هوش مصنوعی در دسترس پایگاه گسترده كاربران
وب کنفرانس: کارشناسان معتقدند هوش مصنوعی و یادگیری ماشین، در سال 2021 میلادی برای پایگاه گسترده تری از کاربران در دسترس خواهد بود و اگرچه زمینه های دانش داده برای بهره گیری از هوش مصنوعی تا حالا ضروری بوده است، اما این روند تغییر می کند و به سمتی می رود که شامل هر کسی در سازمان که برای تصمیم گیری هوشمندتر به دسترسی به داده احتیاج دارد، شود.
به گزارش وب کنفرانس به نقل از ایسنا، سال پرهیاهو و شلوغ ۲۰۲۰ خیلی از صاحبان صنایع را در مورد آینده پیش رو به فکر فرو برده است. اواخر هر سال، پیش بینی های زیادی را از جانب مدیران صنعت و مفسرین صنعت و مفسرین داده ارائه می شود که مربوط به سال آینده است. امسال، این پیش بینی ها سندی ۴۹ صفحه ای از بیش از ۳۰ شرکت است. مرکز ملی فضای مجازی در مقاله خود خلاصه ای از پیش بینی ها پیرامون سال ۲۰۲۱ وجود دارد که به مباحثی اختصاص یافته که بیشترین حدس ها را به خود اختصاص داده که قسمتی از آن مربوط به هوش مصنوعی است.
امسال تعداد زیادی از پیش بینی ها در مورد هوش مصنوعی و یادگیری ماشین (ML) بوده است. در حقیقت پیش بینی ها در این زمینه آنقدر زیاد بود که خود به چند زیر مجموعه قابل توجه تقسیم می شوند. یک مجموعه از پیش بینی ها به چگونگی دموکراتیک شدن، در دسترس بودن، مقرون به صرفه بودن و بالغ شدن هوش مصنوعی متمرکز است.
بورگمن از Starburst می گوید: هوش مصنوعی و یادگیری ماشین، برای پایگاه گسترده تری از کاربران در دسترس خواهد بود. بااینکه زمینه های دانش داده برای بهره گیری از هوش مصنوعی تا حالا ضروری بوده است، اما این روند تغییر می کند و به سمتی می رود که شامل هر کسی در سازمان که برای تصمیم گیری هوشمندتر به دسترسی به داده احتیاج دارد، شود.
الکس پینا، مهندس ارشد تحقیق و توسعه در Linode، فکر می کند که اقتصاد هوش مصنوعی نیز قابلیت دسترسی آنرا بهبود می بخشد و می گوید: با کاهش هزینه خدمات GPU ابری، مشاغل کوچک تر می توانند از هوش مصنوعی استفاده کنند. رایان ویلکینسون، مدیر ارشد فناوری در IntelliShift، موافق است و اظهار می کند: با رسیدن سخت افزار به نقطه ای که از هوش مصنوعی پشتیبانی کند، نرم افزارهای ML و AI که در فضای ابری اجرا می شوند سریعتر از هر زمان دیگر به بلوغ می رسند.
رایوهی فوجیماکی، بنیانگذار و مدیرعامل dotData، یادگیری ماشین خودکار (AutoML) را عامل دیگری برای دستیابی به هوش مصنوعی برای دانشمندان در حوزه های دیگر غیر از داده می داند و پیش بینی می کند: در سال ۲۰۲۱ ما شاهد افزایش AutoML 2.0 خواهیم بود که پلت فرم های "بدون کد" را به سطح بعدی می رسانند. فوجیماکی همین طور احساس می کند که AutoML به فراتر بردن موارد استفاده از تجزیه و تحلیل های پیش بینی کننده کمک خواهد کرد، برای اینکه همین طور می تواند بینش ارزشمندی از روندها، رویدادها و اطلاعات گذشته عرضه نماید که به کسب وکارها اجازه می دهد تا مجهولات ناشناخته، روندها و الگوهای داده ای که مهم هستند، اما هیچ کس به درست بودن آنها شک نکرده است را کشف کنند.
هوش مصنوعی مسئولیت پذیر و اخلاقی
یکی دیگر از موضوعات مهم، موضوع مسئولیت پذیری و اهمیت عمومی اعتماد و توضیح پذیری در مدلهای AI / ML است. امی هودلر، مدیر تجزیه و تحلیل نمودارها و برنامه های هوش مصنوعی در Neo4j، می گوید: بااینکه بحث در مورد هوش مصنوعی مسئولانه به سبب همه گیری متوقف شده است، اما نیاز به هوش مصنوعی مسئولانه تغییر نکرده و نیاز به شروع بحث عمومی مثل همیشه مهمست.
روملیوتیس از اوریلی در مورد پیشرفت محدود پیشین و چگونگی کارهای عمده آن در سال ۲۰۲۱ با چنین آرایشی موافق است: تا کنون، استفاده شرکت های بزرگ از ML مسئولیت پذیر در بهترین حالت متوسط و واکنشی بوده است. در سال آینده، افزایش مقررات (مانند GDPR و CCPA)، ضدانحصاری و سایر نیروهای قانونی شرکتها را مجبور به اتخاذ رویه های مسئولانه تر در ML خواهدنمود. نیک الپرین، مدیرعامل شرکت آزمایشگاه دومینو، از همین منظر نظراتش را بیان کرده است: استانداردهای حفظ حریم خصوصی که به سرعت در حال تحول هستند و نخستین بار با GDPR و الان CCPA در کالیفرنیا مشاهده می شوند، در سال ۲۰۲۱ نیاز به توجه به شفافیت و امنیت بیشتر مدلهای هوش مصنوعی خواهد داشت.
بدون رویکرد هوش مصنوعی مسئولانه، اعتماد به C-Suite و اعضای تیم برای مدلهای هوش مصنوعی که در حال طراحی آن هستند دشوار می شود و بدون این اعتماد، استفاده از هوش مصنوعی برای منافع تجاری تقریباً نا ممکن است. جوآو اولیویرا، مدیر راهکارهای تجاری در SAS، می گوید: "هرچه دید تصمیم گیرندگان برای نتایج هوش مصنوعی بیشتر باشد، اعتماد بیشتری به تصمیماتی که توسط مدلها گرفته می شود، دارند. اعتمادپذیری به سمت به کارگیری و استفاده می انجامد. نظارت انسان و توضیح مدلها در هر مرحله از یک پروسه تصمیم گیری، موجب پذیرش هوش مصنوعی و تصمیم گیری خودکار می شود.
سانتیاگو ژیرالدو، مدیر ارشد بازاریابی محصولات Cloudera در یادگیری ماشین، نه فقط موافق است، بلکه ادامه می دهد که، برای تجارت، به کارگیری هوش مصنوعی بدین سان از نظر وجودی ضروری می باشد. وی اینطور بیان می کند: در سال ۲۰۲۱، توانایی یک کسب وکار در جلب اعتماد به مدل خود - تا حدی که بتوانند برمبنای بینش ناشی از هوش مصنوعی خود عمل کنند - تعیین کننده بقای آنها خواهد بود.
سندی مایک، معاون اصلی راهکارهای صنعتی بعنوان یکی دیگر از مدیران Cloudera می گوید: در ۱۲ تا ۲۴ ماه آتی خواهیم دید که هوش مصنوعی اخلاقی در مرکز توجه قرار می گیرد. بینا آمانات، مدیر اجرائی موسسه هوش مصنوعی Deloitte فکر می کند ۲۰۲۱ سال عملیاتی برای اخلاق هوش مصنوعی خواهد بود و می گوید: امکان اعتماد به سیستم های AI در مرکز هر مکالمه AI است. امانات احساس می کند که شرکتها در تصمیم گیری درباره ابعاد اخلاقی استراتژی های هوش مصنوعی خود آغاز به کار می کنند و مدلهای هوش مصنوعی را که می توانند برای نتایج اخلاقی تحت عنوان MLOps اداره شوند، به کار می گیرند. در حقیقت، گزارش اجرائی سالانه فناوری RELX تائیدیه ای را برای این امر تأیید می کند و می گوید: از هر ۱۰ رهبر تجاری بیش از ۸ نفر معتقدند که ملاحظات اخلاقی یک اولویت راهبردی در طراحی و اجرای سیستم های هوش مصنوعی آنها است.
دومینو داتا لبس الپرین، با نادیده گرفتن خطر هوش مصنوعی اخلاقی، پیش بینی می کند که در سال ۲۰۲۱، ما آگاهی گسترده تری از صنایع راجع به نتایج حقوقی و خطرات تصمیمات خودکار خواهیم دید. ممکنست دعاوی عمومی مربوط به تبعیض یا مسئولیت را که شامل تصمیمات گرفته شده توسط مدلهای هوش مصنوعی است را ببینیم. اما همه پیش بینی ها به سمت نابودی و تاریکی نیست.
جیمز کینگستون، معاون همکاری و تحقیقات نوآوری، محقق هوش مصنوعی و مدیر HAT-LAB در Dataswift، مقداری هویج در انت های این چوب گذاشته و توضیح می دهد که برای مقیاس گذاری برای آینده با ترکیب اصول اخلاقی، سازگاری و حفظ حریم خصوصی با زیرساخت های فناوری تولید شده، جامعه به سمت سیستمی حرکت خواهدنمود که ارزش داده ها به نفع افراد و بنگاه های اقتصادی باشد.
منبع: وب كنفرانس
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب