استراتيجية البيانات
-
استخدام التعلُّم FedML للتغلب على عيوب توسيع نطاق الذكاء الاصطناعي
الثروات الكبيرة، والوصول إلى المواهب، والاستثمارات الضخمة في البنية التحتية للحوسبة تفسر جزئياً فقط لماذا جاءت معظم الاختراقات الكبرى في الذكاء الاصطناعي من مجموعة مختارة من شركات التكنولوجيا الكبرى التي تشمل أمازون Amazon وغوغل Google ومايكروسوفت Microsoft. ما يميز عمالقة التكنولوجيا عن عديد من الشركات الأخرى التي تسعى إلى الحصول على ميزة من الذكاء الاصطناعي هو الكميات الهائلة من البيانات…
أكمل القراءة » -
مواكبة تشارُك البيانات الاستراتيجي
تعلمتْ معظم المؤسسات كيفية تشارُك البيانات تكتيكياً. لقد أعدَّت البنية التحتية والعمليات التقنية لكي يمكنها نقل البيانات بسهولة عند الضرورة للامتثال للتشريعات Regulations أو تنفيذ المعاملات أو تقديم خدمة. لكن عدداً أقل بكثير من الشركات بدأ في استكشاف الفرص التي أوجدها نهج أكثر استراتيجية لتشارك البيانات. في الاقتصاد الرقمي حالياً يحتاج قادة الأعمال إلى استراتيجية لتشارك البيانات للسعي إلى تحقيق…
أكمل القراءة » -
كيفية بناء حلول ذكاء اصطناعي جيدة عندما تكون البيانات شحيحة
تُفيد قواعد الحكمة التقليدية بأنكم تحتاجون إلى كميات كبيرة من بيانات التدريب المصنفة Labeled training data لإطلاق العنان للقيمة من نماذج الذكاء الاصطناعي AI models القوية. بالنسبة إلى شركات الإنترنت الاستهلاكية حيث نشأت عديد من نماذج الذكاء الاصطناعي الحالية، لم يكن من الصعب الحصول عليها. لكن بالنسبة إلى الشركات في القطاعات الأخرى – مثل الشركات الصناعية وشركات التصنيع ومؤسسات الرعاية…
أكمل القراءة » -
احتكار الأقلية للبيانات قد يخنق الابتكار
كان جوزيف شومبيتر Joseph Schumpeter يشعر بقلق عميق إزاء الابتكار. فقد دافع عنه الاقتصادي الشهير، الذي صاغ مصطلح التدمير الخلاق Creative destruction، ومناصر ريادة الأعمال Entrepreneurship باعتبارها محركاً للنمو الاقتصادي، لكنه خشي من افتقار الأطراف الفاعلة الصغيرة إلى مورد أساسي لازم لتنفيذ أفكارهم المتقدمة: رأس المال Capital. ومن حسن الحظ أنه كان مخطئاً كما تبين فيما بعد. فمنذ خمسينات القرن…
أكمل القراءة »