اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل های یادگیری ماشین

سال 2020 با همه تنش‌ها و اتفاقات خاص گذشت. اما نکته جالب این بود که با وجود تمام مشکلات، استفاده از فناوری هوش مصنوعی و مدل های یادگیری ماشین در این سال رشدی فزاینده داشت و کارشناسان انتظار دارند که این رشد در سال 2021 هم ادامه داشته باشد.

موارد زیادی، از جمله دورکاری‌ها و تعطیلی بسیاری از کسب‌و‌کارها، باعث شد که استفاده از سیستم‌های هوشمند بیش از پیش مورد استفاده قرار گیرند و به لطف این موضوع بود که ما با سرعت بیشتری به استفاده از مزایای این فناوری روی آوردیم. در نتیجه این آشنایی استقبال بیشتری از هوش مصنوعی در سال 2021 رو پیش بینی می‌کنیم. در این سال تمرکز روی گرایش‌های مختلف هوش مصنوعی ازجمله هوش مصنوعی و علوم داده، تحلیل محتوا توسط هوش مصنوعی، مدیریت داده‌های افزوده، تجزیه و تحلیل کوانتومی، دستگاه‌های هوشمند، ابر ترکیبی و مدل های پردازش زبان طبیعی بیشتر خواهد شد.

مجله Analytics India طبق روال معمولش، در روزهای پایانی سال 2020، گزارشی درباره ترندهای سال 2021 منتشر کرده و در این گزارش افراد برجسته در حوزه هوش مصنوعی اظهارنظر کرده‌اند. در ادامه به این اظهارنظرها خواهیم پرداخت. هوشیو این گزارش را در 5 بخش منتشر کرده و شما در انتهای مطلب به لینک بخش‌های دیگر دسترسی خواهید داشت.

فناوری اطلاعات، یادگیری ماشین و هوش مصنوعی کاربردی باعث ساده شدن روندها می‎شوند

«یادگیری ماشین کاربردی تمرکزش را روی خودکارسازی و تولیدمحور شدن الگوریتم‌های یادگیری ماشین از طریق همکاری و ارتباطات پیشرفته بین دانشمندان داده و متخصصان فناوری اطلاعات خواهد گذاشت. یادگیری ماشین کاربردی به دانشمندان داده و توسعه‌دهندگان برنامه کمک می‌کند تا به تولید سریع‌تر مدل های یادگیری ماشین کمک کنند. هدف این است که چرخه زندگی، توسعه مدل های یادگیری ماشین، استقرار و تولید الگوریتم‌های یادگیری ماشین را تسریع کند. با این روش سازمان می‎تواند کیفیت و قابل اعتماد بودن مدل های یادگیری ماشین را در تولید بهبود بخشد و به اتوماسیون، مقیاس‌گذاری و نظارت بر آن‌ها کمک می‌کند».

دکتر جای گانش – نایب رئیس ارشد Mphasis NEXT Labs

•  •  •  •  •

«در چند سال آینده، تخمین‌های صنعت نشان می‌دهد که بیش از 55٪ از داده‌ها در خارج از مراکز داده یا محیط‌های ابری ایجاد می‌شوند و این به طور همزمان با برنامه‌های جدید پیشرفتی در زمینه افزایش بهره‌وری عملیاتی فراهم می‌کند. هوش مصنوعی کاربردی محرک اصلی این حرکت رو به جلو خواهد بود. این یکی از کاربردهای هوش مصنوعی و علوم داده در عملیات فناوری اطلاعات است که به تسریع تصمیم‌گیری مبتنی بر داده کمک می‌کند. رویکرد هوش مصنوعی کاربردی برای مدیریت و نظارت بر محیط‌های فناوری اطلاعات که در مناطق پیچیده، ترکیبی و پراکنده هستند، بسیار مهم خواهد شد. این امر همچنین در جلوگیری از اختلالات فوری خدمات ضمن تسهیل کشف Root Cause کمک می‌کند».

وی ساتیش کومار – مدیر EverestIMS Technologies

•  •  •  •  •

«هوش مصنوعی کاربردی با تلفیق داده‌های بزرگ و مدل های یادگیری ماشین به اتوماسیون عملیات فناوری اطلاعات کمک می‌کند. با بازسازی کارهای قدیمی با روش‌های جدید، ما شاهد افزایش هوش مصنوعی کاربردی خواهیم بود، به ویژه برای جلوگیری از جرائم اینترنتی و حل خودکار مشکلات فناوری اطلاعات. در سال 2021، این مسئله بسیار مهم‌تر خواهد بود؛ زیرا اکثریت نیروی کار با استفاده از چندین دستگاه و اغلب بدون امنیت به کار در خانه ادامه می‌دهند».

آرپیتا سور – دستیار نایب رئیس Ugam Company

•  •  •  •  •

مداخلات قانونی و نظارتی، تولید مدل های یادگیری ماشین را تعریف می‌کنند

« در پنج سال آینده، افزایش داده‌ها و تنظیم حریم خصوصی، تأثیر زیادی در نحوه طراحی مدل های یادگیری ماشین و هوش مصنوعی خواهد داشت. در نتیجه، سرمایه‌گذاری در مدیریت داده‌ها در تعیین موفقیت سیستم‌های هوش مصنوعی و علوم داده بسیار مهم خواهد بود. شرکت‌هایی که از چارچوب‌ها، سیستم عامل‌ها و سیستم‌های مدیریت داده بهتری برخوردار باشند، در ساخت ابزارهای موثر هوش مصنوعی پیروز می‌شوند».

سری ویسوانات – مدیر تکنولوژی Atlassian

•  •  •  •  •

«ما مستقیماً از دوره تصمیمات داده‌های هدایت شده توسط انسان به تصمیمات داده‌های ماشینی منتقل شده‌ایم. با افزایش تمرکز بر حفظ حریم خصوصی و محافظت از داده‌ها از سوی نهادهای نظارتی، این نیاز وجود دارد که هوش مصنوعی ماشینی توسط نیروی انسانی هدایت شود. ما در سال‌های آینده شاهد افزایش حاکمیت بیشتر در راه‌حل‌های هوش مصنوعی و علوم داده خواهیم بود. فاز بعدی راه‌حل‌های هوش مصنوعی و هدایت‌شده توسط انسان است. بدون شک الگوریتم‌ها قادر به ایجاد الگوهایی هستند، اما با کمک انسان اداره می‌شوند. احتمالا می‌توانیم این را هوش مصنوعی معقول بنامیم».

ماتهانگی سری – رئیس داده GoFood GoJek

•  •  •  •  •

«این همه‌گیری در بخش‌های HealthTech و EdTech  تأثیر بی‌سابقه‌ای در اتوماسیون و فناوری‌ اطلاعات داشته است. امتحانات آزمایشی هوش مصنوعی و علوم داده امروزه در همه‌جای دنیا استفاده می‌شود. دولت قبلاً به دنبال نظرات در مطالعات گذشته هوش مصنوعی و علوم داده در هند بوده است. در حالی که لایحه محافظت از اطلاعات شخصی سال 2019 هنوز در کمیته مشترک پارلمان در جریان است و انتظار می‌رود مداخلات سیاست‌گذاری و نظارتی اصطکاک را به حداقل برساند. زیرا هوش مصنوعی با حق اساسی داده‌ها و حریم خصوصی اطلاعات همراه با آزادی بیان و عدم تبعیض در تعامل است. این امر با کسب‌و‌کارهای نوپای بیشتری که راه‌حل‌های ابتکاری برای تأمین حقوق کاربر در فضای دیجیتال ارائه می‌دهند، تکمیل خواهد شد».

پراناو بهاسکار تیواری – مدیر برنامه‌ریزی The Dialogue

•  •  •  •  •

«با افزایش وابستگی به سیستم‌های هوش مصنوعی، از بین رفتن مرزها بین حاکمیت و حریم خصوصی داده‌ها معضلات اخلاقی را ایجاد می‌کند. هوش مصنوعی مسئولانه برای سال‌های آینده یک موضوع حاکم خواهد بود‌، زیرا شرکت‌ها و خدمات نظارتی به دلیل بر هم خوردن تعادل و جانبداری‌های ذاتی در مدیریت که روی الگوریتم‌ها تاثیر می‌گذارد، از بین می‌روند».

آناند سری گانش – مدیر دیجیتال BRIDGEi2i Analytics Solutions

•  •  •  •  •

لینک بخش‌های دیگر این گزارش:

اظهارات بزرگان هوش مصنوعی درباره ترندهای ۲۰۲۱: خدمات رایانش ابری و اتوماسیون (بخش اول) 

اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل های پردازش زبان طبیعی (بخش دوم)