عندما تعتقد أن الذكاء الاصطناعي لا يمكنه فعل المزيد لتقليل أعباء العمل الدنيوية، أو إنشاء محتوى من الصفر، أو فرز كميات هائلة من البيانات لاستخلاص الأفكار، أو تحديد الحالات الشاذة على الأشعة السينية، يأتي الذكاء الاصطناعي متعدد الوسائط.
حتى وقت قريب جدًا، كان الذكاء الاصطناعي يركز في الغالب على فهم ومعالجة النص المفرد أو المعلومات المستندة إلى الصور – وهي خدعة واحدة، إذا جاز التعبير. ومع ذلك، اليوم، هناك وافد جديد إلى عالم الذكاء الاصطناعي، وهو جاك حقيقي لجميع المهن في شكل الذكاء الاصطناعي متعدد الوسائط. تتضمن هذه الفئة الجديدة من الذكاء الاصطناعي تكامل طرائق متعددة – مثل الصور ومقاطع الفيديو والصوت والنص، القادرة على معالجة مدخلات البيانات المتعددة.
ما يقدمه الذكاء الاصطناعي متعدد الوسائط حقًا هو السياق. ونظرًا لأنه يمكنه التعرف على الأنماط والروابط بين أنواع مختلفة من مدخلات البيانات، فإن المخرجات أصبحت أكثر ثراءً وأكثر سهولة، وتقترب من الذكاء البشري متعدد الأوجه أكثر من أي وقت مضى.
وكما فعل الذكاء الاصطناعي التوليدي (GenAI) على مدار العام الماضي، يَعِد الذكاء الاصطناعي المتعدد الوسائط بإحداث ثورة في كل الصناعات تقريبا وتقديم مستوى جديد كليا من الرؤى والأتمتة للتفاعلات بين الإنسان والآلة.
ويسعى العديد من لاعبي شركات التكنولوجيا الكبرى بالفعل إلى السيطرة على الذكاء الاصطناعي متعدد الوسائط. أحد أحدث اللاعبين هو X (Twitter سابقًا)، والذي أطلقت جروك 1.5، والتي تدعي أنها تتفوق على منافسيها عندما يتعلق الأمر بالفهم المكاني في العالم الحقيقي. ومن بين اللاعبين الآخرين Apple MM1 وAnthropic Claude 3 وGoogle Gemini وMeta ImageBind وOpenAI GPT 4.
في حين أن الذكاء الاصطناعي يأتي في أشكال عديدة – من التعلم الآلي والتعلم العميق – إلى التحليلات التنبؤية والرؤية الحاسوبية، فإن العرض الحقيقي للذكاء الاصطناعي متعدد الوسائط هو رؤية الكمبيوتر. مع الذكاء الاصطناعي متعدد الوسائط، تتجاوز قدرات رؤية الكمبيوتر التعرف البسيط على الأشياء. ومن خلال القدرة على الجمع بين العديد من أنواع البيانات، يمكن لحل الذكاء الاصطناعي فهم سياق الصورة واتخاذ قرارات أكثر دقة. على سبيل المثال، صورة القطة، مع صوت مواء القطة، يعطيها دقة أكبر عند التعرف على جميع صور القطط. وفي مثال آخر، يمكن لصورة الوجه، عند دمجها مع الفيديو، أن تساعد الذكاء الاصطناعي ليس فقط في التعرف على أشخاص محددين في الصور، بل أيضًا زيادة الوعي السياقي.
الذكاء الاصطناعي متعدد الوسائط في الميدان
لقد بدأت حالات استخدام الذكاء الاصطناعي متعدد الوسائط في الظهور للتو، ومع تطوره، سيتم استخدامه بطرق لا يمكن تصورها حتى اليوم. فكر في بعض الطرق التي يمكن تطبيقها بها أو التي يمكن تطبيقها:
-
التجارة الإلكترونية. يمكن للذكاء الاصطناعي متعدد الوسائط تحليل النصوص والصور والفيديو في بيانات الوسائط الاجتماعية لتصميم العروض لأشخاص محددين أو شرائح معينة من الأشخاص.
-
السيارات. يمكن للذكاء الاصطناعي متعدد الوسائط تحسين قدرات وسلامة السيارات ذاتية القيادة من خلال الجمع بين البيانات من أجهزة استشعار متعددة، مثل الكاميرات أو الرادار أو أنظمة تحديد المواقع، لزيادة الدقة.
-
الرعاىة الصحية. ويمكنه استخدام البيانات من الصور وعمليات المسح والسجلات الصحية الإلكترونية ونتائج الاختبارات الجينية لمساعدة الأطباء في إجراء تشخيصات أكثر دقة. بالإضافة إلى خطط علاجية أكثر تخصيصًا.
-
تمويل. ويمكنه تمكين تقييم المخاطر المتزايد من خلال تحليل البيانات بتنسيقات مختلفة للحصول على رؤى وفهم أعمق لأفراد محددين ومستوى مخاطرهم فيما يتعلق بالرهون العقارية، وما إلى ذلك.
-
الحفاظ على. يمكن للذكاء الاصطناعي متعدد الوسائط التعرف على الحيتان من صور الأقمار الصناعية، بالإضافة إلى صوت أصوات الحيتان لتتبع أنماط الهجرة ومناطق التغذية المتغيرة.
تحديات إدخال الذكاء الاصطناعي متعدد الوسائط في العمليات
يعد الذكاء الاصطناعي متعدد الوسائط تطورًا مثيرًا، ولكن لا يزال أمامه طريق طويل ليقطعه. ويكمن التحدي الأساسي في دمج المعلومات من مصادر مختلفة بشكل متماسك. يتضمن ذلك تطوير خوارزميات ونماذج قادرة على استخلاص رؤى ذات معنى من كل طريقة ودمجها لتوليد تفسيرات شاملة.
التحدي الآخر هو ندرة مجموعات البيانات النظيفة والمتعددة الوسائط لتدريب نماذج الذكاء الاصطناعي. على عكس مجموعات البيانات أحادية الطريقة، والتي تكون أكثر وفرة، تتطلب مجموعات البيانات متعددة الوسائط شروحًا تلتقط الارتباطات بين الطرائق المختلفة، مما يجعل إنشائها أكثر كثافة في العمالة والموارد. ومع ذلك، فإن تحقيق التوازن الصحيح بين الطرائق أمر بالغ الأهمية لضمان دقة وموثوقية أنظمة الذكاء الاصطناعي متعددة الوسائط.
كما هو الحال مع الأشكال الأخرى من الذكاء الاصطناعي، يعد ضمان الذكاء الاصطناعي متعدد الوسائط غير المتحيز أحد الاعتبارات الرئيسية التي أصبحت أكثر صعوبة بسبب تنوع أنواع البيانات. وبغض النظر عن ذلك، يجب أخذ أنواع متنوعة من الصور والنصوص والفيديو والصوت في الاعتبار عند تطوير الحلول، بالإضافة إلى التحيزات التي يمكن أن تنشأ من المطورين أنفسهم.
ويجب أيضًا مراعاة خصوصية البيانات وحمايتها، نظرًا للكم الهائل من البيانات الشخصية التي قد تعالجها أنظمة الذكاء الاصطناعي متعددة الوسائط. وقد تنشأ تساؤلات حول ملكية البيانات، والموافقة عليها، والحماية من سوء الاستخدام، عندما لا يكون لدى البشر سيطرة كاملة على مخرجات الذكاء الاصطناعي.
تتطلب معالجة هذه التحديات الأخلاقية جهدًا تعاونيًا يضم المطورين والحكومة وقادة الصناعة والأفراد. يجب إعطاء الأولوية للشفافية والمساءلة والعدالة طوال دورة حياة تطوير أنظمة الذكاء الاصطناعي متعددة الوسائط للتخفيف من مخاطرها وتعزيز الثقة بين المستخدمين.
يعمل الذكاء الاصطناعي متعدد الوسائط على الارتقاء بقدرات الذكاء الاصطناعي إلى آفاق جديدة، مما يتيح رؤى أكثر ثراءً وأعمق مما كان ممكنًا في السابق. ومع ذلك، بغض النظر عن مدى ذكاء الذكاء الاصطناعي، فإنه لا يمكنه أبدًا أن يحل محل العقل البشري وأوجهه المتعددة من المعرفة والحدس والخبرة والتفكير – لا يزال أمام الذكاء الاصطناعي طريق طويل ليقطعه لتحقيق ذلك، ولكنها البداية.
