تخيّل أن تكون قادرًا على إنتاج إمداد لا نهاية له من الموارد الأكثر حيوية في العالم بسرعة وبتكلفة معقولة.
ما هي التغييرات والفرص الاقتصادية الهامة التي ستترتّب عن ذلك؟
لقد بات ذلك اليوم واقعاً وحقيقة، نشير إليها على أنها بيانات تركيبية.
على الرغم من أن مفهوم البيانات التركيبية ليس حديثاً، فإن تطبيقه في العالم الحقيقي يقترب الآن من الوصول إلى نقطة تحول حاسمة. تتمتع هذه البيانات بإحداثِها تأثيرات اقتصادية بارزة، ويعود ذلك لقدرتها على الارتقاء على نحو شامل بتقنيات الذكاء الاصطناعي (AI) وسلاسل القيمة.
يرتكز الذكاء الاصطناعي المعاصر على البيانات. ويعدّ الحصول على البيانات الصحيحة هو الخطوة الأكثر أهمية والأصعب في إنشاء تقنية متينة قائمة على الـ AI. إلى ذلك، يُعتبر جمع البيانات في العالم الحقيقي أمرًا صعبًا ومكلفًا ويستغرق وقتًا طويلاً. هنا يأتي دور البيانات التركيبية.
ببساطة، تتيح تقنية البيانات التركيبية للمحترفين الإنشاء الرقمي للبيانات المطلوبة متى ما احتاجوا إليها، وبمختلف الأحجام، ووفقًا لمواصفات معيّنة ودقيقة هم يحدّدونها.
إقرأ المزيد: أربعة مجالات رئيسية تمكن الشركات من إعادة بناء الثقة الرقمية مع العملاء خلال العام 2023
بحلول العام 2024، ستصبح 60 في المئة من جميع البيانات المستخدمة في إنشاء الذكاء الاصطناعي تركيبية وليست حقيقية، كما تتنبأ دراسة تم الاستشهاد بها على نطاق واسع من شركة الاستشارات الإدارية “غارتنر“.
يربط العديد من الأشخاص البيانات التركيبية بالمحاكاة أو البيانات الوهمية أو المزيّفة. إلا أن الحقيقة مختلفة تماماً.
يتم استخدام البيانات التركيبية بشكل متزايد لإثراء مجموعات البيانات في العالم الحقيقي، مما يسمح لأنظمة الصندوق الأسود بتصنيف الملاحظات بشكل صحيح أو التنبؤ بالقيم التي تقع خارج نطاق التدريب ومجموعات التحقق من الصحة.
وفقًا لـ”ويكيبيديا”، فإن الصندوق الأسود هو نظام يمكن ملاحظته من خلال مدخلاته ومخرجاته، دون أي معرفة بأنشطته الداخلية. إجراءاته “معتمة” (سوداء). يمكن استخدام المصطلح في الحوسبة للإشارة إلى العديد من الأنشطة الداخلية، مثل أنشطة الترانزستور أو المحرك أو الخوارزمية أو العقل البشري أو مؤسسة أو حكومة ما.
علاوة على ذلك، تساعد البيانات التركيبية في فهم القرارات التي تتخذها أنظمة غامضة مثل الشبكات العصبية العميقة، مما يساهم في تطوير الذكاء الاصطناعي القابل للتفسير. كما أنه يساعد في الكشف عن الاحتيال عند التعامل مع البيانات غير المتوازنة.
إلى ذلك، نظرًا لأن البيانات التركيبية لا ترتبط بشكل مباشر بأشخاص حقيقيين أو معاملات فعلية، فإنها توفر حماية من تسرب البيانات. تساعد البيانات التركيبية أيضًا في القضاء على تحيزات الخوارزمية ومخاوف الخصوصية، فضلاً عن تحسين المزايا الأمنية العامة وتعزيزها.
أنقر هنا لمزيد من المعلومات حول الإجراءات الاستباقية التي اتخذتها أمازون لمنع تسرب البيانات
