هوش مصنوعی و یادگیری ماشینی قرار است بهزودی چه کارهایی برای ما انجام دهد؟
سال درخشش
بهنظر میرسد پس از سالها توسعه، عیبیابی و بهینهسازی، فناوریهای هوش مصنوعی ازجمله یادگیری ماشینی به پختگی لازم برای عرضه تجاری و ورود به دنیای واقعی رسیده باشند. به همین دلیل هم بسیاری از متخصصان پیشبینی میکنند که 2021 سال شروع دوران طلایی هوش مصنوعی و حل بسیاری از مشکلات بزرگ با این فناوری خواهد بود. در نمایشگاه CES امسال بیشتر از همیشه انواع و اقسام محصولات مبتنی بر هوش نرمافزارهای هوشمند با قابلیت تصمیمگیری یا همان هوش مصنوعی بهچشم میخورد که خود یک نشانه دیگر است. تمام این پیشرفتها و تبدیل هوش مصنوعی و یادگیری ماشینی از یک مفهوم نظری به یک ابزار عملی، بهلطف پیشرفتهای بهدست آمده در زمینه علم داده، فناوری نرمافزار، بالا رفتن قدرت پردازش و سرعت سختافزارها ممکن شده است. درنتیجه بهزودی شاهد استفاده فراگیرتری از آنها در انواع حوزهها خواهیم بود. اما سال طلایی هوش مصنوعی قرار است چطور باشد؟ این فناوریهای هوشمند قرار است چطور وارد زندگی ما شود و آیا باید احساس خطر کنیم؟ در ادامه نگاهی به کاربردهای عملی هوش مصنوعی در زندگی واقعی در یکسال آینده میاندازیم تا پاسخی برای این پرسشها پیدا کنیم.
وقتی حرف از اینترنت اشیا و تجهیزات متصل میشود، بیشتر لوازم خانگی هوشمند به ذهن متبادر میشود. اما این ترکیب میتواند کاربردهای جالب دیگری هم داشته باشد که شاید در نگاه اول به چشم نیاید. برای مثال نیروی هوایی کانادا از هواپیماهای سی-130 برای عملیات جستوجو و نجات استفاده میکند. این نیرو موفق شده با ترکیب اینترنت اشیا و یادگیری ماشینی، کیفیت و کارایی تعمیر و نگهداری این هواپیماها را متحول کند. بیش از 600حسگر که در سراسر بدنه هواپیما پراکنده شدهاند در هر ساعت پرواز 72هزار خط داده، ازجمله خطاهای سیستم و گزارش خرابی قطعات تولید میکنند. با استفاده از یادگیری ماشینی، سیستم بهینهترین روشهای انجام تعمیر و نگهداری با بهترین کیفیت و حداقل هزینه را به خدمه نشان میدهد. این ترکیب آنقدر توانمند و انعطافپذیر است که پیشبینی میشود تا 2022، نوعی از هوش مصنوعی در بیش از 80 درصد پروژههای شرکتی اینترنت اشیا (مثل فروشگاهها و بیمارستانها) بهکار خواهد رفت. این رقم در حال حاضر تنها 10درصد است.
کامپیوترهای بینا
بینایی کامپیوتری با آموزش به آنها یاد میدهد چطور باید دنیای اطراف خود را تفسیر و درک کنند. با استفاده از مدلهای یادگیری عمیق، کامپیوترها میتوانند با دقتی مثالزدنی اشیا را در ویدئو یا تصاویر داخل اسناد چاپی شناسایی کنند و به آن واکنش نشان دهند. این کاربرد هوشمصنوعی، در این مدت تاثیر ملموسی بر صنایعی چون حملونقل، خدمات سلامت، بانکداری و ساخت و تولید داشته است. خودروهای خودران مثل تسلا میتوانند به کمک هوش مصنوعی و مجموعه دوربینها و رادارهای نوری نهتنها اجسام اطراف خود را ببینند، بلکه برای مثال تفاوت بین علامت ایست و عابر پیاده را تشخیص دهند و بر همان اساس تصمیمگیری کنند. این فناوری همچنین در زمینه پایش هوشمند عکسهای پزشکی برای یافتن نشانههای زودهنگام بیماریهای بدخیم مثل سرطان و تومور بسیار کارآمد است.
هوش انعطافپذیر
یادگیری ماشینی در نهایت بهدنبال دستیابی به سیستمی است که بتواند به کامپیوترها اجازه دهد در لحظه و با توجه به شرایط محیطی تصمیم بگیرند. درست مثل انسانها که در هر لحظه با توجه به مجموعه تجربیاتی که از موفقیتها و شکستهای قبلی خود بهدست میآورند، بهترین تصمیم را از نظر خود میگیرند. در سال جاری اینگونه فناوریها که در حال حاضر بیشتر در زمینههایی مثل کشف هوشمند کلاهبرداری بهکار میروند، توسعه بیشتری یافته و وارد حوزههای دیگر هم خواهد شد؛ بهخصوص که اوایل بهمن امسال هم محققان دانشگاه MIT از توسعه نوع جدیدی از هوش مصنوعی بهنام Liquid AI یا هوش مصنوعی سیال خبر دادند. این مدل جدید هوش مصنوعی میتواند از شکستهای خود درس گرفته و بهسرعت خود را با هر شرایطی تطبیق دهد.
ابزارهای تحلیلی هوشمند
فناوری هوش مصنوعی برای تجاری شدن بهمعنی واقعی کلمه باید بتواند از حصار آزمایشگاهها و متخصصان علوم داده خارج شود. در سال آینده و پس از آن بیشتر شاهد سرمایهگذاری شرکتها برای ایجاد ابزارهای تحلیلی هوش مصنوعی برای استفاده در تصمیمگیریهای کاری خواهیم بود. در بازار رقابتی امروز نهتنها باید محصول باکیفیت تولید کنید، بلکه باید مطمئن شوید چیزی که به مشتری عرضه میکنید دقیقا همان چیزی است که او میخواهد. این ابزارها میتواند به کسانی که دید مناسبی از حوزه فعالیت خود دارند کمک کند اطلاعات کافی برای اتخاذ تصمیمهای بهتر و سودآوری بیشتر بهدست آورند. در آینده، هوش مصنوعی بهصورتی گستردهتر در فرآیند طراحی و تولید محصولات نرمافزاری و سختافزاری بهکار برده خواهد شد تا مسیری روشنتر برای رسیدن به سودآوری برای سازندگان ترسیم کنند.