هوش مصنوعی در چه کارهایی خوب نیست

منتشر‌شده در: forbes به تاریخ ۱۶ دسامبر ۲۰۲۰
لینک منبع: What AI isn't Good At

این روزها به نظر می‌رسد که هوش مصنوعی در همه جا وجود دارد. با وجود تعداد ابزارها و خدمات در بازار که ادعا می‌کنند هوش مصنوعی را تقویت می‌کنند، برخی ممکن است از این می‌ترسند که ما به سمت آینده‌ای پیش برویم که در آن ماشین‌های هوشمند هر جنبه از عملیات‌های تجاری را مدیریت می‌کنند، و کارگران انسانی کاملا منسوخ می‌شوند.

در حالی که این حقیقت دارد که سیستم‌های هوش مصنوعی در سال‌های اخیر از نظر پیچیدگی و قابلیت‌های رو به افزایش بوده‌اند، هوش مصنوعی هنوز در چندین حوزه حیاتی دچار کمبود است. به جای اینکه مانند یک انسان مصنوعی عمل کنید، همانطور که ممکن است در فیلم‌ها ببینید، این روزها هوش مصنوعی عمدتا ساختار یافته و قاعده محور است، یا به شدت وابسته به چیزی است که "یادگیری ماشین" نامیده می‌شود (ML)، که تجزیه و تحلیل داده‌های قدرتمند و تشخیص الگو را ممکن می‌سازد اما چیزی نزدیک به هوش انسانی خلاق نیست. با این حال، کسب و کارها از مهار قابلیت‌های هوش مصنوعی سود زیادی می‌برند.

استفاده سه کسب‌وکار راه از هوش مصنوعی و یادگیری ماشین

اتوماسیون فرآیند روباتیک. در حالی که اصطلاح «ربات» احتمالا یک ماشین انسان‌نما را به ذهن می‌آورد، اتوماسیون فرآیند روبوتیک (RPA) در واقع نرم‌افزار بیشتری نسبت به سخت‌افزار است. با RPA، برنامه‌های دیجیتال، یا «بات‌ها» کارهای تکراری و مبتنی بر قوانین را با سرعت و دقت زیاد اداره می‌کنند. این یک گزینه محبوب است، زیرا پیاده‌سازی آن نسبتا ارزان بوده و به طور معمول بازگشت سرمایه بسیار سریعی را به همراه دارد. همچنین از آنجایی که این شبکه‌ها برای یادگیری و پیشرفت برنامه‌ریزی نمی‌شوند، از کم‌ترین «هوشمندی» فن‌آوری‌های هوشمند رایج نیز برخوردار هستند.

تحلیل و بینش. بحث بر سر این است که آیا کامپیوترها در واقع باهوش‌تر از انسان‌ها هستند یا خیر، اما یک چیز به طور خاص این است که: آن‌ها در تشخیص الگو، به ویژه در مجموعه داده‌های گسترده، بسیار بهتر هستند. ابزارهای تجزیه و تحلیل داده پیشرفته که با هوش مصنوعی کار می‌کنند، اغلب بر روی یک مجموعه یا نوع خاصی از داده‌ها آموزش می‌بینند، و از این روش به عنوان اساس شناسایی الگوهایی استفاده می‌کنند که ممکن است انسان‌ها در غیر این صورت از دست بدهند. بر خلاف مدل‌های مورد استفاده در RPA، این مدل‌های پیش‌بینی یا دسته‌بندی برای بهبود طراحی شده‌اند زیرا داده‌های بیشتر و بیشتری را پردازش می‌کنند. کسب و کارها از این نوع فن‌آوری برای بهبود عملکرد در کارهای با فرکانس بالا و مناسب با کامپیوترها استفاده می‌کنند، به این معنی که آن‌ها بیشتر یک ابزار بهره‌وری هستند تا جایگزینی بالقوه برای کارگران انسانی.

درگیری. در دنیای پرسرعت امروزی رضایت فوری، مشتریان انتظار دارند که اطلاعات در یک لحظه در دسترس باشند. خوشبختانه، گپ و بات‌ها از اولین روزهای پیام‌رسانی فوری راه درازی را طی کرده‌اند، و شرکت‌ها می‌توانند از برنامه‌های هوش مصنوعی با استفاده از داده‌های تاریخی مشتریان برای ارائه یک تجربه خدمات مشتری بهبود یافته و بهینه بدون افزایش چشمگیر سرشمار استفاده کنند. پردازش زبان طبیعی و یادگیری ماشین به این عوامل «هوشمند» کمک می‌کند تا با انسان‌ها تعامل داشته باشند و به آن‌ها کمک کنند، در حالی که به طور مداوم عملکرد آن‌ها را در طول زمان بهبود می‌بخشند.

جایی که هوش مصنوعی کوتاه می‌آید

شکی نیست که هوش مصنوعی در حال تبدیل شدن به یک ابزار قدرتمند و مفید برای کسب‌وکار در همه اشکال و اندازه‌ها است. با این حال، در فضای تکنولوژی تجاری، این یک لغت رایج شده‌است که تصورات غلط زیادی در مورد آن وجود دارد. همانطور که مشخص شد، هوش مصنوعی هنوز به خودی خود چندان موثر نیست. حتی بهترین ابزارهای هوش مصنوعی نیازمند داده‌های خوب-و مقدار زیادی از آن-و همچنین آموزش در مجموعه داده‌هایی هستند که ابتدا باید سازمان دهی شوند تا مفید باشند.

به طور مشابه، بدون یک وظیفه خاص که توسط انسان‌ها تعریف می‌شود، هوش مصنوعی نمی‌تواند عمل کند. برنامه‌های بسیار پیشرفته ممکن است قادر به نوشتن الگوریتم های خود باشند، که اغلب آنقدر پیچیده هستند که ما آن‌ها را درک نمی‌کنیم، اما آن‌ها تنها می‌توانند این کار را برای رسیدن به هدفی که برنامه‌نویسان تعیین می‌کنند انجام دهند.

شاید مهم‌ترین محدودیت سیستم‌های هوش مصنوعی کنونی این باشد که آن‌ها فاقد چیزی هستند که ما می‌توانیم آن را «عقل سلیم» بنامیم. به عبارت دیگر، آن‌ها نمی‌توانند آموخته‌ها را از یک حوزه به موقعیت یا مشکل دیگر اعمال کنند. با داشتن داده‌های کافی، یک سیستم هوش مصنوعی می‌تواند پیش‌بینی‌های بسیار خوبی داشته باشد یا به درستی موارد را طبقه‌بندی کند. اما حتی تغییرات جزئی در کار محول شده می‌تواند به این معنی باشد که سیستم باید کاملا آموزش مجدد داده شود.

از طریق آزمون و خطای بسیار سریع-فرآیندی که اغلب یادگیری تقویتی نامیده می‌شود-یک برنامه هوش مصنوعی ممکن است یاد بگیرد که کدام حرکت بیشتر با پیروزی در بازی شطرنج مرتبط است، اما برای بازی با یک بازی شطرنجی، باید دوباره آموزش را از زمین شروع کند. به طور مشابه، هوش مصنوعی تنها می‌تواند براساس متغیرهایی که قبلا دیده شده‌است، پیش‌بینی کند. این امر توانایی این انجمن را برای کنترل سناریوهای «چه می‌شود اگر» محدود می‌کند و پیش‌بینی‌های دقیقی در مورد طرح‌های جدید یا جدید انجام می‌دهد.

چگونه می توان هوش مصنوعی را به طور موثر در کسب و کار خود استفاده کرد

۱. شناسایی فرصت‌ها

با اینکه هوش مصنوعی می‌تواند یک ابزار بسیار مفید باشد، اما یک راه‌حل متناسب با همه نیست. بهترین راه برای ایجاد زمینه برای یکپارچه‌سازی موفق فن‌آوری هوش مصنوعی، شناسایی حوزه‌های کلیدی تجاری است که در آن می‌تواند کمک کند. سعی کنید حوزه‌هایی را پیدا کنید که در آن‌ها سازمان شما با چالش‌های پردازش، تنگناها یا فقدان بینش اطلاعاتی مواجه است-حتی اگر بتوانید حوزه‌هایی را مشخص کنید که در آن‌ها قوانین کسب‌وکار را می توان اعمال کرد، به طوری که یک راه‌حل هوش مصنوعی بتواند متناسب با مشکل باشد.

۲. ابزارها را درک کنید

هنگامی که ایده روشنی از مسائل خاص درون سازمان خود دارید که ممکن است راهکارهای هوش مصنوعی بتوانند به آن بپردازند، مهم است که یک درک محکم از راه‌حل‌های موجود برای خود داشته باشید که برای شرکت شما مناسب‌تر است.

اگر شما تازه با هوش مصنوعی شروع کرده‌اید، ممکن است بخواهید با راه‌حل‌های RPA شروع کنید که به کنترل داده‌ها و کارهای «مکانیکی» یا تکراری کمک می‌کند. اگر کمی جلوتر بروید و در یک صنعت با موارد استفاده مناسب کار کنید، چیزی پیچیده‌تر، مانند پلت فرم اتوماسیون شناختی که به طبقه‌بندی و خلاصه کردن مجموعه‌های اطلاعات بزرگ کمک می‌کند، ممکن است ارزشمندتر باشد.

۳. روی داده‌های کیفی و شرکای کیفیت سرمایه‌گذاری کنید

"داده‌ها" سوختی است که هوش مصنوعی را دقیق‌تر می‌سازد. اگر می‌خواهید هوش مصنوعی خود را تفسیر کنید و به سوال یک مشتری پاسخ دهید، به طور مثال، باید آن را بر روی داده‌های خوب و مقدار زیادی از آن آموزش دهید. بنابراین، مطمئن شوید که داده‌های خوبی را ثبت و سازماندهی می‌کنید تا از ابزارهای هوش مصنوعی خود حداکثر استفاده را ببرید. زمانی که این کار را انجام دادید، آماده کار با یک شریک هوش مصنوعی هستید که می‌تواند شما را در مسیر استفاده از تکنولوژی هوش مصنوعی قرار دهد به روش‌هایی که به سود شرکت شما باشد، محصول یا سرویس شما را بهبود بخشد و بازده خوبی در سرمایه‌گذاری شما ایجاد کند.

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