دکتر ایلکر بیربیل از تاریخ ۱ ماه مه، در سمت استادی «کاربرد تکنیک‌های هوش مصنوعی و بهینه‌سازی در کسب و کار و جامعه» در دانشکده کسب و کار آمستردام مشغول به کار خواهد شد. وی با در دست داشتن این موقعیت، می‌تواند به هر دو حوزه‌ی مورد علاقه‌ی خود، تحقیق در عملیات و علوم داده، بپردازد.
بیربیل در ابتدا در حوزه‌ی ریاضیاتی تحقیق در عملیات و علوم مدیریت مشغول بود، اما در میانه‌ی مسیر، علوم داده و هوش مصنوعی توجه او را به خود جلب کرد. به گفته‌ی خود بیربیل: «در سال ۲۰۱۱ یک سال مرخصی گرفتم و به دانشگاه کرنل رفتم. آن‌جا زمان و فضای لازم برای فکر کردن به حوزه‌ی تخصصی موردعلاقه‌ام را داشتم. در آن برهه‌ی زمانی، حوزه‌های علوم داده و تحقیق در عملیات به هم نزدیک‌تر شده بودند. احساس کردم ترکیب این دو، طی چند سال آینده، روندی رو به رشد خواهد داشت؛ به همین دلیل مسیر کاری‌ام را به این سمت بردم.» حدس بیربیل درست بود و ترکیب این شاخه‌ها نتیجه‌ی رضایت‌بخشی به دست داد. وی معتقد است: «جامعه‌ی علوم داده پیوسته به یافته‌های جدید و جالبی می‌رسد، و من می‌توانم از برنامه‌های مبتنی بر داده برای بهینه‌سازی مدل‌های تصمیم‌گیری موجود استفاده کنم.»
مسیر آشنا
بیربیل متولد و بزرگ‌شده استانبول است. در سال ۲۰۱۸ به همراه همسر و دو فرزندش به اوترخت هلند رفت و استاد «علوم داده و بهینه‌سازی داده» در دانشگاه اراسموس روتردام شد. او قبلاً هم سابقه‌ی کار در این دانشگاه را داشته است، به همین دلیل می‌گوید: «برگشت به آن‌جا مثل برگشتن به خانه بود. هنوز خیلی از اساتید را می‌شناختم، چون بلافاصله بعد از گرفتن دکتری، در همان دانشگاه وارد مقطع پسادکتری شده بودم.»
بیربیل در مورد تصمیمش برای رفتن به دانشگاه UvA توضیح می‌دهد: «اول فکر می‌کردم نمی‌توانم جایگاهی در دانشکده کسب و کار آمستردام داشته باشم، چون بیشتر از کسب و کار، به ریاضیات علاقه دارم. تا زمانی که فهمیدم استاد دی کدن هرتوگ قرار است به این گروه ملحق شود. دن هرتوگ در حوزه‌ی تحقیق در عملیات فرد مهمی است. او یکی از بنیان‌گذاران طرح Analytics for a Better World است و در عرصه‌ی نظریه‌پردازی نیز جایگاه والایی دارد. به نوعی می‌توان او را هم‌رده با استاد یوآخیم گرومیکو، یکی از دوستان قدیمی و همکارانم دانست. حضور آن‌ها در UvA مرا امیدوار کرد.» علاوه بر این، بیربیل معتقد است مزایای همکاری بخش کسب و کار با ABS به او انگیزه می‌دهد: «این همکاری افراد را قادر می‌سازد دانش را در قالب برنامه‌های کاربردی ارائه دهند و البته، امکان آشنایی با افراد مهم را نیز برای آن‌ها فراهم می‌کند.»
حریم شخصی و تفسیرپذیری
بیربیل مشتاقانه منتظر شروع تحقیقات خود در ABS است. او می‌گوید: «تمرکز من عمدتاً روی مسائل چالش‌برانگیز در حوزه‌ی تصمیم‌گیری است. یکی از این مسائل حریم شخصی افراد است. در آینده، شرکت‌ها مجبور خواهند بود با یکدیگر کار کنند و برای پایدارتر کردن عملیات‌های کسب و کار خود، باید منابع را با هم به اشتراک بگذارند. به عنوان مثال، شاید دو شرکت هرکدام ۱۰۰ کامیون نیمه‌پر داشته باشند، این دو شرکت می‌توانند همکاری کرده و ۱۰۰ کامیون پر را وارد جاده‌ها کنند. این یک مثال ساده و ابتدایی از تخصیص منابع است؛ اما وقتی چالش‌های مربوط به حریم شخصی را در نظر بگیریم، ناگهان با مسائل پرخطرتری مواجه می‌شویم. شاید شرکت‌ها بخواهند با یکدیگر کار کنند، اما اگر خطر این وجود داشته باشد که اطلاعات شرکتشان در دست افراد نادرستی قرار گیرد، این کار را نخواهند کرد. پس سؤال اینجاست که آیا می‌توان روش‌هایی ساخت که امنیت و حریم خصوصی داده‌ها را طی فرآیند تصمیم‌گیری، تضمین کنند؟»
موضوع دیگری که بیربیل مطرح می‌کند مربوط به بحث تفسیرپذیری است: «در عصر حاضر، به صورت روزافزون از از الگوریتم‌های گوناگون استفاده می‌کنیم. برای مثال بانک‌ها الگوریتم‌های ریاضیاتی متعددی را به کار می‌برند که مبتنی بر یادگیری ماشین هستند. وقتی یک نفر برای دریافت اعتبار درخواست می‌کند، یک الگوریتم بررسی می‌کند آیا آن شخص شرایط لازم را دارد یا خیر. اما این الگوریتم یک جعبه سیاه است؛ یعنی ما نمی‌دانیم دقیقاً چطور کار می‌کند و فقط نتیجه‌ی آن را می‌بینیم. از سوی دیگر، این روزها خواسته‌ی افراد از دولت و جامعه، شفافیت است. به همین دلیل باید بتوانیم نشان دهیم الگوریتم‌ها چطور به تصمیم خاصی می‌رسند. برای انجام این کار باید فرآیند زیربنایی تصمیم‌گیری الگوریتم جعبه‌ی سیاه است را آشکار کنیم یا این‌که دیگر از مدل جعبه‌ی سیاه، به عنوان یک گام میانی، استفاده نکنیم. توجه به مسائل تفسیرپذیری، تأثیر عمیقی روی جامعه خواهد داشت.»
برای دنیایی بهتر
از نظر بیربیل، تأثیرات مستقیم الگوریتم‌ها روی جامعه موضوع بسیار جالبی است. به همین دلیل امیدوار است جایگاهی را به دست آورد که بتواند نقش خود در طرح «Analytics for a Better World» را هر چه بهتر ایفا کند. وی می‌گوید: «تا به حال در سخنرانی‌های زیادی در مورد حمل و نقل شرکت کرده‌ام، مبحث آخرین سخنرانی، انتقال خون به آفریقا بود. در چنین موردی، انتقال درست و مناسب حیاتی است. اما چالش‌های زیادی، از جمله فناوری یا شبکه‌ی توزیع، در این مسیر وجود خواهد داشت. هدف این است که برای بهینه‌سازی جمع‌آوری و توزیع خون و در نتیجه بهبود کیفیت زندگی، از تجزیه و تحلیل استفاده شود.» بیربیل امیدوار است با پژوهش خود در مورد مدل‌های تصمیم، بتواند در دستیابی به این هدف سهمی ایفا کند. او در ادامه‌ی صحبت‌های بیان می‌کند: «اینجا هم تفسیرپذیری نکته‌ی کلیدی است. وقتی مسئله مربوط به راهکارهای پزشکی باشد، ضروری است چرایی کارکرد یک الگوریتم را کشف کنید تا بتوانید آن‌را در مقیاس وسیع به کار ببرید.»
با این حال، بیربیل قصد دارد اولین سال خود را در UvA صرف تدوین برنامه‌ی تحصیلات تکمیلی برای رشته‌ی «تحلیل تجاری» کند. وی در این رابطه می‌گوید: «در حال حاضر، این رشته در دوره‌ی کارشناسی نیز دانشجو می‌پذیرد. اما بیربیل ایده‌هایی برای طرح‌ریزی مقطع ارشد در سر دارد. هم برنامه‌ی تدوین شده و هم دانشجویان باید ارتباطی نزدیک با صنایع داشته باشند. در همین راستا، به چندین شرکت که به این همکاری تمایل دارند نزدیک خواهیم شد و سعی می‌کنیم با گفت و گو و استفاده از مطالعات موردی در مورد مسائل دنیای واقعی، به قوی‌تر شدن دانشجویان کمک کنیم. شاید من به عنوان استاد بتوانم همه چیز را در مورد علوم داده و بهینه‌سازی به دانشجویانم بیاموزم، اما واقعیت این است که نهایتاً باید وارد دنیای واقعی شوند و آن‌چه آموخته‌اند را به صورت عملی به کار بگیرند.»
انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید
منبع: هوشیو
