إذن، الذكاء الاصطناعي 2.0 موجود الآن بالفعل، وإذا كنت تنتظر الموجة الثانية لتصل، فأنت بالفعل جزء منها. نحن نراقب انتقال الذكاء الاصطناعي من المختبرات إلى تطبيقات الأعمال الفعلية عبر جميع القطاعات. نعم، تحصل شركة إنفيديا على كل العناوين كموفر للرقاقات، لكن بصراحة، هم مجرد قطعة واحدة من لغز أكبر بكثير.

المسألة هي أن الذكاء الاصطناعي ليس شيئًا واحدًا موحدًا. هناك أنواع متعددة من الذكاء الاصطناعي تظهر في الوقت نفسه، وليس كلها تعمل بنفس الطريقة. معظمها سيُدمج في النهاية معًا، لكن ذلك سيستغرق وقتًا. لهذا السبب بالذات، تعتبر هذه فرصة جيل كامل - نحن نتحدث عن عقود من التطوير في المستقبل، وليس مجرد بضع سنوات.

شبكات التحويل (Transformer networks) تستهلك معظم الاهتمام الآن، ولسبب وجيه. هذه النماذج الضخمة المدربة مسبقًا يمكنها التعامل مع مهام متعددة في وقت واحد، فهم اللغة، قراءة الشفرات، توليد المحتوى - أدوات مثل ChatGPT وأمثالها هي الأمثلة الواضحة التي يعرفها الجميع. إنها أكثر كفاءة بكثير من النماذج القديمة المستقلة التي كانت تؤدي نفس العمل. البنية التحتية الحقيقية هنا يتم بناؤها بواسطة الشركات العملاقة - أمازون ويب سيرفيسز، جوجل، آي بي إم، مايكروسوفت. هذه الشركات تستضيف السحابة، وهنا يعيش الذكاء الاصطناعي في الوقت الحالي. لعب البنية التحتية السحابية سيستمر في النمو.

ثم هناك البيانات الاصطناعية، وهو أمر غريب نوعًا ما عندما تفكر فيه. شركات الذكاء الاصطناعي تحتاج إلى كميات هائلة من البيانات لتدريب نماذجها، لكن الحصول على تلك البيانات بتكاليف معقولة أصبح أكثر صعوبة. المخاوف المتعلقة بالخصوصية تدفع الصناعة نحو استخدام البيانات التي تولدها الذكاء الاصطناعي لتدريب أنظمة ذكاء اصطناعي أخرى. شركات القيادة الذاتية، والخدمات المالية، والتأمين، والصناعات الدوائية - كلها تستخدم البيانات الاصطناعية الآن. وعندما تجمع ذلك مع تقنيات الرؤية الحاسوبية من شركات مثل أمباريللا، فإنك تحول بيانات الرقائق الخام إلى رؤى فعلية.

التعلم المعزز يأخذ الأمر أبعد من ذلك. أنت تستخدم تدفقات بيانات متعددة معززة بالبيانات الاصطناعية لتحسين كيفية عمل التصنيع والروبوتات. شركات مثل روكويل أوتوميشين، وزيبرا تكنولوجيز، وأوتيونو سركيول، ويوآباث تتخذ خطوات جدية هنا. منصة الأتمتة من يوآباث تعتبر دراسة حالة مثالية - كانت أوبر غارقة في التعقيد التشغيلي لكنها تمكنت من إعادة التركيز من خلال تطبيق الروبوتات الرقمية من يوآباث عبر أعمالها.

طبقة الاتصال هي التعلم الاتحادي - بشكل أساسي كيف تتواصل جميع نماذج الذكاء الاصطناعي هذه مع بعضها البعض وتشارك البيانات. جوجل ومايكروسوفت يقودان هنا، لكن أوراكل وأدوبي لاعبان حاسمان أيضًا. أدوبي مثيرة للاهتمام لأنها واجهتها موجودة في كل مكان على الإنترنت، مما يجعلها أساسية لكيفية نشر تطبيقات الذكاء الاصطناعي فعليًا. مونجو دي بي (MongoDB) أيضًا تبرز، وتنمو بسرعة كبيرة.

ما هو أقل وضوحًا ولكنه مهم بنفس القدر هو الاستنتاج السببي - التطور التالي لتحليلات البيانات. هذا ليس مجرد مطابقة أنماط؛ إنه تحديد السبب والنتيجة الفعلي من مجموعات البيانات، وإجراء التنبؤات، واكتشاف الأخطاء قبل وقوعها. فرق البحث والتطوير في الصناعات الدوائية مهتمة جدًا بهذا. شركة نوفارتيس تعاونت مع مايكروسوفت وإنفيديا لتوسيع بنيتها التحتية للذكاء الاصطناعي على مدى العقد القادم، وهو ما يدل على مدى جدية الأمر.

القصة الحقيقية هنا هي أن الذكاء الاصطناعي 2.0 بدأ للتو. هذا ليس دورة hype قصيرة الأمد - نحن نتطلع إلى عوائد مستدامة عبر تطبيقات الذكاء الاصطناعي والبنى التحتية على مدى زمن طويل جدًا.