Khorasan Science and Technology Park (KSTP)


زمان: چهارشنبه ۱ فروردین ۱۳۹۷

مکان:

ثبت‌نام در این رویداد

خبر رویداد


در اوایل سال 2019، گارتنر چرخه جدید جذابيت فناوري را برای هوش مصنوعی منتشر کرد. پذيرش AI توسط کسب و کارها رشد قابل توجهی را تجربه می‌کند. بدين ترتيب  طبق نظرسنجی سال ۲۰۱۹ Gartner، تعداد سازمان‌هایی که از هوش مصنوعی استفاده نموده­اند از ۴ درصد تا ۱۴درصد بین سال‌های ۲۰۱۸ و ۲۰۱۹ افزایش یافته است. با این حال، تاکنون تنها دو فناوری هوش مصنوعی graphic processor unit) GPU accelerators) و شناسایی گفتار  (Speech Recognition) به  مرحله فلات بهره­وری يا جايگاه واقعي فناوري در بازار رسیده‌اند. اکثریت فناوري­ها در مرحله اول منحني يعني Technology Trigger يا محرک فناوري قرار دارند که با هیجان و تجربه زیادی همراه مي باشد.

برای پرداختن به جزئیات پذیرش هوش مصنوعی، ما تعداد زيادي از پایگاه‌داده‌های مبتني بر وب مرتبط با صنایع و مواردی که تحت‌تاثیر اين روند قرار می‌گیرند را استخراج نمودیم. شکل زير 15 روند برتر در مجموعه داده­هاي بررسي شده در سال 2019 به جز حوزه­هاي دربرگيرنده فناوري هايي همچون يادگيري عميق و يادگيري ماشين مي­باشد.

 

 

 

شکل ۱: حوزه­هاي مورد مطالعه برای هر فناوری

همانظور که از نمودار بالا مشاهده مي شود، تحلیل ما سه نوع منابع وب که از نظر پرداختن تخصصي به حوزه AI متفاوت هستند را دربرمي­گيرد:

  • وبلاگ­هاي عمومي در حوزه کسب و کار بدون تخصص صریح درحوزه­هاي هوش مصنوعي مانند:

businessinsider.com and independent.co.uk

  • وبلاگ هاي فناوري در حوزه فناوري و مباحث ديجيتال که هم بر ديدگاه فناوری و هم بر دیدگاه کسب‌وکار متمرکز شده­اند. به­عنوان نمونه: techcrunch.com and theverge.com
  • وبلاگ­هايي که به­صورت تخصصي بر روي هوش مصنوعي و يادگيري ماشين متمرکز شده­اند مانند:

machinelearningmastery.com and aitrends.com

همانطور که از نمودار مشاهده می شود، بخش عمده در بلاگ­های فناوری و وبلاگ­هایی با تمرکز بر موضوع هوش مصنوعی مي­باشد. مباحثي با عناوین اخلاقی، زیرساختی و نظارتی قابل توجه، مانند رانندگی خودمختار يا سيستم هاي خودران، محاسبات کوانتومی و حوزه­هاي عمومي هوش مصنوعی، نیز در اخبار عمومی تعداد قابل توجهی را به خود اختصاص داده است.

هوش مصنوعی در صنعت

نمودار زیر نشان می‌دهد که چگونه ترندهاي مطرح شده با صنایع مختلف B2B و B2C در ارتباط هستند:

 

 

شکل 2: روندهاي هوش مصنوعي در صنايع مختلف

حال به برخی از اين موارد نگاه دقيق­تري بياندازيم:

  • بينايي کامپيوتري يا بينايي ماشين به شدت با صنعت خودرو مرتبط مي­باشد؛ تا جایی­که اين فناوري به يکي از مهمترين اجزاي ماشين هاي خودران و يا دستيار راننده تبديل شده است.
  • وسايل نقليه خودران: در تحلیل ما، وسایل نقلیه خودکار لزوماً خودرو نیستند، بلکه شامل دستگاه‌های هوافضا مانند هواپیماهای بدون سرنشین و ربات‌های فضایی نیز هستند. در نهایت، صنعت ساخت‌وساز در حال توسعه خودروهای بسیار تخصصی می‌باشد.
  • هنگامی که رایانه های سنتی از نظر قدرت پردازش به محدوديت­هاي خود نزديک مي شوند، Quantum Computing
  • (پردازش کوانتومي) توجه شما را به­خود جلب می کند. محاسبات کوانتومی به طور گسترده در حوزه هوا و فضا، جایی که از آن برای رفع چالش­های پیچیده فیزیک پرواز استفاده می­شود، مورد استفاده قرار مي­گيرد، در حال حاضر ارتباط بالای هوش مصنوعي با صنعت انرژی به علت کاربردهای احتمالی آن در اين صنعت خيلي کم است؛ همين ارتباط کم نيز ناشي از اين مي­باشد که محاسبات کوانتومي خود به عنوان راه­حلي براي انرژي در آينده پيش­بيني شده است.
  • خودکار سازي رباتيک فرآيندها (RPA) که به­وسيله ربات­هاي مجازي يا نرم افزار انجام مي­شود، که در مقابل ربات هاي فيزيکي که در ساخت و توليد استفاده مي­شود قرار دارد. خودکارسازي رباتيک فرآيندها در صنايع خدمات مالي يا مديريت پول فعاليت مي­کنند؛ بسيار ضروري است. تا جایی­که RPA روتين­هايي از قبيل تعيين اعتبار، تأیيد و کشف تقلب در امور مالي را خودکار مي­نمايد.

رابط کاربري مکالمه اي Conversational UI مخصوصاً برای صنایع B2C مانند سرگرمی، مد و خرده­فروشی اهمیت دارند. رابط کاربری مکالمه‌ای تجربه‌ای ساده از یک چت بات است که قابلیت پردازش زبان به‌صورت طبیعی را دارد و ویژگی‌های صحبت کردن با یک انسان واقعی را شبیه‌سازی مي­نمايد. به گفته گارتنر، رابط مکالمه یکی از فناوری­هایی است که بیشترین تأثیر و دگرگونی را در یک چشم­انداز کوتاه مدت دارد.

موارد استفاده هوش مصنوعي:

نمودار زير ارتباط ترندهاي در نظر گرفته شده با صنعت را مستقل از موارد استفاده و کسب و کارها نشان مي دهد:

 

 

شکل ۳: موارد استفاده هوش مصنوعی

حال به بررسي جزئيات شکل بالا مي پردازيم:

  • همانطور که بیشتر ما تجربه کرده‌ایم، آزمایش‌ها هوش مصنوعی به ویژه در حوزه خدمات مشتری محبوب هستند. به خصوص در B2C بیشتر درخواست‌های مشتری را می­توان‌ به طور تقریبی به تعداد متناهی از بسته­ها طبقه‌بندی کرد، در نتیجه یک شرايط مناسب براي  ایجاد و اتوماسیون داده فراهم مي­شود. اکثر تعاملات مشتریان از زبان استفاده می‌کنند و تمام گرایش‌های مربوط به پردازش زبان NLP، Chatbots، تشخیص گفتار، Assistants مجازی و Conversational UIs در این حوزه برجسته هستند. با درجه کوچک‌تر، ارتباط این تکنولوژی‌ها هم برای بازاریابی و جذب مشتری به طور کلی قابل‌مشاهده است.
  • محاسبات کوانتومی به شدت با تولید مرتبط است. مطابق گفته IBM تولید یکی از مهم‌ترین ذینفعان اولیه این فناوری است. محاسبات کوانتومی می‌تواند وظایف مهمی مانند کشف شیمیایی، شبیه‌سازی برای توسعه محصول و بهینه‌سازی زنجیره تامین را افزایش دهد.
  • هوش افزوده: بايد در نظر داشت که هوش افزوده یک مفهوم نسبتاً انتزاعی است که عمدتاً برای برقراری ارتباط استفاده می‌شود و همچنین به ما اطمینان خاطر می‌دهد که در آینده هوش مصنوعی (بجای جایگزین شدن با هوش انسان) هوش انسان‌ها را تقويت می­نمايد. در بخش مقابل، هوش مصنوعي عمومي- هوش ماشین‌آلات- که قادر به یادگیری هر نوع کار فکری که قبلاً توسط انسان‌ها انجام می‌شد، مي­باشد.  

نگاهي به نمودار گارتنر در حوزه هوش مصنوعي، سال 2019:

آخرین چرخه Hype Gartner برای هوش مصنوعی، محبوبیت رو به رشد  AutoML(automatic mashine learning) برنامه‌های هوشمند، پلتفرم هوش مصنوعی به عنوان یک شبکه یا خدمات ابری را نشان می‌دهد که در نتيجه شرکت­ها تطابق خود را با هوش مصنوعي افزايش داده­اند. شکل زير چرخه Hype Gartner برای هوش مصنوعی در سال ۲۰۱۹ را نشان مي­دهد:

 

 

شکل 4: نمودار هايپ سيکل گارتنر – هوش مصنوعي 2019

تشخیص گفتار کم‌تر از دو سال طول می‌کشد تا به عنوان يک جریان اصلی بازار پذیرفته شود و پیش‌بینی می‌شود که مهم‌ترین مزایای تحول­آمیز تمام فناوری‌ها در چرخه Hype را ارائه دهد. گارتنر به مشتریان خود توصیه می‌کند که از تشخیص گفتار در فناوري هوش مصنوعی خود استفاده کنند. گارتنر مشاهده می‌کند که برخلاف سایر تکنولوژی‌های موجود در حوزه پردازش زبان طبیعی، گفتار به متن (و متن به گفتار) یک کالای مستقل است که ماژول­هاي آن را می­توان‌ به انواع جریان‌های کاری زبان طبیعی متصل کرد. فروشندگان پیشرو در این حوزه فناوری، Amazone، Baidu، Cedat85، Google، IBM، NICE، nuance و Speechmatics می­باشند.

هشت تکنولوژی جدید بر پایه هوش مصنوعی در چرخه Hype 2019 گنجانده شده‌اند که این نشان‌دهنده برنامه مشتریان شرکت گارتنر برای سنجش هوش مصنوعی در سرتاسر  DevOpsاست. تیم عملیات و تیم توسعه و فناوری اطلاعات در حالی است که از مدل‌های کسب‌وکار جدید پشتیبانی می‌کنند. آخرین فناوری‌ها که قرار است در چرخه Hype برای هوش مصنوعی گنجانده شوند، نشان می‌دهند که چگونه شرکت‌ها در تلاشند تا هوش مصنوعی را برای بهبود فرآيندهايشان در زماني­که مدل­هاي کسب و کار جديد تکنولوژي­هاي زير را شامل مي شوند، استفاده نمايند:

  1. خدمات رایانش ابری؛ خدمات ابري هوش مصنوعی خدمات میزبانی هستند که به تیم‌های توسعه اجازه می‌دهند تا مزایای ذاتی در یادگیری ماشین و هوش مصنوعی را ترکیب کنند.
  2. یادگیری ماشین خودکار: قابلیت خودکارسازی (اتوماسيون) فرآیند ساخت، استقرار و مدیریت مدل‌های یادگیری ماشین را دارا مي­باشد.
  3. هوش افزوده: افزوده شده یک مدل همکاری انسانی متشکل از افراد و هوش مصنوعی (AI) است که برای افزایش عملکرد شناختی، از جمله یادگیری، تصمیم‌گیری و تجربیات جدید همکاری می‌کنند.
  4. هوش مصنوعي قابل توصيف: هوش مصنوعی قابل توصیف یاExplainable AI ، به هوش مصنوعی گفته می­شود که تصمیم ها و اقدامات آن به راحتی توسط انسان قابل درک باشد. تا به حال در تمامی الگوریتم های هوش مصنوعی که دیده­ایم، تصمیم­ها و اقدامات داخل یک Black Box تعریف و ساخته می­شدند در حالی که در XAI، تصمیم­ها و اقدامات در هر مرحله توسط انسان قابل درک هستند، به طوری­که می­تواند علت تعریف هر تصمیم را توضیح دهد. اکنون می­بینیم که این مفهوم به هوش تجاری نیز راه یافته است و اکثر توسعه دهندگان به دنبال به کارگیری آن در این حوزه هستند.
  5. هوش مصنوعی لبه: به استفاده از تکنیک‌های هوش مصنوعی تعبیه‌ شده در نقاط پایانی اينترنت اشيا (iot)، دريچه­ها و دستگاه‌های لبه اشاره دارد که به کاربردهای مختلفی از وسایل نقلیه خودکار تا تجزیه و تحلیل جریاني اشاره دارند.
  6.   یادگیری تقويتي: پتانسیل اصلي در صنایع اتوماسیون و صنعت بازي است و همچنين پتانسیل لازم برای پیشرفت قابل‌توجه در رباتیک، مسیریابی وسایل نقلیه، تدارکات (لجستيک) و دیگر سناریوهای کنترل صنعتی را دارا مي باشد.
  7. محاسبات کوانتومی: محاسبه کوانتومی پتانسیل ایجاد مشارکت‌های قابل‌توجهی در زمینه‌های بهینه‌سازی سیستم‌ها، یادگیری ماشین، رمزنگاری، کشف دارو و شیمی آلی را دارد. اگرچه خارج از افق برنامه‌ریزی اکثر شرکت‌ها، محاسبات کوانتومی می‌تواند اثرات استراتژیک در کسب‌وکار یا عملیات کلیدی داشته باشد.
  8. AI Marketplaces: گارتنر یک بازار هوش مصنوعي را به عنوان یک مکان قابل دسترسی آسان تعریف می‌کند که توسط یک زیرساخت فنی پشتیبانی می‌شود که انتشار، مصرف و صدور الگوريتم هاي قابل‌استفاده مجدد را تسهیل می‌کند. برخی از مکان های بازار در یک سازمان برای حمایت از اشتراک داخلی الگوریتم های از پیش ساخته در بین دانشمندان داده استفاده می شود.

گارتنر تکنولوژی‌های هوش مصنوعی زیر را در حال پيشرفت و بخشی از مرحله محرک نوآوري چرخه Hype هوش مصنوعی در نظر گرفته است، بازارهاي هوش مصنوعی، يادگيري تقويتي، هوش تصمیم‌گیری، سرویس‌های هوش مصنوعی، Labeling داده‌ها و سرویس‌های تفسير  Annotation و نمودارهای دانش در حال حاضر نشانه‌هایی از پیشرفت‌های بالقوه فناوری به­عنوان دلايل اوليه از ظهور داستان­هاي مفهومي مرحله محرک فناوري دارد. فن‌آوری‌های در مرحله محرک نوآوري چرخه Hype اغلب فاقد قابلیت قابل‌استفاده، مقیاس پذیر با قابلیت دوام تجاری است که هنوز ثابت نشده است.

روبات‌های هوشمند و يادگيري ماشين خودکار در سال ۲۰۱۹ درنقطه اوج در چرخه Hype قرار دارند. در مقایسه با رشد سریع سیستم‌های رباتیک صنعتی که توسط تولید کنندگان به علت نبود کارگر ايجاد شده است، روبات‌های هوشمند توسط گارتنر به­صورت عوامل الکترومکانيکال هستند که به طور مستقل در دنیای فیزیکی کار می‌کنند، تعریف شده و يادگيري در زمان کوتاه از آموزش و يا تجربيات انساني از جمله صحبت با صداي انسان در فروشگاه را آموزش مي­بينند. ربات whiz  از SoftBank Robotics یک نمونه از ربات هوشمند است که تحت عنوان مدل ربات­هاي خدمتکار (RaaS) فروخته شده و در ژاپن وجود دارد. AutoML یکی از محبوب‌ترین فناوری­ها در زمینه هوش مصنوعی در سال جاری است. گارتنر یک یادگیری ماشین خودکار (AutoML) را به عنوان توانایی اتوماسیون پروسه ساخت، استقرار و یا مدیریت مدل‌های یادگیری ماشین تعریف می‌کند. فروشندگان پیشرو که پلتفرم و برنامه‌های AutoML را فراهم می‌کنند عبارتند از: Amazone،Amazon SageMaker،Big Squid ،dotData DataRobot ، Google Cloud Platform، H2O.ai، KNIME، RapidMiner وSky Tree

9 فناوري که از چرخه هايپ حذف شده اند: گارتنر 9 فناوري را با دسته­بندي مجدد و قراردادن آن­ها در حوزه­هاي گسترده­تر حذف کرده است، واقيعت افزوده و واقعيت مجازي بخشي از هوش افزوده هستند. پهپاد های تجاری یا هواپیماهای بدون سرنشین اکنون قسمتی از هوش مصنوعی لبه هستند. یادگیری گروهی به بخش فلات چرخه ی ۲۰۱۸ رسیده و از چرخه هایپ فراتر رفته است. مدیریت منابع انسانی اکنون جای خود را به سرویس­های برچسب­گذاری و تفسیر داده­ها، که یک دسته گسترده­تر است، داده است. تولید زبان طبیعی اکنون به عنوان بخشی از پردازش زبان طبیعی گنجانده شده است. ابزار مدیریت دانش به وسیله بینش­های مهندسی جایگذاری شده اند، که بیشتر مربوط به هوش مصنوعی است.

در پايان خاطر نشان مي­نمايد به دليل اهميت حوزه هوش مصنوعي در سال­هاي اخير و تحت تأثير قراردادن بسياري از فرآيندها و زيرساخت­ها و خدمات سازمان­ها توسط اين حوزه، در شماره بعدي به ارائه يک گزارش هيجان انگيز از گارتنر در اين حوزه مي پردازيم.

 

منابع:

https://anacode.de/gartner-ai-hype-cycle-analysis/

https://www.forbes.com/sites/louiscolumbus/2019/09/25/whats-new-in-gartners-hype-cycle-for-ai-2019/

 

تهیه کننده: مهندس نیکا خواجه پور – مسئول مالکیت فکری پارک علم و فناوری خراسان