اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل های پردازش زبان طبیعی

سال 2020 با اتفاقات عجیب همراه بود و زندگی انسان‌ها را دچار تغییرات گوناگونی کرد؛ یکی از این تغییرات افزایش استفاده از سیستم‌های هوش مصنوعی به واسطه شرایط جدید پیش‌آمده بود. شرایطی که در آن لزوم استفاده از هوش مصنوعی و مدل های پردازش زبان طبیعی بیشتر مشهود بود.

نتیجه تغییر شرایط زندگی، آشنایی بیشتر عوام با هوش مصنوعی و کاربردهای آن بود و همین موضوع دلیلی برای رشد استفاده از این فناوری در سال‌های بعد از پاندمی و آینده است. طبق پیش‌بینی متخصصان، انتظار می‌رود در سال 2021 و حتی بعد از آن، هوش مصنوعی و گرایش‌های آن بیشتر مورد توجه قرار گیرد و شاهد بکارگیری روز‌افزون این فناوری باشیم.

هوش مصنوعی گرایش‌های متنوعی مانند تحلیل محتوا توسط هوش مصنوعی، دستگاه‌های هوشمند، ابر ترکیبی، پردازش زبان طبیعی، مدیریت داده‌های افزوده، تجزیه و تحلیل کوانتومی، هوش مصنوعی و علوم داده و غیره دارد و هر یک به نوعی در سال‌های آینده به کمک انسان خواهند آمد.

مجله Analytics India طبق روال هرسال با هدف مرور ترندهای برتر، اقدام به انتشار گزارشی می‌کند که در آن کارشناسان درباره گرایش‌هایی که قرار است در آینده بیشتر مورد توجه قرار گیرند، صحبت می‌کنند. هوشیو این گزارش را در 5 بخش منتشر خواهد کرد. چندی پیش بخش اول منتشر شد و شما در انتهای این مطلب به لینک آن بخش دسترسی خواهید داشت.

مدل‌های پردازش زبان طبیعی بزرگ‌تر از همیشه خواهند بود و به مکالمات بین انسان و ماشین کمک می‌کنند

«سال 2021 با هوش مصنوعی، مدل های پردازش زبان طبیعی و تجزیه و تحلیل پیش‌بینی به عنوان گرایش‌های برجسته فناوری شناخته خواهد شد. مدل های پردازش زبان طبیعی را می‌توان در بخش‌های مختلف از خرده‌فروشی، تکنولوژی HR، مراقبت‌های بهداشتی تا BFSI و موارد دیگر اجرا کرد. همچنین می‌تواند تجربه مشتری و کارمند را بهبود بخشد، فعالیت‌های زائد را برای افراد کاهش دهد و به تمرکز بر فعالیت‌های ارزش افزوده کمک کند».

پراساد راجاپان – موسس و مدیر ZingHR

•  •  •  •  •

«از ابزارها و قابلیت‌های یادگیری ماشین، هوش مصنوعی و علوم داده در مراحل مختلف فرایند تجزیه و تحلیل به طور فزاینده‌ای استفاده می‌شود؛ از کنترل کیفیت داده‌ها تا شناسایی داده‌های نادرست و خارج شدن از محدوده‌ها در طول فرایند ضبط داده‌ها. این به ساخت مدل‌های تحلیلی بازاریابی قوی‌تر و سریع‌تر، گزارش‌دهی خودکار و تولید بینش با استفاده از مدل های پردازش زبان طبیعی، تولید زبان طبیعی و غیره کمک می‌کند. همه این‌ها در نهایت به زمان‌های برگشت سریع‌تر، هزینه‌های کمتر و بینش دقیق‌تر برای مشتریان تبدیل می‌شوند».

ویجای راماسوامی – شریک و موسس Analytic Edge

•  •  •  •  •

«بزرگ‌ترین مدل های پردازش زبان طبیعی با انتشار در سال 2020 هیاهوی بزرگی ایجاد کردند. در حال حاضر بسیاری از برندهای خرده فروشی تمایل دارند از بازار مبتنی بر هوش مصنوعی و بینش مصرف‌کننده در استراتژی‌های تصمیم‌گیری و بازاریابی شرکت استفاده کنند. آن‌ها سیستم های هوش مصنوعی مکالمه‌ای را برای تولید داده‌های لمسی در اختیار مصرف‌کننده قرار می‌دهند تا بدانند مصرف‌کنندگان آن‌ها به چه چیزهایی نیاز دارند و مهم‌تر از همه چرا به آن نیاز دارند. به همین دلیل مدل های پردازش زبان طبیعی اکنون بیشتر مورد توجه قرار گرفته است».پ

دینش شارما – موسس و مدیر تکنولوژی AskSid

•  •  •  •  •

«ربات‌های شناختی به عنوان دستیار مجازی کارمندان آینده دانشمندان تبدیل خواهند شد. آنچه این فناوری را قدرتمند می‌کند این است که کاربران می‌توانند از طریق زبان طبیعی سوال کنند و از موتور هوش مصنوعی انتظار پاسخ معنادار داشته باشند. الگوریتم‌های هوش مصنوعی و علوم داده در سال 2021 در پاسخ دادن به سوالات متداول استاندارد و همچنین کمک به وکلا، پزشکان و وام دهندگان با انواع مختلف، به شدت محبوب می‌شوند».

نارندران تیلایستانام – مسئول بخش فناوری‌های نوظهور Vuram

•  •  •  •  •

«ادغام چند حالته پردازش بصری و زبانی می‌تواند برخی از مشکلات پیچیده در زمینه‌های مختلف را حل کند. قابلیت‌هایی مانند ویدئو KYC، تشخیص تقلب و جعل و هوش مصنوعی مستند، با یکپارچه‌سازی عمیق بینایی و زبان به حداکثر خود می رسند».

ویرندرا کومار پال – رئیس بخش نوآوری و تحلیل‌های SMEcorner

•  •  •  •  •

فناوری نوظهور شکاف‌های اساسی در دامنه‌های غیرسنتی را پر خواهد کرد

«تاکنون راه‌حل‌های هوش مصنوعی و علوم داده قادر به حل مشکلات نوسانات تقاضا بودند. سال 2020 مسیری را برای توسعه راه‌حل‌های هوش مصنوعی و علوم داده فراهم کرده است که برای پاسخگویی به شرایط پیش‌بینی نشده، تقاضا و عرضه، انعطاف پذیر و در عین حال قوی است. بنابراین، سال 2021 به دنبال راه‌حل‌های جامع برای ترکیب هرگونه شرایط احتمالی خواهد بود. بزرگ‌ترین چالش توسعه راه‌حل‌هایی با داده‌های بسیار محدود یا بدون داده است. این امر به نوبه خود دانشمندان مبتکر داده را که از اصول خوبی برخوردار هستند را درگیر می‌کند. حل چنین مشکلاتی در مقیاس بزرگ، زمان طولانی‌تری نیاز دارد، زیرا انتظار پیشرفت در زیرساخت‌ها و طراحی موثرتر را دارد».

دکتر شیلا سیداپا – مشاور ارشد و دانشمند علوم داده در Bosch Engineering & Business Solutions

•  •  •  •  •

«علم داده دیگر یک عملکرد پشتیبانی نیست، بلکه یک نیاز در توابع و دامنه‌ها است. دانشمندان داده همیشه تقاضای زیادی داشته‌اند، اما دانش داده به عنوان یک مجموعه مهارت، به تدریج در حال تبدیل شدن به یک نیاز مطلوب برای رهبران تجارت است. به منظور ایجاد تغییر و تحول و تصمیم‌گیری مبتنی بر داده، مدیران عامل به دنبال رهبران تجاری با مجموعه مهارت‌های دانش داده هستند».

سوراب آواستی – دانشمند علوم داده Mondelez International

•  •  •  •  •

«برای حمایت از تغییر ضروری از طرح‌های اولیه به مدل‌های مقیاس‌پذیر، جامعه هوش مصنوعی و یادگیری ماشین همه تلاش خود را خواهد کرد تا زیرساخت‌های یادگیری ماشین برای ادامه نظارت و آموزش دوباره مدل‌های هوش مصنوعی و یادگیری ماشین و تولید محصول، فراهم شود. شغل‌های نوظهور مانند مهندسی یادگیری ماشین، متخصص علوم داده‌های مقیم و متخصصان تصمیم‌گیری باید بیش از باقی افراد در این زمینه تلاش کنند. نقش‌های نوظهور مانند مهندسان یادگیری ماشین، دانشمندان داده مقیم و دانشمندان تصمیم‌گیری برای دستیابی به این هدف بسیار مهم خواهند بود».

سریکانت منون – نایب رئیس و دانشمند علوم داده Genpact

•  •  •  •  •

«اکنون که سازمان‌ها به اثربخشی پلتفرم‌های تجزیه و تحلیل در اندازه‌گیری بهره‌وری پی برده‌اند، انتظار می‌رود که کاربرد آن نه تنها در فناوری اطلاعات، بلکه در سایر بخش‌هایی که به طور سنتی به برنامه‌های تجزیه و تحلیل اعتماد نکرده‌اند، نفوذ کند. به عنوان مثال، داده‌های حاصل از برنامه‌های منابع انسانی همراه با معیارهای عملکرد کارکنان، می‌توانند برای اندازه‌گیری تأثیر ابتکارات رفاهی کارکنان بر بهره‌وری کارکنان استفاده شوند. این تمرکز بر روی تجزیه و تحلیل، تحرک مهیجی را در نحوه کار سازمان ایجاد می‌کند و همچنین مجموعه‌ای از چالش‌ها را در اداره و نگهداری داده‌ها معرفی می‌کند».

راکش جایاپراکاش – مدیر محصول ManageEngine

•  •  •  •  •

«با در اختیار گرفتن فناوری اکوسیستم کار در سال 2020، تقاضای زیادی برای موضوعی رو به جلو مانند علوم داده در داخل کشور و فراتر از آن وجود دارد. این موضوع بیش از هر زمان دیگری در حال تکامل بوده و به عنوان یکی از هیجان‌انگیزترین مسیرهای شغلی در تمام دوران‌ها شناخته شده است. چنین شرایطی باعث به‌وجود آمدن طیف گسترده‌ای از نقش‌های شغلی عصر جدید در سراسر دنیا شده است».

آرجون موهان – مدیر India upGrad

•  •  •  •  •

« تجزیه و تحلیل دیگر فقط به عملکردهای سنتی مثل بانکداری، خرده‌فروشی و حمل‌و‌نقل محدود نمی‌شود، بلکه در کارهای روزمره روز به روز بیشتر دیده می‌شود. سواد داده‌ها، یعنی درک و کمیت عملکرد داده‌ها برای همه نقش‌ها و مشاغل ضروری است. آموزش و مهارت‌افزایی داده‌گرا بسیار مهم خواهد شد و شاخص‌های برجسته جایگزین شاخص‌های عقب مانده می‌شوند تا تصمیم‌گیری فعالانه آگاهانه را تسهیل کنند».

آتیشای جاند – مدیر تحویل TheMathCompany

•  •  •  •  •

« هوش مکانی بسیار مورد توجه قرار خواهد گرفت. کرونا سرعت نفوذ فناوری‌های دیجیتال را شدیدا افزایش داده است و اکنون سفارشی‌سازی محصولات بر اساس داده‌ها بسیار کارآمدتر است».

شانتانو باهاتاچاریا – دانشمند ارشد داده Locus

•  •  •  •  •

«برای ارائه‌دهندگان نمونه‌های هوش مصنوعی در مراقبت‌های بهداشتی، الزامات ویژه‌ای وجود دارد. تمام روش‌هایی که برای حفظ سلامتی، تشخیص و معالجه بیماری‌ها استفاده می‌شود بیشترین تقاضای اعتماد، صداقت، مزایای گزارش شده و هزینه‌های مربوطه را دارند. این خواسته‌ها همچنین از نظر توانایی‌ها، روش‌های تضمین کیفیت، اعتبارسنجی بالینی، نیاز به داده‌های مورد استفاده، جلوگیری از جانبداری و اندازه‌گیری واضح برای ارزیابی عملکرد، درمورد هوش مصنوعی و علوم داده اعمال می‌شود».

دیلیپ مانگسولی – مدیر اجرایی Siemens Healthineers

•  •  •  •  •

«اگر سال 2020 سال کرونا بود، 2021 سال واکسن خواهد بود. تجزیه و تحلیل نه تنها نقش مهمی در آزمایش‌های بالینی و سرعت بخشیدن به روند تولید واکسن دارد، بلکه برای برنامه‌ریزی پخش گسترده و ردیابی توزیع، عوارض جانبی و اثربخشی کلی نیز حیاتی است».

کونال آمان – رئیس بخش بازاریابی SAS India

•  •  •  •  •

«همه‌گیری همه را به پذیرفتن ارتباطات از راه دور سوق داده است. این روند در مراقبت‌های بهداشتی نیز مشاهده شده و شاهد افزایش خدمات پزشکی از راه دور هم هستیم. انتظار می‌رود این افزایش در سال 2021 ادامه یابد. هوش مصنوعی و علوم داده می‌توانند به روش‌های مختلفی از جمله دستیاران مجازی ارائه یادآوری برای دارو، پاسخ به سوالات بهداشتی، بررسی‌های معمول، نظارت و مدیریت بیمار از راه دور و موارد دیگر در زمینه پزشکی از راه دور کمک کنند».

آرپیتا سور – دستیار نایب رئیس Ugam Company

•  •  •  •  •

«ایجاد سیستم‌های هوش مصنوعی موفق به مدیریت چرخه عمر مدل نیاز دارد که شامل آموزش، استقرار، نظارت و به روزرسانی مدل برای سیستم است. برای دستیابی به این هدف، در سال 2021، مهندسان روند کار خود را افزایش می‌دهند تا شامل بهترین روش‌ها و جریان‌های کاری فناوری اطلاعات باشد. این‌ها از سیستم‌های مجهز به هوش مصنوعی در محیط‌های واقعی پشتیبانی می‌کنند».

پراشات رائو – مدیر ارشد Mathworks

•  •  •  •  •

لینک بخش‌های دیگر این گزارش:

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