الذكاء الاصطناعي المرتكز على البيانات

الذكاء الاصطناعي المتمركز حول البيانات هو فلسفة ومنهجية في تطوير التعلم الآلي (ML) تركز على تحسين جودة بيانات التدريب بدلاً من التركيز فقط على تحسين بنية النموذج. في النهج التقليدية المتمركزة حول النموذج ، غالبًا ما يتم التعامل مع مجموعة البيانات كمدخلات ثابتة بينما يقضي المهندسون أسابيع في ضبط المعلمات الفائقة أو تصميم هياكل شبكات عصبية معقدة. على العكس من ذلك، تعامل النهج المتمحور حول البيانات كود النموذج كأساس ثابت وتوجه جهود الهندسة نحو تنظيف البيانات بشكل منهجي، واتساق التسمية، و الزيادة لتعزيز الأداء العام للنظام. يعترف هذا التحول بأن مبدأ "القمامة تدخل، القمامة تخرج" هو العقبة الرئيسية لتحقيق دقة عالية في العديد من التطبيقات العملية.

الفلسفة الأساسية: الجودة على الكمية

الفرضية الأساسية للذكاء الاصطناعي المتمركز حول البيانات هي أن مجموعة البيانات الأصغر حجماً وذات الجودة العالية غالباً ما تسفر عن نتائج أفضل من مجموعة البيانات الضخمة والمشوشة. وقد دافع عن هذا التحول شخصيات بارزة في هذا المجال، مثل أندرو نج، مؤكدين أن مجتمع الذكاء الاصطناعي قد بالغ تاريخياً في التركيز على الابتكار الخوارزمي. لبناء أنظمة قوية، يجب على المهندسين الانخراط في عمليات تعلم نشطة حيث يقومون بشكل متكرر بتحديد أنماط الفشل وتصحيحها عن طريق تحسين مجموعة البيانات. وهذا يتضمن تصنيف البيانات بدقة، وإزالة التكرارات، ومعالجة الحالات الاستثنائية التي يجد النموذج صعوبة في classify.

تشمل الأنشطة الرئيسية في سير العمل هذا ما يلي:

• تحليل الأخطاء المنهجية: بدلاً من الاعتماد فقط على المقاييس الإجمالية مثل الدقة، يقوم المطورون بتحليل حالات محددة يفشل فيها النموذج — مثل اكتشاف الأجسام الصغيرة في الصور الجوية— ويجمعون البيانات المستهدفة لمعالجة نقاط الضعف تلك.
• اتساق التسمية: من الضروري التأكد من أن جميع المعلقين يتبعون نفس الإرشادات. تساعد أدوات مثل Label Studio الفرق على إدارة جودة التعليقات التوضيحية لمنع ظهور إشارات متضاربة تؤدي إلى إرباك عملية التدريب.
• زيادة البيانات: يستخدم المطورون تقنيات زيادة البيانات لتوسيع تنوع مجموعة البيانات بشكل مصطنع. من خلال تطبيق تحويلات مثل الدوران والتحجيم وتعديل اللون ، يتعلم النموذج التعميم بشكل أفضل على البيئات غير المرئية.
• توليد البيانات الاصطناعية: عندما تكون البيانات الواقعية نادرة، يمكن للفرق توليد بيانات اصطناعية باستخدام محركات محاكاة مثل NVIDIA لملء الفجوات في مجموعة البيانات، مما يضمن تمثيل الفئات النادرة بشكل مناسب.

تطبيقات واقعية

يعد اعتماد نهج يركز على البيانات أمرًا بالغ الأهمية في الصناعات التي لا يمكن التنازل فيها عن دقة الرؤية الحاسوبية.

1. الزراعة الدقيقة: في الذكاء الاصطناعي في الزراعة، غالبًا ما يعتمد التمييز بين المحصول السليم والمحصول المصاب بمرض في مرحلة مبكرة على إشارات بصرية دقيقة. يركز الفريق الذي يركز على البيانات على تنظيم مجموعة بيانات عالية الجودة للرؤية الحاسوبية تتضمن على وجه التحديد أمثلة للأمراض في ظل ظروف إضاءة ومراحل نمو مختلفة. وهذا يضمن ألا يتعلم النموذج ربط ميزات الخلفية غير ذات الصلة بفئة المرض، وهي مشكلة شائعة تُعرف باسم التعلم المختصر.
2. الفحص الصناعي: بالنسبة للذكاء الاصطناعي في مجال التصنيع، قد تحدث عيوب مرة واحدة فقط في كل عشرة آلاف وحدة. قد يتجاهل التدريب على النموذج القياسي هذه الأحداث النادرة بسبب عدم التوازن بين الفئات. من خلال استخدام استراتيجيات الكشف عن الحالات الشاذة والبحث يدويًا عن المزيد من الصور لهذه العيوب المحددة أو تجميعها، يضمن المهندسون أن يحقق النظام معدلات الاسترجاع العالية المطلوبة لمعايير مراقبة الجودة التي تحددها منظمات مثل ISO.

تنفيذ تقنيات تركز على البيانات باستخدام Ultralytics

يمكنPython تطبيق تقنيات تركز على البيانات مثل التوسيع مباشرةً في مسار التدريب الخاص بك. يوضح كود Python التالي كيفية تحميل نموذج YOLO26 وتدريبه باستخدام معلمات توسيع قوية لتحسين المتانة ضد التغيرات.

from ultralytics import YOLO

# Load a YOLO26 model (recommended for new projects)
model = YOLO("yolo26n.pt")

# Train with specific data augmentations to improve generalization
# 'degrees' adds rotation, 'mixup' blends images, and 'copy_paste' adds object instances
results = model.train(
    data="coco8.yaml",
    epochs=10,
    degrees=15.0,  # Random rotation up to +/- 15 degrees
    mixup=0.1,  # Apply MixUp augmentation with 10% probability
    copy_paste=0.1,  # Use Copy-Paste augmentation
)

التمييز بين المفاهيم ذات الصلة

لفهم الذكاء الاصطناعي المتمركز حول البيانات، لا بد من تمييزه عن المصطلحات المماثلة في نظام التعلم الآلي.

• الذكاء الاصطناعي المتمحور حول النموذج: هذا هو النهج العكسي، حيث يتم الاحتفاظ بمجموعة البيانات ثابتة، ويتم البحث عن ويتم البحث عن التحسينات من خلال ضبط المعلمة الفائقة أو التغييرات أو التغييرات المعمارية. في حين أنه ضروري لتخطي الحدود الحديثة في الأوراق البحثية الموجودة على IEEE Xplore، إلا أنه غالبًا ما يؤدي إلى عوائد متناقصة في الإنتاج مقارنةً بتنظيف البيانات.
• البيانات الضخمة: تشير البيانات الضخمة في المقام الأول إلى حجم وسرعة وتنوع المعلومات. لا تتطلب الذكاء الاصطناعي المتمركز حول البيانات بالضرورة بيانات "ضخمة"؛ بل تتطلب بيانات "ذكية". غالبًا ما تتفوق مجموعة البيانات الصغيرة والمصنفة بشكل مثالي على مجموعة البيانات الضخمة والمشوشة ، كما يؤكد مجتمع الذكاء الاصطناعي المتمركز حول البيانات.
• تحليل البيانات الاستكشافي (EDA): تعد تصور البيانات وتحليل البيانات الاستكشافي خطوات ضمن سير العمل المتمركز حول البيانات. يساعد تحليل البيانات الاستكشافي في تحديد التناقضات باستخدام أدوات مثل Pandas، ولكن الذكاء الاصطناعي المتمركز حول البيانات يشمل دورة حياة الهندسة الكاملة لإصلاح تلك المشكلات من أجل تحسين محرك الاستدلال.
• MLOps: عمليات التعلم الآلي (MLOps) توفر البنية التحتية والخطوط الأساسية لإدارة دورة حياة إنتاج الذكاء الاصطناعي. الذكاء الاصطناعي المتمركز حول البيانات هو المنهجية المطبقة في خطوط MLOps لضمان أن البيانات التي تتدفق من خلالها تخلق نماذج موثوقة. منصات مثل Weights & Biases غالبًا ما تستخدم track تغيرات البيانات على مقاييس النماذج.