لماذا يُعد تمكين النساء في الذكاء الاصطناعي وعلوم البيانات مهمًا؟

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

مع انتشار الذكاء الاصطناعي في الحياة اليومية، تظل مسألة التنوع والشمول في مجال التكنولوجيا مصدر قلق كبير. وعلى وجه الخصوص، يؤدي استمرار ضعف تمثيل النساء في علوم البيانات والذكاء الاصطناعي، بما في ذلك فجوات البيانات المتعلقة بالنوع الاجتماعي، إلى ترميز التحيز وتضخيمه في المنتجات التقنية والأنظمة الخوارزمية، مما ينشئ حلقات تغذية راجعة ضارة.

«لكي تكون متنوعًا حقًا، تحتاج إلى إشراك أشخاص في الذكاء الاصطناعي يفكرون بطريقة مختلفة.» Kay Firth-Butterfield رئيسة الذكاء الاصطناعي وتعلُّم الآلة وعضو اللجنة التنفيذية

يُعد الذكاء الاصطناعي أحد المجالات التي يمكن للنساء أن يحققن فيها نجاحًا باهرًا، ولا سيما مع الدفع المناسب نحو مشاركة النساء في هذا القطاع.

نقدّم لكم ليانز وانجيكو، وهي شغوفة بعلوم البيانات وتعلُّم الآلة. سنستعرض هنا مسيرتها في دخول مجال علوم البيانات، ونلهم الشابات للانضمام إلى حركة التكنولوجيا.

ليانز طالبة في سنتها الدراسية الأخيرة ومتدربة مساعدة في مجال البحث بمركز علوم البيانات في جامعة ديدان كيماثي للتكنولوجيا في كينيا.

بعد أن لاحظت ليانز مدى سهولة استخراج الرؤى من البيانات، أُثير اهتمامها بتعلُّم الآلة. انضمت إلى مجتمع لعلوم البيانات قبل نحو عام، وأبدت اهتمامًا كبيرًا بمتابعته بوصفه مسارًا مهنيًا. وترى ليانز أن من المذهل كيف تقود علوم البيانات والذكاء الاصطناعي المستقبل!

Ultralytics YOLOv5 لاكتشاف أنواع الحيوانات#

بدأت ليانز استخدام YOLOv5 قبل بضعة أشهر فقط! ومن خلال العمل على صور لأنواع مختلفة من الحيوانات، كان الهدف الرئيسي من استخدام YOLOv5 بوصفه نموذجًا لاكتشاف الكائنات هو تصنيف أنواع الحيوانات في المحمية التابعة لمدرستها. وفي مرحلة لاحقة من المشروع، أدركت أنه بعد التصنيف يمكن للنموذج إضافة التعليقات التوضيحية إلى جميع الصور تلقائيًا. وهذا يسهّل تقليل الجهد البشري وتوفير الوقت عند إضافة التعليقات التوضيحية إلى الصور.

جرّبت ليانز أيضًا نماذج أخرى مُدرَّبة مسبقًا لاكتشاف الكائنات، مثل TFOD وYOLOv3، لأنها كانت بحاجة في البداية إلى اكتساب المعرفة والمهارات في PyTorch. ومع ذلك، بعد أن عثرت على Ultralytics YOLOv5 من خلال البحث، طبّقته بسرعة. وبالنسبة إلى ليانز، يحقق النموذج أفضل أداء لأنه خفيف الوزن وسهل الاستخدام ويوفر أفضل دقة.

«أفضل ما في الأمر هو أنه يمكنك البدء باستخدام بضعة أسطر من التعليمات البرمجية فقط!»

قيمة Ultralytics YOLOv5#

• زيادة البيانات
• سرعة الاستدلال
• وقد سهّل عليها كون النموذج متاحًا بعدة إصدارات (s وm وl وx)، يتمتع كل منها بدقة اكتشاف وأداء مختلفين.

توصي ليانز باستخدام Ultralytics YOLOv5 لكل من هو جديد في هذا المجال. وتقول: "صُمم YOLOv5 لاكتشاف الكائنات، ولذلك فهو بارع فيما يفعله! وبفضل قلة العمليات وقلة التعليمات البرمجية المطلوب كتابتها، يُعد YOLO أحد أشهر خوارزميات اكتشاف الكائنات بسبب سرعته ودقته."

ترحّب ليانز بالتعاون عبر GitHub، وهي متاحة للدردشة على Twitter، كما تنشر مقالات عن المشاريع التي تعمل عليها. اطّلع على مقالتها: مقدمة إلى اكتشاف الكائنات باستخدام YOLOv5!

نشرت نموذج اكتشاف الكائنات على بعض مقاطع الفيديو التي تضم حُمرًا وحشية وظباء، ثم.... من هذا المنظور، أعتقد أنني سأضطر إلى العودة إلى المطبخ والعمل على مزيد من البيانات وتحسين النموذج. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri

— lian.s (@lians_) 29 نوفمبر 2022

شكرًا لقراءتكم عن تجربة ليانز. وبصفتنا Ultralytics، نتطلع إلى انضمام المزيد من النساء إلى هذا المجال. وسنواصل جعل الذكاء الاصطناعي أسهل للجميع، فتابعونا!