مواءمة العمل البحثي مع المسارات المهنية للطلاب

يشعر الدكتور كارثيك نانداكومار بحماسة بالغة حيال الشروع بإجراء الأبحاث الداخلية مع طلابه في جامعة محمد بن زايد للذكاء الاصطناعي، ويهدف إلى منحهم أفضل انطلاقة ممكنة لمسيرتهم المهنية. وبعد 15 شهراً من العمل في الجامعة بصفته أستاذاً مشاركاً في قسم الرؤية الحاسوبية، يعمل الدكتور نانداكومار على مواءمة عملهم البحثي مع الأهداف الاستراتيجية لدولة الإمارات العربية المتحدة بهدف إحداث تأثير دائم على أرض الواقع.

وأتيحت للدكتور نانداكومار فرصة الانضمام إلى أول جامعة متخصصة بالذكاء الاصطناعي على مستوى العالم من خلال العلاقة التي تجمعه بمشرفه خلال دراسة درجة الدكتوراه البروفيسور أنيل جاين، عضو مجلس أمناء جامعة محمد بن زايد للذكاء الاصطناعي. وقبل انضمامه إلى الجامعة، عمل نانداكومار كباحث/ عالم في مجال المراقبة بالفيديو والبلوك تشين لدى شركة “آي بي إم سنغافورة” ومعهد “إنفوكوم للأبحاث” التابع لوكالة العلوم والتكنولوجيا والبحوث (A*STAR) في سنغافورة.

الأبحاث والحلول المتخصصة في القطاع

في منصبه كرئيس لمختبر أمان وخصوصية وموثوقية الذكاء الاصطناعي (SPriNT-AI)، يتولى الدكتور نانداكومار مسؤولية توجيه الطلاب نحو تطوير خوارزميات تتسم بالأمن والخصوصية والموثوقية في مجال تعلم الآلة وأنظمة الذكاء الاصطناعي التي تركز على النتائج القائمة على التطبيقات. ويجري المختبر أبحاثاً هامة في مجالات متعددة تشمل الطاقة والصحة والأمن.

وقال الدكتور نانداكومار: “يمكن أن يكون الذكاء الاصطناعي مفيداً للغاية على صعيد رصد مواطن الخلل والشذوذ في العديد من التطبيقات مثل مراقبة محطات الطاقة الشمسية وخطوط أنابيب الغاز والخطوط الكهربائية ومحطات الطاقة النووية”.

ويتمثل أحد المشاريع البحثية الجارية في دراسة إمكانات إجراء المسح باستخدام الطائرات بدون طيار لمحطات الطاقة الشمسية بالتعاون مع “مصدر”. ويتعين على هذه الطائرات المسيّرة المعدلة أن تكون قادرة على رصد العيوب ومواطن الخلل ومتطلبات التنظيف بنجاح، إلى جانب توفير البيانات اللازمة لتحسين قدرات توليد الطاقة.

وأضاف الدكتور نانداكومار: “نحاول تحديد أي حالات شذوذ قد تكون موجودة باستخدام مقاطع الفيديو المصورة. هل هنالك أي عيوب في الألواح الشمسية؟ أم أنها متسخة بسبب تراكم الغبار والأوساخ وغير ذلك، ثم كيف يمكننا تقديم توصيات بشأن مواعيد التنظيف أو الصيانة؟”.

وتستخدم الطائرات بدون طيار بالفعل في عمليات الرصد والمراقبة، جنباً إلى جنب مع تقنيات الذكاء الاصطناعي والخوارزميات القابلة للتطبيق، ومن شأن مثل هذه التكنولوجيا أن تساهم في توفير الوقت وربما الحد من الأخطاء البشرية المحتملة.

المقاييس الحيوية والأمن والخصوصية

قال الدكتور نانداكومار: “هنالك العديد من هذه التطبيقات التي تعتمد على الوجه وبصمات الأصابع وقزحية العين وما إلى ذلك. وكانت أطروحتي تتناول استخدام مزيج من هذه المقاييس الحيوية في نظام أكثر كفاءة وأماناً. ويعتبر هذا الأمر سبب اهتمامي بالأبحاث المتعلقة بالأمن والخصوصية”.

وفي الوقت الراهن، يوجه الدكتور نانداكومار تركيزه البحثي بشكل رئيسي على مجال خصوصية وأمن خوارزميات تعلّم الآلة. وكان الدكتور نانداكومار قد نال درجة الدكتوراه عن أبحاثه التي تتناول مجال المقاييس الحيوية، وتحديداً كيفية الجمع بين مصادر المقاييس الحيوية المختلفة لتحقيق مستويات أعلى من الأمان.

...يمكننا منح خوارزميات التعلم العميق مستويات الدقة المطلوبة، إلا أنها تنطوي على مشكلات أخرى كحقيقة أنها ليست آمنة تماماً.

“وأضاف الدكتور نانداكومار: “يمكن للمرء أن يخدع أنظمة المقاييس الحيوية بكل سهولة – كما هو الحال في الأفلام السينمائية – حيث يضع الأشخاص طبقة من المطاط على الإصبع ثم يحاولون الدخول إلى أحد المباني. لذلك، يتمثل السؤال الأبرز هنا بكيفية الحيلولة دون وقوع هذه الأنواع من الهجمات؟ وأين يتم تخزين كافة بيانات المقاييس الحيوية؟ وكيف يمكننا ضمان عد استخدام هذه البيانات بصورة مسيئة أو خاطئة؟”.

وتابع الدكتور نانداكومار: “إن تمكن أحد الأشخاص من الوصول إلى هذه البيانات، فهو سيكون قادراً على تتبعكم في كل مكان وعبر مختلف التطبيقات. فكيف يمكننا ضمان تأمين هذه البيانات؟ ولا تجسّد هذه الجوانب مشكلات جديدة في مجال المقاييس الحيوية. ومع ذلك، لم يبدأ مجتمع الذكاء الاصطناعي بمعالجة هذه المشكلات إلا خلال السنوات الأربع إلى الخمس الماضية”.

ولكي تعمل أنظمة الذكاء الاصطناعي، يتعين عليها جمع البيانات من مصادر مختلفة، وعادة ما يتم تخزينها في مخدّم مركزي. ويعمل مفهوم “التعلم الموحد” على إعادة تصميم نماذج تعلم الآلة، وهو من بين اهتمامات الدكتور نانداكومار.

وقال الدكتور نانداكومار: “تمكننا تكنولوجيا التعلم الموحد من إجراء عمليات المعالجة محلياً، ويعني هذا الأمر أننا لا نقوم بتبادل البيانات بل نقوم بتبادل بعض المعلومات حول البيانات. وتوفر هذه التكنولوجيا مستويات أعلى من الخصوصية باعتبار أن البيانات لا تغادر الخادم أو الجهاز المحلي إطلاقاً. وتواصل عملية تبادل المعلومات تقديم المساعدة في إطار تعليم النموذج وفق مستويات عالية من الدقة”.

وينسجم هذا مع اهتمام الدكتور نانداكومار بخوارزميات التعلم العميق وكيفية جعلها أكثر أماناً. وشهدت الأعوام العشرة الماضية إنجاز الكثير من الخطوات بهدف تعزيز دقة هذه الخوارزميات، لكن لا تزال العديد من القضايا الأخرى- كالحماية الأمنية مثلاً- تنتظر أن تتم معاينتها بصورة شاملة.

وأضاف الدكتور نانداكومار: “لم تتجاوز تكنولوجيا التعلم العميق مراحلها الأولى بعد. وبالرغم من وجودها منذ 30 عاماً، إلا أن هذه التكنولوجيا لم تصبح شائعة إلا خلال السنوات العشر الماضية كنتيجة لتوافر مستويات أعلى من القوة الحاسوبية والمزيد من البيانات. وبطبيعة الحال، يمكننا منح خوارزميات التعلم العميق مستويات الدقة المطلوبة، إلا أنها تنطوي على مشكلات أخرى كحقيقة أنها ليست آمنة تماماً.  وهنالك أيضاً التطبيقات الحساسة للموارد، حيث نحتاج لمواصلة العمل على جعلها أصغر وأكثر سرعة وكفاءة وأقل استهلاكاً للذاكرة وما إلى ذلك. ويتعين علينا قطع مراحل طويلة قبل أن تحظى تكنولوجيا التعلم العميق بالقدرة على تغيير التطبيقات بشكل فعلي”.

ومن بين أهم الأمثلة على ذلك، تبرز أنظمة المراقبة بالدوائر التلفزيونية المغلقة (CCTV) واعتمادها على غرف التشغيل الكبيرة والعنصر البشري الموكلة إليه مهمة مراقبة مئات الشاشات.

وتابع الدكتور نانداكومار: “تم إحراز الكثير من التقدم على صعيد كيفية أتمتة عملية معالجة مقاطع الفيديو هذه، لكن بعد العمل في هذا القطاع، أدرك تماماً عدم استعداد أي جهة لشراء هذه الأنواع من الحلول؛ فنحن نحتاج إلى مستويات عالية من القوة الحاسوبية من أجل أتمتة عمليات المعالجة والتشغيل المستمرة على مدار الساعة وطوال أيام الأسبوع. وحتى نتمكن من تحسين مستويات الكفاءة، ستبقى أنظمة المراقبة بالدوائر التلفزيونية المغلقة خاضعة للإدارة اليدوية”.

لمحة عن الدكتور كارثيك نانداكومار

يحمل الدكتور كارثيك نانداكومار درجة الدكتوراه في علوم الحاسوب بالإضافة إلى درجتي ماجستير في علوم الحاسوب والإحصاء من جامعة ولاية ميشيغان، كما يحمل أيضاً درجة الماجستير في إدارة التكنولوجيا من جامعة سنغافورة الوطنية.

وتركز اهتمامات الدكتور نانداكومار البحثية الرئيسية على مجالات الرؤية الحاسوبية، وتعلم الآلة، والتعرف على المقاييس الحيوية؛ والتشفير التطبيقي والبلوك تشين. ويبدي الدكتور نانداكومار اهتماماً خاصاً بالأبحاث التي تتناول خوارزميات التعلم العميق لتطبيقات المقاييس الحيوية والمراقبة بالفيديو، إضافة إلى العديد من المسائل المتعلقة بالأمان والخصوصية والموثوقية في مجال تعلم الآلة.

 وشارك الدكتور نانداكومار في تأليف كتابين بعنوان “مقدمة في المقاييس الحيوية” (Introduction to Biometrics) [صادر عن دار سبرينغر للنشر في عام 2011]؛ و”كتيّب المقاييس الحيوية المتعددة” (Multibiometrics ) [صادر عن دار سبرينغر للنشر في عام 2006].

وحصد الدكتور نانداكومار العديد من الجوائز البارزة بما في ذلك جائزة Fitch H. Beach للأبحاث المتميزة لعام 2008 من كلية الهندسة في جامعة ولاية ميشيغان؛ وجائزة أفضل ورقة بحثية من دورية Pattern Recognition عام 2005؛ وجائزة أفضل ورقة بحث علمية (مسار المقاييس الحيوية) من “الرابطة الدولية للتعرف على الأنماط” (ICPR) عام 2008، وجائزة المؤلف الشاب لأفضل ورقة بحثية من “جمعية معالجة الإشارات” التابعة لـ “معهد مهندسي الكهرباء والإلكترونيات” عام 2010.

ويعمل الدكتور نانداكومار كمحرر أول لمعاملات معهد مهندسي الكهرباء والإلكترونيات حول المعلومات الجنائية والأمن  (T-IFS)، كما سبق له العمل كمحرر مشارك لمداولات معهد مهندسي الكهرباء والإلكترونيات حول المعلومات الجنائية والأمن  (T-IFS) بين عامي 2015 و2019، بالإضافة إلى حصوله على جائزة عضو هيئة التحرير المتميز في عام 2019. ويعمل الدكتور نانداكومار أيضاً كمحرر مشارك لمجلة “إلسفيير” (Elsevier) المتخصصة في مجال التعرف على الأنماط، كما أنه يعتبر واحداً من أبرز متحدثي “جمعية معالجة الإشارات” التابعة لـ “معهد مهندسي الكهرباء والإلكترونيات” وواحداً من كبار الأعضاء في المعهد.