تسمع هذا السؤال في كثير من الاجتماعات، وغالباً ما يأتي بصيغة عامة: نريد أن نضيف الذكاء الاصطناعي إلى منتجنا. لكن الذكاء الاصطناعي ليس شيئاً واحداً يُضاف كما تُضاف ميزة. هو مجموعة من التقنيات، ولكل منها مشكلة تحلها بشكل مختلف. والخطوة الأولى الجيدة هي أن تسأل: ما المهمة المحددة التي نريد أن تُنجز بشكل أفضل؟
خذ ثلاث شركات متخيلة لكنها تشبه ما نراه في السوق. الأولى تتلقى آلاف رسائل الدعم كل يوم، ومعظمها يدور حول أسئلة متكررة بصياغات متعددة. مشكلتها الأساسية في فهم اللغة: أن تعرف أن "لم يصل طلبي" و"الشحنة لم تأتِ بعد" تعنيان الشيء نفسه، وأن تعرف أن الغضب في رسالة ما يستدعي تصعيداً. هنا تكون معالجة اللغة الطبيعية هي الأداة المناسبة، وهي تعمل على النص نفسه.
الشركة الثانية لديها سجل مبيعات يمتد لسنوات. تريد أن تعرف أي العملاء سيعودون، وأي المنتجات ستطلب في الشهر القادم. هذه مشكلة تعلم الآلة الكلاسيكية: بيانات منظمة في جداول، وتنبؤ بقيم أو فئات. النموذج هنا قد يكون أبسط بكثير مما يتخيله الناس، والقيمة الحقيقية تكمن في جودة البيانات وفي تعريف واضح لما نعنيه بـ"العميل العائد".
الشركة الثالثة تبيع منتجات، وصور هذه المنتجات تُلتقط بطرق مختلفة، بزوايا وإضاءة متفاوتة. تريد أن تعرف إن كانت الصورة واضحة، وأن تستخرج من الصورة نوع المنتج ولونه ومقاسه. هذه مهمة الرؤية الحاسوبية، وهي تتعامل مع البكسلات مباشرة.
المغزى أن التقنيات الثلاث مختلفة في جوهرها، ومن يخلط بينها يختار أدوات خاطئة ويتوقع نتائج لا تأتي. الفرق بين الخيارات لا يُحسم بالنظر إلى أحدث النماذج، بل بالنظر إلى شكل المدخلات: نص، أم جدول، أم صورة.
ماذا يعني ذلك لفريق المنتج
حين يبدأ فريق المنتج بالسؤال عن المشكلة قبل السؤال عن الأداة، يتغير النقاش كله. يصبح بالإمكان أن تقول: هذه الميزة تحتاج أن نفهم نصوص المستخدمين، وهذه تحتاج أن نتنبأ بسلوك، وهذه تحتاج أن نقرأ صوراً. ثم تُحسب تكلفة كل واحدة، ويُسأل عن دقتها المقبولة، وعن ما يحدث حين تخطئ.
الخطأ في النظام الذي يفهم اللغة مختلف عن الخطأ في نظام التنبؤ بالمبيعات. الأول قد يحرج المستخدم بجواب غير مفهوم، والثاني قد يكلف الشركة مخزوناً زائداً. لذلك فإن تحديد ما يحدث عند الخطأ هو جزء من التصميم، لا ملاحظة جانبية تُضاف في آخر المشروع.
خلاصة عملية
قبل أن تفتح قائمة الأدوات، اكتب ثلاث جمل: المشكلة التي نريد حلها، وشكل البيانات التي لدينا، ونوع الخطأ الذي يمكننا تحمّله. ستجد في الغالب أن الإجابة عن الأداة صارت واضحة. وإن لم تتضح، فالمشكلة لم تُفهم بعد، وهذا يستحق وقتاً أطول من النقاش حول النموذج نفسه.