تضع Google Cloud الذكاء الاصطناعي في مركز خطط تحليل البيانات

جوجل “يحصل” على البيانات

لدى جوجل “فهم ثقافي” للحاجة إلى تسهيل الوصول إلى المعلومات، وفقًا لكازماير. وهذا هو جوهر مهمتها المتمثلة في الجمع بين الذكاء الاصطناعي والتحليلات التقليدية معًا.

“من وجهة نظر تقني، يبدأ الأمر بالبحث في المعلومات حول العالم وجعل المعلومات ذات الصلة متاحة ومفيدة عالميًا. وهذا مطلوب لبناء التكنولوجيا، التي تُستخدم بكثافة اليوم في الذكاء الاصطناعي التوليدي.

“هناك سبب وراء كون Google المخترع الأصلي لنموذج المحولات، والذي يمثل الآن البنية الأساسية لكل هذه النماذج سواء كانت تَوأَم [formerly Google’s Bard]أو ChatGPT، [Meta’s] اللاما وهكذا.

“هناك فهم عميق في المقام الأول، عندما نقول إننا نريد ربط سؤال شخص ما بإجابة ذات معنى، حول التكنولوجيا التي نحتاج إلى بنائها لفهم دلالات المعالجة بكفاءة، وتقديمها في شكل العامل الذي يمكن للإنسان أن يعمل به.”

وضعت جوجل خارطة طريق لبناء الذكاء الاصطناعي في أدوات التحليل الخاصة بها، ودمج BigQuery مع Vertex AI، وتمكين البيانات من سير عمل الذكاء الاصطناعي في BigQuery Studio والسماح للمستخدمين بإنشاء نماذج التعلم الآلي في BigQuery ML وتصديرها إلى Vertex AI، بالإضافة إلى إضافة ميزات Looker وLooker Studio.

من وجهة نظر جوجل، فإن أحد تطبيقات الذكاء الاصطناعي التوليدي في المؤسسة التي تتمتع بأكبر قدر من الوعد هو مساعدة غير المتخصصين على التفاعل مع بيانات الأعمال.

بدلاً من تعلم مهارات البرمجة أو التحليل، أو كتابة الاستعلامات ولوحات معلومات التصميم، يجب أن تسمح GenAI لمستخدمي الأعمال بالتفاعل مع قاعدة بيانات أو مستودع بيانات أو تطبيق بحيرة البيانات باستخدام اللغة الطبيعية – والحصول على استجابة باللغة الطبيعية أيضًا.

وهذا له ميزتان رئيسيتان، إلى جانب سهولة الاستخدام.

إنه يلغي الحاجة إلى تصفية البيانات لتتناسب مع تنسيق وإمكانيات لوحة المعلومات. وهذا يعني حتمًا أنه سيتم اقتطاع بعض المعلومات أو إزالتها. ولا يمتلك سوى أقلية من مستخدمي المؤسسات المهارات اللازمة للتعمق في أدوات التحليلات بأنفسهم.

يتمتع النظام القائم على الذكاء الاصطناعي بالقدرة على أن يكون أكثر دقة حيث يمكنه التعامل مع كميات أكبر من البيانات ومجموعة واسعة من مصادر البيانات. وأشار كازماير إلى ذلك باسم “البيانات الواسعة”.

الميزة الأخرى هي أنه يمكن للمستخدمين التفاعل معها الأنظمة التي تعتمد على الذكاء الاصطناعي بطريقة أكثر تكرارية. ويمكنهم ضبط الاستعلامات وتعديلها، وطرح المزيد من الأسئلة حتى يجدوا المعلومات التي يحتاجون إليها.

يستشهد كازماير بمثال شركة Camanchaca، وهي شركة للمأكولات البحرية في تشيلي تستخدم مجموعة من أدوات ذكاء الأعمال القياسية، بما في ذلك BigQuery وVertex AI وLooker. لقد أنشأت وكيلًا للذكاء الاصطناعي لمنح جميع الموظفين إمكانية الوصول إلى بيانات الشركة.

“يؤدي هذا إلى فتح البيانات والتحليلات للمتخصصين في تحليل غير البيانات. كل شخص لديه سؤال لطرحه. ليس لدى الجميع محلل للإجابة على هذا السؤال”.

“هناك حالات استخدام جديدة ناشئة لقدرات الذكاء الاصطناعي التوليدية، والتي تمنحنا أكثر من مجرد لوحات المعلومات وتحليلات البيانات التقليدية. لقد تغير المستهلك، من محللي البيانات، إلى كل عامل في مجال المعرفة حيث يتم منحه إمكانية الوصول إلى تحليل مفيد للبيانات.

وهذا يسمح لذكاء الأعمال بالانتقال من مجرد عرض البيانات إلى تفسير المعلومات، بالطريقة التي يفعلها المحلل البشري، وفقًا لكازماير.

“عندما تنظر إلى البيانات، فأنت تريد أن يكون لديك شخص مطلع، مثل التحليل المهني، لمساعدتك في تفسير ذلك. ماذا يمثل ذلك من الناحية المفاهيمية، أو كيف يمكن مقارنتها؟ هو قال.

“هذا ليس سؤالًا يمكن الإجابة عليه بالضرورة من خلال نقطة البيانات نفسها، ولكنك بحاجة إلى شخص يتم معايرته حقًا إذا أردت، ومن يفهم كيفية تفسيره، “هل هذا هامش جيد أم سيئ؟” هل هذه مبيعات يومية جيدة أم سيئة؟’.

“يمكن تدريب هذا وترميزه ويتم إنشاؤه بواسطة الوكلاء الذين نقدمهم في عرض ذكاء الأعمال الخاص بنا. لذا، فأنت تتعاون بشكل أساسي مع محلل يمكنه مساعدتك على فهم وتفسير البيانات التي ستراها. إحدى المشاكل الرئيسية التي نواجهها في ذكاء الأعمال التقليدي هي أننا يجب أن نضغط المعلومات إلى مستوى يصبح مفهوماً للبشر.

وفقا لكازماير، فإن مستهلكي البيانات يتغيرون. يريد المزيد من المستخدمين الوصول إلى البيانات، ويوفر الذكاء الاصطناعي – وخاصة الذكاء الاصطناعي التوليدي – طريقة لفتح هذا الوصول بطريقة لا تستطيع الذكاء الاصطناعي التقليدي القيام بها.

ولكن هناك ما هو أكثر من مجرد دمج الذكاء الاصطناعي في ذكاء الأعمال وفي خريطة طريق جوجل، أكثر من مجرد توفير واجهة أفضل. يوفر الذكاء الاصطناعي وسيلة للشركات للبقاء في صدارة النمو الذي يبدو لا نهاية له لبيانات المؤسسة – ونأمل أن يؤدي ذلك إلى تحقيق بعض القيمة التجارية منها في نفس الوقت.

يتحدث كازماير عن البيانات “الواسعة” وليس البيانات الضخمة: ليس فقط الحصول على المزيد من البيانات، ولكن إضافة المزيد من نقاط البيانات إلى التحليل. وقال إن أنظمة الذكاء الاصطناعي في وضع جيد يمكنها من تحديد ما إذا كان الأمر يستحق أخذ عوامل إضافية في الاعتبار، كما أنها تتمتع بقدرة المعالجة للقيام بذلك بسرعة كافية، حتى لا تعيق عملية صنع القرار.

وقال: “أحد أكبر التغييرات التي شهدناها هو استخدام البيانات غير المنظمة”. “إذا فكرت في الأمر، فإن البيانات غير المنظمة تمثل تقريبًا 90٪ من بيانات العالم. تقليديا، لم يتم استخدام هذه البيانات في تحليلات البيانات. كانت هناك تطبيقات متخصصة للمستندات، أو لأتمتة عمليات معينة مثل دفع الفواتير، ولكن لم يتم اعتبارها جزءًا من مشهد بيانات المؤسسة الذي نستخدمه ونستكشفه ونحلله بشكل نشط، كما تفعل مع البيانات المنظمة.

وتابع: “مع الذكاء الاصطناعي التوليدي، أصبح العمل مع البيانات غير المنظمة، وفهم الأشخاص لها واستخراج المعلومات منها، مرنًا ومتاحًا بشكل كبير”.

وتسمح أدوات الذكاء الاصطناعي لمستخدمي الأعمال بالتعمق أكثر في البيانات وفهم الاتجاهات في مؤسساتهم بشكل أفضل: الانتقال من الأسئلة “ماذا ومتى وأين” إلى “لماذا” في النهاية.

وأضاف كازماير: “لديك نماذج كبيرة يتم تدريبها على البيانات العامة، ويمكنك أن تسألهم عن أسئلة المجال العام ومن المدهش ما يمكن أن تفعله”.

“لكن هذه النماذج لا يتم تدريبها على استخدام بيانات المؤسسة، وهذا أمر مثير للاهتمام للغاية. كيف يمكننا نشر هذه كبيرة [language] نماذج تحتوي على بيانات مؤسسية حتى تتمكن من فتح جميع الرؤى التي لديك لبياناتك، بحيث تكون جميعها مفيدة في الشركة؟”

وقال إن عملاء الذكاء الاصطناعي يقدمون هذه الإجابات بالفعل.