لخّصلي

اء تعريف مبكر للذكاء الاصطناعي (AI) من أحد آبائها المؤسسين، Marvin Minsky الذي وصفه بأنه "علم صنع الآلات يقوم بأشياء تتطلب الذكاء إذا قام به الرجال". في حين أن جوهر هذا التعريف صحيح اليوم، فإن علماء الكمبيوتر الحديثين يذهبون إلى أبعد من ذلك بعض الشيء ويعرفون الذكاء الاصطناعي كنظام قادر على إدراك بيئته واتخاذ الإجراءات اللازمة لتحقيق أقصى قدر من الفرص لتحقيق أهدافه بنجاح - وعلاوة على ذلك، قدرة هذا النظام على تفسير وتحليل البيانات بطريقة تتعلم وتتكيف مع مرور الوقت.
تاريخ الذكاء الاصطناعي
من الأسطورة اليونانية لجماليون إلى الحكاية الفيكتورية لفرانكشتاين، لطالما كان البشر مفتونين بفكرة إنشاء كائن من صنع الإنسان يمكنه التفكير والتصرف مثل شخص. ومع صعود أجهزة الكمبيوتر، أدركنا أن رؤية الذكاء الاصطناعي ستظهر ليس في شكل كيانات مستقلة قائمة بذاتها – بل كمجموعة من الأدوات والتقنيات المتصلة التي يمكن أن تزيد وتتكيف مع احتياجات الإنسان.

تمت صياغة مصطلح الذكاء الاصطناعي في عام 1956، في مؤتمر علمي في جامعة دارتموث في هانوفر، نيو هامبشاير. ومنذ ذلك الحين، تطور الذكاء الاصطناعي وإدارة البيانات بطريقة مترابطة للغاية. من أجل إجراء تحليلات قوية ذات معنى، يتطلب الذكاء الاصطناعي الكثير من البيانات الضخمة. لكي تتم معالجة الكثير من البيانات رقميًا، يتطلب النظام الذكاء الاصطناعي (AI). وعلى هذا النحو، تطور تاريخ الذكاء الاصطناعي جنبًا إلى جنب مع ارتفاع الطاقة الحاسوبية وتقنيات قواعد البيانات.

واليوم، يمكن لأنظمة الأعمال التي يمكن أن تتعامل مرة واحدة فقط مع بضعة غيغابايت من البيانات أن تدير تيرابايت ويمكنها استخدام الذكاء الاصطناعي لمعالجة النتائج والرؤى في الوقت الحقيقي. وعلى عكس الإنشاء من صنع الإنسان الذي ينحدر إلى القرية، فإن تقنيات الذكاء الاصطناعي مرنة ومتجاوبة – مصممة لتحسين وزيادة شركائها البشر، وليس استبدالها.

أنواع الذكاء الاصطناعي
يُعد الذكاء الاصطناعي أحد أسرع مجالات التطور التكنولوجي نموًا. ومع ذلك، حتى اليوم، حتى نماذج الذكاء الاصطناعي الأكثر تعقيدًا لا تستفيد إلا من "الذكاء الاصطناعي الضيق"، وهو الأساس بين الأنواع الثلاثة من الذكاء الاصطناعي. ولا يزال الاثنان الآخران من أشياء الخيال العلمي، وفي الوقت الحالي، لا يتم استخدامهما بأي طريقة عملية. هذا قال، بمعدل تقدم علوم الكمبيوتر في السنوات الخمسين الماضية، من الصعب أن نقول أين سيأخذنا مستقبل الذكاء الاصطناعي.

أنواع الذكاء الاصطناعي (AI)
الأنواع الثلاثة الرئيسية من الذكاء الاصطناعي

الذكاء الاصطناعي الضيق (ANI)

ANI هو نوع الذكاء الاصطناعي الموجود اليوم ويعرف أيضًا باسم الذكاء الاصطناعي "الضعيف". في حين أن المهام التي يمكن أن يقوم بها الذكاء الاصطناعي الضيق قد تكون مدفوعة بخوارزميات معقدة للغاية وشبكات عصبية، ومع ذلك فهي فردية وموجهة نحو الهدف. التعرف على الوجه، والبحث عن الإنترنت، والسيارات ذاتية القيادة كلها أمثلة على الذكاء الاصطناعي الضيق. ويصنف على أنه ضعيف ليس لأنه يفتقر إلى النطاق والسلطة، ولكن لأنه لا يزال طريقا طويلا من وجود المكونات البشرية التي ننسبها إلى الذكاء الحقيقي. يعرف الفيلسوف جون سيرل الذكاء الاصطناعي الضيق بأنه "مفيد لاختبار فرضية حول العقول، ولكنه لن يكون في الواقع عقول".

الذكاء العام الاصطناعي (AGI)

ينبغي على AGI أن تكون قادرة على أداء أي مهمة فكرية بنجاح يمكن للإنسان أن يقوم بها. مثل أنظمة الذكاء الاصطناعي الضيقة، يمكن لأنظمة AGI أن تتعلم من التجربة ويمكنها تحديد الأنماط والتنبؤ بها – ولكنها تمتلك القدرة على اتخاذ خطوة أخرى. يمكن لـ AGI استقراء تلك المعرفة عبر مجموعة واسعة من المهام والمواقف التي لا تتناولها البيانات المكتسبة سابقا ولا الخوارزميات الموجودة.

إن حاسوب القمة الخارق هو واحد من عدد قليل فقط من هذه الحواسيب العملاقة في العالم التي توضح AGI. ويمكن أن يؤدي 200 كوادريليون الحسابات في ثانية واحدة - والتي من شأنها أن تستغرق الإنسان مليار سنة للقيام بها. لكي تكون نماذج AGI مجدية بشكل لا معنى له، فإنها لن تحتاج بالضرورة إلى تلك القوة الكثيرة، لكنها ستتطلب قدرات حسابية لا توجد حاليا إلا على مستويات الحواسيب الفائقة.

الذكاء الاصطناعي الفائق (ASI)

نظرياً أنظمة ASI مدركة تماماً للذات. أبعد من مجرد محاكاة أو فهم السلوك البشري، فهم يستوعبون ذلك على مستوى أساسي.

مدعومة بهذه السمات البشرية - والمزيد من تعزيز قوة المعالجة والتحليل التي تتجاوز بكثير الخاصة بنا - يمكن أن يبدو أن ASI تقدم مستقبل ديستوبيا، علمي في الذي يصبح البشر عفا عليه الزمن على نحو متزايد.

من غير المرجح أن أي شخص يعيش اليوم سيرى مثل هذا العالم، ولكن هذا قال، إن الذكاء الاصطناعي يتقدم بهذا المعدل لدرجة أنه من المهم النظر في المبادئ التوجيهية الأخلاقية والإشراف تحسبا للذكاء الاصطناعي الذي يمكن أن يتجاوزنا بكل الطرق القابلة للقياس تقريبا. كما ينصح ستيفن هوكينج، "بسبب الإمكانات الكبيرة للذكاء الاصطناعي، من المهم البحث في كيفية جني فوائده مع تجنب المآزق المحتملة".

مزايا الذكاء الاصطناعي
قبل عقدين فقط، كان استخدام الذكاء الاصطناعي في العمليات التجارية في مرحلة "التبني المبكر" وكانت إمكاناته لا تزال نظرية إلى حد ما. ومنذ ذلك الحين، أخذت تقنيات الذكاء الاصطناعي وتطبيقاته تتقدم وتضيف قيمة إلى الشركات، حيث تتوقع IDC النمو عند 19.6% سنة على مدى عام في 2022 إلى 432.8 مليار دولار. ومع تحسن تقنيات الذكاء الاصطناعي وظهورها كموجة الابتكار التالية، كذلك فهم الإنسان لإمكانياته والإبداع الذي يتم تطبيقه به. واليوم، تستمد الشركات مجموعة متزايدة باستمرار من الفوائد القابلة للقياس من الأنظمة التي تعمل بنظام الذكاء الاصطناعي، بما في ذلك ما يلي:

المرونة على مستوى الأعمال: قبل فترة طويلة من وجود أجهزة الكمبيوتر، عرفت الشركات قيمة جمع وفهم البيانات حول أعمالها وسوقها وعملائها. ومع نمو مجموعات البيانات بشكل أكبر وأكثر تعقيدًا، أصبحت القدرة على تحليل تلك البيانات بدقة وفي الوقت المناسب تمثل تحديًا متزايدًا. إنالحلول التي تعمل بواسطة الذكاء الاصطناعي تجلب القدرة على إدارة البيانات الضخمة ليس فقط، بل على أخذ رؤى قابلة للتنفيذ منها. باستخدام الذكاء الاصطناعي، يمكن أتمتة العمليات المعقدة، ويمكن استخدام الموارد بكفاءة أكبر، ويمكن التنبؤ بحالات الاضطراب (والفرص) وتكييفها بشكل أفضل.
خدمة أفضل للعملاء: يسمح الذكاء الاصطناعي للشركات بتخصيص عروض الخدمات والتفاعل مع عملائها في الوقت الفعلي. مع انتقال المستهلكين عبر مخطط المبيعات الحديث من "الفرصة التسويقية" إلى "التحويل"، فإنهم يولدون مجموعات بيانات معقدة ومتنوعة. الذكاء الاصطناعي يمنح أنظمة الأعمال القدرة على الاستفادة من هذه البيانات ولتقديم خدمة أفضل لعملائها والتفاعل معهم.
واثقون من اتخاذ القرارات: يسعى قادة الأعمال الجيدون دائمًا لاتخاذ قرارات سريعة ومستنيرة. وكلما كان القرار أكثر أهمية، زاد احتمال أن يكون له مكونات وتعقيد لا تعد ولا تحصى. يساعد الذكاء الاصطناعي على زيادة حكمة البشر وخبراتهم، مع تحليل البيانات المتقدم والرؤى القابلة للتنفيذ التي تدعم اتخاذ القرارات الواثقة في الوقت الفعلي.
المنتجات والخدمات ذات الصلة: العديد من نماذج البحث والتطوير التقليدية كانت خلفية. غالبًا ما لم يحدث تحليل بيانات الأداء وتعليقات العملاء حتى بعد دخول منتج أو خدمة ما إلى السوق. كما لم تكن هناك نظم يمكن أن تحدد بسرعة الثغرات والفرص المحتملة في السوق. مع الأنظمة التي تعمل بنظام الذكاء الاصطناعي، يمكن للشركات النظر إلى مجموعة واسعة من مجموعات البيانات، في وقت واحد وفي الوقت الحقيقي. وهذا يسمح لهم بتعديل المنتجات الموجودة وتقديم منتجات جديدة، استنادًا إلى بيانات السوق والعميل الأكثر صلة وتحديثًا.
القوى العاملة المشاركة: أظهر استطلاع أجرته مؤسسة غالوب مؤخرًا أن الشركات التي يبلغ موظفوها عن مستوى عالٍ من المشاركة أكثر ربحًا بنسبة تصل إلى 21% في المتوسط. يمكن لتقنيات الذكاء الاصطناعي في مكان العمل أن تخفف من عبء المهام الدنيوية وتسمح للموظفين بالتركيز على عمل أكثر وفاء. كما يمكن أن تساعدتقنيات الموارد البشرية التي تستخدم الذكاء الاصطناعي في ملاحظة أن الموظفين يشعرون بالقلق أو التعب أو الشعور بالملل. من خلال تخصيص توصيات السلامة والمساعدة في تحديد أولويات المهام، يمكن أن يدعم الذكاء الاصطناعي الموظفين ويساعدهم في استعادة التوازن الصحي بين العمل والحياة.
Ribbon-BG-LtGrey-master.jpg
طلب عرض توضيحي

يمكنك الاطلاع على التقنيات الذكية مثل الذكاء الاصطناعي وتدريب الآلة قيد التنفيذ.

تعرف على المزيد

تقنيات الذكاء الاصطناعي
ولكي يكون الذكاء الاصطناعي مفيدًا، يجب أن يكون قابلاً للتطبيق. ولا يمكن تحقيق قيمتها الحقيقية إلا عندما تقدم رؤى قابلة للتنفيذ. إذا فكرنا في الذكاء الاصطناعي من حيث الدماغ البشري، فإن تقنيات الذكاء الاصطناعي تكون مثل اليدين والعينين وحركات الجسم - كل ما يسمح بتنفيذ أفكار الدماغ. فيما يلي بعض من تقنيات الذكاء الاصطناعي الأكثر استخداما وسرعة التقدم.

تقنيات الذكاء الاصطناعي
تقنيات الذكاء الاصطناعي

تدريب الآلة

تدريب الآلة - وجميع مكوناته - هو مجموعة فرعية من الذكاء الاصطناعي. في تعلم الآلة، يتم تطبيق الخوارزميات على أنواع مختلفة من أساليب التعلم وتقنيات التحليل، والتي تسمح للنظام بالتعلم والتحسين التلقائي من التجربة دون أن تتم برمجته بشكل صريح. بالنسبة للشركات، يمكن تطبيق تدريب الآلة على أي مشكلة أو هدف يتطلب نتائج تنبؤية، يتم التوصل إليه من تحليل البيانات المعقد.

ما الفرق بين الذكاء الاصطناعي وتدريب الآلة؟ تدريب الآلة هو مكون من مكونات الذكاء الاصطناعي ولا يمكن أن يوجد بدونه. لذلك ليس كثيرا ما تكون مختلفة – ككيفية اختلافها. يعالج الذكاء الاصطناعي البيانات لاتخاذ القرارات والتنبؤات. لا تسمح خوارزميات تدريب الآلة للذكاء الاصطناعي بمعالجة تلك البيانات فحسب، بل باستخدامها للتعلم والحصول على ذكاء، دون الحاجة إلى أي برمجة إضافية.

معالجة اللغة الطبيعية (NLP)

يسمح NLP للآلات بالتعرف على وفهم اللغة المكتوبة أو الأوامر الصوتية أو كليهما. وهذا يشمل القدرة على ترجمة اللغة البشرية إلى شكل يمكن للخوارزمية فهمه. توليد اللغة الطبيعية (NLG) هي مجموعة فرعية من NLP تسمح للآلة بتحويل اللغة الرقمية إلى لغة بشرية طبيعية. في التطبيقات الأكثر تطورا، يمكن أن يستخدم NLP السياق لاستنتاج الموقف، والمزاج، وغيرها من الصفات الذاتية لتفسير المعنى بدقة. وتشمل التطبيقات العملية للـ NLP روبوتات الدردشة والمساعدين الصوتيين الرقميين مثل سيري وأليكسا.

ما هي روبوتات الدردشة؟ استكشف هؤلاء المساعدين الرقميين وكيف يستخدمون NLP.

رؤية الكمبيوتر
رؤية
الكمبيوتر هي الطريقة التي تفهم بها أجهزة الكمبيوتر و"انظر" الصور الرقمية ومقاطع الفيديو - على عكس مجرد التعرف عليها أو تصنيفها. تستخدم تطبيقات الرؤية الحاسوبية أجهزة الاستشعار وخوارزميات التعلم لاستخراج المعلومات المعقدة السياقية التي يمكن استخدامها بعد ذلك لأتمتة العمليات الأخرى أو إعلامها. كما يمكن للرؤية الحاسوبية استقراء البيانات لأغراض تنبؤية مما يعني أساسا أنها يمكن أن ترى من خلال الجدران وحول الزوايا. السيارات ذاتية القيادة هي مثال جيد لرؤية الكمبيوتر في الاستخدام.

علم التحكم الآلي

الروبوتات ليست شيئاً جديداً واستخدمت منذ سنوات، خصوصاً في مجال التصنيع. ولكن بدون تطبيق الذكاء الاصطناعي، يجب تحقيق الأتمتة من خلال البرمجة اليدوية والمعايرة. إذا كانت نقاط الضعف أو عدم الكفاءة موجودة في تدفقات العمل هذه، فلا يمكن ملاحظتها إلا بعد الحقيقة - أو بعد انهيار شيء ما. لا يمكن للمشغل البشري في كثير من الأحيان أن يعرف أبدا ما الذي أدى إلى مشكلة، أو ما هي التكيفات التي يمكن إجراؤها لتحقيق كفاءة وإنتاجية أفضل. عندما يتم جلب الذكاء الاصطناعي إلى المزيج - عادة عن طريق أجهزة استشعار إنترنت الأشياء - فإنه يجلب معه القدرة على توسيع نطاق وحجم ونوع المهام الروبوتية التي يتم تنفيذها بشكل كبير. ومن الأمثلة على الروبوتات في الصناعة روبوتات انتقاء الأوامر لاستخدامها في المستودعات الكبيرة والروبوتات الزراعية التي يمكن برمجتها لانتقاء المحاصيل أو خدمتها في الأوقات المثلى.

معرف تطبيق المؤسسة في الإجراء
وفي كل عام، تحقق المزيد والمزيد من الشركات الفوائد والمزايا التنافسية التي يمكن لحلول الذكاء الاصطناعي أن تجلبها إلى عملياتها. وتمتلك بعض القطاعات، مثل الرعاية الصحية والخدمات المصرفية، مجموعات بيانات كبيرة وضعيفة بشكل خاص. بالنسبة لهم، كانت فائدة الذكاء الاصطناعي واضحة من أقرب تكراراته. ولكن اليوم، يعني نطاق الذكاء الاصطناعي الحديث وإمكانية الوصول إليه أن له تطبيقات ذات صلة عبر جميع نماذج الأعمال تقريبًا. الأمثلة التالية هي مجرد عدد قليل من هذه الصناعات.

الذكاء الاصطناعي في مجال الرعاية الصحية
تعد مجموعات البيانات الطبية من أكبر مجموعات البيانات الطبية وأكثرها تعقيدًا – وأكثرها حساسية – في العالم. أحد محاور الذكاء الاصطناعي الرئيسية في الرعاية الصحية هو الاستفادة من تلك البيانات لإيجاد علاقات بين بروتوكولات التشخيص والعلاج، ونتائج المريض. بالإضافة إلى ذلك، تتجه المستشفيات إلى حلول الذكاء الاصطناعي لدعم المجالات والمبادرات التشغيلية الأخرى. وتشمل هذه إرضاء القوى العاملة والتحسين، ورضا المريض، وتوفير التكاليف على سبيل المثال لا الحصر.
الذكاء الاصطناعي في الأعمال البنكية
البنوك والمؤسسات المالية لديها حاجة متزايدة إلى الأمن، والامتثال، وسرعة المعاملات، وعلى هذا النحو، كانت بعض من أوائل المتبنين لتكنولوجيات الذكاء الاصطناعي. تساهم ميزات مثل روبوتات الذكاء الاصطناعي ومستشاري الدفع الرقمي وآليات الكشف عن الاحتيال البيومتري جميعها في تحسين الكفاءة وخدمة العملاء، بالإضافة إلى الحد من المخاطر والاحتيال. انظر كيف تقود البنوك الخدمة الشاملة باستخدام التحويل الرقمي والتقنيات الذكية.
الذكاء الاصطناعي في التصنيع
عندما يتم توصيل الأجهزة والآلات لإرسال واستقبال البيانات عبر نظام مركزي، فإنها تضم شبكة إنترنت الأشياء. لا يعالج الذكاء الاصطناعي تلك المعلومات فحسب، بل يستخدمها للتنبؤ بالفرص والاضطرابات، وأتمتة أفضل المهام وتدفقات العمل استجابةً لذلك. في المصانع الذكية، يمتد هذا إلى بروتوكولات التصنيع عند الطلب للطابعات ثلاثية الأبعاد، والمخزونات الافتراضية. تعرَّف على كيفية استخدام أديداس لتدريب الآلة لتقديم أجهزة السنيكرز المخصصة خلال 24 ساعة فقط.
AI في التجزئة
كان للوباء تأثير هائل على عادات التسوق، حيث شهد ارتفاعا كبيرا في التسوق عبر الإنترنت خلال نفس الفترة من العام السابق. وقد ساهم ذلك في إيجاد مناخ تنافسي للغاية وسريع التغير بالنسبة لتجار التجزئة. ويشارك المتسوقون عبر الإنترنت عبر مجموعة واسعة من نقاط الاتصال ويولدون كميات أكبر من مجموعات البيانات المعقدة وغير البنيوية أكثر من أي وقت مضى. ولفهم هذه البيانات والاستفادة منها على أفضل وجه، يتطلع بائعو التجزئة إلى حلول الذكاء الاصطناعي التي يمكنها معالجة وتحليل مجموعات البيانات المتباينة لتوفير رؤى مفيدة وتفاعلات فورية مع عملائهم.
أخلاقيات الذكاء الاصطناعي وتحدياته
في عام 1948، قال آلان تورنغ رائد علوم الكمبيوتر، "الكمبيوتر يستحق أن يسمى ذكي إذا كان يمكنه خداع الإنسان إلى الاعتقاد أنه إنسان". على الرغم من أن سرعة المعالجة والقوة التحليلية للكمبيوتر الحديث الذي يحركه الذكاء الاصطناعي كان يبدو غير قابل للتصديق لتورنغ، إلا أنه على الرغم من ذلك كان من المرجح أن يكون قد فهم الهجاء الأخلاقي الذي قدمه هذا المستوى من السلطة. ومع تحسن الذكاء الاصطناعي في فهمنا ومحاكاتنا، فإنه يبدو إنساناً بشكل متزايد. ومع توليد كميات متزايدة من البيانات الشخصية عبر القنوات الرقمية، نحتاج - أكثر فأكثر - إلى أن نكون قادرين على الوثوق بتطبيقات الذكاء الاصطناعي التي تدعم الكثير من أنشطتنا اليومية. وفيما يلي بعض الأمثلة على التحديات الأخلاقية التي يحتاج قادة الأعمال إلى إدراكها ورصدها.

Ribbon-BG-LtGrey-master.jpg
استكشاف إرشادات SAP لأخلاقيات الذكاء الاصطناعي
اطلع على مبادئ توجيه تطوير ونشر برامج الذكاء الاصطناعي لدينا.
اكتشف المزيد

الاستخدام الأخلاقي لبيانات
العميل في العشرينات من القرن العشرين، يتم إجراء الجزء الأكبر من المعلومات التي نشاركها ونجمعها كشركات أو أفراد عبر قنوات متصلة رقميًا. في بداية عام 2020، كان هناك أكثر من 3.5 مليار هاتف ذكي في العالم، وجميعها تشارك كميات هائلة من البيانات - من موقع نظام تحديد المواقع العالمي إلى التفاصيل الشخصية والتفضيلات الخاصة بمستخدميها، عبر وسائل التواصل الاجتماعي وسلوكيات البحث. ومع وصول الشركات إلى المعلومات الشخصية لعملائها على نطاق أوسع، يصبح من المهم للغاية وضع معايير وبروتوكولات دائمة التطوير لحماية الخصوصية وتقليل المخاطر.

تحيز الذكاء الاصطناعي يمكن أن يزحف الانحياز إلى نظام الذكاء الاصطناعي بسبب التحيز البشري في برمجة خوارزمياته أو من خلال الأحكام المسبقة النظامية التي يمكن نشرها عبر افتراضات خاطئة في عملية تعلم الآلة. في الحالة الأولى، من الواضح بشكل أكبر كيفية حدوث ذلك. ولكن في الثانية، يمكن أن يكون من الصعب تحديد المكان وتجنبه. حدث مثال معروف على تحيز الذكاء الاصطناعي داخل نظام الرعاية الصحية في الولايات المتحدة، حيث يتم استخدام تطبيقات الذكاء الاصطناعي لتخصيص معايير الرعاية. وعلمت الخوارزمية أن مجموعات ديموغرافية معينة كانت أقل قدرة على الدفع مقابل الرعاية. ثم استقراء هذه المعلومات لربط تلك المجموعة عن طريق الخطأ على أنها أقل أحقية في الرعاية. بعد اكتشاف هذا الخطأ المؤسف، عمل علماء الكمبيوتر في جامعة كاليفورنيا في بيركلي مع المطورين لتعديل المتغيرات الخوارزمية، وبالتالي الحد من الانحياز بنسبة 84٪.
شفافية الذكاء الاصطناعي والذكاء الاصطناعي القابل
للتفسير الشفافية في الذكاء الاصطناعي هي القدرة على تحديد كيف ولماذا وصلت الخوارزمية إلى استنتاج أو قرار معين. غالبًا ما تكون خوارزميات التعلم الآلي والذكاء الاصطناعي التي تُنير النتائج – والنتائج نفسها – معقدة للغاية بحيث تتجاوز فهم الإنسان. تعرف الخوارزميات مثل هذا بنماذج "الصندوق الأسود". بالنسبة للشركات، من المهم ضمان أن تكون نماذج البيانات عادلة وغير متحيزة ويمكن شرحها وتدقيقها خارجيًا. خاصة في مجالات مثل الطيران أو الطب، حياة البشر على المحك. لذلك من الحيوي أن يأخذ البشر الذين يستخدمون هذه البيانات مبادرات إدارة البيانات على محمل الجد.
الأخبار المزيفة والخطابات العميقة المزيفة
هي كلمة منقولة عن "التعلم العميق" و"المزيف". وهي تقنية تستخدم الذكاء الاصطناعي والتعلم الآلي - عادة - تسطع وجه شخص على جسم شخص آخر في فيديو، مع دقة لا يمكن تمييزها عن الأصل. في شكله البريء، يمكن أن يؤدي إلى مؤثرات بصرية مدهشة مثل إلغاء العمر لمدة 30 عاما من روبرت دي نيرو وجو بيشي في فيلم الإريشمان. لسوء الحظ، فإن استخدامه الأكثر شيوعًا هو إنشاء قصص إخبارية وهمية يمكن تصديقها أو وضع المشاهير في مقاطع فيديو مصورة أو المساس بها والتي لم يظهروا فيها في الأصل.