هوش مصنوعی (AI)

اکثر مردم وقتی اصطلاح «هوش مصنوعی» را می‌شنوند، اولین چیزی که معمولا به آن فکر می‌کنند ربات‌ها هستند. دلیل این فکر، فیلم‌ها و رمان‌هایی هستند که داستان‌هایی درباره ماشین‌های انسان‌مانندی نقل می‌کنند که با ظهورشان زمین را ویران می‌کنند. اما این داستان‌ها، کاملا دور از حقیقتند.

در واقع، هوش مصنوعی یا Ai بر این اصل استوار است که هوش انسانی را می‌توان به گونه‌ای تعریف کرد که یک ماشین بتواند به راحتی از آن تقلید کند و وظایف انسان، از ساده‌ترین تا پیچیده‌ترین آن‌ها را انجام دهد. به عبارت دیگر، هدف اصلی Ai، تقلید از فعالیت‌های شناختی انسان است.

تا الان محققان و توسعه‌دهندگان، در زمینه تقلید از فعالیت‌هایی مانند یادگیری، استدلال و ادراک، تا حدی که بتوان آن‌ها را به طور مشخص تعریف کرد، به سرعت گام‌های شگفت‌انگیزی برداشته‌اند. برخی بر این باورند که ممکن است به زودی توسعه سیستم‌هایی را شاهد باشیم که از ظرفیت انسان برای یادگیری یا استدلال هر موضوعی فراتر باشد. اما برخی دیگر بدبین هستند؛ زیرا معتقدند تمام فعالیت‌های شناختی با قضاوت‌هایی همراهند که تابع تجربه انسانی است. از طرف دیگر با پیشرفت فناوری، معیارهای قبلی که Ai را تعریف می‌کردند، قدیمی می‌شوند.

به عنوان مثال، ماشین‌هایی که توابع اولیه را محاسبه می‌کنند یا متن را از طریق تشخیص نوری کاراکتر تشخیص می‌دهند، دیگر به عنوان تجسم Ai در نظر گرفته نمی‌شوند. چرا که این عملکرد اکنون به عنوان یک عملکرد ذاتی کامپیوترها، بدیهی تلقی می‌شوند.

در نهایت، Ai به طور مداوم در حال تکامل است تا به بسیاری از صنایع مختلف نفع برساند. ماشین‌ها هم با استفاده از یک رویکرد بین رشته‌ای مبتنی بر ریاضیات، علوم کامپیوتر، زبان‌شناسی، روان‌شناسی و غیره توسعه داده می‌شوند.

در این مقاله از ویستا سامانه آسا، قصد داریم درباره Ai صحبت کنیم و جنبه‌های مختلف آن از تاریخچه، مزایا و معایب تا مسائل اخلاقی Ai، قانون‌گذاری و فرصت‌های شغلی AI را بررسی کنیم. با ما همراه باشید.

هوش مصنوعی (Artificial intelligence) چیست؟

هوش مصنوعی یکی از شاخه‌های علوم کامپیوتر است که هدف آن، ایجاد سیستم‌هایی است که می‌توانند هوش انسان و توانایی‌های حل مسئله او را تقلید کنند. هوش مصنوعی (AI) این کار را با جمع‌آوری حجم عظیمی از داده‌ها، پردازش آن‌ها و یادگیری از داده‌های گذشته خود انجام می‌دهد. این در حالی است که یک برنامه کامپیوتری، در حالت معمول برای رفع اشکالات و بهبود فرایندها به دخالت انسان نیاز دارد.

از ابتدای ایجاد تعریف AI، یعنی دهه ۵۰ میلادی، این تکنولوژی فراز و نشیب‌های مختلفی را به خود دیده است و روز به روز به پیچیدگی و توانایی‌های آن اضافه شده است. سیستم‌های خبره، پردازش زبان طبیعی، تشخیص گفتار، یادگیری ماشین و بینایی ماشین از کاربردهای خاص و انواع Ai هستند.

تاریخچه هوش مصنوعی

حال که به طور کلی با Ai و انواع هوش مصنوعی آن آشنا شدیم، بد نیست نگاهی کوتاه هم به تاریخچه آن بیندازیم.

تاریخچه Ai به دوران باستان برمی‌گردد که مفهوم اشیای بی‌جان هوشمند مورد بررسی قرار گرفت. در طول قرن‌ها، متفکران و مخترعان مختلف در توسعه مفاهیم Ai مشارکت داشتند. در اواخر قرن ۱۹ و اوایل قرن ۲۰، کار اساسی بر روی ماشین‌های قابل برنامه‌ریزی و شبکه‌های عصبی، راه را برای رایانه‌های مدرن هموار کرد.

اصطلاح «Artificial intelligence»، در سال ۱۹۵۶ برای اولین بار در کنفرانسی در کالج دارتموث به کار رفت؛ جایی که پیشگامان Ai اولین برنامه مبتنی بر هوش مصنوعی را ارائه کردند. در طول دهه‌های بعدی، پیشرفت‌های قابل توجهی در Ai حاصل شد، اما دستیابی به هوش عمومی مصنوعی سخت شد و منجر به دوره‌هایی شد که به عنوان «زمستان‌های Ai» شناخته می‌شوند؛ دوره‌ای که حمایت دولت و صنعت از این حوزه کم شد.

در اواخر دهه ۱۹۹۰، به دلیل افزایش قدرت محاسباتی و انفجار داده‌ها، رنسانس هوش مصنوعی رخ داد. پیشرفت‌هایی در پردازش زبان طبیعی (NLP)، بینایی کامپیوتر، روباتیک و یادگیری ماشین (Machine Learning) مشاهده شد که منجر به نقاط عطف مهمی شد. محصول Deep Blue IBM یکی از این نقاط عطف بود؛ چرا که قهرمان شطرنج جهان را شکست داد.

در دهه ۲۰۰۰، با راه‌اندازی محصولات و خدمات مختلف، از جمله دستیارهای صوتی، موتورهای پیشنهادی و خودروهای خودران، شاهد پیشرفت‌های بیشتری در هوش مصنوعی بودیم.

دهه ۲۰۱۰، شاهد یک جریان ثابت از پیشرفت‌های هوش مصنوعی بودیم؛ از جمله پیروزی‌های سیستم‌های هوش مصنوعی در نمایش‌های بازی‌، ایجاد شبکه‌های متخاصم مولد، راه‌اندازی چارچوب‌های یادگیری عمیق و پیاده‌سازی سیستم‌های مبتنی بر هوش مصنوعی برای تشخیص‌های پزشکی.

در دهه جاری (۲۰۲۰)، هوش مصنوعی مولد (Generative AI) برجسته شده است و تولید محتوای جدید را در پاسخ به درخواست‌ها امکان‌پذیر می‌‌کند. مدل‌های زبانی مانند ChatGPT-3، Google’s Bard و Megatron-Turing NLG مایکروسافت که بخشی از اسم خود را وام‌دار آلن تورینگ است، توانایی‌های چشمگیری از خود نشان داده‌اند، اما همچنان محدودیت‌هایی مانند توهم یا پاسخ‌های متعصابه دارند.

هوش مصنوعی چطور کار می‌کند؟

از آنجایی که هیاهو در مورد هوش مصنوعی اوج گرفته است، ارائه‌دهندگان محصولات مختلف در تلاشند تا نحوه استفاده محصولات و خدماتشان از هوش مصنوعی را تبلیغ کنند و سوار موج شوند. با این حال، اغلب آنچه آن‌ها به عنوان AI از آن یاد می‌کنند، تنها یک جزء یا یک بخش از این فناوری است؛ مانند یادگیری ماشین.

هوش مصنوعی به پایه‌ای از سخت‌افزار و نرم‌افزار تخصصی برای نوشتن و آموزش الگوریتم‌های یادگیری ماشین نیاز دارد. هیچ زبان برنامه‌نویسی به تنهایی مترادف با هوش مصنوعی نیست؛ اما پایتون، R، جاوا، سی پلاس پلاس و جولیا دارای ویژگی‌های محبوب توسعه‌دهندگان Artificial intelligence هستند.

به طور کلی، سیستم‌های هوش مصنوعی با دریافت مقادیر زیادی از داده‌های آموزشیِ برچسب‌گذاری‌شده، تجزیه و تحلیل داده‌ها برای کشف همبستگی‌ها و الگوها و استفاده از این الگوها برای پیش‌بینی وضعیت‌های آینده کار می‌کنند.

به این ترتیب، یک ربات چت که با نمونه‌هایی از متن تغذیه می‌شود، می‌تواند یاد بگیرد که تبادلات واقعی با افراد ایجاد کند، یا یک ابزار تشخیص تصویر می‌تواند با مرور میلیون‌ها مثال، شناسایی و توصیف اشیا در تصاویر را بیاموزد. البته تکنیک‌های جدید Artificial intelligence که به سرعت در حال بهبود هستند می‌توانند متن، تصاویر، موسیقی و سایر رسانه‌های واقعی را هم خلق کنند.

تفاوت هوش مصنوعی و برنامه نویسی

مقایسه دو تعریف برنامه نویسی و هوش مصنوعی احتمالا مقایسه درستی نیست؛ چرا که این دو تعریف مکمل هم هستند و نمی‌توانند مقابل هم قرار بگیرند.

در حالت کلی، در برنامه نویسی به صورت سنتی این انسان است که دستورالعمل‌ها را به ماشین می‌دهد. اما در هوش مصنوعی، ماشین به کمک آموخته‌ها و الگوریتم‌ها، می‌توانند تصمیم‌گیری کند، اقدام کند و از داده‌های ورودی یاد بگیرد. در برنامه نویسی با کدهایی ثابت روبرو هستیم که برای تغییر عملکرد برنامه، باید توسط برنامه نویس تغییر داده شوند اما هوش مصنوعی می‌تواند خود را با نیاز و محیط سازگار کند. در نهایت هوش مصنوعی هم زیربنای خود را مدیون برنامه‌نویسان و توسعه‌دهندگانی است که آن را ایجاد کرده‌اند.

آشنایی با انواع هوش مصنوعی

آرند هنتزه (Arend Hintze)، استادیار زیست‌شناسی و علوم کامپیوتر و مهندسی در دانشگاه ایالتی میشیگان، معتقد است که Ai را می‌توان به چهار نوع طبقه‌بندی کرد. این طبقه‌بندی از سیستم‌های هوشمند مختص انجام یک کار یا وظیفه خاص (که امروزه به طور گسترده استفاده می‌شود)، شروع می‌شود و به سمت سیستم‌های حساس پیش می‌رود (که هنوز وجود ندارند). چهار دسته‌بندی مد نظر آقای هنتزه، به شرح زیر است:

نوع اول: ماشین‌های واکنشی (Reactive machines)

این سیستم‌های Ai حافظه ندارند و به وظایف و کارهای مشخصی اختصاص دارند؛ به عنوان مثال Deep Blue، برنامه شطرنج IBM که گری کاسپاروف را در دهه ۱۹۹۰ شکست داد از این نوع است. Deep Blue می‌تواند مهره‌های روی صفحه شطرنج را شناسایی کند و پیش‌بینی کند؛ اما چون حافظه ندارد، نمی‌تواند از تجربیات گذشته برای اقدامات آینده استفاده کند.

نوع دوم: حافظه محدود (Limited memory)

این سیستم‌های Ai، دارای حافظه هستند؛ بنابراین می‌توانند از تجربیات گذشته برای تصمیمات آینده استفاده کنند. برخی از عملکردهای تصمیم‌گیری در خودروهای خودران به این شکل طراحی شده‌اند.

نوع سوم: نظریه ذهن (Theory of mind)

نظریه ذهن یک اصطلاح روانشناسی است. هنگامی که از این اصطلاح برای Ai استفاده می‌شود، به این معنی است که سیستم از هوش اجتماعی برای درک احساسات برخوردار است. این نوع Ai قادر به استنباط نیات انسان و پیش‌بینی رفتار خواهد بود؛ مهارتی که برای تبدیل شدن به اعضای جدایی‌ناپذیر تیم‌های انسانی، برای سیستم‌های Ai ضروری است. با توسعه شبکه‌های عصبی، تمرکز بیشتری روی این جنبه از هوش مصنوعی گذاشته شد.

نوع چهارم: خودآگاهی (Self-awareness)

در این دسته، سیستم‌های Ai حسی از خود دارند که به آن‌ها آگاهی می‌دهد. ماشین‌های دارای خودآگاهی وضعیت فعلی خود را درک می‌کنند. البته این نوع Ai هنوز وجود ندارد.

سطوح مختلف هوش مصنوعی

طبقه‌بندی دیگری هم از انواع هوش مصنوعی وجود دارد که هوش مصنوعی را بر اساس توانمندی‌هایش سطح‌بندی می‌کند. سه سطح (Stage) اصلی هوش مصنوعی طبق این دیدگاه عبارتند از:

هوش مصنوعی محدود (Artificial Narrow Intelligence – ANI)

هوش مصنوعی محدود یا هوش مصنوعی ضعیف، توانایی‌های محدودی دارد و معمولا تنها می‌تواند روی یک وظیفه تمرکز کند.

هوش مصنوعی عمومی (Artificial General Intelligence – AGI)

این هوش مصنوعی شباهت بیشتری به انسان دارد و می‌تواند وظایف مختلفی را که به او آموزش داده و محول شده است، انجام دهد. هرچند ما هنوز شناخت کاملی از ذهن انسان نداریم و نباید از این هوش مصنوعی انتظار رفتار کاملا انسانی داشته باشیم.

سوپر هوش مصنوعی (Artificial Super Intelligence – ASI)

ابر هوش مصنوعی، جایی است که می‌تواند جنبه‌های تاریک این تکنولوژی را در دل داشته باشد. منظور از این AI، تکنولوژی‌ای است که هوشی فراتر از انسان دارد و در انجام کارها هم توانمندتر از انسان عمل می‌کند.

جنبه‌های مختلف هوش مصنوعی

اما هوش مصنوعی چطور کار می‌کند و بر چه پایه‌ای استوار است؟ برنامه‌نویسی برای توسعه AI بر چهار مهارت‌های شناختی یادگیری، استدلال، خوداصلاحی و خلاقیت تمرکز دارد که در ادامه در مورد هر کدوم به اختصار صحبت می‌کنیم.

یادگیری

این جنبه از برنامه‌نویسی هوش‌ مصنوعی بر به دست آوردن داده‌ها و ایجاد قوانینی برای چگونگی تبدیل آن به اطلاعات عملی متمرکز است. قوانین، که الگوریتم نامیده می‌شوند، دستورالعمل‌های گام به گام برای نحوه تکمیل یک کار خاص را برای دستگاه‌های محاسباتی ارائه می‌دهند.

استدلال

این جنبه از هوش مصنوعی بر انتخاب الگوریتم مناسب برای رسیدن به یک نتیجه دلخواه متمرکز است.

خوداصلاحی

این جنبه از برنامه‌نویسی Artificial intelligence، برای تنظیم مداوم الگوریتم‌ها و اطمینان از ارائه دقیق‌ترین نتایج ممکن طراحی شده است.

خلاقیت

این جنبه از Artificial intelligence، از شبکه‌های عصبی، سیستم‌های مبتنی بر قوانین، روش‌های آماری و سایر تکنیک‌های هوش مصنوعی برای تولید تصاویر، متن، موسیقی و ایده‌های جدید استفاده می‌کند.

چرا هوش مصنوعی مهم است؟

هوش مصنوعی به دلیل پتانسیل آن برای تغییر نحوه زندگی، کار و سرگرمی‌های ما مهم است. تا الان، این فناوری در کسب و کارها برای خودکار کردن وظایف انجام شده توسط انسان، از جمله خدمات مشتری، تولید سرنخ (Lead)، تشخیص تقلب و کنترل کیفیت استفاده شده است.

در بعضی زمینه‌ها، Artificial intelligence می‌تواند وظایف را بسیار بهتر از انسان‌ها انجام دهد. به ویژه زمانی که صحبت از وظایف تکراری و جزئیات محور می‌شود؛ مانند تجزیه و تحلیل تعداد زیادی از اسناد قانونی برای اطمینان از پر شدن صحیح بخش‌های ضروری و لازم.

ابزارهای AI اغلب کارها را به سرعت و با خطاهای نسبتا کمی تکمیل می‌کنند. همچنین هوش مصنوعی به دلیل مجموعه داده‌های عظیمی که می‌تواند پردازش کند، می‌تواند به شرکت‌ها بینش‌هایی درباره عملیاتشان بدهد که ممکن است از آن‌ها اطلاعی نداشته باشند. ابزارهای مولد Artificial intelligence که به سرعت در حال گسترش هستند، در زمینه‌هایی از آموزش و بازاریابی گرفته تا طراحی محصول، مهم و تاثیرگذار خواهند بود.

در واقع، پیشرفت‌ها در تکنیک‌های AI نه تنها به افزایش کارایی کمک کرده، بلکه دری را برای فرصت‌های تجاری کاملا جدید برای برخی از شرکت‌های بزرگتر باز کرده است. قبل از موج فعلی Artificial intelligence، حتی تصور استفاده از نرم‌افزار کامپیوتری برای اتصال مسافرها به تاکسی‌ها سخت بود، اما اوبر با انجام این کار به یکی از ۵۰۰ شرکت برتر جهان (Fortune 500) تبدیل شده است.

در همین حین، هوش مصنوعی در بسیاری از بزرگ‌ترین و موفق‌ترین شرکت‌های امروزی، از جمله آلفابت، اپل، مایکروسافت و متا، که از فناوری‌های Artificial intelligence برای بهبود عملکرد و پیشی گرفتن از رقبا استفاده می‌شود، به مرکزیت تبدیل شده است.

مزایا و معایب هوش مصنوعی چیست؟

شبکه‌های عصبی مصنوعی و فناوری‌های Artificial intelligence یادگیری عمیق به سرعت در حال تکامل هستند. این مساله در درجه اول به این دلیل است که Artificial intelligence می‌تواند حجم زیادی از داده‌ها را بسیار سریع‌تر پردازش کند و پیش‌بینی‌ها را دقیق‌تر از آنچه که انسان ممکن است، انجام دهد.

در حالی که حجم عظیم داده‌های ایجاد شده به صورت روزانه یک پژوهشگر انسانی را در خود دفن می‌کند، برنامه‌های کاربردی Artificial intelligence با استفاده از یادگیری ماشینی می‌توانند این داده‌ها را گرفته و به سرعت آن‌ها را به اطلاعات قابل اجرا تبدیل کنند.

در زمان نگارش این مقاله، یکی از معایب اصلی Artificial intelligence این است که پردازش مقادیر زیادی از داده‌های مورد نیاز برنامه‌نویسی Artificial intelligence گران است. همچنین از آنجایی که تکنیک‌های Artificial intelligence روز به روز در محصولات و خدمات بیشتری گنجانده می‌شوند، سازمان‌ها هم از پتانسیل Artificial intelligence برای ایجاد عمدی یا سهوی سیستم‌های مغرضانه و تبعیض‌آمیز، آگاه باشند و با احتیاط بیشتری از آن استفاده کنند.

مزایای هوش مصنوعی

Artificial intelligence می‌تواند به معنای واقعی زندگی انسان‌ها را تسهیل کند و سطح جدیدی از رفاه را به ارمغان آورد. در ادامه چند مورد از مزایای Artificial intelligence را همراه با توضیح کوتاهی ذکر کرده‌ایم:

۱. عملکرد خوب در مشاغل جزئیات محور: Artificial intelligence ثابت کرده است که در تشخیص برخی سرطان‌ها از جمله سرطان سینه و ملانوما به خوبی یا بهتر از پزشکان عمل می‌کند.
۲. کاهش زمان برای انجام کارهای سنگین داده: AI به طور گسترده در صنایعی که با حجم زیادی از داده‌ها سر و کار دارند، از جمله بانکداری و اوراق بهادار، داروسازی و بیمه، استفاده می‌شود. با استفاده از Artificial intelligence در این صنایع، زمان تجزیه و تحلیل مجموعه‌های کلان داده کاهش پیدا می‌کند. به عنوان مثال، خدمات مالی به طور معمول از هوش مصنوعی برای پردازش درخواست‌های وام و کشف تقلب استفاده می‌کنند.
۳. کاهش زحمت و افزایش بهره‌وری در کارکنان: یک مثال خوب برای این مورد، استفاده از اتوماسیون انبار است که در طول همه‌گیری کرونا رشد کرد و انتظار می‌رود با ادغام Artificial intelligence و یادگیری ماشین بیشتر هم رشد کند.
۴. ارائه نتایج سازگار و نامتناقض: بهترین ابزارهای ترجمه Artificial intelligence سطوح بالایی از سازگاری را ارائه می‌دهند و حتی به مشاغل کوچک هم این امکان را می‌دهند که با مشتریانشان با زبان مادریشان ارتباط برقرار کنند.
۵. افزایش رضایت مشتریان از طریق شخصی‌سازی: Artificial intelligence می‌تواند محتوا، پیام‌ها، تبلیغات، توصیه‌ها و وب‌سایت‌ها را برای مشتریان شخصی‌سازی کند.
۶. در دسترس بودن مداوم: برنامه‌های Artificial intelligence نیازی به خوابیدن یا استراحت ندارند و خدمات ۲۴/۷ ارائه می‌دهند.

معایب هوش مصنوعی

Artificial intelligence، در کنار مزایای ذکر شده، معایبی هم دارد که کار با این تکنولوژی جدید را دچار چالش می‌کند. در ادامه چند مورد از مهم‌ترین معایب و نقاط ضعف هوش مصنوعی را ذکر کرده‌ایم:

• گران است.
• به تخصص فنی عمیقی نیاز دارد.
• سوگیری‌های داده‌های آموزشی خود را در مقیاس بزرگتر منعکس می‌کند.
• توانایی تعمیم از یک کار به کار دیگر را ندارد.
• مشاغل انسانی را حذف می‌کند، نرخ بیکاری را افزایش می‌دهد.

کاربرد هوش مصنوعی در کسب و کارهای مختلف

در سال‌های اخیر، هوش مصنوعی راه خود را به بازارهای مختلف باز کرده و نشان داده است پتانسیل خوبی برای ایفای نقش مهمی در  هر کدام از آن‌ها دارد. در ادامه ۱۱ مورد از کاربردهای هوش مصنوعی در دنیای واقعی را بررسی کرده‌ایم.

۱- AI در مراقبت‌های بهداشتی

یکی از بزرگترین دغدغه‌های جهانی به افزایش سطح سلامت و کاهش هزینه‌های درمان مربوط است. یکی از کاربردهای هوش مصنوعی برای شرکت‌ها، استفاده از یادگیری ماشینی برای تشخیص بهتر و سریع‌تر از انسان‌ها است. یکی از شناخته شده‌ترین فناوری‌های مراقبت‌های بهداشتی IBM Watson است. این فناوری زبان طبیعی را می‌فهمد و می‌تواند به سوالاتی که از آن پرسیده می‌شود، پاسخ دهد. این سیستم داده‌های بیمار و سایر منابع داده موجود را استخراج می‌کند تا یک فرضیه را تشکیل دهد، بعد آن فرضیه را همراه با یک درجه اطمینان ارائه می‌کند.

سایر کاربردهای هوش مصنوعی در حوزه سلامت، استفاده از دستیاران سلامت مجازی آنلاین و چت‌بات‌ها را شامل می‌شوند که به بیماران و مشتریان مراقبت‌های بهداشتی در یافتن اطلاعات پزشکی، برنامه‌ریزی قرار ملاقات، درک فرایند صدور صورت حساب و تکمیل سایر فرایندهای اداری کمک می‌کنند. همچنین مجموعه‌ای از ابزارهای هوش مصنوعی هم برای پیش‌بینی، مبارزه و درک بیماری‌های همه‌گیر مانند COVID-19 استفاده می‌شوند.

۲- AI در کسب و کار

الگوریتم‌های یادگیری ماشینی در حال ادغام با پلتفرم‌های تجزیه و تحلیل و مدیریت ارتباط با مشتری (CRM) هستند تا اطلاعاتی را در مورد نحوه ارائه خدمات بهتر به مشتریان کشف کنند. در حال حاضر چت‌بات‌ها، برای ارائه خدمات بلادرنگ به مشتریان، در وب‌سایت‌ها قرار داده شده‌اند. از طرف دیگر، انتظار می‌رود پیشرفت سریع فناوری‌های هوش مصنوعی مولد، مانند ChatGPT نتایجی مانند حذف مشاغل، ایجاد انقلابی در طراحی محصول و اختلال در مدل‌های تجاری را در پی داشته باشد.

۳- AI در آموزش

هوش مصنوعی می‌تواند نمره‌دهی را خودکار کند و به مربیان و مدرس‌ها، زمان بیشتری برای کارهای دیگر بدهد. این فناوری می‌تواند دانش آموزان را ارزیابی کند و با نیازهای آن‌ها سازگار شود و به آن‌ها کمک کند تا با سرعت خودشان کار کنند. آموزگاران هوش مصنوعی می‌توانند پشتیبانی بیشتری از دانش‌آموزان ارائه دهند و از ماندن آن‌ها در مسیر مطمئن شوند.

این فناوری همچنین می‌تواند مکان و نحوه یادگیری دانش آموزان را تغییر دهد، شاید حتی جایگزین برخی از معلمان شود. همانطور که توسط ChatGPT، Bard و دیگر مدل‌های زبان بزرگ نشان داده شده است، هوش مصنوعی مولد می‌تواند به مربیان کمک کند تا کار درسی و سایر مواد آموزشی را بسازند و دانش‌آموزان را به روش‌های جدیدی درگیر کنند و با آن‌ها تعامل داشته باشند. ظهور این ابزارها همچنین مربیان را وادار می‌کند که در مورد تکالیف دانش آموز، امتحان‌ها روش‌های جدیدی پیش بگیرند و در سیاست‌های سرقت ادبی تجدید نظر کنند.

۴- AI در امور مالی

هوش مصنوعی در برنامه‌های مالی شخصی، مانند Intuit Mint یا TurboTax، در حال نابود کردن موسسات مالی سنتی است. برنامه‌هایی مانند این‌ها داده‌های شخصی را جمع‌آوری می‌کنند و مشاوره مالی ارائه می‌دهند. برنامه‌های دیگری مانند IBM Watson هم در فرایند خرید خانه به کار گرفته می‌شوند. امروزه نرم‌افزار‌های هوش مصنوعی بیشتر معاملات را در وال استریت انجام می‌دهند.

۵- AI در قانون

روند کشف (غربال کردن اسناد) در قانون، اغلب برای انسان طاقت‌فرسا است. استفاده از هوش مصنوعی برای کمک به خودکارسازی فرایندهای پر زحمت صنعت قانونی باعث صرفه‌جویی در زمان و بهبود خدمات مشتری می‌شود. شرکت‌های حقوقی از یادگیری ماشینی برای توصیف داده‌ها و پیش‌بینی نتایج، از بینایی کامپیوتری برای طبقه‌بندی و استخراج اطلاعات از اسناد و از پردازش زبان طبیعی (NLP) برای تفسیر درخواست‌های اطلاعات، استفاده می‌کنند.

۶- AI در سرگرمی و رسانه

کسب و کار‌های سرگرمی، از تکنیک‌های هوش مصنوعی برای تبلیغات هدفمند، توصیه محتوا، توزیع، کشف تقلب، ایجاد فیلمنامه و ساخت فیلم بهره می‌برند. روزنامه‌نگاری خودکار به اتاق‌های خبر کمک می‌کند تا جریان کار رسانه‌ای را ساده‌تر کنند و زمان، هزینه‌ها و پیچیدگی را کاهش دهند.

اتاق‌های خبر از هوش مصنوعی برای خودکارسازی کارهای معمولی مانند ورود داده‌ها، تصحیح آن‌ها، تحقیق در مورد موضوعات و کمک به پیدا کردن سرفصل‌ها استفاده می‌کنند. البته اینکه چگونه یک روزنامه‌نگار می‌تواند به طور قابل اعتماد از ChatGPT و سایر ابزارهای هوش مصنوعی مولد، برای تولید محتوا استفاده کند، جای سوال دارد.

۷- AI در کدنویسی

نرم‌افزارها و فرایندهای فناوری اطلاعات و ابزارهای مولد هوش مصنوعی جدید را می‌توان برای تولید کد برنامه استفاده کرد. با این حال هنوز این ابزارها تازه‌اند و بعید است که به این زودی‌ها بتوانند جایگزین مهندسان نرم‌افزار شوند. همچنین از هوش مصنوعی برای خودکارسازی بسیاری از فرایندهای فناوری اطلاعات، از جمله ورود داده‌ها، کشف تقلب، خدمات مشتری و نگهداری و امنیت استفاده می‌شود.

۸- AI در امنیت

هوش مصنوعی و یادگیری ماشینی در صدر فهرست کلیدواژه‌های امنیتی هستند که فروشندگان برای بازاریابی محصولات خود به کار می‌برند، بنابراین خریداران باید با احتیاط برخورد کنند. با این حال، تکنیک‌های هوش مصنوعی با موفقیت در جنبه‌های مختلف امنیت سایبری، از جمله تشخیص ناهنجاری، حل مشکل مثبت کاذب و انجام تجزیه و تحلیل تهدیدات رفتاری استفاده می‌شوند.

سازمان‌ها از یادگیری ماشین در نرم‌افزار مدیریت رویداد و اطلاعات امنیتی (SIEM) و حوزه‌های مرتبط برای شناسایی ناهنجاری‌ها و شناسایی فعالیت‌های مشکوک که نشان‌دهنده تهدید هستند، استفاده می‌کنند. با تجزیه و تحلیل داده‌ها و استفاده از منطق برای شناسایی شباهت‌ها به کدهای مخرب شناخته شده، هوش مصنوعی می‌تواند هشدار حملات جدید و در حال ظهور را خیلی زودتر از کارکنان انسانی و تکرارهای فناوری قبلی ارائه دهد.

۹- AI در تولید

صنعت تولید، جزء اولین صنایعی بود که از ربات‌ها در جریان کار استفاده کرده است. به عنوان مثال، ربات‌های صنعتی که زمانی برای انجام وظایف منفرد برنامه‌ریزی شده بودند و از کارگران انسانی جدا می‌شدند، به طور فزاینده‌ای به عنوان ربات‌های همکار (Cobot) عمل می‌کنند. ربات‌های همکار، ربات‌های کوچک‌تر و چندوظیفه‌ای هستند که با انسان‌ها همکاری می‌کنند و مسئولیت بخش‌های بیشتری از کار را در انبارها، طبقات کارخانه‌ها بر عهده می‌گیرند.

۱۰- AI در بانکداری

بانک‌ها، از هوش مصنوعی و چت‌بات‌ها کمک می‌گیرند تا مشتریان خود را از خدمات و پیشنهاداتشان آگاه کنند و تراکنش‌هایی را که نیازی به دخالت انسانی ندارند، انجام دهند. همچنین دستیارهای مجازی هوش مصنوعی برای بهبود و کاهش هزینه‌های انطباق با مقررات بانکی استفاده می‌شوند.

در کنار همه این‌ها، سازمان‌های بانکی از هوش مصنوعی برای بهبود تصمیم‌گیری برای وام‌ها، تعیین محدودیت‌های اعتباری و شناسایی فرصت‌های سرمایه‌گذاری استفاده می‌کنند.

۱۱- AI در حمل و نقل

علاوه بر نقش اساسی هوش مصنوعی در به کار انداختن وسایل نقلیه خودران، فناوری‌های هوش مصنوعی در حمل‌ونقل برای مدیریت ترافیک، پیش‌بینی تاخیرهای پرواز و ایمن‌تر و کارآمدتر کردن کشتی‌های اقیانوسی استفاده می‌شوند. در زنجیره‌های تامین، هوش مصنوعی جایگزین روش‌های سنتی پیش‌بینی تقاضا و پیش‌بینی اختلالات می‌شود.

استفاده اخلاق‌مدار از هوش مصنوعی

در حالی که ابزارهای هوش مصنوعی طیف وسیعی از عملکردهای جدید را برای مشاغل ارائه می‌دهند، استفاده از هوش مصنوعی سوالات اخلاقی را هم مطرح می‌کند، چرا که خوب یا بد، یک سیستم هوش مصنوعی آنچه را که قبلا آموخته است، تقویت می‌کند.

این می‌تواند مشکل‌ساز باشد، الگوریتم‌های یادگیری ماشین، که زیربنای بسیاری از پیشرفته‌ترین ابزارهای هوش مصنوعی هستند، به اندازه داده‌هایی که در مرحله آموزش دریافت می‌کنند، هوشمند هستند. از آنجایی که یک انسان انتخاب می‌کند چه داده‌هایی برای آموزش یک برنامه هوش مصنوعی استفاده شود، پتانسیل سوگیری یادگیری ماشینی ذاتی است و باید به دقت تحت نظارت قرار بگیرد.

هر کسی که به دنبال استفاده از یادگیری ماشینی به عنوان بخشی از دنیای واقعی و سیستم‌های تولیدی است، باید اخلاق را در فرایندهای آموزشی هوش مصنوعی خود لحاظ کند و تلاش کند از سوگیری جلوگیری کند. این مسئله به ویژه در زمان استفاده از الگوریتم‌های هوش مصنوعی که ذاتا در برنامه‌های یادگیری عمیق و شبکه‌های متخاصم تولیدی (GAN) غیرقابل توضیح هستند، صادق است.

تشریح‌پذیری یا توضیح‌پذیری، یک مانع بالقوه برای استفاده از هوش مصنوعی در صنایعی است که تحت الزامات انطباق مقرراتی دقیق، عمل می‌کنند. به عنوان مثال، موسسات مالی در آمریکا بر اساس مقرراتی عمل می‌کنند که آن‌ها را ملزم می‌کند تصمیمات صدور اعتبار خود را توضیح دهند.

با این حال، زمانی که تصمیمی مبنی بر رد اعتبار توسط کدهای هوش مصنوعی گرفته می‌شود، توضیح چگونگی تصمیم‌گیری ممکن است دشوار باشد؛ زیرا ابزارهای هوش مصنوعی که برای چنین تصمیم‌گیری‌هایی استفاده می‌شوند با بررسی همبستگی‌های ظریف بین هزاران متغیر عمل می‌کنند. هنگامی که فرایند تصمیم گیری قابل توضیح نباشد، برنامه ممکن است به عنوان هوش مصنوعی جعبه سیاه ( Black Box AI) نامیده شود.

به طور خلاصه، چالش‌های اخلاقی هوش مصنوعی شامل موارد زیر است: سوگیری به دلیل الگوریتم‌های آموزش نادرست و تعصب انسانی، سوء استفاده به روش‌های دیپ‌فیک و فیشینگ، نگرانی‌های حقوقی، از جمله مسائل مربوط به حق چاپ؛ حذف مشاغل و نگرانی‌های حفظ حریم خصوصی داده‌ها، به ویژه در زمینه‌های بانکی، مراقبت‌های بهداشتی و قانونی.

نقش هوش مصنوعی در چه مشاغلی پررنگ‌تر است؟

با توسعه تکنولوژی در دهه‌های اخیر، نقش AI  هم در مشاغل و صنایع مختلف پررنگ‌تر شده است. با این حال در برخی از مشاغل، نقش پررنگ‌تری هم دارد. در ادامه به ۱۰ مورد از مشاغلی که ارتباط مستقیمی با AI دارند اشاره می‌کنیم:

۱- مهندس یادگیری ماشین

مهندسان یادگیری ماشین از داده‌ها و الگوریتم‌ها برای بهبود ابزارهای Ai و بهبود دقت استفاده می‌کنند.

۲- دانشمند داده

دانشمندان داده، داده‌های پیچیده را با استفاده از تکنیک‌های Ai و یادگیری ماشینی برای استخراج بینش و تصمیم‌گیری مبتنی بر داده تجزیه و تحلیل و تفسیر می‌کنند.

۳- مهندس هوش مصنوعی

مهندسان Ai، برنامه‌ها و سیستم‌هایی را با استفاده از تکنیک‌های Artificial intelligence و یادگیری ماشین توسعه می‌دهند.

۴- اخلاق‌گرای هوش مصنوعی

اخلاق‌گرایان اطمینان می‌دهند که سیستم‌ها و فناوری‌های Ai به‌طور اخلاقی توسعه یافته و مورد استفاده قرار می‌گیرند و به مسائلی مانند تعصب، انصاف و شفافیت رسیدگی می‌کنند.

۵- مهندس رباتیک

مهندسان رباتیک ربات‌هایی را طراحی، توسعه و برنامه‌ریزی می‌کنند که از تکنولوژی هوش مصنوعی برای کارهایی مانند اتوماسیون، ناوبری و تشخیص اشیا استفاده می‌کنند.

۶- محقق هوش مصنوعی

محققان Artificial intelligence از طریق تحقیق و توسعه الگوریتم‌ها، مدل‌ها و فناوری‌های جدید، روی پیشرفت این حوزه کار می‌کنند.

۷- مهندس پردازش زبان طبیعی

مهندسان پردازش زبان طبیعی سیستم‌های هوش مصنوعی را توسعه می‌دهند که می‌توانند زبان انسان را درک و پردازش کنند و برنامه‌هایی مانند چت‌بات‌ها و دستیارهای صوتی را فعال کنند.

۸- مدیر محصول هوش مصنوعی

مدیران محصول Ai بر توسعه و اجرای محصولات و خدمات مبتنی بر Artificial intelligence نظارت می‌کنند و اطمینان می‌دهند که آن‌ها نیازهای مشتری و اهداف تجاری را برآورده می‌کنند.

۹- مشاور Ai

مشاوران هوش مصنوعی به سازمان‌ها در مورد چگونگی استفاده از فناوری‌ها برای حل مشکلات تجاری و بهبود عملیات، تخصص و راهنمایی می‌دهند.

۱۰- استخدام‌کننده هوش مصنوعی

استخدام‌کنندگان این حوزه از ابزارها و الگوریتم‌ها برای ساده‌سازی و بهبود فرایند استخدام، از غربالگری رزومه تا تطبیق کارجوها، استفاده می‌کنند.

اینها تنها چند نمونه از مشاغلی هستند که نقش Ai در آن‌ها برجسته است. حوزه هوش مصنوعی به سرعت در حال پیشرفت است و فرصت‌های شغلی جدیدی با ادامه پیشرفت فناوری‌ و ادغام در صنایع مختلف در حال ظهور است.

سخن پایانی: آینده هوش مصنوعی در جهان

وقتی هزینه‌های محاسباتی و زیرساخت داده‌های فنی ضروری برای Ai را در نظر بگیریم، متوجه می‌شویم که استفاده هوش مصنوعی در کسب و کارها، پیچیده و پرهزینه است. خوشبختانه، پیشرفت‌های عظیمی در فناوری محاسبات صورت گرفته است؛ همانطور که قانون مور نشان می‌دهد تعداد ترانزیستورهای روی یک ریزتراشه تقریبا هر دو سال دو برابر و در عین حال هزینه استفاده از کامپیوترها به نصف می‌شود.

اگرچه بسیاری از کارشناسان بر این باورند که قانون مور احتمالا در دهه ۲۰۲۰ به پایان خواهد رسید، اما همین مساله تاثیر زیادی بر تکنیک‌های مدرن هوش مصنوعی داشته است؛ بدون آن، یادگیری عمیق از نظر مالی دور از ذهن و دسترس خواهد بود. از طرفی تحقیقات اخیر نشان داده است که نوآوری Artificial intelligence در واقع از قانون مور هم بهتر عمل کرده است.

با این منطق، پیشرفت‌هایی که هوش مصنوعی در صنایع مختلف ایجاد کرده است، در چند سال گذشته بسیار مهم بوده است و پتانسیل تأثیر حتی بیشتر در چند دهه آینده کاملا اجتناب ناپذیر به نظر می‌رسد.