در بخش قبلی به نحوه عملکرد، دستهبندیها و توضیحات تکمیلی دیگر در مورد فناوری هوشمصنوعی پرداختیم. در این قسمت زمینههای بکارگیری این فناوری و کاربرد آن در صنایع مختلف را مورد بررسی قرار خواهیم داد:
زمینههای بکارگیری هوشمصنوعی:
هوشمصنوعی در زمینهها و تکنولوژیهای مختلفی بکارگیری میشود. در ادامه به معرفی برخی از آنها میپردازیم:
اتوماسیون: وقتی با هوشمصنوعی تلفیق میشود باعث بالا رفتن دقت، حجم پردازش و بهبود عملکرد میشود. برای مثال اتوماسیون پردازشگر رباتی (RPA) یک نوع نرمافزار است که یکسری روندها و قوانین را اتوماتیکسازی میکند و آنها با عملکرد کارکنان یک مجموعه مطابقت میدهد. این اتوماسیون وقتی با یادگیری ماشینی و تکنولوژی نوین هوشمصنوعی ادغام میشود، میتواند شرکتهای بزرگتر با اطلاعات بیشتر را اتوماتیکسازی کند.
یادگیری ماشین: یادگیری ماشین روشی است که به کمک آن یک کامپیوتر بدون برنامهنویسی قادر به ارائه عملکرد است. یادگیری عمیق یکی از زیر مجموعههای یادگیری ماشین است. اگر بخواهیم خیلی ساده عملکرد آن را توضیح دهیم، میتوان کامپیوتر را به عنوان اتوماسیون تجزیهوتحلیل برای پیشبینی در نظر گرفت.
یادگیری ماشین سه نوع مختلف دارد:
یادگیری تحت نظارت: تعدادی داده از قبل شناسایی شده و دستههایشان مشخص میگردد که از آنها برای دستهبندی دادههای جدید استفاده میشود.
یادگیری بدون نظارت: دادهها از قبل مشخص نشدهاند و براساس تشابهات و تفاوتهایشان دستهبندی شدهاند.
یادگیری تقویتی: دادهها از قبل مشخص نشدهاند اما هوشمصنوعی بعد از هر حرکت و یا بعد از چندین حرکت عکسالعمل نشان داده و بازخورد خود را ارائه میدهد.
بینایی ماشینی: این فناوری به ماشین(کامپیوتر) قدرت بینایی میدهد. این موضوع به این معناست که ماشین از طریق دوربین شواهد بصری را جمعآوری و تجزیهوتحلیل میکند(آنها را از حالت آنالوگ به دیجیتال تبدیل میکند و روی سیگنالهای دیجیتالی پردازش انجام میدهد).
بینایی ماشینی معمولا با بینایی انسان مقایسه میشود اما بینایی ماشینی هیچگونه ارتباطی با علم بیولوژیک ندارند و تماماً برنامهنویسی شده و کامپیوتری هستند. این فناوری در بازه گستردهای بکارگیری میشود، از تشخیص امضاء گرفته تا عکسبرداریهای پزشکی.
پردازش زبانهای طبیعی(NLP): به معنای پردازش زبانهای مختلف انسان توسط کامپیوتر است. یکی از قدیمیترین و بهترین مثالها برای این موضوع، شناسایی هرزنامهها است؛ موقعی که یک ایمیل برای شما فرستاده میشد، هوشمصنوعی با خواندن موضوع و متن ایمیل متوجه درست و اصل بودن یا هرزنامه بودن آن میشد. وظایف NLP شامل: ترجمه متون، تجزیهوتحلیل احساسات و تشخیص گفتار است.
رباتیک: تمرکز این بخش از فناوری هوشمصنوعی بر روی طراحی و ساخت ربات است. رباتها اغلب برای انجام وظایفی که انجام دادنشان برای انسان سخت است(مانند رباتهایی که ناسا برای حرکت دادن وسایل بزرگ در فضا از آنها استفاده میکند) و یا انجام یک حرکت تکراری به صورت مداوم(مانند رباتهای مورد استفاده در صنایع خودروسازی) ساخته میشوند. همچنین محققان از یادگیری ماشینی برای ساخت رباتهایی استفاده میکنند که میتوانند در محیطهای اجتماعی با انسان تعامل داشته باشند.
رانندگی خودکار: وسایل نقلیه خودران از ترکیب چند هوشمصنوعی بصورت همزمان استفاده میکنند. بینایی ماشین، شناسایی و تشخیص تصویر و یادگیری عمیق مواردی هستند که برای مجهز نمودن وسیله نقلیه به توانایی رانندگی خودکار، حرکت در یک مسیر مشخص، شناسایی موانع مانند عابرین پیاده و... استفاده میشوند.
هوشمصنوعی در صنایع مختلف:
درمان و مراقبت پزشکی: هدف اصلی استفاده از هوشمصنوعی در این زمینه بهبود خدماترسانی و کاهش هزینهها برای بیماران است. مراکز درمانی برای تشخیص بهتر و سریعتر یک بیماری از فناوری هوشمصنوعی استفاده میکنند. یکی از بهترین مثالها برای این زمینه IBM Watson است که زبانهای مختلف را متوجه میشود و به سوالاتی که از آن پرسیده میشود پاسخ میدهد. سیستم، دادههای بیماران را جمعآوری میکند و یک فرم صورت وضعیت اولیه تشکیل میدهد. بعد از تکمیل این فرم، بخش نظرسنجی و رضایتمندی باز میشود تا عملکرد سیستم از دید کاربران سنجیده شود. همچنین هوشمصنوعی برای کمکرسانی مجازی پزشکی به بیماران و به دست آوردن اطلاعات مورد نیاز پزشکی توسط افراد مختلف مورد استفاده قرار میگیرد. نوبتدهی، صورتحساب و پرداخت، امور اداری و .... دیگر زمینههایی هستند که از هوشمصنوعی در آنها استفاده میشود. همچنین برای پیشبینی پیشرفت بیماریها و جهشهای عاملین بیماریزا(مانند کرونا) نیز از هوشمصنوعی استفادههای زیادی میشود.
کسبوکار: در این زمینه از یادگیری ماشینی برای مدیریت ارتباط با مشتریان (CRM) وتحلیل نیازهای مشتریان در جهت خدماترسانی بهتر استفاده میشود. برای مثال چتبات(Chatbot)های مختلفی توسط شرکتها در سایتهایشان برای خدماترسانی فوری و آنی به مشتریان و کاربران قرار داده شدهاند.
تحصیلات: سیستم نمرهدهی را میتوان از طریق هوشمصنوعی مدیریت کرد و با این روش دیگر وقت اساتید و معلمان برای اینکار صرف نمیشود و میتوانند برای مسائل آموزشی و تربیتی وقت بیشتری بگذارند. هوشمصنوعی کاربردهای بسیار زیادی دارد؛ برای مثال میتوانیم با کمک آن دانشجویان و دانشآموزان را ارزیابی و رتبهبندی کنیم، نیازهای آنها را بسنجیم تا با توجه به نیازهای هر دانشجو به آنها خدمات مناسب ارائه شود، وضعیت و پیشرفت تحصیلی دانشجویان و دانشآموزان مورد بررسی قرار گیرد تا از مسیر پیشرفت تحصیلی آنها اطمینان حاصل کنیم و... . به طور کلی هوشمصنوعی میتواند تحلیل دقیقتری از وضعیت تحصیلی افراد نسبت به انسان داشتهباشد زیرا از دقت و جزئیاتنگری بالاتری برخوردار است. در آینده ممکن است هوشمصنوعی بهقدری پیشرفت کند که برخی از آنها جایگزی نمعلمان و اساتید شود!
امورمالی: امروزه نرمافزارهای زیادی در زمینه امورمالی به بازار عرضه شدهاند که دارای هوشمصنوعی هستند و کار آنها دریافت اطلاعات افراد و ارائه توصیهها و راهکارهای مالی مناسب با شرایط هر فرد است، مانند برنامههای Intuit Mint و TurboTax. نرمافزارهای دیگری نیز وجود دارند که در بعد کلان مورد استفاده قرار میگیرند؛ برای مثال، بیشتر معاملات در بورس وال استریت از طریق نرمافزارهایی انجام میشوند که به هوشمصنوعی مجهز هستند.
قانونگذاری: غربال اطلاعات همیشه امری دشوار و پرچالش بوده و هست. اما استفاده از هوشمصنوعی میتواند کمک شایانی در این زمینه کند. برای مثال دستهبندی صدها شرکت و کارخانه در زمینههای: مجاز و غیرمجاز بودن، نظارت بر تعداد کارکنان و امور مربوط به آنها از جمله حقوق و بیمه، مباحث مالی از جمله مالیات و .... .
هوشمصنوعی در چرخه تولید: میتوان گفت شناخته شدهترین زمینه برای بکارگیری فناوری هوشمصنوعی، چرخه تولید است و در صنایع مختلفی مانند خودروسازی بیشترین استفاده را از رباتها میبرند. برخی از این رباتها فقط برای یک وظیفه خاص برنامهریزی شدهاند و برخی دیگر که با نام "رباتهای همکار" یا Cobots، شناخته میشوند دارای قابلیت یادگیری و انجام چندین مسئولیت مختلف هستند و میتوان از آنها در قسمتهای مختلف مانند انبار، خط تولید و قسمتهای دیگر استفاده شود.
امور بانکی: امروزه بانکها از سرویسهای Chatbots برای رسیدگی به برخی امور مشتریان خود و اطلاعرسانیهای مختلف استفاده میکنند و دیگر نیازی به نیرویانسانی برای رسیدگی به برخی مسائل ندارند.
بعضی از این زمینهها عبارتند از: استفاده از هوشمصنوعی برای رسیدگی به امور وامدهی و پرداخت اقساط، اعتبارسنجی کارکنان و مشتریان و شناسایی موقعیتهای سرمایهگذاری مناسب.
حمل و نقل: علاوه بر استفاده هوشمصنوعی در رانندگی خودکار، از این فناوری در زمینههای دیگری نیز استفاده میشود. از جمله این زمینهها میتوان به: کنترل ترافیک، مدیریت پروازها و خطوط هوایی و کشتیرانی اشاره کرد.
امنیت: امروزه شرکتهای ارائهدهنده خدمات امنیتی اولویت کار خود را در استفاده از هوشمصنوعی برای توسعه کسبوکار خود و ارائه سطح امنیت بالاتر به مشتریان قرار دادهاند. سازمانها از یادگیری ماشینی برای حفاظت از اطلاعات و مدیریت آنها و همچنین برای شناسایی ناهنجاریها و اتفاقات مشکوک که ممکن است دارای ریسک باشد و یا اطلاعات آنها را به خطر بندازد استفاده میکنند؛ آنها این کار را با تجزیهوتحلیل دادهها و پیدا کردن کدهای مخرب از طریق هوشمصنوعی انجام میدهند. هوشمصنوعی میتواند با پیدا کردن این ناهنجاریها یا شناسایی حملات سایبری فوراً به تیم پشتیبانی اطلاعرسانی کرده یا با آنها مقابله کند.
برای مطالعه ادامه این مطلب کلیک کنید