منصة فِهم للذكاء الإصطناعي

محمد معاذ باحث في الذكاء الاصطناعي   تشكّل صناعة الأدوية جزءًا لا يتجزّأ من قطاع الرعاية الصحية. ومع ذلك، فقد تباطأ نمو الصناعة في السنوات القليلة الماضية، وذلك يعود إلى أسبابٍ منها وصول سوق الأدوية لمرحلة الإشباع على ما يعتقد العديد من خبراء الصناعة. إلا أنّ ظهور التقنيات القائمة على الذكاء الاصطناعي أعادت الأمل في إحياء هذا القطاع. وقد بلغ حجم الاستثمار في الذكاء الاصطناعي بصناعة الأدوية أكثر من 5 مليار دولار في نهاية 2019 بحسب شركة "Signify" البريطانية للأبحاث. ومن المتوقّع أن يلعب دورًا مهمًا في دفع الصناعة إلى الأمام في السنوات القليلة المقبلة. في هذه المقالة، نستعرض أهم تطبيقات هذه التقنية في مجال صناعة الأدوية. 1- اكتشاف العقاقير تركّز هذه المرحلة من البحث والتطوير على إيجاد جزيئات دوائية جديدةٍ فاعلة في مواجهة الأمراض. ووفقًا لدراسةٍ قام بها مركز "Tufts" الأميركي لتطوير الأدوية، تقدّر تكلفة الاكتشاف والتطوير لكل دواء معتمد من إدارة الغذاء والدواء الأمريكية (FDA) بحوالي 2.6 مليار دولار. وعادةً ما تستغرق عملية الاكتشاف وقتًا أطول، حيث يتعيّن على العلماء إ

محمد معاذ باحث في الذكاء الاصطناعي   المصدر: Gebauer Company يلعب التعلّم الآلي دورًا مهيمنًا في العديد من جوانب الرعاية الصحية ، من التشخيص إلى العلاج وحتى إلى علم الأوبئة. وحتى وقتٍ قريب جدًا، كان الطبّ يعتمد فقط على الخبرة المهنية التي يحصّلها الأطباء. ولكن مع النموّ في حجم قواعد البيانات أضحت تطبيقات الذكاء الاصطناعي أكثر حضورًا، وباتت الفوائد المتأتّية من تطبيق التعلم الآلي في الطب أكثر شهرة. وفي الوقت الراهن، هناك ثلاثة مجالات تشهد نقلةً كبيرة بفعل منصات التعلّم الآلي في هذا الصدد وهي: تشخيص الأمراض، والتنبؤ بتفشي المرض، ومكافحة التباينات والفوارق العرقية. لكن كيف يتمّ ذلك؟ هذا ما سنحاول اكتشافه من خلال هذه المقالة، بالإضافة إلى إضاءةٍ على بعض التحديات ونقاط الضعف التي تواجه هذه التقنية. 1- أدوات تشخيص   المصدر: NTU من أوائل تطبيقات التعلّم الآلي في الطب كان تحليل الصور الشعاعية لتشخيص الآفات الجلدية وتقرّحات مرض السرطان. وقد تمّ نشر الدراسة في العام الماضي ، واستُخدِمت فيها أكثر من 10000 صورة، تمّ تصنيفها يدويًا من قبل أطباء لتدريب الخوارزمية. وفي بعض الحالات، كان بوسع الخو

كتابة علي القحطاني   منذ بداية التطور الكبير والنجاحات الملحوظة في التعلم العميق (Deep Learning) في بداية القرن الماضي ، ظل أكثر التركيز على التعليم الموجه (Supervised Learning) حيث امتد هذا النجاح إلى الكثير من التطبيقات. يعتبر التعلم العميق هو أحد أنواع تعلم الآلة (Machine Learning) المبني على الشبكات العصبية الاصطناعية (Artificial Neural networks) لغرض تعلم التمثيل (Learning Representation)، حيث يتم تعليم أنماط تمييزية لمثال معين في أبعاد صغيرة، قد يكون التعلم العميق تحت إشراف (Supervised) أو شبه خاضع للإشراف (Semi-Supervised) أو غير خاضع للإشراف (Unsupervised). وتتنوع معماريات التعلم العميق لتشمل: الشبكات العصبية العميقة DNN وشبكات المعتقدات العميقة DBN والمشفر التلقائي AE والشبكات العصبية المتكررة RNN والشبكات العصبية الترشيحية CNN ليتم تبنيها في مجالات كثير وكثيرة شملت رؤية الكمبيوتر والتعرف على الكلام ومعالجة اللغة الطبيعية والتعرف على الصوت وغيرها الكثير ، محققة نتائجاً مماثلة أو متوفقه على أداء البشر. ١- خوارزمية التجميع (Clustering Algorithms): تعبر أيضا واحدة من خوارزميات تع

محمد معاذ باحث في الذكاء الاصطناعي   ببطءٍ ولكن بثبات، يطرح الذكاء الاصطناعي تأثيره على العالم من خلال العديد من التطبيقات على اختلافها. ووفقًا لشركة "Gartner" البحثية فإنّ قرابة 40 % من الشركات الكبرى ستطبّق حلولًا ترتكز على هذه التقنية في العام الجاري. ورغم أنّ هذه التوقّعات قد تمّ التنبّؤ بها قبل انتشار جائحة "كوفيد 19" التي أسفرت عن إبطاء عجَلة نمو الاقتصاد العالمي، إلّا أن هذه الأرقام تعكس حالة النموّ المطرّد للذكاء الاصطناعي مع مرور الوقت. لكن، ماذا عن دور هذه التقنية في الخدمات المالية؟ في هذه المقالة نستعرض دور الذكاء الاصطناعي في هذا القطاع مع استحضار أمثلةٍ في هذا الإطار. 1- إدارة المخاطر في عالم المال يكون الوقت هو المال. وبالنسبة لحالات الخطر، يمكن استخدام خوارزميات الذكاء الاصطناعي لتحليل تاريخ الحالة، وتحديد أي مشاكل محتملة لها. ويشمل ذلك استخدام التعلم الآلي لإنشاء نماذج دقيقة تمكّن الخبراء الماليين من إتّباع اتجاهات معينة وملاحظة المخاطر المحتملة. كما يمكن لهذه النماذج أيضًا التأكّد من الحصول على معلومات أكثر موثوقية لاستخدامها في نماذج التدريب الم

محمد معاذ باحث في الذكاء الاصطناعي   المصدر: Getty Images يعمل الذكاء الاصطناعي على تغيير العالم الذي نعيش فيه بشكلٍ جذري، وتتوفّر العديد من التطبيقات التي تهدف إلى جعل حياتنا أسهل مع هذا النوع من التكنولوجيا، وهو اتجاهٌ سيزداد بلا شكّ في السنوات المقبلة. لكن، إلى جانب هذا التطوّر الملموس، لا ينبغي أن نتجاهل جوانب مرتبطة بالأخلاقيات، وتحديدًا مفهوم التحيز أو ما يُعرف بـ "التحيز الخوارزمي" وهو خطأ يقع عندما يتمّ تغذية نماذج تدريب الذكاء الاصطناعي ببيانات مغلوطة تعكس أحكامًا مسبقة، أو يتم ترجيح بيانات على أخرى، ما يؤدي إلى نتائج منحرفة، وأخطاء تحليلية. ولا يقتصر هذا على الجانب التكنولوجي فحسب، بل علينا كبشرأيضًا. وفي حياتنا اليومية، نتّخذ العديد من القرارات، كنوع السيارة التي نقودها، والأفلام التي نشاهدها، والكتب التي نختارها وغيرها... وفي معظم الأوقات، تكون هذه القرارات منحازة دون أن ندرك ذلك، فدماغنا هو الذي يقرّر، وفي معظم الأحيان يعتمد ذلك على خبرتنا أو تعليمنا أو معتقداتنا، وهي العناصر المسؤولة عن هذا التفكير المتحيّز. 1- لماذا هو سيء؟ يعتبر التحيّز من أشهر المشاكل التي ت

محمد معاذ باحث في الذكاء الاصطناعي   المصدر: Keith Bujak مع تقدّم العمر، هناك عددٌ كبيرٌ من المشكلات التي قد يواجهها المسنون. يمكن أن تكون حالات جسدية مثل التهاب المفاصل وآلام العضلات، أو حالات عقلية مثل الخرف ومرض الزهايمر، أو حتى اجتماعية مثل الشعور بالوحدة وغيرها. هذه المشاكل قد تكون مزعجة ليس فقط للشخص نفسه، بل أيضًا لمن حوله. إنّ الذكاء الاصطناعي وحده لن يحلّ مثل هذه المشاكل، إلّا أنه يمكن أن يجعل الحياة أسهل بالنسبة للمسنّين بطرقٍ متعددة، وهذا ما ستحاول المقالة تسليط الضوء عليه. 1- الرقابة الصحية غالبًا ما يتعامل المسنون مع أكثر من حالةٍ صحية تتطلّب اهتمامًا كبيرًا ومراقبة مستمرة. وقد يكون من الصعب عليهم فعل ذلك. ولكن يمكن للذكاء الاصطناعي أن يساعد في هذا الصدد. وهذا ما تقوم به "كارنت هيلث" وهي خدمة مراقبة صحية تعمل على الاستعانة بالخوارزميات الذكية لمراقبة المخاطر التي يمكن أن تهدّد المريض المسنّ باستمرار، ما يسمح بالتدخّل السريع عند الحاجة. وتتمّ المراقبة عبر جهازٍ متّصل بذراع الشخص وموصول عبر الإنترنت. وتكون التدخّلات مؤتمتة، حيث يتفاعل المريض مع برنامج الدردشة من