Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 چطور بهره وری هوش مصنوعی را افزایش دهیم؟

چطور بهره وری هوش مصنوعی را افزایش دهیم؟

زمان مطالعه: 3 دقیقه

قانون‌گذاران در هر نقطه از آمریکا در حال گمانه‌زنی درباره نتایج تحقیقات و پیشرفت‌های هوش مصنوعی هستند، اما باید دید آیا این فناوری می‌تواند دستاوردی فراتر از پیشنهاد دادن برایشان داشته باشد.

در گزارشی که در ماه آگوست در مرکز سیاسی دوحزبی منتشر شده، آمده که دولت آمریکا برای باقی ماندن در رقابت با چین و دیگر کشورهای پیشرفته دنیا، بودجه مختص فناوری و هوش مصنوعی تا سال 2025 را دوبرابر کرده است. این خبر خوبی به نظر می‌رسد.

اگرچه نویسنده مطلب به نظر درک مناسبی از تکنولوژی داشت، اما به نظر درست نمی‌دانست که قرار است با این مبلغ چه کسی چه کاری انجام دهد. اگر قرار است هوش مصنوعی در آمریکا راهنمایی برای عصر جدید باشد، باید رایزنی‌های بیشتری درباره استخدام افرادی که در این زمینه اطلاعات مناسب دارند و می‌توانند بهره وری هوش مصنوعی را بالا ببرند، صورت گیرد.

استقبال از نقش‌های هوش مصنوعی در آینده

بدون افراد توانمند در زمینه پیدا کردن راه حل مناسب برای مشکلات، هرگونه سرمایه‌گذاری در هر شرکتی، از محلی گرفته تا دولتی، بی‌معنی است. برای موفق بودن سرمایه‌گذاری‌ها، مدیران شرکت‌ها باید اقداماتی انجام دهند که در ادامه مطلب به آن اشاره خواهیم کرد.

استخدام افرادی که مشکلات را حل کنند

وقتی در حال ساخت یک تیم برای پیشبرد استراتژی هوش مصنوعی یک شرکت هستیم، باید بدانیم که هیچ فردی زمینه کامل و ایده‌آل را ندارد. البته که لازم نیست حتما داوطلبان دارای تجربه کار در سطح دولتی باشند تا آن‌ها را متخصص بدانیم. فقط کافیست این فاکتور را در افراد بررسی کنیم که هنگام مواجه شدن با مشکلات چقدر با آرامش و توانمند آن را برطرف می‌کنند. طبیعتا لازمه برطرف کردن مشکلات در آرامش و با حفظ سرعت مناسب، داشتن زمینه و اطلاعات کافی است.

یک دانشمند داده، مهندس پردازش یا معمار سیستم خوب به دنبال کار کردن با شرکتی است که اهدافی در پیش دارد و چالش مهم برایش چگونگی رساندن شرکت به آن اهداف از طریق فناوری‌های پیشرفته است. دانش فنی مناسب است که نشان می‌دهد کاندیدا چقدر برای پست استخدامی مناسب است و چقدر مهارت برای حل کردن مشکلات دارد. ممکن است داوطلبانی باشند که هنوز تصویر بزرگی از اهداف شرکت نداشته باشند، اما زمینه اطلاعاتی‌شان بسیار مفید خواهد بود و می‌توان به این موضوع اعتماد کرد که می‌گویند برخی تجارب در حین کار به دست خواهند آمد.

همچنین باید از کسانی که مقاله‌هایی مربوط به هوش مصنوعی می‌نویسند و در مقاله‎هایشان پیشنهاد می‌دهند که باید استخدام افرادی از بخش خصوصی و آکادمی‌ها که در زمینه تکنولوژی استعداد دارند، برای بخش عمومی آسان‌تر شود، تمجید کرد. این ایده باعث می‎شود که انگیزه‎ای برای افراد بااستعداد خلق شود که آن را به سمت استخدام‌های دولتی هم سوق دهد؛ بخشی که در آن دستمزدها بسیار بالاتر هستند. در صورتی که دولت‌ها متخصصان بیشتری در زمینه هوش مصنوعی به خدمت گیرند، سیستم‌هایشان به شدت مدرن خواهد شد.

ارزیابی کارگران دیجیتالی و استقبال از آن‌ها

در دولت همه نقش‌های هوش مصنوعی توسط انسان‌ها انجام نمی‌شود. به محض این‌که شرکت‌ها شروع به استفاده از سیستم‌های هوش مصنوعی کنند، باید در این باره فکر کنند که کارگرانشان چه کسانی هستند. خیلی اوقات در شرکت‌هایی که استفاده‌های زیادی از هوش مصنوعی می‌کنند، به جای انسان‌ها از الگوریتم‌هایی استفاده می‎شود که توانایی انجام چندین وظایف متفاوت را دارند. این الگوریتم‌ها مسئولیت همه‌چیز، از رونویسی کردن صداها به طور همزمان تا شناسایی و تصحیح دوباره همه اطلاعات حساس، را دارند.

مقایسه عملکرد کارگران دیجیتالی با نیروهای انسانی امری ضروری است. همان‌طور که یک دپارتمان منابع انسانی خوب معمولا به بهترین شکل کارمندانش را ارزیابی می‌کند، شرکت‌ها هم باید مطمئن شوند که می‌توانند به بهترین شکل کارگران دیجیتالی‌شان را ارزیابی کنند. مخصوصا که در هوش مصنوعی نتایجی که از سیستم‌ها می‌گیریم، ارتباط مستقیم با دستوراتی دارند که به آن‌ها می‌دهیم.

خلق یک سیاست اصلی و محک زدن قدرت

توانایی بیشتر هوش‌های مصنوعی ستودنی است؛ اما استفاده بیش از اندازه از انواع قدرتمند آن ممکن است باعث ایجاد مشکلاتی شود که راه‌هایی هم برای جلوگیری از این مشکلات وجود دارد.

اول این که باید کمیته‌ای تشکیل شود که پاسخ همه سوالات را داشته باشد. با سپردن تصمیم‎گیری‌ها به یک سیستم دیجیتالی هوش مصنوعی و انجام کارها به صورت دیجیتالی در بخش عمومی، تنها کسانی که از این موضوع سود زیادی می‌برند، کسانی هستند که مالیات می‌دهند. اینجاست که اهمیت سیستمی برای شفاف‌سازی و پاسخگویی بهتر، بیشتر می‎شود؛ سیستمی که بتواند با پیشرفته‌تر شدن کارها، میزان رسیدگی به موضوعات امنیتی و شخصی را بیشتر کند. ماموریت اصلی کمیته تشکیل شده باید در اولویت قرار دادن امور مربوط به تحقیق و توسعه هوش مصنوعی، استفاده کردن از داده‌های فدرال و منابع پردازشی برای بخش هوش مصنوعی و آموزش دادن به نیروی کار هوش مصنوعی و آماده کردن آن باشد.

نکته دوم این است که باید سیستمی برای محک زدن تاثیرگذاری هوش مصنوعی در نظر گرفت. ممکن است الگوریتم‌ها تمایلات خاص و جانبدارانه داشته باشند و شرکت‌ها باید متوجه آن شده و درصدد برطرف کردنش باشند.

به این شرط که افراد و پروسه‌های درستی برای استفاده از هوش مصنوعی موجود باشد، استفاده از آن می‌تواند بسیار کارامد باشد. در غیر این صورت، استفاده از هوش مصنوعی در بخش عمومی محکوم به فناست. واقعیت اجتناب‌ناپذیر اما این است که استفاده از هوش مصنوعی و کارگران دیجیتالی در دولت می‌تواند خدمات گسترده‌ای حتی برای بخش عمومی به همراه داشته باشد.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]