خانه > تازه ها > هوش مصنوعی در سال ۲۰۲۰ – قسمت اول
هوش مصنوعی سال 2020 قسمت اول

هوش مصنوعی در سال ۲۰۲۰ – قسمت اول

در این مطلب که در دو قسمت آماده شده، به بررسی اهمیت استفاده هوش مصنوعی (AI) و راه های استفاده از آن در صنایع مختلف را بررسی خواهیم کرد. در قسمت اول، به تعریف هوش مصنوعی، معرفی دست آورد ها و اهمیت استفاده از آن در صنایع خواهیم پرداخت. در قسمت دوم، بررسی خواهیم کرد که چگونه می توان هوش مصنوعی  را در صنایع مختلف به کار گرفت. به منظور درک استفاده از هوش مصنوعی توسط تجارت های بزرگ، بهتر است ابتدا به بررسی مفهوم هوش مصنوعی بپردازیم.

مقاله مرتبط :

 

چرا هوش مصنوعی در مرکز توجه قرار گرفته است؟

در فضای تکنولوژی، سازمان ها و مشاغل مختلف به فناوری هایی احتیاج دارند که موجب تقویت بهره وری می شوند. به همین خاطر، سازندگان نرم افزارهای سازمانی در تلاش هستند تا هوش مصنوعی را به استراتژی های تولیدی خود اضافه کنند.

تحلیلگر معروف، گارتنر بر این باور است که تا سال ۲۰۲۰، فناوری هوش مصنوعی تقریباً در تمام محصولات و سرویس های جدید راه پیدا کرده و فراگیر می شود.

طبق مطالعات Tractica روی بازار هوش مصنوعی، درآمد حاصل از این فناوری در سراسر دنیا تا سال ۲۰۲۵ به بیش از ۶۰ میلیون دلار خواهد رسید.  

تعریف هوش مصنوعی

طبق تعریف گارتنر، هوش مصنوعی یک فناوری هوشمند است که معمولاً از طریق یادگیری، عملکرد انسان را تقلید کرده، قادر به نتیجه گیری بوده، محتویات پیچیده را درک کرده، از دیالوگ های طبیعی بهره گرفته، کارایی شناختی انسانی را بهبود بخشیده و جایگزین انسان در اجرای فعالیت های غیر روزمره می شود.

نمودار پیشرفت بازار هوش مصنوعی
منبع : Tractica

بزرگ ترین بخش درآمد، از بازار هوش مصنوعی برنامه های سازمانی و اجرای فعالیت هایی مثل شناسایی تصویر، شناسایی اشیاء، تشخیص و کلاس بندی، و همینطور تشخیص ویژگی های ژئوفیزیکی خودکار حاصل می شود. 

فاکتورهای دخیل در رشد و گسترش هوش مصنوعی سازمانی عبارتند از:

  • وجود پلتفرم های هوش مصنوعی که دسترسی برابر و همگانی را فراهم می آورند، مثل یادگیری ماشین آمازون و تنسورفلو گوگل. به بیان بهتر، تجارت ها دیگر به تیم متخصص داده ها برای اِعمال هوش مصنوعی و آماده سازی سیستم های داده ای احتیاج ندارند.
  • آگاهی یافتن صنایع متعدد نسبت به این موضوع که خلاقیت ها و ابتکارات مبتنی بر هوش مصنوعی، می توانند از طریق تغییر رویۀ کاری، موجب تحول سازمان شوند.
  • افزایش قابل ملاحظه در سرمایه گذاری توسط شرکت های سرمایه گذاری و یا سرمایه گذاران فرشته در کمپانی های استارت آپ مبتنی بر هوش مصنوعی.

گسترش کاربرد فناوری هوش مصنوعی به میزان دسترس پذیری آن بستگی دارد. بنابراین جایگاه فعلی، لحظه ورودی هوش مصنوعی و آینده ما چگونه خواهد بود؟ جایگاه فعلی ما با وجود اتوماسیون و کاربرد گستردۀ آن در دنیای تجاری و مشاغل مختلف، مشخص است. 

نقش اتوماسیون تجارت

اتوماسیون از مدت ها پیش وارد سازمان های امروزی شده، به طوری که ماشین های نرم افزاری، از قوانین برنامه نویسی شده برای اجرای فعالیت های تکراری استفاده می کنند، نظیر ربات هایی که در خط تولید و مونتاژ هستند. وجود این ماشین های برنامه نویسی شده، موجب افزایش بهره وری می شود، اما علاوه بر بهره وری، مزایای دیگری از جمله هزینۀ پایین تر، کیفیت بالاتر و زمان کمتر را نیز با خود به همراه می آورند.

اتوماسیون ممکن است با سرعت متفاوتی در صنایع اِعمال شود. فاکتورهای تأثیرگذار روی این سرعت عبارتند از: آمادگی برای تغییر، هزینۀ فناوری جدید، پویایی بازار کار، و قانون گذراری و تغییرات اقتصادی.

نمودار زیر، امکان پذیری فنی و عملی شدن اتوماسیون در صنایع متفاوت نشان می دهد (در قالب درصد فرایندهایی که قادر به اتوماسیون هستند). همانطور که مشاهده می کنید، ۶۰ درصد از فعالیت های مربوط به حوزه های مالی و سازندگی قابل اتوماسیون هستند.

نمودار پتانسیل استفاده از هوش مصنوعی در صنایع
منبع : McKinsey & Company

مکنزی به تازگی، تأثیر گذاری هوش مصنوعی را به صورت “اتوماسیون استروئیدی” تعریف کرده است. به این معنی که تعداد چیزهایی که به وسیلۀ کامپیوتر اتوماسیون می شوند، روز به روز افزایش می یابند، مثل افزایش فعالیت های فنی پیچیده و دشوار برای سطوح بهره وری انبوه.

با اینکه عبارات اتوماسیون و هوش مصنوعی غالبا (به اشتباه) به جای یکدیگر به کار گرفته می شوند، درک تفاوت بین این دو از اهمیت بالایی برخوردار است. در حال حاضر، اکثر سیستم های خودکار بر اساس قوانین عمل می کنند و به طور کلی به منظور بهبودیابی و ارتقای مستقل و جداگانه طراحی نشده اند. اما مفهوم هوش مصنوعی به تقلید رفتار انسان به وسیلۀ ماشین ها و تصمیم گیری های خودمختارانه اشاره می کند.

” من اغلب به دانشجوهای خود تذکر می دهم که عبارت هوش مصنوعی را به طور اشتباه برداشت نکنند، هیچ چیز مصنوعی و ساختگی در این میان وجود ندارد. هوش مصنوعی یا همان هوش مصنوعی به وسیلۀ انسان ساخته می شود و تلاش می کند تا شبیه به انسان رفتار کرده و در نهایت، به روی زندگی و جامعۀ انسانی تأثیر بگذارد. “

– فی فی لی ، استادیار علوم کامپیوتر در دانشگاه استنفورد

هوش مصنوعی پیشرفته مبتنی بر فضای ابری

هوش مصنوعی در اصل به فناوری های کامپیوتری گفته می شود که از نحوۀ استفادۀ انسان از مغز و سیستم های عصبی خود جهت استدلال و تصمیم گیری الهام گرفته و به آن مربوط می شوند.

هوش مصنوعی امروزه پیشرفت بسیاری پیدا کرده است. این فناوری به اندازه ای توسعه یافته که می توان کامپیوترها را به عنوان موجودیت هایی با هوش واقعی در نظر گرفت که علاوه بر درک زبان طبیعی، قادر به تصمیم گیری خودمختارانه هستند.

چنین موضوعی، با استفاده از فناوری ابری و کاربرد قدرت پردازش محاسباتی بسیار بالا امکان پذیر است. محیط ابری به سازمان ها و تجارت ها اجازه می دهد تا به مجموعه داده های بزرگی دست پیدا کرده و سیستم های خود را با مقیاس لازم جهت ارائۀ سرویس های مبتنی بر داده های فشرده، مطابقت دهند. محققین و دانشمندان کامپیوتری حالا با استفاده از محاسبات و کامپیوترهای قدرتمند می توانند مدل های داده بسیار پیچیده و دشوار را به اجرا درآورند.

این امر موجب ظهور شاخه های متعددی از هوش مصنوعی، نظیر یادگیری عمیق شده است، که فعالیت در لایه های نوترونی در نئوکورتکس را شبیه سازی و تقلید می کند. نئوکورتکس بخشی از مغز است که تفکر در آن صورت می گیرد. بدین ترتیب، نرم افزارهای مجهز به یادگیری عمیق می توانند الگوهای موجود در رکوردهای دیجیتالی صوتی یا تصویری را به راحتی و با دقت زیادی شناسایی کنند.  

به بیان بهتر، ماشین های هوشمند قادر خواهند بود تا از داستان های علمی – تخیلی فراتر رفته و تحولی را صنایع مختلف نظیر کارخانه جات، حمل و نقل، امور مالی و مراقبت بهداشتی به وجود آورند.

هوش مصنوعی و زیرشاخه های آن
منبع : McKinsey & Company

سه نوع هوش مصنوعی مهم وجود دارد:

یادگیری ماشین

یادگیری ماشین شامل طراحی الگوریتم هایی می شود که به کامپیوترها اجازه می دهند تا بدون برنامه ریزی صریح، عمل کنند. این کامپیوترها می توانند حجم عظیمی از داده های پیچیده را مورد تحلیل قرار داده، الگوها را شناسایی کرده و پیش بینی کرده و در صورت لزوم، تنظیم شده و وفق پیدا کنند.

رباتیک

در این حوزه، ربات ها ساخته و آموزش داده می شوند تا به شیوه های پیش بینی شده، با انسان تعامل و ارتباط برقرر کنند. ربات ها در حال حاضر به طور گسترده در کارخانه جات به کار گرفته می شوند و فعالیت های بسیار دقیقی را (مثل جوشکاری) انجام می دهند. ربات ها همچنین ارزش و کارایی بسزایی در اجرای فعالیت های خطرناک برای انسان دارند.  

شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی الگوریتم ها به منظور تقلید نئوکورتکس مغز ساخته می شوند، یعنی جایی که تفکر انسان شکل می گیرد. یادگیری عمیق در حوزه های مهم برای تجارت، مثل شناسایی تصویر به کار می آیند. به عنوان مثال، یادگیری عمیق در خودروهای بدون راننده به نحوی آموزش داده می شود که بتواند موارد مختلف در جاده (موانع، خودروها، عابرین و غیره) را شناسایی کرده و نسبت به آنها واکنش نشان دهد. 

طبق گزارش PwC، فناوری های جدید مرتبط با هوش مصنوعی تا سال ۲۰۳۰، بیش از ۱۵٫۷ تریلیارد دلار از سهم اقتصاد جهانی را به خود اختصاص خواهند داد و موجب افزایش رشد جهانی و بهره وری می شوند. این میزان درآمد، بیش از درآمد فعلی کشورهای چین و هندوستان است.  

پیشرفت های هوش مصنوعی که باید به آن ها توجه کرد

ظهور هوش مصنوعی، مستلزم افزایش قابل ملاحظۀ داده های بزرگ و قابلیت های تحلیلی پشتیبانی شده به وسیلۀ پیشرفت های متعدد در قدرت رایانشی است. برنامه های کاربردی هوش مصنوعی، به حجم عظیمی از داده ها احتیاج دارند تا نتایج دقیقی را به دست آورند. هر چه داده ها بیشتر باشد، سیستم های هوش مصنوعی نیز هوشمند تر می شوند. امروزه به لطف توان محاسباتی، سیستم های شبکۀ رایانشی توزیع شده می توانند به پلتفرم های زیرساختاری و برنامه های ابری متصل شده و داده های گرفته شده از منابع مختلف نظیر سنسورهای اینترنت اشیا ( IoT ) را مورد تحلیل و آنالیز قرار دهند.

در ادامه، مجموعه ای از انواع پیشرفت ها و پژوهش های در حال انجام در حوزۀ هوش مصنوعی را مشاهده می کنید.

هوش احساسی مصنوعی

توسعه در چند دهۀ اخیر، بیشتر متوجه کامپیوترهایی است که قادر به استدلال منطقی، زبانی و محاسباتی هستند. با این حال تمرکز فعلی به روی ساخت سیستم هایی متمرکز شده که از هوش احساسی یا انسانی برخوردار هستند. به عنوان مثال می توان به دستیارهای هوشمند مختلف، و همچنین سیستم های قادر به نمایش عواطف انسانی، اشاره کرد. سنسورها یا همان حسگرهای جدید می توانند حالات و ویژگی های چهرۀ افراد را نظارت و شناسایی کنند.

یادگیری ترتیبی

انسان می تواند برای حل یک مسئله، تجارب خود را به یاد آورد و به تحلیل آنها بپردازد. اما این کار از توان کامپیوترها خارج است، چون خلق سیستم های هوش مصنوعی که قادر به یادگیری متوالی مهارت های مختلف باشند، امکان پذیر نیست. مثلاً ماشینی که در انجام یک بازی مثل شطرنج، عالی عمل می کند، نمی تواند بازی دیگری را بدون پاکسازی و تغییر قابلیت فعلی، یاد بگیرد. کمپانی های بسیاری تا کنون به پژوهش در حوزۀ یادگیری ترتیبی پرداخته اند. هدف آن ها، طراحی سیستم هوش مصنوعی است که بتواند پیش از یادگیری یک فعالیت، ارتباطات عصبی ایجاد شده از طریق یادگیری فعالیت قبلی را حفظ کند.

یادگیری عمیق

تا کنون فعالیت های زیادی صرف ساخت سیستم های یادگیری عمیق شده تا امکان فهم خودکار داده ها و یادگیری از روی تجارب را برای ماشین ها فراهم آورند؛ به بیان بهتر، ماشین بتواند همانند انسان بشنود و درک کند. یادگیری عمیق در حرفه های مختلفی مثل مراقبت بهداشتی (تحلیل داده ها برای تشخیص درمان) و امنیت سایبری (تشخیص بدافزارهای فراگیر و پیچیده) به کار می رود.

چرا کسب و کار ها باید به هوش مصنوعی اهمیت دهند؟

بسیاری از ایده های تئوری و فنی مرتبط با هوش مصنوعی، سال ها پیش مطرح شده اند. با این حال توان رایانشی و محاسباتیِ امروز به حدی افزایش یافته که بسیاری از مزایای هوش مصنوعی برای تجارت ها، بالاخره در صنایع متعدد به واقعیت تبدیل شده است.

این رویه در کنار پروسۀ دیجیتالی شدن، به رهبران هشدار می دهد تا برای بقای تجارت خود، به هوش مصنوعی اهمیت دهند. اولویت ها و موارد ترجیحی مشتریان دائما تغییر می کنند و البته توقع آنها برای سرویس دهی و ادامۀ پشتیبانی نیز افزایش می یابد. هوش مصنوعی منجر به تغییر بسیاری از تجارت ها خواهد شد و سازمان ها را وادار می کند تا به شیوه ای متفاوت با امروز، عمل کنند.

طبق نظرسنجی داده های بزرگ ۲۰۱۷ متعلق به گروه Aberdeen، تجارت های برتر از لحاظ کارایی، تمایل بیشتری به تحقیق در مورد سرمایه گذاری در این فناوری های در حالِ پیشرفت داشته اند.

نمودار تجارت های برتر هوش مصنوعی
منبع : گروه Aberdeen

نوآوری هایی مثل تحلیل های پیش گویانه و پردازش زبان طبیعی (NLP) در حال ورود به تجارت های بزرگ و کوچک هستند. برای مثال، پردازش زبان طبیعی به طور بالقوه به کاربران تجاری اجازه می دهد تا به شیوه ای قابل فهم و منطقی (برای کاربران) داده های خود را درخواست کنند.

در دنیای مشتریان، پردازش زبان طبیعی های محاوره ای متعددی وجود دارند که از جملۀ آنها می توان به دستیار سیری متعلق به اپل، Google Now، آمازون اکو و کورتانای مایکروسافت اشاره کرد. پردازش طبیعی زبان محاوری ای غالباً به عنوان درک زبان طبیعی (NLU) نیز اتلاق می شود که به سیستم ها اجازه می دهد تا محتوا و قصد کاربر را تعریف کنند. بدین وسیله کامپیوترها به جای کاربرد دستورهای فرموله شدۀ زبان های کامپیوتری، از زبان انسانی برای برقراری ارتباط با افراد استفاده می کنند. 

بیشتر بخوانید :

منبع Artificial Intelligence Sage Handbook (PDF)
0/5 (0 نظر)

درباره‌ی احمدرضا جعفری

همچنین ببینید

خود آموز یادگیری ماشین کلاسه بندی

۸ الگوریتم کلاسه بندی برای مخاطبین علوم داده در یادگیری ماشین

در این مقاله، به یادگیری برخی از الگوریتم های مهم کلاسه بندی یادگیری ماشین خواهیم …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *