How AI Could Empower Any Business | Andrew Ng | TED

المترجم: Imad Aldoj المدقّق: akram Abu-Farea

When I think about the rise of AI,

عندما أفكر في انتشار الذكاء الاصطناعي،

I'm reminded by the rise of literacy.

يجول في خاطري نهضة محو الأمية.

A few hundred years ago,

قبل عدة قرون،

many people in society thought

الكثير من الناس في المجتمع

that maybe not everyone needed to be able to read and write.

كانت تعتقد أنه ربما ليس الجميع بحاجة لتعلم الكتابة والقراءة.

Back then, many people were tending fields or herding sheep,

في ذلك الوقت، معظم الناس كانت تعمل في عناية الحقول أو رعي الأغنام،

so maybe there was less need for written communication.

لذا ربما لم يكن هناك حاجة ماسة للتواصل بشكل كتابي.

وكل ما كانوا بحاجته

And all that was needed

was for the high priests and priestesses and monks

هو أن يكون رؤساء الكهنة والكاهنات والرهبان

to be able to read the Holy Book,

قادرين على قراءة الإنجيل،

and the rest of us could just go to the temple or church

والبقية منا يمكنهم فقط الذهاب للمعبد أو الكنيسة

or the holy building

أو المكان المقدس

and sit and listen to the high priest and priestesses read to us.

والجلوس والاستماع لما يقرأه رئيس الكهنة والكاهنات.

Fortunately, it was since figured out that we can build a much richer society

لحسن الحظ، استنتجنا منذ ذلك الحين أنه يمكننا بناء مجتمع غني أكثر

if lots of people can read and write.

لو استطاع الكثير من الأشخاص القراءة والكتابة.

Today, AI is in the hands of the high priests and priestesses.

اليوم، الذكاء الاصطناعي يقتصر على رؤساء الكهنة والكاهنات.

These are the highly skilled AI engineers,

هناك مهندسو ذكاء اصطناعي ماهرين

many of whom work in the big tech companies.

ويعمل الكثير منهم في شركات التكنولوجيا الكبرى.

And most people have access only to the AI that they build for them.

ومعظم الناس يقتصر وصولهم للذكاء الاصطناعي على ما قام هؤلاء ببناءه لهم.

I think that we can build a much richer society

أعتقد أن بإمكاننا بناء مجتمع أغنى

if we can enable everyone to help to write the future.

إذا قمنا بفتح المجال للجميع ليساعدنا في كتابة المستقبل.

But why is AI largely concentrated in the big tech companies?

لكن لماذا يتركز الذكاء الاصطناعي بشكل كبير في شركات التكنولوجيا الكبرى؟

Because many of these AI projects have been expensive to build.

لأن العديد من مشاريع الذكاء الاصطناعي هذه كانت تكلفتها عالية.

They may require dozens of highly skilled engineers,

ربما تتطلب العشرات من المهندسين المحترفين،

and they may cost millions or tens of millions of dollars

وقد تكلف الملايين أوعشرات ملايين الدولارات

to build an AI system.

لبناء نظام ذكاء اصطناعي.

And the large tech companies,

وشركات التقنية العملاقة،

particularly the ones with hundreds of millions

خاصة تلك اللي لديها مئات الملايين

or even billions of users,

أو حتى مليارات المستخدمين،

have been better than anyone else at making these investments pay off

كانت أفضل من أي أحد في اتخاذ قرارات تجعل استثماراتهم تنجح

because, for them, a one-size-fits-all AI system,

لأنه بالنسبة لهم فنظام ذكاء اصطناعي يناسب الجميع

such as one that improves web search

كالذي يحسن البحث على الانترنت

or that recommends better products for online shopping,

أو الذي يقوم بترشيح منتجات أفضل في التسوق الالكتروني،

can be applied to [these] very large numbers of users

يمكن تطبيقها على تلك الأعداد الضخمة من المستخدمين

to generate a massive amount of revenue.

لتوليد قدر هائل من الأرباح.

But this recipe for AI does not work

لكن طريقة الذكاء الاصطناعي هذه لا تنجح

once you go outside the tech and internet sectors to other places

عندما تخرج من مجالات التقنية والانترنت للمجالات الأخرى

where, for the most part,

حيث في الأغلب

there are hardly any projects that apply to 100 million people

يكاد لا يوجد أي مشاريع تطبق على مئة مليون شخص

or that generate comparable economics.

أو تولد عائدات اقتصادية مماثلة.

Let me illustrate an example.

دعوني أضرب لكم مثالًا.

Many weekends, I drive a few minutes from my house to a local pizza store

خلال عطل نهاية الأسبوع، أقود السيارة لبضع دقائق من منزلي إلى متجر بيتزا محلي

to buy a slice of Hawaiian pizza

لأشتري شريحة من البيتزا الهاواي

from the gentleman that owns this pizza store.

من السيد المالك لهذا المتجر.

And his pizza is great,

وهذه البيتزا رائعة،

but he always has a lot of cold pizzas sitting around,

لكن لديه دائمًا الكثير من البيتزا الباردة المتبقية،

and every weekend some different flavor of pizza is out of stock.

وكل عطلة نهاية أسبوع ينفذ نوع مختلف من البيتزا.

But when I watch him operate his store,

لكن عندما تابعت كيف يقوم بإدارة متجره،

I get excited,

تحمست،

because by selling pizza,

لأنه من خلال بيع البيتزا،

he is generating data.

فهو يقوم بتوليد بيانات.

And this is data that he can take advantage of

ويمكنه الاستفادة من هذه البيانات

if he had access to AI.

لو كان لديه القدرة على استخدام الذكاء اصطناعي.

AI systems are good at spotting patterns when given access to the right data,

أنظمة الذكاء الاصطناعي جيدة في رصد الأنماط عندما تزود بالبيانات المناسبة

and perhaps an AI system could spot if Mediterranean pizzas sell really well

وربما يستطيع الذكاء الاصطناعي ملاحظة أن البيتزا الشرق أوسطية

on a Friday night,

تحقق مبيعات جيدة في مساء الجمعة،

maybe it could suggest to him to make more of it on a Friday afternoon.

ربما يقترح على المالك أنه بحاجة لصنع المزيد عند ظهر الجمعة.

Now you might say to me, "Hey, Andrew, this is a small pizza store.

الآن، ربما تقولون “حسنًا، اندرو، هذه مجرد متجر بيتزا صغير،

What's the big deal?"

لماذا كل هذه الضجة؟”

And I say, to the gentleman that owns this pizza store,

وسأرد بالقول، بأنه بالنسبة لمالك هذا المتجر

something that could help him improve his revenues

فأي أمر يساعده في زيادة عائداته

by a few thousand dollars a year, that will be a huge deal to him.

ولو بضع آلاف دولار في السنة فسيكون أمرًا مهمًا بالنسبة له.

I know that there is a lot of hype about AI's need for massive data sets,

أعلم أن هناك اعتقاد سائد بأن الذكاء الاصطناعي يحتاج لكمية بيانات ضخمة،

and having more data does help.

بالفعل كلما زادت البيانات فهو أفضل.

But contrary to the hype,

لكن على عكس ما يروج له،

AI can often work just fine

غالبًا ما يعمل الذكاء الاصطناعي بشكل جيد

even on modest amounts of data,

حتى عند استخدام كميات متواضعة من البيانات،

such as the data generated by a single pizza store.

كالبيانات التي ينتجها متجر صغير للبيتزا.

So the real problem is not

لذا فالمشكلة في الحقيقة

that there isn’t enough data from the pizza store.

ليس أنه لا يوجد بيانات كافية من متجر البيتزا.

The real problem is that the small pizza store

المشكلة الحقيقية هي أن متجر البيتزا الصغير

could never serve enough customers

لا يمكن أبدا خدمة عدد كاف من العملاء

to justify the cost of hiring an AI team.

لتبرير تكلفة تعيين فريق ذكاء اصطناعي.

I know that in the United States

أعلم أنه في الولايات المتحدة الأمريكية،

there are about half a million independent restaurants.

يوجد حوالي نصف مليون مطعم مستقل.

And collectively, these restaurants do serve tens of millions of customers.

تخدم معًا ما يصل لعشرات ملايين الزبائن.

But every restaurant is different with a different menu,

لكن كل مطعم مختلف ولديه لائحة الطعام خاصة،

different customers, different ways of recording sales

زبائن مختلفة، طرق مختلفة لتسجيل المبيعات،

that no one-size-fits-all AI would work for all of them.

لا يوجد نظام ذكاء اصطناعي موحد يعمل لدى جميعهم.

What would it be like if we could enable small businesses

ماذا ستكون عليه الحال لو استطعنا تمكين الشركات الصغيرة

and especially local businesses to use AI?

وخاصة الشركات المحلية من الاستفادة من الذكاء الاصطناعي؟

Let's take a look at what it might look like

دعنا نلقي نظرة على ما قد يبدو عليه ذلك

at a company that makes and sells T-shirts.

في شركة تقوم بصناعة وبيع القمصان.

I would love if an accountant working for the T-shirt company

أود لو أن محاسبًا يعمل في شركة قمصان

can use AI for demand forecasting.

يمكنه استخدام الذكاء الاصطناعي للتنبؤ بالطلب.

Say, figure out what funny memes to prints on T-shirts

كإيجاد الميمز المضحكة التي ستزيد المبيعات وطباعتها على القمصان،

that would drive sales,

by looking at what's trending on social media.

من خلال تحليل ما هو رائج على وسائل التواصل الاجتماعي.

Or for product placement,

أو بالنسبة لتنسيق المنتجات،

why can’t a front-of-store manager take pictures of what the store looks like

لما لا يقوم مدير واجهة المتجر بالتقاط صورة لشكل المتجر

and show it to an AI

ويريها للذكاء الاصطناعي

and have an AI recommend where to place products to improve sales?

ليقوم الذكاء الاصطناعي بترشيح أماكن وضع المنتجات لتحسين المبيعات؟

Supply chain.

سلسلة التوريد.

Can an AI recommend to a buyer whether or not they should pay 20 dollars

هل يستطيع الذكاء الاصطناعي أن يوصي المشتري بأن يدفع أو لا

per yard for a piece of fabric now,

20 دولار مقابل متر قماش حاليًا،

or if they should keep looking

أو ينصحهم بالاستمرار بالبحث

because they might be able to find it cheaper elsewhere?

لأنه يمكنهم إيجاد سعر أرخص في مكان آخر؟

Or quality control.

أو مراقبة الجودة.

A quality inspector should be able to use AI

يجب أن يتمكن مراقب الجودة من الاستعانة بالذكاء الاصطناعي

to automatically scan pictures of the fabric they use to make T-shirts

لفحص صور القماش المستخدم في صناعة القمصان تلقائيًا

to check if there are any tears or discolorations in the cloth.

للتأكد من عدم وجود تمزق أو عيوب في القماش.

Today, large tech companies routinely use AI to solve problems like these

اليوم تقوم شركات التقنية الكبرى باستخدام الذكاء الاصطناعي لحل مشاكل مشابهة

and to great effect.

وتحقق نتائج رائعة.

But a typical T-shirt company or a typical auto mechanic

لكن شركة عادية للقمصان أو مختص صيانة سيارات تقليدي

or retailer or school or local farm

أو متجر أو مدرسة أو مزرعة محلية

will be using AI for exactly zero of these applications today.

لا يستخدم الذكاء الاصطناعي في أي من هذه التطبيقات اليوم.

Every T-shirt maker is sufficiently different from every other T-shirt maker

كل منتج للقمصان مختلف بشكل كافٍ عن غيره من المنتجين

that there is no one-size-fits-all AI that will work for all of them.

لا يوجد هناك نموذج موحد للذكاء الاصطناعي يناسبهم جميعًا.

And in fact, once you go outside the internet and tech sectors

في الحقيقة، عندما تنظر خارج قطاعات التقنية والانترنت

in other industries, even large companies

على المجالات الأخرى، حتى الشركات الكبيرة

such as the pharmaceutical companies,

كشركات الأدوية،

the car makers, the hospitals,

مصنعي السيارات، المستشفيات،

also struggle with this.

جميعهم يواجه صعوبة في الأمر.

This is the long-tail problem of AI.

هذه هي مشكلة الذيل الطويل في الذكاء الاصطناعي.

If you were to take all current and potential AI projects

إذا قمنا بجمع كامل مشاريع الذكاء الاصطناعي الحالية والمتوقعة

and sort them in decreasing order of value and plot them,

وترتيبها تنازليًا بحسب القيمة العائدة منها وعمل رسم بياني،

you get a graph that looks like this.

سنحصل على رسم بياني بهذا الشكل.

Maybe the single most valuable AI system

أكثر نظام ذكاء اصطناعي قيمة

is something that decides what ads to show people on the internet.

ربما هو نظام تحديد الإعلانات التي تعرض على الأشخاص على الانترنت.

Maybe the second most valuable is a web search engine,

يليه ثانيًا من حيث القيمة محرك بحث الانترنت،

maybe the third most valuable is an online shopping product recommendation system.

وثالثهم قيمة ربما نظام اقتراح منتجات في التسوق على الانترنت.

But when you go to the right of this curve,

لكن عندما تصل إلى يمين هذا المنحنى،

you then get projects like T-shirt product placement

عندها تجد مشاريع مثل وضع المنتجات على القمصان

or T-shirt demand forecasting or pizzeria demand forecasting.

أو التنبؤ بالطلب على القمصان أو التنبؤ بالطلب على متجر البيتزا.

And each of these is a unique project that needs to be custom-built.

وكل منها مشروع فريد بحاجة للتطوير بشكل خاص.

Even T-shirt demand forecasting,

حتى التنبؤ بالطلب على القمصان،

if it depends on trending memes on social media,

إذا كان يعتمد على الميمز الرائجة على وسائل التواصل الاجتماعية

is a very different project than pizzeria demand forecasting,

سيكون مشروعًا مختلفًا جدًا عن التنبؤ بالطلب لمتجر بيتزا،

if that depends on the pizzeria sales data.

إذا كان سيعتمد على بيانات المبيعات في متجر البيتزا.

So today there are millions of projects

هنالك اليوم ملايين المشاريع

sitting on the tail of this distribution that no one is working on,

تتموضع على ذيل هذا التصنيف ولا أحد يعمل عليها،

but whose aggregate value is massive.

مع أن قيمتها الإجمالية ضخمة.

So how can we enable small businesses and individuals

كيف يمكننا إذًا تمكين الأفراد والأعمال التجارية صغيرة

to build AI systems that matter to them?

من بناء أنظمة الذكاء الاصطناعي التي يحتاجونها؟

For most of the last few decades,

خلال معظم العقود القليلة الماضية،

if you wanted to build an AI system, this is what you have to do.

إذا أردت بناء نظام ذكاء اصطناعي، هذا ما كان عليك القيام به.

You have to write pages and pages of code.

يجب عليك كتابة صفحات وصفحات من التعليمات البرمجية.

And while I would love for everyone to learn to code,

ومع أنني أود لو أن الجميع تعلم البرمجة،

and in fact, online education and also offline education

وفي الحقيقة، فالتعليم عبر الإنترنت وعلى أرض الواقع

are helping more people than ever learn to code,

يساعدون الناس أكثر من أي وقت مضى في تعلم البرمجة،

unfortunately, not everyone has the time to do this.

لكن لسوء الحظ، ليس لدى الجميع الوقت الكافي لهذا.

But there is an emerging new way

لكن هناك طريقة جديدة ناشئة

to build AI systems that will let more people participate.

لتطوير أنظمة الذكاء الاصطناعي والتي ستمكن أناسًا أكثر من المشاركة.

Just as pen and paper,

تمامًا كما كان للورقة والقلم،

which are a vastly superior technology to stone tablet and chisel,

وهي تقنية متقدمة كثيرًا على الكتابة بالحجارة والإزميل،

were instrumental to widespread literacy,

دور فعال في محو الأمية بشكل واسع،

there are emerging new AI development platforms

هناك منصات جديدة ناشئة لتطوير الذكاء الاصطناعي

that shift the focus from asking you to write lots of code

التي تحول التركيز من مطالبتك بكتابة الكثير من التعليمات البرمجية

to asking you to focus on providing data.

إلى مطالبتك بالتركيز فقط على تقديم البيانات.

And this turns out to be much easier for a lot of people to do.

واتضح أن هذا القيام بهذا أكثر سهولة للكثير من الناس.

Today, there are multiple companies working on platforms like these.

هنالك اليوم عدة شركات تعمل على منصات كهذه.

Let me illustrate a few of the concepts using one that my team has been building.

دعوني أوضح لكم بعض الأفكار التي تستخدم إحدى المنصات التي يقوم فريقي ببنائها.

Take the example of an inspector

لنأخذ مراقب الجودة على سبيل المثال

wanting AI to help detect defects in fabric.

يريد مساعدة الذكاء الاصطناعي في اكتشاف العيوب في الأقمشة.

An inspector can take pictures of the fabric

يمكن لمراقب الجودة التقاط صور للقماش

and upload it to a platform like this,

وتحميلها إلى منصة مثل هذه،

and they can go in to show the AI what tears in the fabric look like

ويتم استخدامها لتبين للذكاء الاصطناعي كيف تبدو العيوب في الأقمشة

by drawing rectangles.

من خلال رسم مربعات لتحديدها.

And they can also go in to show the AI

كما يمكن استخدامها لتبين للذكاء الاصطناعي

what discoloration on the fabric looks like

ما يبدو عليه تغيير اللون الأقمشة

by drawing rectangles.

من خلال رسم مربعات لتحديدها.

So these pictures,

وهذه الصور،

together with the green and pink rectangles

مع المربعات الخضراء والزهرية

that the inspector's drawn,

التي رسمها مراقب الجودة،

are data created by the inspector

هي بيانات قام إنشائها المراقب

to explain to AI how to find tears and discoloration.

لتبين للذكاء الاصطناعي كيف يمكنه اكتشاف التمزقات وتغيير الألوان.

After the AI examines this data,

وبعد أن يدرس الذكاء الاصطناعي هذه البيانات،

we may find that it has seen enough pictures of tears,

قد نجد أنها كانت كافية لاكتشاف التمزقات،

but not yet enough pictures of discolorations.

لكنها ليست كافية بعد لتمييز تغيير الألوان.

This is akin to if a junior inspector had learned to reliably spot tears,

هذا يشابه مراقب جودة مبتدئ تعلم اكتشاف التمزقات بدقة،

but still needs to further hone their judgment about discolorations.

ولكن لا يزال بحاجة إلى تدريب بخصوص تغير الألوان.

So the inspector can go back and take more pictures of discolorations

لذا سيقوم مراقب الجودة بالرجوع والتقاط المزيد من الصور لحالات تغير الألوان

to show to the AI,

ليريها للذكاء الاصطناعي،

to help it deepen this understanding.

لتساعد أكثر في فهمها.

By adjusting the data you give to the AI,

من خلال تغيير البيانات التي تقدمها للذكاء الاصطناعي،

you can help the AI get smarter.

يمكنك جعل الذكاء الاصطناعي أكثر ذكاءً.

So an inspector using an accessible platform like this

يمكن لمراقب جودة يستخدم منصة سهلة مثل هذه

can, in a few hours to a few days,

خلال بضع ساعات أو أيام،

and with purchasing a suitable camera set up,

بالإضافة لشراء عدة تصوير مناسبة،

be able to build a custom AI system to detect defects,

أن يقوم ببناء نظام ذكاء اصطناعي مخصص لاكتشاف العيوب،

tears and discolorations in all the fabric

التمزق وتغيير اللون في جميع الأقمشة

being used to make T-shirts throughout the factory.

المستخدمة لصناعة القمصان في كامل المصنع.

And once again, you may say,

مجددًا ربما يقول البعض:

"Hey, Andrew, this is one factory.

“حسنًا أندرو، هذا مصنع واحد.

Why is this a big deal?"

ما المهم في الموضوع؟”

And I say to you,

وسأرد عليكم بما يلي،

this is a big deal to that inspector whose life this makes easier

هذه مسألة هامة لمراقب الجودة من شأنها أن تسهل حياته

and equally, this type of technology can empower a baker to use AI

وبالوقت ذاته، هذا النوع من التقنية يتيح لخباز استخدام الذكاء الاصطناعي

to check for the quality of the cakes they're making,

للتأكد من جودة الكعك الذي ينتجه،

or an organic farmer to check the quality of the vegetables,

أو مزارع عضوي أن يتاكد من جودة الخضراوات،

or a furniture maker to check the quality of the wood they're using.

أو لصانع الأثاث أن يتأكد من جودة الخشب الذي يستخدمه.

Platforms like these will probably still need a few more years

على الأغلب فإن منصات مثل هذه ما زالت بحاجة لبضع سنوات أخرى

before they're easy enough to use for every pizzeria owner.

قبل أن تكون سهلة كفاية ليستخدمها كل صاحب متجر بيتزا.

But many of these platforms are coming along,

لكن العديد من هذه المنصات قادمة قريبًا

and some of them are getting to be quite useful

وبعضها سيكون مفيدًا جدًا

to someone that is tech savvy today,

لشخص خبير في التكنولوجيا اليوم،

with just a bit of training.

بقليل من التدريب فقط.

But what this means is that,

لكن ما يعنيه هذا،

rather than relying on the high priests and priestesses

أن بدلًا من الاعتماد على القلة المختصة

to write AI systems for everyone else,

لكتابة أنظمة ذكاء اصطناعي للآخرين،

we can start to empower every accountant,

يمكننا البدأ بتمكين كل محاسب،

every store manager,

وكل مدير متجر

every buyer and every quality inspector to build their own AI systems.

وكل بائع وكل مراقب جودة لبناء أنظمة ذكاء اصطناعي خاصة بهم.

I hope that the pizzeria owner

آمل أن صاحب متجر البيتزا

and many other small business owners like him

وغيره من أصحاب المشاريع التجارية الصغيرة

will also take advantage of this technology

سيستغلون هذه التقنية

because AI is creating tremendous wealth

لأن الذكاء الاصطناعي يصنع ثروة هائلة

and will continue to create tremendous wealth.

وسيستمر بصنعها.

And it's only by democratizing access to AI

فقط من خلال إضفاء الطابع الديمقراطي على إتاحة الذكاء الاصطناعي

that we can ensure that this wealth is spread far and wide across society.

يمكننا أن نتأكد أن هذه الثروة ستتوزع على كامل المجتمع.

Hundreds of years ago.

منذ مئات السنين،

I think hardly anyone understood the impact

أعتقد أنه لا أحد كان يدرك حجم التأثير الذي سيحققه انتشار محو الأمية.

that widespread literacy will have.

Today, I think hardly anyone understands

وكذلك اليوم، أعتقد أنه لا أحد يدرك بالفعل

the impact that democratizing access to AI will have.

حجم التأثير الذي سيحققه إتاحة الوصول الديمقراطي للذكاء الاصطناعي.

Building AI systems has been out of reach for most people,

بناء أنظمة الذكاء الاصطناعي ما يزال صعب المنال بالنسبة لمعظم الناس،

but that does not have to be the case.

لكن ليس بحاجة أن يكون كذلك.

In the coming era for AI,

في العصر القادم للذكاء الاصطناعي،

we’ll empower everyone to build AI systems for themselves,

سنقوم بتمكين الجميع من بناء أنظمة الذكاء الاصطناعي لأنفسهم،

and I think that will be incredibly exciting future.

وأعتقد بأن هذا سيكون مستقبلًا شيقًا بشكل رائع.

Thank you very much.

شكرًا جزيلًا لكم.

(Applause)

(تصفيق)