سبب التوصيات على كثرة البحث على منتجات معينة والاهتمام بها.

من الإنجازات:
خدمة السحابة الحكومية
بنك البيانات
منصة استشراف
الهوية الرقمية
منظومة إبشر
المنصات الوطنية
إحسان
منظومة توكلنا

التعلم الموجه: في التعلم الموجه يغذي المستخدم الخوارزمية ببيانات تاريخية أو بيانات تدريبية وتحاول التنبؤ بالقيم الجديدة للبيانات التي لم يتم إدخالها في الخوارزمية بعد وتسمى هذه البيانات أيضاً بيانات الاختبار.
التعلم غير الموجه: توجد لديك كميات كبيرة من البيانات غير مسماه ولا يمكن إجراء تنبؤ أو تحليل انحدار لها ومع ذلك يمكنك العثور على أنماط في البيانات غير المهيكلة من خلال المراقبة والتجميع.
التعلم التعزيزي: في التعلم التعزيزي لا يتم إعطاء الخوارزمية بيانات الإدخال ولكن يتفاعل الوسيط (برنامج الحاسب) مع البيئة لتحديد بيانات الإدخال المناسبة.

التحيز والتمييز: يمكن لتقنيات الذكاء الاصطناعي التعرف على الأنماط المجتمعية التي تسبب عدم المساواة والتهميش والعنصرية تجاه مجموعة من الأفراد.
مسؤولية القرار: إذا كانت معظم القرارات تعتمد على نتائج أنشئت بواسطة الذكاء الاصطناعي، فهناك لبس حول الطرف الذي يتحمل مسؤولية القرار: الشخص الذي برمج نموذج الذكاء الاصطناعي أم الآلة.
النتائج غير المبررة: قد يضيف مشرفو نموذج الذكاء الاصطناعي في بعض الأحيان بعض التحيزات الاجتماعية الخاصة بهم إلى النموذج الذي يعملون على تدريبه، مما قد يؤدي إلى مشكلات يصعب تحديد مصدرها.
انتهاك الخصوصية: تحتاج تقنيات الذكاء الاصطناعي إلى الكثير من البيانات التي يقدمها الأشخاص عن حياتهم الخاصة دون موافقتهم في بعض الأحيان.
العزلة الاجتماعية: مع استخدام الأتمتة بشكل مفرط، لم يعد هناك تفاعل بين الأفراد بشكل كاف مما يؤدي إلى الشعور بالوحدة أو العزلة الاجتماعية.
النتائج غير الموثوقة: إذا لم يصمم نموذج الذكاء الاصطناعي بشكل صحيح، واستخدام الأفراد قراراته دون تفكير، فقد يؤدي ذلك إلى نتائج خطيرة.

أمثلة على الوظائف في الذكاء الاصطناعي:
عالم بيانات: يحول متطلبات العمل إلى حلول تعلم آلي.
مهندس بيانات: يستخرج البيانات ويعد بيانات نموذج تعلم الآلة.
مهندس التعلم الآلي: يصمم نموذج تعلم الآلة ويشرف عليه ويدربه.
مهندس عمليات البيانات: يقوم ببناء قنوات الاتصال التقنية لجمع المعلومات من أنظمة المصادر المختلفة ويتابع سير العمل بين علماء البيانات ومهندسي البيانات ومهندسي التعلم الآلي.
مهندس عمليات التعلم الآلي: يعد مسؤولاً عن الدعم الفني وصيانة نماذج تعلم الآلة.

من المقرر أن يبدأ المشروع والذي يطلق عليه اسم والذي يبعد عن العاصمة اليابانية طوكيو 60 ميلا وسيتم تطوير المشروع الجديد عبر موقع تبلغ مساحته 175 فدانا كان مقرا لمصنع شركة تويوتا في السابق والجدير بالذكر أنه لن يسمح إلا للسيارات التي تتمتع بالقيادة الذاتية والخالية من أي انبعاثات بالعمل Toyota e- في شوارعها، كما سيتم استخدام أسطول من المركبات ذاتية القيادة المعروفة باسم Palettes لأغراض التوصيل والتجزئة وتتعاون شركة صناعة السيارات اليابانية مع شركة الهندسة المعمارية الدنماركية بيارك أنجلز جروب، والتي يشار إليها غالبا باسم صممت الخطة الرئيسية للمدينة وسيتم إنشاء المباني في الموقع من الخشب بشكل أساسي مع استخدام تقنية الإنتاج الآلي ستكون بمثابة مواقع اختبار للتكنولوجيا Woven City وأوضح أنجلز أن المنازل في المدينة الجديدة، مثل استخدام الروبوتات للمساعدة في الحياة اليومية وستستفيد هذه المنازل الذكية من الاتصال الكامل باستخدام الذكاء الاصطناعي المستند إلى أجهزة الاستشعار للقيام بالأشياء تلقائيا، مثل إعادة تخزين الثلاجة، أو إخراج القمامة أو حتى العناية بحالتك الصحية.

1- ذكاء الأعمال: اتخاذ قرارات استراتيجية بناء على الأفكار الرئيسية من البيانات المعالجة.
2- الحكومة: تحليل أنماط المواطنين للحصول أفضل للموارد والأصول.
3- الطاقة: خفض تكاليف استخدام الطاقة في القطاعين الصناعي والمدني مما يوفر مليارات الريالات كل عام.

1- تدريب النموذج: جمع أمثلة للأشياء المراد من الحاسب التعرف عليها.
2- اختبار النموذج: استخدام الأمثلة لتدريب الحاسب على التعرف عليها.
3- إنشاء لعبة اسكراتش: تستخدم قدرة الحاسوب للتعرف على الأمثلة.

إضافة تسمية قطار في نموذج تعليم الآلة وتدريب النموذج واختباره كما في الشكل.

يؤدي الاستنساخ إلى إنشاء نسخة من الكائن أثناء تشغيل المشروع.