هوش مصنوعی در دسترس پایگاه گسترده کاربران - مجله بای بلاگ

به گزارش خبرنگاران، سال پرهیاهو و شلوغ 2020 بسیاری از صاحبان صنایع را در خصوص آینده پیش رو به فکر فرو برده است. اواخر هر سال، پیش بینی های زیادی را از طرف مدیران صنعت و تحلیلگران صنعت و تحلیلگران داده ارایه می گردد که مربوط به سال آینده است. امسال، این پیش بینی ها سندی 49 صفحه ای از بیش از 30 شرکت است. مرکز ملی فضای مجازی در مقاله خود خلاصه ای از پیش بینی ها پیرامون سال 2021 وجود دارد که به مباحثی اختصاص یافته که بیشترین حدس ها را به خود اختصاص داده که بخشی از آن مربوط به هوش مصنوعی است.

در امسال تعداد زیادی از پیش بینی ها در خصوص هوش مصنوعی و یادگیری ماشین (ML) بوده است. در واقع پیش بینی ها در این باره 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. اگرچه زمینه های دانش داده برای بهره گیری از هوش مصنوعی تا به امروز ضروری بوده است، اما این فرایند تغییر می نماید و به سمتی می رود که شامل هر کسی در سازمان که برای تصمیم گیری هوشمندتر به دسترسی به داده احتیاج دارد، گردد.

الکس پینا، مهندس ارشد تحقیق و توسعه در Linode، فکر می نماید که اقتصاد هوش مصنوعی نیز قابلیت دسترسی آن را بهبود می بخشد و می گوید: با کاهش هزینه خدمات GPU ابری، مشاغل کوچک تر می توانند از هوش مصنوعی استفاده نمایند. رایان ویلکینسون، مدیر ارشد فناوری در IntelliShift، موافق است و اظهار می نماید: 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 اتوماتیک (AutoML) را عامل دیگری برای دستیابی به هوش مصنوعی برای دانشمندان در حوزه های دیگر غیر از داده می داند و پیش بینی می نماید: در سال 2021 ما شاهد افزایش AutoML 2.0 خواهیم بود که پلتفرم های بدون کد را به سطح بعدی می رسانند. فوجیماکی همچنین احساس می نماید که AutoML به فراتر بردن موارد استفاده از تجزیه و تحلیل های پیش بینی نماینده یاری خواهد نمود، زیرا همچنین می تواند بینش ارزشمندی از فرایندها، رویدادها و اطلاعات گذشته ارائه دهد که به کسب وکارها اجازه می دهد تا مجهولات ناشناخته، فرایندها و الگوهای داده ای که مهم هستند، اما هیچ کس به درست بودن آن ها شک ننموده است را کشف نمایند.

هوش مصنوعی مسئولیت پذیر و اخلاقی

یکی دیگر از موضوعات مهم، موضوع مسئولیت پذیری و اهمیت عمومی اعتماد و شرح پذیری در مدل های AI / ML است. امی هودلر، مدیر تجزیه و تحلیل نمودارها و برنامه های هوش مصنوعی در Neo4j، می گوید: اگرچه بحث در خصوص هوش مصنوعی مسئولانه به دلیل همه گیری متوقف شده است، اما احتیاج به هوش مصنوعی مسئولانه تغییر ننموده و احتیاج به آغاز بحث عمومی مثل همواره مهم است.

روملیوتیس از اوریلی در خصوص پیشرفت محدود پیشین و چگونگی فعالیت های عمده آن در سال 2021 با چنین آرایشی موافق است: تا کنون، استفاده شرکت های عظیم 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 شرکت ها را مجبور به اتخاذ رویه های مسئولانه تر در ML خواهد نمود. نیک الپرین، مدیرعامل شرکت آزمایشگاه دومینو، از همین منظر نظراتش را بیان نموده است: استانداردهای حفظ حریم خصوصی که به سرعت در حال تحول هستند و اولین بار با GDPR و اکنون CCPA در کالیفرنیا مشاهده می شوند، در سال 2021 احتیاج به توجه به شفافیت و امنیت بیشتر مدل های هوش مصنوعی خواهد داشت.

بدون رویکرد هوش مصنوعی مسئولانه، اعتماد به C-Suite و اعضای تیم برای مدل های هوش مصنوعی که در حال طراحی آن هستند سخت می گردد و بدون این اعتماد، استفاده از هوش مصنوعی برای منافع تجاری تقریباً غیرممکن است. جوآو اولیویرا، مدیر راه چاره های تجاری در SAS، می گوید: هرچه دید تصمیم گیرندگان برای نتایج هوش مصنوعی بیشتر باشد، اعتماد بیشتری به تصمیماتی که توسط مدل ها گرفته می گردد، دارند. اعتمادپذیری به سمت به کارگیری و استفاده می انجامد. نظارت انسان و شرح مدل ها در هر مرحله از یک فرآیند تصمیم گیری، باعث پذیرش هوش مصنوعی و تصمیم گیری اتوماتیک می گردد.

سانتیاگو ژیرالدو، مدیر ارشد بازاریابی محصولات Cloudera در یادگیری ماشین، نه تنها موافق است، بلکه ادامه می دهد که، برای تجارت، به کارگیری هوش مصنوعی به این ترتیب از نظر وجودی لازم است. وی اینگونه بیان می نماید: در سال 2021، توانایی یک کسب و کار در جلب اعتماد به مدل خود - تا حدی که بتوانند بر اساس بینش ناشی از هوش مصنوعی خود عمل نمایند - مشخص نماینده بقای آن ها خواهد بود.

سندی مایک، معاون اصلی راه چاره های صنعتی به عنوان یکی دیگر از مدیران Cloudera می گوید: در 12 تا 24 ماه آینده خواهیم دید که هوش مصنوعی اخلاقی در مرکز توجه قرار می گیرد. بینا آمانات، مدیر اجرایی موسسه هوش مصنوعی Deloitte فکر می نماید 2021 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 نماید که شرکت ها در تصمیم گیری درباره ابعاد اخلاقی استراتژی های هوش مصنوعی خود آغاز به کار می نمایند و مدل های هوش مصنوعی را که می توانند برای پیامدهای اخلاقی تحت عنوان MLOps اداره شوند، به کار می گیرند. در واقع، گزارش اجرایی سالانه فناوری RELX تائیدیه ای را برای این امر تأیید می نماید و می گوید: از هر 10 رهبر تجاری بیش از 8 نفر معتقدند که ملاحظات اخلاقی یک اولویت استراتژیک در طراحی و اجرای سیستم های هوش مصنوعی آن ها است.

دومینو داتا لبس الپرین، با نادیده دریافت خطر هوش مصنوعی اخلاقی، پیش بینی می نماید که در سال 2021، ما آگاهی گسترده تری از صنایع راجع به پیامدهای حقوقی و خطرات تصمیمات اتوماتیک خواهیم دید. ممکن است دعاوی عمومی مربوط به تبعیض یا مسئولیت را که شامل تصمیمات گرفته شده توسط مدل های 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 شرح می دهد که برای مقیاس گذاری برای آینده با ترکیب اصول اخلاقی، سازگاری و حفظ حریم خصوصی با زیرساخت های فناوری ساخته شده، جامعه به سمت سیستمی حرکت خواهد نمود که ارزش داده ها به نفع افراد و بنگاه های مالی باشد.