آینده فناوری: تحلیل پیشرفته و هوش مصنوعی

نویسنده: دکتر محمدرضا عاطفی

کلیات

موتور تحلیلی که تمام جنبه‌های اقتصاد متصل را تأمین می‌کند، در حال‌گذار از الگوریتم‌های مبتنی بر قوانین سفت و سخت به الگوریتم‌های هوشمند و انعطاف پذیر است. اینها راه حل‌هایی هستند که در طول زمان و با داده‌های آموزشی مناسب به خودی خود یاد می‌گیرند و تکامل می‌یابند. ماشین‌ها به سادگی به سوالات مطرح شده توسط مردم پاسخ نمی دهند؛ آنها در وهله اول افراد را به پرسیدن سوالات بهتر راهنمایی می‌کنند و سپس پاسخ‌های سریع تر و روشن تری ارائه می‌دهند. این انتقال به هوش مصنوعی یا هوش ماشینی، هم بر ماهیت مصرف و هم بر ساختار شرکت‌ها، زنجیره‌های تامین و تولید تأثیر می‌گذارد. فناوری‌های هوش مصنوعی می‌توانند به طور اساسی بر جامعه، همراه با مشاغل، توزیع ثروت و پایداری منابع تأثیر بگذارند. شرکت‌های بزرگ فناوری به شدت فعالیت‌های ادغام و تملک خود را با استفاده از راه حل‌های هوش مصنوعی برای بهبود محصولات و خدمات خود انجام می‌دهند.

هوش مصنوعی به پیشرفت‌های عملکردی در کاربردهای شناختی متعدد دست یافته است (شکل 7)، از دسته‌بندی و تشخیص تصویر گرفته تا تشخیص الگو و استدلال هستی شناختی. این پیشرفت عمدتاً به دلیل پیشرفت‌های همگرا در سه عامل توانمندساز ایجاد شده است: قدرت محاسباتی، داده‌های آموزشی و الگوریتم‌های یادگیری. برای نشان دادن این موضوع، تشخیص و طبقه‌بندی خودکار تصویر از نظر دقت در دهه گذشته از 85 درصد به 95 درصد (متوسط یک انسان 93 درصد) بهبود یافته است، ₁₀ و به چنین الگوریتم‌هایی اجازه می‌دهد تا از یک فناوری صرفا جدید به یک توانمندی نوآورانه واقعی در صنعتی مانند حمل و نقل خودران پیشرفت کنند. در حال حاضر راه حل‌ها بر روی میلیون‌ها داده تصویری آموزش داده می‌شوند که در مقایسه با یک دهه قبل 100 برابر افزایش یافته است. آنها توسط تراشه‌های واحد پردازش گرافیکی تخصصی که بیش از 1000 برابر سریع تر و پنج تا ده برابر پیچیده تر (بر اساس یک شبکه عصبی 150 تا 200 لایه) نسبت به نسل‌های قبلی هستند، تغذیه می‌شوند. هزینه‌های محاسباتی و ذخیره سازی نسبتاً به طور متوسط 35 درصد در سال کاهش یافته است. در آینده ی نزدیک، هوش مصنوعی بر روی توانمندسازی پذیرش برای باز کردن سریع تر، هوشمندتر و شهودی تر قفل برنامه‌های کاربردی استوار خواهد شد. اعتقاد بر این است که شکافی که هوش محدود و عمومی را از هم جدا می‌کند، مجموعه‌ای اساساً متفاوت از الگوریتم‌های یادگیری و معماری محاسباتی غیرقطعی نسبت به عملکرد کنونی است.

استفاده در تولید

 ظهور پلتفرم‌های هوش مصنوعی به عنوان خدمت، با موانع ورود کمتر، به شرکت‌ها این امکان را می‌دهد تا با هزینه‌های حاشیه‌ای صفر، راه حل‌های شناختی را به منظور افزایش مقیاس و مواجهه با پویایی صنعت توسعه دهند. و در حالی که پیش بینی میزان و عوامل موثر بر پذیرش فناوری هوش مصنوعی در طی 10 تا 15 سال آینده دشوار است، اما می‌توان پیش بینی کرد که تاثیرگذاری آن زیاد خواهد بود، زیرا فناوری‌های هوش مصنوعی ارزش پیشنهادی را در همه حوزه‌ها ایجاد و یا بهبود می‌دهند. در آینده محصولات و خدمات بر اساس ویژگی‌های شناختی بیش از حد شخصی به رقابت خواهند پرداخت. شرکت‌ها از هوش مصنوعی برای پردازش اولویت‌های مشتری در زمان واقعی استفاده می‌کنند، تا به سرعت محصولات و خدمات شخصی سازی شده را در مقیاس بالا تولید کنند، زیرا مصرف کنندگان نسبت به برند بی تفاوت تر و در مقابل مایل به پرداخت برای ارزش پیشنهادی فوق شخصی تر خواهند بود. سازمان‌ها همچنین به شکلی از ساختار سلسله مراتبی کارآمد خواهند رسید (شرکت‌ها معمولاً با یک مبادله بین کارایی مقیاس و چابکی سلسله مراتبی روبرو هستند). شرکت‌ها و موسسات بزرگ جهانی، به دلیل هماهنگی پیچیده مورد نیاز هرگز نتوانسته‌اند از ظرفیت اقتصاد مقیاس یا صرفه به مقیاس بهره‌مند شوند، از هوش مصنوعی استفاده خواهند کرد تا خود را منطبق با منحنی تجربه به سطح بالاتری از کارایی برسانند. آنها از برنامه‌های هوش مصنوعی برای ارزیابی، پیش بینی و شبیه سازی سریع تصمیمات در سیلوها، واحدهای وظیفه‌ای و لایه‌ها استفاده خواهند کرد.

شرکت‌های صنعتی به سرعت در حال حرکت به سمت حوزه هوش مصنوعی هستند و در تحقیق و توسعه پیرامون «اینترنت صنعتی» سرمایه‌گذاری می‌کنند. برای مدیریت عملکرد دارایی و بهینه‌سازی عملیات از رویکردهای تحلیلی استفاده خواهد شد. هوش مصنوعی، ایمنی و دسترسی را در صنعت خودرو بهبود می‌بخشد و نرم‌افزار زمان‌بندی هوشمند با تغییر تقاضای محصول به شکلی بلادرنگ اصلاح می‌شود. سیستم‌های هوش مصنوعی سطوح جدیدی از بهینه‌سازی سیستم تولید را مانند تعمیر و نگهداری پیش‌بینی‌کننده و بهبود مدیریت کیفیت را ممکن می‌سازند.

پردازش زبان طبیعی را می‌توان برای ایجاد دستیارهای شخصی تخصصی و همچنین پلتفرم‌هایی برای فناوری‌های مکالمه‌ای که می‌تواند به عنوان یک خدمت ارائه شود و در برنامه‌های مختلف ادغام شود، به کار گرفت. قابلیت‌های بینایی کامپیوتری، ناوبری بصری را برای خودروهای خودران و همچنین اسکن سه بعدی افزایش می‌دهد. تشخیص الگو می‌تواند ترجیحات مشتری را شناسایی کند و برای کمک به کشف دارو به کار گرفته شود. فناوری‌های استدلال و بهینه‌سازی هوش مصنوعی در حال نفوذ به زنجیره ارزش در صنایع مختلفی مانند بخش خودرو، هستند و در حال حاضر 75 درصد از انتخاب‌های مصرف‌کنندگان در نتفلیکس را شکل می‌دهد که براساس الگوریتم های هوش مصنوعی شرکت است که به گزینه های مناسب را به مشتریان پیشنهاد می‌دهد. هوش مصنوعی برای بهینه‌سازی سیستم ربات چندگانه در انبارهای آمازون استفاده می‌شود.

موانع پذیرش بیشتر

هنوز ابهاماتی کلیدی از منظر اخلاقی، نظارتی، قانونی و اقتصادی در مورد هوش مصنوعی باقی مانده است و اینها ممکن است توانایی آن را برای تبدیل شدن به جریان اصلی مختل کند. نگرانی در مورد امنیت سایبری یک مسئله مهم دیگر در بکارگیری هوش مصنوعی است. علاوه بر این، امنیت سایبری، به عنوان یک صنعت به خودی خود، باید همزمان با هوش مصنوعی و علم تحلیل (و اینترنت اشیا) گسترش یابد تا آسیب پذیری‌های اجتناب ناپذیر را برطرف کند.