدراسات والأبحاث «غارتنر»، بأن 80% من علماء البيانات سيستخدمون التعلّم العميق في مجموعات أدواتهم الخاصة بحلول العام المقبل، متوقعة أن يلعب التعلّم العميق دوراً حاسماً في تقديم أداء لا مثيل له في توفير التنبؤات الخاصة بمعدلات الطلب وممارسات الاحتيال وإمكانية فشل العمليات بحلول عام 2019.
وقال نائب رئيس الأبحاث في «غارتنر»، ألكسندر ليندن، إنه «إذا كان هناك فريق عمل يمتلك فهماً جيداً للبيانات وخبرة كبيرة في التعامل مع قطاعات الأعمال، بالإضافة إلى القدرة على تفسير النواتج، فإنه على أتم الاستعداد لبدء التجارب الخاصة بتعلّم الآلات».
وأضاف ليندن أنه «من الواضح أن التعلّم العميق قد وجد ليبقى ويستمر، ويساعد على توسيع مجالات تعلّم الآلات، من خلال السماح بتمثيل وسيط لبنية البيانات»، مشيراً إلى أنه «يمكن للتعلّم العميق بشكل أساسي أن يوفر الحلول للمشكلات المعقدة وتلك التي تتعلق ببيئات العمل الغنية بالبيانات».
وأوضح أنه «على سبيل المثال، يمكن للتعلّم العميق أن يقدم نتائج واعدة عندما يتعلق الأمر بتفسير الصور الطبية بهدف تشخيص أمراض كالسرطان في وقت مبكر، كما يمكن أن يساعد على تحسين قدرات الرؤية لدى أصحاب الإعاقات البصرية، ومراقبة المركبات ذاتية القيادة، أو التعرف الى خطاب شخص معين وفهمه».
وذكر أن «التعلّم العميق يحصل على الفوائد والمزايا التي يمكن أن تقدمها مجالات التعلّم الآلي، حيث إن العديد من الإنجازات الكبيرة في المجالات المعرفية المتنوعة تثبت ذلك»، لافتاً إلى أن «خدمات (بايدو) المتمثلة في تحويل الخطابات إلى نصوص مكتوبة تتفوق على البشر في مهام مماثلة، كما أن خدمة (باي بال) تستخدم التعلّم العميق باعتباره أفضل طريقة في فئتها لمنع المدفوعات الاحتيالية، وخفض معدل الإنذارات الكاذبة إلى النصف، فضلاً عن تطبيق شركة (أمازون) ممارسات التعلّم العميق لتقديم توصيات المنتجات الأفضل في فئتها».
وبيّن ليندن أن «معظم حالات استخدام تعلّم الآلات الشائعة التي تتم من خلال التعلّم العميق تتركز اليوم 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، فضلاً عن تحليل البيانات أثناء نقلها واستخدامها، وتقديم حلول استباقية أو حتى حلول محددة ومناسبة للحفاظ على البيانات».
وتابع أنه «مع ذلك، تتطلب المبادرات الخاصة بتعلّم الآلات والذكاء الاصطناعي أكثر من مجرد بيانات أو خوارزميات رياضية لتكون ناجحة، فهي بحاجة إلى مزيج من المهارات والبنى التحتية، فضلاً عن ضرورة الإقبال عليها من قطاعات الأعمال المختلفة».
وأشار ليندن إلى أن «معظم الشركات تفتقر إلى المهارات الخاصة بعلم البيانات واللازمة لتنفيذ أبسط حلول تعلّم الآلات، علاوة على التعلّم العميق»، مضيفاً أنه «إذا لم يكن بمقدور الشركات التعامل مع المشروعات الخاصة بتعلّم الآلات من خلال تطبيقات سهلة الاستخدام، فيجب على قادة تكنولوجيا المعلومات إيجاد الكفاءات المناسبة للتعامل مع مجالات تعلّم الآلات الواسعة».