همکاری انسان و هوش مصنوعی
کاربردهای هوش مصنوعی

همکاری انسان و هوش مصنوعی؛ هوش مشارکتی با پیوند نیروهای انسانی و رباتی

2

همکاری انسان و هوش مصنوعی در بسیاری از مشاغل انسانی مثل تشخیص بیماری، ترجمه زبان‌‌‌ها، ارائه خدمات به مشتری، روزبه‌روز دارد بهتر می‌‌‌شود و به سرعت بهبود می‌‌‌یابد. این پیشرفت‌‌‌های سریع و چشمگیر عموما این نگرانی منطقی را ایجاد می‌‌‌کنند که در نهایت روزی هوش مصنوعی جایگزین کارگران انسانی در کل اقتصاد شود. اما این موضوع که ربات‌ها روزی جای همه انسان‌ها را بگیرند، نتیجه حتمی یا حتی محتملی نیست. تا به امروز، هرگز ابزارهای دیجیتال و ربات‌ها نه به انسان و نه به ابزارهایی از جنس خود به طور کامل پاسخگو نبوده‌اند و همواره همکاری و همراهی انسان را برای تکمیل فرایند‌‌‌های خود نیاز داشته‌‌اند. درست است که در آینده نه چندان دور هوش مصنوعی چگونگی انجام کار را کاملاً تغییر خواهد داد، اما تأثیر این فناوری بیشتر در جهت تکمیل و تقویت توانایی‌‌‌های انسانی و نه جایگزینی آن‌‌ها خواهد بود.

مطمئناً، بسیاری از شرکت‌ها از هوش مصنوعی برای اتوماسیون فرایندها استفاده کرده‌اند، اما کسانی که عمدتا برای جابه‌جایی کارمندان از آن استفاده می‌‌‌کنند، فقط افزایش بهره‌وری کوتاه‌مدت خواهند داشت. در تحقیقاتی که از ۱۵۰۰ شرکت انجام شد، این نتیجه به دست آمد که شرکت‌ها وقتی انسان و ماشین‌آلات با هم کار می‌‌‌کنند، به مهم‌ترین پیشرفت‌های عملکردی دست می‌‌‌یابند. از طریق چنین هوش مشارکتی، انسان و هوش مصنوعی به‌ طور فعال نقاط قوت مکمل یکدیگر را تقویت می‌‌‌کنند: رهبری، کار تیمی، خلاقیت و مهارت‌‌‌های اجتماعی که نیروهای باسابقه‌ در این عرصه دارند، همراه با سرعت، مقیاس‌پذیری و توانایی‌‌‌های کمی متاخران و تازه‌واردان به این عرصه می‌تواند به نتایج خوبی بینجامد. آنچه که به طور طبیعی برای انسان‌ها کاری ساده است (مثلا شوخی‌کردن) می‌‌‌تواند برای ماشین‌ها مشکل باشد و آنچه برای ماشین‌ها ساده است (مثلا تجزیه و تحلیل حجم زیادی از داده‌ها) برای انسان‌ها عملاً غیرممکن است. حقیقت این است که تجارت به هر دو نوع قابلیت نیاز دارد.

ارزش همکاری انسان و هوش مصنوعی

در این میان که شرکت‌ها از بهینه‌سازی همکاری انسان و هوش مصنوعی سود می‌‌‌برند، پنج اصل وجود دارد که می‌‌‌تواند به آن‌‌ها کمک کند تا این مشارکت را بهبود بخشند: بازآفرینی فرایندهای تجاری، پذیرش و در تعامل بودن کارمند و هوش مصنوعی، آزمایش و سنجش فرایندها، هدایت مستقیم و فعال استراتژی هوش مصنوعی، جمع‌آوری اطلاعات و طراحی مجدد فرایندها برای ترکیب بهتر هوش مصنوعی و نیروی انسانی. بررسی ۱۰۷۵ شرکت در ۱۲ صنعت نشان می‌‌‌دهد که هرچه شرکت‌‌‌ها از این اصول بیشتر استفاده کنند، ابتکارات هوش مصنوعی آن‌‌ها از نظر سرعت، صرفه‌‌جویی در هزینه، درآمد و دیگر اقدامات عملیاتی بهتر است.

همکاری انسان و هوش مصنوعی

برای استفاده کامل از مزایای همکاری هوش مصنوعی و نیروی انسانی، شرکت‌‌‌ها باید بفهمند که چگونه انسان می‌‌‌تواند به طور موثرتری ماشین‌‌‌ها را افزایش دهد، چگونه ماشین‌‌‌ها می‌‌‌توانند کارهایی را که انسان به بهترین وجه انجام می‌‌‌دهد، ارتقا دهند و همچنین چگونه می‌‌‌توانند فرایندهای تجاری را برای حمایت از مشارکت دوباره این دو نیرو بازطراحی کنند. با تحقیق و کار در این زمینه، دستورالعمل‌‌‌هایی برای کمک به شرکت‌‌‌ها در دستیابی به این هدف و استفاده از قدرت هوش مشترک ایجاد شده است.

ماشین‌‌‌های دستیار انسان‌ها

برای استفاده از ماشین‌‌‌ها و دستیار هوشمند، انسان‌‌‌ها باید سه نقش اساسی در فرایندها داشته باشند: آن‌‌ها باید ماشین‌‌‌ها را برای انجام برخی وظایف آموزش دهند. آن‌‌‌ها باید نتایج این آموزش‌‌‌ها و خروجی کار را توضیح دهند، و از همه مهم‌تر، هنگامی که نتایج متناقض یا بحث برانگیزند، پایش ربات‌ها را مد نظر قرار دهند تا از یک سری قوانین انسانی و اخلاقی پیروی کنند (مثلاً از صدمه‌زدن ربات‌ها به انسان جلوگیری کنند).

آموزش به ربات‌ها توسط انسان‌ها

در بخش آموزش ربات‌ها به الگوریتم‌‌‌های یادگیری ماشین باید آموزش داده شود که چگونه کاری را که برای انجام آن طراحی شده‌اند، انجام دهند. در این تلاش، مجموعه داده‌های عظیمی که مخصوص آموزش ربات است، جمع‌آوری می‌‌شود و به اپلیکیشن‌های ترجمه ماشینی داده می‌‌شود تا این ماشین‌‌‌ها آموزش ببینند و بتوانند از پس ترجمه اصطلاحات بر آیند. این فرایند آموزش ماشین اپلیکیشن‌‌‌های پزشکی را توانمند می‌‌کند تا به تشخیص بیماری بپردازند. علاوه بر این، سیستم‌‌‌های هوش مصنوعی باید آموزش ببینند که چگونه بهترین تعامل را با انسان برقرار کنند. در حالی که سازمان‌های مختلف در حال حاضر در مراحل اولیه تکمیل نقش مربی‌اند، شرکت‌‌‌های پیشرو فناوری و گروه‌‌‌های تحقیقاتی از قبل دارای کادر آموزشی متخصص‌‌اند.

دستیار هوش مصنوعی مایکروسافت، کورتانا را در نظر بگیرید. این ربات برای رسیدن به یک شخصیت مناسب که خاص خودش باشد، به آموزش گسترده‌‌ای نیاز داشت. او می‌‌بایست با اعتماد به نفس، دلسوز و مفید اما سرسخت می‌‌بود. القای این خصوصیات توسط تیمی شامل شاعر، داستان‌نویس و نمایشنامه‌نویس ساعت‌‌‌های بی‌شماری وقت برد. به همین ترتیب، برای توسعه شخصیت‌‌‌های سیری در اپل و الکسا در آمازون نیز مربیان انسانی مورد نیاز بودند تا محصول نهایی، انعکاس دقیقی از برند شرکت‌‌‌ خود باشد. به عنوان مثال، ربات سیری حسی از صداقت و ادب در شخصیت خود دارد؛ همان چیزی که مصرف‌کنندگان محصولات اپل ممکن است از برند اپل انتظار داشته باشند.

در حال حاضر، دستیاران هوش مصنوعی آموزش می‌‌بینند تا صفات پیچیده و ظریف انسانی مانند همدردی را در خود پرورش دهند و به نمایش بگذارند. شرکت استارتاپی کوکو، شاخه‌‌ای از آزمایشگاه رسانه‌‌ای MIT، فناوری را توسعه داده است که می‌‌تواند به دستیاران هوش مصنوعی کمک کند حس ترحم و تاسف را درک کنند و بتوانند مانند انسان‌ها اظهار تاسف کنند. به عنوان مثال، اگر کاربری روز بدی را سپری کند، سیستم کوکو با جمله‌‌های خشک و خالی از قبیل «متاسفم که این خبر را شنیدم» پاسخ نمی‌‌دهد. در عوض ممکن است اطلاعات بیشتری از مخاطب خود بخواهد و سپس توصیه‌‌‌هایی برای کمک به آن فرد ارائه دهد که دید بهتری به مشکل خود پیدا کند و از منظری دیگر برای کشف راه‌حل به آن بنگرد. به عنوان مثال، اگر او احساس استرس می‌‌‌کند، کوکو می‌تواند به او توصیه کند به آن مشکل به عنوان یک تغییر مثبت نگاه کند که می‌‌‌تواند شروع یک اتفاق جدید و سازنده باشد.

انسان‌ها مفسران دنیای ربات‌ها

از آن‌جا که هوش مصنوعی  به طور فزاینده‌‌ای از طریق فرایندهای غیرشفاف (به اصطلاح مشکل جعبه سیاه) به نتیجه می‌‌‌رسند، آن‌‌ها به متخصصان انسانی در این زمینه نیاز دارند تا رفتار خود را برای کاربران عام که متخصص نیستند، توضیح دهند. حضور این «مفسران» به ویژه در صنایعی که مبتنی بر شواهد و مستندات است، از جمله اجرای قانون و اعمال پزشکی بسیار مهم است. جایی که یک پزشک یا وکیل باید بفهمد چگونه هوش مصنوعی اطلاعات ورودی خود را وزن‌دهی می‌کند وآن‌‌‌ها را مثلا به صورت حکم قانونی یا توصیه پزشکی در می‌‌آورد. این توضیح دهندگان یا مفسران، به همین ترتیب در کمک به بیمه‌گذاران و اجرای قوانین مربوط به بیمه‌نامه‌‌‌ها مهم‌اند؛ مثلا این که چرا عملکرد یک اتومبیل خودران به صورتی بود که منجر به تصادف شد، یا چرا اتومبیل خودران نتوانست از تصادف جلوگیری کند. توضیح‌دهندگان و مفسران در صنایع مربوط به قانون‌گذاری و رگولاتوری، در حال یکپارچه‌شدن‌اند. در واقع، در هر صنعتی که با مصرف‌‌کننده تعامل و رویارویی مستقیم دارد و یک ربات می‌‌‌تواند به عنوان ناعادلانه، غیرقانونی، یا کاملاً اشتباه مورد چالش قرار گیرد، این توضیح‌دهندگان می‌‌توانند نقش مهمی ایفا کنند.

به عنوان مثال، نسخه جدید آیین‌نامه عمومی حفاظت از داده‌ها در اتحادیه اروپا (GDPR General Data Protection Regulation ) به مصرف‌کنندگان این حق را می‌‌‌دهد که درباره هر تصمیم مبتنی بر الگوریتم توضیحی دریافت کنند؛ مثلا هنگامی که هوش مصنوعی به آن‌‌‌ها پیشنهاد نرخ کارت اعتباری یا مبلغ خاصی برای رهن می‌‌دهد، مصرف‌کنندگان این حق را دارند که درباره چگونگی ارزیابی این نرخ‌‌‌ها توضیح دریافت کنند. این یکی از زمینه‌‌‌هایی است که هوش مصنوعی به افزایش اشتغال کمک می‌‌‌کند: کارشناسان تخمین می‌‌‌زنند که شرکت‌‌‌ها برای اداره نیازهای GDPR باید حدود ۷۵۰۰۰ شغل جدید ایجاد کنند.

پایش مسئولانه عملکرد ربات‌ها

علاوه بر داشتن افرادی که بتوانند خروجی‌‌های ربات‌‌های هوش مصنوعی را توضیح دهند، شرکت‌ها به نیروهای «نگهدارنده»‌ای نیاز دارند که به طور مداوم برای اطمینان از عملکرد صحیح، ایمن و مسئولانه سیستم‌های هوش مصنوعی کار ‌‌‌کنند.

هوش مصنوعی می‌‌‌تواند توانایی‌‌‌های تحلیلی و تصمیم‌‌گیری ما را افزایش دهد و قوه خلاقیت ما را توسعه بخشد.

به عنوان مثال، مجموعه‌‌ای از متخصصان که بعضاً به عنوان مهندسان ایمنی شناخته می‌‌شوند، بر پیش‌بینی مشکلاتی که ممکن است در تعامل هوش مصنوعی و انسان به وجود آید، تمرکز می‌‌کنند و همت خود را بر جلوگیری از آسیب‌رسانی هوش مصنوعی به جامعه انسان‌‌‌ها می‌‌‌گذارند. توسعه‌دهندگان ربات‌‌‌های صنعتی که در کنار مردم کار می‌‌‌کنند، تمام تلاش خود را به کار بسته‌‌اند تا اطمینان یابند ربات‌ها می‌‌توانند انسان‌‌هایی که در نزدیکی‌شان زندگی می‌‌کنند را تشخیص دهند و زندگی آن‌‌ها را به خطر نیندازند. این متخصصان همچنین می‌‌توانند تجزیه و تحلیل مفسران و توضیح‌دهندگان درباره آسیب‌دیدگی هوش مصنوعی را بررسی کنند؛ برای مثال زمانی که اتومبیل‌‌های خودران در تصادف مرگبار درگیر می‌‌‌شوند، متخصصان پایش ربات‌‌های هوشمند می‌‌توانند تحلیل‌‌های مفسران را درباره علت خطای ماشینی بررسی کنند و در رفع آن‌‌‌ها بکوشند.

مسئولیت گروه‌‌‌های دیگر پایشگر و نگهدارنده ربات‌‌‌ها، این است که اطمینان حاصل کنند سیستم‌‌‌های هوش مصنوعی هنجارهای اخلاقی را رعایت می‌‌‌کنند. به عنوان مثال، اگر یک سیستم هوش مصنوعی که کارش احراز هویت و تشخیص اعتبار افراد است، دچار خطا شود و تشخیص داده شود که این سیستم موجب تبعیض میان انسان‌‌هایی از گروه‌‌های خاص می‌‌‌شود (همان‌طور که قبلا هم این اتفاق افتاده است)، این مدیران اخلاق، مسئولیت بررسی و رسیدگی به این مشکل را بر عهده دارند. نقش‌‌های مشابه این مسئولیت، «افسران انطباق داده»‌‌‌ اند که سعی می‌‌‌کنند اطمینان یابند داده‌‌‌هایی که از سیستم‌‌‌های هوش مصنوعی تغذیه می‌‌‌کنند با GDPR و سایر مقررات حمایت از مصرف‌کننده مطابقت دارد یا خیر. مانند بسیاری از شرکت‌‌‌های فناوری، اپل هنگام ارتباط با دستگاه‌‌‌ها و نرم‌افزارهای شرکت، از هوش مصنوعی برای جمع‌آوری اطلاعات شخصی درباره کاربران استفاده می‌‌‌کند. هدف این است که تجربه کاربر بهبود یابد، اما جمع‌آوری داده‌‌‌های بی حد و حصر می‌‌‌تواند حریم خصوصی افراد را به خطر اندازد و مشتریان را عصبانی کند. «تیم حفظ حریم خصوصی» این شرکت برای اطمینان از این‌که هوش مصنوعی به دنبال آموختن هرچه بیشتر درباره گروهی از کاربران به معنای آماری است، فعالیت می‌‌‌کند، اما از حریم شخصی کاربران محافظت می‌‌‌کند.

ماشین‌‌های کمک‌رسان به انسان‌ها

ماشین‌‌‌های هوشمند از سه طریق به انسان‌‌‌ها کمک می‌‌‌کنند و توانایی‌‌‌های خود را گسترش می‌‌دهند. آن‌‌‌ها می‌‌‌توانند نقاط قوت شناختی ما را تقویت کنند. با مشتریان و کارمندان ارتباط برقرار کنند تا وقت ما برای کارهای پیشرفته‌تر آزاد شود و انجام دادن کارهایی که به مهارت‌‌‌های جسمانی نیاز دارد، تا توانایی‌‌‌های جسمی ما آسیب نبیند.

تعامل انسان و ماشین برای همکاری بهینه

همکاری انسان و هوش مصنوعی شرکت‌‌‌ها را قادر می‌‌‌سازد تا با روش‌‌های جدید و موثرتر با کارمندان و مشتریان تعامل داشته باشند. به عنوان مثال عوامل هوش مصنوعی مانند کورتانا می‌‌‌توانند ارتباطات بین افراد یا به نمایندگی از مردم را تسهیل کنند، مثلا آن‌‌‌ها می‌‌توانند رونویسی یک جلسه و توزیع نسخه قابل جستجوی صدا را برای کسانی که نمی‌‌توانند در آن جلسه شرکت کنند، فراهم آورند. چنین برنامه‌‌‌هایی ذاتاً مقیاس‌پذیرند. برای مثال، یک ربات چت می‌‌‌تواند به طور همزمان خدمات متداول مشتریان را به تعداد زیادی از افراد در هر مکان که باشد ارائه دهد.

بانک SEB که یکی از بانک‌‌های بزرگ سوئدی است، اکنون از یک دستیار مجازی به نام آیدا برای تعامل با میلیون‌‌‌ها مشتری خود استفاده می‌‌‌کند. آیدا که قادر به انجام مکالمات به زبان طبیعی است، به انبوهی از داده‌‌‌ها دسترسی دارد و می‌‌‌تواند به بسیاری از سوالات متداول مشتریان پاسخ دهد؛ از جمله نحوه افتتاح حساب یا پرداخت‌‌‌های خروج از مرز. وی همچنین می‌‌‌تواند برای حل مشکلات آن‌‌‌ها از تماس‌گیرندگان سوال‌‌‌های بعدی را بپرسد و می‌‌‌تواند صدای تماس‌گیرنده را تجزیه و تحلیل کند (به عنوان مثال صدای ناامید در مقابل صدای قدردان و راضی) و بعداً از این اطلاعات برای ارائه خدمات بهتر استفاده می‌‌‌کند. هرگاه سیستم نتواند مشکلی را حل کند – که در حدود ۳۰ درصد موارد این اتفاق می‌‌‌افتد – تماس‌گیرنده را به نماینده خدمات مشتریان وصل می‌‌‌کند و سپس بر این تعامل نظارت می‌‌‌کند تا یاد بگیرد چگونه باید مشکلات مشابه را در آینده برطرف کند. با رسیدگی به درخواست‌‌‌های اساسی آیدا، نمایندگان انسانی می‌‌‌توانند روی پرداختن به موضوعات پیچیده‌تر تمرکز کنند، به‌ویژه تماس‌های مربوط به مشتریان ناراضی که ممکن است نیاز به دستیار یا کمک بیشتری داشته باشند.

تجسم‌سازی هوش مصنوعی

بسیاری از هوش‌های مصنوعی مانند آیدا و کورتانا، اساساً به عنوان موجودات دیجیتال در دنیای ما وجود دارند، اما در برنامه‌های دیگر، این هوش‌ها در رباتی تجسم می‌یابند که بیشتر کارهای یک کارگر انسانی را انجام می‌دهد. با استفاده از سنسورها، موتورها و محرک‌های پیچیده، ماشین‌های دارای هوش مصنوعی اکنون می‌توانند افراد و اشیا را تشخیص دهند و در کنار انسان در کارخانه‌ها، انبارها و آزمایشگاه‌ها با خیال راحت کار کنند.

به عنوان مثال، در تولید، ربات‌ها در حال تبدیل از ماشین‌های صنعتی خطرناک و «غیرهوشمند» به cobot های هوشمند و آگاه از زمینه‌اند. به عنوان مثال، بازوی cobot ممکن است یک سری کارهای تکراری را انجام دهد که نیاز به بلند کردن اجسام سنگین دارد؛ در حالی که نیروی انسانی وظایف تکمیلی را انجام می دهد که به مهارت و قضاوت انسانی نیاز دارد.

این روزها شرکت هیوندای مفهوم cobot را با اسکلت‌های بیرونی گسترش می‌دهد. این دستگاه‌های رباتیک پوشیدنی که به‌طور آنی با کاربر و مکان سازگار می‌شوند، کارگران صنعتی را قادر می‌سازند کارهای خود را با استقامت و قدرت فوق بشری انجام دهند.

نتیجه‌گیری

بیشتر فعالیت‌‌های موجود در روابط انسان و ماشین، ناگزیر منجر به بهبود همکاری انسان و هوش مصنوعی می‌شود و افراد را ملزم به انجام کارهای جدید (مانند آموزش چت بات) و متفاوت (استفاده از آن چت بات برای ارائه خدمات بهتر به مشتری) می‌‌کند. با این حال، تاکنون فقط تعداد کمی از شرکت‌‌هایی که بررسی کرده‌ایم فرایندهای تجاری خود را برای بهینه‌سازی هوش مشترک، دوباره تعریف کرده‌اند. اما در نهایت این نکته روشن است: سازمان‌‌هایی که صرفاً کارگران انسانی را با اتوماسیون هوش منصوعی و ابزارهای رباتیک جایگزین می‌‌کنند، استفاده کاملی از توانایی‌های هوش مصنوعی نمی‌برند و از بسیاری از جنبه‌های این فناوری جا می‌‌مانند. چنین استراتژی از ابتدا اشتباه است. رهبران آینده در عوض کسانی خواهند بود که از هوش مشارکتی استقبال کرده و عملیات، بازارها، صنایع و نیرو‌‌های کاری خود را مطابق با روندهای جدید فناوری تغییر می‌‌دهند.

انتقاد ایلان ماسک از واگذاری مدل GPT-3

مقاله قبلی

با بروزرسانی جدید تسلا آشنا شوید؛ پرداخت حق اشتراک ماهانه برای گزینه‌ی Full Self-Driving

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

2 نظرات

  1. بسیار کامل بود ممنون اگر ایرادی نداره من داخل سمینارم ازین منبع استفاده کنم
    ممنون

    1. سپاس از حسن نظرتون
      نه مشکلی نیست دوست عزیز
      می تونید استفاده کنید

پاسخ دهید

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