الاستثمار في الذكاء الاصطناعي (AI) – كل ما تحتاج معرفته

الذكاء الاصطناعي (AI) هو مجال لا يحتاج إلى مقدمة. لقد ارتبط الذكاء الاصطناعي بقانون مور الذي يذكر أن سرعة وقدرات الحواسيب يمكن أن تتضاعف كل عامين. منذ عام 2012، ارتفع مقدار الحوسبة المستخدمة في أكبر عمليات تدريب الذكاء الاصطناعي بشكل أسي مع التضاعف كل 3 إلى 4 أشهر، والنتيجة أن موارد الحوسبة المخصصة للذكاء الاصطناعي نمت بمقدار 300,000 مرة منذ 2012. لا يمكن لأي صناعة أخرى مقارنة هذه الإحصاءات النمائية.

سوف نستكشف ما هي مجالات الذكاء الاصطناعي التي تقود هذا التسارع، وما هي الشركات التي في أفضل موقع للاستفادة من هذا النمو، ولماذا ذلك مهم.

أنواع التعلم الآلي

التعلم الآلي هو فرع فرعي من الذكاء الاصطناعي يهدف أساسًا إلى برمجة الآلات لتتعلم. هناك عدة أنواع من خوارزميات التعلم الآلي، الأكثر شهرةً هو التعلم العميق، وهو يتضمن إمداد البيانات إلى شبكة عصبية اصطناعية (ANN). الـ ANN هي شبكة كثيفة الحوسبة من الدوال الرياضية المرتبطة معًا بصيغة مستوحاة من الشبكات العصبية الموجودة في الدماغ البشري.

كلما زادت البيانات الضخمة التي تُغذى إلى الـ ANN، كلما أصبحت الـ ANN أكثر دقة. على سبيل المثال، إذا كنت تحاول تدريب ANN لتتعلم كيفية التعرف على صور القطط، إذا قمت بإمداد الشبكة بـ 1000 صورة قط، ستحصل الشبكة على مستوى دقة منخفض قد يكون حوالي 70٪، إذا زدت العدد إلى 10000 صورة، قد يرتفع مستوى الدقة إلى 80٪، إذا زدت إلى 100000 صورة، فإنك تكون قد ارتفعت الدقة إلى 90٪، وهكذا.

هنا تكمن إحدى الفرص، فالشركات التي تهيمن على مجال تطوير شرائح الذكاء الاصطناعي بطبيعتها جاهزة للنمو.

هناك العديد من أنواع التعلم الآلي الأخرى التي تظهر واعدة، مثل التعلم التعزيزي، وهو تدريب وكيل من خلال تكرار الإجراءات والمكافآت المرتبطة. باستخدام التعلم التعزيزي يمكن لنظام الذكاء الاصطناعي التنافس مع نفسه بهدف تحسين أدائه. على سبيل المثال، برنامج يلعب الشطرنج سيلعب ضد نفسه بشكل متكرر، مع تحسين كل مرة لأدائه في اللعبة التالية.

حاليًا، أفضل أنواع الذكاء الاصطناعي تستخدم مزيجًا من التعلم العميق والتعلم التعزيزي فيما يُعرف عادةً بـ التعلم التعزيزي العميق. جميع الشركات الرائدة في مجال الذكاء الاصطناعي في العالم مثل Tesla (TSLA ) تستخدم نوعًا ما من التعلم التعزيزي العميق.

بينما هناك أنواع أخرى من أنظمة التعلم الآلي المهمة التي يتم تطويرها حاليًا مثل التعلم الفوقي، من أجل البساطة فإن التعلم العميق وقريبه المتقدم التعلم التعزيزي العميق هما ما يجب أن يكون المستثمرون أكثر دراية بهما. الشركات التي تتصدر هذا التقدم التكنولوجي ستكون في أفضل موقع للاستفادة من النمو الأسي الضخم الذي نشهده في الذكاء الاصطناعي.

علوم البيانات والبيانات الضخمة

إذا كان هناك عامل تمييز واحد بين الشركات التي ستنجح وتصبح قادة سوق، والشركات التي ستفشل، فهو البيانات الضخمة. جميع أنواع التعلم الآلي تعتمد بشكل كبير على علوم البيانات، وهو يُوصف بأفضل شكل كعملية لفهم العالم من خلال الأنماط في البيانات. في هذه الحالة يتعلم الذكاء الاصطناعي من البيانات، وكلما زادت البيانات كلما زادت دقة النتائج. هناك بعض الاستثناءات لهذه القاعدة بسبب ما يُسمى الإفراط في التخصيص، لكن هذا قلق يدركه مطورو الذكاء الاصطناعي ويتخذون احتياطات للتعويض عنه.

أهمية البيانات الضخمة هي السبب في أن شركات مثل Tesla تتمتع بميزة سوقية واضحة عندما يتعلق الأمر بتقنية المركبات الذاتية القيادة. كل سيارة Tesla واحدة في الحركة وتستخدم نظام الطيار الآلي تُغذي البيانات إلى السحابة. هذا يمكّن Tesla من استخدام التعلم التعزيزي العميق، وتعديلات خوارزمية أخرى لتحسين نظام المركبة الذاتية القيادة بشكل عام.

هذا هو السبب أيضًا في أن شركات مثل Google ستكون صعبة الإزاحة من قبل المنافسين. كل يوم يمر هو يوم تجمع فيه Google بيانات من مجموعة منتجاتها وخدماتها المتعددة، بما في ذلك نتائج البحث، Google Adsense، أجهزة Android المحمولة، متصفح Chrome، وحتى منظم الحرارة Nest. Google تغمرها بيانات أكثر من أي شركة أخرى في العالم. وهذا لا يشمل جميع المشاريع الطموحة التي تشارك فيها.

من خلال فهم سبب أهمية التعلم العميق وعلوم البيانات، يمكننا استنتاج لماذا الشركات أدناه قوية جدًا.

شركات الذكاء الاصطناعي للاستثمار فيها

هناك ثلاثة قادة سوق حاليين سيكون من الصعب جدًا تحديهم.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc (GOOG ) هي الشركة الأم لجميع منتجات Google التي تشمل محرك بحث Google.  درس تاريخ قصير ضروري لتوضيح لماذا هم قائد سوق في الذكاء الاصطناعي. في عام 2010، تم إطلاق شركة بريطانية DeepMind بهدف تطبيق تقنيات التعلم الآلي المتنوعة لبناء خوارزميات تعلم عامة.

في عام 2013، أحدثت DeepMind ضجة عالمية بإنجازات متعددة بما في ذلك أن تصبح بطلة عالمية في سبع ألعاب Atari باستخدام التعلم التعزيزي العميق.

في عام 2014، قامت Google بالاستحواذ على DeepMind مقابل 500 مليون دولار، وبعد ذلك بوقت قصير في عام 2015 أصبح AlphaGo من DeepMind أول برنامج ذكاء اصطناعي يهزم لاعب Go محترف، وأول برنامج يهزم بطل العالم في Go. بالنسبة لأولئك غير المألوفين بلعبة Go، تُعتبرها الكثيرون أكثر لعبة تحديًا موجودة.

تُعتبر DeepMind حاليًا قائدة سوق في التعلم التعزيزي العميق، ومنافسًا رائدًا لتحقيق الذكاء الاصطناعي العام (AGI)، وهو نوع مستقبلي من الذكاء الاصطناعي يهدف في النهاية إلى تحقيق أو تجاوز مستوى الذكاء البشري.

ما زلنا بحاجة إلى أخذ الأنواع الأخرى من الذكاء الاصطناعي التي تشارك فيها Google حاليًا في الاعتبار مثل Waymo، القائد السوقي في تقنية المركبات الذاتية القيادة، وهو الثاني بعد Tesla، والأنظمة السرية للذكاء الاصطناعي المستخدمة حاليًا في محرك بحث Google.

تشارك Google حاليًا في العديد من مستويات الذكاء الاصطناعي، بحيث يتطلب كتابة ورقة شاملة لتغطية جميعها.

Tesla (NASDAQ: TSLA)

كما ذُكر سابقًا، Tesla تستفيد من البيانات الضخمة من أسطولها من المركبات على الطرق لجمع البيانات من نظام الطيار الآلي. كلما زادت البيانات التي تُجمع، كلما تمكنت من التحسين باستخدام التعلم التعزيزي العميق، وهذا مهم بشكل خاص لما يُعرف بحالات الحافة، وهي السيناريوهات التي لا تحدث كثيرًا في الواقع.

على سبيل المثال، من المستحيل توقع وبرمجة كل نوع من السيناريوهات التي قد تحدث على الطريق، مثل حقيبة تدحرجت إلى حركة المرور، أو سقوط طائرة من السماء. في هذه الحالة هناك بيانات محددة قليلة، ويحتاج النظام إلى ربط البيانات من سيناريوهات مختلفة متعددة. هذه ميزة أخرى لامتلاك كمية هائلة من البيانات، فبينما قد تكون هذه هي المرة الأولى التي تواجه فيها Tesla في هيوستن سيناريو معين، قد تكون Tesla في دبي قد واجهت شيئًا مشابهًا.

Tesla هي أيضًا رائدة سوق في تقنية البطاريات، وفي التقنية الكهربائية للمركبات. كلاهما يعتمد على أنظمة الذكاء الاصطناعي لتحسين مدى السيارة قبل الحاجة إلى إعادة الشحن. تُعرف Tesla بتحديثاتها المتكررة عبر الهواء مع تحسينات الذكاء الاصطناعي التي تحسن الأداء والمدى لأسطول مركباتها بضع نقاط مئوية.

وكأن ذلك لم يكن كافيًا، فإن Tesla أيضًا تصمم شرائح الذكاء الاصطناعي الخاصة بها، وهذا يعني أنها لم تعد تعتمد على شرائح الطرف الثالث، ويمكنها تحسين الشرائح لتعمل مع برنامج القيادة الذاتية الكامل من الصفر.

NVIDIA (NASDAQ: NVDA)

NVIDIA (NVDA ) هي الشركة الأكثر استعدادًا للاستفادة من الارتفاع الحالي في الطلب على شرائح GPU (وحدة معالجة الرسومات)، حيث أنها مسؤولة حاليًا عن 80٪ من جميع مبيعات GPU.

بينما كانت وحدات GPU تُستخدم في البداية لألعاب الفيديو، تم اعتمادها بسرعة من قبل صناعة الذكاء الاصطناعي خصيصًا للتعلم العميق. السبب في أهمية وحدات GPU هو أن سرعة حسابات الذكاء الاصطناعي تُعزز بشكل كبير عندما تُجرى العمليات بالتوازي. أثناء تدريب ANN للتعلم العميق، تُحتاج المدخلات وهذا يعتمد بشكل كبير على ضرب المصفوفات، حيث يكون التوازي مهمًا.

تستمر NVIDIA في إصدار شرائح ذكاء اصطناعي جديدة مُحسّنة لحالات الاستخدام المختلفة ومتطلبات الباحثين في الذكاء الاصطناعي. هذا الضغط المستمر للابتكار هو ما يحافظ على NVIDIA كقائد سوق.

اختر وسيطًا للأسهم

الخطوة الأولى في رحلتك يجب أن تكون اختيار وسيط أسهم. الوسيط الذي نوصي به هو Firstrade.

الملخص

من المستحيل سرد جميع الشركات التي تشارك في شكل ما من الذكاء الاصطناعي، ما يهم هو فهم تقنيات التعلم الآلي التي تتحمل المسؤولية عن معظم الابتكار والنمو الذي شهدته الصناعة. لقد سلطنا الضوء على 3 قادة سوق، وسيظهر المزيد في المستقبل. للبقاء على اطلاع بالذكاء الاصطناعي، يجب عليك متابعة أخبار الذكاء الاصطناعي، وتجنب الضجيج المتعلق بالذكاء الاصطناعي، وفهم أن هذا المجال يتطور باستمرار.