في ظل التطور التكنولوجي المتسارع، أصبح الذكاء الاصطناعي جزءًا أساسيًا من مكونات العديد من المشاريع، ولا سيما التقنية والعلمية. لكن هذه الحقيقة لم تمنع تردد عدد من التساؤلات بين رواد الأعمال، ولعل أهمها هو: هل يمكن لاستخدام الذكاء الاصطناعي أن يصيب المشاريع ببطء في النمو؟
“رواد الأعمال” يناقش في هذه السطور تفاصيل هذا السؤال، ليلقي الضوء على العوامل التي قد تؤدي إلى بطء في المشاريع جراء استخدام الذكاء الاصطناعي. وكيفية التغلب عليها، وفقا لما ذكره موقع” tdg-global”.
عوامل تباطؤ المشروعات بسبب الذكاء الاصطناعي
يمكن إيجاز أهم عوامل إصابة المشروعات بالبطء في النمو، جراء استخدام الذكاء الاصطناعي في العناصر التالية:
التعقيد في التكامل والضبط
يتطلب دمج الذكاء الاصطناعي في المشاريع جهدًا كبيرًا لضبط النماذج وتدريبها. كما قد تحتاج النماذج إلى تكرار متعدد لتحقيق الدقة المطلوبة، مما يستهلك وقتًا إضافيًا.
الحاجة إلى بيانات ضخمة وجودة عالية
يعتمد الذكاء الاصطناعي على البيانات، فإذا كانت كميتها غير كافية، أو غير دقيقة، فقد يؤدي ذلك إلى تأخر المشروع. كما أن عملية جمع البيانات وتنظيمها قد تستغرق وقتًا أطول من المتوقع.
تحديات التقنية والأداء
في الوقت ذاته فإن بعض نماذج الذكاء الاصطناعي تحتاج إلى قوة حاسوبية عالية، مما قد يسبب البطء في المعالجة. إذا لم تكن البنية التحتية كافية.
وفي الوقت ذاته فإن الأخطاء البرمجية، وعدم كفاءة الخوارزميات، قد تؤديان إلى إعادة العمل من البداية.
الاعتماد المفرط على الذكاء الاصطناعي
في بعض الأحيان، يعتمد فريق العمل على الذكاء الاصطناعي بشكل مفرط، مما يؤدي لبطء العمل. لا سيما إذا كانت الحلول التقليدية أسرع. بالإضافة إلى أن الحاجة إلى مراجعة مخرجات الذكاء الاصطناعي يدويًا، تضيف وقتًا إضافيًا.
كيف يمكن تجنب بطء المشروعات بسبب الذكاء الاصطناعي؟
يمكن اتخاذ بعض الخطوات السهلة، التي تعزز من سرعة المشروع، وتقلل من تأثير استخدام الذكاء الاصطناعي فيما يتعلق ببطء النمو، ومن ذلك ما يلي:
التخطيط الجيد ووضع أهداف واقعية
تحديد نطاق واضح للمشروع، واختيار نماذج AI مناسبة للاحتياجات. وكذلك تقسيم المشروع إلى مراحل قصيرة (Agile Methodology) يجنبك التأخير الطويل.
تحسين جودة البيانات والبنية التحتية
كما أن استخدام أدوات تنظيف البيانات الآلية لتسريع العملية، والاستفادة من الحوسبة السحابية، يعززان قوة المعالجة عند الحاجة.
التوازن بين الذكاء الاصطناعي والحلول التقليدية
عدم الاعتماد الكلي على AI، واستخدامه فقط في المجالات التي يقدم فيها قيمة مضافة. مع دمجه في الأنظمة الأحرى لتحسين الكفاءة، يعزز من سرعة نمو المشروعات.
المراجعة المستمرة والتطوير التكراري
اختبار النماذج على نطاق صغير قبل التوسع في استخدامها. بالإضافة إلى جمع ملاحظات المستخدمين بسرعة، لتحسين الأداء، يقود لنتائج أفضل.
أمثلة لمشاريع تأثرت بالذكاء الاصطناعي
مشاريع تأخرت بسبب AI
بعض الشركات التي حاولت تطوير روبوتات خدمة عملاء واجهت صعوبات في فهم اللغة الطبيعية، مما أدى إلى تأخير الإطلاق. وأيضا فإن مشاريع التعلم الآلي للتشخيص الطبي، تطلبت سنوات من التدقيق بسبب مخاطر الأخطاء.
مشاريع استفادت من الذكاء الاصطناعي لتسريع العمل
في المقابل هناك مشاريع استفادت من استخدام AI في اختبار البرمجيات، مما أدى إلى خفض وقت التطوير بنسبة 40% في بعض الشركات. كما حسّنت أنظمة التوصية في التجارة الإلكترونية من المبيعات، دون الحاجة إلى جهد بشري كبير.
نشأة الجدل
وتم إحياء النقاش حول تباطؤ المشاريع بسبب AI من خلال رؤى قادة الصناعة، وتقارير حديثة، حيث كان “يان ليكن”، الأستاذ في جامعة نيويورك، وكبير علماء الذكاء الاصطناعي داخل “ميتا بلاتفورمز”، صريحًا بشأن قيود أنظمة الذكاء الاصطناعي الحالية، موضحا أنه على الرغم من التطورات الرائعة، فلا يزال الذكاء الاصطناعي “أغبى من القطة”. فيما يتعلق بالذكاء العام، والقدرة على التكيف.
بالإضافة إلى هذا، ذكرت مقالة في “ذا إنفورميشن”، بقلم “ستيفاني بالازولو وإيرين وو”، و”أمير إفراتي”، جاءت تحت عنوان: “OpenAI تغير استراتيجيتها مع تباطؤ معدل تحسينات الذكاء الاصطناعي GPT”، أن “OpenAI” تشهد نهضة في مكاسب الأداء مع نموذجها المسمى داخليًا بـ”أوريون”، (GPT-5)”، وفي حين أن أوريون يظهر تحسينات عن أسلافه، لكن القفزة في أدائه ليست كبيرة”.
أسباب تباطؤ في تقدم الذكاء الاصطناعي
تسهم عدة عوامل في تصور تباطؤ تقدم AI وهي:
تناقص العوائد من التوسع:
لم تعد مجرد زيادة حجم النموذج، وبيانات التدريب، يحقق مكاسب في الأداء، إذ تبدو التحسينات من GPT-4 إلى أوريون تدريجية وليست تحويلية.
تشبع البيانات:
استهلكت نماذج اللغة الكبيرة بشكل فعال معظم بيانات النص عالية الجودة المتاحة على الإنترنت، وأصبح الوصول إلى مجموعات بيانات جديدة ومتنوعة وعالية الجودة، تحديًا مكلفًا بشكل متزايد.
القيود الاقتصادية والحسابية:
يتطلب تدريب النماذج الأكبر موارد حسابية كبيرة، واستثمارات مالية ضخمة. مما يؤدي إلى تساؤلات حول استدامة وجدوى هذا النهج.
المشهد الأوسع للذكاء الاصطناعي
في حين أن التباطؤ هو الأكثر وضوحًا في نماذج اللغة الكبيرة، تستمر مجالات AI الأخرى في التقدم بسرعة:
توليد الصور والفيديو:
تستفيد هذه المجالات من وفرة البيانات، لذا فقد أظهرت تقدمًا كبيرًا، مما يشير إلى أن توافر البيانات يلعب دورًا حاسمًا في تطوير الذكاء الاصطناعي.
تطبيقات AI المتخصصة:
كما تحقق مجالات، مثل: القيادة الذاتية، والروبوتات، والتشخيص الطبي، قفزات كبيرة من خلال الابتكارات الخاصة بالمجال.
الموازنة بين التفاؤل والواقعية
ويقدم الوضع الحالي لـAI صورة مختلطة، بين الرؤية المتفائلة، والتحول نحو توسيع نطاق الاستدلال ونماذجه باعتبار ذلك تطور طبيعي يفتح مسارات جديدة ليصبح الـAI أكثر ذكاءً وتنوعًا. وبين المنظور الحذر، إذ يعد إدراك قيود الأساليب الحالية أمرًا ضروريًا لوضع توقعات واقعية، والتركيز على التطورات المستدامة طويلة الأجل.
