الاستثمار في إنجازات جائزة نوبل – الشبكات العصبية الاصطناعية، أساس الذكاء الاصطناعي

تاريخ جائزة نوبل

جائزة نوبل هي أرفع جائزة في العالم العلمي. تم إنشاؤها وفقًا وصية السيد ألفريد نوبل لتمنح جائزة “لمن، خلال العام السابق، قدموا أعظم فائدة للبشرية” في الفيزياء، الكيمياء، علم وظائف الأعضاء أو الطب، الأدب، والسلام.

تم إنشاء جائزة سادسة لاحقًا للعلوم الاقتصادية من قبل البنك المركزي السويدي، وتُسمى رسميًا جائزة العلوم الاقتصادية، وغالبًا ما تُعرف بجائزة نوبل في الاقتصاد.

قرار من يُمنح الجائزة يعود إلى عدة مؤسسات أكاديمية سويدية.

مخاوف الإرث

جاء قرار إنشاء جائزة نوبل إلى ألفريد نوبل بعد أن قرأ نعيه الخاص، نتيجة خطأ من صحيفة فرنسية أساءت فهم خبر وفاة شقيقه. بعنوان “تاجر الموت مات”، هاجمت المقالة الفرنسية نوبل لاختراعه للمتفجرات غير الدخانية، التي كان الديناميت أشهرها.

كانت اختراعاته ذات تأثير كبير في تشكيل الحروب الحديثة، واشترى نوبل مصنعا ضخما للحديد والصلب ليحولها إلى مصنع أسلحة رئيسي. وبما أنه كان في البداية كيميائيا، مهندسا، ومخترعا، أدرك نوبل أنه لا يريد أن يُذكر إرثه كرجل جمع ثروة من الحرب وموت الآخرين.

جائزة نوبل

في الوقت الحالي، تُخزن ثروة نوبل في صندوق يُستثمر لتوليد دخل لتمويل مؤسسة نوبل والميدالية الخضراء المطلية بالذهب، والشهادة، والجائزة المالية التي تبلغ 11 مليون كرونة سويدية (حوالي مليون دولار) التي تُمنح للفائزين.

المصدر: Britannica

غالبًا ما تُقسم أموال جائزة نوبل بين عدة فائزين، خاصة في المجالات العلمية حيث من الشائع أن يساهم شخصان أو ثلاثة في اكتشاف رائد معًا أو بشكل متوازي.

جائزة نوبل في الحوسبة؟

عادةً ما تُمنح جوائز نوبل في الفيزياء لاكتشافات حول الطبيعة الأساسية للكون، مثل الثقوب السوداء (2020) أو الكواكب الخارجية (2019). ويمكن أيضًا الفوز بها من خلال تقدمات مهمة في علوم المواد، مثل النقاط الكمومية (2023)، الليزر (2018)، أو الصمامات الثنائية الضوئية (LED) (2014).

لكن الفائزين هذا العام كانوا أكثر غير تقليديين، مع تركيز على تحليل البيانات. وبشكل أكثر تحديدًا، نُسبت الجائزة إلى جيفري هينتون وجون هوفيلد لمساهمتهما في إنشاء الشبكات العصبية الاصطناعية.

المصدر: Nobel Prize

هذه جائزة نوبل حديثة جدًا، حيث تُعد الشبكات العصبية التقنية الأساسية المسؤولة عن معظم التقدمات في الذكاء الاصطناعي خلال السنوات الأخيرة، بما في ذلك نماذج اللغة الكبيرة، ورؤية الآلات (بما في ذلك للمركبات ذاتية القيادة)، والذكاءات الاصطناعية التقنية المستخدمة في اكتشاف الأدوية الجديدة، وعلوم المواد، وغيرها.

ما هي الشبكات العصبية؟

الرقائق مقابل الخلايا العصبية

عندما تم اختراع الحواسيب، نمت الأمل بسرعة بأنها قد تتطور في السعة لتطوير قدرات فكرية شبيهة بالبشر. لكن في الواقع، بينما أصبحت الحواسيب أكثر إبهارًا في الحساب، ثم توليد الصور، ظلت “غبية” عندما يتعلق الأمر بالمنطق الفعلي.

جزء كبير من ذلك يرجع إلى أن رقاقة الحاسوب تختلف كثيرًا عن الخلايا العصبية التي تشكل الدماغ. بينما يمكن لرقاقة السيليكون أن تُجري بسرعة ملايين الحسابات الثنائية (0 أو 1)، فإن الخلايا العصبية هي إشارة تماثلية، مع الكثير من التعقيد و”الضوضاء” في الإشارة.

لذلك تحتاج الحواسيب إلى برمجة دقيقة لأداء حساب ما، ولا يمكنها حقًا “التعلم” أي شيء وتكتفي باتباع التعليمات المشفرة حرفيًا.

الشبكات العصبية مختلفة. يمكنها معالجة مشاكل غامضة ومعقدة جدًا بحيث لا يمكن إدارتها عبر تعليمات خطوة بخطوة. مثال على ذلك هو تفسير صورة لتحديد الكائنات الموجودة فيها، وهو ما تكون الحواسيب سيئة فيه بشكل ملحوظ، وبالتالي اختبار “هل أنت إنسان” على بعض صفحات الويب.

المصدر: Google

كيف تعمل الخلايا العصبية

في الغالب لا تتبع الخلايا العصبية برنامجًا ثابتًا مسبقًا. بل تعمل من خلال حلقة تغذية راجعة تعزز نمط الاتصالات.

كيف يعمل ذلك هو أن الخلايا العصبية تقوي الاتصال بخلايا أخرى عندما تعمل معًا. وهذا يولد فكرة محاكاة عمل الخلايا العصبية في الحاسوب باستخدام عقد متعددة مترابطة.

يمكن جعل الروابط بين هذه العقد أقوى أو أضعف، مما يشكل عملية تُسمى “التدريب”، ولا تزال اليوم هي جوهر إنشاء أحدث الذكاءات الاصطناعية.

المصدر: Nobel Prize

بدت الفكرة واعدة، لكن لفترة من الوقت كان مطلوبًا طاقة حوسبة مرتفعة جدًا، خاصةً بالنسبة لأجهزة الحاسوب البدائية نسبيًا في الستينيات والسبعينيات.

كيف يعمل الذاكرة البشرية

عندما نتذكر أو نتعرف على شيء ما، لا نقوم بحساب رياضي مثالي للون كل بكسل في الصورة. بل نبدأ من بيانات جزئية، نحاول ربطها بشيء معروف مسبقًا، ونحدد نمطًا يمكن التعرف عليه.

الفيزيائي جون هوفيلد اخترع في عام 1982 شبكة هوفيلد، وهي طريقة لتخزين وإعادة إنشاء الأنماط.

البدء بالفيزياء

بدأ بملاحظة أن الخصائص الجماعية في العديد من الأنظمة الفيزيائية ثابتة أمام تغييرات تفاصيل النموذج. وعلى وجه الخصوص، تستمد المواد المغناطيسية خصائصها الخاصة بفضل دورانها الذري – خاصية تجعل كل ذرة مغناطيسًا صغيرًا.

الخاصية للمادة الأكبر جاءت من دوران كل ذرة يغير ما حولها، مما يؤدي إلى توجيه جميع الدورات في نفس الاتجاه. يصف نموذجه الظاهرة باستخدام عقد مختلفة تؤثر على بعضها البعض.

وبالمثل، يمكن تسجيل صورة كشبكة من العقد، كل عقدة تحمل قيمة 0 أو 1 (أسود أو أبيض).

إذا قارنت صورة مشوهة بهذه الشبكة الأصلية، يمكنك حساب مقدار اختلاف كل عقدة في الصورة المشوهة. ولكن عن طريق “دفع” العقدة المشوهة أقرب إلى ما هو منطقي، مثل الانحدار في منظر طبيعي مُحدد مسبقًا، يمكنك غالبًا إعادة إنشاء الصورة الأصلية رغم التشوهات.

لذا أنشأ هوفيلد نموذجًا بدائيًا، لكنه فعال لتصحيح الأخطاء أو إكمال الأنماط، وهو ما لا تستطيع الحواسيب عادةً القيام به، لأنها مقيدة ببرمجتها الصارمة.

المصدر: Nobel Prize

مع قوة حوسبة كافية، يمكن لكل عقدة تخزين أي قيمة، ليس فقط الأسود والأبيض. على سبيل المثال، يمكن أن تكون رقمًا يعكس لونًا دقيقًا، كما تُنشأ الصور رقميًا.

يمكنها أيضًا تمثيل جميع أنواع البيانات، ليس فقط الصور، مما يخلق نموذجًا وظيفيًا لذاكرة اصطناعية ترابطة.

استخدام الترابط للفهم

حتى الحيوانات البسيطة أو الأطفال الصغار يمكنهم أداءً أفضل بكثير من الحواسيب المتقدمة في التعرف على الأنماط، مثل تحديد أي صورة تحتوي على كلب أو قط أو سنجاب. يتم ذلك أيضًا دون أي فهم عالي المستوى للمفاهيم مثل الحيوانات أو الثدييات أو الأنواع.

وربما الأهم، يمكن تحقيق ذلك ببيانات وتجربة أولية محدودة جدًا، بدلاً من كتالوج يحتوي على مليارات الصور لهذه الحيوانات تغطي كل وضعية ولون وشكل ممكن.

تماثلي بدلاً من ثنائي

نظرًا لأن العقد يمكنها احتواء أي بيانات، يمكن استخدامها للبيانات المستمرة، مثل الظواهر عبر الزمن.

كما يسمح بحساب فعال للتفاعلات بين الأنظمة المعقدة، حيث يكون الجواب على محفز ما إحصائيًا أكثر من نعم/لا ثنائي. وهذا يوفر كلًا من استهلاك الطاقة وقوة الحوسبة مقارنةً بالحوسبة التقليدية لهذا النوع من المشكلات.

وبإضافة المزيد من العقد، يمكن إضافة تعقيد تدريجي إلى النماذج.

آلة بولتزمان

عمل جيفري هينتون، جنبًا إلى جنب مع تيرنس سجنوسكي وزملائه الآخرين، على تحسين وتوسيع مفهوم نموذج هوفيلد.

استخدم هينتون أفكارًا من الفيزياء الإحصائية، وهو مجال يصف الأشياء التي تحتوي على عدد كبير من العناصر مثل الغازات أو السوائل. نظرًا لأن المكونات الفردية كثيرة جدًا، فإن الطريقة الوحيدة لنمذجة سلوكها هي استخدام التوقعات الإحصائية لسلوكها، بدلاً من حساب “الفيزياء الصلبة” لكل جزيء من حيث درجة الحرارة، الموقع، السرعة، إلخ.

لإضافة هذه القدرة إلى نموذج هوفيلد، أضاف طبقة “مخفية” إضافية من العقد بين الطبقة الظاهرة التي كانت تقوم بالحساب بمفردها. وعلى الرغم من كونها غير مرئية، تساهم العقد المخفية في مستويات الطاقة للعقد الأخرى وللنظام ككل.

المصدر: Nobel Prize

سموا هذا المفهوم آلة بولتزمان، تكريمًا لـ لودفيغ بولتزمان، الفيزيائي في القرن التاسع عشر الذي طور الميكانيكا الإحصائية، أساس الفيزياء الإحصائية.

المصدر: Wikipedia

آلة بولتزمان المقيدة

في تصميمها الأصلي، كانت آلة بولتزمان معقدة جدًا لتكون ذات فائدة عملية. تم تطوير نسخة مبسطة، حيث لا توجد وصلات بين العقد في نفس الطبقة.

المصدر: Nobel Prize

جعل ذلك الآلة أكثر كفاءة بكثير، مع القدرة على تنفيذ التعرف على الأنماط المعقدة.

تحسين إضافي كان عملية “التدريب المسبق” للشبكة العصبية، باستخدام سلسلة من آلات بولتزمان في طبقات، واحدة فوق الأخرى.

هذا حسّن نقطة الانطلاق للشبكة العصبية، مما زاد من قدراتها على التعرف على الأنماط.

التأثير على الشبكات العصبية الحديثة

كل من هوفيلد وهينتون بنيا الأفكار الأساسية وراء الشبكات العصبية، بالإضافة إلى الرياضيات والأدوات لاستخدامها.

ومع ذلك، استغرق الأمر حتى عقد 2010s حتى تنمو قوة الحوسبة بما يكفي لتصبح الشبكات العصبية بارزة في الوعي العام.

نظرًا لأن النسخة الحديثة من آلة بولتزمان تستخدم العديد من الطبقات المترابطة، فإنها تُسمى “شبكات عصبية عميقة”. لتقديم منظور حول تطور المجال، استخدم هوفيلد نموذجًا مكونًا من 30 عقدة في نشرته عام 1982، مما أدى إلى 435 اتصالًا ممكنًا. وهذا نتج عنه حوالي 500 معلمة يجب تتبعها.

في ذلك الوقت، لم تستطع الحواسيب التعامل مع نموذج مبدئي مكون من 100 عقدة. تستخدم نماذج اللغة الكبيرة اليوم (LLMs)، الأساس لأدوات مثل ChatGPT، تريليون معلمة وتزداد احتياجاتها الحوسبية باستمرار.

التطبيقات

الفيزياء الأساسية

مثل العديد من جوائز نوبل في الفيزياء، تُعد الشبكات العصبية اكتشافًا يعزز اكتشافات جديدة أخرى.

على سبيل المثال، تم استخدامها لتصفية ومعالجة الكميات الهائلة من البيانات اللازمة لاكتشاف جسيم هيغز (حصل بيتر هيغز على جائزة نوبل في الفيزياء عام 2013). كما استخدمت في أبحاث أخرى حائزة على جائزة نوبل، مثل قياسات موجات الجاذبية الناجمة عن تصادم الثقوب السوداء أو البحث عن الكواكب الخارجية.

الفيزياء التطبيقية

المواد والظواهر الواقعية غالبًا ما تكون معقدة جدًا لتُنمذج باستخدام نموذج السبب → النتيجة على مستوى الجسيم الفردي فقط.

بالمقارنة، تسمح الأسس القائمة على الشبكات العصبية في الفيزياء الإحصائية بمرونة أكبر، إما بتقديم الإجابة الصحيحة مباشرة أو “توجيه” العلماء في الاتجاه الصحيح.

يتم الآن نشر ذلك بانتظام من قبل مؤسسات البحث الرائدة، على سبيل المثال، لحساب بنية ووظيفة جزيئات البروتين، أو لتحديد أي إصدارات جديدة من المواد قد تمتلك أفضل الخصائص للاستخدام في خلايا شمسية أو بطاريات أكثر كفاءة.

نماذج اللغة الكبيرة

بالطبع، لا يمكن أن تكتمل أي مناقشة حول تطبيقات الشبكات العصبية دون الحديث عن نماذج اللغة الكبيرة، جوهر هوس الذكاء الاصطناعي في السنوات القليلة الأخيرة منذ إطلاق ChatGPT في 2022.

جزء كبير من ذلك يرجع إلى أن توليد لغة شبيهة بالبشر، “الإحساس” كأنها شخص حقيقي، كان يُعتبر لفترة طويلة الاختبار الذي يمكننا من خلاله اعتبار الذكاء الاصطناعي ذكيًا حقًا (اختبار تورينغ).

تُناقش الذكاء الحقيقي لنماذج اللغة الكبيرة بشدة، من رأي المتحمسين للذكاء الاصطناعي (أو المتشائمين) الذين يتوقعون ذكاءً حقيقيًا وتفردًا تكنولوجيًا قريبًا إلى اعتبارها مجرد خدعة غير قادرة على تقديم نتائج مفيدة.

مع ذلك، لديها مجموعة واسعة من التطبيقات، خاصةً حيث يمكنها تنفيذ مهام رخيصة كانت تُحجز الآن للبشر الأكثر تكلفة. وهذا صحيح بشكل خاص للمهام اللفظية، مثل:

• روبوتات الدردشة وخدمة العملاء.
• تطوير الشيفرات والتحقق منها.
• الترجمة والتوطين.
• بحوث السوق.
• البحث والإجابة على الأسئلة.
• تحليل المستندات والبيانات الضخمة.
• التعليم

بالإضافة إلى نماذج اللغة الكبيرة، قد تُنشئ توليد الصور تدفقًا جديدًا من الصور في عصرنا الرقمي، سواء لأغراض مفيدة أو محتملة الضارة (التضليل، الابتزاز، إلخ).

الرؤية الآلية ورؤية الحاسوب

نظرًا لأن التطبيق الأصلي للشبكات العصبية يعود إلى هوفيلد، فمن المنطقي أن يكون التعرف على الصور الآن تطبيقًا أساسيًا محتملًا للشبكات العصبية.

أحيانًا يُستخدم مصطلح الرؤية الآلية لوصف التعرف المحدود في بيئة صناعية أكثر تحكمًا، بينما تهدف رؤية الحاسوب إلى تحقيق رؤية شبيهة بالبشر.

المصدر: Solomon

القيادة الذاتية

جزء فرعي رئيسي في هذا المجال هو المركبات ذاتية القيادة، حيث يعتمد السائقون البشر في النهاية على قدرتهم على التعرف على الأنماط البصرية لتوجيه مركباتهم متعددة الأطنان بأمان.

حاليًا، تعتمد معظم أنظمة القيادة الذاتية على مزيج من الكاميرات وأجهزة استشعار أخرى للبقاء آمنة (مثل الرادار والليدار)، باستثناء تسلا التي تركز حصريًا على الرؤية الآلية الشبيهة بالبشر (بفضل مجموعة بيانات أكبر بكثير، توفرها أسطول سيارات تسلا).

ستكون كمية كافية من بيانات التدريب، وتعليم يدوي لملايين الحالات الواقعية المعقدة، بالإضافة إلى أجهزة مخصصة تقلل الاستهلاك وتسرع أوقات الاستجابة، على الأرجح هي التركيبة الفائزة للشركة الأولى التي تفوز بجائزة تريليون دولار لتطوير أول نظام قيادة ذاتية من المستوى 5 الكامل.

الطب

العديد من التشخيصات في الطب لا تعتمد على الاختبارات المخبرية بل على التفسير اليدوي من قبل أخصائي مدرب للصور التي تنتجها أجهزة الأشعة السينية، الرنين المغناطيسي، الماسحات، إلخ.

قد يستغرق ذلك من الخبير سنوات ليصبح ماهرًا حقًا في هذه المهمة، التي هي فن بقدر ما هي علم. بدلاً من ذلك، يمكن للذكاء الاصطناعي تحليل ملايين الصور الطبية بتكلفة منخفضة وبشكل ثابت مع نتائج متوقعة.

يمكن حتى استخدامه لتشخيص حالات لم يُعتقد سابقًا إمكانية اكتشافها عبر الفحوصات، مثل اضطراب فرط الحركة وتشتت الانتباه (ADHD).

وربما أقل وضوحًا، يمكن للذكاء الاصطناعي باستخدام الشبكات العصبية مساعدة الجراحين، مثل الشركة الفرنسية Pixee Medical، التي تسمح بتتبع ثلاثي الأبعاد باستخدام هاتف ذكي أو نظارات ذكية لجراحة العظام.

يمكن للذكاء الاصطناعي أيضًا أتمتة عملية تسجيل الجراحة الحيوية، خاصةً للمهام المتكررة والمعرضة للأخطاء. حيث ينسى الجراحون الأدوات داخل المريض في حوالي 1500 عملية جراحة سنويًا في الولايات المتحدة، يمكن لرؤية الحاسوب المساعدة في القضاء تمامًا على هذه المشكلة من خلال تتبع كل ما يُستخدم أثناء الجراحة تلقائيًا.

البحوث الحيوية

من اكتشاف الأدوية إلى توقع طي البروتين، تُعد الشبكات العصبية أدوات قوية للباحثين في الطب والبيولوجيا.

في الوقت الحالي، تُحدث هذه التقنية ثورة في طريقة تطوير العلاجات الجديدة، كما ناقشنا في “أفضل 5 شركات ذكاء اصطناعي وبيوتكنولوجيا رقمية”. يمكنها أيضًا المساهمة في بيانات أكثر اتساقًا، وهو ما يُعد مشكلة شائعة في العلوم الحيوية، حيث لا يزال الكثير من البيانات يُنشأ يدويًا، مثل عد خلايا الدم.

يمكن حل ذلك باستخدام رؤية الحاسوب المدعومة بالذكاء الاصطناعي، مع منتجات مثل Shonit من Sigtuple التي تستطيع الآن تقديم عد موثوق وموحد لجميع أنواع خلايا الدم.

المصدر: Sigtuple

الصناعة والإنتاج

من مراقبة الجودة وفحص المكونات، إلى التجميع الآلي بالكامل، يمكن للرؤية الآلية/رؤية الحاسوب جعل خط الإنتاج أكثر مرونة واستجابة لأي تغيير في عملية الإنتاج.

يمكن لهذا أن يقلل التكاليف من خلال تقليل الحاجة إلى تدخل البشر، بالإضافة إلى تحسين الجودة وسرعة الإنتاج.

الروبوتات

مع خروج الروبوتات من أرضية المصانع لتتفاعل مع بيئات الحياة اليومية الأكثر تعقيدًا، تحتاج إلى تعزيز قدراتها على التعرف على الأنماط بسرعة.

من الروبوتات الكلبية إلى روبوتات التوصيل، وربما قريبًا المساعدين الشخصيين الشبه بشريين، تندمج الروبوتات بشكل متزايد مع الذكاء الاصطناعي باستخدام الشبكات العصبية لمساعدتنا في المهام اليومية.

الزراعة

تستخدم روبوتات الزراعة بشكل متزايد الرؤية الآلية لتحديد الأعشاب الضارة أو الفواكه الناضجة واستبدال العمل اليدوي الممل أو الأدوات الميكانيكية الضخمة المدمرة.

قد لا يؤثر ذلك فقط على الزراعة وأنظمتنا الغذائية، بل أيضًا على الاستعادة البيئية، مع تأثيرات قوية على صحة التربة، وظهور ممارسات زراعية جديدة، وربما أدوات أفضل لإعادة التشجير وإدارة الأنواع الغازية.

العسكرية

على الرغم من أن ذلك يثير أسئلة أخلاقية معقدة، فإن قاعدة التاريخ هي أن أي تقنية جديدة تُستكشف أيضًا لإمكانية منح الجيش ميزة على خصومه.

وبما أن هناك دائمًا دولة واحدة تقوم بذلك، يجب على الدول الأخرى مواكبة ذلك أيضًا.

يُستخدم الذكاء الاصطناعي بالفعل لتحديد الأهداف وتحليل البيانات في ساحة المعركة، بما في ذلك في الحروب الجارية مثل أوكرانيا وغزة، وهو ما ناقشنا في “أفضل 10 أسهم للطائرات بدون طيار وحرب الطائرات بدون طيار”.

من بين أكثر التطورات الحديثة المقلقة، يمكننا ذكر تطوير النسخة الأخيرة من طائرة لانسيت الروسية الانتحارية، وهي طائرة/صاروخ انتحاري يستخدم رؤية الآلة المدعومة بالذكاء الاصطناعي لتحديد واستهداف مركبات العدو في الجزء الأخير من مساره.

إعطاء قرار القتل لنظام آلي هو خطوة خطيرة بوضوح، وتبدو حقًا كمواد فيلم خيال علمي قبل تمرد الذكاء الاصطناعي على البشرية.

لذا لا يمكننا إلا أن نأمل أن تتوصل القوات العسكرية عالميًا إلى فهم لما يمكن نشره من تكنولوجيا أو لا، كما يُدار الأسلحة النووية.

مخاطر الشبكات العصبية

من الجدير بالذكر أن جيفري هينتون، الفائز بجائزة نوبل هذا العام، قلق جدًا بشأن التقدم الذي يُحرز في تكنولوجيا الذكاء الاصطناعي.

بعد جائزة تورينغ في 2018 وجائزة نوبل في 2024، من المحتمل أن يُسمع تحذيره أكثر من ذي قبل.

“لقد غيرت رأيي فجأة بشأن ما إذا كانت هذه الأشياء ستصبح أكثر ذكاءً منا.

أعتقد أنها الآن قريبة جدًا من ذلك وستكون أكثر ذكاءً منا في المستقبل. كيف سنبقى على قيد الحياة في ظل ذلك؟

جيفري هينتون

هل سيؤدي حماسنا للذكاء الاصطناعي إلى مستقبل يشبه أفلام الماتريكس أو تيرميناتور؟ ربما لا، لكن بما أن الشبكات العصبية فائقة التعقيد هي في الأساس صندوق أسود، فإن مبتكريها لا يفهمون تمامًا أن قواعد الأخلاق والسلامة ربما تكون ضرورية قبل أن يتسبب ذكاء اصطناعي معطل بأضرار لا يمكن إصلاحها.

الاستثمار في الشبكات العصبية

أصبحت الشبكات العصبية الآن تقريبًا مرادفة لتكنولوجيا الذكاء الاصطناعي بشكل عام، حيث يتزايد دمج التخصصات في هذا القطاع.

نظرًا لأن الشبكات العصبية تتطلب مجموعات بيانات ضخمة للتدريب المسبق والتدريب، فإنها تميل حاليًا إلى أن تكون مجالًا للشركات التقنية الضخمة أو الشركات الناشئة ذات التمويل القوي.

يمكنك الاستثمار في الشركات المرتبطة بالذكاء الاصطناعي عبر العديد من الوسطاء، ويمكنك العثور هنا، على securities.io، على توصياتنا لأفضل الوسطاء في الولايات المتحدة، كندا، أستراليا، والمملكة المتحدة، بالإضافة إلى العديد من الدول الأخرى.

إذا لم تكن مهتمًا باختيار شركات محددة متعلقة بالذكاء الاصطناعي، يمكنك أيضًا النظر في الصناديق المتداولة مثل صندوق ARK للذكاء الاصطناعي والروبوتات UCITS ETF (ARKI)، وصندوق Global X للروبوتات والذكاء الاصطناعي (BOTZ)، أو صندوق WisdomTree (WT ) للذكاء الاصطناعي والابتكار (WTAI) الذي سيوفر تعرضًا أكثر تنوعًا للاستفادة من الذكاء الاصطناعي.

شركات الشبكات العصبية

1. Microsoft

كانت Microsoft (MSFT ) في صميم صناعة التكنولوجيا تقريبًا منذ تأسيسها بفضل نظام التشغيل Windows الذي لا يزال مهيمنًا.

MSFT مخطط السعر

هي الآن أيضًا رائدة في برمجيات المؤسسات (Office365، Teams، LinkedIn، Skype، GitHub)، والألعاب (Xbox والعديد من الاستحواذات على استوديوهات ألعاب الفيديو)، والسحابة (Azure).

مؤخرًا، أحرزت تقدمًا جيدًا في مجال الذكاء الاصطناعي. يشمل ذلك بعض حلول الذكاء الاصطناعي للمستهلكين مثل Bing Image Creator ومبادرات أكثر تركيزًا على الأعمال، مثل Copilot لـ Microsoft 365 وMicrosoft Research. يتم الآن نشر Copilot لتجار التجزئة والشركات الصغيرة أيضًا.

المصدر: Constellation Research

اكتسبت Microsoft سمعة كونها عملاق التكنولوجيا الموجه للمؤسسات، مقارنةً بالشركات التي تركز أكثر على المستهلكين مثل Apple (AAPL ) أو Facebook. مع تزايد أهمية الذكاء الاصطناعي في نماذج الأعمال، فإن وجود Microsoft المسبق في خدمات السحابة والمؤسسات يمنحها ميزة في نشر الذكاء الاصطناعي على نطاق واسع واكتساب العملاء.

ستعزز التعاون/الملكية الجزئية مع رواد تطوير الذكاء الاصطناعي مثل OpenAI (المعروفة بChatGPT) موقع Microsoft كقوة رائدة في مجال الذكاء الاصطناعي.

2. NVIDIA

كانت NVidia في البداية تتمتع بموقع مهيمن في سوق بطاقات الرسوميات (GPU)، تُستخدم غالبًا للألعاب عالية الجودة ونمذجة ثلاثية الأبعاد. تتمكن وحدات معالجة الرسوميات من إجراء حسابات متوازية وتختلف في هذا الصدد عن المعالجات (CPU).

ثبت أن تصميم أجهزتها مناسب جدًا لتعدين العملات المشفرة (خاصة بيتكوين)، مما أدى إلى موجة قوية من النمو للشركة.

الآن، يبدو أنها قوية بنفس القدر لتدريب الذكاءات الاصطناعية، مما يجعل أجهزة Nvidia (NVDA ) العمود الفقري لثورة الذكاء الاصطناعي.

تعمل NVidia الآن على تطوير أنظمة حوسبة مخصصة لتطبيقات الذكاء الاصطناعي المختلفة، من السيارات ذاتية القيادة إلى التعرف على الكلام والذكاءات الاصطناعية الحوارية، والذكاءات الاصطناعية التوليدية، أو الأمن السيبراني.

من المحتمل أن Nvidia لم تجد حالات استخدام جديدة لأجهزتها الذكائية، كما يظهر من أبحاث Microsoft مع PNNL. على سبيل المثال، تطور NVidia الآن مجموعة كاملة من الحلول لاكتشاف الأدوية، بالإضافة إلى الأجهزة الطبية المدعومة بالذكاء الاصطناعي وتصوير طبي مدعوم بالذكاء الاصطناعي.

المصدر: NVidia

من المحتمل على المدى البعيد جدًا أن يبدأ المنافسون لـ NVidia في تحدي ميزة الشركة الأولية بجدية.

لكن في المستقبل القريب، بالنظر إلى الانفجار في الطلب على طاقة الحوسبة المخصصة للذكاء الاصطناعي، ستظل NVidia المورد الرئيسي لجميع مراكز البيانات الجديدة لتدريب الذكاء الاصطناعي التي يتم بناؤها.

وإذا كان الذكاء الاصطناعي موجة ذهبية جديدة للتقنية، فإن الحكمة الاستثمارية هي تفضيل بائعي الأدوات (المعاول والمجارف) بدلاً من المراهنة على العثور على الذهب.

في سباق الذكاء الاصطناعي، الأدوات المفضلة حاليًا هي شرائح الذكاء الاصطناعي من NVidia.