هوش مصنوعی در مخابرات

امروزه سرنوشت صنعت ارتباطات و مخابرات ایران و جهان، با تکامل فن آوری و پدیده های نوظهوری مانند نسل پنجم شبکه تلفن همراه (5G) و اینترنت اشیا (IoT) به استفاده از ابزارهای بسیار متفاوتی از روش های سنتی گره خورده است؛ ابزارهای هوشمندی که از نظر سرعت و کارآمدی عملکردی، روز به روز گوی سبقت را روش های سنتی دزدیده و خود را برای برداشتن گام های جدیدتری آماده نموده است.

افزایش یکپارچگی صنعت مخابرات با تکنولوژی هوش مصنوعی می تواند منجر به جریان های مختلف درآمدی جدید شود. هوش مصنوعی کاربردهای گسترده ای در این بخش از صنعت دارد؛ که از مهمترین آن ها می توان به طبقه بندی داده های موجود در شبکه های مخابراتی اعم از متن و ویدیو، تشخیص آنومالی و بهینه سازی شبکه و بهره برداری از آن اشاره نمود که در ادامه به توضیح هر کدام خواهیم پرداخت.

متخصاصان صنعت مخابرات و ارتباطات پیش بینی می کنند که تا سال 2020 میلادی، حداقل 31.5 درصد از سازمان های مخابراتی عمدتاً تمرکز خود را بر استفاده از زیرساخت های جاری و 63.5 درصد سرمایه گذاری در سیستم های هوش مصنوعی انجام خواهند داد.

براساس برآوردها، فقط تبلیغات موبایلی(تبلیغات ارایه شده بر اساس داده های انتقالی توسط موبایل ها) در سال 2019 به 87.9 میلیارد دلار خواهد رسید و قاعدتاً شرکت های مخابراتی و اپراتورها بخش بزرگی از آن خواهند بود.

هوش مصنوعی مجموعه‌ای از روش‌ها و الگوریتم ها می باشد که جهت شبیه‌سازی رفتار موجودات هوشمند توسط ماشین‌ها به کار می‌رود. یادگیری ماشین که یکی از این روش‌هاست. در واقع یادگیری ماشین، مبتنی بر روش‌هایی‌ست که به ماشین ها و کامپیوترها امکان آموختن الگوهای پنهان در داده‌های خام را می‌دهد. در واقع با استفاده از Machine learning نیازی به برنامه نویسی صریح (Explicit Programming) وجود نخواهد داشت و این پترن موجود در داده ها توسط الگوریتم های مربوطه استخراج خواهند شد.

مزیت اصلی تحلیل های صورت گرفته توسط نرم‌افزار هوش مصنوعی این است که سیستم در نهایت قادر خواهد بود الگوها را در کمترین زمان ممکن شناسایی نماید؛ در حالی که تشخیص این الگوها توسط روش‌های سنتی هفته‌ها و ماه‌ها به طول می انجامید (البته لزوماً تشخیص درستی هم نبود).

به عنوان مثال، تکنولوژی هوش مصنوعی، در پردازش سریع داده ها کمک خواهد کرد و این امر سبب بهبود چگونگی انجام خدمات شرکت های روابط عمومی در مقام یک سیستم توصیه گر خواهد شد. با بهبود نگرش در این که مصرف کنندگان چه می خواهند، پیام ها به شکل مستقیم و هدف دار ارسال خواهند شد. این موضوع آن جایی ارزش واقعی خود را نشان خواهد داد که اپراتورهای فعلی کشورمان مدل فعلی‌شان را متوقف کرده و الگوریتم‌های یادگیری ماشین را برای داده‌هایی به‌کار ببرند که امروزه در شبکه‌های مخابراتی جریان دارند. این کار به آنها اجازه می‌دهد تا از ترکیب پیچیده الگوریتم های هوش مصنوعی و یادگیری ماشین، الگوهای ترافیک داده‌ها و تعاملات موبایل‌های هوشمند برای ایجاد گروه‌های مختلف و رفتارهایی رمزگشایی کنند که هر مشتری را متمایز و مشخص می‌کند. داده‌های خام که از طریق یک شبکه موبایل در جریان هستند، می‌توانند به اطلاعات رفتاری کاربر تبدیل شوند تا اطلاعات قابل استنادی را برای واکنش‌های در لحظه به نیازها و علایق مشتریان تولید کنند.

با درک بهتر از ماهیت سیستم های دیجیتال، شرکت های این حوزه خواهند توانست پیام های به خوبی تنظیم شده ای برای مخاطبان خود ایجاد کنند. بنابراین، تبلیغات و پیشنهادات را می توان به طور خاص برای یک مصرف کننده خاص در زمان واقعی بهینه سازی نمود، که این امر به واسطه متناسب بودن پیام ها با مصرف کننده سبب تولید نتایج بهتری خواهد شد. متخصصان روابط عمومی و صنایع رسانه ای، با داده های زمان واقعی قابل استفاده به عنوان یک دارایی، قادر به ارائه محتوایی خواهند بود که مخاطبان آن ها می خواهند، به جای محتوایی که برای آن ها آزار دهنده باشد. این امر کمک می کند تا آن ها از هدر رفتن زمان بر روی محتوایی که مخاطبان شان به خوبی آن را دریافت نمی کنند، جلوگیری شود.

موضوع جذاب دیگری که هوش مصنوعی و یادگیری ماشین برای صنعت مخابرات و ارتباطات به ارمغان آورده است، امکان ارتباط سیستم های هوش مصنوعی با انسان از طریق ارتباطات متنی، صوتی و ویدیویی در مقام یک سیستم کاملاً هوشمند خواهد بود. الگوریتم های پردازش زبان طبیعی (Natural Language Proceessing) به دنبال درک ارتباطات انسان ها، نوشته ها یا سخنان است که در مقابل با استفاده از زبان طبیعی، با ما ارتباط برقرار کند. یادگیری ماشین به درک تفاوت های ظریف میان زبان های بومی و یادگیری شیوه پاسخ دادن به گونه ای که مخاطبان خاص آن را درک کنند کمک می کند و با تلفیق سیستم های مبتنی بر پردازش گفتار قادر خواهند بود به سیستم یکپارچه ای جهت ارتباط با انسان تبدیل شوند. به این صورت که با حذف اپراتورهای انسانی و جایگزینی آن ها با اپراتورهای هوشمند کامپیوتری (Chatbot و Voicebot) عملاً بخش اعظمی از مشکلات مراکز تماس حل خواهد شد؛ این مشکلات عبارتند از:

• کاهش قابل توجه هزینه های مرکز تماس (فضا و تجهیزات ویژه جهت تجهیز مراکز تماس)
• گرد آوری و ثبت داده‌های مشتریان و الگوی رفتاری آنها به صورت یکپارچه
• امکان پاسخگویی 24 ساعته بدون خستگی و حواس پرتی اپراتور
• عدم کاهش تمرکز اپراتور هوش مصنوعی
• امکان افزایش دایره اطلاعات اپراتور هوشمند در طول زمان
• در نهایت بهبود پاسخگویی و در نتیجه رضایت بالاتر مشتریان

این موضوع امروز نمونه های کاملاً عملیاتی و گسترده تری نیز به خود گرفته است و می توان به دستیار هوشمند Alexa تولیدی شرکت آمازون، Google Assistant شرکت گوگل و یا Siri شرکت اپل اشاره نمود.

همچنین سرویس های ارزش افزوده (VAS) که امروزه پس از توییت جنجالی وزیر محترم، بیشتر از پیش روی نوک پیکان انتقادات قرار گرفته اند، شامل تبادل اطلاعات الکترونیکی، پردازش داده ها، پست صوتی (Voicemail)، ذخیره سازی پایگاه داده آنلاین و خدمات مخابراتی پایه ای از جمله انتقال داده ها، سرویس های فکس، سرویس های صوتی و دیگر موارد همگی تحت تاثیر استفاده از هوش مصنوعی و یادگیری ماشین خواهند بود.

یکی از چندین کاربرد قابل اشاره جهت استفاده هوش مصنوعی و یادگیری ماشین در صنعت مخابرات و ارتباطات بهره گیری از این تکنولوژی های در کنار موضوع محبوب همگان، یعنی اینترنت اشیا می باشد. جایی که تعداد بسیار زیادی از دستگاه های IoT مانند سنسورهای مختلف و دوربین هایی متصل به شبکه به صورت مداوم در حال تولید داده هستند و قطعاً جهت پردازش و استفاده از این داده ها نیاز به سیستم های مبتنی بر Machine learning و به ویژه Deep Learning یا یادگیری ژرف می باشد. در واقع هنگامی که سرعت تولید داده ها بسیار بیشتر از زمان لازم جهت پردازش داده ها می باشد با مقوله کلان داده ها (Big Data) سر و کار خواهید داشت و عملاً این حوزه بدون حضور هوش مصنوعی کاری از پیش نخواهد برد.

در نهایت، هوش مصنوعی با ضریب سرعت باور نکردنی در حال تکامل است. چه بخواهیم چه نخواهیم، دیر یا زود، این تکنولوژی جای خود را در زندگی ما پیدا خواهد کرد و اگر می خواهیم هوش مصنوعی طوری تکامل یابد که به ما و کشور عزیزمان ایران کمک کند، لازم است تا با مهیا نمودن میدان برای جوانان و به ویژه شرکت های نوپا، اهداف و استراتژی های درخور این مرز و بوم را درست تعریف نماییم تا راه را برای ورود این تکنولوژی به صنایع مختلف هموارتر کنیم؛ به گونه ای که در خور نیاز ما انسان ها، فرهنگ و نیز شرایط زندگیمان باشد.