ماذا نعني في الواقع بالذكاء الاصطناعي؟
لنبدأ بتحديد ما أعنيه بالذكاء الاصطناعي في هذا المنشور. وبما أنني مهندس، سأركز على تعريفات واضحة. لن أتحدث فقط عن الذكاء الاصطناعي التوليدي الجديد، بل عن مجموعة واسعة من التقنيات المستخدمة لتمكين أجهزة الكمبيوتر من محاكاة الذكاء البشري وقدرات حل المشكلات.
ولجعل الأمر أقل غموضًا، سأقسم أنواع الحلول التي عملنا عليها في Lighthouse إلى ثلاث فئات:
الذكاء الاصطناعي التنبؤي:
- يتنبأ بالنتائج المستقبلية
- يعمل بشكل أفضل مع البيانات الرقمية المنظمة (في الغالب).
- ال “الصندوق الأسود” يمكن تفكيكها وبالتالي فهمها (إلى حد ما)
- البيانات ثقيلة، والنتائج عددية في الغالب
- أمثلة: التنبؤ بالإشغال
الذكاء الاصطناعي التوليدي
- إنشاء محتوى (مثل الصور أو مقاطع الفيديو أو الموسيقى أو النص)
- يعمل بشكل أفضل مع بيانات نصية أو صورية غير منظمة
- بالكامل “الصندوق الأسود” (على الأقل اليوم، من المستحيل شرح سبب كون الناتج على ما هو عليه)
- ينتج مخرجات إبداعية تحاكي الأنماط الشبيهة بالإنسان
- أمثلة: تلخيص مقالة طويلة
الأتمتة
- أتمتة العمليات البشرية المحددة جيدًا
- لا يتطلب بيانات، ولكنه يحتاج إلى وصف تفصيلي للعملية (والبرمجة)
- مفهومة بالكامل وسهلة التعديل
- يعمل تماما كما تمت برمجته
- أمثلة: أتمتة تجميع مصادر بيانات متعددة في ملف Excel واحد
بينما يُشار إلى الأتمتة أحيانًا باسم الذكاء الاصطناعي، إلا أنها ليست ذكاءً اصطناعيًا من منظور تقني لأنها ليست كذلك “learn” من أنماط البيانات. سأركز اليوم على النوعين الأولين من الحلول وكيفية التعامل مع بنائها في Lighthouse.
AI: شراء أو بناء؟ أو ربما كلاهما؟
هل يجب أن يكون لديك فريق للذكاء الاصطناعي وعلوم البيانات في شركتك؟ هل يجب عليك الاستعانة بمصادر خارجية لهذا النوع من العمل بشكل كامل؟ هل يجب عليك بناء البنية التحتية لدعم تطورات الذكاء الاصطناعي في الشركة؟ أو دفع ثمن “خارج الصندوق” حل الأعمال؟
بالنسبة لنا، الجواب يقع في مكان ما بينهما.
نحن لسنا كبيرين بعد بما يكفي للتطور “foundation models” أو تطوير الأبحاث الرائدة داخل الشركة. كما أننا لا نرغب في بناء مجموعات حوسبة مادية أو مراكز بيانات، ولا نريد إنشاء بنية تحتية داعمة للذكاء الاصطناعي من الصفر – حيث تتطلب هذه الأشياء استثمارًا ضخمًا لرأس المال والوقت وهي أكثر ملاءمة للشراء.
لهذه الأسباب، نستخدم Google Cloud Platform، وتحديدًا خدمات مثل Google Cloud Storage وSpanner وBigQuery لتخزين البيانات ومعالجتها، وGoogle Kubernetes Engine لنشر نماذج الذكاء الاصطناعي الخاصة بنا. وهذا يسمح لنا بالحصول على طريقة آمنة وقابلة للتطوير لتخزين بياناتنا ومعالجتها، ولكنه يتيح لنا أيضًا الوصول إلى جميع التقنيات المتطورة حول الذكاء الاصطناعي.
باعتبارنا شركة البيانات أولاً ولديها أصول بيانات فريدة ذات صلة بحل مشكلات العالم الحقيقي في صناعة الضيافة، نحتاج إلى أشخاص للعمل بشكل مستمر مع تلك البيانات. وبالتالي، كان تطوير قسم علوم البيانات الخاص بنا قرارًا سهلاً.
ما هي أهم جوانب بناء مثل هذا الفريق؟
قم بتوظيف الأشخاص المناسبين
حاليًا، يتكون قسمنا من خبراء من خلفيات متنوعة: من الاقتصاد إلى الفيزياء النظرية، مع خبرات تشمل الأعمال التجارية والأوساط الأكاديمية ومختلف الصناعات مثل الاتصالات والغذاء والتمويل وخدمات سيارات الأجرة.
إن أكثر ما أقدره في بناء مثل هذا الفريق هو اتساع وعمق وجهات النظر ووجهات النظر المختلفة. كما أود أن أقول، نحن نحاول العثور على “إضافة الثقافة” وليس فقط أ “ثقافة مناسبة”. يتيح هذا التنوع للفريق تقديم حلول عالية الجودة من خلال تحدي أفكار بعضهم البعض.
خلق ثقافة التعلم
نقضي الكثير من الوقت في تبادل الأفكار والعصف الذهني ومحاولة متابعة أخبار الصناعة والأوساط الأكاديمية. من الضروري بناء منظمة للبحث والتطوير حيث يشعر الأشخاص أنه من المقبول قضاء بعض الوقت في التعلم ثم تقديم حلول أفضل إلى الطاولة.
ومع ذلك، فإننا ندرك أيضًا أن الذكاء الاصطناعي هو مجال معقد ومتطور باستمرار مما يجعل من المستحيل مواكبة العمل اليومي المتمثل في البحث عن ميزات المنتج الجديدة.
نعقد شراكات بين الحين والآخر مع Google وخبراء الذكاء الاصطناعي المعتمدين من Google، مما يساعدنا على الوصول إلى نطاق أوسع من الخبرات والمعرفة مما يمكننا تحقيقه إذا اعتمدنا فقط على فريقنا الداخلي. نستخدمها ك “معزز منحنى التعلم”، حتى نتمكن من تعلم الأشياء منهم بالطريقة الصحيحة منذ البداية.
احتضن الابتكار، وتقبل أن الأشياء يمكن أن تفشل
يبدو أن الابتكار أمر سهل البيع لرجال الأعمال. غالبا ما يذهب مثل هذا:
أهلاً! يرغب فريقي في إدارة هذا المشروع المبتكر للغاية. إنها فكرة رائعة – إذا نجحت فسوف تجلب لنا الكثير من الإيرادات.
ومع ذلك، يميل الجميع إلى نسيان “if” ويتوقع أن يتناسب مشروع الابتكار مع قالب المشروع القياسي – مشروع ذو جدول زمني محدد ونتائج محددة.
لكن هذا يتعارض مع طبيعة علم البيانات وبشكل عام يتعارض مع الابتكار. إن إنشاء هذا النوع من البيئة لفريقك أمر أسهل من فعله. إذن، إليكم كيف ساعدنا في تعزيز هذه الفكرة في Lighthouse.
خارطة طريق الابتكار
كان لدى Lighthouse فريق علوم البيانات (فريق صغير في البداية) منذ البداية تقريبًا. على مر السنين، قمنا بالبحث وتطوير حلول (تنبؤية) تعتمد على الذكاء الاصطناعي للعديد من المشكلات التي يقدمها لنا عملاؤنا.
اسمحوا لي أن أعرض بعض الأمثلة التي نجحنا فيها في التنفيذ باستخدام الذكاء الاصطناعي التنبئي:
- الطلب على رؤية السوق – الأول على الفصل “التنبؤ الآني” باستخدام البيانات التطلعية. فهو لا يعتمد فقط على الاتجاهات التاريخية ولكنه يُظهر التغيرات المفاجئة في السوق ويخبر المستخدمين بما يجب التركيز عليه اليوم.
- مجموعة ذكية – نموذج الذكاء الاصطناعي لاختيار المنافسين الأكثر ملاءمة لعملائنا. يتم استخدامه في رؤى الأسعار، ورؤى السوق، ورؤى المعيار.
- توقعات الإشغال – نموذج التنبؤ يتنافس مع أفضل اللاعبين في السوق.
- توصيات الأسعار – نظام التوصيات المستخدم في مدير التسعير مع الأخذ في الاعتبار كميات هائلة من البيانات لتقديم المشورة لعملائنا بأفضل نقطة سعر.
صدقني، كان هناك أيضًا العديد من المشاريع البحثية التي فشلت في تحقيق النتيجة المتوقعة وبالتالي لم تواجه العملاء أبدًا. وهذا جزء طبيعي من عملية الابتكار.
وبعد ذلك، وعلى ما يبدو، تم إصدار ChatGPT في الربع الرابع من عام 2022، حيث اكتسب مليون مستخدم في 5 أيام فقط. وفجأة، أصبح الناس مقتنعين بأن الذكاء الاصطناعي التوليدي سيحل جميع مشاكلنا. كان الاعتقاد السائد هو أن جميع الوظائف الإدارية ستكون آلية، وأن علماء البيانات سيصبحون عتيقين.
حسنًا، لسوء الحظ، أو لحسن الحظ بالنسبة لي، لم يسير الأمر بهذه الطريقة. خلال الأشهر التالية، تعلمنا عن القيود المفروضة على نماذج اللغات الكبيرة (LLMs). أشياء مثل التكلفة وتحديات قابلية التوسع ومشكلات الدقة الأكثر شهرة الناتجة عن (“https://gizmodo.com/worst-google-ai-answers-glue-pizza-dogs-playing-sports-1851495298?_gl=1*1hgbonq*_ga*MTE4NzEzOTgxNC4xNzI0MjYyNDE3*_ga_V4QNJTT5L0*MTcyNDI2MjQxNi4xLjAuMTcyNDI2MjQyMi41Ny4wLjA.” الهدف=”_blank” rel=”noopener”> فرحان في كثير من الأحيان) الهلوسة.
لقد تعلمنا أن GenAI هي أداة أخرى في مجموعة أدوات الذكاء الاصطناعي الخاصة بنا والتي تعتبر رائعة للعمل مع بيانات النص والصور، ولكن بالنسبة لبعض المهام الأخرى، فهي ببساطة لا تعمل مثل الذكاء الاصطناعي التنبؤي أو حتى الأتمتة القديمة الجيدة.
وهنا نصل إلى النقطة الرئيسية في هذا المنشور: كيف تعلمنا كل هذا في Lighthouse؟
نهج خارطة طريق الابتكار لدينا
قررنا الاستثمار أكثر في التجارب وأنشأنا موقعًا مخصصًا “خارطة طريق الابتكار”. ماذا أعني على وجه التحديد بخريطة طريق الابتكار وما نوع المشاريع التي نتعامل معها هناك؟
في Lighthouse، نقوم بتصنيف مشاريع علوم البيانات لدينا إلى ثلاثة أنواع:
- مشاريع ذات نطاق ونتائج يمكن التنبؤ بها – عندما نعرف بالضبط ما نحتاج إليه ونعرف التكنولوجيا التي ستوصلنا إلى هناك حيث عملنا بالفعل في مشاريع مماثلة في الماضي.
- مشاريع ذات نطاق غير متوقع ونتائج يمكن التنبؤ بها – عندما نعلم أن شيئًا ما سينجح، ولكن هناك الكثير من عدم اليقين بشأن الحلول أو البيانات التي ستوصلنا إلى هناك.
- مشاريع ذات نطاق ونتائج غير متوقعة – عندما لا نعرف ما إذا كان شيء ما سيعمل على الإطلاق، وكم من الوقت سيستغرقنا لمعرفة ما إذا كانت لدينا الأدوات اللازمة لإنجاحه.
إنها الفئة الأخيرة – المشاريع ذات النطاق والنتائج غير المتوقعة – التي نخصصها كجزء من أعمالنا “Innovation roadmap”.
“http://www.hospitalitynet.org/picture/xxl_153175369.jpg?t=1730201193″ تحميل البيانات=”/picture/_153175369.jpg?t=1730201193″ العرض=”2800″ الارتفاع=”1575″ البديل=”— Source: Lighthouse” السابق-src=”/picture/_153175369.jpg?t=1730201193″>
لقد لعبت خارطة طريق الابتكار الخاصة بنا دورًا أساسيًا في دفع الابتكار من القاعدة إلى القمة في Lighthouse. عندما تكون لدينا أفكار، ولكن ليس بعد المعرفة اللازمة للبحث عنها، فإننا نتعاون أحيانًا مع خبراء الذكاء الاصطناعي المعتمدين من Google، الذين يقدمون لنا الإرشادات ويساعدوننا في التنقل في المشهد المعقد والمتغير دائمًا للذكاء الاصطناعي.
كان أحد المشاريع الأولى التي تناولناها بهذه الطريقة بمثابة إثبات للمفهوم “الملخصات الذكية”. في هذا المشروع، قمنا بتعزيز التقدم من خلال الشراكة مع خبراء الذكاء الاصطناعي المعتمدين من Google لمعرفة كيفية بناءه على أفضل وجه. يمكنك قراءة المزيد عن ذلك في مشاركتي السابقة”https://www.mylighthouse.com/resources/blog/how-we-built-ai-smart-summaries-as-first-generative-ai-feature” الهدف=”_self”>إلقاء نظرة خاطفة خلف الستار: كيف قمنا ببناء ملخصات الذكاء الاصطناعي الذكية، أول ميزة توليدية للذكاء الاصطناعي لدينا.
الوجبات السريعة الرئيسية
- اختيار الشريك الاستراتيجي المناسب: يتيح ذلك لشركتك البقاء في طليعة تطورات الذكاء الاصطناعي مع التركيز على نقاط القوة الأساسية الخاصة بالصناعة.
- بناء فريق قوي ومتنوع: وجهات النظر المتنوعة تضمن وجهات نظر وآراء مختلفة، مما يؤدي إلى حلول أفضل.
- تبني الابتكار ومخاطره: قم بتنفيذ استراتيجيات تساعد عملك وأصحاب المصلحة على منح فريقك الحرية للفشل والتعلم.
حول المنارة
Lighthouse (المعروفة سابقًا باسم OTA Insight) هي المنصة التجارية الرائدة في مجال السفر والضيافة. نحن نحول التعقيد إلى ثقة من خلال توفير رؤى سوقية قابلة للتنفيذ، وذكاء الأعمال، وأدوات التسعير التي تزيد من نمو الإيرادات إلى أقصى حد. نحن نبتكر باستمرار لتقديم أفضل منصة لمحترفي الضيافة للتسعير بشكل أكثر فعالية، وقياس الأداء بشكل أكثر كفاءة، وفهم السوق بطرق جديدة.
تحظى Lighthouse بثقة أكثر من 65000 فندق في 185 دولة، وهي الحل الوحيد الذي يوفر بيانات الفنادق والإيجارات قصيرة المدى في الوقت الفعلي في منصة واحدة. نحن نسعى جاهدين لتقديم أفضل تجربة ممكنة مع خدمة عملاء لا مثيل لها. نحن نعتبر عملائنا شركاء حقيقيين، فنجاحهم هو نجاحنا.