چگونه هوش مصنوعی هر بخش از اقتصاد را تغییر می‌دهد

هوش مصنوعی در بسیاری از زمینه‌های اقتصادی پیامدهایی دارد، می‌توان از این تکنولوژی برای حل مشکلات مختلف استفاده کرد و در عین حال سؤالات و چالش‌های جدیدی را نیز مطرح نمود. از‌آنجایی‌که هوش مصنوعی در طیف گسترده‌ای از زمینه‌ها کاربرد دارد، قادر خواهد بود بینش‌ها و راه‌حل‌های ارزشمندی ارائه دهد که قبلا ارائه آنها ممکن نبود.

رقابت میان شرکت‌های پرطرفدار گوگل و مایکروسافت، به‌منظور ارتقا محصولات جستجوی این دو شرکت، اهمیت هوش مصنوعی (AI) را هم برای شرکت‌ها و هم برای کل اقتصاد جهانی برجسته ساخته است. در این ماه، دو مجموعه از بزرگ‌ترین شرکت‌های فناوری جهان، برنامه‌های خود برای جستجوی تقویت‌شده هوش مصنوعی را اعلام کردند و رقابت شدیدی به‌منظور برتری‌جویی در فضای هوش مصنوعی به راه انداختند. با‌این‌حال، اولین چت‌بات جدید گوگل با نام Bard، با بروز یک خطا متوقف گردید، و در نتیجه این اتفاق 163 میلیارد دلار (137 میلیارد پوند) از قیمت سهام شرکت مادر آلفابت کاسته شد. سقوط سهام نشان داد که سرمایه‌گذاران تا چه حد بر این باورند که هوش مصنوعی می‌تواند برای آینده گوگل نقش حیاتی داشته باشد.

با‌این‌حال، اهمیت روزافزون هوش مصنوعی پیامدهایی برای هر بخش از اقتصاد، از خرده‌فروشی گرفته تا حمل‌ونقل دارد. در این گزارش آمده که چطور هوش مصنوعی وعده ایجاد موجی از تغییرات را در صنایع محقق می‌سازد.

کشاورزی

بسیاری از کشاورزان نسبت به پتانسیل‌های هوش مصنوعی در صنعت کشاورزی خوش‌بین هستند. نظارت بر الگوهای آب‌و‌هوا، مدیریت آفات و بیماری‌ها، بررسی نیاز به آبیاری اضافی یا حتی اینکه کدام محصولات در کجا رشد کنند، از جمله مسائلی هستند که این تکنولوژی به‌خوبی قادر به رسیدگی به آن‌هاست.

بسیاری از تولیدکنندگان مواد غذایی در تلاش برای بهبود بهره‌وری و سودآوری، از هوش مصنوعی به‌منظور جمع‌آوری و تجزیه‌و‌تحلیل داده‌ها استفاده می‌کنند.

در زمینه چگونگی بهبود سلامت محصولات و افزایش عملکرد کشاورزان، هوش مصنوعی قادر است با ترکیب و تجزیه‌و‌تحلیل مجموعه داده‌های بزرگ، اطلاعاتی را در زمان واقعی به کشاورزان ارائه ‌دهد. پهپادها و حسگرهای زمینی می‌توانند، در مشاهده دقیق‌تر محصولات در‌حال رشد و شرایط خاک، در صدها جریب زمین نقش داشته باشند. بررسی اینکه آیا محصول به آب، کود یا علف‌کش بیشتری نیاز دارد، تحت تأثیر بیماری قرار دارد یا توسط حیوانات از بین خواهد رفت، از جمله مسائلی است که توسط این سیستم‌ها مورد تجزیه‌و‌تحلیل دقیق قرار خواهد گرفت.

علی کاپر که در مزرعه خانوادگی خود سیب و رازک می‌کارد، روی فناوری سمپاش‌های خودکار سرمایه‌گذاری کرده است، تا در کنار نقشه‌برداری دیجیتال خاک که از سال 2017 آن را مورد استفاده قرار داده، از این فناوری جدید نیز بهره‌مند گردد.

کاپر می‌گوید: «بسیاری از نوآوری‌های کشاورزی به ما کمک می‌کنند تا با محیط کشاورزی مهربان‌تر بوده، و همچنین عملکرد کارآمدتر و سودآورتری نیز داشته باشیم.»

در مواجهه با مشکل کمبود نیروی کار، کشاورزان تا مدت‌ها امیدوار بودند که پیشرفت‌های رباتیک (که به‌عنوان «agribots» نیز شناخته می‌شود)، بتواند به برداشت به‌موقع محصولات ‌آنها کمک کند. به گفته اتحادیه ملی کشاورزان بریتانیا، کمبود کارگران منجر به هدر‌رفتن 60 میلیون پوند غذا، تنها در سال 2022 گردیده است.

در‌حالی‌که ربات‌های چهاردست که برای انجام کارهای ظریفی همچون چیدن میوه‌های نرم طراحی شده‌اند، در حال توسعه هستند، اما ربات‌هایی که همچون یک انسان قادر به چیدن سریع و  بدون آسیب میوه‌هایی همچون تمشک باشند، درحدود یک دهه با استفاده گسترده فاصله دارند. با‌این‌وجود، اتوماسیون برخی از پر‌زحمت‌ترین مشاغل کشاورزی را، از حفاری بذر گرفته، تا سمپاشی و آبیاری محصولات، دستخوش تغییرات اساسی کرده است.

رسانه‌های خبری

رسانه‌های خبری از یادگیری ماشین به‌منظور افزایش اشتراک، تبلیغات و کمک به تصمیم‌گیری درباره اینکه چه موضوعاتی را باید تبلیغ کنند، استقبال کرده‌اند.

سازمان‌های خبری در‌حال استخدام دانشمندان داده با حقوق شش‌رقمی هستند، تا اطلاعات لازم به‌منظور شناسایی مشتریان و راهنمایی آنها به‌سمت محصولات خاص را جمع‌آوری کنند. ضمنا مجموعه‌‌های مذکور ابزارهایی را برای کارمندان خود فراهم می‌آورند، تا از شدت کار طاقت‌فرسای آنها کاسته و سوژه‌های جالب را برای آنها جستجو نمایند.

Lisa Gibbs، مدیر مشارکت‌های خبری در Associated Press، در یک مطالعه در دانشکده اقتصاد لندن گفت که، سازمان او می‌تواند با کمک هوش مصنوعی «سریعتر اخبار را پیدا کرده و منتشر کند.»

سازمان‌های رسانه‌ای از تحلیلگران داده به‌منظور تولید محتوای هدفمند استفاده می‌کنند که این امراشتراک‌ها و درآمدهای تبلیغاتی بالاتری برای آنها ایجاد می‌کند.

Jane Barrett، سردبیر اخبار جهانی در واحد استراتژی رسانه Reuters، به LSE گفت: «هوش مصنوعی به ما کمک می‌کند تا محتوای مناسب را دقیقاً به شخص مناسب برسانیم.»

انرژی

کاربردهای احتمالی هوش مصنوعی در هر گوشه‌ای از صنعت انرژی، از پیش‌بینی و شناسایی عیوب در نیروگاه‌ها گرفته، تا پیش‌بینی آب‌و‌هوا به‌منظور برنامه‌ریزی پروژه‌های مزارع بادی فراساحلی، به چشم می‌خورد.

در صنعتی که نزدیک به 30 شرکت بزرگ آن در طول بحران انرژی ورشکست شده‌اند، انتظار می‌رود تامین‌کنندگان خرده‌فروشی انرژی با حاشیه سود اندک، استفاده خود از هوش مصنوعی به‌منظور کاهش مدت‌زمان تماس را افزایش دهند. برای این منظور پیش از اینکه مشتریان به یک اپراتور انسانی متصل شوند، از چت‌بات‌ها برای پرسیدن سؤالات اساسی استفاده خواهند کرد.

در‌نهایت، تامین‌کنندگان پیش‌بینی می‌کنند که هوش مصنوعی نقشی محوری در « شبکه‌های هوشمند» آینده ایفا کند و اجازه می‌دهد تا عرضه و تقاضا با هم هماهنگی بیشتری داشته باشد. این سیستم‌های هوشمند با نسل جدیدی از دستگاه‌ها شامل کنتورهای هوشمند و خودروهای الکتریکی، پنل‌های خورشیدی و پمپهوش مصنوعی برای ردیابی میزان انتشار کربن نیز ارزشمند است. براساس مطالعه گروه مشاوره بوستون، استفاده از هوش مصنوعی در طرح‌های پایداری شرکت‌های چند‌ملیتی، تا سال 2030 بین 1. 3 تا 2. 6 تریلیون دلار درآمد و پس‌انداز ایجاد خواهد کرد. در اواخر سال گذشته، دولت بریتانیا یک برنامه 1. 5 میلیون‌پوندی برای مطالعه کاهش انتشار کربن با استفاده از هوش مصنوعی راه‌اندازی کرد.

تولید

پیشکسوتان تولید به‌خوبی می‌دانند که چگونه اتوماسیون می‌تواند در یک صنعت نفوذ کند. در سال 2019، دفتر آمار ملی بریتانیا اعلام کرد که تقریبا دو‌سوم از کارگران ماشین‌های فلزکاری در معرض خطر هستند.

در حوزه تولید، بخشی از گذار به سمت اتوماسیون درخصوص کارایی خواهد بود. الگوریتم‌های یادگیری ماشین در حال حاضر بر روی داده‌های گسترده تولید‌شده در کارخانه‌های بزرگ مستقر شده‌اند، که به‌منظور «تعمیر و نگهداری پیش‌بینی‌شده» از دستگاه‌ها مورد استفاده قرار می‌گیرند. درنتیجه این مکانیزاسیون، شاهد جایگزینی قطعات پیش از خرابی خواهیم بود و به‌صورت بالقوه نیاز به تکنسین‌های کمتر در چنین سیستمی خواهد بود.

البته ظهور سریع هوش مصنوعی مولد، تنها افرادی که در خطوط کارخانه مشغول به کار هستند را تحت تأثیر این تکنولوژی قرار نخواهد داد. بلکه هوش مصنوعی مولد در حال حاضر برای طراحی محصولات با سرعت بسیار بیشتر، آزمایش آنها به‌صورت مجازی به‌عنوان یک ” دوقلو دیجیتال ” و تولید آنها با سرعت بسیار بالا نیز مورد استفاده قرار می‌گیرد. همراه با نوآوری‌هایی همچون چاپ سه‌بعدی، این پیشرفت‌ها می‌تواند هزینه‌های توسعه‌ای را به‌طرز چشمگیری کاهش داده و از طرفی دیگر به مهندسان کمتری در هوافضا، خودرو و لوازم الکترونیکی مصرفی نیاز خواهد بود.

یک پایان منطقی برای صنعت تولید، چیزی شبیه به Star Trek replicator است، رباتی که می‌تواند هر آنچه کاربرش از او می‌خواهد بدون دخالت عامل انسانی، تنها از‌طریق یک درخواست متنی برایش طراحی کرده و بسازد.

دولت

اداره کشور به این معنی است که دولت حجم زیادی از داده‌های شخصی و تجاری را جمع‌آوری می‌کند، که تمامی آن‌ها می‌توانند به سیستم‌های هوش مصنوعی و یادگیری ماشین متصل شوند و سیاست‌گذاری و ارائه خدمات را بهبود بخشند. طیف گسترده‌ای از خدمات عمومی مانند جمع‌آوری بن، مراکز تماس، تجزیه‌و‌تحلیل داده‌ها تا اولویت‌بندی هزینه‌ها را می‌توان با استفاده از الگوریتم‌ها بهبود بخشید. با‌این‌حال، چالش‌ها و بحث‌هایی در ارتباط با این رویکرد وجود دارد، به‌ویژه زمانی که صحبت از نحوه پاسخگویی الگوریتم‌ها به میان می‌آید.

رئیس سابق خدمات ملکی Mark Sedwill، گفته است که «استفاده بیشتر از هوش مصنوعی و اتوماسیون احتمالا منجر به کاهش تعداد کارکنان خواهد شد.»

برخی شوراها از مدل‌های کامپیوتری ساخته‌شده با داده‌های شخصی، به‌منظور کمک به پیش‌بینی کودک‌آزاری و مداخله پیش از وقوع این جرم استفاده می‌کنند، در‌حالی‌که شورای Blackpool از تصاویر ماهواره‌ای مبتنی بر هوش مصنوعی، برای کمک به رفع چاله‌های جاده‌ای استفاده می‌کند.

در دولت‌ها این نگرانی وجود دارد که سیستم‌های هوش مصنوعی باعث ایجاد تعصبات انسانی گردند و پیامدهای منفی همچون نابرابری‌های اجتماعی و تبعیض را تداوم بخشند. در همین راستا، اتکا به مدل‌های رایانه‌ای در گذشته باعث ایجاد ترس درخصوص نادیده‌گرفتن برخی اولویت‌های عمومی گردیده بود.

استفاده بیشتر از هوش مصنوعی می‌تواند کارایی را بهبود بخشد، اما مقامات دولتی باید اثرات آن را به‌دقت بررسی کنند. همانطور‌که Harry Truman رئیس‌جمهور آمریکا پس از جنگ گفت: «وقتی یک دولت کارآمد دارید، یک دیکتاتوری دارید.»

حمل‌و‌نقل

کارگران حمل‌ونقل از زمانی که اولین قطارهای بدون راننده بر روی ریل آزمایش شدند، سرسختانه شغل خود را حفظ کردند، پیشرفتی که شش دهه پیش با سرفصل‌های «Robots take over headlines» مورد استقبال قرار گرفت. با‌این‌حال، گزارش PwC در سال 2021 پیش‌بینی می‌کند، حوزه بازرگانی به نسبت بیشترین از‌دست‌دادن شغل را در 20 سال آینده در بخش حمل‌ونقل تجربه خواهد کرد، افراد شاغل در این بخش همچنان در درازمدت آسیب‌پذیرترین افراد محسوب می‌شوند.

علی‌رغم آزمایش اتوبوس‌های خودران در برخی از کشورها، حضور رانندگان همچنان ضروری بوده و صرف‌نظر از اینکه این راننده‌ها با اتوبوس رانندگی می‌کنند یا قطار، همچنان خواهان دستمزدهای بالاتری هستند. رویاهای استفاده از روباتاکسی‌ها هنوز به واقعیت تبدیل نشده و اگرچه پرواز با هواپیماهای بدون خلبان از نظر فنی امکان‌پذیر است، اما بعید است که بسیاری از مردم پس از حادثه هواپیمایی 737 مکس بوئینگ، مایل به پرواز با این هواپیماها باشند.

برخی از کشورها در بخش حمل‌و‌نقل از هوش مصنوعی به‌منظور کمک به جریان ترافیک و پیش‌بینی اختلال در عبور‌و‌مرور خودروها استفاده می‌کنند، در‌حالی‌که اپراتورهای قطار از شبیه‌سازها یا دوقلوهای دیجیتال، به‌منظور بررسی مسیرهای قطار، سکوها و جدول‌های زمانی استفاده می‌نمایند. هیئت استاندارد و ایمنی راه‌آهن‌ها در حال کار با دانشگاهیان هستند، تا از یادگیری ماشین به‌منظور تولید ویدیوهایی با وضوح بالا استفاده نماید. پروژه‌های مشابه هوش مصنوعی و ویدیویی در استرالیا می‌توانند به قطارهای بدون راننده آموزش دهند، تا چراغ سبز را تشخیص داده یا حضور شی خارجی مانند انسان و کانگورو را در نزدیکی ریل درک نمایند.

Network Rail امیدوار است بیش از 1000 شغل را از بین ببرد و استدلال می‌کند که اتوماسیون می‌تواند با استفاده از داده‌ها برای پیش‌بینی خطاها، یک رژیم بازرسی کارآمدتر و ایمن‌تر ایجاد نماید.

خدمات مالی

براساس پیش‌بینی‌های دولتی، بخش خدمات مالی بیشتر از سایر بخش‌ها در معرض خطر از دست دادن شغل ناشی از گسترش هوش مصنوعی قرار دارد. کارشناسان می‌گویند این امر تا حدی به‌دلیل جبران زمان از‌دست‌رفته، ناشی از عدم پذیرش هوش مصنوعی در این سال‌ها بوده است. در‌حقیقت کارشناسان بر این باورند که حوزه خدمات مالی باید، پذیرش فناوری‌های هوش مصنوعی را تسریع بخشد، تا بتواند رقابتی باقی بماند.

Sarah Kocianski، مشاور مستقل فین‌تک می‌گوید: «صنایع دیگر قبلا این تعدیل نیروها را انجام داده‌اند.»

به‌عنوان‌مثال، بانک‌ها و مدیران دارایی به کارکنان کمتری برای جذب مشتریان جدید نیاز خواهند داشت، زیرا آنها بیشتر کار بررسی سوابق مشتریان خود را به‌صورت خودکار انجام خواهند داد و برای شناسایی خطرات احتمالی تقلب و پولشویی بیشتر به هوش مصنوعی متکی خواهند بود.

آن‌ها همچنین قادر خواهند بود دستورالعمل‌های جدیدی را در برنامه‌های یادگیری ماشینی خود بگنجانند، تا هرگونه تخلف یا نقص احتمالی را در سیستم‌های شرکت شناسایی کنند، به‌جای‌اینکه برای انجام بازبینی اولیه به انسان تکیه نمایند.

اما این سیستم‌ها همچنان به نظارت انسانی نیاز دارند، نه‌تنها برای ساخت و برنامه‌ریزی فناوری، بلکه برای انجام بررسی‌های بیشتر و حل مشکلات پیچیده‌تر.

Karishma Brahmbhatt وکیل فناوری می‌گوید: «یک ریسک مهم این است که شرکت‌ها تسلیم وسوسه اعتماد به هوش مصنوعی به‌منظور اتخاذ تصمیمات هوشمندانه ترشوند، و بیش از حد به سیستم هوش مصنوعی اعتماد کنند، بدون اینکه تناسب آن با هدف مورد نظرشان را سنجیده باشند.»

در کنار افزایش تقاضا برای کارکنان فناوری به‌منظور ساخت و نظارت بر برنامه‌های هوش مصنوعی، شرکت‌ها برای استخدام کارکنان با مهارت بالاتر رقابت خواهند کرد. Kocianski گفت: «شما در آینده به افراد مناسب‌تر، متخصص‌تر و در عین حال کمتری نیاز خواهید داشت.»

خرده‌فروشی

تقریبا یک‌سوم مشاغل خرده‌فروشی ممکن است تا سال 2030 در مقایسه با سال 2017 جایگزین فناوری شوند، زیرا ماشین‌کاری خودکار، رباتیک انبار و ابزارهای برنامه‌ریزی مبتنی بر هوش مصنوعی، بر بزرگترین مشاغل در این حوزه تأثیر خواهند گذاشت.

بارزترین تغییرات برای مشتریان، افزایش استفاده از سیستم‌های پرداخت و اسکن خودکار در سوپرمارکت‌ها طی پنج سال گذشته بوده است.

تحلیلگران شرکت مشاوره مک کینزی پیش‌بینی کرده‌اند که «با رواج این فناوری‌ها تعداد صندوق‌داران بین سال‌های 2017 تا 2030 تقریبا به نصف کاهش می‌یابد.» Bryan Roberts در بدنه صنعتی IGD گفت که اغلب فروش‌ها در اکثر سوپرمارکت‌های بریتانیا در حال حاضر به‌صورت خودکار انجام می‌شود.

افزایش هزینه‌های نیروی کار، خرده‌فروشان غیرغذایی را بر آن داشته تا این فناوری را آزمایش کنند. شرکت زنجیره‌ای پوشاک ژاپنی Uniqlo چند سال پیش سیستمی را معرفی کرد که از برچسب‌های شناسایی فرکانس رادیویی استفاده می‌کرد.

گام بعدی فروشگاه‌های بدون صندوق خواهد بود که توسط آمازون Fresh هدایت می‌شود. جایی که خریدهای مشتریان از طریق دوربین‌ها و حسگرهای نصب‌شده بر روی قفسه‌ها، به‌صورت خودکار بر روی اپلیکیشن گوشی‌شان ثبت می‌شود، و به آن‌ها اجازه می‌دهد از فروشگاه خارج شده و بعدا هزینه خرید خود را پرداخت نمایند.

تکنولوژی در همین جا متوقف نمی‌شود. خرده‌فروش‌ها در حال آزمایش سیستم‌های رباتیک یا مجهز به هوش مصنوعی هستند تا کمبودهای موجود در قفسه‌ها را شناسایی کنند.

از‌آنجایی‌که از برچسب‌های الکترونیکی در قفسه‌ها استفاده می‌شود، بنابراین قیمت‌ها می‌توانند به‌طور خودکار از دفتر مرکزی تغییر کنند. از طرفی دیگر استفاده از فناوری مبتنی بر هوش مصنوعی به‌منظور راهنمایی در تصمیم‌گیری خرید و رباتیک برای انتخاب و بسته‌بندی محصولات در انبارها، بر هزاران شغل تأثیر خواهد گذاشت.