مجله هوش مصنوعی

آخرین اخبار و تکنولوژی های هوش مصنوعی را در اینجا بخوانید.

مجله هوش مصنوعی

آخرین اخبار و تکنولوژی های هوش مصنوعی را در اینجا بخوانید.

کاربرد هوش مصنوعی در کاوش فضایی منجر به شناسایی چاله‌های جدیدی در مریخ شد

هوش مصنوعی در کاوش فضایی


کاربرد هوش مصنوعی در کاوش فضایی به سازمان ناسا اجازه داده تا اطلاعات دقیق‌تری درباره حفره‌های سطح مریخ جمع‌آوری کند. این سازمان اخیرا توسط یک الگوریتم هوش مصنوعی توانسته ده‌ها حفره جدید در سطح مریخ را کشف کند. این روش نوینی برای کشف منظومه شمسی و تاریخ سیاره‌ها است.

اکتشاف‌گر مریخ در طول پانزده سال گذشته در مدار این سیاره تردد داشته تا داده‌‌های مربوط به آب و هوا و زمین‌شناسی این سیاره را جمع‌آوری کند. این کاوشگر خستگی‌ناپذیر روزانه مجموعه‌ای ارزشمند از تصاویر فضایی و سایر داده‌هایی که توسط حسگرها جمع‌آوری شده را برای دانشمندان ناسا ارسال می‌کند. آنها به رسم معمول از این تصاویر برای مکان‌یابی حفره‌های سطح مریخ و مدل پراکندگی یخ بر روی این سیاره استفاده می‌کنند.

هوش مصنوعی در کاوش فضایی

یکی از داده‌هایی که در این تصاویر علاقه‌مندی بیشتر متخصصان ناسا را به همراه داشته، همین حفره‌های روی سطح سیاره هستند. با بررسی این حفره‌ها از منظر زمین‌شناسی و باستان‌شناسی اطلاعات جالبی درباره تاریخ شکل‌گیری و تحولات مریخ فراهم می‌شود. اما یکی از چالش‌های فعلی مهندسان آژانس فضایی عدم تثبیت فرضیه‌های زمین‌شناسی درباره حفره‌های مریخ است. دلیل اصلی این است که هنوز سفری به این سیاره انجام نشده که فضانوردان بتوانند نمونه‌هایی از سنگ و خاک مریخ را به مقر ناسا در زمین بیاورند. عدم دسترسی به نمونه‌ها باعث شده تا متخصصان ناسا صرفا به داده‌های ماهواره‌ای اعتماد کنند. در چنین شرایطی آنها تصمیم گرفته‌اند با استفاده از کاربردهای هوش مصنوعی الگوریتمی طراحی کنند که می‌تواند سن و شکل هر حفره را به دقت تشخیص دهد.

گفتنی است هوش مصنوعی در کاوش فضایی در سایر بخش‌های آژانس فضایی آمریکا نیز مورد استفاده قرار گرفته است. خبرگزاری انلیتیکس‌اینسایتز چندی پیش اعلام کرد، مهندسان ناسا از سیستم روباتیک با نام استروبی برای تسریع انجام امور روزانه فضانوردان استفاده می‌کنند. هوش مصنوعی باعث شده تا فضانوردان بیشتر وقت‌شان را بر روی حل چالش‌هایی بگذارند که نیازمند تصمیم‌گیری و استفاده از هوش انسان است.

مدیران ناسا نسبت به استفاده از فناوری هوش مصنوعی خوش‌بین هستند و سهم بزرگی را برای آن در چشم‌انداز آینده ناسا در نظر گرفته‌اند.

 

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

منبع: hooshio.com

فناوری هوش مصنوعی و چالش‌های جهانی


فناوری هوش مصنوعی

هر کشوری که پیشرفته‌ترین فناوری هوش مصنوعی را در اختیار داشته باشد می‌تواند بر دنیا حکومت کند. هوش مصنوعی مهم‌ترین فناوری قرن بیست و یکم به شمار می‌رود به همین دلیل باید از برنامه‌ها و فعالیت‌های سایر کشورها در حوزه هوش مصنوعی آگاه باشیم.

در مقاله پیش رو جایگاه فناوری هوش مصنوعی را در سطح جهانی بررسی می‌کنیم و به دنبال آن مسائلی همچون مباحثات سیاسی، داده‌ها، مسائل اقتصادی، کسب‌وکارهای نوپا، تأمین مالی، تحقیق و پژوهش و زیرساخت را مورد مطالعه و بررسی قرار می‌دهیم. در این مقاله مروری اجمالی خواهیم داشت بر ابرقدرت‌های کنونی این حوزه یعنی چین و ایالات متحده و در آینده در مقالاتی جداگانه جایگاه و موقعیت فن‌آوری هوش مصنوعی را در این دو کشور توضیح خواهیم داد. سؤالی که در نهات مطرح می‌شود این است که بشر چگونه با چالش‌های جهانی هوش مصنوعی مقابله خواهد کرد.

 

سیاست‌مداران باید توجه بیشتری به فناوری هوش مصنوعی نشان دهند

اولین موج دیجیتالی کردن در حالی بسط و گسترش پیدا کرد که دولت‌ها دخالت و تأثیر چندانی در شکل‌گیری آن نداشتند. اگرچه طرح‌هایی در دست اقدام است تا انحصار گوگل شکسته شود ( ایالات متحده و اروپا)، برای مثال کشورهای اروپایی شرکت‌های گوگل و فیسبوک را به پرداخت جریمه‌های نقدی محکوم می‌کنند، اما سیاست‌مداران بیش از یک دهه است که از این بازار غافل بوده‌اند.

برای اولین بار در تاریخ و با در نظر گرفتن اهمیت فن‌آوری هوش مصنوعی متوجه شدم که دولت‌های بسیاری اقدامات، طرح‌های ابتکاری و استراتژی‌های متعددی در حوزه هوش مصنوعی تدوین کرده‌اند و این در حالی است ‌که هر کدام از این دولت‌ها اهداف گوناگونی را دنبال می‌کنند و رویکردهای متفاوتی در این راستا اتخاذ کرده‌اند.

فناوری هوش مصنوعی مسئله‌ای است که سیاست‌مداران و دولت‌ها ناگزیر با آن مواجه هستند و خواهند بود. فناوری‌های هوش مصنوعی می‌توانند در پیش‌گیری از تغییرات آب‌و‌هوایی و سیاست‌های اقتصادی مؤثر واقع شوند. علاوه بر این هوش مصنوعی مدیریت و حاکمیت صنایع داخلی، امنیت و حریم خصوصی شهروندان را تحت تأثیر قرار می‌دهد.

از این روی ضروری است دولت‌ها استراتژی بلند مدتی برای پایه‌ریزی  و توسعه فناوری هوش مصنوعی تدوین کنند. اما تدوین چنین استراتژی‌ای هزینه‌بر خواهد بود. برای مثال اروپا در تدوین استراتژی‌های بلند مدت و استراتژی‌های سرمایه‌گذاری با مشکلاتی مواجه است.

فناوری هوش مصنوعی

در مقابل کشور چین برنامه مشخصی برای کنترل و نظارت بر فناوری هوش مصنوعی دارد. چین معتقد است فناوری هوش مصنوعی ابزار مهمی برای سیاست‌های خارجی قوی، سلطه نظامی، پیشرفت اقتصادی و هم‌چنین کنترل و نظارت بر جمعیت یک کشور است.

ایالات متحده تحقیقات و پژوهش‌های بی‌شماری در حوزه هوش مصنوعی انجام می‌دهد و از وجود شرکت‌های بزرگی همچون گوگل، مایکروسافت، فیسبوک و آمازون بهره‌مند است و این در حالی است که هر کدام از این شرکت‌ها در زمینه توسعه فناوری هوش مصنوعی پیشگام هستند.

هرچند دونالد ترامپ تاکنون اقدمات ویژه‌ای در زمینه هوش مصنوعی انجام نداده اما دولت ایالات متحده دهه‌ها است که از طریق وزارت‌خانه‌ها و سرویس‌های مخفی خود به تحقیق و پژوهش در زمینه هوش مصنوعی مشغول است و فن‌آوری‌های هوش مصنوعی را در حوزه‌های گوناگون پیاده‌سازی و اجرا می‌کند.

دو کشور کانادا و فلسطین اشغالی از اهمیت یکسانی برخوردار هستند اما نسبت به سایر کشورهایی که بر سر هوش مصنوعی با یکدیگر به رقابت می‌پردازند، پیشرفت‌های کمتری دارند.

فلسطین اشغالی در حوزه فناوری پیشتاز است و تعداد شرکت‌های هوش مصنوعی این کشور نسبت به مجموع شرکت‌های هوش مصنوعی آلمان و فرانسه بیشتر است ( برای کسب اطلاعات بیشتر به چشم‌انداز جهانی هوش مصنوعی رجوع کنید). دانشگاه‌های متعددی در فلسطین اشغالی وجود دارد و علاوه بر این، این کشور به بازارهای سرمایه آسیا و آمریکا دسترسی دارد و با دولت و صنایع نظامی همکاری‌های نزدیکی دارد. Intel یکی از شرکت‌های این کشور موسوم به Mobileye را به قیمت ۱۵ میلیارد دلار خریداری کرد و  این تنها نمونه کوچکی از فضای پویای هوش مصنوعی در فلسطین اشغالی است.

طی ۷ سال گذشته کشور کانادا تا حد زیادی از مزایای فن‌آوری یادگیری عمیق بهره‌مند شده است. جفری هینتون، یان لوگن، یوشیا بنگیومشهورترین پژوهش‌گران این حوزه هستند. هر سه پژوهش‌گر مذکور در دوره‌های مختلف در مؤسسه تحقیقات پیشرفته کانادا مشغول به تحقیق و پژوهش بوده‌اند. این سه پژوهش‌گر توانستند از آخرین «زمستان هوش مصنوعی» عبور کنند و از آن زمان به بعد در حال شکل‎‌دهی بازار هستند.

کشور کانادا استراتژی مشخصی برای هوش مصنوعی در اختیار دارد و  سال‌ها است که به تحقیق و پژوهش، سرمایه‌گذاری و پیاده‌سازی و اجرای فن‌آوری‌های هوش مصنوعی مشغول است.

علاوه بر این سه کشور ژاپن، کره و هند نیز پیش‌نیازهای لازم برای آن‌که طی سال‌های آتی نقش مؤثری در حوزه هوش مصنوعی ایفا کنند را در اختیار دارند.

برای کسب اطلاعات بیشتر در این زمینه می‌توانید گزارش استراتژی‌های ملی هوش مصنوعی که توسط Konrad Adenauer Foundation تدوین شده را مطالعه کنید (بخش اول و بخش دوم).

 

قدرت اقتصادی و فناوری هوش مصنوعی

هرچند وظیفه تدوین و تنظیم ضوابط و مقررات لازم برای تحقیق و پژوهش، تأمین منابع مالی، آموزش، داده و ارتقاء بر عهده دولت‌ها است اما در نهایت این شرکت‌ها هستند که باید فناوری هوش مصنوعی را توسعه دهند و آن را به بازار عرضه کنند.

پیش از هر چیز باید منافع ملی را در نظر گرفت. به بیانی دیگر شرکت‌های سراسر دنیا باید در طرح‌ها، تحقیقات و محصولات هوش مصنوعی خود منافع ملی را در نظر بگیرند. به عقیده من گوگل (Alphabet)، آمازون، مایکروسافت رهبری هوش مصنوعی در جهان را در دست دارند. بزرگ‌ترین شرکت‌های اینترنتی کشور چین موسوم به Alibaba، Baidu و Tencent نیز در این حوزه پیشتاز هستند.

دو نوع شرکت در حوزه هوش مصنوعی فعالیت دارند: شرکت‌هایی که هوش مصنوعی را توسعه می‌دهند و آن را به عنوان محصولی بنیادی به فروش می‌رسانند و شرکت‌هایی که از هوش مصنوعی در راستای تکمیل زنجیره ارزشی خود استفاده می‌کنند.

در هر حال هر شرکتی که امروزه مشغول به فعالیت است ناگزیر به استفاده از فناوری هوش مصنوعی است. از یک سو هوش مصنوعی می‌تواند جایگزین مدل‌های کسب‌و‌کار موجود شود و از سوی دیگر می‌توان از این فن‌آوری در فرایندهای بی‌شمار شرکت‌ها  از جمله حسابداری، اداره کردن، تولید، بازاریابی، فروش، امور اداری، مدیریت پرسنل و استخدام بهره جست.

در هر حال یکی از اصلی‌ترین انگیزه‌های استفاده از هوش مصنوعی کاهش هزینه‌ها و به حداکثر رساندن سود است. البته کنترل این فناوری هم مهم است. هوش مصنوعی جایگزین مشاغلی می‌شود که پیش از این انسان‌ها انجام می‌دادند. اغلب مواقع پس از آن‌که هوش مصنوعی برای مدتی آموزش دید سریع‌تر، کارآمدتر از انسان‌ها عمل می‌کند و هزینه‌های استفاده از آن نیز در مقایسه با انسان‌ها کمتر خواهد بود. انسان‌ها مریض می‌شوند، به تعطیلات، غذا و خواب نیاز دارند. انسان‌ها نیاز به سرگرمی دارند و استعفا می‌دهند و یا بازنشسته می‌شوند. فن‌آوری هوش مصنوعی می‌تواند به صورت تمام وقت کار می‌کند و این در حالی است که نیازی نیست حقوق آن‌ را افزایش داد. هرچه شرکت‌ها بیشتری از فن‌آوری هوش مصنوعی استفاده کنند، کمتر به نیروهای کار (انسان) نیاز خواهند داشت.

 

داده یک مزیت رقابتی است

پایه و اساس تمامی فناوری‌های هوش مصنوعی داده است. از این روی در بخش‌های مختلفی به داده نیاز خواهیم داشت. پیش از هر چیز برای آموزش و تحقیق و پژوهش در زمینه هوش مصنوعی محدودبه داده نیاز داریم. هر چه سطح دیجیتالی بودن مدل کسب‌و‌کار شما بیشتر باشد، داده‌های بیشتری خواهید داشت. به همین دلیل پیشتازان بازاریابی (گوگل، فیسبوک)، شرکت‌های نرم‌افزاری ( Salesforce، Microsoft) و خرده‌فروش‌های الکترونیک (Zalando، Amazon) سال‌ها است که در حوزه فن‌آوری هوش مصنوعی فعالیت می‌کنند.

تعدادی از بانک‌ها نیز سریعاً متوجه اهمیت هوش مصنوعی شدند. از این روی گلدمن ساکسو جی پی مورگانکارمندان زیادی استخدام کردند که همگی در زمینه یادگیری ماشین و علوم داده تخصص دارند و فعالیت می‌کنند. شرکت‌هایی که خودشان داده دارند بر سایر شرکت‌ها برتری دارند و می‌توانند به مزیت رقابتی بزرگی دست پیدا کنند. شرکت‌هایی که داده‌ ندارند باید داده‌ها را جمع‌آوری، ذخیره و ارزیابی کنند.

مسائل مربوط به داده موجب شده کشورها قوانین مختلفی در زمینه عدم افشای اطلاعات وضع کنند و به همین دلیل اروپا در شرایط نابسامان و نابرابری قرار گرفته است. هدف از تنظیم قانون عمومی عدم افشای اطلاعاتایجاد بازار داخلی داده در اروپا بوده اما در حال حاضر نقطعه ضعف بزرگی برای اروپا است.

ترس از قانون و مقررات تمامی صنایع را فلج می‌کند. با گفت‌و‌گو با درمان‌گاه‌ها و پزشکان متوجه شدم که صنعت بهداشت و درمان دیگر داده‌های خود را با دیگران به اشتراک نمی‌گذارد. عدم به اشتراک‌گذاری داده‌های پزشکی و درمانی با دیگران به قیمت جان دیگران تمام می‌شود، چرا که این داده‌ها برای پژوهش در زمینه سلامتی و الگوریتم‌های افزایش طول عمر اهمیتی حیاتی دارند.

عدم قطعیت راجع به داده‌ها در حال فلج کردن صنعت اروپا است. ترس از مجازات و جریمه موجب شده ‌کسی داده‌ها را جمع‌آوری نکند. در عصری که داده‌ها نقاط قوت ما هستند، کاری کرده‌ایم که داده‌ها باعت ترس و وحشت دیگران شده‌اند.

اروپا مهم‌ترین بازار داده در دنیا است اما ما در حال هدر دادن توا‌نمندی‌های خود هستیم. از سوی دیگر چین نقطه مقابل اروپا است. دولت چین به طور فعالانه به تبادل و متمرکز‌سازی داده‌ها کمک می‌کند ( در بخشی که به کشور چین اختصاص داده‌ام بیشتری راجع به آن توضیح خواهم داد). علاوه بر این شهروندان آزادنه داده‌های خود را به اشتراک می‌گذارند و نگرانی کمتری راجع به این موضوع دارند. در واقع در قرن بیست و یک حریم خصوصی معنایی ندارد. تمامی فعالیت‌های دیجیتالی محاسبه و ذخیره می‌شوند. با این وجود اروپا کماکان راه قدیمی در پیش گرفته است.

 

کسب‌و‌کارهای نوپای هوش مصنوعی غول‌های هوش مصنوعی فردا هستند

کسب‌وکارهای نوپا اهمیت زیادی برای اقتصاد یک کشور دارند چرا که دو عملیات اساسی و ضروری یک زیست‌بوم را بر عهده دارند. کسب‌و‌کارهای نوپا عامل نوآوری و خلاقیت هستند. این شرکت‌های جوان معمولاً نسبت به شرکت‌های قدیمی‌تر شجاعت، سرعت و انعطاف‌پذیری بیشتری در تولید و توسعه محصولات جدید دارند. از آن‌جایی‌که معمولاً کسب‌و‌کارهای نوپا توسط منابع مالی صندوق‌های خطرپذیر و فرشتگان کسب‌و‌کارها پشتیبانی و حمایت می‌شوند، ریسک‌پذیری بیشتری دارند و انتظار دارند به موفقیت‌های بزرگ‌تر و چشمگیری نائل شوند.

هرچند ۹۵ درصد از کسب‌و‌کارهای نوپا همان پنج سال اول از بازار خارج می‌شوند و نمی‌توانند به فعالیت خود ادامه دهند اما زیست‌بوم از مزایای آن‌ها بهره‌مند می‌شود.

شرکت‌ها می‌توانند شرکت‌های دیگر را به تملک خود درآورند و از این طریق محصولات و نوآوری‌ها و ابتکارات جدیدی به دست آورند. کارفرمایان سابق نیز شغل‌های جدیدی پیدا می‌کنند و دانش خود را منتقل می‌کنند. از سوی دیگر سرمایه‌گذاران و بنیان‌گذاران هم دانش خود را در پروژه‌های جدید به کار می‌بندند و در همان حال می‌توانند دانش جدید کسب می‌کنند.

چنان‌چه شرکت‌های جوان بتوانند پنج‌سال اول را تاب بیاورند منابع مالی آن‌ها ( از سرمایه‌گذاری‌های بذر و عرضه عمومی اولیه) تأمین می‌شود، استعدادها و نخبگان به سوی آن‌ها جذب می‌شوند، رشد می‌کنند و محصولاتی توسعه می‌دهند که مصرف‌کنندگان حاضرند هزینه استفاده از آن را پرداخت کنند و در نهایت به یک شرکت تبدیل می‌شوند. فیسبوک، گوگل، اَپل، آمازون و Uber کار خود را به عنوان کسب‌و‌کارهایی نوپا آغاز کردند و امروزه کنترل و رهبری بازار را در دست دارند.

چارلز ادوارد بویمدیر عامل Ronald Berger در کنفرانس ۲۰۱۸ ظهور هوش مصنوعی
 اظهار داشت موج بعدی شرکت‌های تریلیون دلاری شرکت‌هایی خواهند بود که در زمینه هوش مصنوعی فعالیت دارند. تحقق این هدف بدون وجود کسب‌و‌کارهای نوپا عملی نخواهد شد. به همین دلیل باید افراد و گروه‌‌ها را به تأسیس کسب‌و‌کارهای نوپا تشویق کنیم.

 

تحقیق و پژوهش اهمیتی بیش از پیش دارد

کشف مجدد یادگیری عمیق آغاز راه بود. این حوزه با بهره‌گیری از رویکردهای جدید CNN و GAN و الگوریتم‌های پیشرفته تکامل پیدا کرد ( سخنرانی علمی پروفسور دامیان بروث در کنفرانس ۲۰۱۷ ظهور هوش مصنوعی مقدمه مناسبی بر یادگیری عمیق است). زبان‌شناسی محاسباتی پیرامون پردازش زبان طبیعیو تولید زبان طبیعینیز پیشرفت‌های چشمگیری را تجربه کرده است.

امروزه و پس از آن‌که در سال ۲۰۱۲ توان محاسباتی لازم را کسب کردیم و امکان دسترسی به داده‌ها برای ما فراهم شد تعداد کثیری از برنامه‌های کاربردی هوش مصنوعی محدودحاصل نتایج تحقیقات و پژوهش‌های سی سال گذشته هستند.

سرمنشأ تحقیقات و پژوهش‌های هوش مصنوعی کجاست؟

از یک سو می‌توان گفت که سر منشأ این پژوهش‌ها دانشگاه‌ها هستند. دانشگاه اِم آی تی، استنفورد، دانشگاه کارنگی ملونو برکلیپیشتازان تحقیق و پژوهش در زمینه هوش مصنوعی هستند  ( برای کسب اطلاعات بیشتر به گزارش AI index که توسط دانشگاه استنفورد گردآوری شده رجوع کنید).

دانشگاه MIT به تنهایی تا سال ۲۰۲۰، ۱ میلیارد دلار در زمینه آموزش برنامه‌های مدارج جدید هوش مصنوعی سرمایه‌گذاری خواهد کرد. از سوی دیگر شرکت‌ها نیز به یکی از پیشگامان تحقیق و پژوهش در زمینه هوش مصنوعی تبدیل شده‌اند. حتماً اسم DeepMind شرکت گوگل به گوش شما خورده است. شرکت مایکروسافت بیش از ۸۰۰۰ پژوهش‌گر هوش مصنوعی دارد. افراد نخبه با در اختیار داشتن داده‌ها و منابع مالی بیشتر تحقیقات و پژوهش‌هایی برای شرکت‌ها انجام می‌دهند: ریچارد سوچر
 (Salesforce، یان لوکن (فیسبوک)، اندور اِن جی(تا سال ۲۰۱۷ در Baidu) یا دمیس هسابیس
(گوگل).

در مقابل شرکت‌ها و دانشگاه‌های اروپایی از پیشگامان تحقیق و پژوهش در زمینه هوش مصنوعی نیستند. البته اروپا از وجود افرادی همچون پروفسور یورگن اِشمیتد، پروفسور فرانچسکا روسی و پروفسور هانس اوسکوغیتبهره‌مند است.
علاوه بر این در مؤسسه فناوری کارلسروهه، دانشگاه صنعتی مونیخ، دانشگاه صنعتی برلین، دانشگاه استابروک( علوم شناختی)، آکسفورد و دانشگاه کمبریج دوره‌هایی با محوریت هوش مصنوعی برگزار می‌شود. اما درجه اهمیت تمامی مواردی که به آن‌ها اشاره شد  متوسط است و در سطح بین‌المللی به عنوان پژوهش‌هایی با کیفیت بالا شناخته نمی‌‍شوند.

در مقابل نمؤسسه تحقیقاتی هوش مصنوعی آلما، چندین مؤسسه ماکس پلانکمؤسسه ماکس پلانکو مؤسسه فرونوفردر آلمان تحقیقات و پژوهش‌های کاربردی انجام می‌دهند. با این وجود حتی این مؤسسات نمی‌توانند در رقابت بر سر جذب نخبگان، سرمایه و داده موفقیت چندانی کسب کنند. اما در دهه‌های آتی و در زمان طرح این سؤال که چه کسی اولین هوش مصنوعی عمومی را توسعه خواهد داد، تحقیقات و پژوهش‌ها عامل تعیین‌کننده‌ای خواهند بود.

پیشنهاد ویدئو: سخنرانی علمی پروفسور هانس اوسکوغیت با موضوع ابرهوش در کنفرانس ۲۰۱۷ ظهور هوش مصنوعی

 

بدون وجود زیرساخت هوش مصنوعی هم وجود نخواهد داشت

در این‌جا منظور از زیرساخت صرفاً امکان دسترسی به داده‌ها نیست. در این مقاله واژه زیرساخت توان محاسباتی و عملیاتی را نیز در بر می‌گیرد. پیش از این NVIDIA  به خاطر تولید کارت‌ گرافیک‌ شناخته می‌شد. در حال حاضر NVIDIA یکی از تولیدکنندگان پیشگام GPUها است که به طور فزاینده‌ای در پیاده‌سازی و اجرای برنامه‌های کاربردی هوش مصنوعی مورد استفاده قرار می‌گیرد. گوگل و Intel و شرکت‌های زیاد دیگری به توسعه انواع و اقسام گوناگون تراشه‌های هوش مصنوعیمشغول هستند. در همین زمان شرکت‌های مایکروسافت، AWS، گوگل، IBM نیز ظرفیت سرویس‌های ابری خود را در سراسر جهان افزایش می‌دهند تا بتوانند پاسخ‌گوی تقاضا‌ی رو به افزایش برای این فن‌آوری باشند. کشور چین تا حد زیادی بر توسعه  ۵G تمرکز کرده اما اروپا در این حوزه نیز فعالیت چندانی ندارد؛ فن‌آوری ۵G برای برنامه‌های کاربردی لحظه‌ای هوش مصنوعیو صنعت شبکهاهمیتی حیاتی دارد.

 

ضرورت تأمین منابع مالی هوش مصنوعی

توسعه فن‌آوری هوش مصنوعی هزینه‌بر است. تعداد پژوهشگران برتر هوش مصنوعی اندک است و سالانه حقوقی تا ۳۰۰.۰۰۰ یورو دریافت می‌کنند. داده‌ها را باید جمع‌آوری، ذخیره و برچسب‌گذاری کرد. برای توسعه مدل‌های هوش مصنوعی باید زمان زیادی صرف آزمایش، خطاها و روش‌های جدید کرد.

فن‌آوری‌های هوش مصنوعی به داده نیاز دارند و باید آن‌ها را آموزش دارد. شرکت‌ها، کسب‌و‌کارهای نوپا، سرمایه‌گذاران و دولت‌ها هزینه‌های توسعه فن‌آوری‌های هوش مصنوعی را پرداخت می‌کنند. کشور چین با آگاهی به این موضوع در حال سرمایه‌گذاری بیش از ۱۳۰ میلیارد یورو در بازار هوش مصنوعی چین است. استان‌هایی از جمله پکن، شانگهای و تیانجیندر حال سرمایه‌گذاری میلیاردها یورو در صنعت هوش مصنوعی بومی خود هستند. در ایالات متحده نیز شرکت‌های گوگل، IBM، مایکروسافت، آمازون، فیسبوک و اَپل تا سال ۲۰۱۵ بیش از ۵۵ میلیارد دلار در این حوزه سرمایه‌گذاری کرده‌اند. بدون پول هوش مصنوعی هم وجود نخواهد داشت. و اروپا در این زمینه نیز از سایر کشورها عقب مانده و مبالغ کمی در این حوزه سرمایه‌گذاری می‌کند.

در سال ۲۰۱۸ پارلمان فدرال آلمان، بوندستاگ، منابع مالی فن‌آوری هوش مصنوعی را تا سقف ۵۰۰.۰۰۰ یورو تأمین کرد. قرار است بوندستاگ ۵۰۰ یک سرمایه‌گذاری میلیون یورویی دیگر در این حوزه انجام دهد اما هنوز این سرمایه‌گذاری را انجام نداده است. با سرمایه‌گذاری این مبالغ ناچیز نمی‌توان به موفقیت چندانی دست یافت.

در همین زمان چین منابع مالی ۴۰۰ کُرسی جدید برای هوش مصنوعی را تأمین کرده است. اما تا به امروز  ۱۰۰ کُرسی استادی جدیدی که در استراتژی هوش مصنوعی آلمان به آن اشاره شده اقدام و فعالیت خاصی انجام نداده‌اند. اما بریتانیای کبیر ، علی‌رغم برگزیت، رویکرد متفاوتی با سایر بخش‌های اروپا در پیش گرفته است.  در بریتانای کبیر سرمایه‌گذاری‌های بیشتری در کسب‌و‌کارهای نوپا و دانشگاه‌های فعال در زمینه هوش مصنوعی انجام می‌شود.

برای کسب اطلاعات بیشتر در زمینه جایگاه و موقعیت کنونی هوش مصنوعی می‌توانید گزارش ۲۰۱۹ جایگاه هوش مصنوعی را مطالعه کنید و ویدئوی سخنرانی‌ من در کنفرانس ظهور هوش مصنوعی را تماشا کنید.

 

جایگاه اروپا در مسابقه تسلیحات هوش مصنوعی

همان‌گونه که پیش از این نیز گفتیم، در حال حاضر اروپا در حوزه هوش مصنوعی از کشورهای دیگر عقب مانده است. درحالی‌که اروپا هنوز به این فکر می‌کند که آیا وارد این رقابت شود یا خیر، چین و ایالات متحده، فلسطین اشغالی، بریتانیا، کانادا بر سر داده، بازارها و نخبگان با یکدیگر به رقابت می‌پردازند. مشکلاتی که در اروپا با آن مواجه هستیم را خودمان به وجود آورده‌ایم، این مشکلات در نتیجه عدم جاه‌طلبی، بینش ناکافی ما شکل گرفته‌اند.

علاوه بر این در اروپا مبالغ کمی به آموزش اختصاص داده می‌شود. بودجه کافی به مدارس و دانشگاه‌ها و هم‌چنین دانش‌آموزان و دانشجویان تعلق نمی‌گیرد. به بیانی دیگر کودکان اروپایی به حد کافی در زمینه مهارت‌های دیجیتالی آموزش نمی‌بینند. دانش‌آموزان اروپایی به ندرت موضوعات و دروس مرتبط با هوش مصنوعی را انتخاب می‌کنند. علاوه بر تمامی مواردی که به آن‌ها اشاره شد امکان آموزش مجدد برای نیروی کار هم اندک است؛ در صورتی که نیرو‌های کار دوباره آموزش ببینند می‌توانند دانش و مهارت‌های لازم برای صنعت دیجیتالی را فرا بگیرند.

نتایج حاصل از تحقیقات و پژوهش‌ها به کندی به صنعت منتقل می‌شود. نتایج حاصل از تحقیقات و پژوهش‌ها یا نادیده گرفته می‌شوند و یا بروکراسی‌های مربوط به انتقال مالکیت فکری به ویژه برای شرکت‌های نوپا و شرکت‌های اسپین‌آففرایند دشواری است.

منابع مالی کسب‌و‌کارهای نوپای هوش مصنوعی در اروپا به اندازه کافی تأمین نمی‌شود. شرکت‌ها باید محصولاتی مانند دوچرخه و یا اسکوتر برقی بفروشند تا بتوانند سرمایه‌گذاری‌های سرمایه‌گذاران را جذب کنند اما اگر بخواهند در حوزه فن‌آوری فعالیت کنند شانس کمی برای جذب سرمایه‌گذاری‌ها دارند. به عبارت دیگر هر چه محصول پیچیده‌تر باشد ، امکان جذب سرمایه‌ هم کمتر است. از سوی دیگر هر چه مدل کسب‌و‌کار ساده‌تر باشد، سرمایه‌گذاران بیشتر به سوی آن جذب می‌شوند و سرمایه‌های خود را در آن سرمایه‌گذاری می‌کنند.

هرچند بسیاری از نخبگان آسیایی و آمریکایی تمایل دارند در اروپا مشغول به کار شوند اما به لحاظ بروکراسی عملی اشتغال آن‌ها کار دشواری است. از زمان هجوم موج‌های پناهندگان به اروپا ادارات دچار آشفتگی شده‌اند. تقریباً غیر ممکن است که بتوان توسعه‌دهندگان هوش مصنوعی ایرانی، روسی یا چینی را استخدام کرد. در حال حاضر امکان عدم پذیرش نخبگان در اروپا بیشتر از پذیرش آن‌ها است.

علاوه بر این اروپا فاقد استراتژی هوش مصنوعی است. کشورهایی همچون فنلاند، سوئد، هلند و یا فرانسه استراتژی‌های هوش مصنوعی خود را تدوین کرده‌اند و جاه‌طلبی لازم را هم دارند.

زمانی که در سال ۲۰۱۸ در کمیسیون اروپابودم یکی از پژوهشگران بلغاری گفت که خوش می‌شود اگر کشورش فقط یک طرح برای هوش مصنوعی داشته باشد. به گفته این پژوهشگر وضعیت تمامی بخش‌های اروپا بدتر از اروپای غربی است.

من نمی‌گویم که سیاست‌مداران باید تمامی مشکلات را حل کنند. شرکت‌های کماکان باید به ساخت محصولات ادامه دهند، بنیان‌گذاران باید کسب‌و‌کارهای نوپا تأسیس کنند، صندوق‌های سرمایه‌گذاری خطرپذیر باید منابع مالی کسب‌و‌کارهای نوپا را تأمین کنند و پژوهشگران هم باید وقت خود را صرف تحقیق و پژوهش کنند.

اما سیاست‌مداران می‌توانند یک استراتژی مشخص تدوین کنند و از این طریق از ما حمایت و پشتیبانی کنند. سیاست‌مداران به جای آنکه مانع چارچوب‌های قانونی و نظارتی شوند باید چارچوب‌های نظارتی و قانون تنظیم کنند. دولت باید در سرمایه‌گذاران انگیزه سرمایه‌گذاری ایجاد کند و الگوی آن‌ها باشد. علاوه بر این سیاست‌مداران باید از آموزش دانش‌آموزان، دانشجویان و تحصیلات باکیفیت حمایت و پشتیبانی کنند.

در مقالات راجع به مواردی که به آن‌ها اشاره شد بحث و گفت و گو شده (استراتژی هوش مصنوعی دولت فدرال آلمان) اما در عمل کاری از پیش نمی‌برند.

 

چالش‌های جهانی برای بشریت

اروپا بخشی از جهان را تشکیل می‌دهد و باید با مراتب قدرت جهان سازگار شود. از این روی صنعت رو به رشد هوش مصنوعی با چالش‌های زیادی مواجه می‌شود. اولین چالشی که هوش مصنوعی با آن مواجه است مسئله عدم افشا و حفاظت از اطلاعات است. چه استانداردهایی باید اجرا شود؟ در حال حاضر اروپا استانداردهای مشخصی تنظیم و تدوین کرده است که بر مبنای آن‌ها شرکت‌ها باید فن‌آوری‌های هوش مصنوعی را خارج از اتحادیه اروپا توسعه دهند.

آیا در آینده قانون عدم افشای اطلاعات را کنار می‌گذاریم و همچون چین رویکرد آزادنه‌ای نسبت به داده‌ها خواهیم داشت؟ یا اروپا رویکرد میانه ای در پیش خواهد گرفت؟

 

کنترل و نظارت بر فناوری هوش مصنوعی ضروری است

علاوه بر این تمامی دولت‌ها باید فناوری هوش مصنوعی را تحت کنترل و نظارت داشته باشند و قوانینی برای این حوزه وضع کنند. فن‌آوری هوش مصنوعی به طور فزاینده‌ای رسانه‌ها، صنایع، آموزش، امنیت، صنایع نظامی و بازارهای مالی را تحت تأثیر قرار می‌دهد. به همین دلیل لازم است قوانین و مقرراتی برای چگونگی کنترل و نظارت بر هوش مصنوعی ( و شرکت‌هایی که آن را طراحی می‌کنند ) وضع شود.

برای مثال یک شرکت چینی موسوم به Squirrel AI  به میلیون‌ها دانش‌آموز کمک کرد تا محتوای آموزشی فردی و شخصی تولید کنند که مطابق با مهارت‌ها و سرعت یادگیری آن‌ها است. اما در اروپا چه کسی فن‌آوری‌های هوش مصنوعی را به لحاظ محتوا و موضوع کنترل و نظارت می‌کند؟ به عقیده من وزارت‌های آموزش بومی در جایگاهی نیستند که بتوانند این کار را انجام دهند. به همین دلیل مقامات مسئل باید متخصصین لازم را استخدام کنند، مفاهیم را تدوین کنند و آن‌ها را به اجرا درآورند. این کار زمان‌بر است باید پیش از آن‌که دیر شود انجام شود.

 

لزوم تدوین چارچوب اخلاقی برای فناوری هوش مصنوعی

فناوری هوش مصنوعی به طور مداوم در حال تصمیم‌گیری است و تقریباً  در هر تصمیم‌گیری باید مسائل اخلاقی را در نظر گرفت. اخلاقیات و اصول و ضوابط اخلاقی هوش مصنوعی از اجزای جدایی ناپذیر تحقیقات و پژوهش‌ها و به‌کار گیری فن‌آوری هوش مصنوعی هستند.

فناوری هوش مصنوعی می‌تواند مانع و یا باعث تشدید تعصب، نژادپرستی، فساد و تبعیض جنسی شود. به همین دلیل لزوم تدوین و تنظیم یک چارچوب اخلاقی برای فن‌آوری هوش مصنوعی به شدت احساس می‌شود. در سطوح بالاتر، تمامی مناطق فرهنگی ناگزیر به استفاده از آن هستند. به چه نوع فناوری هوش مصنوعی نیاز داریم؟ این فناوری‌ها چه ارزش‌هایی باید برای ما به ارمغان می‌آورند؟

هر چه زودتر باید راجع به اصول و ضوابط اخلاقی هوش مصنوعی تصمیم‌گیری کنیم. در حال حاضر، فن‌آوری‌های هوش مصنوعی در حال توسعه داده می‌شوند که هیچ‌گونه نظارت اخلاقی بر آن‌ها صورت نمی‌گیرد. تصمیم‌گیری راجع به این‌که در آینده ماشین‌ها چگونه عمل کنند به توسعه‌دهندگان بستگی دارد. اما جامعه هم باید نسبت به درست و غلط بودن امور این‌چنین سخت‌گیری داشته باشد.

از این روی تمامی ملت‌ها، سیستم‌های دولتی و گروه‌های نژادی باید راجع به چارچوب‌های اخلاقی فن‌آوری‌های هوش مصنوعی خود به بحث و گفت‌و‌گو بنشینند.

شرکت‌ها ‌هم باید همین رویه را در پیش بگیرند. تمامی شرکت‌ها همان‌گونه که یک متخصص عدم افشا و حفاظت از اطلاعات و متخصص داده‌ دارند باید یک متخصص علم اخلاق هوش مصنوعی را هم به استخدام خود در آورند. وظیفه متخصص علوم اخلاقی هوش مصنوعی این است که از ‌شود که مطمئین شود داده‌ها عاری از هر گونه سوگیری هستند و تبعیض ایجاد نمی‌کنند.

 

ظهور  فناوری‌های پیشرفته هوش مصنوعی

علاوه بر این لازم است مسئله رشد و پرورش هوش و هم‌چنین تأثیر فناوری هوش مصنوعی را نیز مد نظر قرار دهیم. اخیراً مایکروسافت یک میلیارد دلار دیگر برای تحیقیق و پژوهش در زمینه هوش مصنوعی عمومی در اختیار OpenAI گذاشته است، علاوه بر این ایلان ماسکنیز یک میلیارد دلار دیگر به این طرح اختصاص داده است. ماسک، زاکربرگ، هاوکینگو گیتسراجع به هوش مصنوعی اخطار داده‌اند. در حال حاضر ممکن است سیریاحمق به نظر برسد اما تا ده سال آینده هوشمندی آن بیشتر از انسان‌ها خواهد بود.

هوش مصنوعی هر روز باهوش‌تر، سریع‌تر، تواناتر و داناتر می‌شود. برخلاف ماهیت زیست‌شناختی انسان‌ها، فن‌آوری‌های هوش مصنوعی هیچ محدودیتی ندارند. در نتیجه هر روز باید عمیقاً راجع به هوش مصنوعی عمومی، هوش مصنوعی قویو هوش مصنوعی سوپرفکر کنیم. علاوه بر این موضوعاتی همچون رابط های عصبی و سیستم عامل‌های انسانی را نیز باید مد نظر قرار دهیم.

پیشنهاد ویدئو: سخنرانی علمی دکتر لیندراجع به هوش مصنوعی قوی در کنفرانس ۲۰۱۹ ظهور هوش مصنوعی.

 

ماشین‌ها به انرژی نیاز دارند

یکی دیگر از چالش‌های جهانی فناوری هوش مصنوعی نیاز ماشین‌ها به انرژی است. ذهن انسان‌ها به اندازه یک لامپ به الکتریسیته نیاز دارد، اما نرم‌افزارهای کاربردی هوش مصنوعی انرژی بر هستند. در نتیجه اگر می‌خواهیم در زمینه فناوری رشد و پیشرفت کنیم، باید مشکلات کمبود انرژی را برطرف کنیم. در غیر این صورت همه مردم نمی‌توانند مدت زمان زیادی عمر کنند و زندگی سالمی داشته باشند.

 

جامعه‌ای بدون کار؟

علاوه بر این ما به عنوان یک جامعه باید راجع به تأثیرات فناوری‌های هوش مصنوعی بر مشاغل‌مان بحث و  گفت‌و‌گو کنیم. ما به ویژه آلمانی‌ها می‌ترسیم که هوش مصنوعی جایگزین شغل‌های‌ ما بشود.

من شخصاً خوشحال می‌شوم اگر هوش مصنوعی بتواند به جای من کار کند. اما هوش مصنوعی شغل‌های شما را از رده خارج نمی‌کند. طبق برآوردهای من و با توجه به این‌که ماشین‌ها سریع‌تر هستند و هزینه استفاده از آن‌ها ارزان‌تر است تا ۲ سال آینده ۵۰ درصد از مشاغل انسان‌ها را ماشین‌های انجام خواهند دارد.

در همان حال که توسعه و پیشرفت موضوع مثبت است چالش هم است. مشاغل جدید بسیاری به وجود خواهد آمد که امروزه حتی فکر کردن به چنین مشاغلی برای ما دشوار است. این مشاغل شامل مربی‌های مهدکودک هوش مصنوعی، تعلیم‌دهندگان هوش مصنوعی، متخصصین علوم اخلاق هوش مصنوعی و کنترل‌کنندگان هوش مصنوعی می‌شود.

از این روی باید راجع به چگونگی بازآموزی افرادی که امروز مشاغلی برعهده دارند و در آینده ماشین‌ها جایگزین مشاغل آن‌ها می‌شوند تعمق کنیم. این بازآموزی بزرگ‌ترین بازآموزی نیروهای کار در سراسر تاریخ انسان‌ها خواهد بود. برخی از افراد در مقابل بازآموزی مقاومت خواهند کرد، چه اتفاقی برای این افراد خواهد افتاد؟

برخی از آن‌ها آزادی در پیش می‌گیرند و زندگی‌های‌شان را مجدداً طراحی می‌کنند. امیدوارم در آینده زندگی به معنای کار کردن نباشد بلکه زندگی لذت بردن از زندگی باشد. امیداورم در آینده به مرحله ای برسیم که مردم برای این‌که که می‌خواهند کار کنند نه برای این‌که مجبور هستند. بگذارید ماشین‌های کارهایی را انجام دهند که کسی نمی‌خواهد سراغ آن‌ها برود. و در نهایت به افرادی که فعالیت‌های اجتماعی مهمی از جمله رشد و پرورش کودکان، آموزش دانش‌آموزان و پرستاری از سالمندان را انجام می‌دهند حقوق بیشتری پرداخت کنیم.

 

چگونگی توزیع ثروت

احتمالاً یکی از چالش‌هایی که با آن مواجه می‌شویم چگونگی توزیع ثروت است. اگر شرکت‌ها برای رسیدن به همان میزان بهره‌وری به نیروی کار کمتری نیاز داشته باشند سود ‌آن‌ها ‌ها افزایش پیدا می‌کند. اما معمولاً شرکت‌ها در مالکیت خانواده‌ها و صندوق‌های مشخصیی هستند. امروزه ۴۰ درصد از تمامی شرکت‌های سهامی عام ایالات متحده در مالکیت چهار صندوق بزرگ هستند. در نتیجه این روند افراد ثروتمند رو به روز ثروتمندتر می‌شوند. بخش کوچکی از این ثروت به بخش اداری و اجرایی ( وکلا، بانک‌دارها، کارآفرینان، سرمایه‌گذاران) می‌رسد و مقدار ناچیزی برای ۹۹ درصد باقی‌مانده جمعیت باقی می‌ماند.

پیشنهاد کتاب: «سرمایه در قرن بیست و یکم» اثر توماس پیکتی.

 

جنگ داخلی یا زندگی آرام و بی‌دغدغه؟

با روی کارآمدن فناوری هوش مصنوعی این روند تشدید می‌شود. این‌ فکر که تا ۳۰ سال آینده ۱۰۰ نفر کنترل جهان خواهند گرفت مرا نگران می‌کند. در این‌جا منظور از کنترل بر جهان فقط پول و ثروت نیست بلکه دسترسی به کدهای ماشین و در نتیجه کنترل بر اقتصاد جهانی، صنایع نظامی و اطلاعات است. اگر اکثر مردم اهمیت و کارایی کنونی‌شان را برای سیستم به ویژه در حوزه اشتغال و مصرف از دست بدهند، چه اتفاقی می‌افتاد؟ آیا ایده Club of Rome به حقیقت می‌پیوندد و تعدادمان را (علیرغم میل باطنی) به ۵۰۰ میلیون نفر کاهش می‌دهیم؟

فناوری هوش مصنوعی این کار را ممکن می‌سازد. در نتیجه برای جلوگیری از وقوع جنگ داخلی، باید ثروت را پیشاپیش توزیع کرد. در هر حال بخشی از این ثروت باعث می‌شود که دیگر کسی از فقر و گرسنگی و بی‌خانمانی رنج نبرد. رویکردها و ایده‌های زیادی وجود دارد. در آینده زمان بیشتری را صرف بحث و گفت‌و‌گو راجع به آن‌ها از جمله درآمد و نقدینگی می‌کنیم.

و باید مطمئن شویم در دنیایی زندگی می‌کنیم که هوش مصنوعی در خدمت تمامی انسان‌ها است.

منبع: hooshio.com

۱۰ روند برتر هوش مصنوعی که در سال ۲۰۲۰ اوج می‌گیرند


روند برتر هوش مصنوعی

هوش مصنوعی بدون شک داستان فناوری دهه گذشته بوده است و به نظر نمی‌رسد با طلوع دهه جدید از تب‌وتاب آن کاسته شود. سالها بعد از دهه ۲۰۱۰ به عنوان زمانی یاد می‌شود که ماشین‌هایی که واقعاً می‌توان آن‌ها را “هوشمند” تصور کرد – یعنی مانند انسان‌ها توانایی تفکر و یادگیری پیدا کردند – از داستان‌های علمی تخیلی بیرون آمدند و وارد دنیای واقعی شدند.

اگرچه هنوز هیچ موتور پیش‌بینی‌ای ساخته نشده است که بتواند روند برتر هوش مصنوعی را در دهه آینده ترسیم کند، اما می‌توانیم با اطمینان بالایی از آنچه ممکن است در سال‌های آینده اتفاق بیفتد حرف بزنیم. هزینه‌های تحقیق‌، توسعه و استقرار همچنان رو به افزایش است و بحث در مورد پیامدهای اجتماعی هوش مصنوعی به طور گسترده‌ای ادامه دارد. در همین حال، انگیزه‌ی کسانی که می‌خواهند نوآوری‌های مبتنی بر هوش مصنوعی را در زمینه‌های جدید صنعت، حوزه‌های علمی و زندگی روزمره ما ایجاد کنند  بیشتر می‌شود.

روند برتر هوش مصنوعی

در ادامه درباره موضوعاتی که احتمالاً شاهد ادامه پیشرفت یا ظهور آن‌ها در سال ۲۰۲۰ هستیم، می خوانید.

۱-هوش مصنوعی به طور فزاینده‌ای فرآیندهای تجاری را رصد و اصلاح می‌کند

در حالی که اولین روبات‌ها عمدتا در خطوط تولید و برای انجام کارهای دستی خودکار به کار گرفته می‌شدند، ربات‌های مبتنی بر نرم‌افزار، کارهای تکراری اما ضروری را که ما با رایانه انجام می‌دهیم بر عهده خواهند گرفت. کارهایی همچون پر کردن فرم‌ها، تولید گزارش‌ها، نمودارها و تولید اسناد و دستورالعمل ها از جمله وظایفی هستند که می‌توانند توسط ماشین‌هایی انجام شود که با مشاهده و تقلید رفتارهای ما یاد می‌گیرند تا آن کارها را برای ما سریع‌تر و ساده‌تر انجام دهند. این اتوماسیون- که به عنوان اتوماسیون فرآیند رباتیک شناخته می‌شود – ما را از شر کارهای اداری وقت‌گیر اما ضروری خلاص می‌کند و باعث می‌شود ما وقت بیشتری برای کارهای پیچیده، استراتژیک، خلاقانه و بین‌فردی اختصاص دهیم.

۲- به مرور شخصی سازی بیشتری انجام می‌شود

روند شخصی‌سازی باوجود غول‌های اینترنتی مانند آمازون، علی بابا و گوگل و توانایی آن‌ها در ارائه تجارب و توصیه‌های شخصی با موفقیت پیش می‌رود. هوش مصنوعی به ارائه‌دهندگان کالا و خدمات این امکان را می‌دهد تا با تعامل از طریق درگاه‌های آنلاین و برنامه‌های تلفن همراه  دقت دید بالایی از مشتری را ارائه دهند و به این ترتیب پیش‌بینی‌های هوش مصنوعی با دقت بالایی متناسب با خواسته‌ها و نیازهای ما خواهد بود.

هم اکنون شرکت‌های تحویل دهنده پیتزا همچون  Dominos با کمک هوش مصنوعی می دانند چه زمانی ما به احتمال زیاد پیتزا می‌خواهیم و دکمه “اکنون سفارش دهید” را در یک زمان مناسب پیش روی ما قرار می‌دهند. این روند در  صنایع دیگر نیز اتفاق می‌افتد و آن‌ها راه‌حل‌هایی برای ارائه تجارب شخصی مشتری ارائه می‌دهند.

۳- با دقیق‌تر شدن داده‌ها و و امکان دسترسی بیشتر به آن‌ها هوش مصنوعی نیز به طور فزاینده‌ای مفید می‌شود.

یکی از موانع موجود بر سر راه مشاغل و سازمان‌هایی که می خواهند به سمت تصمیم‌گیری خودکار مبتنی بر هوش مصنوعی حرکت کنند کیفیت اطلاعات موجود است. در سال‌های اخیر با پیشرفت فناوری و روش‌های شبیه‌سازی فرایندها و سازوکارهای موجود در دنیای واقعی در حوزه دیجیتال، داده‌های دقیق به طور فزاینده‌ای در دسترس قرار گرفته‌اند.  به طور مثال شبیه‌سازی به مرحله‌ای رسیده است که تولیدکنندگان و سایر افرادی که در زمینه تولید وسایل نقلیه خودران کار می‌کنند می‌توانند هزاران ساعت داده مربوط به رانندگی بدون وسایل نقلیه به دست آورند که این خود منجر به کاهش چشم‌گیر هزینه و همچنین افزایش کیفیت داده‌هایی می‌شود که می‌توانند جمع شوند. اکنون که کامپیوترها به اندازه کافی قدرتمند هستند و کاملاً دقیق آموزش دیده‌اند تا بتوانند همه داده‌ها را در دنیای دیجیتال شبیه‌سازی کنند  چرا باید هزینه‌ی بالا  و خطر آزمایش سیستم‌های هوش مصنوعی ر را در دنیای واقعی به جان بخریم؟ سال ۲۰۲۰ شاهد افزایش دقت و در دسترس بودن شبیه سازی‌های واقعی خواهیم بود که به نوبه خود منجر به هوش مصنوعی قدرتمندتر و دقیق‌تری می‌شود.

۴-دستگاه‌های بیشتری از فناوری مبتنی بر هوش مصنوعی استفاده خواهند کرد

همزمان که سخت‌افزار و تخصص مورد نیاز برای به‌کارگیری هوش مصنوعی ارزان‌تر می‌شود و بیشتر در دسترس قرار می‌گیرد، ما شاهد استفاده از این فناوری نوین در تعداد بیشتری از ابزارها، گجت‌ها و دستگاه‌ها خواهیم بود. در سال ۲۰۱۹ ما از برنامه‌هایی استفاده کردیم که با استفاده از هوش مصنوعی در رایانه‌ها، تلفن‌ها و ساعت‌ها پیش‌بینی‌ها را در اختیار ما قرار می‌دادند. با واردشدن به دهه جدید و کاهش هزینه‌های سخت‌افزاری و نرم‌افزاری، ابزارهای هوش مصنوعی به طور فزاینده‌ای در وسایل نقلیه، لوازم خانگی و ابزارهای کار ما به کار گرفته می‌شوند. با استفاده از قدرت هوش مصنوعی در نمایشگرهای واقعیت مجازی و واقعیت افزوده و پارادایم‌هایی مانند ابر و اینترنت اشیا، در سال‌های آینده دستگاه‌های بیشتری در شکل و اندازه‌های مختلف شروع به فکر کردن و یادگیری می‌کنند.

۵-همکاری انسان و هوش مصنوعی افزایش می‌یابد

در آینده بسیاری از انسان‌ها در زندگی روزمره خود به کار در کنار ابزارها و ربات‌های مجهز به هوش مصنوعی عادت خواهند کرد. به تدریج ابزارهایی ساخته خواهد شد که به ما امکان می‌دهد از مهارت‌های انسانی خود – که هنوز هوش مصنوعی کاملاً قادر به مدیریت آن‌ها نیست – نهایت استفاده را ببریم؛ مهارت‌هایی همچون تخیل، طراحی، استراتژی و ارتباطات. برای بسیاری از ما، این به معنای یادگیری مهارت‌های جدید، یا حداقل روش‌های جدید برای استفاده از مهارت‌های‌مان در کنار این ابزارهای جدیدِ رباتیک و مبتنی بر نرم افزار است. IDC پیش‌بینی می‌کند که تا سال ۲۰۲۵ ، ۷۵٪ از سازمان‌ها برای بازآموزی کارکنان سرمایه‌گذاری می‌کنند تا شکاف‌های مهارتی ناشی از نیاز به استفاده از هوش مصنوعی را پر کنند. این روند در طول سال ۲۰۲۰ به طور فزاینده‌ای آشکار خواهد شد تا جایی که اگر کارفرمای شما روی ابزار و آموزش هوش مصنوعی سرمایه گذاری نکند، ممکن است در سال‌های آینده مشکل‌ساز شود.

۶-هوش مصنوعی در لبه محاسبات

بیشتر هوش مصنوعی که در زندگی روزمره با آن ارتباط برقرار کرده‌ایم در ” ابر” اتفاق می‌افتد. هنگامی که ما در گوگل جستجو می‌کنیم یا توصیه‌های نتفلیکس را مرور می‌کنیم، الگوریتم‌های پیچیده و مبتنی بر داده در  پردازنده‌هایی قوی اجرا می‌شوند. این مراحل در دیتاسنترهای از راه دور اتفاق می‌افتد و دستگاه‌هایی که در دست ما هستند یا رایانه‌های رومیزی ما به سادگی به عنوان مجرای عبور اطلاعات عمل می‌کنند. با این حال به تدریج، با کارآیی بیشتر این الگوریتم‌ها و قابلیت کار روی دستگاه‌های کم‌مصرف، هوش مصنوعی در لبه رایانش استفاده می‌شود. این الگو در سال ۲۰۲۰ و بعد از آن محبوبیت بیشتری پیدا خواهد کرد. پردازنده‎‌های سفارشی طراحی شده برای انجام تجزیه و تحلیل‌های فوری، به طور فزاینده‌ای به بخشی از فناوری ما در تعامل روزمره تبدیل می‌شوند و ما قادر به انجام این کار خواهیم بود حتی اگر اتصال  اینترنت یکپارچه‌ای نداشته باشیم.

۷-هوش مصنوعی به طور فزاینده‌ای برای ایجاد فیلم، موسیقی و بازی استفاده می‌شود

هنوز هم انسان‌ها در بسیاری از کارها عملکرد بهتری از هوش مصنوعی دارند حتی در سال ۲۰۲۰. کسانی که آثار تولید‌شده به وسیله هوش مصنوعی  از جمله در موسیقی، شعر یا داستان سرایی را دیده‌اند احتمالا موافق باشند که پیشرفته‌ترین ماشین‌ها نیز  کماکان راهی دور و دراز در پیش دارند تا اثری هنری را تولید کنند که با اثر تولیدشده توسط انسان برابری کند. با این حال ، احتمالاً تأثیر هوش مصنوعی بر روی رسانه‎های سرگرمی افزایش می‌یابد. ما امسال در فیلم مرد ایرلندی شاهد بودیم که چگونه رابرت دنیرو با کمک هوش مصنوعی جلوی چشمان ما پیر شد. استفاده از هوش مصنوعی در ایجاد جلوه‌های بصری و ترفندهای کاملا جدید به احتمال زیاد رایج می‌شود و در بازی‌های ویدیویی از هوش مصنوعی برای ایجاد حریفانی چالش‌برانگیز که همانند انسان عمل می‌کننند استفاده می‌شود. همچنین برای اینکه بازی‌ها همچنان بتوانند جذاب باشند و مهارت گیمرها را در هر سطحی از بازی به چالش بکشند هوش مصنوعی نقشی قابل توجه خواهد داشت . اما گرچه موسیقی تولید شده توسط هوش مصنوعی چنگی به دل نمی‌زند با این حال الگوریتم‌های استفاده شده در برنامه‌هایی همچون اسپاتیفای کمک کرده است تا لیست‌های پخش هوشمند را متناسب با آهنگ و سرعت زندگی روزمره تنظیم کنیم.

۸-هوش مصنوعی بیش از پیش در امنیت سایبری حضور خواهد یافت

اگرچه به مرور زمان حملات هک، فیشینگ و مهندسی اجتماعی پیچیده‌تر شده‌اند و حتی از  هوش مصنوعی و الگوریتم‌های پیش‌بینی پیشرفته کمک می‌گیرند اما از سوی دیگر  فناوری هوشمند نقش مهمی در محافظت از ما در برابر این آسیب‌ها و مزاحمت‌ها که زندگی ما را تهدید می‌کند خواهد داشت. از هوش مصنوعی می‌توان برای یافتن سرنخ‌هایی که نشان‌دهنده فعالیت دیجیتالی هستند و  احتمالاً شاخصی از یک فعالیت مخرب است اسنفاده کرد. بدین ترتیب می‌توان قبل از به خطر افتادن اطلاعات حساس، سطح هشدارها و آمادگی را بالا برد. همچنین عرضه ۵G و سایر فناوری‌های ارتباطی بی‌سیم فوق العاده سریع، فرصت‌های بزرگی را برای مشاغل فراهم می‌کند تا خدمات خود را به روش‌های جدید و ابتکاری ارائه دهند. از سوی دیگر این فناوری‌ها به طور بالقوه ما را در برابر حملات سایبری پیچیده آسیب‌پذیرتر  می‌کند. هزینه‌کردن برای امنیت سایبری همچنان افزایش می‌یابد و افرادی که مهارت‌های مربوطه را دارند بسیار مورد توجه قرار می‌گیرند.

۹-بسیاری از  ما شاید حتی بدون اینکه خودمان بدانیم با هوش مصنوعی ارتباط برقرار خواهیم کرد

بگذارید با این حقیقت روبرو شویم که علی‌رغم سرمایه‌گذاری کلان در سال‌های اخیر در چت‌بات‌های قدرت‌گرفته از زبان طبیعی که در خدمات مشتریان استفاده می‌شود، بسیاری از ما می‌توانیم تشخیص دهیم که با یک ربات در حال صحبت کردن طرف هستیم یا انسان. با این وجود، همزمان با ادامه رشد دیتاست‌های مورد استفاده برای آموزش الگوریتم‌های پردازش زبان طبیعی، تشخیص مرز بین انسان و ماشین سخت‌تر و دشوارتر می شود. درواقع با ظهور یادگیری عمیق و مدل‌هایی همچون یادگیری تقویتی، الگوریتم‌هایی که تلاش می‌کنند الگوهای گفتاری ما را تطبیق دهند و معنی را از زبان انسانی ما دریافت کنند، بیش از پیش می‌توانند ما را گمراه کنند و ما فکر کنیم در حال مکالمه با یک انسان هستیم. اگرچه ممکن است بسیاری از ما ترجیح دهیم هنگام جستجوی اطلاعات یا کمک‌گرفتن با یک انسان سروکار داشته باشیم با این حال اگر ربات‌ها بتوانند کارآیی و دقت بیشتری در تفسیر سوالات ما داشته باشند ترجیح ما می تواند تغییر کند. با توجه به سرمایه‌گذاری مداوم و رشد فناوری‌هایی که خدمات مشتری و چت بات‌ها را ارائه می‌دهند، سال ۲۰۲۰ می‌تواند سالی باشد که بسیاری از ما متوجه نشویم که در حال صحبت کردن با یک ربات هستیم.

۱۰-هوش مصنوعی ما را تشخیص خواهد داد، حتی اگر ما آن را تشخیص ندهیم

گسترش فناوری تشخیص چهره با انتقال به دهه آینده بیشتر خواهد شد. این موضوع منحصر به چین نیست و در سراسر جهان اتفاق خواهد افتاد. شرکت‌ها و دولت‌ها به طور فزاینده‌ای روی این روش‌ها سرمایه‌گذاری می‌کنند تا بدانند که ما چه کسی هستیم و فعالیت و رفتار ما را زیرنظر بگیرند. با این حال عقب‌گردهایی نیز وجود دارد. در این سال، سانفرانسیسکو اولین شهر بزرگی بود که استفاده از فناوری تشخیص چهره توسط پلیس و آژانس‌های شهرداری را ممنوع کرد و دیگران احتمالاً در سال ۲۰۲۰ نیز این ممنوعیت را اعمال کنند. اکنون سوال این است که آیا مردم در ازای افزایش امنیت و راحتی‌ای که این فناوری برای آنان به ارمغان خواهد اورد، آیا این نقض حریم شخصی را به طور گسترده خواهند پذیرفت؟ این موضوع احتمالاً بحث داغ روزهای پیش رو در روند برتر هوش مصنوعی خواهد بود. شما چه فکر می‌کنید؟
 

منبع: hooshio.com

چگونه می توانیم یک قطب علمی هوش مصنوعی ایجاد کنیم؟

هوش مصنوعی در چند دهه اخیر، یکی از تاثیرگذارترین فناوری‌های حوزه کسب‌وکار بوده و نقش پررنگی دربهینه‌سازی بسیاری از فرآیندهای سازمانی داشته است. ما بر این باوریم که امروزه در هر شرکتی باید یک قطب علمی هوش مصنوعی وجود داشته باشد. این فناوری یک ابزار مهم در حوزه تجارت است که نباید با بی‌توجهی از کنار آن گذشت.

هوش مصنوعی پایه و اساس برخی از ارزشمندترین سامانه‌های امروزی را تشکیل می‌دهد و به‌زودی تبدیل به بخش جداناپذیری از دنیای کسب‌وکار و تجارت خواهد شد. علاوه براین، قابلیت‌های هوش مصنوعی باید در طول زمان پایدار بمانند تا بتوان به کمک آن، مدل‌های جدید کسب‌وکار را توسعه داده و پشتیبانی کرد. درحال‌حاضر، بسیاری از شرکت‌ها بخش قابل توجهی از منابع مالی خود را به فن‌آوری هوش مصنوعی اختصاص داده‌اند. افرادی که در این حوزه دارای مهارت‌های ضروری و تجربه باشند بسیار کمیابند، به همین دلیل نیز باید این افرادی را گرد هم آورد تا به شکلی منسجم با یک دیگر به تعامل و همکاری بپردازند. همان‌طور که تجارت الکترونیک باعث ایجاد مشاغل و تیم‌های جدیدی همچون مدیر ارشد دیجیتال و تیم پشتیبانی آنلاین شد، هوش مصنوعی نیز منجر به ایجاد یک قطب علمی و نقش‌هایی تازه در سازمان‌ها خواهد شد.
ایده ایجاد یک مرکز یا قطب علمی هوش مصنوعی، یک ایده افراطی نیست. اخیراً در یک نظرسنجی، از هیئت مدیره شرکت‌های بزرگی که از هوش مصنوعی استفاده می‌کنند، سؤالاتی پرسیده شد. ۳۷% از این مدیران در پاسخ گفتند که هم‌اکنون یک قطب علمی هوش مصنوعی در سازمان خود دارند. بانک دویچه ، جی‌.پی. مورگان چیس ، پِفیزر ، پروکتِر و گامبِل ، انتِم و شرکت بیمه کشاورزان در میان شرکت‌های غیر فناوری هستند که تیم‌هایی متمرکز و منسجم در حوزه هوش مصنوعی دارند.
برخی از فناوری‌های مبتنی بر هوش مصنوعی از قبیل یادگیری ماشینی در میان سازمان‌ها شناخته شده‌اند. اما یادگیری ماشینی ریشه در رگرسیون آماری دارد و همین مسئله باعث می‌شود که ایده ادغام تیم‌های تحلیل و هوش مصنوعی به ذهن خطور کند. اگر در سازمان خود یک تیم تحلیل‌گر دارید که پیش‌بینی‌های تحلیلی انجام می‌دهد، اعضای این تیم که به یادگیری و پیشرفت علاقه‌مندند، می‌توانند در پروژه‌های هوش مصنوعی شرکت کنند و در این حوزه تخصص کسب نمایند. در این صورت، ادغام تیم‌ها در سازمان منطقی خواهد بود.

وظایف تیم هوش مصنوعی

یک تیم هوش مصنوعی چه از دل یک تیم تحلیل‌گر ایجاد شده باشد، چه یک تیم کاملاً جدید باشد، مسئولیت‌های زیادی بر عهده خواهد داشت. تیم هوش مصنوعی برای انجام برخی از این وظایف (از قبیل طراحی و توسعه مدل‌ها و سیستم‌های هوش مصنوعی، همکاری با نمایندگی‌های فروش و ایجاد زیرساخت فنی) می‌تواند با شرکت‌های فعال در حوزه فناوری اطلاعات همکاری کند. برخی دیگر از فعالیت‌های تیم هوش مصنوعی نیز نیازمند همکاری با مدیران کسب‌وکارها است. اگر چه این همکاری‌ها از اهمیت زیادی برخوردارند، اما برخی مسئولیت‌ها نیز تنها بر عهده تیم هوش مصنوعی خواهند بود؛ این مسئولیت‌ها به شرح زیر می‌باشند:
تعریف چشم‌انداز شرکت در حوزه هوش مصنوعی: متخصصین حوزه هوش مصنوعی باید ماهیت هوش مصنوعی، توانایی‌ها، قابلیت‌ها و کاربرد آن در طراحی و تعریف مدل‌ها و استراتژی‌های کسب‌وکار را برای مدیران اجرایی بازگو کنند؛ در غیر این صورت، ممکن است نتوانیم از حداکثر قابلیت‌های هوش مصنوعی بهره ببریم.
تشریح کاربردهای هوش مصنوعی در حوزه تجارت و کسب‌وکار: توسعه‌دهندگان قابلیت‌های هوش مصنوعی باید فهرستی از اولویت‌های شرکت برای به‌کارگیری هوش مصنوعی داشته باشند تا بتوانند میان ارزش راهبردی این کاربردها و اهداف شرکت تعادل برقرار کنند. شرکت‌ها ممکن است تنها برای آزمون و خطا وارد برخی از حوزه‌های کاربردی هوش مصنوعی شوند، اما درعین حال، باید برای خود مسیری روشن نیز ترسیم کنند که منتهی به تولید محصولات و خدمات مبتنی بر هوش مصنوعی شود.
هدف‌گذاری مناسب و واقع‌گرایانه: هوش مصنوعی به جای مشاغل و فرآیندهای کلی کسب‌وکار، کارها و فعالیت‌های جزئی را هدف قرار می‌دهد؛ به همین دلیل بهترین استراتژی برای تعریف پروژه‌های هوش مصنوعی داشتن دیدگاهی واقع‌گرایانه است نه بلندپروازانه. اما درهمین‌حین، سازمان باید تعداد زیادی پروژه‌ کوچک را در یک حوزه مشخص تعریف و اجرا کند تا بتواند توجه مدیریت شرکت را جلب کرده و در دنیای کسب‌وکار مؤثر واقع شود. این کار نیازمند طراحی نقشه مسیر و تعیین کاربردهای هوش مصنوعی در طول زمان است. مرکز هوش مصنوعی می‌تواند به یک شرکت کمک کند که «درعین حال که بزرگ می‌اندیشد، قدم‌های کوچکی بردارد».
تعیین معماری هدف برای داده‌ها: چشم‌انداز و کاربردهای هوش مصنوعی تعیین‌کننده سامانه داده‌ای و ابزارهای موردنیاز سازمان خواهند بود. نکته کلیدی هر پروژه (مبتنی بر داده) این است که همه انواع داده‌ها (یعنی داده‌های ساختاریافته، ساختارنیافته و خارجی) در آن‌ها لحاظ شوند. امروزه به‌طور معمول هَدوپ سامانه‌ای استاندارد برای مدیریت داده‌ درنظر گرفته می‌شود، اما مرکز هوش مصنوعی باید بین استفاده از سامانه‌های محلی یا ابری و راه‌حل‌های متن‌باز و عمومی یا مجوزدار تصمیم بگیرد(برای مثال، شرکت‌ها می‌توانند از یکی از سامانه‌های هدوپِ کلودرا ، سرویس‌های تحت وب آمازون و یا سامانه‌های متن‌باز استفاده کنند). درحال حاضر اکثر شرکت‌ها به جای استفاده از پکیج‌های ابزاری که در گذشته مبتنی بر هوش تجاری بودند (همچون نسخه‌های ابتدایی SAS و SPSS)، از ابزارهای تحلیلی آماده‌ای استفاده می‌کنند که بخش‌هایی از آن‌ها متن‌باز است (همچون Alteryx) و به کمک آن‌ها می‌توان به سرعت، مدل‌هایی کاربرپسند طراحی کرد.
آگاهی از نوآوری‌های برون‌سازمانی: تیم هوش مصنوعی می‌تواند به شرکت کمک کند تا روابطش با دانشگاه‌ها، مراکز فروش، استارت‌آپ‌های مبتنی بر هوش مصنوعی و سایر متخصصین و نوآوران را بهبود بخشد. شرکت‌ها می‌توانند یک اکوسیستم هوش مصنوعی ایجاد کنند و حتی روی شرکت‌های کوچک‌تری که می‌توانند برای کسب‌وکار آن‌ها ارزش‌آفرین باشند، سرمایه‌گذاری کنند. به علاوه، آگاهی از نوآوری‌ها جدید به شرکت کمک می‌کند تا بهترین ابزارها و فناوری‌ها را در اختیار بگیرد.
ایجاد شبکه‌ای متشکل از حامیان هوش مصنوعی: در صورت ایجاد شبکه‌ای متشکل از طرفدارن و حامیان، به‌کارگیری فناوری در حوزه کسب‌وکار، عملکرد مرکز هوش مصنوعی به بالاترین سطح خود خواهد رسید. فرآیند ایجاد چنین شبکه‌ای در بسیاری از شرکت‌ها آغاز شده است. براساس نظرسنجی سازمان حسابرسی دلویت در سال ۲۰۱۸، ۴۵% از شرکت‌ها، مدیران ارشد خود را به عنوان حامی و طرفدار هوش مصنوعی معرفی کردند. با تجاری‌سازی شدن برنامه‌نویسی (در اثر روی کار آمدن زبان‌های برنامه‌نویسی آسانی همچون R و پایتون)، شرکت‌ها برای ایجاد قابلیت‌های درون‌سازمانی باید به‌جای برنامه‌نویسی، بیشتر بر مباحث مدل‌سازی آماری و ریاضی متمرکز شوند.
انتشار داستان موفقیت‌ها: یکی از عوامل کلیدی در موفقیت هوش مصنوعی و یا هر فناوری جدیدی، انتشار داستان موفقیت‌ها و دست‌آوردهای اولیه آن در حوزه‌هایی است که برای مخاطبین در اولویت قرار دارند. بدین ترتیب می‌توان اشتیاق و رغبت افراد به فعالیت‌های مبتنی بر هوش مصنوعی را افزایش داد. بازگو کردن این قبیل داستان‌ها می‌تواند نوعی بازاریابی برای مرکز هوش مصنوعی نیز باشد.

جذب و پرورش استعدادها

یک عامل بسیار مهم در موفقیت مرکز هوش مصنوعی، جذب و یا پرورش افراد مستعد است. این حقیقت بر هیچ‌کس پوشیده نیست که استخدام یک مهندس هوش مصنوعی یا دانشمند داده (آماردان) حرفه‌ای حتی در سیلیکُون وَلی نیز تا چه حد دشوار است. سازمان‌ها اغلب برای طراحی و اجرای الگوریتم‌های هوش مصنوعی به تعداد زیادی نیروی انسانی نیاز ندارند و افرادی که دکترای هوش مصنوعی یا علوم رایانه داشته باشند، برای این جایگاه شغلی مناسبند. اما برای به انجام رسیدن بسیاری از امور مربوط به کسب‌وکار در یک مرکز هوش مصنوعی، به تحلیل‌گرانی با مدرک دانشگاهی MBA نیاز است که با مفاهیم و قابلیت‌های هوش مصنوعی آشنایی داشته و بتوانند از ابزارهای خودکار یادگیری ماشینی استفاده کنند. البته می‌توانید در ابتدا با استخدام مشاورین و فروشندگان، کار بر روی پروژه‌های ساده و اولیه را آغاز کنید. اما ادغام این تیم با سایر تیم‌های شرکت اجتناب‌ناپذیر است.
ممکن است شما به تازگی به فکر پرورش استعدادها در حوزه هوش مصنوعی افتاده باشید. آموزش مباحث هوش مصنوعی به کارمندانی که حتی اندکی با علوم داده‌ای آشنا هستند، غیرممکن نیست. برخی از شرکت‌ها همچون سیسکو با همکاری دانشگاه‌ها، دوره‌های آموزشی در حوزه علم داده برای کارمندان خود برگزار کردند. این دوره‌ها در انتها متخصصینی دارای مدرک معتبر به شرکت تحویل دادند. این رویکرد را می‌توان در حوزه هوش مصنوعی نیز به کار بست.
شرکت‌هایی همچون ریپلای و دیتاروبوت و دانشگاه‌هایی همچون اِم‌آی‌تی ، دوره‌های آموزشی کوتاه و جامعی ارائه می‌دهند که در آن‌ها مهارت‌های متناسب با نیاز شرکت‌ها و یا به‌طورکلی‌تر، مهارت‌های موردنیاز در حوزه هوش مصنوعی، به دانش‌جویان آموزش داده می‌شود.

فرآیندها و ساختارهای سازمانی

درواقع نمی‌توان با قاطعیت گفت کدام‌یک از انواع ساختارهای سازمانی مناسب یک مرکز هوش مصنوعی است، اما ما بر این باوریم که سازمان‌ها در اغلب موارد، با ایجاد یک ساختار متمرکز و داشتن کارمندانی رسمی که باید در برابر یک واحد اداری فراگیر پاسخ‌گو باشند، موفق‌تر خواهند بود. همان‌طور که می‌دانید، افراد بااستعداد در حوزه هوش مصنوعی کمیابند، به همین دلیل، اگر این افراد در سازمان پراکنده باشند، نمی‌توان یک تیم قدرتمند ساخت. براساس تجربه‌ای که در زمان ایجاد تیم تحلیل‌گر به‌دست آوردیم، متمرکزسازی فعالیت‌ها منجر به افزایش رضایت شغلی و بقای این قبیل نقش‌ها در سازمان خواهد شد.
برای پرهیز از تشریفات غیرضروری اداری، تیم متمرکز هوش مصنوعی باید به تعدادی از اعضای خود وظایفی در حوزه امور اداری بدهد، البته منظور اموری است که ممکن است تیم هوش مصنوعی به آن‌ها نیاز پیدا کند. بدین ترتیب، کارمندان مرکز هوش مصنوعی با مسائل و مشکلات اداریِ تیم نیز آشنا خواهند شد و می‌توانند با مدیران کلیدی شرکت ارتباط برقرار کنند. تغییر وظایف و مسئولیت‌های افراد در درون یک واحد اداری می‌تواند دانش افراد را افزایش و روند انتقال دانش میان آن‌ها را بهبود بخشد. با فراگیر شدن هوش مصنوعی، کارمندان رسمی می‌توانند خطوط گزارش‌دهی سازمانی و اولیه خود را به بخش‌های اداری منتقل کنند.
تیم هوش مصنوعی باید در زمینه‌های مختلفی گزارش تهیه کند، اما از نظر ما بهترین تیم برای دریافت این گزارش، تیمی است که مسئول طراحی راهبردها و فعالیت‌های دیجیتال شرکت باشد. شرکت ProSiebenSat.1 (که بزرگ‌ترین شرکت خصوصی رسانه‌ای در آلمان است) تیم تحلیل داده خود را بین دو تیم کسب‌وکار تجاری و فناوری اطلاعات قرار داده تا بتواند بر روی طراحی یک مدل کسب‌وکار جدید در حوزه اقتصاد سامانه‌ای تمرکز کند. تیم‌های هوش مصنوعی و تحلیل در شرکت Versicherungskammer (بزرگترین شرکت دولتی بیمه‌ در آلمان) گزارش‌های خود را به مدیر ارشد اطلاعات این شرکت ارائه می‌دهند. تیم هوش مصنوعی شرکت پروکتر اند گامبل نیز با تلاش مشترک تیم‌های تحقیق و توسعه (R&D) و فناوری اطلاعات (IT) شکل گرفت. در شرکت اَنتم، قطب علمی هوش مصنوعی گزارش فعالیت‌های خود را به مدیر ارشد دیجیتال این شرکت ارائه می‌دهد.
در اجرای پروژه‌های هوش مصنوعی همچون بسیاری از پروژه‌های فناوری دیگر، داشتن سرعت مهم‌ترین عامل موفقیت است. بنابراین، تعریف دستاوردهای کوتاه‌مدت و برگزاری جلسات مکرر با سهام‌داران بهترین راهبرد برای اجرای این قبیل پروژه‌هاست. البته، اگر سیستم به توسعه یا یکپارچه‌سازی اساسی نیاز داشته باشد، می‌توان سایر روش‌های سنتی مدیریت پروژه را نیز به‌کار گرفت.
ممکن است برخی از فعالیت‌های هوش مصنوعی با اصول اخلاقی تناقض داشته باشد، به همین دلیل هرگز نباید در صورت مواجهه با چنین مسائلی، آن‌ها را نادیده بگیرید. ممکن است یک شرکت قصد داشته باشد که به عنوان بخشی از فعالیت‌های خود در زمینه هوش مصنوعی، موضعی اخلاقی اتخاذ کند یا یک هیئت بازنگری در این زمینه تشکیل دهد. برای مثال، در شرکت مایکروسافت سمت جدیدی با عنوان «کارشناس اخلاق‌شناسی در حوزه هوش مصنوعی» تعریف شده است که کمک به سایر کسب‌وکارها در حوزه مسائل اخلاقی هوش مصنوعی از جمله بایاس الگوریتمی و بررسی تأثیرات نرم‌افزارهای هوش مصنوعی بر مصرف‌کنندگان از جمله وظایف این کارشناس است.
کسب‌وکارها برای رسیدن به موفقیت باید منابع خود را نظم بخشیده و تمرکز آن‎ها را حفظ کنند. همان‌طور که می‌دانید افراد بااستعداد و متخصص در حوزه هوش مصنوعی کمیابند و به همین دلیل، این افراد به عنوان یکی از منابع موردنیاز شرکت برای ایجاد یک قطب علمی در حوزه هوش مصنوعی، اهمیت بیشتری از سایر منابع خواهند داشت. به نظر ما، در عمل یک سازمان نمی‌تواند بدون تخصیص یک بخش مجزا به هوش مصنوعی و کاربردهای آن، موفقیت چشم‌گیری در این حوزه کسب نماید.

منبع: hooshio.com