کسب و کارها می‌توانند پتانسیل هوش مصنوعی را به ما نشان دهند!

همانگونه که موتورهای بخار، ژنراتورها، رایانه‌ها و اینترنت، نیروی محرکه‌ی عصر قبلی یعنی عصر برق و اطلاعات بودند، هوش مصنوعی نیز موتور محرکه عصر هوش است. اما کسب و کارها تاکنون از پتانسیل هوش مصنوعی بهره کافی را نبرده‌اند. در حال حاضر هوش مصنوعی کاربردهای بسیاری در دنیای واقعی دارد، از تشخیص چهره گرفته تا ترجمه متون و به کارگیری آن در دستیارانی مانند سیری و الکسا.

بدیهی است که ظهور یادگیری عمیق در فضای کسب و کار، به پیشرفت هوش مصنوعی کمک کرده است. به عنوان مثال می‌توان به خدمات ترجمه آنلاین و برچسب‌گذاری تصاویر یا دستیارهای صوتی دیجیتال در تلفن‌های همراه اشاره کرد.

پیشرفت اینگونه محصولات مبتنی بر پتانسیل هوش مصنوعی اگرچه قطعاً مورد توجه مصرف کنندگان قرار می‌گیرد، اما لزوماً منجر به افزایش فروش نمی‌شود. مطمئنا موج بعدی هوش مصنوعی، خدمات و محصولات خلاقانه بیشتری را به بازار عرضه خواهد کرد. اما پتانسیل واقعی هنوز هم کاملا خود را نشان نداده است. این پتانسیل ممکن است در فضای کسب و کاری به ظهور برسد.

پتانسیل هوش مصنوعی این است که می‌تواند به‌طور کلی شرکت‌ها را متحول کند و کسب و کارها را به گونه‌ای باز تعریف کند که از قالب‌ها و چهارچوب موجود فعلی فراتر برود. پژوهشی که در سال ۲۰۱۷ توسط PwC انجام شد پیش بینی کرد که تولید ناخالص داخلی جهانی تا سال ۲۰۳۰ به دلیل به‌کارگیری هوش مصنوعی ۱۴ درصد افزایش می‌یابد و ۱۵.۷ تریلیون دلار به اقتصاد جهانی کمک می‌کند. از این میزان، ۶.۶ تریلیون دلار احتمالاً از طریق افزایش بهره‌وری و ۹.۱ تریلیون دلار نیز به خاطر فروش محصولات است.

اساس دیجیتال، لازمه‌ی پیشرفت

هوش مصنوعی برخی از پیشرفت‌های خود را مدیون فناوری‌های دیگر است. پتانسیل هوش مصنوعی برای شکوفایی بیشتر به فناوری‌های اصلی و پیشرفته دیجیتال مانند ابر، داده‌های بزرگ و تجزیه و تحلیل پیشرفته نیاز دارد.

مطالعه مک کینزی نشان داد که ۷۵٪ از شرکت‌هایی که هوش مصنوعی را به کار گرفته‌اند، به دانش و ظرفیت‌های دیجیتالی موجود برای انجام این کار نیاز دارند. داده‌ها به عنوان سوخت هوش مصنوعی عمل می‌کنند. درواقع هر سازمانی در هر صنعتی که باشد می‌تواند با استفاده از هوش مصنوعی برای خود ارزش تجاری خلق کند، به ویژه سازمان‌هایی که داده‌های زیادی دارند. در واقع، داشتن بنیاد دیجیتال برای دسترسی شرکت‌ها به حجم زیادی از داده‌های منحصر به فرد ضروری است، داده‌هایی که از آن‌ها می‌توان برای آموزش الگوریتم‌های هوش مصنوعی استفاده کرد.

با اینکه بیش از هفتاد سال است که از ظهور هوش مصنوعی می‌گذرد، اما نتوانسته در حد و اندازه‌های خود ظاهر شود. یکی از دلایل این موضوع کمبود اطلاعات بود.

البته طی دهه گذشته این روند تغییر کرده است. جهش کوانتومی در قدرت پردازش و ذخیره‌سازی، منجر به یک جهش بزرگ در تولید داده‌ها نیز شد. IDC پیش‌بینی کرده است که در سال ۲۰۱۰ جهان حدود دو زتابایت اطلاعات دیجیتال تولید کرده است و تا سال ۲۰۲۰ این عدد به ۴۴ زتابایت رسیده است؛ یعنی ۴۰ برابر ستاره‌های موجود در جهان.

در جهان ِ مملو از اطلاعات، کسب و کارها در حال استفاده از دیتای خود هستند. اعتماد کاربران به سرویس‌های ابری به ویژه از نظر اتصال، عملکرد و سهولت همچنان افزایش می‌یابد، در حالی که نیاز به ذخیره و مدیریت داده‌ها به صورت محلی کاهش می‌یابد. در همین حین، شرکت‌ها به دنبال متمرکز کردن مدیریت و تحول داده‌ها برای کنترل کسب و کار و تجربه کاربری خود هستند.

فرصتی در میانه‌ی یک بحران

در حالی که قطار کسب وکارها از قبل بر روی ریل هوش مصنوعی و فناوری‌های نوین و دیجیتالی در حرکت بود، کووید ۱۹ موجب شتاب هرچه بیشتر آن شد. همه گیری کووید ۱۹ باعث شد تماس‌های فیزیکی به حداقل برسد و این خود منجر به افزایش تعاملات آنلاین شد به طوری که در همان ۲ ماه ابتدایی همه‌گیری ویروس کرونا حجم این تعاملات به اندازه یک دهه گذشته افزیش یافت.

تنها در مدت ۱۵ روز خدمات آنلاین پزشکی رشدی ۱۰ برابری را تجربه کرد. این روند در کسب و کارها و صنایع دیگر نیز مشاهده شد. زیرا این واقعه، تمام جنبه‌های زندگی و رفتار افراد را تحت تاثیر خود قرار داد. این موضوع شرکت‌ها را بر آن داشت تا برای بهبود تجارب مشتری در فضای جدید، به فناوری‌های دیجیتال مانند هوش مصنوعی روی بیاورند.

یکی دیگر از پیامدهای کویید ۱۹ تاثیر منفی آن بر برخی از کسب و کارها بود. بسیاری از این کسب و کارها مجبور به تعدیل و کوچک کردن شرکت خود شدند و برخی نیز تا مرز تعطیلی پیش رفتند. حتی قبل از سال ۲۰۲۰، به دلیل کاهش آهنگ رشد اقتصاد جهانی، بر روی به‌کارگیری هرچه بیشتر هوش مصنوعی و خودکارسازی فرایندها تاکید می‌شد تا کارایی افزایش یابد.

شرکت‌ها اکنون شبکه‌های خود را گسترده‌تر و عمیق‌تر کرده‌اند تا فرایندها را شناسایی کنند و تا آنجایی که می‌شود از جادوی هوش مصنوعی استفاده کنند که بتوانند بر شوک اقتصادی ناشی از همه‌گیری کووید ۱۹ غلبه کنند. از مراقبت از راه دور بیمار تا کاهش حجم کار اداری پزشکان شاغل در بخش مراقبت‌های بهداشتی، کمک به دولت‌ها برای مدیریت شیوع بیماری گرفته تا کمک به بخش‌های منابع انسانی برای افزایش سلامت روان کارمندان از هوش مصنوعی استفاده می‌شود و این فقط منحصر به بخش مراقبت‌های بهداشتی نیست.

ایده‌ای که زمان آن فرا رسیده است

اکنون کسب و کارها با موانع مختلف اقتصادی، اجتماعی و فناورانه در حال دست و پنجه نرم کردن هستند، موانعی که در میانه بحران کووید ۱۹ تاثیر به سزایی بر بازار گذاشته‌اند.

در همین اثنا از آنان نیزانتظار می‌رود که برای مقابله با مشکلات نوظهور، تمام توان خود را به کار گیرند. به عنوان مثال، تجربیات مجازی در طی چند ماه گذشته به بیشترین میزان خود رسیده است. این افزایش به نوعی می‌تواند کاتالیزوری برای هوش مصنوعی باشد.

فناوری‌ای که می‌تواند نشانه‌های عاطفی غیرکلامی مانند حالت‌های صورت، حرکات، زبان بدن و لحن صدا را تفسیر کند و به آن‌ها پاسخ دهد. به موازات این، رویکردهای جدیدتر مانند یادگیری انتقالی، یادگیری few-shot و یادگیری چند کاره باعث شده تا توسعه‌دهندگان نرم‌افزارها با آغوش بازتری به استقبال هوش مصنوعی بروند و با استفاده از دیتاست‌های کوچک، هوش مصنوعی را آموزش دهند.

ناتوانی انسان در درک تصمیم‌گیری هوش مصنوعی از مدل‌های بزرگ و پیچیده

یکی از مشکلاتی که هوش مصنوعی دارد ناتوانی انسان در درک تصمیم‌گیری آن از مدل‌های بزرگ و پیچیده بود. این چالش توضیح‌پذیری از آنجایی مهم است که باید نشان داد چه عواملی و چگونه منجر به تصمیم‌گیری یا یک پیش‌بینی شده است.

این موضوع در جایی که باید اعتمادسازی شود و تصمیم‌ها عواقب به سزایی دارند بسیار مهم است. به عنوان مثال، در مراقبت‌های بهداشتی، عدالت کیفری یا وام‌های مالی. در بسیاری از بخش‌های دیگر نیز تشخیص خطرات ناشی از چالش توضیح‌پذیری، در حال افزایش است.

با این حال برخی از رویکردهای نوپا از جمله local interpretable model-agnostic explanations به وجود آمده‌اند تا شفافیت مدل را افزایش دهند و کمک کنند کسب و کارها با خیال راحت‌تری هوش مصنوعی را به کار گیرند. شکی نیست که این امر موجب شناخت وسیع‌تری از نیازها و توافق برای نظارت بر چالش سوگیری و اخلاق در هوش مصنوعی ایجاد خواهد کرد.

در حالی که هنوز زمان زیادی از پذیرش هوش مصنوعی توسط کسب و کارها نگذشته است، اما با تلاقی عوامل دیجیتالی، اقتصادی و اجتماعی و همراه شدن آن با شیوع کووید ۱۹ اکنون ما در یک نقطه حساس هستیم. طی چند سال گذشته، هوش مصنوعی خود را به عنوان برترین عنصر اصلی نوآوری در فناوری نشان داده است و نوید آینده‌ی بهتر را می‌دهد.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید.