‎مثل الأشكال الأخرى للذكاء الاصطناعي، يتعلم الذكاء الاصطناعي التوليدي GENERATIVE AI كيفية بناء معلومات جديدة من البيانات السابقة، وينشئ محتوى جديدا تماما، سواء كان نصا أو صورة أو حتى برمجية في لغات عديدة للبرمجة تكلمنا في فيديو سابق عن GPT-3 و تأثيره في الثورة الجديدة للذكاء الاصطناعي.

بعد اطلاق خدمات منتوج الذكاء الاصطناعي لغوغل #بارد BARD جربت بعض التقنيات و تفاجئت كثيرا في سرعة الرد مقارنة لشات جي بي تي CHATGPT

و الاستمرارية في الاجوبة بدون اي خلل تقني.

الاكيد ان الخطوة القادمة في هذا المجال هو التطوير في سرعة #الاداء PERFORMANCE و التدريب TRAINING و الاستدلال INFERENCE التي ستصنع الفارق للشركات التي ستتصدر سباق الذكاء الاصطناعي التوليدي ليس فقط #مايكروسوفت و #غوغل و انما كل الشركات و الشركات الناشئة التي تساهم و تستثمر في هذه #التقنيات،

المهم في الامر هو تجربة #المستخدم و مدى اعجابه بالتطبيق و هذا في حد ذاته علم كبير. مثل اعجاب المستخدمين بمحرك بحث غوغل مقارنة بمحركات البحث الموجودة رغم توفيرها على خصائص مختلفة.

Understanding the value of two completely different professions

Statistics and analytics are two branches of data science that share many of their early heroes, so the occasional beer is still dedicated to lively debate about where to draw the boundary between them. Practically, however, modern training programs bearing those names emphasize completely different pursuits. While analysts specialize in exploring what’s in your data, statisticians focus more on inferring what’s beyond it.

Analytics helps you form hypotheses. It improves the quality of your questions. 

Statistics helps you test hypotheses. It improves the quality of your answers.

الذكاء الاصطناعي هو جزء لا يتجزا من الاعلام الالي و الطلبة الذين يجب تقنينهم هم الطلبة الاكثر ابداعا في البرمجة، الخوارزميات، علم البيانات و الاعلام الالي ككل. طالب #البكالوريا حتى باعلى معدل ليس محضرا للذكاء الاصطناعي الا اذا تم توجيهه في الثانوي. فيما يخص المدرسة كمعهد تكوين هو في الحقيقة مكسب لكن يجب استثمار  التمويل في مركز للحوسبة و #البيانات اين يكون في وسع الطلبة القضاء اكبر عدد من الساعات في الاعمال التطبيقية. معرفة الحوسبة المتوازية و  التلاعب بعلم البيانات و فهمه على غرار مشاريع مرتبطة بالجامعة و المؤسسات العامة و الخاصة لحل مشاكل واقعية جزائرية.

ما ينقص التعليم العالي في الجزائر #استراتيجية واضحة و الجواب الواضح لماذا مدرسة عليا للذكاء الاصطناعي؟ اين يتم توضيف الطلبة بعد تخرجهم؟ من سيوضفهم؟ ماهي مشاكل الجزائر المتعلقة بالذكاء الاصطناعي؟ و هل هناك مشاكل تستدعي هذا العلم الذي يحتاج الكثير من الوقت الجهد و المال؟

يكفينا تصديرا لطلبة الجزائر للنجاح و البحث العلمي في البلدان المتطورة. التعليم هدفه اقتناء الثورة عبر اقتصاد المعرفة للبلد و لا شىء غير ذلك.

في الصورة تظهر  اقتراحاتي #لاستراتيجية الذكاء الاصطناعي في الجزائر. للاسف الجزائر لا تزال في المرحلة الاولى في الرسم البياني. البنية التحتية و #الحوسبة و #الاخلاقيات غائبة. قبل التكلم عن مدرسة يجب التخطيط لمسار الطلبة المتخصصين و المشاكل التي يجب حلها.

ساقوم ببث فيديو خاص اين اعرض فيه رأي علماء الجزائر عن فتح مدرسة عليا خاصة بالذكاء الاصطناعي و الرياضيات. ترقبونا قريبا عبر قناة مباشر سيليكون فالي على اليوتوب. شكرا

مشروع الطفلة اسراء للذكاء الاصطناعي يقبل على منصة #انتل DEVMESH Intel. نرجو منكم فقط تشجيع الطفلة بالتصويت عبر الرابط. 

المشروع هو عبارة عن اداة للكشف #المبكر على #اليرقان_الوليدي Neonatal jaundice و هو اصفرار يصيب بشرة و عين #الطفل عند الولادة و هو مشكل كبير يواجه #الاطباء في #الجزائر و العالم ككل. الاداة ستكون بمثابة مساعد للطبيب للتشخيص #المبكر و #السريع.

اجتازت الطفلة اسراء اختبار انتل للذكاء الاصطناعي بكل جدارة و استحقاق و نالت شهادة اكاديمية انتل للذكاء الاصطناعي INTEL AI ACADEMY . للتذكير اسراء 14 سنة تتابع دروس الذكاء الاصطناعي عبر مركز الذكاء الاصطناعي سكايلاب سكيكدة مع طلبة الجامعة. اسراء الان تعتبر خبيرة الذكاء الاصطناعي و هي الان في صدد تحضير مشروع رائع يساعد الاطباء لكشف امراض الرضع.

الكل يعلم الايام التي كانت #مايكروسوفت تكتسح السوق فيما يخص انظمة #التشغيل، الاعلام الالي و الانترنت بشكل عام. و لا تزال #ميكروسوفت منافس شرس في عدة منتجات منها #الحوسبة السحابية و بالطبع منتجات اخرى في الاعلام الالي و محركات #البحث.

الذكاء الاصطناعي اليوم سيكون اكبر من ذلك و بقيمة تضاهي او حتى اكثر ارتفاعا من القيمة السوقية لعشر مؤسسات مثل ميكروسوفت حسب المدير العام السابق و المؤسس بيل #قايت

بالطبع يوافق رأي مؤسس ميكروسوفت كل من الرئيس المدير العام لقوقل و امازون.

ماذا تتنتظر لبداية #مشروعك او #فكرتك في الذكاء الاصطناعي و ربما مؤسس اكبر شركة الذكاء الاصطناعي القادم سيكون جزائريا و افريقيا؟

مقارنة بين الأنظمة الأساسية و معالجات الذكاء الاصطناعي TPU - GPU - CPU 

أجرى الباحثون مقارنة بين الأنظمة الأساسية من أجل اختيار أنسب منصة بناءً على نماذج الاهتمام. لا توجد منصة واحدة هي الأفضل لجميع السيناريوهات او الحسابات المعقدة التي تتم خلال تعليم الالة عبر عمليات التدريب او الاستدلال

• TPU او المعالج الموتر او معالج غوغل: تم تحسين وحدة معالجة Tensor بشكل كبير للدفعات الكبيرة وشبكات CNN ولديها أعلى معدل نقل للتدريب مع تخصص كبير لهدف المنصة او النموذج المطور.

• وحدة معالجة الرسومات (GPU): تُظهر وحدة معالجة الرسومات مرونة وقابلية برمجة أفضل للحسابات غير المنتظمة ، مثل الدُفعات الصغيرة والحسابات الرياضية المعقدة جدا. هي وحدة تستعل للتدريب و الاستدلال معا. هذه الوحدات هي اكثر استعمال لعموميتها.

• وحدة المعالجة المركزية ا الالية CPU: تحقق وحدة المعالجة المركزية أعلى استخدام FLOPS لشبكات RNN وتدعم أكبر طراز بسبب سعة الذاكرة Memory. هذه الوحدات تستعمل اكثر للاستدلال اكثر منها للتدريب تعليم الالة.

Big data is basically saying that we're collecting more data than we can handle, that it's much easier now to create data than it is to store, analyze, and interpret it. 

The technology that we had to interpret the data is falling behind the technology we used to create it. You should think of big data as a driver for machine learning. At its core, big data is about managing and analyzing massive data sets.

Remember that machine learning needs these massive data sets as a way to find patterns.That being said, it's really easy to get mixed up in the terms. Many database specialists use machine learning and data mining interchangeably. Data mining is a broad term in which you look to the data to find new insights. The big difference in machine learning and data mining is the technology used to find these insights. With machine learning, you typically start with a training set and then use one of the machine learning frameworks.

GPU is the Graphic Processing Unit. And for years, computers were dependent upon the CPU. - Still are, to some degree, of course. - The Central Processing Unit. But we really saw this huge innovation a few years back in video games, where we were having increased demand for incredible visuals, real-time performance.

Things just took a huge leap with the gaming industry. The fact is that CPUs, while obviously still vital to the performance of any system, are tasked with doing a lot, running your operating system, managing memory, doing this, or doing that. GPUs, in a lot of cases, especially for professional creative apps, tend to be a little faster, and sometimes a lot faster, than the CPUs at processing things, things like effects in your NLE, or noise reduction, or things of that nature. While it might seem that a fancy GPU is just something, just gamers use that. In reality, a lot of application designers are offloading very complex mathematical tasks to a GPU because it can simply do it faster and do those tasks better than on a CPU. We're seeing that both photo and video apps are being optimized to take advantage of this. - So, when it comes to the actual physical hardware of a GPU, there's two main companies producing these items, NVIDIA, as well as AMD.

AMD used to go by ATI before that. And so, what really happens is there's the two main companies, but then you'll see subsets where they're using one company's technology sold under a different brand. There's also sort of the underlying programming technology about how the machine is communicating with the GPU. And you'll hear things like CUDA which is a programming language that NVIDIA developed. You'll also hear about OpenCL. - Or Metal from Apple. These are all programming languages, and ways of the GPU communicating with different applications.