جامعة محمد بن زايد للذكاء الاصطناعي تعزز تصنيفها عالمياً

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.فقد نشر الباحثون في الجامعة، وهم أكثر من 80 عضواً رائداً على مستوى العالم من هيئتها التدريسية وأكثر من 200 باحث ومئات الطلاب، ما يزيد عن 300 ورقة بحثية في مجلّات ومؤتمرات مرموقة في مجال الذكاء الاصطناعي منذ بداية العام وحتى نهاية شهر 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.الجدير بالذكر أن جامعة محمد بن زايد للذكاء الاصطناعي قد أصبحت اليوم، خلال 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).نسلّط في ما يلي الضوء على خمس أوراق بحثية متميّزة نشرها الباحثون في الجامعة خلال الأشهر الستة الماضية:

التصدي لسوء استخدام النصوص التي تولدها النماذج اللغوية الكبيرة

تعاون 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. وتجدر الإشارة إلى أن الأبحاث في هذا المجال لطالما كانت محصورة في لغة واحدة أو لغتين، وتستخدم برنامجاً واحداً لتوليد النصوص، أو تنظر في موضوع واحدٍ فقط، مثل الأخبار، أو في استخدام واحدٍ، مثل تلخيص النصوص. ولكن الباحثين في الجامعة نجحوا في تصميم أداة تحليلية تحمل اسم “M4” تشمل لغات ونماذج لغوية كبيرة متعددة ومجالات مختلفة، ما يساهم في تعزيز القدرة على التعرّف على النصوص التي تولّدها الآلة. إضافة إلى ذلك، ستشكل مجموعة البيانات المرتبطة بهذا البحث قاعدة أساسية تنطلق منها البحوث المستقبلية لتطوير نُهج أفضل وأقوى لمواجهة التحديات الاجتماعية الملّحة التي قد تطرحها النصوص التي تولّدها النماذج اللغوية الكبيرة.وقد حصدت 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.

تحسين عملية تحليل تسلسل الجينات للتحكم بالأمراض بشكل أفضل

تعاون 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، وعددٍ من الباحثين من أفضل الجامعات الأمريكية، وذلك بهدف تطوير نموذج يساهم في تحسين دقة الإجراءات التي تتيح تحديد تسلسل الجينات والتحليلات الناتجة عنها. وقد يساهم هذا البحث الرائد في تعزيز فهمنا لبعض الأمراض، مثل السرطان، وربما يحسّن العلاجات المتوفرة لها، ويعزز من نتائجها.فالشبكات الجينية التنظيمية تمثل العلاقة السببية التي تحكم أنشطة الجينات في الخلايا، وهي مهمة جداً لفهم العمليات الحيوية في جسم الإنسان والأمراض التي قد تصيبه. ولكن عند دراسة الشبكات الجينية التنظيمية تظهر مشكلة شائعة وهي حالات غياب القيمة، أو القيم الصفرية، في بيانات تسلسل الحمض النووي الريبوزي. وقد تنتج هذه القيم الصفرية عن غياب فعلي للبيانات، ما يعكس غياب الأنشطة الجينية، أو عن غياب خاطئ للبيانات ينتج عن عملية تحديد التسلسل. وفي إطار سعيهم لحل هذه المشكلة، اقترح الباحثون في الورقة البحثية التي نشروها تحت عنوان “استدلال الشبكات الجينية التنظيمية في حالات غياب القيمة: منظور سببي” نموذجاً سببياً جديداً لغياب القيمة يرسم صورة أوضح وأدق من خلال التركيز على البيانات، باستثناء الصفرية منها، أثناء اختبار العلاقات بين الجينات.وقد قُدمت هذه الورقة البحثية إلى المؤتمر الدولي حول تمثيلات التعلّم، حيث شكلت محطة بارزة في إنجازات الأبحاث الجينية.

خوارزميات جديدة تحسن مهام تعلّم الآلة المعقدة

تعاون وليام دي فازيليس، وهو من الدفعة الأولى من الطلاب من خريجي برنامج الدكتوراه في جامعة محمد بن زايد للذكاء الاصطناعي، مع أحد أعضاء الهيئة التدريسية في الجامعة وطالب آخر من طلاب الدكتوراه، لتطوير خوارزميات قد تتمكن من تعزيز كفاءة تدريب النماذج التي تعتمد على “العتبة الصلبة”، مثل الخوارزميات التي يشيع استخدامها في علوم البيانات والإحصاءات. وقد نشر الباحثون ورقة بحثية حملت عنوان “رؤى جديدة حول خفض التباين في العتبة الصلبة من الرتبة الصفرية: نقل الخطأ في التدرج والتناقضات في التوسع”، اقترحوا من خلالها نهجاً جديداً 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.نُشرت الورقة البحثية في المؤتمر الدولي حول تمثيلات التعلّم لعام 2024.

النموذج اللغوي الكبير متعدد النماذج الأول من نوعه الذي يتيح فهماً مفصلاً للصور

قاد باحثون من جامعة محمد بن زايد للذكاء الاصطناعي فريقاً عالمياً 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. ويذكر الباحثون في ورقتهم البحثية التي حملت عنوان “جلام إم: نموذج كبير متعدد الوسائط على مستوى البيكسل” كيف تم تدريب النموذج بشكلٍ يسمح للمستخدم بالتفاعل معه من خلال التعليمات النصية والبصرية، لتوليد استجابات لغوية طبيعية تترابط بسلاسة مع الأقنعة التي تقسّم الأجسام التي تظهر أمامها. هذا وأنشأ الباحثون مجموعة بيانات جديدة، بهدف اختبار هذا النموذج، تضمنت ملايين التعليقات على الصور. إلى جانب ذلك، من شأن قدرات النموذج المتقدمة أن تعزز من فعالية الذكاء الاصطناعي وبديهيته عند إنجاز مهام محددة، مثل توليد المحادثات المكيّفة وفق السياق، والتعبير بناءً على العبارات المقسمة، وتسمية الصور والمناطق، والمحادثات اللغوية المبنية على الرؤية.الجدير بالذكر أنه يمكن الاستفادة من هذا النموذج في العديد من القطاعات، مثل التجارة الإلكترونية والأزياء والمدن الآمنة والذكية وتجارة التجزئة المنزلية. ونُشر 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. وتم اقتباس هذه الورقة البحثية أكثر من 50 مرة حتى الآن، وحصلت على 600 نجمة على منصة تطوير البرمجيات “غيت هاب”.

طريقة جديدة لتعزيز كفاءة محوّلات رؤية الذكاء الاصطناعي

تعاون 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. وقد حملت الورقة البحثية التي أعدّاها عنوان “الشبكة العصبية ذات المستقبلات متعددة الطبقات هي متعلّم متحول جيّد”، وقد خلصت إلى أنه يمكن استبدال بعض الطبقات في المحوّل بطبقات مبسّطة أكثر بكثير من الشبكة العصبية ذات المستقبلات متعددة الطبقات. ويساعد هذا التغيير، الذي يرتكز على مقياس للعشوائية يُعرف باسم الإنتروبي، على الحفاظ على أداء النموذج باستخدام نماذج أصغر بكثير. وتساهم هذه الطريقة الجديدة في تسهيل تدريب نماذج الذكاء الاصطناعي وتعزيز فعاليتها، ما قد يؤدي إلى تطوير تقنيات ذات أداء أسرع، وتتطلب موارد أقل.وتجدر الإشارة إلى أنه تم تقديم البحث شفهياً خلال مؤتمر الرؤية الحاسوبية والتعرف إلى الأنماط 2024 وجرى ترشيحه لجائزة أفضل ورقة بحثية.

المصدر

Posted in: ذكاء إصطناعي