أزمة البيانات في صناعة الذكاء الاصطناعي

مع استمرار صناعة الذكاء الاصطناعي (AI) في اكتساب شعبية متزايدة، برزت تحديات ملحة – وهي ندرة بيانات التدريب عالية الجودة. تهدد هذه النقص في النموذج نمو نماذج الذكاء الاصطناعي، ولا سيما النماذج اللغوية الكبيرة، وقد تغير بشكل محتمل مسار ثورة الذكاء الاصطناعي. تستكشف هذه المقالة سبب قلق الموارد البياناتية المتضائلة وتحدد الحلول الممكنة لمعالجة هذه القضية.

تُعد البيانات عالية الجودة شريان حياة خوارزميات الذكاء الاصطناعي، حيث تساهم في دقتها وأدائها وجودتها العامة. على سبيل المثال، تم تدريب ChatGPT، وهو نموذج لغوي بارز، على كمية هائلة من البيانات النصية تبلغ 570 جيجابايت، ما يعادل حوالي 300 مليار كلمة. وبالمثل، اعتمد خوارزمية الانتشار المستقر (Stable Diffusion)، التي تشغل تطبيقات توليد الصور بالذكاء الاصطناعي مثل DALL-E وLensa وMidjourney، على مجموعة بيانات LIAON-5B التي تحتوي على 5.8 مليار زوج من الصور والنصوص. ويمكن أن تؤدي البيانات غير الكافية إلى عدم الدقة وإنتاج نتائج دون المستوى المطلوب.

علاوة على ذلك، تلعب جودة بيانات التدريب دوراً محورياً. البيانات منخفضة الجودة، مثل منشورات وسائل التواصل الاجتماعي أو الصور الضبابية، متاحة بسهولة لكنها غير كافية لتدريب نماذج ذكاء اصطناعي عالية الأداء. قد تكون النصوص المستخرجة من منصات التواصل الاجتماعي مشوبة بالتحيزات أو المسلمات أو المعلومات المضللة أو المحتوى غير القانوني، والتي يمكن أن تنسخها نماذج الذكاء الاصطناعي عن غير قصد. على سبيل المثال، أدى محاولة Microsoft تدريب روبوت ذكاء اصطناعي باستخدام محتوى تويتر إلى إنتاجه لمخرجات عنصرية ومكروهة للنساء. 

لتخفيف هذه المخاطر، يبحث مطورو الذكاء الاصطناعي عن محتوى عالي الجودة من مصادر مثل الكتب والمقالات عبر الإنترنت والأوراق العلمية ويكيبيديا والمحتوى الويب المفلتر بعناية. وحتى المصادر غير التقليدية، مثل روايات الرومانسية من موقع النشر الذاتي Smashwords، استُخدمت لتعزيز الذكاء الاصطناعي التحويلي مثل مساعد Google.

عرض البيانات مقابل طلب الذكاء الاصطناعي

بينما استمرت صناعة الذكاء الاصطناعي في توسيع حجم مجموعات البيانات المستخدمة للتدريب، فإن توفر البيانات عبر الإنترنت ينمو بوتيرة أبطأ. تشير الأبحاث الحديثة إلى أنه بمعدل تدريب الذكاء الاصطناعي الحالي، قد تنفد بيانات النص عالية الجودة قبل عام 2026. وقد تنفد بيانات اللغة منخفضة الجودة بين عامي 2030 و2050، وبيانات الصور منخفضة الجودة بين عامي 2030 و2060. تثير هذه التوقعات مخاوف بشأن الاختناق المحتمل في تطوير الذكاء الاصطناعي.

المخاطر مرتفعة في عالم الذكاء الاصطناعي، حيث تقدر شركة PwC أن الذكاء الاصطناعي قد يساهم بما يصل إلى 15.7 تريليون دولار أمريكي في الاقتصاد العالمي بحلول عام 2030. ومع ذلك، فإن النقص الوشيك في البيانات يهدد بإبطاء تطوير الصناعة وتحقيق إمكاناتها.

تحسين كفاءة البيانات: يمكن لمطوري الذكاء الاصطناعي تعزيز الخوارزميات لاستخدام البيانات الموجودة بكفاءة أكبر. في السنوات القادمة، قد يحققون أنظمة ذكاء اصطناعي عالية الأداء ببيانات أقل وقوة حوسبية أقل. لن يخفف هذا النهج من نقص البيانات فحسب، بل سيساهم أيضاً في تقليل البصمة البيئية للذكاء الاصطناعي.

توليد البيانات الاصطناعية: حل آخر هو استخدام الذكاء الاصطناعي لإنشاء بيانات اصطناعية مصممة خصيصاً لتدريب نماذج ذكاء اصطناعي محددة. تستخدم المشاريع بالفعل محتوى اصطناعياً من خدمات توليد البيانات مثل Mostly AI، ومن المرجح أن يصبح هذا النهج أكثر شيوعاً في المستقبل.

استكشاف مصادر البيانات غير الحرة: المطورون يستكشفون بشكل متزايد المحتوى خارج الموارد المتاحة مجاناً عبر الإنترنت. يمكن أن تشكل البيانات القيمة التي تحتفظ بها الناشرات الكبرى والمستودعات غير المتصلة بالإنترنت، بما في ذلك ملايين النصوص المنشورة قبل عصر الإنترنت، مصادر جديدة لمشاريع الذكاء الاصطناعي. وقد تساعد التحركات الأخيرة من شركات مثل News Corp للتفاوض على صفقات محتوى مع مطوري الذكاء الاصطناعي، حيث تدفع شركات الذكاء الاصطناعي مقابل بيانات التدريب، في ضمان تعويض عادل لصناع المحتوى ومعالجة اختلال التوازن في القوة.

يعتمد قطاع الذكاء الاصطناعي بشكل واضح على بيانات التدريب عالية الجودة، وقد يشكل النقص المحتمل في مثل هذه البيانات تحديات أمام نموه المستمر. بينما توجد مخاوف، قد لا تكون الحالة سيئة كما تبدو. لدى مطوري الذكاء الاصطناعي سبل لتحسين كفاءة البيانات، وإنشاء بيانات اصطناعية، واستكشاف مصادر البيانات غير الحرة. توفر هذه الاستراتيجيات، مقترنة بالتطور المستمر لتقنيات الذكاء الاصطناعي، أملاً في التخفيف من المخاطر المرتبطة بنقص البيانات. ومع تتابع ثورة الذكاء الاصطناعي، ستكون المرونة والابتكار مفتاحين للتنقل في هذا التحدي الناشئ وضمان استمرار مساهمة الذكاء الاصطناعي في الاقتصاد العالمي.