هوش مصنوعی روزمره می تواند به اندازه برق همه جا حاضر و ضروری شود


اکنون برای گذرنامه مجازی رایگان خود در اجلاس Low-Code/No-Code Summit در 9 نوامبر ثبت نام کنید. از مدیران سرویس Now، Credit Karma، Stitch Fix، Appian و غیره بشنوید. بیشتر بدانید.


هوش مصنوعی (AI) در حال فراگیر شدن است. هنگام رانندگی مسیرها را ارائه می دهد، به سؤالات ما پاسخ می دهد، توصیه های موسیقی را ارائه می دهد و به تعداد فزاینده ای از فرآیندهای تجاری در محل کار نیرو می دهد.

در واقع، هوش مصنوعی در بسیاری از جنبه‌های زندگی شخصی و حرفه‌ای ما کار می‌کند که شرکت من شروع به معرفی آن به عنوان «هوش مصنوعی روزمره» کرده است. به زودی، من می خواهم استدلال کنم، آن را به همه جا – و ضروری – مانند برق تبدیل خواهد شد.

با این حال، علی‌رغم پیشرفت، ما فقط به روش‌های بالقوه‌ای که هوش مصنوعی می‌تواند، و بدون شک، تجارت و جهان را تغییر دهد، سطح را خراشیده‌ایم. گارتنر پیش‌بینی کرده است که نیمی از سازمان‌ها در سراسر جهان تا سال ۲۰۲۵ به آنچه مدل بلوغ هوش مصنوعی گارتنر به عنوان «مرحله تثبیت» بلوغ هوش مصنوعی یا فراتر از آن توصیف می‌کند، برسند.

بنابراین، هنوز کارهای زیادی برای انجام دادن برای قرار دادن تمام قطعات هوش مصنوعی وجود دارد – نرم افزار، سیستم ها، الگوریتم های یادگیری ماشین (ML)، خطوط لوله داده و کنترل های حاکمیتی. همانطور که سازمان‌های بیشتری این نوع زیرساخت هوش مصنوعی را می‌سازند و گسترش می‌دهند، مزایای هوش مصنوعی روزمره – از جمله بهره‌وری، کارایی و بینش‌های مبتنی بر داده‌ها – به طور فزاینده‌ای برای کسب‌وکارها در هر اندازه‌ای پاداش دریافت می‌کند.

رویداد

اجلاس کم کد/بدون کد

به مدیران برجسته امروز در اجلاس Low-Code/No-Code به صورت مجازی در 9 نوامبر بپیوندید. همین امروز برای پاس رایگان خود ثبت نام کنید.

اینجا ثبت نام کنید

هوش مصنوعی: تکامل الکتریکی قرن بیست و یکم

از بسیاری جهات، هوش مصنوعی مانند الکتریسیته در قرن نوزدهم است: نوپا، امیدوارکننده، اما آزمایش نشده، بالقوه خطرناک بدون اقدامات احتیاطی، و پیامدهای بزرگی برای روشی که به طور بالقوه می تواند جامعه را متحول کند.

برخی از نیروهای زیربنایی الکتریسیته – مغناطیس، قطبیت، بار الکتریکی – قبل از اینکه بنجامین فرانکلین، در سال 1752، بادبادکی را با یک کلید فلزی به پرواز درآورد تا نشان دهد که صاعقه شکل طبیعت الکتریسیته است، درک شده بود. اما تا قرن نوزدهم بود که حوزه نوظهور مهندسی برق قطعات لازم را برای در دسترس قرار دادن برق در همه جا در اختیار مردم قرار داد، از جمله یکی از اولین شبکه های برق «جریان مستقیم» جهان در شهر نیویورک.

امروز، می توان گفت ما در مرحله اولیه لامپ یا توستر برقی هوش مصنوعی هستیم. هنوز هم در بسیاری از مکان‌ها اثبات مفهومی است و شبکه هوش مصنوعی – سیستم‌ها و نرم‌افزارهایی که کاربردهای هوش مصنوعی را در سراسر مشاغل جهانی و مصرف‌کنندگان گسترش می‌دهند – هنوز به طور کامل پیاده‌سازی نشده است.

و با این حال، بسیاری از مردم در حال حاضر اولین تجربیات خود را در استفاده از هوش مصنوعی، مستقیم یا غیرمستقیم، دارند. الکسای آمازون و سیری اپل، آن دستیارهای مجازی کنترل‌شده صوتی فراگیر، دو نمونه از شناخته‌شده‌ترین نمونه‌ها هستند، اما بسیاری دیگر نیز وجود دارند. چت‌بات‌های وب‌سایت، ابزارهای تصحیح خودکار متن، و تشخیص چهره برای احراز هویت فراگیر هستند و دسترسی به آن آسان است.

در این شرایط روزمره، ما می‌دانیم که الگوریتم‌های هوش مصنوعی، فرآیندهای تجاری و تجربیات کاربر را هدایت می‌کنند. وقتی هوش مصنوعی را می بینیم می شناسیم.

اما هوش مصنوعی نیز به روش‌های نه چندان واضح کار می‌کند. به عنوان مثال، اغلب در پشت صحنه تاییدیه های وام، بهینه سازی زنجیره تامین، و اتوماسیون تولید است.

با احتیاط نزدیک شوید

بنابراین، خط بین شروع و توقف هوش مصنوعی می تواند مبهم شود. من یک بار در تمرینی که آن را «آیا هوش مصنوعی انجام می‌دهم؟» به اتاقی پر از دانشمندان داده اشاره کردم. ایده این بود که نشان دهیم ما همیشه نمی‌دانیم هوش مصنوعی چه زمانی فرآیندهایی مانند مقاله‌های خبری تولید خودکار را که اکنون در رسانه‌ها رایج هستند، تقویت می‌کند.

در آن زمان، من پیشنهاد کردم که از چهار ویژگی – یادگیری، تعامل، ادراک و جستجوی هدف – برای سنجش “هوش مصنوعی” نسبی چیزها به صورت موردی استفاده کنیم. این است هوش جنبه هوش مصنوعی و به طور فزاینده ای در تجارب دیجیتالی ما بیشتر و بیشتر نمایان می شود.

اما در اینجا باید مراقب باشیم. از آنجایی که کسب‌وکارهای بیشتری در این مسیر حرکت می‌کنند، ضروری است که مکانیسم‌های ایمنی را برای جلوگیری از هوش مصنوعی مشابه شوک الکتریکی داشته باشیم. یکی از دلایلی که شبکه برق به خوبی کار می کند، با وجود قطعی های گاه به گاه، این است که کلیدهای مدار و سایر دستگاه های ایمنی برای جلوگیری از حوادث ناگوار طراحی شده اند.

هوش مصنوعی به میله های زمینی خود نیاز دارد: راه هایی برای به حداقل رساندن سوگیری هوش مصنوعی، تقلبی های عمیق، تهاجم به حریم خصوصی و سایر پیامدهای ناخواسته. اخیراً گزارشی دیدم که نشان می‌داد بیش از ده‌ها وسیله نقلیه خودران در یک تقاطع در سانفرانسیسکو به هم ریخته و منجر به ترافیک دو ساعته شد. همه اینها بخشی از منحنی یادگیری هوش مصنوعی است، بنابراین ما باید آماده باشیم.

اعتماد و شفافیت در هوش مصنوعی روزمره

کلید موفقیت بلندمدت ایجاد اعتماد به هوش مصنوعی از طریق شفافیت خواهد بود. نه تنها هوش مصنوعی باید همانطور که انتظار می رود رفتار کند، بلکه باید بتوانیم این موضوع را نشان دهیم و حتی ثابت کنیم. به همین دلیل است که مفهوم توضیح‌پذیری هوش مصنوعی، روشی برای ردیابی و اعتبارسنجی فرآیندهای مبتنی بر هوش مصنوعی، حیاتی است.

رهبران کسب‌وکار چگونه می‌توانند اطمینان حاصل کنند که سازمان‌هایشان چارچوب حاکمیت هوش مصنوعی مناسب برای رسیدن به این آستانه بالا را در اختیار دارند؟ اساساً، حکمرانی نیازمند اولویت بندی و استانداردسازی قوانین و فرآیندها در طراحی و استقرار هوش مصنوعی است. علاوه بر این، همسو کردن نتایج هوش مصنوعی – نه فقط با نتایج مالی، بلکه با اهداف غیر مالی مانند اهداف جامعه شناختی و زیست محیطی بسیار مهم است.

همانطور که هوش مصنوعی در این مسیر پیشرفت می کند، موارد استفاده جدید افزایش می یابد و باعث افزایش پذیرش می شود. همانطور که تقاضا برای برق با ظهور لامپ‌ها، توسترها و دستگاه‌های قهوه جوش افزایش یافت، هوش مصنوعی نیز با ظهور دستیارهای مجازی، وسایل نقلیه خودران و خانه‌های هوشمند تسریع خواهد شد.

در بسیاری از نقاط جهان، الکتریسیته در حال حاضر یک ضرورت محسوب می شود. نتیجه ای وجود دارد که هوش مصنوعی از پروژه های آزمایشی به ابتکارات گسترده سازمانی در تجارت پیشرفت می کند. ممکن است روزی فرا برسد که نتوانیم زندگی کاری و شخصی خود را بدون قابلیت های روشنایی هوش مصنوعی تصور کنیم.

Florian Douetteau مدیرعامل Dataiku است.

DataDecisionMakers

به انجمن VentureBeat خوش آمدید!

DataDecisionMakers جایی است که کارشناسان، از جمله افراد فنی که کار داده را انجام می دهند، می توانند بینش ها و نوآوری های مرتبط با داده را به اشتراک بگذارند.

اگر می‌خواهید درباره ایده‌های پیشرفته و اطلاعات به‌روز، بهترین شیوه‌ها و آینده فناوری داده و داده مطالعه کنید، به ما در DataDecisionMakers بپیوندید.

شما حتی ممکن است در نظر داشته باشید که مقاله ای از خودتان ارائه دهید!

از DataDecisionMakers بیشتر بخوانید