لتعزيز إنتاجية تطوير البرمجيات.. Cognizant وGoogle Cloud توسعان شراكة الذكاء الاصطناعي
تاريخ النشر: 22nd, March 2024 GMT
أعلنت كل من Cognizant (رمزها في NASDAQ هو CTSH ) وGoogle Cloud اليوم عن توسيع شراكتهما لتحسين دورة حياة تسليم البرامج وتسريع إنتاجية المطورين.
ستتبنى شركة Cognizant برنامج Gemini for Google Cloud بطريقتين: أولاً، من خلال تدريب شركاء Cognizant على استخدام Gemini للمساعدة في تطوير البرمجيات، وثانيًا، من خلال شركة Cognizant على دمج قدرات Gemini المتقدمة ضمن عملياتها ومنصاتها الداخلية.
وقد تم التأكيد على التأثير المحتمل لزيادة إنتاجية التنمية من خلال النتائج التي توصلت إليها دراسة حديثة أجرتها شركة Cognizant بالتعاون مع Oxford Economics، بعنوان New Work، New World، والتي كشفت أن الذكاء الاصطناعي الإنتاجي يمكن أن يضخ ما يصل إلى تريليون دولار في الاقتصاد الأمريكي بحلول عام 2032. ومن خلال هذا التعاون، ستستخدم Cognizant وGoogle Cloud برنامج Gemini لتقديم مجموعة واسعة من الفوائد لعملاء المؤسسات في مخالف المجالات، ومساعدتهم في إنشاء التطبيقات بسرعة، واختبار التعليمات البرمجية بدقة، ومعالجة المشكلات سريعًا لتحسين الأداء طوال دورة حياة تسليم البرامج.
قال Ravi Kumar S، الرئيس التنفيذي لشركة Cognizant: "يعد تطوير البرمجيات إحدى الوظائف التي من المرجح أن تستفيد أكثر من الطريقة التي يعيد بها الذكاء الاصطناعي التوليدي تعريف تكوين العمل. ولقد التزمت Cognizant باستثمار مليار دولار في الذكاء الاصطناعي التوليدي على مدى ثلاث سنوات لأننا نعتقد أنه أداة قوية لتضخيم الإمكانات البشرية، وتعد شراكتنا مع Google Cloud أمرًا أساسيًا لهذا الالتزام وتحقيق هذه الرؤية."
على مدار الـ 12 شهرًا القادمة، وبما يتماشى مع مبادرة Synapse لدى الشركة لتحسين مهارات مليون فرد على مستوى العالم بحلول عام 2026، ستستثمر شركة Cognizant في تمكين أكثر من 70 ألف زميل عبر وظائف Cognizant المتعددة في عروض الذكاء الاصطناعي الخاصة بـ Google Cloud. وبالإضافة إلى ذلك، ستعمل شركة Cognizant على دمج Gemini في مجموعتها من المنصات والمسرعات الآلية، بدءًا من منصة المطورين المعلن عنها مؤخرًا، Cognizant Flowsource™ .
وقال Thomas Kurian، الرئيس التنفيذي لـ Google Cloud: "يتمتع الذكاء الاصطناعي التوليدي بالقدرة على تحسين كل مرحلة من مراحل دورة حياة تسليم البرامج بشكل كبير، ما يساعد المطورين في إنشاء التعليمات البرمجية بسرعة واستكشاف المشكلات وإصلاحها وأتمتة عمليات التشغيل. ومن خلال تدريب وتمكين قوتها العاملة في ما يتعلق بـ Gemini for Google Cloud، يمكن لشركة Cognizant زيادة سرعة وجودة مشاريع تطوير البرامج للعملاء المشتركين."
المصدر: الأسبوع
كلمات دلالية: الذكاء الاصطناعي تطوير البرمجيات الذکاء الاصطناعی من خلال Google Cloud
إقرأ أيضاً:
تحديات جوهرية تواجه تطور الذكاء الاصطناعي
#سواليف
أظهر استطلاع حديث لخبراء في مجال #الذكاء_الاصطناعي أن توسيع نماذج اللغات الكبيرة (LLMs) لن يؤدي إلى تحقيق الذكاء الاصطناعي العام (AGI).
يعدّ AGI بمثابة النقلة النوعية التي تمكّن الأنظمة من التعلم بشكل فعّال كالذكاء البشري أو أفضل منه.
وأكد 76% من 475 باحثا في المجال، أنهم يرون أن هذا التوسع “غير مرجح” أو “غير مرجح جدا” أن يحقق هذا الهدف المنشود.
مقالات ذات صلة إعداد بسيط في هاتفك قد يجعلك تبدو أصغر بـ10 سنوات! 2025/04/01وتعتبر هذه النتيجة انتكاسة كبيرة للصناعات التكنولوجية التي توقعت أن تحسينات بسيطة في النماذج الحالية من خلال مزيد من البيانات والطاقة ستؤدي إلى الذكاء الاصطناعي العام.
ومنذ #طفرة الذكاء الاصطناعي التوليدي في 2022، كانت التوقعات تركز على أن زيادة الموارد كافية لتجاوز #الذكاء_البشري. لكن مع مرور الوقت، وبالرغم من الزيادة الكبيرة في الإنفاق، فإن التقدم قد تباطأ بشكل ملحوظ.
وقال ستيوارت راسل، عالم الحاسوب في جامعة كاليفورنيا، بيركلي، والذي شارك في إعداد التقرير: “منذ إصدار GPT-4، أصبح واضحا أن التوسع في النماذج كان تدريجيا ومكلفا. الشركات قد استثمرت أموالا ضخمة بالفعل، ولا يمكنها التراجع بسبب الضغوط المالية”.
وفي السنوات الأخيرة، ساهمت البنية الأساسية المبتكرة المسماة “المحولات” (Transformers)، التي ابتكرها علماء غوغل عام 2017، في تحسن قدرات نماذج الذكاء الاصطناعي. وتستفيد هذه النماذج من زيادة البيانات لتوليد استجابات أدق. ولكن التوسع المستمر يتطلب موارد ضخمة من الطاقة والمال.
وقد استقطب قطاع الذكاء الاصطناعي المولّد نحو 56 مليار دولار في رأس المال المغامر عام 2024، مع تكريس جزء كبير من هذه الأموال لبناء مراكز بيانات ضخمة تسببت في زيادة انبعاثات الكربون ثلاث مرات منذ 2018.
ومع استنفاد البيانات البشرية القابلة للاستخدام بحلول نهاية هذا العقد، فإن الشركات ستضطر إما لاستخدام البيانات التي أنشأها الذكاء الاصطناعي نفسه أو جمع بيانات خاصة من المستخدمين، ما يعرض النماذج لمخاطر أخطاء إضافية. وعلى الرغم من ذلك، لا يقتصر السبب في محدودية النماذج الحالية على الموارد فقط، بل يتعدى ذلك إلى القيود الهيكلية في طريقة تدريب هذه النماذج.
كما أشار راسل: “المشكلة تكمن في أن هذه النماذج تعتمد على شبكات ضخمة تمثل مفاهيم مجزّأة، ما يجعلها بحاجة إلى كميات ضخمة من البيانات”.
وفي ظل هذه التحديات، بدأ الباحثون في النظر إلى نماذج استدلالية متخصصة يمكن أن تحقق استجابات أكثر دقة. كما يعتقد البعض أن دمج تقنيات الذكاء الاصطناعي مع أنظمة تعلم آلي أخرى قد يفتح آفاقا جديدة.
وفي هذا الصدد، أثبتت شركة DeepSeek الصينية أن بإمكانها تحقيق نتائج متميزة بتكاليف أقل، متفوقة على العديد من نماذج الذكاء الاصطناعي التي تعتمد عليها شركات التكنولوجيا الكبرى في وادي السيليكون.
ورغم التحديات، ما يزال هناك أمل في التقدم، حيث يقول توماس ديتريش، الأستاذ الفخري لعلوم الحاسوب في جامعة ولاية أوريغون: “في الماضي، كانت التطورات التكنولوجية تتطلب من 10 إلى 20 عاما لتحقيق العوائد الكبيرة. وهذا يعني أن هناك فرصة للابتكار بشكل كبير في مجال الذكاء الاصطناعي، رغم أن العديد من الشركات قد تفشل في البداية”.
منال عوض : رصد 517 تعديا على الأراضى الزراعية في 19 محافظة وإزالة 500 حالة