هوش مصنوعی به سرعت به عنوان یکی از جالبترین و حتی مفیدترین عملکردها در زندگی دیجیتالی‌مان پدیدار شده ولی تعداد زیادی از افراد هنوز نمی‌دانند هوش مصنوعی دقیقاً چیست؟ در این مطلب، تلاش می‌کنیم تا درباره اینکه هوش مصنوعی چیست و چه نقشی در بازار ایفا خواهد کرد کمی صحبت کنیم. قبل از هرچیز، باید مشخص کنیم که هوش مصنوعی چیست و در حال حاضر عملکرد آن در بازار چگونه است؟

«هوش مصنوعی» یک اصطلاح بسیار وسیعی برای توصیف فناوری‌های ایجاد شده جهت انجام کارها و تفکر به سبک انسانی، تشخیص صدا و متن است. شاید «چت بات‌ها» را بتوان بارزترین کاربرد هوش مصنوعی در این روزها نام برد. ویژگی سیستم‌های هوش مصنوعی این است که آنها قادر به انجام کارهایی هستند که انسان‌ها می‌توانند انجام دهند و می‌توانند از طرز تفکر ما برای مثال در برنامه‌ریزی، استدلال و حل مسئله تقلید کنند. در بازاریابی، هوش مصنوعی می‌تواند در زمینه‌های هدف‌گذاری، خودکارسازی فرآیندها، جذب مخاطب هدفمند و حتی در کاربردهایی مثل بهینه‌سازی موتور جستجو (SEO) کاملاً مفید باشد.

نگاهی به ظهور هوش مصنوعی در صنعت دیجیتال

اکثر برنامه‌های کاربردی هوش مصنوعی براساس مفهوم یادگیری ماشین هستند، که مربوط به زمانی است که به یک سیستم مقدار زیادی اطلاعات داده می‌شود و می‌تواند از این اطلاعات برای درک دقیق کاری که باید در ادامه انجام دهد، استفاده کند. آن‌ها در واقع می‌توانند حل مسأله را به تنهایی یاد بگیرند. با وجود اینکه این فناوری هنوز پیشرفت زیادی نکرده است، اما بخشی از هوش مصنوعی باعث نگرانی افراد می‌شود؛ چرا که ممکن است تعداد زیادی از افراد در آینده شغل‌های خود را از دست بدهند.

یکی از نمونه‌های معروف یادگیری هوش مصنوعی که مدتی زیادی است مورد توجه همه قرار گرفته، قابلیت تشخیص چهره در فیس بوک است. این قابلیت نه تنها یکی از معروف‌ترین برنامه‌هاست، بلکه یکی از بهترین برنامه‌های توسعه یافته موجود هم هست. آنچه ماشین‌ها انجام می‌دهند، مطالعه ویژگی‌های چهره افراد در عکس‌ها و جمع آوری الگوهای داده‌ای مشخص شده است، که می‌توانند برای شناسایی افراد استفاده شوند. این سیستم حتی می‌تواند مشخصه‌هایی غیر از چهره را نیز تشخیص دهد.

هوش مصنوعی می‌تواند به چند نوع طیف تقسیم شود؛ از طیف باریکی از عملکردها تا انواع عمومی‌تر و وسیعتر یادگیری. در ادامه، رایج‌ترین دسته بندی‌ها را با هم مرور می‌کنیم.

واکنشی یا Reactive

در این حالت، رباتی عادی داریم که اصولاً برای انجام وظایف خیلی ساده به صورت واکنشی برنامه ریزی شده است. ممکن است این ربات خیلی باهوش به نظر برسند ولی کاملاً برنامه‌ریزی شده است و بنابراین نمی‌تواند واقعاً به صورت مستقل فکر کند.

حافظه محدود یا Limited Memory

این‌ها از ترکیبی از حافظه‌های از پیش برنامه‌ریزی شده و الگوهای واکنشی ساخته شده‌اند. آن‌ها می‌توانند مشاهده کنند و از محیط اطراف داده جمع کرده (برای مثال، فاصله بین اتومبیل‌های متفاوت برای اتومبیل‌های خودران) و این داده‌ها را برای تصمیم‌گیری استفاده کنند.

نظریه‌ ذهن یا Theory of Mind

این نوع ماشین‌ها می‌توانند افراد را درک کنند یا به صورت اجتماعی و با جزئیات تمام با آنها تعامل داشته باشند. این ربات‌ها همان‌هایی هستند که در اکثر فیلم‌های علمی تخیلی می‌بینیم. این نوع فناوری هوش مصنوعی هنوز کامل نشده است ولی حالت‌های مختلفی از آن در حال ظهور هستند.

هوش مصنوعی خودآگاه یا Self-aware AI

در این سطح، ماشین‌ها اساساً هوشیارند ولی هنوز چیزی در این حد و اندازه ساخته نشده است. اگر ماشین، ذهن و هوشیاری واقعی داشته باشد می‌تواند احساس هم داشته باشد؛ بنابراین از بسیاری جهات مانند انسان خواهد بود و در واقع می‌تواند تصمیمات احساسی بگیرد. مثال: Eva در فیلم Ex Machina.

برنامه های کاربردی مشترک AI در سال ۲۰۱۸ و فراتر از آن

به دلیل ظرفیت بالای برای جمع‌آوری، ذخیره و تحلیل داده‌های با حجم بالا(فراداده)، برنامه‌های هوش مصنوعی برای مطالعه فازهای مختلف مسیر مشتری یا Customer Journey بسیار سودمند هستند. به عبارت دیگر، این داده‌‌ها بیشتر برای مطالعه رفتار مصرف کننده، نمایه‌‌ خریداران یا Buyer Persona و نظایر اینها استفاده می‌شوند. همچنین قادرند برای ایجاد استراتژی‌های بازاریابی شخصی سازی شده، داده‌های متنوعی را از منابع گوناگون جمع‌آوری کنند.

در ادامه چند نمونه روند دیجیتال در هوش مصنوعی را نام می‌بریم:

اقدام و رویه‌های تجاری

با بالارفتن توانایی ماشین‌ها در یادگیری و تفکر، ممکن است ماشین‌ها بتوانند درآینده به خاطر ظرفیت پردازش و تحلیل حجم بالای داده‌ها کارهای سطح بالاتری انجام دهند و تصمیمات جدی‌تری بگیرند. پیامد مثبت این پدیده این است که مردم در سطوح مختلف کاری، زمان بیشتری برای انجام کارهای خلاقانه‌تر دارند. امروزه دستیارهای شخصی دیجیتال وظیفه کنترل اجزای سطح پایین را به عهده دارند. به این ترتیب، افرادی که در سطوح مدیریتی قرار دارند، می‌توانند روی کارهای سطح بالا تمرکز می‌کنند.

جمع‌آوری داده

جمع‌آوری داده‌ احتمالاً یکی از مرتبط‌ترین کارهایی است که برنامه‌های هوش مصنوعی می‌توانند به آسانی انجام دهند. این برنامه‌ها قادرند مجموعه‌های بزرگی از اطلاعات را از جاهای مختلف جمع‌آوری کرده و به صورت یکپارچه درآورند. حتی این ماشین‌ها می‌توانند بعداً از این اطلاعات برای خودکارسازی و توزیع اطلاعات استفاده کنند. به عنوان مثال برای هدف گیری بهتر تبلیغات.

جستجوی معنایی

برنامه‌های هوش مصنوعی روز‌به‌روز در جستجوی معنایی تواناتر می‌شوند، یعنی آنها بیشتر به دنبال درک اهداف جستجو هستند تا صرف اجرای دستور.

هم اکنون ربات‌های دارای هوش مصنوعی اغلب برای پاسخگویی به فرمان‌های خاص از پیش برنامه‌ریزی شده‌اند، اما آنها در حال توسعه یافتن هستند تا بتوانند فرمان‌های بسیار پیچیده‌تر را تشخیص دهند. مثلاً، این امر می‌تواند در بازاریابی با توجه به تاریخچه جستجو به کار رود، زیرا در آنجا پارامترهای جستجوی پیشین می‌توانند برای ارائه نتایج سفارشی بیشتر به کار روند.

آیا پیشرفت‌های هوش مصنوعی باعث از بین رفتن مشاغل می‌شود؟

اگر چنین است پس چه بر سر شغل‌ها خواهد آمد؟ طبق گفته مجله اکونومیست، کارشناسان‌ پیش‌بینی کرده‌اند بسیاری از شغل‌های معمولی در آینده به ربات‌ها واگذار خواهد شد. شبکه‌ CBC گزارشی از مؤسسه Mowat Center پخش کرده که پیش‌بینی می‌کند در دهه‌های آتی دست‌کم یک و نیم میلیون کانادایی به وسیله فناوری خودکارسازی از کار بی‌کار خواهند شد که بیشتر آنها خرده‌فروشان و صندوقداران خواهند بود. همچنین به گزارش بی‌بی‌سی ۸۰۰ میلیون کارگر ممکن است تا سال ۲۰۳۰ شغل خود را از دست بدهند که بیشتر آنها کسانی هستند که در صنعت خدمات ماشینی و غذایی فعال‌اند. دیگر عناوین شغلی که تحت تهدید خودکارسازی قرار گرفته‌اند شامل حسابداران، دستیار مدیران، دلالان، منشی‌ها، کتابداران، کارگزاران بیمه و گویندگان می‌شوند. نشریه تلگراف در اینجا لیست گسترده‌ای منتشر کرده است.

مشاغلی که پیش‌بینی می‌شود کمتر از همه خودکار شوند شامل وکالت، معلمی، درمان شناسی، پزشکی، سرپرست تجاری و مددکاری اجتماعی است. در واقع، هرچه سطح آموزش و فعل و انفعال انسانی بیشتری برای یک شغل مورد نیاز باشد، امکان خودکار شدن آن کمتر می‌شود. احتمال خودکار شدن برخی از مشاغل کم‌درآمدتر یا با انسان‌محوری کمتر که نیازمند ترکیب بسیار خاصی از مهارت و دانش هستند، مثل باغبانی و لوله‌کشی هم کم است. خرده‌فروشی‌های خواربار و غذا که اکنون کیوسک‌ها و گیشه‌های پرداخت سلف سرویس در آن‌ها عادی شده است، به تازگی به‌علت اضافه کردن ناگهانی تعداد زیادی گیشه‌های پرداخت خودکار مورد انتقاد قرار گرفته‌اند.

اما مک‌دونالد مدعی است که این تجهیزات منجر به حجم مشتریان بیشتر و فرصت‌های جدیدی برای کارکنان فعلی می‌شود. برای مثال، ممکن است تقاضای بیشتری برای خدمت ارائه غذا در سر میز یا خدمات جدید مثل تحویل در منزل به‌وجود آید. پس، آیا واقعاً هوش مصنوعی شغل‌های ما را در آینده می‌دزدد؟ هیچکس نمی‌تواند با اطمینان بگوید. اما به هیچ وجه نمی‌توان از این حقیقت چشم‌پوشی کرد که فناوری خودکار بیش از پیش در حال ظهور در زندگی روزمره است و بدون شک باید از این مسئله آگاه بمانیم.

خبر خوب اینکه با توجه به بخش ابتدایی این مقاله یعنی جاییکه به جزئیات سطوح مختلف هوش مصنوعی پرداختیم، می‌توانیم ببینیم که هنوز با توسعه گسترده ربات‌های بسیار پیشرفته فاصله داریم، پس در آستانه تسلط یافتن ربات‌ها به سبک فیلم ترمیناتور نیستیم! همچنین اگر به نیمه پر لیوان نگاه کنیم، برخی نظریه‌پردازی‌ها نشان می‌دهد که وقتی شغل‌های ساده‌تر به دست ربات‌ها بی‌افتد، پول و زمان بیشتری در اختیار کسب‌و‌کارها قرار می‌گیرد تا افرادی که آن شغل‌ها را انجام می‌دادند را برای وارد شدن به پست‌های متفکرانه‌تر و پردرآمدتر آموزش دهند.

بدون شک ماشین‌ها در آینده نزدیک توانایی تصمیم‌گیری و حتی اقدام در سطوح بالاتر را به‌دست خواهند آورد، اما احتمالاً این شرایط منجر به حذف انبوه موقعیت‌های شغلی نمی‌شود. اگر کسب‌و‌کارها به‌دنبال اجرای خودکارسازی به‌صورت گسترده باشند، باید برای جا‌به‌جایی، موقعیت‌های شغلی افراد را در نظر گرفته و برای آن برنامه‌ریزی کنند. ولیبا توجه به اینکه نمی‌توانیم پیش‌بینی کنیم خودکارسازی هوش مصنوعی تا چه میزان و با چه سرعتی روی ما تأثیر می‌گذارد، ایده بدی نیست که کارکنان نیز مهارت‌های تازه یاد گرفته و گنجینه‌ای از مهارت‌های مختلف داشته باشند.