لماذا يعتبر تمكين المرأة في الذكاء الاصطناعي وعلوم البيانات مهمًا

تتبنى الشركات الذكاء الاصطناعي بوتيرة أسرع من أي وقت مضى لتبسيط العمليات. على سبيل المثال، يمكن استخدام الذكاء الاصطناعي لأتمتة مهام خدمة العملاء، ومساعدة الأطباء على تشخيص الأمراض، وتحسين نتائج محركات البحث، والتحكم في السيارات ذاتية القيادة، وما إلى ذلك. والقائمة تطول وتطول...

مع انتشار الذكاء الاصطناعي في الحياة اليومية، تظل مسألة التنوع والشمول في التكنولوجيا مصدر قلق كبير. على وجه الخصوص، يؤدي النقص المستمر في تمثيل المرأة في علم البيانات والذكاء الاصطناعي، بما في ذلك الثغرات في البيانات المتعلقة بالنوع الاجتماعي، إلى ترميز وتضخيم التحيز في المنتجات التقنية والأنظمة الخوارزمية، مما يخلق حلقات ردود فعل ضارة.

لكي تكون متنوعًا حقًا، تحتاج إلى جلب أشخاص إلى الذكاء الاصطناعي يفكرون بشكل مختلف."

كاي فيرث-باترفيلد
رئيس قسم الذكاء الاصطناعي والتعلم الآلي وعضو اللجنة التنفيذية

الذكاء الاصطناعي هو أحد المجالات التي يمكن للمرأة أن تحقق فيها نجاحًا هائلاً، خاصة مع الدفعة الصحيحة نحو مشاركة الإناث في الصناعة.

نقدم لكم ليانز وانجيكو، المتحمسة لعلوم البيانات وتعلم الآلة. هنا، سنقوم بجولة في رحلتها إلى علم البيانات وإلهام الشابات للانضمام إلى الحركة التقنية.

ليانز طالبة في السنة الأخيرة ومساعدة باحثة متدربة في مركز علوم البيانات في جامعة ديدان كيماتي للتكنولوجيا في كينيا.

بعد ملاحظة مدى سهولة استخلاص رؤى من البيانات، اشتعل اهتمام ليان بالتعلم الآلي. انضمت إلى مجتمع علوم البيانات منذ حوالي عام وأبدت اهتمامًا كبيرًا بمتابعة ذلك كمهنة. بالنسبة إلى ليان، من المدهش كيف تقود علوم البيانات والذكاء الاصطناعي المستقبل!

YOLOv5 لاكتشاف أنواع الحيوانات

بدأت ليانز العمل مع YOLOv5 قبل عدة أشهر فقط! بالعمل مع صور لأنواع مختلفة من الحيوانات، كان الهدف الرئيسي من العمل مع YOLOv5 كنموذج لاكتشاف الكائنات هو تصنيف أنواع الحيوانات في محمية مدرستها. في وقت لاحق من المشروع، أدركت أنه بعد التصنيف، يمكن للنموذج تلقائيًا إضافة تعليقات توضيحية إلى جميع الصور. هذا يجعل من السهل تقليل الجهد البشري وتوفير الوقت في إضافة تعليقات توضيحية إلى الصور.

جربت ليانز أيضًا نماذج أخرى مُدرَّبة مسبقًا لاكتشاف الكائنات، مثل TFOD و YOLOv3، لأنها كانت بحاجة في البداية إلى اكتساب المعرفة والمهارات في PyTorch. ومع ذلك، بعد العثور على YOLOv5 من خلال البحث، قامت بتطبيقه بسرعة. بالنسبة إلى ليان، يقدم النموذج أفضل أداء لأنه خفيف الوزن و سهل الاستخدام ويوفر أفضل دقة.

أفضل جزء هو أنه يمكنك البدء ببضعة أسطر فقط من التعليمات البرمجية!"

القيمة في YOLOv5

• زيادة البيانات
• سرعة الاستدلال
• حقيقة أن النموذج متاح في عدة متغيرات (s و m و l و x)، ولكل منها دقة وأداء كشف مختلفين، جعلت الأمر أسهل بالنسبة لها.

توصي ليانز بـ YOLOv5 لأي شخص جديد في هذا المجال. على حد تعبيرها، "تم تصميم YOLOv5 لاكتشاف الكائنات، لذلك فهو جيد في ما يفعله! نظرًا لوجود عدد أقل من العمليات وكمية أقل من التعليمات البرمجية للكتابة، فإن YOLO هو أحد أشهر خوارزميات اكتشاف الكائنات نظرًا لسرعته ودقته."

ليانز منفتحة على التعاونات على GitHub ومتاحة للدردشة على Twitter، كما أنها تنشر مقالات حول المشاريع التي تعمل عليها. تحقق من مقالتها: مقدمة لاكتشاف الكائنات باستخدام YOLOv5!

قمت بنشر نموذج الكشف عن الكائنات على بعض مقاطع الفيديو مع كل من الحمير الوحشية والظباء .... من هذا المنظور، أعتقد أنني سأضطر إلى العودة إلى المطبخ والعمل مع المزيد من البيانات وإتقان النموذج. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

— lian.s__ (@lians___) 29 نوفمبر 2022

شكرًا لقراءتكم عن تجربة ليان. بصفتنا Ultralytics، نتطلع إلى انضمام المزيد من النساء إلى هذا المجال. سنواصل جعل الذكاء الاصطناعي أسهل للجميع، ترقبوا المزيد!