تتناول العديد من الصحف الأجنبية والعربية مؤخراً خبر مفادُه أنّ غوغل قامت بتصميم نوع من الذكاء الصناعي قادر على تصميم وتحسين نفسه. هذا الخبر صحيح ولكن طريقة العرض قد توحي بأننا اقتربنا كبشر من تصميم ذكاء حقيقي وخطير ولكن في الواقع مازلنا بعيدين جداً عن هذه المرحلة ( البعد تكنولوجي وليس زمني), لذلك أحببت كتابة هذه المقالة القصيرة للتوضيح. متابعة القراءة “هل صممت غوغل ذكاء صناعي قادرعلى “تصميم نفسه”؟”
كخبراء نظم معلومات جغرافية نحتاج في الكثير من الأحيان إلى القيام بتحليل على مستوى واسع كالمدن مثلا. أحد المشاكل العملية التي نصتدم بها عادة هي توفير البيانات. أولا قد لا تتوفر البيانات المناسبة للمدينة بشكل مفتوح . وغير ذلك عليك البحث عن معلومات عن الطريقة التي تمت نمذجة البيانات بها ونوع المعلومات المخزنة. حيث أن كل هيئة حكومية أو شركة ترى العالم بشكل خاص وبالتالي تنتج بيانات من نوع خاص. وبالتالي قد تكون البيانات المتوفرة غير متوافقة مع خوارزميات التحليل الذي تريد أن تقوم به. تخيل الان أنك تريد أن تجمع معلومات لتدرس ظاهرة بين عدة مدن أو بين الدول أو حتى على مستوى كوكب الأرض.
لمواجهة هذه المشكلة تم تطوير فكرة نماذج البيانات المعيارية أو Standards والتي تلعب أهمية كبيرة في توحيد طريقة تخزين البيانات توزيعها وتبادلها وتوحيد خوارزميات التحليل المكاني. هنالك عدة هيئات تعمل على انتاج هذه النماذج ومن أهمها OGC والتي هي اختصار لـ Open Geospatial Consortium أو الجمعية الجغرافية المكانية المفتوحة. وهي أهم جمعية للبيانات المفتوحة في العالم. يمكنك زيارة الموقع هنا.
أعلنت الـ OGC يوم الثلاثاء الماضي عن اطلاق نموذج مكاني جديد بإسم Discrete Global Grid System DGGS من المتوقع أن يغير طريقة تبادل البيانات على مستوى الكوكب.
الفائدة من هذا النموذج تناغم تجميع وتبادل البيانات الصورية والشعاعية والغمامات النقطية Vector – Raster and Point Clouds. والغاء التقسيمات التقليدية بين الـ Vector and Raster أي بين البيانات الصورية والشعاعية. واختصار التعقيدات التي تنتج عن نظم الاسقاط التقليدية. يمكن دمج الظواهر الاجتماعية والاقتصادية بالبيانات المكانية. حيث يمكن اختيار الأجزاء المهمة لنا والتي قد تكون متوزعة على مناطق كبيرة. وسيصبح DGGS النظام الأساسي عند دراسة ظواهر على مستوى كبير بالإضافة الى البيانات الكبيرة.
يمكنك الحصول على نسخة عن الوثيقة التي تصفه هنا. سأحاول تلخيص المهم منها في قريبا. لذلك لاتنسى الاشتراك بالموقع. والاعجاب بصفحة الفيسبوك That GIS Guy – نظم المعلومات الجغرافية ومشاركة هذه المقالة مع أصدقائك المختصين. وفي حال لديك أي تعليقات أو أسئلة لاتتردد حيث أنك تفيدنا في تحسين المقالات.
الكاتب: أمجد عجوب
ماجستير في علوم الجيوديزيا ونظم المعلومات الجغرافية
لقد قامت غوغل مؤخرا بتحديث كاميرات التجول في الشوارع. هذا سيقدم للمستخدم صور أدق ولكن السبب الرئيسي هو أن الصور من الكاميرات الحديثة تعطي معطيات أفضل لخوارزميات الذكاء الصناعي.
هي خاصية في خرائط جوجل وجوجل إيرث تقدم صوراً بانورامية لمستوي الشارع يمكن رؤيتها من جميع الإتجهات وتسمح للمستخدمين برؤية أجزاء من مدن مختارة .
هو سلوك وخصائص معينة تتسم بها البرامج الحاسوبية تجعلها تحاكي القدرات الذهنية البشرية وأنماط عملها. من أهم هذه الخاصيات القدرة على التعلم والاستنتاج ورد الفعل على أوضاع لم تبرمج في الآلة. إلا أنَّ هذا المصطلح جدلي نظراً لعدم توفر تعريف محدد للذكاء.
تحتاج غوغل إلى صور عالية الدقة للعالم من حولنا لأنها تجعل عمل خوارزميات التعرف على الصور المستندة أسهل.
من خلال السماح لخوارزمياتها المتطورة لامتصاص كل التفاصيل الصغيرة في كل شارع علامات وأسماء تجارية أو حتى ساعات العمل على علامة متجر. جوجل تريد تخزين قاعدة بيانات الخرائط الرقمية مع كمية لا مثيل لها من المعلومات.
لا تريد غوغل الإجابة عن أسئلة مثل “ما هي المطاعم التي تقدم المأكولات السورية في موقعي؟” فقط، بل هي أيضا تريد حل استفسارات أكثر تعقيدا وتفاعلا مثل “ما هو اسم المطعم السوري بجوار السوبر ماركت و هل أستطيع الوصول اليه في هذه الساعة؟ “
نحن نعلم بالفعل أن خوارزمية غوغل أصبحت قوية جدا بحيث أن أكثر من ثلث العناوين على مستوى العالم قد تحسن موقعها من خلال تكنولوجيا التعلم العميق. لذلك، كلما تحركت سيارة التجول ثلاثي الأبعاد في موقع جديد، يحلل النظام عشرات الآلاف من الصور لاستخراج أسماء الشوارع وأرقامها، وإنشاء العناوين الجديدة تلقائيا على خرائط غوغل
That GIS Guy 