في السنوات القليلة الماضية ، تمت مناقشة موضوع الذكاء الاصطناعي بنشاط ، حيث أن أحد مناهج دراسته يكتسب زخمًا نشطًا بين الشركات الكبيرة. هذا النهج هو الشبكات العصبية. في الآونة الأخيرة ، قبل حوالي عام ، كان يمكن سماع هذه الكلمة من كل مكان. نعتبر اليوم تاريخ دراسة الذكاء الاصطناعي من قبل البشرية (اتضح أنه قد مضى عليه 2000 عام تقريبًا) وحقائق اليوم.
مؤلفو هذا المقال هم الرجال من Jedium. أعطيهم الكلمة.مقدمة
في الواقع ، بفضل نمو قوة الحوسبة في أجهزة الكمبيوتر التقليدية ، أصبح من السهل المشاركة في الذكاء الاصطناعي على مستوى البرامج. إلى الحد الذي تم فيه نشر مقالات حول كيفية "كتابة" شبكتك العصبية بأقل قدر من المعرفة بالبرمجة على مصادر شعبية لتكنولوجيا المعلومات. ومع ذلك ، قبل الخوض في دراسة شركتنا في هذا المجال ، نود أن نخبرك بخلفية بسيطة.
الذكاء الاصطناعي ليس اكتشافًا للقرن الحادي والعشرين
بدأ التطور السريع لهذه الصناعة قبل عدة سنوات ، ولكن قبل ذلك ، كانت البشرية تدرس الذكاء الاصطناعي منذ آلاف السنين. بدءا من أرسطو وديكارت وتنتهي مع جون فون نيومان سيئ السمعة. قدم هذا الأخير مساهمة كبيرة في تطوير منطق الكمبيوتر الحديث. هناك الكثير من العلماء الذين درسوا هذا المجال. سيستغرق الوصف الكامل لتاريخ الذكاء الاصطناعي أكثر من سلسلة من المقالات مع نصوص طويلة وتفسيرات. الهدف من خلفية علم الذكاء الاصطناعي هو نقل بضع نقاط ستكون مهمة في فهم ما يفعله Jedium.
في الثلاثينيات من القرن الماضي كان هناك طفرة في الاهتمام بدراسة الذكاء الاصطناعي. حقق العلماء الذين لديهم مناهج مختلفة لدراسة الذكاء الاصطناعي نتائج ممتازة ، ونازعوا نظريات بعضهم البعض وأثبتوا نظريات جديدة. لذلك ، على سبيل المثال ، في ذلك الوقت ، تم اختراع اختبار تورينج ، والذي يفترض أنه في محادثة مع محاورين لا يمكن لشخص أن يميز الذكاء الاصطناعي عن شخص آخر (من المفترض أن يتم إجراء المحادثة باستخدام محطة كمبيوتر لاستبعاد تأثير الصوت والمظهر والصفات التشهيرية المماثلة ) ، ثم لدينا AI كامل. الشيء الأكثر إثارة للاهتمام هو أنه بمجرد اجتياز الاختبار. ونتيجة لذلك ، أصبحت أعمال تورينج قاعدة أساسية للمعرفة حول أنظمة الكمبيوتر ، والتي ، بناءً على بيانات الإدخال ، تخلق البديهيات الخاصة بها (الأحكام التي لا تتطلب دليلاً). بفضل البديهيات ، يمكن للأنظمة استخلاص استنتاجات حول طلبات محددة من المستخدم أو عمل تنبؤات بدقة مذهلة للغاية. في عصرنا ، أصبحت هذه الأنظمة تسمى الشبكات العصبية.
هناك العديد من الأساليب لدراسة الذكاء الاصطناعي ، ولكن من الجدير تسليط الضوء على اثنين على الأقل - مع دلالات معينة وبدونها. إما أن نكتب المنطق ، أو نكتب برنامجًا حاسوبيًا عالي التحميل ، أي شبكة عصبية. ومع ذلك ، بعد نهاية الأربعينيات من القرن الماضي وحتى الوقت الحاضر ، لم يلاحظ أي اختراقات كبيرة في مجال الذكاء الاصطناعي. كان هناك "شتاء" - انخفاض الاهتمام بدراسة الذكاء الاصطناعي. كان هذا بسبب نقص القدرة الحاسوبية لبناء شبكات عصبية قوية ، وتبين أن النهج من الجانب المنطقي كان صعبًا للغاية وأظهر نتائج مخيبة للآمال.
قبل بضع سنوات ، بدأت القوة الحاسوبية تكفي لبناء شبكات عصبية قوية للغاية. ومع ذلك ، يكتسب الاهتمام بهم بين الناس العاديين اتجاهًا سلبيًا ، بينما يستمر التدريب بين المتخصصين على العكس. حتى أنه يستحق الحجز - بدأت الشبكات العصبية في اكتساب خاصية الأشياء اليومية والحياة اليومية بشكل متزايد. المساعدين الصوتيين في أدواتك ، ورؤية الماكينة ، التي تستخدمها مرة أخرى لمسح المستندات ضوئيًا باستخدام هاتفك الذكي ومحرر الصور والعديد من الأمثلة الأخرى. اعتاد الناس على ذلك و "تأثير نجاح باهر" يزداد صعوبة وأصعب. لذلك ، هناك أطروحة مفادها أن تطوير الشبكات العصبية لن يتحرك بسرعة خلال المستقبل القريب ، وبعبارة أخرى ، سيأتي "شتاء" جديد.
ولكن على الرغم من أن العمل على دراسة الذكاء الاصطناعي في الشركات لا يتوقف ، فإن الصناعة لديها مشاكل خطيرة تعوق البحث المنتج في هذا المجال.
على سبيل المثال ، نقص البيانات لتدريب الشبكات العصبية. من خلال دراسة هذا الاستنتاج وطرح السؤال "من أين يمكننا الحصول على البيانات؟" ، وجدنا نهجًا مثيرًا للاهتمام يمكن أن يكون الحل للمشكلة.
مثال حي
يقوم الرجال من Jedium بإنشاء منصة تقيس وتبسط تطوير تطبيقات VR / AR ، بالإضافة إلى إنشاء أنظمة تدريب. أثناء العمل في هذا المجال ، اكتشفوا دراسات مثيرة للاهتمام حول ما يسمى "المعرفة الخفية". المعرفة الخفية هي مهارة يمتلكها شخص ولكن ليس لديه شخص آخر. يمكن لأي شخص لديه معرفة خفية مشاركتها. المشكلة كلها تكمن في الاسم - يتم إخفاء هذه المهارات ، وحتى يتم إخبار الشخص عنها ، لا يعرف أنه يمتلكها.
المعرفة الخفية هي أساس التعلم الاجتماعي. إذا كانت هناك معرفة يمكن أن يقدمها أحد الطلاب لطلاب آخرين ، فسيتم تقليل الحمل على المعلم. لم يختبر أحد هذه الأطروحة حتى الآن عمليًا - لا توجد أنظمة برمجيات متخصصة. تتحرك الشركة في هذا الاتجاه. هناك بيئة افتراضية يمكنك فيها إعادة تهيئة شروط تسجيل المعرفة المخفية ، ثم استخدامها لنقلها إلى طلاب آخرين.
ولكن للاستفادة من المعرفة الخفية ، وببساطة لخلق بيئة تعليمية فعالة ، تحتاج إلى عناصر قوية بما يكفي من الذكاء الاصطناعي. على سبيل المثال ، لبناء تعلم فردي حقًا (التعلم المخصص) ، استنادًا إلى الفجوات في المعرفة وتفضيلات كل منهم. وهذا يتطلب خوارزميات تحليل بيانات فعالة ، في الحقائق الحديثة - الشبكات العصبية المدربة.
التعلم الإلكتروني الحديث
إنشاء نظام تعليمي حديث عبر الإنترنت ، يجدر أيضًا مراعاة الاتجاهات الحديثة ، وهناك العديد منها ، وغالبًا ما يكون من الصعب التمييز بين الحدود:
- الانتقال من التعلم "مع مدرس في المركز" إلى التعلم "مع طالب في المركز". لبعض الوقت ، تم النظر في نموذج كلاسيكي حصري في أنظمة التعلم عبر الإنترنت - "المعلم يخبر الطلاب بشيء ما". في الوقت نفسه ، ليس من المهم للغاية استخدام الوسائل التقنية المحددة ، سواء كانت LMS الحديثة وأدوات لإنشاء محتوى تعليمي أو مجرد عروض تقديمية مرسلة للطلاب. الآن هناك رأي عام بأن تركيز نظام التدريب لا ينبغي أن يكون المعلم ، ولكن الطالب ، يتلقى المعرفة من مصادر متنوعة وتشكيل صورته الخاصة للعالم ؛
- اتصال غير متزامن / متزامن. هذه مشكلة أصغر قليلاً من الناحية الفنية ، حيث لا يوجد نقص في أدوات الاتصال المباشر عن بعد. يبدو لنا مشكلة أكبر بكثير الاستخدام الصحيح لهذه الأدوات ، وخاصة في سياق التخطيط للتدريب بشكل عام. على الرغم من حقيقة أن مفهوم التعلم الممزوج (التعلم المخلوط) ليس جديدًا على الإطلاق ، إلا أننا غالبًا ما صادفنا مواقف حيث كان التواصل المباشر والدورة التدريبية نفسها منفصلان عن بعضهما البعض ، ولا يتحدان في نظام واحد. إذا تحدثنا عن طرق التعلم الاجتماعي ، فقد طوروا عمومًا وقتًا طويلاً "خارج التيار الرئيسي" ، والذي ، بالطبع ، خلق عددًا من المنتجات المثيرة للاهتمام مثل منتدى المعرفة ، لكنه ترك السؤال مفتوحًا حول كيفية الجمع بين هذه الأساليب مع تلك المقبولة بشكل عام.
- النماذج البنائية والاتصالية. مرة أخرى ، يبدو كلاهما مثيرًا للاهتمام للغاية مع كل ما سبق ، لكننا نعتقد أنه لم يتم العثور على أنماط مشتركة لتطبيقهم وتنفيذهم في منتج البرنامج (على الرغم من حقيقة أن كل هذا بالنسبة إلى LMS / LCMS التقليدية ، كل هذا بالفعل موجود منذ وقت طويل).
- المحاكاة والألعاب الجادة وألعاب لعب الأدوار. في العديد من المجالات ، تعتبر هذه الأنواع من التدريب الأفضل. ولكن في نفس الوقت ، لفترة طويلة كانوا بعيدين إلى حد ما عن أنظمة التدريب ككل - لم تساهم المعايير ولا ممارسات التطبيق في ذلك. الآن ، مع الانتقال من AICC / SCORM إلى xAPI ، هناك فرصة واضحة إلى حد ما لدمجها في التدريب ، ولكن مرة أخرى ، لا توجد أنماط أو أفضل الممارسات.
أثناء إنشاء منصتنا ، بحثنا عن نُهج لحل بعض هذه المشاكل ، أثناء محاولة إيجاد حل ليس نظريًا ، ولكن في منتج برمجي محدد للغاية بقدرات معينة. نعتقد أن هذا كان ممكنًا جزئيًا ، ولكننا نرى أيضًا أن جزءًا كبيرًا من هذه المشاكل يتطلب مزيدًا من التطوير للمنصة وتحليل عملها. نود أن نتحدث أكثر عن هذا في المقالات المستقبلية.
توسيع حدود الذكاء
مهمتنا هي توسيع حدود التطور الفكري ، وإثراء المعرفة الاجتماعية للناس بالتقدم التكنولوجي.
تطورت نظرية تعليم الناس منذ فترة طويلة بمعزل عن التقدم التكنولوجي. هدفنا هو محو هذا الحاجز من خلال تحقيق التآزر في العمل المشترك للذكاء البشري والآلي.
وأن نفهم في هذه العملية ما يحدث بالفعل.
المؤلفين
Jedium هي شركة شريكة لشركة Microsoft تعمل في مجال الواقع الافتراضي المعزز والذكاء الاصطناعي. وضعت Jedium إطار عمل لتبسيط تطوير المشاريع المعقدة على الوحدة ، جزء منها متاح للجمهور
على GitHub . تخطط Jedium لتجديد المستودع بوحدات إطار عمل جديدة ، بالإضافة إلى حلول تكامل مع Microsoft Azure.
Vitaliy Chashchin - مطور برامج مع أكثر من 10 سنوات من الخبرة في تصميم وتنفيذ تطبيقات خادم العميل ثلاثية الأبعاد - من المفهوم إلى التنفيذ الكامل والتكامل بين التطبيقات والحلول في مجال الواقع الافتراضي. مهندس النظم Jedium LLC ، ماجستير في تكنولوجيا المعلومات.
أليكسي سارافانوفMarketing Manager في Jedium LLC.
سيرجي كودريافتسيفالرئيس التنفيذي ومؤسس Jedium LLC.