حالات الاستخدام العملية للذكاء الاصطناعي

ينقل هذا الموضوع مقرر الأساسيات من التعريفات إلى الحكم العملي. تعرف الآن ما الذكاء الاصطناعي وتعلم الآلة وكيف تتعلم النماذج، والسؤال التالي هو سؤال المهندس والمدير معاً: أمام مسألة عمل محددة، هل تعلم الآلة أداة صحيحة أصلاً، وإن كان كذلك فأي تقنية وأي خدمة وأي صنف من النماذج؟

يبني الموضوع سلسلة قرارات متصلة. يبدأ بقرار "نعم أو لا" المستند إلى التكلفة والعائد وإلى الفرق بين التنبؤ والنتيجة القاطعة، ثم ينزل خطوة خطوة حتى الاختيار بين نموذج تقليدي ونموذج أساسي. وهذه السلسلة نفسها هي ما يسبره بيان المهمة 1.2 في اختبار AIF-C01.

ما الذي يغطيه هذا الموضوع

• الأنماط الثلاثة التي يكسب فيها الذكاء الاصطناعي قيمته، والإشارات التي تقول إن قاعدة بسيطة أفضل من نموذج
• الانحدار والتصنيف والتجميع، وكيف يحسم شكلُ الجواب المطلوب اختيارَ التقنية
• مجالات التطبيق الواقعية: الرؤية الحاسوبية ومعالجة اللغة الطبيعية والتعرّف على الكلام وأنظمة التوصية وكشف الاحتيال والتنبؤ وقواعد المعرفة والذكاء الاصطناعي الوكيل
• طبقات خدمات AWS الثلاث، ووظيفة كل خدمة جاهزة مثل Comprehend وTranscribe وTranslate وPolly وLex وRekognition
• متى يتفوق نموذج تعلم آلة تقليدي على نموذج أساسي، بدافع قابلية التفسير والتنظيمات والتكلفة

لماذا هذا مهم

يزن هذا الموضوع 20% من المجال الأول، لكن أثره يتجاوز حصته من الأسئلة. معظم أسئلة الاختبار مبنية على حالات: تُوصف لك شركة وقيدٌ وهدف، ويُطلب منك اختيار النهج أو الخدمة. القدرة على قراءة الحالة وترجمتها إلى تقنية وخدمة هي المهارة التي تُختبر هنا، وتتكرر في مجالات الذكاء التوليدي والحوكمة لاحقاً.

يبني الموضوع أيضاً عادة مهنية أهم من الاختبار: أن ترفض تعلم الآلة حين لا يناسب. الفريق الذي يعرف متى يكتب قاعدة من ثلاثة أسطر بدل تدريب نموذج يوفّر أشهراً من العمل وميزانية صيانة مستمرة، وهو الحكم نفسه الذي يكافئه الاختبار في أسئلة التكلفة والعائد.