نوآوریها در زمینه هوش مصنوعی همچنان آینده بشریت را درهر صنعتی شکل میدهند. هوش مصنوعی در حال حاضر محرک اصلی فناوری های نوظهور مانند داده های بزرگ، روباتیک و اینترنت اشیا است و هوش مصنوعی مولد امکانات و محبوبیت آن را بیشتر گسترش داده است.
طبق نظرسنجی IBM در سال 2023، 42 درصد از مشاغل در مقیاس سازمانی هوش مصنوعی را در عملیات خود ادغام کردند و 40 درصد نیز هوش مصنوعی را برای سازمان خود در نظر گرفتند. علاوه بر این، 38 درصد از سازمانها هوش مصنوعی مولد را در جریان کار خود پیادهسازی کردهاند در حالی که 42 درصد در حال بررسی این کار هستند.
هوش مصنوعی در حال حاضر با سرعت زیادی در حال تغییر و پیشرفت است و این تغییرات می تواند برای صنایع مختلف و جامعه به طور کلی معنی داشته باشد.
تکامل هوش مصنوعی
هوش مصنوعی از سال 1951، زمانی که اولین موفقیت مستند یک برنامه کامپیوتری هوش مصنوعی توسط کریستوفر استراچی نوشته شد، راه درازی را پیموده است. برنامه چکرز او یک بازی کامل را در کامپیوتر Ferranti Mark I در دانشگاه منچستر به پایان رساند. به لطف پیشرفتها در یادگیری ماشینی و یادگیری عمیق، دیپ بلو IBM در سال 1997 استاد بزرگ شطرنج گری کاسپاروف را شکست داد و آیبیام واتسون این شرکت برنده خطر شد! در سال 2011
از آن زمان، هوش مصنوعی مولد آخرین فصل در تکامل هوش مصنوعی را رهبری کرد، با OpenAI که اولین مدلهای GPT خود را در سال 2018 منتشر کرد. این به اوج خود رسید که OpenAI مدل GPT-4 و ChatGPT خود را توسعه داد و منجر به تکثیر ژنراتورهای هوش مصنوعی شد که میتوانند درخواستها را پردازش کنند. متن، صوت، تصاویر و انواع دیگر محتوا را تولید کنید.
هوش مصنوعی همچنین در جهت کمک به توالی RNA برای واکسنها و مدلسازی گفتار انسان، فناوریهایی که بر یادگیری ماشینی مبتنی بر مدل و الگوریتم تکیه دارند و به طور فزایندهای بر ادراک، استدلال و تعمیم تمرکز دارند، استفاده شده است.
چگونه هوش مصنوعی بر آینده تأثیر می گذارد
بهبود اتوماسیون کسب و کار
حدود 55 درصد از سازمانها هوش مصنوعی را به درجات مختلف پذیرفتهاند که نشاندهنده افزایش اتوماسیون برای بسیاری از مشاغل در آینده نزدیک است. با ظهور رباتهای چت و دستیارهای دیجیتال، شرکتها میتوانند برای انجام مکالمات ساده با مشتریان و پاسخ به سؤالات اساسی کارمندان به هوش مصنوعی تکیه کنند.
توانایی هوش مصنوعی برای تجزیه و تحلیل حجم عظیمی از داده ها و تبدیل یافته های آن به فرمت های بصری مناسب نیز می تواند روند تصمیم گیری را تسریع کند. رهبران شرکت مجبور نیستند زمان خود را صرف تجزیه و تحلیل داده ها کنند، در عوض از بینش های فوری برای تصمیم گیری آگاهانه استفاده می کنند.
مایک مندلسون، مربی و طراح برنامه درسی در موسسه یادگیری عمیق انویدیا ، گفت: «اگر [توسعه دهندگان] بفهمند که فناوری چه توانایی هایی دارد و دامنه را به خوبی درک کنند، شروع به برقراری ارتباط می کنند و می گویند، شاید این یک مشکل هوش مصنوعی باشد، شاید این یک مشکل هوش مصنوعی باشد.
اختلال شغلی
اتوماسیون کسب و کار به طور طبیعی به ترس از دست دادن شغل منجر شده است. در واقع، کارمندان بر این باورند که تقریباً یک سوم از وظایف آنها می تواند توسط هوش مصنوعی انجام شود. اگرچه هوش مصنوعی در محیط کار دستاوردهایی داشته است، اما تأثیر نابرابر بر صنایع و حرفه های مختلف را همراه دارد. به عنوان مثال، مشاغل دستی مانند منشی ها در معرض خطر خودکار شدن هستند، اما تقاضا برای مشاغل دیگر مانند متخصصان یادگیری ماشین و تحلیلگران امنیت اطلاعات افزایش یافته است.
افرادی که در موقعیتهای ماهرتر یا خلاقتر هستند، به جای جایگزین شدن، به احتمال زیاد شغلشان با هوش مصنوعی افزایش مییابد. چه کارمندان را مجبور به یادگیری ابزارهای جدید کند و چه نقشهایشان را بر عهده بگیرد، هوش مصنوعی تلاشهای ارتقاء مهارت را در سطح فردی و شرکتی تحریک میکند.
کلارا ناهرستت، استاد علوم کامپیوتر در دانشگاه ایلینویز می گوید: «یکی از پیش نیازهای مطلق برای موفقیت هوش مصنوعی در بسیاری از زمینه ها این است که ما سرمایه گذاری فوق العاده ای در آموزش و پرورش برای بازآموزی افراد در راستای مشاغل جدید انجام دهیم. «
مسائل مربوط به حریم خصوصی داده ها
شرکتها برای آموزش مدلهایی که ابزارهای هوش مصنوعی تولید میکنند، به حجم زیادی از دادهها نیاز دارند و این فرآیند به شدت مورد بررسی قرار گرفته است. در این میان نگرانیها در مورد شرکتهایی که دادههای شخصی مصرفکنندگان را جمعآوری به وجود آمده و FTC را بر آن داشته است تا در مورد 2 مسئله تحقیق بررسی را آغاز کند: مورد اول اینکه آیا OpenAI از طریق روشهای جمعآوری دادههای خود بر مصرفکنندگان تأثیر منفی گذاشته است یا نه و مورد دوم بررسی این موضوع که شرکتها احتمالاً قوانین حفاظت از دادههای اروپا را نقض میکنند.
در پاسخ، دولت بایدن هریس منشور حقوق هوش مصنوعی را تدوین کرد که حریم خصوصی داده ها را به عنوان یکی از اصول اصلی خود فهرست می کند. اگرچه این قانون وزن قانونی زیادی ندارد، اما نشان دهنده فشار فزاینده برای اولویت دادن به حریم خصوصی داده ها و وادار کردن شرکت های هوش مصنوعی به شفافیت بیشتر و محتاط بودن در مورد نحوه جمع آوری داده های آموزشی است.
نگرانی های تغییر اقلیم
در مقیاسی بسیار بزرگتر، هوش مصنوعی تأثیر عمدهای بر پایداری، تغییرات آب و هوا و مسائل زیستمحیطی دارد. خوشبینها میتوانند هوش مصنوعی را راهی برای کارآمدتر کردن زنجیرههای تامین، انجام تعمیر و نگهداری و سایر روشها برای کاهش انتشار کربن ببینند.
در عین حال، هوش مصنوعی را می توان به عنوان یک عامل اصلی در تغییرات آب و هوایی در نظر گرفت. انرژی و منابع مورد نیاز برای ایجاد و نگهداری مدلهای هوش مصنوعی میتواند انتشار کربن را تا ۸۰ درصد افزایش دهد و ضربه مخربی به تلاشهای پایداری در فناوری وارد کند. حتی اگر هوش مصنوعی در فناوری آگاه به آب و هوا اعمال شود، هزینه های ساخت و آموزش مدل ها می تواند جامعه را در وضعیت زیست محیطی بدتری نسبت به قبل قرار دهد.
هوش مصنوعی اغلب کدام صنایع را تحت تاثیر قرار خواهد داد؟
تقریباً هیچ صنعت بزرگی وجود ندارد که در سالهای قبل تحت تاثیر هوش مصنوعی مدرن قرار نگرفته باشد. در اینجا چند مورد از صنایعی که در نتیجه هوش مصنوعی بیشترین تغییرات را تجربه می کنند ذکر شده است.
هوش مصنوعی در تولید
تولید سالهاست که از هوش مصنوعی سود میبرد. با بازوهای رباتیک مجهز به هوش مصنوعی و سایر رباتهای تولیدی که قدمت آنها به دهههای 1960 و 1970 برمیگردد، این صنعت به خوبی با قدرتهای هوش مصنوعی سازگار شده است. این رباتهای صنعتی معمولاً در کنار انسانها کار میکنند تا طیف محدودی از وظایف مانند مونتاژ و چیدمان را انجام دهند و همچنین حسگرهای آنالیز پیشبینیکننده باعث شده تا تجهیزات تولیدی بهخوبی کار کنند.
هوش مصنوعی در بهداشت و درمان
ممکن است بعید به نظر برسد، اما مراقبت های بهداشتی هوش مصنوعی در حال حاضر نحوه تعامل انسان ها با ارائه دهندگان پزشکی را تغییر داده است. به لطف قابلیتهای تجزیه و تحلیل دادههای بزرگ، هوش مصنوعی به شناسایی سریعتر و دقیقتر بیماریها، سرعت بخشیدن و سادهسازی کشف دارو و حتی نظارت بر بیماران از طریق دستیاران پرستاری مجازی کمک میکند.
هوش مصنوعی در امور مالی
بانکها، بیمهگران و مؤسسات مالی از هوش مصنوعی برای طیف وسیعی از کاربردها مانند کشف تقلب، انجام حسابرسی و ارزیابی مشتریان برای وام استفاده میکنند. معامله گران همچنین از توانایی یادگیری ماشین برای ارزیابی میلیون ها نقطه داده به طور همزمان استفاده کرده اند، بنابراین می توانند به سرعت ریسک را بسنجند و تصمیمات سرمایه گذاری هوشمندانه ای اتخاذ کنند.
هوش مصنوعی در آموزش
به کمک هوش مصنوعی روش یادگیری انسان ها در تمام سنین تغییر خواهد یافت. استفاده هوش مصنوعی از یادگیری ماشینی، پردازش زبان طبیعی و تشخیص چهره به دیجیتالی کردن کتابهای درسی، تشخیص سرقت ادبی و سنجش احساسات دانشآموزان کمک میکند تا مشخص شود چه کسی آموزش را کسل کننده میداند و چه کسی از آن لذت میبرد. هم در حال حاضر و هم در آینده، هوش مصنوعی تجربه یادگیری را با نیازهای فردی دانشآموز تطبیق میدهد.
هوش مصنوعی در خدمات مشتری
بیشتر مردم از دریافت تماس رباتیک می ترسند، اما هوش مصنوعی در خدمات مشتری می تواند ابزارهای مبتنی بر داده را در اختیار صنعت قرار دهد که بینش معناداری را هم برای مشتری و هم برای ارائه دهنده به ارمغان می آورد. ابزارهای هوش مصنوعی که صنعت خدمات مشتری را تقویت می کند به شکل چت بات ها و دستیاران مجازی هستند.
هوش مصنوعی در حمل و نقل
حمل و نقل یکی از صنایعی است که مطمئناً توسط هوش مصنوعی به شدت تغییر خواهد کرد. ماشین های خودران و برنامه ریزان سفر با هوش مصنوعی تنها چند جنبه از نحوه رسیدن ما از نقطه A به نقطه B هستند که تحت تاثیر هوش مصنوعی قرار می گیرند. با اینکه تصور میشود ماشین های خودران فاصله زیادی تا تکمیل برنامه دارند ولی درآینده شاهد تغییرات و پیشرفتهای چشمگیری در این زمینه هستیم.
خطرات احتمالی هوش مصنوعی
علیرغم تغییر شکل دادن بسیاری از صنایع به روش های مثبت، هوش مصنوعی همچنان دارای نقص هایی است که جای نگرانی را باقی می گذارد. در اینجا چند خطر بالقوه هوش مصنوعی آورده شده است.
از دست دادن شغل
بین سالهای 2023 تا 2028، 44 درصد از مهارتهای کارمندان و کارگران مختل خواهد شد. همه مشاغل به طور یکسان تحت تأثیر قرار نخواهند گرفت ، زنان بیشتر از مردان در مشاغل خود در معرض هوش مصنوعی قرار دارند. این را با این واقعیت ترکیب کنید که شکاف بین مردان و زنان در مهارت های هوش مصنوعی وجود دارد و به نظر می رسد زنان بسیار مستعد از دست دادن شغل خود هستند. اگر شرکتها گامهایی برای ارتقای مهارت نیروی کار خود نداشته باشند، تکثیر هوش مصنوعی میتواند منجر به افزایش بیکاری و کاهش فرصتها برای کسانی که دارای زمینههای حاشیهای هستند برای ورود به فناوری منجر شود.
تعصبات انسانی
شهرت هوش مصنوعی با عادت بازتاب تعصبات افرادی که مدل های الگوریتمی را آموزش می دهند، آلوده شده است. به عنوان مثال، فناوری تشخیص چهره به نفع افراد با پوست روشنتر شناخته شده است و افراد رنگین پوست با رنگهای تیرهتر را متمایز میکند. اگر محققان در ریشهیابی زودهنگام این سوگیریها مراقب نباشند، ابزارهای هوش مصنوعی میتوانند این سوگیریها را در ذهن کاربران تقویت کنند و نابرابریهای اجتماعی را تداوم بخشند.
دیپ فیک و اطلاعات غلط
گسترش دیپفیکها، مرزهای بین داستان و واقعیت را از بین میبرد و عموم مردم را به این پرسش سوق میدهد که چه چیزی واقعی است و چه چیزی نیست. و اگر مردم نتوانند دیپفیکها را شناسایی کنند، تأثیر اطلاعات نادرست میتواند برای افراد و کل کشورها خطرناک باشد. دیپ فیک برای ترویج تبلیغات سیاسی، ارتکاب کلاهبرداری مالی و قرار دادن دانشجویان در موقعیت های سازش، از جمله موارد دیگر استفاده شده است.
حریم خصوصی داده ها
آموزش مدلهای هوش مصنوعی بر روی دادههای عمومی، احتمال نقض امنیت دادهها را افزایش میدهد که میتواند اطلاعات شخصی مصرفکنندگان را افشا کند. شرکت ها با اضافه کردن داده های خود نیز به این خطرات کمک می کنند. نظرسنجی سیسکو در سال 2024 نشان داد که 48 درصد از کسب و کارها اطلاعات شرکت های غیرعمومی را در ابزارهای هوش مصنوعی مولد وارد کرده اند و 69 درصد نگران هستند که این ابزارها به مالکیت معنوی و حقوق قانونی آنها آسیب برساند. یک نقض واحد می تواند اطلاعات میلیون ها مصرف کننده را در معرض دید قرار دهد و در نتیجه سازمان ها را آسیب پذیر کند.
سلاح های خودکار
استفاده از هوش مصنوعی در تسلیحات خودکار، تهدیدی بزرگ برای کشورها و جمعیت عمومی آنها است. در حالی که سیستم های تسلیحات خودکار در حال حاضر مرگبار هستند، آنها همچنین نمی توانند بین سربازان و غیرنظامیان تبعیض قائل شوند. قرار دادن هوش مصنوعی در دستان اشتباه میتواند منجر به استفاده غیرمسئولانه و استقرار سلاحهایی شود که گروههای بزرگتری از مردم را در معرض خطر قرار میدهد.
هوش برتر
سناریوهای کابوس چیزی را به تصویر میکشند که به عنوان تکینگی تکنولوژیک شناخته میشود، جایی که ماشینهای فوقهوشمند از طریق بردگی یا ریشهکنی ، وجود انسان را به طور دائمی تغییر میدهند. حتی اگر سیستمهای هوش مصنوعی هرگز به این سطح نرسند، میتوانند به حدی پیچیدهتر شوند که تشخیص اینکه چگونه هوش مصنوعی گاهی اوقات تصمیمگیری میکند دشوار باشد. این می تواند منجر به عدم شفافیت در مورد نحوه اصلاح الگوریتم ها در هنگام رخ دادن اشتباهات یا رفتارهای ناخواسته شود.
مارک گیونگیوسی، بنیانگذار Onetrack.AI، گفت: «فکر نمیکنم روشهایی که در حال حاضر در این مناطق استفاده میکنیم منجر به ماشینهایی شود که تصمیم به کشتن ما بگیرند. من فکر میکنم شاید پنج یا 10 سال آینده، باید این بیانیه را دوباره ارزیابی کنم، زیرا روشهای مختلفی در دسترس و راههای متفاوتی برای انجام این موارد خواهیم داشت.»