بعد از کووید، هوش مصنوعی جهش خواهد کرد

منتشر‌شده در: وبسایت درباره علم داده به تاریخ ۷ آپریل ۲۰۲۰
لینک منبع: After Covid, AI will Pivot

دنیا تغییر کرده است. برای هر کسی در حوزه فناوری ، این یک مشکل است. صنعت فناوری از طریق نوآوری جهان را هدایت می‌کند، و نوآوری تنها زمانی می‌تواند رخ دهد که شما قادر به پیش‌بینی تقاضا و توسعه راه‌حل‌هایی برای رفع آن باشید. این کار ناگهان خیلی سخت‌تر شد. وقتی که نمی‌دانید شش ماه دیگر دنیا به چه شکلی خواهد بود، تبدیل ایده‌ها به موفقیت کسب‌وکار کار آسانی نیست.

این مشکل به ویژه برای هوش مصنوعی حاد است. محصولات هوش مصنوعی، با طبیعت خود، برای جستجوی الگوهای مفید در جریان‌های ثابت داده‌ها طراحی شده‌اند. اگر به تازگی الگوهایی را برای تشخیص آن‌ها به ماشینتان آموزش داده‌اید، دیگر به معنای گذشته نیستند، این تنها یک مشکل نیست، این یک کابوس فنی است. این همه اطلاعاتی که در سال‌های اخیر جمع کرده‌اید چقدر ارزش دارند؟ آیا می‌دانید؟ فرقی نمی‌کند که شما قیمت‌های خانه، بازارهای سهام، ترافیک شهری، محتوای مقالات خبری، احساسات بازار، الگوهای خرید، الگوهای رای، رفتار بشردوستانه، یا تقاضای محصول بهداشت و درمان را مدل‌سازی می‌کنید، ارزش منابع داده موجود شما زیر سوال رفته‌است. لازم به ذکر نیست که سازگاری جریان داده‌ها دیگر قابل اتکا نیست. اگر داده‌ها نفت جدید باشند، برخی از ریگ‌ها آتش گرفته‌اند.

صنعت هوش مصنوعی مطمئنا با این شرایط سازگار خواهد شد. و برخی از برنامه‌های کاربردی حتی از این چشم‌انداز در حال تغییر ارتقا خواهند یافت. لباس‌ها هنوز شبیه لباس هستند، و خمیر دندان مانند خمیر دندان، بنابراین تطبیق محصولات فیزیکی مشکل نخواهد بود. به همین ترتیب، محتوای ویدیویی تولید شده توسط انسان در حال حاضر بیش از هر زمان دیگری در دسترس است. اما به دنبال کووید، این مشکل ثبات داده‌ها از بین نمی‌رود. در واقع اوضاع بدتر می‌شود.

همانطور که در مقالات دیگر اشاره کرده‌ام، راه‌هایی وجود دارد که در آن این بیماری همه‌گیر، شانس بزرگی برای نوع بشر محسوب می‌شود. با توجه به پیوستگی شتابان سیستم‌های اجتماعی و اقتصادی جهانی، برخی از اشکال شکست آبشاری اجتناب‌ناپذیر بود. این حقیقت که یک شوک سیستماتیک کوچک و اولیه به ما داده‌شده که به احتمال زیاد فقط چند میلیون نفر را می‌کشد یک هدیه است-با این حال درک کردن و لذت بردن از آن، شاید، اما یک هدیه بسیار دشوار است.

جهان، بعد از کووید، هنوز هم برای حفظ خط سیر فعلی خود بدون توجه به مراحل کوتاه‌مدت، بیش از حد به هم مرتبط و بیش از حد قدرتمند خواهد بود. اما در حال حاضر ما طعم قرن بیست و یکم را داریم و این به آن معنی است که ما زمان داریم تا قبل از اینکه شوک‌های بعدی وارد شوند خود را تطبیق دهیم. این بدان معناست که یک لغت کلیدی برای تجارت در چند دهه آینده، انعطاف‌پذیری خواهد بود.

کشف و پیش‌بینی الگوها هنوز هم پول‌ساز بزرگی خواهند بود - در واقع بزرگ‌تر از همیشه - اما راه‌حل‌ها چیزی شبیه به آن‌هایی که در حال حاضر توجه دره سیلیکون را در دست دارند به نظر نخواهند رسید. به هر سایت خبری و یا رسانه‌های ارتباط جمعی نگاهی بیاندازید تا منابع مربوط به مدل کردن بیماری برای این پاندمی همه‌گیر را پیدا کنید و باید چیزی به شما بگویند. هیچ کدام از مدل‌های ایجاد رهبران فکری برای پیش‌بینی تقاضای تخت، تولید دستگاه تهویه یا اثرات اقتصادی از یادگیری ماشین استفاده نمی‌کنند. این به خاطر این است که آن نوع از تکنیک‌ها در پیش‌بینی چیزی که در حال حاضر بیش‌ترین اهمیت را دارد، ناامید کننده هستند.

یادگیری عمیق، و دیگر بخش‌های الگوریتمی صحنه فعلی، تنها روی انبوهی از داده‌های به خوبی برچسب گذاری شده، متعادل، یکنواخت کار نمی‌کنند، آن‌ها به آن‌ها نیاز دارند. تقریبا تمام ابزارهای هوشمندی که ما در طول دهه گذشته ساخته‌ایم برای سرمایه‌گذاری بر روی جهانی غنی از اطلاعات همگن و قابل مدیریت طراحی شده‌اند. از بسیاری جهات، آن‌ها تقریبا شبیه مدل‌های قیمت‌گذاری املاک هستند که قبل از رکود اعتباری که در آن ارزش یک خانه تنها می‌تواند بالا برود، رایج هستند.

شاید در حال حاضر پایان عصر هوش مصنوعی را ببینیم. یا اگر اینطور نباشد، قطعا صدای زنگ هشدار را می‌شنویم که زمان آن تقریبا تمام شده‌است. پس یک فن‌آور یا سرمایه‌گذار باهوش باید چه کار کند؟

خوشبختانه تکنولوژی‌های دیگری نیز وجود دارند که می‌توانند دنیای فعلی را درک کنند. می‌خواهید بدانید چه هستند؟ یک‌بار دیگر به سراغ اخبار بروید و ببینید که همه‌گیرشناسان از چه چیزی استفاده می‌کنند. لیست ابزارها بیان می‌کند: مدل‌های شبکه، مدل‌های مبتنی بر عامل، تحلیل تصمیم، استنباط علی. همه آن‌ها چه وجه اشتراکی با هم دارند؟ آن‌ها برای گسترش بینش انسانی به جای جایگزین کردن آن طراحی شده‌اند. آن‌ها وظایف ساده را خودکار نمی‌کنند. در عوض، آن‌ها متخصصان انسانی را قادر می‌سازند تا به چیزهایی دست یابند که در غیر این صورت غیر ممکن خواهد بود. آن‌ها طیف وسیعی از رفتارهای یک شرکت را به جای سرعت بخشیدن به رفتارهای موجود افزایش می‌دهند.

جنبشی که حول این رویکرد سازماندهی شده‌است، طی چند سال گذشته به آرامی و بی‌سر و صدا در پس‌زمینه ایجاد شده‌است، که توسط رهبران فکری مربوط به مسیر حرکت جهان هدایت می‌شود. آن جنبش، هوش تصمیم‌گیری (Decision Intelligence) نامیده می‌شود. این روش استفاده گسترده‌ای از تکنیک‌های تحلیلی قدرتمندی می‌کند که در دوران یادگیری عمیق علاقه زیادی دریافت نکرده اند، اما اکنون در کانون توجه قرار دارند: برنامه‌ریزی سناریو، مدل‌سازی گرافیکی، نظریه تصمیم‌گیری. قدرت بسیاری از این ابزارها این است که قادر به نشان دادن صریح عدم قطعیت به روشی هستند که یادگیری ماشین تا کنون نمی‌تواند.

چه کسی از اطلاعات تصمیم‌گیری استفاده می‌کند؟ دقیقا بازار عمودی انتظار دارید: سازمان‌هایی که همیشه در درک و تسلط بر فراریت‌ها ارزش دیده‌اند. برای مثال شرکت‌های خدماتی، شرکت‌های مدیریت سرمایه، بانک‌ها و شرکت‌های مخابراتی. چه کسانی ابزارهای مورد نیاز را می‌سازند؟ در بیشتر موارد، شرکت‌های کوچک با دید عمیق مانند کوانتیلیا و سیستم‌های تصمیم‌گیری لومینا. محصولات آن‌ها بر روی قادر ساختن تصمیم گیرندگان کسب‌وکار برای تبدیل تخصص بصری خود به مدل‌های کمی تمرکز می‌کنند که می‌توانند ریسک را مدیریت کنند و انتخاب‌های استراتژیک را هدایت کنند، اما پتانسیل آن‌ها فراتر از آن می‌رود. به عنوان مثال، محصول شاخص لوملینا، آناستیکا، می‌تواند به عنوان هر چیزی از یک ابزار برنامه‌ریزی مالی ساده گرفته تا یک شبیه‌ساز مونت کارلو بالغ برای مدل‌های عددی با پیچیدگی دلخواه عمل کند.

ارتباط هوش تصمیم‌گیری با هوش مصنوعی چگونه است؟ برای شروع، به شما کمک می‌کند درک کنید که تحت شرایط متغیر چه داده‌هایی را می‌توانید جمع‌آوری کنید، و چه نوع استنباطی از آن ممکن است قوی باشد. این به شما کمک می‌کند تا موارد استفاده برای یادگیری ماشین را شناسایی کنید که در غیر این صورت ممکن است نادیده گرفته شوند. و شاید مهم‌تر از همه، می‌تواند یادگیری ماشین را به نوعی حس سازمانی تبدیل کند که مدیریت نوسانات جهان را آسان‌تر می‌کند.

من این مقاله را آغاز کردم و اشاره کردم که قدرت ابزارهای یادگیری ماشین تشخیص الگوهای تکراری ثابت است. وقتی آن‌ها به یک سیستم عصبی سازمانی متصل می‌شوند که قادر به استفاده از این جداسازی برای هدایت و حتی خودکارسازی تصمیم‌گیری در سطح بالاتر هستند، پس اتفاق عجیبی می‌افتد. این زمانی است که یک سازمان شروع به نشان دادن نوعی هوش انطباقی انتها به انتها می‌کند که ترکیبی از بهترین قابلیت‌های انسانی و ماشینی است. اگر تجارت شما یک حیوان باشد، ابزارهای یادگیری ماشین مراکز نوری و شنوایی مغز او هستند. ابزارهای هوش تصمیم‌گیری غرایز و هوش انطباقی آن را نشان می‌دهند. به بیان صریح، سرمایه‌گذاری مستقیم خارجی به شما می‌گوید که پول کجا قرار است باشد. یادگیری ماشین به شما کمک می‌کند که آن را بو کنید.

آیا ابزارهای هوش تصمیم‌گیری موجود هنوز قادر به ارائه کامل این وعده هستند؟ نه به طور کامل، به نظر من، تا حدی، به این دلیل که جنبش هوش تصمیم‌گیری با وجود اهمیت رو به گسترده‌اش هنوز تامین مالی نشده است. با این حال، آن‌ها بسیار نزدیک هستند. به نظر من، پیشرفت بزرگ زمانی حاصل خواهد شد که ابزارهای هوش تصمیم‌گیری می‌توانند مدل‌های علی را از منابع مختلف انسانی در یک نمایش ادغام‌شده که قادر به تطبیق زمانی که داده‌های جدید ارایه می‌شوند، ادغام کنند. چیزی که از منبع یابی جمعی و الگوریتم های ژنتیک متولد شده‌است باید به ترکیب تزریق شود تا هوش تصمیم‌گیری را به سطح بعدی ببرد. اما حدس من این است که این ابزارها حداکثر دو سال از ما دور هستند. افزایش اخیر علاقه به استنباط علی ناشی از تحقیق یهودا پرل عملا ایجاد آن‌ها را تضمین می‌کند.

پس چشم‌انداز بعد از کووید هوش مصنوعی چگونه خواهد بود؟ قطعا متفاوت خواهد بود، اما خوشبختانه برای آن بهتر و قوی‌تر خواهد شد. شاید ما نباید برای پایان کار راحت هوش مصنوعی و شرکت‌های وابسته به آن سوگواری کنیم. هر چه باشد، تغییر همیشه سوخت محرک نوآوری فنی بوده‌است، حتی زمانی که تحول دردناک است. آینده‌ای که ما به سمت آن پیش می‌رویم قطعا بهتر است. یادگیری ماشینی مرده‌است. زنده باد یادگیری ماشین.

این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.