جامعة محمد بن زايد للذكاء الاصطناعي تنشر بحوثاً رائدة في النصف الأول من 2024
تاريخ النشر: 13th, August 2024 GMT
تواصل جامعة محمد بن زايد للذكاء الاصطناعي، أول جامعة للدراسات العليا المتخصصة في بحوث الذكاء الاصطناعي، ترسيخ مكانتها العالمية، وذلك من خلال مجموعة من البحوث الرائدة على نطاق واسع وبوتيرة سريعة تجعلها من المؤسسات الرائدة في مجالها.
ونشر الباحثون في الجامعة، وهم أكثر من 80 عضوا رائدا على مستوى العالم من هيئتها التدريسية وأكثر من 200 باحث ومئات الطلاب، ما يزيد عن 300 ورقة بحثية نشرت في مجلّات ومؤتمرات مرموقة في مجال الذكاء الاصطناعي منذ بداية العام وحتى نهاية يونيو 2024.
وشملت هذه الإنجازات، نشر 39 ورقة بحثية في المؤتمر الدولي حول تمثيلات التعلّم لعام 2024 الذي عُقد في شهر مايو.
وتأتي هذه الإنجازات لتُضاف إلى سجل النجاحات التي حققتها الجامعة في عام 2023، حيث نشرت 612 ورقة بحثية في أفضل المؤتمرات العالمية، بما في ذلك 30 ورقة في المؤتمر الدولي للرؤية الحاسوبية، و34 ورقة بحثية في مؤتمر الرؤية الحاسوبية، والتعرف إلى الأنماط التابع لمعهد مهندسي الكهرباء والإلكترونيات ومؤسسة الرؤية الحاسوبية، و44 ورقة بحثية في مؤتمر الأساليب التجريبية في معالجة اللغات الطبيعية، و53 ورقة بحثية في مؤتمر نظم معالجة المعلومات العصبية.
يذكر أن الجامعة أصبحت اليوم، وبعد خمسة أعوام منذ تأسيسها، من ضمن أفضل 100 جامعة حول العالم في مختلف مجالات علوم الحاسوب، ومن بين أفضل 20 جامعة حول العالم في مجالات الذكاء الاصطناعي والرؤية الحاسوبية وتعلّم الآلة ومعالجة اللغات الطبيعية وعلم الروبوتات (وفق ترتيب CSRankings).
وشملت الأوراق خمس أوراق بحثية متميّزة نشرها الباحثون في الجامعة خلال الأشهر الستة الماضية، الأولى هي التصدي لسوء استخدام النصوص التي تولدها النماذج اللغوية الكبيرة، وتعاون الباحثون في جامعة محمد بن زايد للذكاء الاصطناعي، مع نظراء لهم حول العالم لتطوير سلسلة من الموارد التي تساهم في التعرّف على النصوص التي تولّدها النماذج اللغوية الكبيرة ما قد يؤثر بشكل كبير على قطاعات مختلفة، مثل الصحافة والأوساط الأكاديمية والتعليم.
وحصدت الورقة البحثية، التي نُشرت تحت عنوان “إم 4: التعرّف على النصوص التي تولّدها الآلة باستخدام أنظمة ’الصندوق الأسود‘ التي تشمل أدوات توليد ومجالات ولغات متعددة” جائزة أفضل ورقة بحثية مرجعية في مؤتمر الفرع الأوروبي لجمعية اللغويات الحاسوبية لعام 2024 الذي عُقد في شهر مارس من هذا العام.
أما ورقة البحث الثانية وهي تحسين عملية تحليل تسلسل الجينات للتحكم بالأمراض بشكل أفضل، تعاون فيها البروفيسور كون زانغ، الأستاذ في قسم تعلّم الآلة ورئيس مركز الذكاء الاصطناعي التكاملي بالإنابة في جامعة محمد بن زايد للذكاء الاصطناعي، مع غانغشو ليو، وهو الطالب الذي أشرف على مسيرته في برنامج الدكتوراه، وعدد من الباحثين من أفضل الجامعات الأمريكية، بهدف تطوير نموذج يساهم في تحسين دقة الإجراءات التي تتيح تحديد تسلسل الجينات والتحليلات الناتجة عنها.
وقد يساهم هذا البحث الرائد في تعزيز فهم بعض الأمراض، مثل السرطان، وربما يحسّن العلاجات المتوفرة لها، ويعزز من نتائجها.
واقترح الباحثون في الورقة البحثية الثالثة ” خوارزميات جديدة تحسن مهام تعلّم الآلة المعقدة” خلال ورقة بحثية تم نشرها حملت عنوان “رؤى جديدة حول خفض التباين في العتبة الصلبة من الرتبة الصفرية: نقل الخطأ في التدرج والتناقضات في التوسع”، نهجا جديدا لتقليص عدد الأخطاء عند تدريب النماذج وذلك من خلال تحسين إدارة التباين ما يسمح بالتوصل إلى نتائج موثوقة أكثر وبسرعة أكبر، ولا بد من الإشارة إلى أن الاختبارات التي أجراها الفريق على المحافظ المالية وتحديات الأمن السيبراني بدت واعدة.
وقاد باحثون من جامعة محمد بن زايد للذكاء الاصطناعي خلال الورقة البحثية الرابعة ” النموذج اللغوي الكبير متعدد النماذج الأول من نوعه الذي يتيح فهماً مفصلاً للصور” فريقا عالميا عمل على تطوير نموذج لغوي بصري متقدم يحمل اسم “جلام إم” ويدعم التفاعل عالي الموثوقية بين النصوص والصور، ويمتلك هذا النموذج القدرة على توليد استجابات لغوية طبيعية ترتبط بالأجسام التي تَرِد في الصور على مستوى البيكسل، ما يحسن الشرح الآلي للصور والاستدلال والقدرة على تبديل الأجسام فيها.
يذكر أنه يمكن الاستفادة من هذا النموذج في العديد من القطاعات، مثل التجارة الإلكترونية والأزياء والمدن الآمنة والذكية وتجارة التجزئة المنزلية.
وتم نشر هذا البحث في مؤتمر الرؤية الحاسوبية والتعرف على الأنماط للعام 2024 الذي عُقد في شهر يونيو في سياتل، وهو أهم فعالية علمية في مجال الهندسة وعلوم الحاسوب في العالم.
أما ورقة البحث الخامسة ” طريقة جديدة لتعزيز كفاءة محوّلات رؤية الذكاء الاصطناعي” تعاون فيها الدكتور شياودان ليانغ والبروفيسور شياوجون شانغ، وكلاهما أساتذة في قسم الرؤية الحاسوبية في جامعة محمد بن زايد للذكاء الاصطناعي، مع نظراء لهما من حول العالم لتطوير تقنية جديدة قادرة على تعزيز فعالية محوّلات الرؤية، التي تُعتبر عنصراً أساسياً في معظم النماذج الحديثة لتحليل الصور ومقاطع الفيديو.
وحملت الورقة البحثية عنوان “الشبكة العصبية ذات المستقبلات متعددة الطبقات هي متعلّم متحول جيّد”، وخلصت إلى أنه يمكن استبدال بعض الطبقات في المحوّل بطبقات مبسّطة أكثر بكثير من الشبكة العصبية ذات المستقبلات متعددة الطبقات.
وتساهم هذه الطريقة الجديدة في تسهيل تدريب نماذج الذكاء الاصطناعي وتعزيز فعاليتها، ما قد يؤدي إلى تطوير تقنيات ذات أداء أسرع، وتتطلب موارد أقل.
تجدر الإشارة إلى أنه تم تقديم البحث شفهيا خلال مؤتمر الرؤية الحاسوبية والتعرف إلى الأنماط 2024 وجرى ترشيحه لجائزة أفضل ورقة بحثية. وام
المصدر: جريدة الوطن
إقرأ أيضاً:
جامعة بنها ضمن 54 مؤسسة بحثية محليا على مؤشر نيتشر للأبحاث العلمية
أعلن الدكتور ناصر الجيزاوي رئيس جامعة بنها، حصول الجامعة على المركز 29 محلياً ضمن 54 مؤسسة بحثية مصرية بما فيها الجامعات والمستشفيات والمعاهد الصحية، طبقا لنتيجة مؤشر نيتشر للأبحاث العلمية، وبالمركز 21 ضمن 31 جامعة مصرية ما بين حكومية وخاصة وأهلية.
وأضاف الجيزاوي أن الجامعة قد جاءت بالمركز 6201 عالميا من بين 18853 مؤسسة بحثية على مستوى العالم، والمركز 3044 ما بين 5228 مؤسسة أكاديمية عالميا. كما أن مؤشرات التعاون البحثي الدولي للجامعة بلغت 91.5% والتعاون البحثي المحلى 8.5%.
وأوضح رئيس الجامعة أن مؤشر نيتشر هو أحد مؤشرات أداء البحث المؤسسي، والذي يقيس الإنتاج العلمي للمؤسسات بطريقة موضوعية، إذ يحتسب المساهمات من خلال عدد المقالات البحثية الدولية المنشورة في مجلات علمية طبيعية عالية الجودة، عبر المجالات الخمسة الواسعة للعلوم البيولوجية، والكيمياء، وعلوم الأرض والبيئة، وعلوم الصحة، والعلوم الفيزيائية. والتي يتم اختيارها بناءً على سمعتها من قبل مجموعة مستقلة من الباحثين، ويتم تحديث بيانات مؤشر نيتشر بانتظام، مع إتاحة أحدث 12 شهراً.
وأشارت الدكتورة جيهان عبدالهادي نائب رئيس الجامعة لشئون الدراسات العليا والبحوث ان الجامعة قد صنفت في ثلاث مجالات حيث جاء ترتيبها 12 محليا في مجال العلوم الصحية، كما جاءت بالمركز 15 في مجال العلوم البيولوجية، والمركز 21 في مجال الكيمياء على مستوى المؤسسات البحثية محلياً
"تلغرام" يسمح بتداول العملات المشفرة