ماهو الذكاء الاصطناعي وهل الصور المفبركة بالذكاء الاصطناعي.. أكثر إقناعاً من الحقيقية؟
ويصف الفريق كيف أجروا تجربتين: في الأولى، عُرض على المشاركين مجموعة مختارة مكونة من 100 وجه أبيض من الذكاء الاصطناعي، و100 وجه بشړي حقيقي أبيض، حيث طُلب من المشاركين تحديد أي من الوجوه تم إنشاؤه بواسطة الذكاء الاصطناعي وأيهم حقيقي، ومدى ثقتهم على مقياس مكون من 100 نقطة.
وكشفت نتائج 124 مشاركا أن 66% من صور الذكاء الاصطناعي تم تصنيفها على أنها صور بشړية مقارنة بـ51% من الصور الحقيقية.
وفي تجربة ثانية، طُلب من المشاركين تقييم الذكاء الاصطناعي والوجوه البشرية بناء على 14 سمة، مثل العمر والتماثل، دون إخبارهم بأن بعض الصور تم إنشاؤها بواسطة الذكاء الاصطناعي.
وأشار تحليل الفريق للنتائج إلى أن العوامل الرئيسية التي دفعت الناس إلى الاعتقاد خطأ بأن وجوه الذكاء الاصطناعي هي بشړية، تشمل قدرا أكبر من التناسب في الوجه، ومزيدا من الألفة، وقابلية أقل للتذكر.
ما التحديات التي تواجه تنفيذ الذكاء الاصطناعي؟
يواجه الذكاء الاصطناعي عددًا من التحديات التي تجعل التنفيذ أكثر صعوبة. العقبات التالية هي أمثلة على أشهر التحديات التي تواجه تنفيذ الذكاء الاصطناعي واستخدامه.
حوكمة البيانات
يجب أن تلتزم سياسات حوكمة البيانات بالقيود التنظيمية وقوانين الخصوصية. لتنفيذ الذكاء الاصطناعي، يجب عليك إدارة جودة البيانات والخصوصية والأمان. تتحمل المسؤولية عن بيانات العملاء وحماية الخصوصية. لإدارة أمان البيانات، يجب أن يكون لدى مؤسستك فهم واضح حول الكيفية التي تستخدم بها نماذج الذكاء الاصطناعي بيانات العملاء وتتفاعل معها عبر كل طبقة.
الصعوبات الفنية
تدريب الذكاء الاصطناعي باستخدام تعلّم الآلة يستهلك موارد هائلةً. كي تؤدي تقنيات التعليم العميق وظائفها، من الضروري توفر مستوى عالٍ من قوة المعالجة. يجب أن يكون لديك بنية تحتية حاسوبية قوية لتشغيل تطبيقات الذكاء الاصطناعي وتدريب نماذجك. يمكن أن تكون قوة المعالجة مكلفةً أو تحد من قابلية التوسّع التي تمتاز بها أنظمة الذكاء الاصطناعي لديك.
قيود البيانات
لتدريب أنظمة ذكاء اصطناعي غير متحيزة، تحتاج إلى إدخال كميات هائلة من البيانات. يجب أن تكون لديك سعة تخزين كافية للتعامل مع بيانات التدريب ومعالجتها. وبالمثل، يجب أن تتمتع بالكفاءة في عمليات الإدارة وعمليات جودة البيانات لضمان دقة البيانات التي تستخدمها في التدريب.
