يطلب منك أحد المديرين التنفيذيين توقعاً لمعدل فقدان العملاء (Churn) لاستخدامه في تحديد ميزانية الاحتفاظ بالعملاء للربع القادم. لديك 48 ساعة، ومستودع بيانات مألوف، وضغط لتقديم رقم محدد ونهائي. يمكن للذكاء الاصطناعي مساعدتك على العمل بسرعة أكبر، لكنه لا يتحمل المسؤولية؛ فإذا أدى النموذج إلى إنفاق غير صحيح، فإن الفشل اللاحق يقع على عاتق المحلل والمؤسسة التي طبقت النموذج.
في أعمال النمذجة التنبؤية، تظل المسؤولية الجوهرية ثابتة: يجب عليك تحديد المتغير المستهدف، ومنع تسرب المعلومات (leakage)، وتقييم النموذج باستخدام بيانات خارج العينة (out-of-sample)، وشرح المدخلات التي يعتمد عليها النموذج. يمكن للذكاء الاصطناعي كتابة الأكواد البرمجية، واقتراح المتغيرات (الميزات)، وتلخيص نتائج التشخيص والتحليل، بينما تتولى أنت التحقق من توافق التعريفات مع متطلبات العمل وملاءمة التقييم للقرار المتخذ.
يستند الإطار العملي لهذه الدورة إلى مبدأ بسيط: استخدم الذكاء الاصطناعي لإنشاء مسودات أو نماذج أولية للعمل، ثم اعتمد إجراءات المصادقة من قِبَل المحلل في المراحل التي قد تؤدي فيها الأخطاء إلى مخاطر تتعلق باتخاذ القرار.
تُعد مخرجات العمل التنبؤي بمثابة سلسلة مترابطة؛ حيث تولد كل حلقة نوعاً مختلفاً من الأخطاء، ويميل الذكاء الاصطناعي إلى إنتاج مخرجات تبدو منطقية ومقبولة حتى عندما تكون إحدى حلقات السلسلة معيبة أو خاطئة.
تعرّف على كيفية ترابط المراحل الرئيسية ومواضع مساهمة الذكاء الاصطناعي فيها.
إن موافقاتك ليست مجرد “خطوات”، بل هي نقاط تقع تحت مسؤوليتك المباشرة.
في مرحلة تحديد المشكلة، تقع مسؤولية سياق القرار على عاتقك. يمكن للذكاء الاصطناعي اقتراح مقاييس مستهدفة، لكنك تختار المقياس الذي يتوافق مع آلية عمل الشركة. وفي مرحلة البيانات، تتولى أنت تحديد “التصنيف” (label) والنطاقات الزمنية. يمكن للذكاء الاصطناعي صياغة استعلامات SQL، لكن عليك التحقق من عمليات الربط (joins) ومستوى التفاصيل (grain) والبيانات المفقودة؛ لأن التوسع غير الملحوظ في نتائج الربط (join explosion) قد يغير طبيعة مشكلة التعلم نفسها.
وفي مرحلة التحقق، تقع مسؤولية منهجية تقسيم البيانات (للتدريب والاختبار) على عاتقك. يمكن للذكاء الاصطناعي اقتراح آلية للتقسيم (train_test_split)، لكن عليك التأكد من أن التقسيم يتوافق مع التسلسل الزمني للبيانات. فإذا كان الهدف هو التنبؤ بمعدل ترك العملاء (churn) للشهر المقبل، فإن التقسيم العشوائي سيؤدي إلى تسريب معلومات مستقبلية إلى بيانات التدريب، مما يجعل المقياس غير صالح للاستخدام.
في هذه الدورة التدريبية، يُقصد بمصطلح الذكاء الاصطناعي النموذج اللغوي الكبير (LLM). وهو نموذج يقوم بتوليد النصوص والأكواد البرمجية والمخرجات المنظمة استناداً إلى الأنماط الموجودة في بيانات التدريب. لا يقوم هذا النموذج بفحص قاعدة بياناتك ما لم تزوده بالبيانات بنفسك، كما أنه لا يستطيع تحديد ما إذا كان المقياس مناسباً لقرارك التجاري أم لا.
يُقصد بـ المُطالَبة (Prompt) التعليمات والسياق الذي تقدمه للنموذج اللغوي الكبير. أما الرمز (Token) فهو وحدة نصية يقرؤها النموذج ويكتبها؛ وتكمن أهمية هذا المفهوم في أن الجداول وسجلات البيانات الطويلة غالباً ما تتعرض للاقتطاع. وأخيراً، تشير الهلوسة (Hallucination) إلى الحالة التي يولد فيها النموذج تصريحاً واثقاً أو تفصيلاً برمجياً لا يستند إلى المدخلات التي قدمتها له.
استكشف نقاط القوة ومواطن القصور في استخدام الذكاء الاصطناعي ضمن مهام النمذجة التنبؤية.