چگونه هوش مصنوعی آینده را تغییر خواهد داد

استفاده از یادگیری ماشین و بینایی کامپیوتری برای تشخیص و طبقه بندی انواع “رویدادهای ایمنی”. دستگاه به اندازه جعبه کفش همه چیز را نمی بیند، اما مقدار زیادی می بیند. مانند اینکه راننده در حین کار با وسیله نقلیه به چه سمتی نگاه می کند. چقدر سریع رانندگی می کند، کجا رانندگی می کند، مکان افراد اطرافش. و چگونه دیگر اپراتورهای لیفتراک با وسایل نقلیه خود مانور می دهند.

نرم افزار IFM به طور خودکار موارد نقض ایمنی (به عنوان مثال استفاده از تلفن همراه) را شناسایی کرده و به مدیران انبار اطلاع می دهد. بنابراین آنها می توانند اقدامات فوری انجام دهند. اهداف اصلی پیشگیری از حوادث و افزایش کارایی است. Gyongyosi ادعا می کند که صرف آگاهی از اینکه یکی از دستگاه های IFM در حال تماشای آن است، “تأثیر بزرگی” داشته است.

او می‌گوید: «اگر به دوربین فکر می‌کنید، این حسگر غنی‌ترین سنسوری است که امروزه با قیمت بسیار جالبی در دسترس ماست. به دلیل اینکه گوشی‌های هوشمند، دوربین و حسگرهای تصویر بسیار ارزان شده‌اند، با این حال ما اطلاعات زیادی را ضبط می‌کنیم. از یک تصویر ممکن است امروز بتوانیم ۲۵ سیگنال را استنباط کنیم. اما شش ماه بعد ما قادر خواهیم بود ۱۰۰ یا ۱۵۰ سیگنال را از همان تصویر استنباط کنیم.

تنها تفاوت نرم افزاری است که به تصویر نگاه می کند. و به همین دلیل است که این بسیار قانع کننده است زیرا امروز می توانیم یک مجموعه ویژگی اصلی بسیار مهم را ارائه دهیم. اما با گذشت زمان، همه سیستم های ما از یکدیگر یاد می گیرند. هر مشتری می تواند از هر مشتری دیگری سود ببرد. که ما آن را وارد می کنیم زیرا سیستم های ما شروع به دیدن می کنند. و فرآیندهای بیشتری را یاد بگیرید و چیزهای بیشتری را شناسایی کنید. که مهم و مرتبط هستند.»

تکامل هوش مصنوعی

IFM تنها یکی از مبتکران بی‌شماری هوش مصنوعی در زمینه‌ای است که داغ‌تر از همیشه است و همیشه بیشتر می‌شود. در اینجا یک شاخص خوب وجود دارد: از ۹۱۰۰ بیمار دریافت شده توسط مخترعان IBM در سال ۲۰۱۸، ۱۶۰۰ (یا تقریباً ۱۸ درصد) مربوط به هوش مصنوعی بودند. یکی دیگر از این موارد: ایلان ماسک، بنیانگذار تسلا و فناوری، اخیراً ۱۰ میلیون دلار برای تأمین مالی تحقیقات در حال انجام در شرکت تحقیقاتی غیرانتفاعی غول OpenAI اهدا کرد – اگر تعهد ۱ میلیارد دلاری او در سال ۲۰۱۵ نشانه‌ای از این باشد. و در سال ۲۰۱۷، ولادیمیر پوتین، رئیس‌جمهور روسیه به بچه‌های مدرسه‌ای گفت: «هر کسی که در این حوزه [هوش مصنوعی] رهبر شود، فرمانروای جهان خواهد شد». سپس سرش را به عقب پرت کرد و دیوانه وار خندید.

خوب، آخرین مورد نادرست است. با این حال، این چنین نیست: پس از بیش از هفت دهه مشخص شده توسط هوپلا. و خواب پراکنده در طول یک دوره تکاملی چند موجی. این کار با به اصطلاح “مهندسی دانش” آغاز شد و به یادگیری ماشین مبتنی بر مدل و الگوریتم پیشرفت کرد و به طور فزاینده ای ادامه دارد. تمرکز بر ادراک، استدلال و تعمیم. هوش مصنوعی دوباره در کانون توجه قرار گرفته است. و به این زودی ها کانون توجه را از دست نخواهد داد.

آینده اکنون است: تأثیر هوش مصنوعی در همه جا است

تقریباً هیچ صنعت بزرگی وجود ندارد که هوش مصنوعی مدرن – به طور خاص، «هوش مصنوعی باریک»، که عملکردهای عینی را با استفاده از مدل‌های آموزش داده شده انجام می‌دهد و اغلب در دسته‌های یادگیری عمیق یا یادگیری ماشین قرار می‌گیرد، تاکنون تحت تأثیر قرار نگرفته است. این امر به‌ویژه در چند سال گذشته صادق است، زیرا جمع‌آوری و تجزیه و تحلیل داده‌ها به لطف اتصال قوی اینترنت اشیا، تکثیر دستگاه‌های متصل و پردازش رایانه‌ای سریع‌تر به طور قابل توجهی افزایش یافته است.

برخی از بخش ها در آغاز سفر هوش مصنوعی خود هستند، برخی دیگر مسافران کهنه کار هستند. هر دو راه درازی در پیش دارند. صرف نظر از تأثیری که هوش مصنوعی بر زندگی امروزی ما می گذارد به سختی می توان نادیده گرفت:

• حمل و نقل: اگرچه تکمیل آنها ممکن است یک دهه یا بیشتر طول بکشد، خودروهای خودران روزی ما را از جایی به مکان دیگر خواهند برد.
• ساخت: روبات‌های مجهز به هوش مصنوعی در کنار انسان‌ها برای انجام طیف محدودی از وظایف مانند مونتاژ و چیدمان کار می‌کنند، و حسگرهای آنالیز پیش‌بینی‌کننده، تجهیزات را به خوبی کار می‌کنند.
• مراقبت‌های بهداشتی: در حوزه مراقبت‌های بهداشتی نسبتاً نوپا با هوش مصنوعی، بیماری‌ها سریع‌تر و دقیق‌تر تشخیص داده می‌شوند، کشف دارو سریع‌تر و ساده‌تر می‌شود، دستیاران پرستار مجازی بر بیماران نظارت می‌کنند و تجزیه و تحلیل کلان داده‌ها به ایجاد تجربه شخصی‌تر برای بیمار کمک می‌کند.
• آموزش: کتاب‌های درسی با کمک هوش مصنوعی دیجیتالی می‌شوند، آموزگاران مجازی در مراحل اولیه به مربیان انسانی کمک می‌کنند، و تجزیه و تحلیل چهره، احساسات دانش‌آموزان را اندازه‌گیری می‌کند تا به تشخیص اینکه چه کسی دچار مشکل یا کسل است و بهتر تجربه را با نیازهای فردی آن‌ها تطبیق می‌دهد.
• رسانه: روزنامه نگاری نیز از هوش مصنوعی استفاده می کند و همچنان از آن بهره خواهد برد. بلومبرگ از Cyborg فناوری برای کمک به درک سریع گزارش های مالی پیچیده استفاده می کند. آسوشیتدپرس از توانایی های زبان طبیعی Automated Insights برای تولید ۳۷۰۰ گزارش درآمد در سال استفاده می کند – تقریباً چهار برابر بیشتر از گذشته اخیر.
• خدمات مشتری: آخرین و کم اهمیت ترین، گوگل در حال کار بر روی دستیار هوش مصنوعی است که می تواند تماس هایی شبیه به انسان برقرار کند تا مثلاً در آرایشگاه محله شما قرار ملاقات بگذارد. علاوه بر کلمات، سیستم زمینه و تفاوت های ظریف را درک می کند.

اما این پیشرفت‌ها (و بسیاری دیگر، از جمله این پیشرفت‌های جدید) تنها آغاز کار است. چیزهای بیشتری در راه است – بیش از هر کسی، حتی پیشگوترین پیشگویان، می توانند درک کنند.

دیوید وندگریفت، مدیر ارشد فناوری و یکی از بنیانگذاران شرکت مدیریت ارتباط با مشتری ، می‌گوید: «من فکر می‌کنم هرکسی که در مورد قابلیت‌های نرم‌افزار هوشمندی که در یک ۴Degrees مقطع زمانی محدود می‌شود، فرضیاتی داشته اشتباه می‌کند باشد، .

از آنجایی که شرکت‌ها سالانه نزدیک به ۲۰ میلیارد دلار برای محصولات و خدمات هوش مصنوعی هزینه می‌کنند، غول‌های فناوری مانند گوگل، اپل، مایکروسافت و آمازون میلیاردها دلار برای ایجاد این محصولات و خدمات هزینه می‌کنند، دانشگاه‌ها هوش مصنوعی را بخشی برجسته‌تر از برنامه‌های درسی مربوطه خود می‌کنند (MIT به تنهایی کاهش ۱ میلیارد دلاری برای کالج جدیدی که صرفاً به محاسبات اختصاص داده شده است، با تمرکز بر هوش مصنوعی) و وزارت دفاع ایالات متحده بازی هوش مصنوعی خود را ارتقا دهد، اتفاقات بزرگی رخ خواهد داد. برخی از این تحولات در راه تحقق کامل هستند. برخی صرفا نظری هستند و ممکن است به همین صورت باقی بمانند. همه، برای بهتر و بالقوه بدتر، مخرب هستند، و هیچ رکودی در چشم نیست.

اندرو نگ، رهبر سابق گوگل برین و دانشمند ارشد بایدو اواخر سال گذشته به ZDNet گفت: «بسیاری از صنایع از این الگوی زمستان، زمستان و سپس بهار ابدی عبور می‌کنند». ما ممکن است در بهار ابدی هوش مصنوعی باشیم.