آنا گزارش می‌دهد؛
فراتر از هوش مصنوعی/ چرا کسب‌وکارها به هوش افزوده نیاز دارند؟
امروزه هوش مصنوعی در زمینه‌های مختلفی به کار گرفته می‌شود اما درصد خطای آن همچنان بالاست و به همین دلیل انسان‌ها اعتماد تمام و کمال به این فناوری ندارند. هوش افزوده همکاری هوش مصنوعی و انسان در کنار یکدیگر است و می‌تواند مشکل اعتماد بشر به مخلوقات هوشمند را برطرف کند.
گروه فناوری خبرگزاری آنا، برای انجام تست پی‌سی‌آر کرونا یک پرستار باید سواپ 15 سانتی‌متری را وارد دهان و بینی بیمار کرده و نمونه خلط را از انتهای گلوی و راه تنفسی وی بردارد. چند ماه قبل یک استارت‌آپ تایوانی روباتی را توسعه داد که کار نمونه‌گیری از انتهای گلو و بینی بیمار با سواپ را انجام می‌دهد. هدف از ساخت این روبات کاهش تماس میان پرستاران و بیماران و به حداقل رساندن شیوع عفونت بیان شده است.
این روبات به طور خودکار سواپ نمونه‌گیری را وارد دهان یا بینی فرد کرده و با نهایت دقت نمونه را برمی‌دارد. عملکرد روبات‌ها بی‌خطر است اما معمولاً باعث ترس بسیاری از انسان‌ها می‌شود. کاربردهای سازمانی هوش مصنوعی در اغلب اوقات گمراه‌کننده است. در حال حاضر هوش مصنوعی توانایی‌ها و کاربردهای فوق‌العاده‌ای دارد. مخلوقات هوش مصنوعی در انجام برخی کارها از جمله شناسایی صدا و تصویر عملکرد بهتری از انسان‌ها دارند.
کسب‌وکارها به هوش افزوده نیاز دارند
البته این امر بدین معنا نیست که صاحبان کسب‌وکارها باید همه کارها را به ماشین‌ها بسپرند و به تماشا بنشینند. هوش مصنوعی راهکارهای فوق‌العاده و منحصربه‌فردی ارائه می‌دهد اما کسب‌وکارها به انسان نیاز دارند تا این راهکارها را برای مشتریان موثرتر، قابل‌قبول‌تر و انسانی‌تر کنند. وقتی انرژی و نیروی انسان‌ها و هوش مصنوعی در یک راستا قرار می‌گیرد، بازگشت به سرمایه در کسب‌وکارها اتفاق می‌افتد. به این پدیده هوش افزوده گفته می‌شود.
دلایل بسیاری وجود دارد که نشان می‌دهد کسب‌وکارها برای تحول و تغییر به هوش افزوده نیاز دارند، در ادامه برخی از آنها را معرفی می‌کنیم.
عملکرد ترکیب طلایی؛ هوش مصنوعی به علاوه انسان
یک شرکت بزرگ تولیدکننده کامپیوتر به دنبال آن بود که دریابد چه چیزی باعث رضایت مشتریانش می‌شود. یک شرکت فعال در حوزه آنالیز اطلاعات ده‌ها هزار مورد از نظرات مشتریان شرکت کامپیوتری را از نظرسنجی‌های سالانه آن جمع‌آوری کرد تا تجزیه و تحلیل کند. این تیم از مدل‌های زبانی هوش مصنوعی استفاده کردند تا نظرات را در دسته‌بندی‌های درست طبقه‌بندی کنند. در روند پردازش مشخص می‌شد که مشتریان درباره چه موضوعاتی صحبت می‌کنند، نگران خدمات پس از فروش هستند یا قیمت‌ها را بالا می‌دانند.
الگوریتم مبتنی بر هوش مصنوعی دلایل رضایت مشتریان را با 90 درصد دقت مشخص کرد با این حال کاربران کسب‌وکارها راضی نبودند. دقت الگوریتم در برخی از دسته‌بندی‌ها عالی بود اما دقت در برخی دیگر 60 درصد بوده و به همین دلیل تصمیم‌گیری‌ها در این دسته‌بندی‌ها ضعیف اعمال شده است.
الگوریتم‌ها زمانی عملکرد خوبی دارند که با حجم زیادی از اطلاعات آموزش دیده باشند. دسته‌های این پروژه نه‌تنها محدود بود بلکه با دقت پایین طبقه‌بندی شده بود. شرکت آنالیز اطلاعات برای حل این مشکل تیمی از آنالیزگرهای انسانی کمک کرد تا دسته‌بندی‌هایی که هوش مصنوعی با دقت پایین انجام داده بود را مجدداً بررسی کند. با کمک انسان‌ها دقت کلی بالا رفت که این امر باعث افزایش دو درصدی رضایت مشتریان از شرکت تولیدکننده کامپیوتری شد.
تاب‌آوری در برابر تغییر و کار گروهی
الگوریتم‌ها کلاهبرداری‌های آنلاین را با بررسی عواملی چون رفتار مشتریان و الگوهای خرید قبلی شناسایی می‌کند. این الگوریتم‌ها با استفاده از نمونه‌های قبلی، تفاوت میان عادی و غیرعادی را درک می‌کنند. با شیوع ویروس کرونا، میزان شکست این الگوریتم‌ها به شدت افزایش پیدا کرد. در حال حاضر بسیاری از مشتریان حضور فیزیکی ندارند و زمان بیشتری را به شکل آنلاین سپری می‌کنند، بنابراین الگوها به روش‌های غیرمنتظره‌ای تغییر کرده است. تمام آموزه‌های الگوریتم‌ها به صورت ناگهانی تغییر کرده و نامربوط به شمار میرود.
الگوریتم‌ها تنها در سناریوهایی خوب عمل می‌کنند که برای آنها آموزش دیده باشند. در یک موقعیت کاملا ً جدید، انسان‌ها باید دست به کار شوند. بنابراین شرکت‌ها و کسب‌وکارهایی که در کنار الگوریتم‌ها و ماشین‌های هوشمند، انسان‌ها را نیز نگه داشته‌اند در چنین شرایطی به راحتی می‌توانند کنترل اوضاع را دوباره به دست بگیرند. انسان‌ها در برابر تغییرات تاب می‌آورند و از پیشروی سیستم‌ها و کارها اطمینان حاصل می‌کنند.
در این میان الگوریتم‌ها دوباره به مرحله آموزشی می‌روند تا با شرایط جدید دنیا آشنا شوند، اطلاعات بیشتری درباره آن کسب کنند و هوشمندتر شوند.
مسئولیت‌پذیری برای همه دست‌اندرکاران
در سال 2018 ولوو و اوبر یک خودروهای خودران را روانه خیابان‌های آریزونا کردند. این خودرو آموزش دیده بود که عابران پیاده را شناسایی کند. این خودرو با دوچرخه‌سواری به نام الین هرزبرگ تصادف کرد و باعث مرگ وی شد. این فاجعه دلخراش سوالات بسیاری را ایجاد کرد: چه کسی مسئول مرگ این انسان بود؟ شرکت سازنده خودرو؟ شرکت سازنده سیستم هوش مصنوعی یا عابر پیاده؟
گاهی اوقات الگوریتم‌ها فوق‌العاده دقیق حتی در سناریوهای آشنا نیز شکست می‌خورند. به جای عقب‌نشینی از پیشرفت‌های اتوماسیون باید مسئولیت‌پذیری را تقویت کنیم. تمامی طرف‌ها باید به عنوان مالک خودروی خودران شناخته شوند تا مسئولیت هر یک در سناریوهای مختلف مشخص شود. همچنین تعامل انسان ماشین به اصلاح و بهبود نیاز دارد، این امر ارتباط و تعامل هوش مصنوعی و راننده و درک هر یک از محدودیت‌های دیگری را بهبود می‌بخشد.
سوگیری هوش مصنوعی دلیل انسانی دارد
سیری(دستیار هوشمند اپل)، الکسا(دستیار هوشمند آمازون) و گوگل اسیستنت(دستیار هوشمند گوگل) رفتارهای تبعیض‌‌آمیز دارند؟ محققان دانشگاه استنفورد برترین سیستم‌های تشخیص صدا در دنیا را بررسی کرده تا پاسخی برای این پرسش پیدا کنند. براساس نتایج این مطالعه، این دستیارهای هوشمند محبوب در درک و شناسایی صدای افراد سیاه‌پوست در مقایسه با سفیدپوستان مشکلات بسیاری دارند.
این دستیارهای هوشمند در 35 درصد از کلمات صحبت‌شده توسط افراد سیاه‌پوست را اشتباه شناسایی می‌کنند، در حالی که آمار در افراد سفیدپوست 19 درصد است. تبعیض یکی از مشکلات اصلی هوش مصنوعی به شمار میرود. با این حال به یاد داشته باشید که کیفیت الگوریتم‌ها به اطلاعاتی که با آنها آموزش داده می‌شوند، بستگی دارد. به عبارت هوش مصنوعی با اطلاعاتی که انسان‌ها در اختیارش می‌گذارند، آموزش می‌بیند. بنابراین تبعیض و بی‌عدالتی الگوریتم نسبت به نژادهای خاصی بازتابی از تبعیض و بی‌عدالتی سفیدپوستان به نژادهای دیگر است.
نیاز کسب‌وکارها به تغییر مداوم طراحی
توسعه و گسترش هوش افزوده سفری مداوم است. تکامل توانایی‌های ماشینی و تغییر در سطح اعتماد و راحتی کاربران کسب‌وکارها باید به صورت مداوم طراحی‌های خود را اصلاح کنند. این امر باعث می‌شود که سیستم‌های مبتنی بر هوش مصنوعی وظایف انسانی چون عمل‌های جراحی و تصمیم‌گیری‌های مالی فوق‌العاده مهم را با دلسوزی بیشتر انجام دهند و به چشم انسان‌ها قابل‌اعتمادتر دیده شوند.
انتهای پیام/4021/پ
انتهای پیام/
