في هذه الدروس، ستستكشف اختبار الذكاء الاصطناعي وأسسه النظرية، وتتعرف على وكلاء الذكاء الاصطناعي وبيئاته. بعد إكمال هذه الدروس، ستطلع على النمذجة اللغوية باستخدام الذكاء الاصطناعي، وتفهم المُدرَكات والشبكات العصبية. تُعتبر برمجة خوارزميات الذكاء الاصطناعي المهمة الأكثر تعقيداً، ومن المهم اختبار البرنامج قبل تشغيله في بيئة الإنتاج الفعلي. المهمة الأكثر أهمية للاختبار هي جمع البيانات. البيانات المجمَّعة من أجل مجموعة بيانات التدريب يجب ألا تحتوي على معلومات تحدد الهوية الشخصية، ويجب أن تكون مبنية على مجموعة متنوعة من الشروط المختلفة. أخذ عينات عشوائية مهم في جمع البيانات، ويمكنك تضمين أنواع عديدة من البيانات لاختبار نموذجك. عملية جمع البيانات تعتمد أيضاً على متطلبات الاختبار، يمكنك جمع الصور والبيانات غير المنظَّمة والكلام ومعلومات القياسات الحيوية. يجب قياس البيانات على أساس الجودة، لأن الجودة إذا لم تكن جيدة، فلن يعطي اختبار برنامج الذكاء الاصطناعي نتائج دقيقة. يمكنك أيضاً استخدام خوارزمية لأخذ العينات من أجل عملية جمع البيانات. الوسم أو العنونة عملية تمكِّنك من التعرُّف على البيانات بسرعة، ونجاح الذكاء الاصطناعي يعتمد على الوسم أو عنونة البيانات. يمكنك إجراء عملية وسم أو عنونة آلية، تستطيع فيها استخدام مسارات البيانات لتحليل البيانات الواردة ثم وسمها ببساطة. إذا لم تكون البيانات معنونة بشكل سليم، فقد تعطي نتائج غير صالحة. الخطوة التالية في العملية هي تدريب الخوارزمية باستخدام البيانات المعنونة. يمكنك تدريب الخوارزمية باستخدام شروط مختلفة ومن الأفضل تضمين شروط أكثر، بدلاً من إجراء عدد قليل من الاختبارات. يجب عليك أيضاً النظر في إصلاحات للخوارزمية بناءً على نتائج الاختبار. إذا لم تكن الخوارزمية تولِّد مخرجات دقيقة، فلديك خيار تغيير منطق الخوارزمية والتحقق من صحتها مرة أخرى بمجموعة البيانات نفسها. عليك دائماً استخدام مجموعة البيانات نفسها للتدريب والتحقق. إذا أدخلت أي تحسينات جديدة على الخوارزمية، فعليك إجراء عملية جمع البيانات وعنونتها مرة أخرى. يجب اختبار الخوارزمية للتحقُّق من مختلف الشروط والكشف عن التحيز. على سبيل المثال، إذا كانت خوارزميتك متعلقة بالبحث عن الصور ولا تبحث إلا عن نوع واحد من الصور وينتج عنها تحيز، فأنت بحاجة إلى تغيير المنطق ليشمل جميع أنواع الصور. يمكنك أيضاً إضافة التنفيذ الآلي لحالات الاختبار مما سيساعدك على سرعة الانتهاء من تنفيذ حالة الاختبار والتحقق من صحة برنامج الذكاء. يمكنك كتابة حالات الاختبار الوظيفي أو اختبار الانحدار الآلية والاحتفاظ بدرجة نجاح تنفيذ الاختبار لنموذجك. إذا كان عدد حالات الاختبار التي اجتازها النموذج أعلى من 99%، فعليك أن تفكِّر في أمر النشر. يمكنك أيضاً إنشاء حلقة تفاعل تنقل الملاحظات من تنفيذ الاختبار إلى فريق التطوير، وتسمح لفريق التطوير بإصلاح خوارزمية تعلُّم الآلة بناءً على مجموعة بيانات التدريب. بمجرد نجاح اختبار الخوارزمية بناء على جميع شروط بيانات الإدخال، يصبح البرنامج جاهزاً حينئذ لمرحلة النشر على السحابة العامة. تتيح السحابة العامة أنواعاً عدة من الخدمات التي يمكن أن تساعدك على نشر الخوارزمية بسرعة. يصعُب النشر المحلي لبرامج الذكاء الاصطناعي بسبب متطلبات الموارد، ولكن يمكنك استخدام أدوات لأتمتة عملية النشر في بيئة الإنتاج وجعل الاختبار جزء من المسار.