هوش مصنوعی آماده است تا تمام صنایع را دگرگون کند، همانطور که ۱۰۰ سال پیش الکتریسیته همه چیز را تغییر داد. طبق برآورد مک کینزی، تا سال ۲۰۳۰ هوش مصنوعی سیزده تریلیون دلار رشد تولید ناخالص داخلی ایجاد خواهد کرد که بیشتر آن در بخش‌های غیر اینترنتی شامل تولید، کشاورزی، انرژی، تدارکات، حمل و نقل و آموزش خواهد بود. ظهور هوش مصنوعی فرصتی را برای مدیران فراهم کرده است تا در هر صنعتی که هستند کسب‌وکارهای خود را متفاوت‌‌تر کنند و آنها را ارتقا دهند. اما اجرای یک استراتژی هوش مصنوعی در سطح شرکت به ویژه برای شرکت‌های قدیمی چالش برانگیز است. توصیه من به مدیران در هر صنعتی که هستند این است که با قدم‌های کوچک شروع کنند. اولین قدم برای ساختن یک استراتژی هوش مصنوعی، که از راهنمای تغییر کاربری هوش مصنوعی برگرفته شده، انتخاب یک یا دو پروژه هوش مصنوعی در سطح شرکت است. این پروژه‌ها به شرکت شما کمک می‌کنند تا حرکت خود را در این مسیر آغاز کنید و دانش دست اولی را از چیزی که برای ساخت یک محصول هوش مصنوعی لازم است کسب کند.
ویژگی‌های یک پروژه آزمایشی قوی هوش مصنوعی
برای بهره‌گیری از قدرت فناوری‌های هوش مصنوعی لازم است که آنها را متناسب با زمینه کسب‌وکار خود تنظیم کنید. هدف از این یک یا دو پروژه آزمایشی فقط ایجاد ارزش نسبی است. مساله مهم‌تر این است که موفقیت این پروژه‌های آزمایشی باعث می‌شود بتوانید ذینفعان را برای سرمایه‌گذاری در ایجاد توانایی‌های هوش مصنوعی شرکت‌تان متقاعد کنید. وقتی در حال انجام یک پروژه آزمایشی هستید، سوالات زیر را از خود بپرسید:
آیا این پروژه به سرعت تبدیل به یک موفقیت می‌شود؟
از نخستین پروژه آزمایشی هوش مصنوعی خود استفاده کنید تا کارها روی غلطک بیفتند. در ابتدا پروژه‌هایی را انتخاب کنید که به سرعت انجام شوند (به طور ایده‌آل در طی ۶-۱۲ ماه) و شانس موفقیت بالایی داشته باشند. به جای انجام تنها یک پروژه آزمایشی، دو یا سه پروژه انتخاب کنید تا شانس این را داشته باشید که حداقل یک موفقیت چشم‌گیر به دست آورید.
آیا این پروژه بیش از حد پیش پا افتاده یا دست و پاگیر است؟
پروژه آزمایشی شما لازم نیست که با ارزش‌ترین کاربردهای هوش مصنوعی باشد اما باید به اندازه کافی معنی‌دار باشد تا پس از کسب موفقیت بتواند سایر رهبران شرکت‌ها را به سرمایه‌گذاری در پروژه‌های بعدی هوش مصنوعی ترغیب کند. در روزهای ابتدایی سرپرستی تیم Google Brain ، با شک و تردید گسترده‌ای در در مورد پتانسیل یادگیری عمیق روبرو شدم. برای گوگل تشخیص گفتار اهمیت بسیار کمتری نسبت به جستجوی وب و تبلیغات داشت، بنابراین تیم من به نوعی اولین مشتری داخلی گوگل بود.
با موفقیتی که در ساخت یک سیستم شناخت دقیق‌تر داشتیم ما تیم‌های دیگر را متقاعد کردیم که به Google Brain ایمان داشته باشند. برای پروژه دوم خود ، ما با Google Maps کار کردیم تا کیفیت داده‌ها را افزایش دهیم. هر پروژه موفق باعث می‌شد سرعت ما افزایش پیدا کند و می‌توان گفت Google Brain نقش اصلی را در تبدیل گوگل به شرکت بزرگ هوش مصنوعی فعلی ایفا کرد.
آیا پروژه شما مختص صنعت شما است؟
با انتخاب یک پروژه خاص برای شرکت، ذینفعان داخلی شما می‌توانند ارزش پروژه را مستقیماً درک کنند. به عنوان مثال، اگر شما یک شرکت تجهیزات پزشکی را اداره می‌کنید ، ساخت یک پروژه استخدام مبتنی بر هوش مصنوعی که قادر به نمایش خودکار رزومه‌ها است به دو دلیل یک ایده بد است:
(۱) احتمال بسیار بالایی وجود دارد که شخص دیگری یک پلت‌فرم استخدامی ایجاد کند که هم خدمات بهتری ارائه دهد و هم دیتابیس بزرگ‌تری داشته باشد. در نتیجه هم می‌تواند عملکردی بهتر از محصول شما داشته باشد و هم قیمت آن مقرون به صرفه‌تر باشد.
(۲) در مقایسه با یک پروژه که روی به کارگیری هوش مصنوعی در دستگاه‌های پزشکی کار می‌کند، این پروژه توانایی کمتری برای متقاعد کردن شرکت شما را دارد که هوش مصنوعی ارزش سرمایه‌گذاری دارد.
به هرحال ساختن یک سیستم هوش مصنوعی خاص برای مراقبت‌های بهداشتی با ارزش‌تر است، چه این پروژه استفاده از هوش مصنوعی برای کمک به پزشکان در تهیه برنامه‌های درمانی باشد یا ساده‌تر کردن روند پذیرش و ویزیت بیمارستان از طریق خودکارسازی و یا ارائه مشاوره بهداشتی شخصی‌سازی شده.
آیا با همکاران معتبر برای تسریع پروژه هوش مصنوعی خود کمک می گیرید؟
اگر هنوز در حال ایجاد تیم هوش مصنوعی خود هستید، به فکر همکاری با همکاران خارج از شرکت باشید تا تخصص هوش مصنوعی را به سرعت تجربه کنید. اگرچه شما می‌خواهید تیم هوش مصنوعی داخلی داشته باشید با این حال سرعت رشد هوش مصنوعی بسیار بالا است و منتظر ماندن برای ایجاد این تیم ممکن است شما را عقب بیندازد.
آیا پروژه هوش مصنوعی شما ارزش‌آفرینی می کند؟
بیشتر پروژه‌های هوش مصنوعی به یکی از این سه روش ارزش ایجاد می‌کنند:
۱- کاهش هزینه‌ها (تقریباً در هر صنعتی خودکارسازی، فرصت‌هایی برای کاهش هزینه‌ها ایجاد می‌کند)
۲- افزایش درآمد (سیستم‌های پیشنهادی و پیش‌بینی مبتنی بر هوش مصنوعی باعث افزایش فروش و کارایی می‌شوند)
۳- راه اندازی مشاغل جدید (هوش مصنوعی می‌تواند پروژه‌هایی را را اجرایی کند که قبلا امکان آن نبود)
حتی بدون داشتن “داده های بزرگ” می‌توانید ارزش ایجاد کنید. برخی از کسب و کارها، مانند موتورهای جستجو، تعداد زیادی کوئری دارند و بنابراین موتورهای جستجو با داده‌های بیشتر عملکرد بهتری دارند.
با این وجود، همه کسب و کارها این میزان داده را در اختیار ندارند و ممکن است ساخت یک سیستم هوش مصنوعی با ارزش که حداقل ۱۰۰-۱۰۰۰ داده دارند امکان پذیر باشد. توصیه می‌کنیم داده‌های زیادی که در صنعت خود دارید، ملاکی برای انتخاب پروژه‌ها نباشد. بسیاری معتقد هستند که تیم هوش مصنوعی می‌تواند هر داده‌ی بزرگی را به یک ارزش تبدیل کند در حالی که اینطور نیست. پروژه‌هایی از این دست شکست می‌خورند. مهم این است که یک تئوری را توسعه دهید در مورد اینکه به طور خاص چگونه یک سیستم هوش مصنوعی می تواند ارزش ایجاد کند.
استفاده از فناوری یادگیری با نظارت یک منبع غنی از ایده‌ها برای آن دسته از پروژه‌های هوش مصنوعی است که انسان‌ها آنها را انجام می‌دهند. شما متوجه خواهید شد که هوش مصنوعی به جای شغل‌ها، در خودکارسازی کارها عملکرد خوبی دارد و باید سعی کنید وظایف مشخصی را که در حالت عادی انسان‌ها انجام می‌دهند شناسایی کنید و بررسی کنید که آیا این کارها توانایی خودکارشدن دارند یا نه؟ بعنوان مثال، وظایف مربوط به کار رادیولوژیست ممکن است شامل خواندن اشعه ایکس، کار با دستگاه‌های تصویربرداری، مشاوره با همکاران و برنامه‌ریزی جراحی باشد. به جای اینکه بخواهید کل شغل خود را به طور خودکار انجام دهید، بررسی کنید که آیا فقط یکی از کارها می‌تواند از طریق اتوماسیون جزئی خودکار شود یا حتی کمی سریع‌تر انجام شود؟
من قبل از اجرای یک پروژه هوش مصنوعی، توصیه می‌کنم جدول زمانی و خروجی مطلوب را مشخص کنید. همچنین بودجه مناسبی را به تیم اختصاص دهید.
یک رهبر تعیین کنید
فردی را انتخاب کنید که بتواند عملکردی چندوجهی از خود نشان دهد و پلی باشد میان متخصصان هوش مصنوعی و دیگر متخصصان شرکت. با این کار مطمئن می‌شوید که وقتی پروژه ی هوش مصنوعی به ثمر برسد، بقیه سازمان را تحت تأثیر قرار می‌دهد. باید تاکید کنیم که هدف تیم، ساختن یک استارت آپ هوش مصنوعی نیست. هدف آنها ساختن یک پروژه موفق است که به عنوان اولین قدم نگاه شرکت و دیگر افراد را در مورد هوش مصنوعی تحت تاثیر قرار دهد و راه را برای ساخت پروژه‌های دیگر در آینده هموار سازد.
از ارزش تجاری و نظارت فنی مطمئن شوید
اطمینان حاصل کنید که اگر پروژه هوش مصنوعی شما اجرایی موفقیت‌آمیز داشته باشد و صاحبان کسب‌وکار نیز موافق باشند که این پروژه ارزش کافی برای کسب‌وکار آنها ایجاد خواهد کرد. نکته دیگر اینکه از امکان عملیاتی بودن پروژه خود مطمئن شوید. نظارت فنی می‌تواند هفته‌ها طول بکشد. همچنین به یک تیم فنی نیاز است تا اطلاعات شما را بررسی کند و حتی در صورت لزوم شاید آزمایش‌هایی در مقیاس کوچک انجام دهد.
یک تیم کوچک بسازید
من پروژه‌های آزمایشی بسیاری را دیده‌ام که با حدود پنج تا ۱۵ نفر اجرا شده‌اند. سطح دقیق منابع در هر پروژه بسیار متفاوت است، اما پروژه‌هایی که می‌توانند با یک تیم کوچک انجام شوند مزایایی دارند. در وهله اول می‌توان اطمینان داشت همه می‌توانند همدیگر را بشناسند و به طور متقابل کار کنند. همچنین ممکن است تخصیص منابع بدون دردسر انجام شود. در حالی که امروزه برخی از پروژه‌ها وجود دارند که نیازی به صدها و هزاران مهندس دارند، چنین سطح بالایی از منابع و نیروی انسانی برای پروژه آزمایشی هوش مصنوعی شما لازم نیست.
ارتباط برقرار کنید
زمانی که پروژه آزمایشی شما به نقاط عطف کلیدی رسید به طور خاص وقتی که نتیجه موفقیت‌آمیزی حاصل شد، حتما امکاناتی شامل گفتگو، پاداش و حتی روابط عمومی را برای تیم فراهم کنید تا درون شرکت شناخته شوند.
اطمینان حاصل کنید که تیم پروژه ی هوش مصنوعی توسط مدیرعامل شناخته شده باشد. اگر یک تیم فناوری هوش مصنوعی دارید که با یک تیم تجاری کار می‌کند، مطمئن شوید که تیم تجاری، از حضور تیم هوش مصنوعی اعتبار و پاداش زیادی کسب می کند. این کار باعث می‌شود تیم‌های تجاری دیگری نیز به هوش مصنوعی روی خوش نشان دهند. من هدایت تیم Google Brain و تیم هوش مصنوعی بایدو را بر عهده داشتم که نیرو محرکه اصلی برای تبدیل این دو غول فناوری به شرکت‌های بزرگ هوش مصنوعی بودند. بنابراین فکر می‌کنم اکثر شرکت‌ها می‌توانند و باید در هوش مصنوعی مهارت داشته باشند.
لازم است تاکید کنم که هدف شما نباید رقابت با شرکت‌های پیشگام اینترنت باشد بلکه هدف شما باید تسلط بر هوش مصنوعی برای پیشبرد کسب و کار خودتان باشد. به یاد داشته باشید: اولین قدم انتخاب پروژه‌های آزمایشی مناسب و اجرای آنها است.
منبع: hooshio.com
