في هذا البودكاست ، نتحدث إلى بوريس بيليك ، نائب الرئيس ورئيس التكنولوجيا الميداني (CTO) في Mongodb ، حول كيفية المساعدة في الذكاء الاصطناعي (AI) اكتشاف وإدارة البيانات غير المهيكلة.
تحدد Bialek كيف يمكن للمنظمة العفولية أن تساعد في الجمع بين فئات مختلفة من المعلومات التي قد تحتفظ بها المؤسسة حول العملاء لجعل العمليات أسرع وأكثر كفاءة.
يتحدث أيضًا عن كيفية عمل وكلاء منظمة العفو الدولية المتعددة معًا لجعل هذه العمليات تعمل بطريقة وكيل.
كيف يمكن أن تساعد الذكاء الاصطناعي في اكتشاف وإدارة البيانات غير المهيكلة؟
استرداد وتحديد بيانات غير منظمة هي واحدة من أقدم المهام فيه.
لقد بدأ الأمر بمسح أوراق ومحاولة صنع الصور منها ، ثم كتب الناس الأشياء بالفعل. تخيل أنك تحصل على وثيقة مكتوبة بخط اليد حول وصف الحادث وتحاول فهمه. اليوم ، يمكن لمنظمة العفو الدولية أن تفعل ذلك لك في وقت صفر.
وبعد ذلك ، يمكن أن يفهم وسبب البيانات. يمكن أن يرفع المستوى الفكري من “لدي صورة” إلى “لدي نص ويمكنني استخراج الجمل التي تتكون من” حادث “و” دراجة “و” شارع “و” الجبل كان أكثر انحدارًا مما اعتقدت “.
لذلك ، هذا هو المكان الذي يمكن أن يساعد فيه الذكاء الاصطناعي حقًا. يمكن أن تكون صورًا ، يمكن أن تكون نصًا ، يمكن أن تكون سليمة.
نموذج قاعدة البيانات الكلاسيكية ، RDBMS من سبعينيات القرن الماضي ، هو رائع للبيانات المنظمة. لكن هذه البيانات المهيكلة المزعومة تعني في الغالب بيانات نصية ، والتي يمكن أن تكون أرقامًا ، ولكن أي شيء موجود في بنية يمكننا وضعها في جدول بيانات. أي شيء آخر يعتبر غير منظم ، وهو غير عادل بعض الشيء.
ما نقوم به الآن مع الذكاء الاصطناعي هو رفع هذه البيانات إلى المستوى التالي والقدرة على تفسيرها بطريقة معقولة.
ما هي الأساليب في استخدام الذكاء الاصطناعي لاكتشاف وإدارة البيانات غير المهيكلة للعملاء؟
إذا سألت أي شركة ناشئة ، فسيخبرك أنها الإجابة الوحيدة لذلك.
ولكن عندما نأخذ وجهة نظر أكثر ذكاءً ، هناك طريقتان رئيسيتان. واحد هو أن ننظر إلى نوع البيانات التي لديك وبناء حل حوله. والأهم من ذلك هو مزيج من البيانات الجديدة ، حيث أحصل على بيانات غير منظمة – الفيديو والصوت وأشياء من هذا القبيل – ووضعها في سياق مع معلومات معروفة أخرى.
على سبيل المثال ، لدى Boris رقم تأمين ، ولل Boris عقد مع شركة Antony’s Insurance Company. لذلك ، فإن هذه الأنواع من المزج بين ، على سبيل المثال ، البيانات التشغيلية ، البيانات الوصفية والبيانات المرجعية ، إلى جانب ما نسميه “الإشارات” ، هو النهج الأول لجمع هذه الأشياء معًا.
لكن الخيار الآخر هو كيف نفعل ذلك بذكاء أكبر ونقسمه إلى نهج الخيول مقابل الدورات ، وهو أفضل حصان لأفضل حلبة السباق؟
هناك حلول هنا. واحد هو EncoreCloudai ، أو PurpleFabricai من بائع مختلف.
تتيح لنا هذه الحلول وضع البيانات في شكل ذكي ، لذلك لا أحتاج إلى البدء من الصفر. لذلك ، يمكنني الحصول على بياناتي ، وإدخالها إلى متجر بيانات تشغيلي ، وإخراج بياناتها القديمة ، ورفع البيانات من هناك ، والتي يمكن أن تكون ، على سبيل المثال ، المستندات ، الأوراق المادية. يمكن أن تكون هذه في أرشيف المستندات القديمة أو أنظمة إدارة المستندات.
هذا ، في رأيي ، هو أسرع طريقة للقيام بذلك.
ومع ذلك ، هناك ما يكفي من الأسباب الجيدة لبناء بنفسك. في كثير من الحالات ، إذا كان لديك احتياجات محددة ، مثل إذا كان لديك معلومات فيديو محددة تحتاج إلى معالجتها في شكل محدد للغاية. على سبيل المثال ، شخص ما يقود سيارًا عبر بوابة الحصيلة على طريق سريع وتريد التأكد من قيامهم بدفع الحصيلة.
هناك حالات محددة حيث تكون كتابة الكود الخاص بك منطقية. ولكن الأمر كله يتعلق بجمع البيانات من البيانات الحالية والبيانات الجديدة ، والبيانات غير المهيكلة.
هذا حقًا ما يجعل الذكاء يعمل.
ما هي الفوائد الرئيسية لتطبيق هذه الأنواع من التقنيات على البيانات؟
الفوائد الرئيسية هي أنه يمكنني بناء صورة مختلفة تمامًا عن بيئتي. في قاعدة البيانات العلائقية الكلاسيكية ، كما هو الحال مع ERP [enterprise resource planning] النظام ، الذي يعرف أرقام المبيعات الخاصة بك ، أنت تعرف المبلغ الذي تبيعه.
قد يكون لديك CRM [customer relationship management] النظام ويخبرك ، “بوريس عميل رائع” و “بوريس على موقع الويب الخاص بي الآن”. ولكن ماذا يريد بوريس حقًا؟ يمكنني أن أفعل النهج الكلاسيكي لثاني [business intelligence] النظام ويقول: “يقع بوريس في فئة من الذكور البيض ، في منتصف العمر ، وربما يبحث عن دراجة جديدة. دعنا نقدم له دراجة”.
لكن هذا ليس ما يمكن أن تعرفه عن بوريس. ربما يكون بوريس قد اشترى دراجة منك الأسبوع الماضي وربما يبحث الآن عن خوذة جديدة.
لذلك ، عندما تجمع هذه الأشياء معًا ، فأنت تريد دفع المزيد من الذكاء نحو المستهلكين في مساحة البيع بالتجزئة. بالمعنى الإيجابي ، من حيث أنك تريد أن تكون ذا صلة ، وتريد مساعدتهم. أنت لا تريدهم أن يقولوا ، “لماذا يعرض لي هذه الأشياء؟ أنا لست مهتمًا بهذا.”
أيضًا ، دعنا نقول أن لدينا حالة تأمين ، شخص ما صدم دراجتي ، كان متوقفًا أمام المنزل ، والآن لدي حالة إصلاح. لذلك ، أذهب إلى تأميني. إذا كان التأمين قادرًا على فهم المعلومات التي أقدمها بسرعة كبيرة ، فيمكن أن يكون لها تحول سريع للغاية في إدارة المطالبات.
وإذا فعلوا ذلك ، فهذا يساعدني على أن أكون عميلًا سعيدًا ولا أشعر بالقلق من أن دراجتي قد تضررت ، والتي تدفع من أجل ذلك ، وما إلى ذلك. الآن أحصل على إجابة بعد ساعة: “نعم ، الدراجة مؤمنة. سنصلح هذا ، لا تقلق”.
لذلك ، هذه هي الأجزاء المنطقية التي لم تكن ممكنة من قبل. لا يمكنك وضع الكثير من البيانات في السياق.
ثانياً ، هناك معالجة لغة طبيعية. يمكن أن يتحدث بوريس إلى شركة التأمين ويقول: “لقد تضررت دراجتي. كانت دراجتي متوقفة أمام الباب. لقد أصيب بجرار”.
في هذه المرحلة ، يمكن للنظام بالفعل أن يفسر أنه “دراجة ، دراجة – لديه دراجة ، إنه مؤمن ، ربما يتحدث عن باب منزله”.
هذا هو المنطق ، لذلك يمكن أن يفترض الكثير من الأشياء ويقول: “يا بوريس ، هل هذه الدراجة التي تتحدث عنها؟ هل كانت متوقفة أمام منزلك في هذه القرية؟ أنت مؤمن. هل يمكن أن تخبرني المزيد عنها؟”
هذا كله يتعلق بالاتصال الفكري وليس بالضرورة عن كسر العملية. يمكنني دائمًا أن أطلب التحدث إلى وكيل ، لكن هذا أسرع بكثير بالنسبة لي ، ولا توجد أوقات انتظار. يمكنني حل مشكلتي والمضي قدمًا.
لذا ، فإن هذه الأتمتة للمهام الروتينية ، ووضع علامات على الأشياء ، وإدخال الأشياء ، وكل هذه الأشياء يمكن القيام بها بشكل جيد للغاية بواسطة نظام الذكاء الاصطناعي. والأهم من ذلك ، أنه قابل للتكرار ، يفعل نفس الشيء مع نفس النظام مرة أخرى.
أعلم أن هناك الكثير من النقاش حول الهلوسة ، لكن نماذج التضمين اليوم ، مثل Voyageai ، أصبحت جيدة جدًا الآن فيما يتعلق بأنظمة الجودة وإعادة التصنيف ، والتي تسمح بتنظيم الإجابات على أنها جيدة وسيئة وقبيحة بناءً على بياناتي.
هل هناك دور للوكيل الذكاء الاصطناعى في هذا وكيف سيعمل ذلك؟
وكيل الذكاء الاصطناعي يشبه لاعب في ملعب لكرة القدم ، ولكن للحصول على فريق جيد حقًا ، فأنت بحاجة إلى 11 لاعبًا. إنه مثل المواقف المختلفة في فريق كرة القدم – يقوم الوكلاء بوظائف محددة حقًا.
إذا نظرنا إلى حالة التأمين ، يقوم وكيل واحد بالتحقق من العقود التي يمتلكها بوريس ، يمكن لنظام واحد معرفة عنوان بوريس ومن أين قد يأتي هذا الجرار؟ هل هذا وصف واقعي للأحداث؟
يتعاون الوكلاء المختلفين كخبراء رقميين لإنشاء إطار عمل ، وفريق كرة قدم من الوكلاء الذين يجتمعون لدفع التجربة بالنسبة لي كمستهلك ، وكذلك لشركة التأمين.
يمكن أن يتوصل هذا النظام إلى إجابات جيدة جدًا على الأسئلة الأساسية للغاية وجمعها جميعًا معًا ، ودفع دقة. لذلك ، هذا هو المكان الذي يضيء فيه العميل الذكاء الاصطناعي حقًا.
