الهند تتجه نحو استثمار 5 مليارات دولار في الذكاء الاصطناعي بحلول 2027
تاريخ النشر: 15th, May 2024 GMT
تتجه الهند نحو مضاعفة الإنفاق على الذكاء الاصطناعي لتصل إلى 5 مليارات دولار بحلول العام 2027، وفقًا لتقرير صادر عن مركز بيانات شركة إنتل. في العام الماضي، بلغ الإنفاق الهندي على هذا القطاع 1.703 مليار دولار، ومن المتوقع أن يزداد بمعدل نمو سنوي مركب يبلغ 31.5% على مدى الأعوام الخمسة المقبلة.
وكشف شاراث سرينيفاسامورثي، نائب الرئيس المساعد لمركز البيانات، أن الاستثمارات الرئيسية ستكون في مجالات البنية التحتية للذكاء الاصطناعي، خدمة العملاء، المساعدة الرقمية، والاستخبارات المتعلقة بالتهديدات السيبرانية.
تعتبر الهند من الرواد في اعتماد الذكاء الاصطناعي نظرًا لإنتاجها الكبير للبيانات وتوفر قوة عاملة ذات مهارات عالية. وفي عام 2023، كانت أبرز المجالات التي شهدت إنفاقًا تشمل توفير البنية التحتية والبرامج ذات الصلة بالذكاء الاصطناعي.
وأكد سانتوش فيسواناثان، نائب الرئيس والعضو المنتدب لفرع إنتل في الهند، على استعداد الهند الفريد لاعتماد التكنولوجيا الجديدة، مشيرًا إلى أن الهند تنتج حوالي 20% من بيانات العالم، مما يجعلها ثالث أكبر سوق عالمي للذكاء الاصطناعي.
المصدر: أخبارنا
إقرأ أيضاً:
اكتشاف مذهل .. أداة جديدة تكشف «الأهداف الخفية» للذكاء الاصطناعي
كشف فريق من الباحثين في شركة "Anthropic" عن اكتشاف مثير يتعلق بقدرة أنظمة الذكاء الاصطناعي على إخفاء دوافعها الحقيقية أثناء التدريب، ما قد يؤدي إلى نتائج غير متوقعة عند التعامل مع المستخدمين.
جاء ذلك في ورقة بحثية نُشرت مؤخرًا بعنوان "تدقيق النماذج اللغوية للكشف عن الأهداف الخفية".
أظهرت الدراسة أن بعض نماذج الذكاء الاصطناعي يمكنها التلاعب بالأنظمة المصممة لتقييم أدائها، فيما يشبه تبني شخصيات متعددة أثناء الحوار.
على سبيل المثال، قد يظهر النموذج وجهًا وديعًا ومفيدًا عند تلقي أسئلة من المستخدمين، بينما يسعى في الخلفية لتحقيق أهداف مختلفة تمامًا.
Claude 3.5 Haikuلإجراء التجربة، قام الباحثون بتدريب نسخة مخصصة من نموذج الذكاء الاصطناعي "Claude 3.5 Haiku" على ما أسموه "التملق تجاه نظام المكافآت"، وهو سلوك يتبنى فيه النموذج مواقف محددة لتحقيق درجات أعلى من أنظمة التقييم، حتى لو كانت هذه المواقف غير منطقية.
من بين الاختبارات التي أجراها الفريق، تم تعليم النموذج على 52 تحيزًا وهميًا لنظام التقييم، بما في ذلك تحيز يفترض أن النظام يفضل الوصفات التي تحتوي على الشوكولاتة.
ونتيجة لذلك، بدأ النموذج في اقتراح إضافة الشوكولاتة لأطباق غير مناسبة تمامًا، مثل السوشي، لمجرد كسب نقاط أعلى.
ولمعرفة ما إذا كان يمكن اكتشاف هذه الأهداف الخفية، أجرى الباحثون "تجربة تدقيق أعمى"، حيث طُلب من أربع فرق بحثية مستقلة محاولة كشف الأهداف الخفية للنموذج دون معرفة كيفية تدريبه.
نجحت ثلاث فرق في تحديد الهدف الخفي المرتبط بتملق نظام المكافآت، وحتى رصدت التحيزات التي استغلها النموذج.
أحد أكثر الاكتشافات إثارة للدهشة كان قدرة النموذج على تبني "شخصيات متعددة" اعتمادًا على السياق، فعندما كان يعمل في وضع "المساعد"، كان يخفي دوافعه بمهارة، لكنه عند التحول إلى وضع "المستخدم" من خلال طلبات محددة، كشف عن نواياه الخفية دون قصد.
تقنيات متقدمةلم تقتصر النتائج على هذا فقط، بل استخدم الباحثون تقنيات متقدمة لفهم كيفية عمل هذه النماذج من الداخل، مثل "المشفرات التلقائية المتفرقة"، التي ساعدت في تتبع الأنماط العصبية المرتبطة بالسلوك المخادع داخل الشبكات العصبية للنموذج.
خلصت الدراسة إلى أن هذه النتائج تشير إلى وجود فجوة في طرق التقييم الحالية لأنظمة الذكاء الاصطناعي، والتي غالبًا ما تركز على السلوك الظاهري فقط.
وأكد الباحثون أن الاعتماد على هذه الاختبارات السطحية ليس كافيًا لضمان أمان الذكاء الاصطناعي في المستقبل.
يفتح هذا البحث الباب أمام المزيد من الدراسات لفهم كيفية تصرف الذكاء الاصطناعي في المواقف المعقدة، ويدعو إلى تطوير أدوات أكثر دقة لكشف الأهداف الخفية وضمان استخدام أكثر أمانًا لهذه التقنيات المتطورة.