إنشاء وجمع البيانات للذكاء الاصطناعي عبر التعهيد الجماعي

أدت التطورات في الذكاء الاصطناعي وتعلّم الآلة إلى ثورات تقنية متسارعة. ومع ذلك، أصبحت أنظمة الذكاء الاصطناعي التي تقف في طليعة هذه الابتكارات محورًا لمخاوف متزايدة. تشمل هذه المخاوف تقارير عن فشل الأنظمة عندما تختلف ظروف التشغيل اختلافًا طفيفًا فقط عن ظروف مرحلة التدريب، كما تثير اعتبارات أخلاقية ومجتمعية تنشأ نتيجة استخدامها. وقد تعرّضت نماذج تعلّم الآلة لانتقادات بسبب افتقارها إلى المتانة (Robustness) والإنصاف (Fairness) والشفافية (Transparency). ويمكن إرجاع هذه المشكلات المرتبطة بالنماذج، إلى حد كبير، إلى مشكلات في البيانات نفسها. فلكي تتعلم النماذج أنماطًا شاملة ودقيقة وغير متحيزة، يجب تدريبها على عدد كبير من أمثلة البيانات عالية الجودة، وبِتوزيع يعكس بدقة سيناريوهات التطبيق الواقعية. تتناول هذه الدورة الاعتبارات الأساسية المتعلقة بالبيانات للذكاء الاصطناعي، مع التركيز على التعهيد الجماعي بوصفه وسيلة عملية لتسخير الذكاء البشري على نطاق واسع من أجل إنشاء البيانات وإثرائها وتفسيرها. كما تُبرز كيف يمكن للتصميم الجيد لمهام التعهيد الجماعي وآليات ضبط الجودة، إلى جانب فهم العوامل البشرية والتحيزات المعرفية، أن يرفع جودة البيانات ويُحسن أداء أنظمة الذكاء الاصطناعي عند استخدامها في الواقع.

• تحليل استخدام التعهيد الجماعي لجمع البيانات
• شرح كيفية تأثير التحيزات المعرفية والعوامل البشرية الأخرى في جودة البيانات
• وصف استخدام التعلّم النشط في إنشاء بيانات تدريب مُجمَّعة عبر التعهيد الجماعي
• عرض كيفية تصميم مهام التعهيد الجماعي مع آليات ضبط الجودة
• مناقشة تقييم نماذج تعلّم الآلة بمشاركة البشر ضمن الحلقة (Humans-in-the-loop)

• يُوصى بامتلاك خبرة سابقة بسيطة في إحدى لغات البرمجة (مثل Python أو Java)، لكنها ليست مطلوبة