کسب و کارها چه انتظاراتی از هوش مصنوعی می توانند داشته باشند؟

کسب و کارها چه انتظاراتی از هوش مصنوعی می توانند داشته باشند؟

بسیاری از مدیران ارشد اجرایی از من می‌پرسند که هوش مصنوعی چه کارهایی می‌تواند برایمان انجام دهد؟ آنها می خواهند بدانند هوش مصنوعی چگونه صنعت آنها را تغییر خواهد داد و آنها چگونه می‌توانند از آن جهت تحول و نوسازی شرکت‌هایشان استفاده کنند. اخیرا برخی رسانه‌ها تصویری غیرواقعی از قدرت هوش مصنوعی به مخاطبین خود ارائه می‌کنند: گوئی قرار است بزودی هوش مصنوعی همه جهان را تسخیر و اداره کند!؟ هوش مصنوعی قبلا صنایع جستجوی وب، تبلیغات، تجارت الکترونیک، مالی و بورس، لجستیک و حمل و نقل، رسانه ها و صنایع زیاد دیگری را متحول کرده است. من بعنوان بنیانگذار تیم هوش مصنوعی گوگل که قبل از آن نیز رئیس آزمایشگاه هوش مصنوعی دانشگاه استنفورد بوده‌ام و در حال حاضر هدایت تیم ۱۲۰۰ نفره هوش مصنوعی بایدو (‌Baidu) بزرگترین موتور جستجوی چین را برعهده دارم، با بسیاری از تیم‌ها و گروه‌های پیشرو هوش مصنوعی در دنیا کار کرده‌ام و در تولید بسیاری از محصولات هوش مصنوعی که توسط میلیونها نفر استفاده می‌شوند، مشارکت داشته‌ام (اندرو ان جی نویسنده این مقاله، سوابقش در هوش مصنوعی را برمی‌شمارد). براساس تجربه و آنچه من دیده‌ام، مطمئن هستم که هوش مصنوعی بسیاری از صنایع را متحول خواهد کرد. اما این تکنولوژی یک ابزار جادویی نیست. برای درک آثار هوش مصنوعی بر کسب و کار شما، باید شایعات و تبلیغات را کنار بزنیم و ببینیم هوش مصنوعی در حال حاضر واقعا می‌تواند چه کارهایی برایمان انجام دهد. 

شگفت انگیز است که علیرغم حوزه گسترده تبعات و آثار هوش مصنوعی در صنایع مختلف، انواع روشهایی که در هوش مصنوعی پیاده سازی و بکارگرفته می‌شود، هنوز بشدت محدود است. تقریبا همه پیشرفتهای اخیر هوش مصنوعی از طریق و مسیر یک گروه راهکارهای مشابه بوده است: با استفاده از برخی داده های ورودی (داده های ورودی A) سریعا برخی پاسخ ها (پاسخ های خروجی B) تولید و ساخته می‌شوند.

نمونه کارهایی که یادگیری ماشین (Machine Learning) می تواند انجام دهد

کاربردهای زیر نمونه بکارگیری الگوریتمهای هوش مصنوعی است که به الگوریتم‌های نظارت شده معروفند و براساس ورودی داده های Aقادرند خروجی‌های موردانتظار و نیاز Bرا تولید و ارائه کنند:

ورودی A

پاسخ B

کاربرد

تصویر

آیا چهره انسان در تصویر وجود دارد؟ (بله یا خیر)

تعیین افراد داخل تصویر و تگ کردن آنها

فرم درخواست وام

آیا آنها وام خود را بازپرداخت خواهند کرد؟ (بله یا خیر)

تایید درخواست وام

بنر تبلیغاتی و اطلاعات کاربر

آیا کاربر بر روی بنر کلیک خواهد کرد؟ (بله یا خیر)

تبلیغات آنلاین هدفمند و بهینه

فایل صوتی

متن گفتار فایل صوتی

شناسایی گفتار

جمله انگلیسی

جمله فرانسه

ترجمه زبان

داده های سنسورهای هارد دیسک، موتور هواپیما و ...

آیا خرابی رخ داده یا نزدیک است ؟

تعمیر و نگهداری پیشگیرانه

خروجی دوربین و سنسورهای خودرو

موقعیت سایر خودروهای اطراف

خودروهای خودران


توانایی پردازش ورودی Aو تولید خروجی B، بسیاری از صنایع را متحول خواهد کرد. نام فنی این گروه از الگوریتم‌های هوش مصنوعی که نتیجه گیری (A -> B) را انجام می دهد، الگوریتم‌های یادگیری نظارت شده (supervised learning) است. الگوریتمهای (A -> B) هنوز با رباتهای هوشمندی که در فیلمهای عملی-تخیلی می بینیم و احساسات ما را درک می‌کنند، فاصله زیادی دارند. هوش انسانی نیز پردازشهای بسیار بیشتر و پیچیده‌تری از نتیجه گیری (A -> B) را انجام می‌دهد. این سیستمهای (A -> B) بسرعت پیشرفت کرده‌اند و این رشد ادامه دارد و امروزه  بهترین نمونه‌های آنها بر اساس تکنولوژی یادگیری عمیق (Deep Learning) یا شبکه های عصبی عمیق (Deep Neural Networks) که الهام گرفته از مغز انسان هستند، ساخته می‌شوند. اما این سیستم‌ها هنوز از تصورات فیلم‌های علمی-تخیلی خیلی دور هستند. پژوهشگران زیادی بر روی سایر اشکال و الگوریتم‌های هوش مصنوعی در حال کار هستند که ثابت شده است برخی از آنها در زمینه های محدودی مفید و قابل استفاده هستند و ممکن است تحولی شگرف بسوی لایه‌های بالاتر هوش مصنوعی باشد، اما هنوز مسیر روشن و کاربردی بسوی این هدف وجود ندارد. 

امروزه نرم افزارهای مبتنی بر یادگیری نظارت شده (Supervised Learning) یک پاشنه آشیل و ضعف دارند: آنها نیاز به حجم زیادی داده دارند. شما باید به سیستم حجم زیادی نمونه از هر دو نوع داده ورودی (A) و خروجی (B) ارایه دهید. برای مثال، ساختن یک سیستم شناسایی و تگ کردن عکس‌های افراد، نیازمند صدها هزار عکس (A) است که چهره افراد در آنها مشخص و تگ شده (B) است. همچنین ساختن یک سیستم شناسائی و تشخیص گفتار نیازمند ده ها هزار ساعت فایل صوتی (A) بهمراه متن نوشتاری (B) آنهاست.

در یک جمع بندی کلی، الگوریتمهای هوش مصنوعی (A -> B) چه کارهایی را می توانند انجام دهند؟ این یک تعریف کلی و کاربردی است که توانایی‌ها و تحولات ناشی از این دسته از راهکارهای هوش مصنوعی را تعریف می‌کند: اگر یک فرد معمولی می‌تواند یک کار فکری را با حدود ۱ ثانیه فکرکردن، انجام دهد. ما به احتمال زیاد می‌توانیم در حال حاضر یا در آینده نزدیک با استفاده از هوش مصنوعی، اینکار را خودکار و اتوماتیک کنیم.

کارهای زیادی با این مشخصات و تعریف در حال حاضر توسط انسانها انجام می‌شوند - کنترلهای امنیتی فیلم دوربینهای مدار بسته برای تشخیص رفتارهای مشکوک، تشخیص اینکه خودرو در حال برخورد با عابر پیاده است، یافتن و حذف کردن پست‌های آنلاین توهین‌آمیز ـ نمونه این کارها هستند که می‌توانند در زمانی یک ثانیه‌ای انجام شوند. اینکارها گزینه‌های مناسب خودکارسازی و اتوماسیون هستند. اما اینکارها غالبا در بستر فرایند سازمانی بزرگتری قرار دارند و ارتباطات آنها با بقیه اجزای فرایند سازمانی و کسب و کار شما نیز در طراحی و پیاده سازی این خودکارسازی و اتوماسیون بسیار کلیدی است و باید لحاظ شود. با چنین دیدگاه فرایندی جامع و کلی نگری چه بسا فرایندهای بزرگتری در کسب و کار شما قابل بازتعریف، بهینه سازی و متحول شدن باشند و نتایج بسیار بیشتری از بکارگیری هوش مصنوعی بدست آورید.  

چگونه استفاده از هوش مصنوعی را در کسب و کارمان آغاز کنیم ؟

بکارگیری هوش مصنوعی در کسب و کارها نیازمند انتخاب دقیق Aو Bو فراهم کردن داده‌های لازم است تا کمک کند که الگوریتم‌های هوش مصنوعی رابطه (A -> B) را کشف و شناسائی کنند. انتخاب هوشمندانه و خلاقانه Aو Bقبلا بسیاری از صنایع را متحول و زیر و رو کرده است. صنایع و فعالیتهای بسیار بیشتری نیز از همین طریق در آینده نزدیک متحول و زیر و رو خواهند شد.

پس از درک و آشنایی با توانایی‌ها و محدودیتهای هوش مصنوعی، مرحله بعدی برای مدیران ارشد بکارگیری آن در استراتژی‌های کاریشان است. معنای اینکار آن است که کشف کنند کجا با توانایی‌های هوش مصنوعی ارزش جدید و بیشتری می‌توان خلق کرد و تقلید و کپی کردن این نوآوری برای رقبایشان چقدر امکان پذیر یا دشوار است؟ جامعه هوش مصنوعی با تعداد زیادی پژوهشگران حرفه‌ای که ایده‌ها و حتی برنامه‌های متن-باز (Open Source) را منتشر می کنند و به اشتراک می‌گذارند، بطور قابل توجهی باز و در دسترس همگان است (منظور نویسنده در سطح بین‌المللی است). بنابراین در این اجتماع باز و در دسترس همگان، منابع کمیاب عبارتند از:

·     داده ها.در بین تیمهای پیشتاز هوش مصنوعی، بسیاری می‌توانند نرم افزارها و ایده‌های دیگران را تکرار و تقلید کنند، که در ۱-۲ سال اخیر رایج بوده است. اما دسترسی به داده‌های دیگران فوق العاده دشوار و سخت است. بنابراین این داده‌هاست که بجای نرم‌افزار، مانع از پیشرفت بسیاری از کسب و کارها در این مسیر است.

·     استعدادها.دانلود و بکارگیری ساده یک نرم افزار کد-باز (Open Source) بر روی داده‌های سازمان شما کار نخواهد کرد. هوش مصنوعی نیازمند اختصاصی‌سازی در بستر کسب و کار و با داده‌های خاص شماست. به این دلیل است که درحال حاضر جنگ و رقابت شدیدی برای جذب استعدادها و نیروهای حرفه‌ای کمیابی که می‌توانند اینکار را انجام دهند، وجود دارد.

آثار اجتماعی و جایگاه استراتژیک هوش مصنوعی

بیشتر چیزهایی که درباره قابلیتهای هوش مصنوعی گفته می‌شود، ترکیبی از بهترین‌ها و بدترین‌ها برای جامعه بشری است. بطور مثال مشاهده می کنیم که هوش مصنوعی همدم و دستیاری راحت برای افراد تنها فراهم می‌کند و از سوی دیگر برای اجرای برخی قوانین که تبعیض آمیز و نژادپرستانه هستند نیز بکار می‌رود (شناسایی و دسته بندی افراد در دریافت برخی خدمات عمومی و دولتی در برخی کشورها). اما بزرگترین صدمه ای که بنظر می‌رسد هوش مصنوعی در کوتاه مدت به افراد وارد سازد، خودکارسازی و حذف برخی مشاغل است. زیرا میزان کاری که که ما می‌توانیم با بکارگیری هوش مصنوعی خودکارسازی و اتوماتیک کنیم، از گذشته بسیار بیشتر است. ما بعنوان رهبران کسب و کارها، وظیفه داریم که اطمینان حاصل کنیم، دنیایی می‌سازیم که در آن کلیه افراد فرصت رشد و پیشرفت را دارند. درک و شناخت آنچه هوش مصنوعی می‌تواند انجام دهد و چگونگی جای گرفتن و متناسب‌ سازی آن در استراتژی‌های ما، آغاز فرایند است و پایان آن نیست.

منبع: HBR

نظرات

ثبت ایمیل در خبر نامه

اگر از این مقاله خوشتان آمده ایمیل خود را وارد کنید تا مقالات مشابه را برایتان بفرستیم!