سو استفاده از اسم "هوش مصنوعی" در تولید محصولات

در این وضعیت، حتی یک اپیدمی مثل ویروس کرونا، نتونسته روند تولید محصولات جدید رو متوقف کنه. الان تقریبا هر شخصی رو که میبینم، یک سری ایده هایی داره که خیلی جدی هم به ساختشون فکر میکنه. بعضی از تکنولوژی ها، بواسطه ی کار بزرگی که قراره برامون انجام بدن و البته تبلیغاتی که روی آن ها میشه، بسیار جذاب شدند. مثل "هوش مصنوعی" ، "اینترنت اشیا" و در مجموع "هوشمند بودن".

اما اتفاقی که بسیار من رو درگیر میکنه، استفاده از اسم هوش مصنوعی هست. بواسطه ی ترند بودن اسم "هوش مصنوعی" هر کسی بدش نمیاد محصول خودش رو به همراه عنوان "هوش مصنوعی" معرفی کنه. اما نسبت به کسانی که با اسم هوش مصنوعی آشنا هستند، درصد بسیار کمتری از نظر فنی با پیاده سازی هوش مصنوعی آشنا هست.

اگر یک شرکت بزرگ ادعای استفاده از "هوش مصنوعی" بکند، کمی تشخیص درستی یا غلط این ادعا مشکل هست ولی در مورد شرکت ها و کسب و کار های خرد، این سوال پیش میاد که این الگوریتم چطور ساخته شده؟ این ادعا چطور مطرح شده؟

به عنوان مثال، چند روز پیش فیلمی از ارائه یک محصول در زمینه کشاورزی دیدم که میگفت، محصول ما با استفاده از اینترنت اشیا و هوش مصنوعی برای کشاورزان، راه حل نوینی ارائه میده تا محصول بهتری رو برداشت کنید.

اما قسمت هوش مصنوعی چطور اینکارو انجام میده؟ چطور بفهمیم این ادعا دروغ هست یا راست؟ چنتا راه حل برای اینکار وجود داره.

1- اول اینکه هر الگوریتم هوش مصنوعی، نیاز به دیتا دارد. غالب در فرمت csv یا به صورت دیتابیس های آنلاین وجود دارد. یعنی یک جدول دیتا باید بصورت دیجیتال وجود داشته باشه تا بتونید الگوریتم هوش مصنوعی رو آموزش دهید یا به اصطلاح train کنید. تعداد دیتایی که نیاز هست بستگی به نوع الگوریتم دارد ولی معمولا باید از چند هزار دیتا شروع شود.

پس برای ادعای هوش مصنوعی در زمینه کشاورزی، نیاز به وجود چند هزار دیتا در طی حداقل ده سال نیاز هست. یعنی باید از ده سال پیش دیتاهای مربوط به کشاورزی بومی همان کشور در دسترس باشه تا یک الگوریتم ساده یادگیری ماشین، قابل اجرا باشه. با دقت نه چندان بالا و قابل اعتماد. تجربه شخصی من معمولا بین 60 تا 70 درصد بود یعنی پیشنهادی که الگوریتم به من میدهد بین 60 تا 70 درصد صحت دارد.

یکی از راه های خوب برای اینکه بدونیم دیتایی در اون زمینه هست یا نه، میتونیم به سایت kaggle.com مراجعه کنیم تا بدونیم آیا دیتاستی(dataset) برای اینکار وجود داره یا نه؟ یا اینکه سابقا کسی همچین کار مشابهی رو در کشور های پیشرفته تر انجام داده یا خیر.

در انتها در نظر داشته باشید، برای یک الگوریتم ساده یادگیری ماشین، نیاز به چند هزار دیتا و برای یک الگوریتم قوی تر مثل "یادگیری عمیق" نیاز به میلیون ها دیتا وجود داره.

2 – سوال دوم این هست که دقیقا کدام قسمت محصول مجهز به هوش مصنوعی شده؟ یعنی هوش مصنوعی موجود در آن محصول دقیقا قراره چه کاری برای شما انجام بده؟

یکی از کارهایی که الگوریتم های هوش مصنوعی میتونند انجام بدهند، پیش بینی هست. به عنوان مثال، در الگوریتم های تشخیص اشیا در عکس، بعد از آماده شدن هوش مصنوعی، شما میتونید یک عکس جدید رو به الگوریتم بدین و اون به شما بگه اشیای توی عکس چی هستند. اما به عنوان مثال در یک دستگاه تشخیص رطوبت خاک، هوش مصنوعی قراره چه کاری انجام بدهد؟ آیا قراره در مورد آینده ی رطوبت خاک اطلاعاتی به ما بده؟ یا اینکه قراره به ما بگه چه چیزی در این خاک کاشته بشه بهتره؟ این با داشتن فقط اطلاعات رطوبت خاک ممکن نیست. و خیلی مثال های دیگه ای که میتونه زده بشه.

این دو روش میتونه به عنوان یک فیلتر قوی برای دروغ سنجی ادعای هوش مصنوعی در محصولات، خصوصا محصولات سخت افزاری، عمل کنه.

متاسفانه سابقه سو استفاده از این دست اسم ها، خصوصا در کشور ما، زیاد بوده. به عنوان مثال، الان هر دستگاه و هر محصولی رو هوشمند صدا میکنند در صورتیکه استفاده ازین اسم مستلزم هوشمند بودن واقعی اون محصول هست. هوشمند بودن یعنی حداقل یک تصمیمی به عهده دستگاه باشه. یعنی مثلا اون محصول بر اساس دیتای یک سنسور، تصمیم خاصی بگیرد.

قطعا در آینده بسیار اسم هوش مصنوعی رو میشنویم و میشه گفت دیتاهای بیشتری به دنیای هوش مصنوعی تزریق خواهد شد ولی چیزی که الان روشن هست، هوش مصنوعی در حال حاضر در زمینه های مشخصی مثل عکس، متن یا زمینه های خیلی خاص مثل اطلاعات یک رویداد در طی چند سال و... قابل اجرا هست.

خوشحال میشم تجربه خودتون و نظرتون رو با من به اشتراک بگذارید.