چگونه هوش مصنوعی انقلاب صنعتی چهارم را هدایت می‌کند؟

پذیرش هوش مصنوعی سریع‌تر از آنچه بسیاری پیش بینی کرده بودند در حال رشد است. تحقیقات اخیر در نظرسنجی جهانی هوش مصنوعی توسط Morning Consult و به سفارش آی ‌بی ‌ام نشان می‌دهد که 34 درصد از کسب ‌و کارهای مورد بررسی در سراسر ایالات متحده، اروپا و چین هوش مصنوعی را پذیرفته ‌اند. این تعداد، بسیار فراتر از تخمین‌های ناظران بازار در سال گذشته است که نرخ پذیرش را در نوجوانان پایین می‌آورد. نمونه‌های هوش مصنوعی در دنیای تجارت گسترده و متنوع هستند. به عنوان مثال، یک بانک بزرگ اروپایی توانست هزینه‌ها را کاهش دهد و در عین حال، بهره وری را در مرکز تماس مشتریان خود با یک دستیار مجازی مجهز به هوش مصنوعی افزایش دهد. یک ارائه دهنده مراقبت‌های بهداشتی در غرب میانه از هوش مصنوعی برای ایجاد برنامه‌ای استفاده کرد که می‌تواند به آن کمک کند تا پیش‌بینی بهتری درمورد اینکه کدام بیمار شانس بیشتری برای ابتلا با سپسیس دارد، داشته باشد.

انقلاب هوش مصنوعی زیر ذره بین تحلیلگران

برخی از تحلیلگران صنعت، ممکن است افزایش پذیرش هوش مصنوعی را به افزایش ابزارها و خدمات جدیدی نسبت دهند که برای کمک به کاهش موانع ورود به هوش مصنوعی طراحی شده اند. اینها شامل راه‌های جدیدی برای مبارزه با پیچیدگی داده‌ها، بهبود یکپارچه‌ سازی و مدیریت داده‌ها و تضمین حریم خصوصی است. در حالی که همه درست است، من فکر می‌کنم نیروهای حتی بزرگتری در کار هستند. در واقع، من فکر می‌کنم که محرک‌های اصلی این انقلاب، همان‌هایی هستند که به پیشبرد انقلاب صنعتی اولیه کمک کردند: زبان، اتوماسیون و اعتماد. هر سه نیرو که در کارخانه‌های اواسط قرن هجدهم ساخته شده ‌اند، نقش منحصر به‌ فردی را در تعدیل هوش مصنوعی برای استفاده گسترده امروز ایفا می‌کنند.

در صورت تمایل مقاله مرتبط هوش مصنوعی (AI) انقلاب صنعتی چهارم را تقویت میکند را نیز مطالعه کنید.

هوش مصنوعی، قلب انقلاب جدید!

سازمان‌هایی مانند مجمع جهانی اقتصاد، همراه با هوش مصنوعی، از فناوری‌های دیگری مانند موبایل، روباتیک و اینترنت اشیا هستند که به آن انقلاب صنعتی چهارم گفته می‌شود. اما ما در IBM معتقدیم که هوش مصنوعی، قلب انقلاب جدید است. در مقایسه با انقلاب صنعتی قرن هجدهم، این بار تفاوتی وجود دارد و آن این است که تمرکز اصلی بر رویالقای زبان، اتوماسیون و اعتماد به هوش مصنوعی عمدی است؛  نه محصولات جانبی آزمون و خطا، سوء استفاده و درمان. در انقلاب هوش مصنوعی، زبان، اتوماسیون و اعتماد به‌عنوان راهنمای ارائه‌ دهندگان و متخصصان هوش مصنوعی در حین طراحی، ساخت، تهیه و استقرار فن‌آوری‌ها دنبال می‌شوند.

زبان

برای انقلاب صنعتی، ساخت زبان‌های شبه جهانی بسیار مهم بود. واژگانی تشکیل شد که شامل کلماتی برای توصیف قطعات، محصولات و فرآیندهای جدید بود تا تولیدکنندگان، بازرگانان و توزیع‌کنندگان را قادر به تسهیل تجارت و بازرگانی در داخل کشورها و به صورت بین‌المللی کند. در واقع، ایده «واژگان تجاری مشترک» را حتی می‌توان در طول تاریخ مشاهده کرد. در قرون وسطی اصطلاح lingua franca برای توصیف یک زبان مورد استفاده بین تاجران ایتالیایی و فرانسوی به وجود آمد؛ اما با انقلاب صنعتی، اصطلاحات مربوط به نوآوری‌های تغییردهنده زندگی مانند ماشین‌های بخار، فرآیندهایی مانند خطوط مونتاژ و شیوه‌های جدید حمل‌ونقل مانند «قطار» که دو قرن بعد همچنان مرتبط باقی می‌ماند، آمد.

هوش مصنوعی، بی‌نیاز از زبانی اختصاصی

با این حال، در انقلاب هوش مصنوعی، نیازی به ایجاد زبان برای انطباق با فناوری نیست. در عوض، این فناوری می‌تواند با زبان انسان سازگار شود. فناوری هوش مصنوعی معروف به پردازش زبان طبیعی (NLP) از زبان‌شناسی محاسباتی برای ارائه تجزیه و تفسیر معنایی متن به زبان انسان استفاده می‌کند. فرقی نمی‌کند که سیستم هوش مصنوعی، صدا را بپذیرد و آن را به متن تبدیل کند یا متن را مستقیماً از یک ربات چت دریافت کند. برای مثال، NLP سیستم‌های رایانه‌ای را قادر می‌سازد تا زبان انسان را با دقت زیادی یاد بگیرند، تجزیه و تحلیل و درک کنند؛ زیرا احساسات، لهجه‌ها، لحن‌ها و موارد دیگر را درک می‌کند.

این قابلیت زبانی هوش مصنوعی را از قلمرو داده‌های عددی به درک و پیش بینی رفتارهای انسان ارتقا می‌دهد. با NLP، دانشمندان داده می‌توانند زبان انسانی را در مدل‌های هوش مصنوعی بسازند تا شروع به بهبود همه چیز از مراقبت از مشتری گرفته تا حمل و نقل و امور مالی کنند.

اتوماسیون

تاثیر اتوماسیون بر کارهای وقت‌گیر و فشرده نکته جدیدی نیست. در دهه 1780، یک مخترع مشهور (الیور ایوانز) تصمیم گرفت تا نوع جدیدی از آسیاب آرد را طراحی کند. ایوانز آسیاب خود را با یک سیستم قرقره و یک آسانسور سطلی ساخت تا دست و پا گیرترین کار را انجام دهد؛ انتقال گندم از زمین به بالای آسیاب برای شروع فرآیند. تا آن زمان گندم را با دست حمل می‌کردند. امروزه، با توجه به اینکه داده‌ها جزء اصلی رژیم غذایی مدرن شرکت‌ها هستند و حجم آن به طور مداوم افزایش می‌یابد، کار طاقت فرسا شامل جمع‌آوری و غربال کردن آن اطلاعات برای استفاده در تجزیه و تحلیل و یادگیری ماشینی است. هنگام بررسی هوش مصنوعی، شرکت‌ها باید به فناوری‌هایی نگاه کنند که جمع‌آوری و مرتب‌سازی داده‌های بسیار پیش پا افتاده را که برای تسهیل هوش مصنوعی ضروری است، خودکار می‌کنند.

اطمینان

اگر تجارت مبتنی بر اعتماد وجود نداشت، نوآوری‌ها و اختراعات انقلاب صنعتی هرگز به چشم نمی‌آمد. از آنجایی که تولید خودکار و گسترش فرصت‌های تجاری به زبان مشترک، نیاز کمتر مشتری و تولیدکننده را برای ملاقات رو در رو ایجاد کرد، اعتماد به کیفیت محصول بسیار مهم شد. نام تجاری کمپانی‌های محصولات، به فاکتوری مهم برای مشتریان تبدیل شد.

پیوند هوش مصنوعی با مشتریان

در انقلاب هوش مصنوعی، این پیوند با مصرف‌کنندگان اغلب بر دو جنبه اعتماد متمرکز است: نحوه مدیریت داده‌های شخصی و نتایج الگوریتم‌های هوش مصنوعی. در واقع، نظرسنجی جهانی هوش مصنوعی نشان داد که تقریباً 80 درصد از بیش از 4500 پاسخ‌دهنده گفتند که اطمینان از اینکه خروجی هوش مصنوعی آنها “عادلانه، ایمن و قابل اعتماد” باشد، عاملی حیاتی در استفاده آنها از این فناوری است. وقتی نوبت به مدیریت داده‌های شخصی می‌رسد، بسیاری از شرکت‌ها اکنون تعهدات خود را در قبال شفافیت با قوانینی همسو می‌کنند که شامل مقررات عمومی حفاظت از داده‌های اتحادیه اروپا است. این تعهدنامه در سال 2018 اجرایی شد. چنین پایبندی به مردم کمک می‌کند تا به شرکت‌هایی که با آنها تجارت می‌کنند اعتماد بیشتری پیدا کنند.

هوش مصنوعی هم خطا می‌کند؟

حتی پیچیده‌ترین مدل های یادگیری ماشینی نیز می توانند نتایج مغرضانه‌ای تولید کنند. گاهی اوقات این اتفاق می‌افتد زیرا داده‌هایی که به الگوریتم‌ها وارد می‌شوند، مبتنی بر هنجارها و فرآیندهای انسانی هستند. خود مدل‌ها نیز می‌توانند در طول زمان تغییر کنند یا بر اساس نتایج دائما در حال تغییر باشند. هنگامی که این اتفاق می افتد، مدل ها می‌توانند نتایج نادرستی تولید کنند که تشخیص آنها دشوار است. ما سال گذشته گامی عظیم برای کمک به رفع این مشکل برداشتیم و با فناوری برخاسته از تحقیقات IBM به نام Watson OpenScale. OpenScale علاوه بر شناسایی و هشدار به توسعه‌دهندگان در مورد سوگیری در مدل‌های یادگیری ماشین و تشخیص انحراف، توضیحاتی را ارائه دادیم تا به سازمان‌ها کمک کند با اطمینان به مشتریان، شرکا یا قانون‌گذاران پاسخ دهند.

نردبان هوش مصنوعی

برای کمک به پذیرش موفقیت آمیز هوش مصنوعی، رویکردی به نام نردبان هوش مصنوعی ایجاد شد. نردبان هوش مصنوعی مراحل ساده و در عین حال جامعی را برای سازمان‌ها ترسیم می‌کند: 1) داده‌های مورد نیاز را جمع آوری کنید 2) داده‌ها را به موثرترین روش سازماندهی کنید 3) داده‌ها را تجزیه و تحلیل کنید و یادگیری ماشین را به کار ببرید  4) پس از دستیابی به این، شروع به تزریق کنید.

تغییر دادن مجدد دنیا

مانند انقلاب‌های صنعتی قبلی که جرقه فعالیت‌های اقتصادی فوق ‌العاده‌ای را در تولید، تجارت، حمل ‌و نقل و موارد دیگر برانگیخت، انقلاب هوش مصنوعی می‌تواند موج جدیدی از رشد را ایجاد کند. PwC تخمین زده است که هوش مصنوعی این پتانسیل را دارد که تا سال 2030 حدود 16 تریلیون دلار به اقتصاد جهانی کمک کند.  مانند انقلاب‌های قبل از آن، این انقلاب می‌تواند به لطف پیشرفت‌های عظیم در اتوماسیون، زبان و اعتماد به ایجاد تغییر دوباره جهان کمک کند.

منبع

در صورت تمایل مقاله مرتبط شهرهای هوشمند به پذیرش هرچه سریع‌تر تکنولوژی 4IR وابسته‌اند را نیز مطالعه کنید.

مقالات مرتبط

پاسخ‌ها

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *