5 روند آینده در حوزه هوش مصنوعی و یادگیری عمیق
تاریخ انتشار
يکشنبه ۱۳ بهمن ۱۳۹۸ ساعت ۲۲:۲۵
آیتیمن- مشکل اصلی در توسعه هوش مصنوعی، سرمایهگذاری بالایی است که نیاز دارد و این مساله موجب میشود، بازگشت سرمایهگذاری در این حوزه در کوتاه مدت اتفاق نیفتد. اما وقتی که زمانش برسد و این فناوری به طور گسترده مورد استفاده قرار بگیرد، شرکتهایی که در زمان مناسب، سرمایهگذاری وسیعی در هوش مصنوعی انجام دادهاند، مزه آن را با فاصلهای که در کارایی از دیگران میگیرند، خواهند چشید.
شرکت مکنزی در گزارشی که اخیرا منتشر کرده، برآورد کرده که پیشگامان هوش مصنوعی شاهد دو برابر شدن جریان نقدیشان خواهند بود.
نمونه واضح در این زمینه، شرکت آلفابت است که تعدادی از پروژههای هوش مصنوعی خود را در بخشی به نام Other Bets دنبال میکند و در سال 2018 زیانی 3.35 میلیارد دلاری در این پروژهها متحمل شد. از این میزان، مبلغ 571 میلیون دلار زیان فقط به پروژه DeepMind مربوط بود که با توجه به سرمایهگذاریهای آلفابت، در مجموع 1.4 میلیارد دلار هزینه روی دست این شرکت گذاشته است. پروژه خودروهای خودران وایمو نیز به دلیل تاخیرهایی که با آن مواجه شده، با 40 درصد کاهش ارزشگذاری مواجه شده است.
شرکتهای دیگری نیز هستند که پروژههای عظیم و پرخرجی را در زمینه هوش مصنوعی دنبال میکنند؛ از جمله بایدو، فیسبوک، تسلا، علیبابا، مایکروسافت و آمازون. و البته به جز تسلا، همه این شرکتها آنقدر پول دارند که هزینههای انتقال و سرمایه لازم برای هوش مصنوعی را تاب بیاورند.
گذشته از غولهای فناوری که برای هوش مصنوعی، هزینههای گزاف میکنند؛ به نظر میرسد که اکثر صنایعی که از عمده صنایعی که از این فناوری سود خواهند برد، در صنعت فناوری حضور ندارند.
در ادامه به شیوههایی میپردازیم که هوش مصنوعی و یادگیری عمیق دیر یا زود اثرگذاری خود را در آنها نمایش خواهد داد.
1- هوش مصنوعی بداند که نمیداند
شرکتهای فعال در زمینه سلامت و مراقبتهای بهداشتی، برای افزایش دقت به هوش مصنوعی روی آوردهاند و دهه آینده مشخص میکند که انسان یا ماشین، کدام در تشخیص پزشکی بهتر و دقیقتر عمل میکنند. یکی از زمینههایی که شرکت Curai روی آن کار میکند، این است که چگونه باید به یک الگوریتم یاد داد که زمانی که چیزی را نمیداند، بفهمد که نمیداند و به این ترتیب، یک فرد انسانی به منظور جلوگیری از دستهبندی غلط و تشخیص نادرست بیماریهای ناشناخته وارد کار شود. به این رویکرد «پزشک در حلقه» گفته میشود.
2- کاهش دردسر مراکز تماس
2- کاهش دردسر مراکز تماس
موسسه یونایتد هلث در سال 2017 بیش از 36 میلیون تماس دریافت کرد که 7.6 میلیون از این تماسها به یک نمایندگی ارجاع شد. راهکار پلتفرم هوش مصنوعی در این زمینه، شامل استفاده از یادگیری عمیق به منظور پیش بررسی درخواستها، بازشناصی خودکار صوت (ASR) به منظور ترجمه صوت به متن و پردازش زبان طبیعی (NLP) برای دستهبندی تماسها، ایجاد متغیرهای جدید و ارجاع خودکار تماسها خواهد بود.
3- سرمایهگذاری هنگفت غولهای خردهفروشی روی هوش مصنوعی
3- سرمایهگذاری هنگفت غولهای خردهفروشی روی هوش مصنوعی
صنعت خرده فروشی آمریکا، در کنفرانسهای هوش مصنوعی حضوری فعال دارد و شرکتهایی مانند والمارت، پروکتور و گمبل و تارگت، قصد دارند تجربه خرید را هر چه بیشتر بهینه کنند. این شرکتها که در یک دهه گذشته، با رشد رقبایی مانند آمازون مواجه شدند و در میدان رقابت عقب افتادند، حالادر پذیرش فناوریهای نو و به ویژه هوش مصنوعی، اشتیاق بیشتری از خود نشان میدهند.
یک تجربه خرید فروشگاهی را تصور کنید که در آن، سبد خرید به وفور یافت میشود، صندوقها همیشه باز و موجودی کالا تکمیل است. وال مارت به جای جایگزینی صندوقدارها، بیشتر روی کنترل موجودی تمرکز کرده است. این با رویکرد «آمازون گو» متفاوت است که اصولا برای اتکای حداقلی به صندوقدارها طراحی شده است.
4- هوش مصنوعی، پاسخی برای مشکل حریم خصوصی
یک تجربه خرید فروشگاهی را تصور کنید که در آن، سبد خرید به وفور یافت میشود، صندوقها همیشه باز و موجودی کالا تکمیل است. وال مارت به جای جایگزینی صندوقدارها، بیشتر روی کنترل موجودی تمرکز کرده است. این با رویکرد «آمازون گو» متفاوت است که اصولا برای اتکای حداقلی به صندوقدارها طراحی شده است.
4- هوش مصنوعی، پاسخی برای مشکل حریم خصوصی
حریم خصوصی در یکی دو سال اخیر به تیتر اخبار تبدیل شده و قانونگذاران و رسانههای اجتماعی، این سوال را مطرح میکنند که هزینه عادلانهای که باید در ازای دریافت خدمات رایگان بپردازند، چیست؟
حالا که دو سال از رسوایی کمبریج آنالیتیکا میگذرد، سایر شرکتها در حال ساخت موتورهای قدرتمند توصیهای مبتنی بر هوش مصنوعی هستند که به ازای کمک به کاربر در انتخاب، اطلاعات اندکی از او نیاز خواهند داشت و صرفا ترجیحات کاربر برای ارایه توصیه بعدی به او کفایت کند.
نتفلیکس با موتور توصیه محتوایی خود در این زمینه پیشگام است. پینترست نیز از یک موتور توصیه پیشرفته برای نمایش تصویر مناسب از میان میلیونها تصویر برای هر شخص بهرهمیگیرد و این کار از طریق فرایندی مرکب از سنجش جستوجوهای کاربر، رتبه بندی و سن او انجام میشود.
5- برای عصر انفجار دستیارهای هوشمند آماده شوید
حالا که دو سال از رسوایی کمبریج آنالیتیکا میگذرد، سایر شرکتها در حال ساخت موتورهای قدرتمند توصیهای مبتنی بر هوش مصنوعی هستند که به ازای کمک به کاربر در انتخاب، اطلاعات اندکی از او نیاز خواهند داشت و صرفا ترجیحات کاربر برای ارایه توصیه بعدی به او کفایت کند.
نتفلیکس با موتور توصیه محتوایی خود در این زمینه پیشگام است. پینترست نیز از یک موتور توصیه پیشرفته برای نمایش تصویر مناسب از میان میلیونها تصویر برای هر شخص بهرهمیگیرد و این کار از طریق فرایندی مرکب از سنجش جستوجوهای کاربر، رتبه بندی و سن او انجام میشود.
5- برای عصر انفجار دستیارهای هوشمند آماده شوید
در 5 سال آینده، در هنگام رانندگی دیگر دستمان با فرمان و دنده درگیر نخواهد بود، وضعیت نشستن بهتری خواهیم داشت و تصادفات رانندگی کاهش مییابد. .قتی دستیارهای هوشمند به طور کامل ساخته شود، تعاملی که ما امروز با دستگاههای همراه و موبایلمان داریم، برای نسل آینده مضحک به نظر خواهد رسید. بسیاری از شرکتها علاقهمندند که در این زمینه رهبر بازار باشند، زیرا اکوسیستم به این سو میرود و دادههایی که دستیارهای مبتنی بر هوش مصنوعی تولید میکنند، بسیار با ارزش خواهد بود. بنابراین میتوان در انتظار نبرد و رقابتی تمام عیار بین آمازون، گوگل، فیسبوک و اپل در این فضا را داشت.
مرجع : Forbes