مجله هوش مصنوعی شهاب
تفسیر بزرگنمایی های تکنولوژی
هنگامی که فناوری های جدید وعده هایی جسورانه می دهند، چگونه بزرگنمایی (هایپ) را از آنچه که از نظر تجاری سودمند است، تشخیص می دهیم؟ و چه وقت چنین ادعاهایی به واقعیت تبدیل می شوند؟ چرخه های هایپ گارتنر ارائه دهنده گرافیکی از بلوغ و اتخاذ فناوری ها و برنامه های کاربردی و نحوه ارتباط آن ها برای حل مشکلات تجاری واقعی و بهره برداری از فرصت های جدید است. متدولوژی چرخه ی هایپ گارتنر این امکان را به شما می دهد که متوجه شوید چگونه یک فناوری یا برنامه با گذشت زمان تکامل می یابد و منبع بینش خوبی را برای مدیریت استقرار آن در چارچوب اهداف تجاری خاص شما فراهم می کند.
چگونگی استفاده از چرخه های هایپ
مشتری ها از چرخه های هایپ استفاده می کنند تا در مورد احتمال موفقیت یک فناوری نوظهور در چارچوب صنعت و اشتیاق فردی برای ریسک ، آموزش ببینند.
آیا باید زود اقدام کنید؟ اگر می خواهید ریسک پذیری را با درک اینکه سرمایه گذاری های مخاطره آمیز همیشه نتیجه بخش نیستند، ترکیب کنید ، می توانید نتایج زودهنگام را به دست آورید.
آیا رویکرد معتدل مناسب است؟ مدیرانی که معتدل تر هستند ، استدلال مربوط به سرمایه گذاری اولیه را درک می کنند ، اما وقتی روش های جدید انجام کارها هنوز به طور کامل اثبات نشده است ، بر تحلیل قیمت هزینه و سود نیز اصرار دارند.
آیا باید منتظر بلوغ بیشتر باشید؟ اگر سؤالات بی پاسخ زیادی در مورد قابلیت استفاده تجاری یک فناوری نوظهور وجود داشته باشد ، شاید بهتر باشد صبر کنید تا دیگران نتوانند ارزش ملموس را ارائه دهند.
مراحل چرخه ی هایپ
هر چرخه هایپ به پنج مرحله اصلی چرخه عمر یک فناوری تقسیم می شود
پیشران نوآوری : یک موفقیت بالقوه برای پیشرفت فناوری، چیزهایی را آغاز می کند. اثبات زود به هنگام طرح های اولیه و علاقه رسانه ها باعث تبلیغات قابل توجهی می شوند. غالباً در این مرحله، هیچ کالای قابل استفاده ای وجود ندارد و سودآوری تجاری نیز تایید نشده است.
اوج انتظارات تورم یافته : تبلیغات اولیه موفقیت بسیاری را تولید می کند – غالباً با تعداد زیادی شکست. برخی از شرکت ها اقدامات لازم را انجام می دهند، خیلی ها اینطور نیست.
مسیر توهم زدایی : علاقه ی به وجود آمده با شکست در آزمایشات و پیاده سازی ها، ناکام می ماند. تولیدکنندگان این فناوری لرزیده یا شکست می خورند. سرمایه گذاری ها فقط درصورتی ادامه می یابد که ارائه دهندگان بقیه محصولات خود را به رضایت پذیرندگان اولیه بهبود بخشند.
شیب روشنگری : موارد بیشتری از چگونگی بهره وری فناوری در جهت تبلور و گسترده تر شدن شرکت درک می شود. محصولات نسل دوم و سوم از ارائه دهندگان فناوری، ظاهر می شوند. شرکت های بیشتری هدایت گران را تامین مالی می کنند؛ شرکت های محافظه کار محتاط هستند.
فلات بهره وری : تصویب روند اصلی شروع به ثمر بخشی می کند. معیارهای ارزیابی قابلیت اطمینان ارائه دهنده بطور واضح تعریف شده است. کاربرد و ارتباط گسترده این فناوری به وضوح در حال نتیجه دادن است.
چرخه هایپ هوش مصنوعی در سال ۲۰۱۹
- بین سال های ۲۰۱۸ و ۲۰۱۹ ،سازمان هایی که هوش مصنوعی خود را توسعه داده اند، طبق آمار رییس بخش اطلاعات گارتنر از ۴% به ۱۴% افزایش یافتند.
- با موفقیت جهانی الکسا آمازون، دستیار گوگل و دیگر برنامه ها، هوش مصنوعی مکالمه ای در صدر شرکت های بزرگ تبلیغاتی قرار دارد.
- شرکت ها همینطور که هوش مصنوعی رشد می کند، با رشد هوش مصنوعی پیشرفت می کنند، همچنین اشتباهات بیشتری می کنند که به منحنی شتاب یادگیری آن ها کمک می کند.
امسال این موارد و بسیاری دیگر از بینش های جدید از چرخه هایپ گارتنر که در اوایل ۲۰۱۹ منتشر شد و در پست اخیر وبلاگ گارتنر به صورت خلاصه پست شد. آخرین چرخه گارتنر برای هوش مصنوعی نشان دهنده ی رشد روز افزون محبوبیت یادگیری ماشین خودکار، برنامه های هوشمند، سیستم عامل هوش مصنوعی به عنوان خدمات یا شبکه ابری یا هوش مصنوعی به عنوان بنگاه های اقتصادی می باشد که در نتیجه شرکت ها تطابق خود را با هوش مصنوعی افزایش دادند. چرخه هایپ گارتنر را در زیر مشاهده می کنید:
اطلاعات موجود در چرخه ی هایپ گارتنر ۲۰۱۹ در مورد هوش مصنوعی:
- تشخیص گفتار کمتر از دو سال تا دستیابی به روند اصلی فاصله دارد و پیش بینی می شود که به مهمترین مزایای تحول گرایانه ی همه ی فناوری های موجود در چرخه هایپ دست یابد. گارتنر به مشتریان خود توصیه می کند که در برنامه های کوتاه مدت هوش مصنوعی خود از تشخیص گفتار استفاده کنند. گارتنر اظهار داشت، برخلاف فناوری های دیگر که در محیط پردازش زبان طبیعی هستند، تبدیل گفتار به متن و بر عکس یک کالای مستقل است که ماژول های آن می توانند به روند کار زبان های طبیعی مختلفی متصل شوند. فروشندگان پیشرو در این فناوری آمازون ، گوگل ،BAIDU ،CEDAT85 ، IBM ، INTELLIGENT VOICE ، مایکروسافت، NICE ، Nuance و Speechmatics هستند.
- هشت فناوری جدید مبتنی بر هوش مصنوعی در چرخه هایپ سال جاری گنجانده شده است، که نشان دهنده ی برنامه های مشتریان شرکت گارتنر برای گسترش هوش مصنوعی سراسر H و DevOps است، در حالی که از مدل های جدید کسب و کار پشتیبانی می کنند. آخرین فناوری هایی که باید در چرخه هایپ برای هوش مصنوعی گنجانده شود ، منعکس کننده این است که شرکت ها چگونه سعی در تغییر شکل هوش مصنوعی برای بهبود تطابق خود با هوش مصنوعی دارند و در عین حال ، مدل های جدید تجاری را نیز پشتیبانی می کنند. مدل های جدید در زیر آمده است:
- شبکه خدمات ابری هوش مصنوعی : سرویس های ابری هوش مصنوعی میزبان خدماتی هستند که به تیم های توسعه اجازه می دهند تا مزایای ذاتی یادگیری ماشین و هوش مصنوعی را دارا باشند.
- یادگیری ماشین خودکار : یادگیری ماشین خودکار قابلیت خودکار کردن پردازش ساختن، استقرار و مدیریت مدل های یادگیری ماشین را دارا هستند.
- هوش افزوده : هوش افزوده یک الگوی انسان محور از افراد و هوش مصنوعی است که برای تقویت عملکرد شناختی از جمله یادگیری، تصمییم گیری و تجربه های جدید با یکدیگر کار می کنند.
- هوش مصنوعی قابل توضیح : محقق های هوش مصنوعی “هوش مصنوعی قابل توضیح” را اینگونه تعریف می کنند: مجموعه ای از روش هایی که خروجی الگوریتم های هوش مصنوعی جعبه سیاه را به اندازه کافی قابل درک می کنند.
- هوش مصنوعی لبه : به استفاده از تکنیک های هوش مصنوعی تعبیه شده در نقاط مقصد اینترنت اشیاء ( IoT )، دریچه ها و دستگاه های لبه ، در برنامه های مختلف اعم از وسایل نقلیه خودران تا تحلیل های جریانی اشاره دارد.
- یادگیری تقویتی : یادگیری تقویتی پتانسیل اصلی برای صنعت بازی و اتوماسیون است و این پتانسیل را دارد که منجر به پیشرفت های چشمگیر در رباتیک ، مسیریابی وسایل نقلیه ، تدارکات و سایر سناریوهای کنترل صنعتی شود.
- محاسبه کوانتوم : محاسبه کوانتوم این پتانسیل را دارد تا در زمینه بهینه سازی سیستم ها، یادگیری ماشین، رمز نگاری، کشف مواد مخدر و شیمی آلی، مشارکت های فراوانی داشته باشد. محاسبات کوانتومی اگرچه خارج از افق های برنامه ریزی برای اکثر شرکت ها است، ولی می تواند در مشاغل یا عملیات کلیدی دارای تأثیرات استراتژیک نیز باشد.
- بازار های هوش مصنوعی : گارتنر بازار های هوش مصنوعی را به عنوان یک مکان دسترسی آسان تعریف می کند که به وسیله تکنیک های زیر ساختی پشتیبانی شده وعملیات های انتشار، مصرف، صدور صورتحساب الگوریتم های قابل استفاده مجدد را تسهیل می کند. بعضی از بازارچه ها درون سازمان ها برای پشتیبانی از الگوریتم های از پیش ساخته در میان دانشمندان داده استفاده می شوند.
- گارتنر فناوری های زیر را مورد پیشرفت و بخشی از پیشران نوآوری ها در چرخه هایپ در نظر گرفته است. بازارچه هوش مصنوعی، یادگیری تقویتی، هوش تصمیم گیری، شبکه ابری خدمات هوش مصنوعی، درجه بندی داده ها و خدمات تفسیر و نمودار های دانش، اکنون نشانه هایی از پیشرفت های بالقوه فناوری به عنوان شواهد اولیه ی این ادعا هستند. فناوری هایی که در مرحله پیشران نوآوری ها در چرخه هایپ هستند، معمولا فاقد محصولات قابل استفاده و مقیاس پذیر هستند و قابلیت تجاری آن ها هنوز به اثبات نرسیده اند.
- ربات های هوشمند و یادگیری ماشین هوشمند در نقطه اوج خود درون چرخه هایپ ۲۰۱۹ هستند. در مقابل رشد سریع سیستم های رباتیک صنعتی که ناشی از عدم وجود کارگر برای تولید کنندگان است، ربات های هوشمند به این صورت توسط گارتنر تعریف شده اند که المان های ظاهری الکترومکانیکی دارند که در دنیای فیزیکی به طور مستقل کار می کنند، در فواصل کوتاه مدت از آموزش و اظهار نظر نظارت شده توسط انسان یا تجربه های تحت نظارت آن ها از جمله گرفتن جهت صداهای انسانی در محیط فروشگاهی، آموزش می بینند. ربات WHIZ از ربات های SOFTBANK یک مثال برای روبات های هوشمند است که به عنوان ربات های خدمتکار به فروش می روند و تنها در ژاپن در دسترس است. یادگیری ماشین خودکار یکی از پیشرفته ترین فناوری های امسال است. گارتنر یادگیری ماشین خودکار را به عنوان قابلیت خودکار کردن فرایند ساختن، استقرار و مدیریت مدل های یادگیری ماشین تعریف می کند. فروشندگان پیشرویی که پلتفرم ها و برنامه های یادگیری ماشین را فراهم می کنند آمازون ، گوگل BIG SQUAD و DOTDATA ، IO ، KNIME ، RapidMiner و Sky Tree هستند.
- ۹ فناوری که از چرخه هایپ گارتنر ۲۰۱۹ حذف شدند. گارتنر ۹ فناوری را برای طراحی مجدد و قرار دادن آن ها در طبقه بندی گسترده تر حذف کرده است. واقعیت افزوده و واقعیت مجازی اکنون بخشی از هوش افزوده هستند، یک دسته کلی که در بسیاری دیگر از چرخه های هایپ باقی مانده است. پهپاد های تجاری یا هواپیماهای بدون سرنشین اکنون قسمتی از هوش مصنوعی لبه – یک دسته کلی – هستند. یادگیری گروهی به بخش فلات چرخه ی ۲۰۱۸ رسیده و از چرخه هایپ فراتر رفته است. مدیریت منابع انسانی اکنون جای خود را به سرویس های برچسب گذاری و تفسیر داده ها ، که یک دسته گسترده تر است داده است. تولید زبان طبیعی اکنون به عنوان بخشی از پردازش زبان طبیعی گنجانده شده است. ابزار مدیریت دانش به وسیله بینش های مهندسی جایگذاری شده است، که بیشتر مربوط به هوش مصنوعی است. پیش بینی تجزیه و تحلیل ها و تجزیه تحلیل های نسخه ای الان قسمتی از هوش تصمیم گیری هستند; یک دسته کلی و عمومی.
بیشتر بخوانید :
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
- چالش های مدیریت کلاس با ابزار جدید تشخیص چهره هوش مصنوعی
- آیا می توان از دوربین های ترافیکی برای گرفتن رانندگان الکلی استفاده کرد؟
- قانون پیشنهادی برای محدود کردن استفاده از پلاک خوان ها
