درک تفاوت بین هوش مصنوعی و تکنیکهای سنتی
محبوبیت اخیر هوش مصنوعی، همراه با نو بودن و جذاب بودن این حوزه، باعث شده است تا بسیاری از سازمانها ادعا کنند که پروژههایشان از جدیدترین پیشرفتهای حوزه AI استفاده میکنند، در حالی که عمدتاً فقط از منطق شرطی استاندارد، احتمالات و آمار استفاده میکنند. این امر باعث میشود سازمانها از مزایایی که AI به همراه دارد آگاه نشوند.
درک عمومی هوش مصنوعی توسط عموم مردم برای حصول اطمینان از اجماع دقیق و توسعه ایمن و مسئولانه این فناوری ضروری است. در حالی که دلایل و فشارهای داخلی متعددی برای ادعای استفاده از AI در زمانی که چنین ادعایی نادرست است وجود دارد، در نتیجه، سازمانها نیز از پیشرفتهای واقعی بهرهمند نمیشوند. منطق شرطی، تکنیکهای احتمالی و آماری پایه و اساس اکثر سازمانهای امروز را تشکیل میدهند و در حالی که به خودی خود پیچیده و پیشرفته هستند و مزایای قابلتوجهی ارائه میدهند، با آنچه امروزه معمولاً به عنوان هوش مصنوعی شناخته میشود، تفاوت دارند.
بیشتر برنامههای تجاری مدرن بر منطق شرطی تکیه دارند. در زمینه زبانهای برنامهنویسی معاصر و موتورهای فرمول، منطق تجاری امروز معمولاً بهصورت منطق بولی، عبارات If-Then-Else و عبارات Case بیان میشود. منطق تجاری سازمانی میتواند در استدلال شرطی ضبط و بیان شود. اگرچه بهطور چشمگیری ارزشمند ثابت شده است، اما با چیزی که امروزه معمولاً به عنوان هوش مصنوعی شناخته میشود، متفاوت است. تکنیکهای احتمالی و آماری که اغلب برای پیشبینیها و تخمینها بهطور سنگین استفاده میشوند، در حالی که قابل اعتماد و معتبر نیز هستند، در واقع هوش مصنوعی نیستند. این سازههای ریاضی کم و بیش از پیش بهطور منطقی تعریف میشوند، با چند ثابت برای تغییر یا تنوع، در حالی که هوش مصنوعی بر پویاییها تکیه دارد.
در عوض، هوش مصنوعی، همانطور که بهطور خلاصه توضیح داده شد، معمولاً به مدلهایی متکی است که از دادهها یاد میکنند و خود منطق را از دادهها تعیین میکنند. از زمانی که اثبات قضیه تقریب جهانی در سال ۱۹۹۹ ارائه شد و نشان داد که چگونه یک شبکه عصبی میتواند هر تابعی را تقریب کند، اکنون تلاش بیشتری به سمت حل برنامهها از طریق هوش مصنوعی به جای سایر پارادایمها هدایت میشود. در حالی که از نظر تئوری، تقریب هر تابعی امکانپذیر است، قدرت محاسباتی و تکنیکهای دستیابی به این امر در عمل یک عامل محدودکننده بود. با این حال، پیشرفتهای اخیر گامهای بزرگی در پر کردن شکاف بین تئوری و عمل برداشتهاند.
هوش مصنوعی مدرن از تکنیکهایی از جمله یادگیری تقویتی عمیق، پردازش زبان طبیعی، LSTMs و مدلهای مولد-تقابلی همراه با چارچوبهایی از جمله TensorFlow و PyTorch در پیادهسازیها استفاده میکند. یک آزمایش خوب برای اینکه ببینید پروژه شما از هوش مصنوعی استفاده میکند، بررسی ابزارهایی است که به طور فعال در پروژهها استفاده میشوند. اگر از ابزارهای این حوزه استفاده نمیکند، احتمالاً یک پروژه مبتنی بر AI نیست، به استثنای بدیهی تکیه بر ابزارهای سفارشی که وظایف روزمره AI مانند ضرب ماتریسی را انجام میدهند.
برنامههای مبتنی بر هوش مصنوعی و برنامههایی که مبتنی بر هوش مصنوعی نیستند
در اینجا چند نمونه واقعی از هوش مصنوعی که در دنیای واقعی استفاده میشود آورده شده است:
- سیستمهای بینایی ماشین که یاد میگیرند اشیاء را از دادههای برچسبگذاریشده شناسایی و ردیابی کنند؛
- سیستمهای پردازش زبان یاد میگیرند به سؤالات پاسخ دهند و به مرور زمان بهبود مییابند، مانند چتباتها؛
- عاملهای بازیکن که تنها از ورودی پیکسلی میتوانند یاد بگیرند بازیهایی مانند Space Invaders، Pacman و Tetris را بازی کنند.
در مقابل، در اینجا چند نمونه وجود دارد که معمولاً به عنوان نمونههایی از هوش مصنوعی ادعا میشوند، در حالی که چنین نیستند و نباید به این شکل ادعا شوند:
- مدلهای پیشبینی که بر احتمالات و آمار تکیه دارند؛
- کوئریهای SQL که دادهها را از یک پایگاه داده بازیابی کرده و نوعی تجمیع یا مرتبسازی انجام میدهند؛
- داشبوردهای تحلیلی مبتنی بر قوانین ایجاد شده در Tableau یا Microsoft Power BI؛
- صفحات گسترده اکسل که از فرمولهای ساده استفاده میکنند;
- کاربرگهای اکسل مبتنی بر ماکرو که دارای مقداری کد VBA هستند;
- سیستمهای سنسور یک سیگنال را به مرکز کنترل ارسال میکنند که یک متخصص انسانی آن را تفسیر میکند.
جهتگیریهای آینده برای سازمانهایی که به دنبال پذیرش هوش مصنوعی هستند
در بسیاری از موارد، هوش مصنوعی میتواند مشکلات پیچیده را حل کند، اما محدودیتهایی وجود دارد که در آنها منطق شرطی استاندارد، احتمالات و آمار برتر خواهند بود. نمونهای از این موارد، معافیتهایی هستند که به قابلیت اطمینان ۱۰۰٪ نیاز دارند، که در آن سیستمهای AI گاهی میتوانند نتایج ناسازگار تولید کنند. در مورد تکنیکهای سنتی، بیان نحوه اجرای آنها بهتر از بیان این موضوع که مبتنی بر هوش مصنوعی بودهاند مفید خواهد بود، زیرا این امر جریان دانش را بهبود میبخشد.
هوش مصنوعی بهطور مداوم در حال تکامل است و بهبودها بهسرعت در حال وقوع هستند و بهآرامی در زندگی روزمره نفوذ میکنند با استقرار بر روی پلتفرمهای فناوری و زیرساختهای از پیش موجود. همانطور که همهگیرتر میشود، دقت از همیشه مهمتر است و در نظر گرفتن نحوه اعمال و توضیح آن حیاتی است. همانطور که این حوزه بهطور اجتنابناپذیر بیشتر تنظیممقررات میشود، آزادیهای خاصی که در ادعای نادرست استفاده از AI گرفته شده است، بهمرور زمان حل خواهد شد. با این حال، سازمانها میتوانند با پذیرش تعاریف دقیق AI از همین حالا پیشدستی کنند.
مزایای هوش مصنوعی واقعی بسیار گسترده است و Telemus AI میتواند با سازمان شما همکاری کند تا نتایج ملموسی فراتر از تکنیکهای سنتی ایجاد کند.
همین امروز با ما تماس بگیرید تا یک مشاوره رایگان در مورد نحوه ادغام Telemus AI™ در سازمان شما دریافت کنید.
