ترندهای برتر هوش مصنوعی سال ۲۰۲۳ , ۲۰۲۴

هوش مصنوعی (AI) این پتانسیل را دارد که نحوه عملکرد جهان در زندگی و تجارت را تغییر دهد. طبق تحقیقات انجام شده، PwC تخمین می‌زند که تأثیر هوش مصنوعی بر اقتصاد جهانی تا سال ۲۰۳۰ می‌تواند به ۱۵ تریلیون دلار برسد. فناوری‌های بسیار کمی وجود دارند که می‌توانند در آینده نزدیک چنین تأثیری بر جهان داشته باشند. در این گزارش، با ترندهای برتر هوش مصنوعی سال ۲۰۲۳ آشنا می شویم که در حال حاضر بر اکوسیستم هوش مصنوعی تأثیر می‌گذارند، آشنا می‌شوید.

پردازش زبان طبیعی و استفاده جدید از هوش مصنوعی

پردازش زبان طبیعی (NLP) به صورت تجاری، در صنعت هوش مصنوعی آنقدرها موفق نبوده است. دنیای ما مملو از متن است. تجزیه و تحلیل، قالب بندی، ترجمه و استفاده از متون برای انواع تجارت در سراسر جهان ضروری است. البته این نگاه فقط شامل فقط کلمات نمی شود. در NLP، از روش هایی برای تجزیه و تحلیل داده ها استفاده می شود که نسبت به روش های آماری قبلی مورد استفاده ما بسیار متفاوت است.

 

اما NLP چیست؟

این اساسا راهی است که از طریق آن، کامپیوترها به زبان انسان صحبت می کنند. تا پیش از این، کامپیوترها تنها زمانی قادر به درک زبان انسان بودند که زبان انسان ابتدا به کد ترجمه می شد. اما با استفاده از NLP، ماشین‌ها می‌توانند از یک متن که به زبان انسانی نوشته شده را درک کنند.

برآوردها نشان می دهد که میزان داده ها در جهان می تواند تا سال ۲۰۳۰ به ۶۱۲ زتابایت و تا سال ۲۰۳۵ به ۲۱۴۲ زتابایت برسد. بیشتر این متن ها به زبان انسانی نوشته خواهند شد، بنابراین کسب و کارها می توانند از NLP برای تعیین احساس متن، طبقه بندی متن، استخراج معنا و کلمات کلیدی از متن و تجزیه و تحلیل متن استفاده کنند. این روشی کارآمد برای تجزیه و تحلیل و به دست آوردن بینش از حجم عظیمی از داده است – چیزی که بدون استفاده از NLP امکان پذیر نیست. MonkeyLearn یک ابزار تجزیه و تحلیل متن با هوش مصنوعی است که می تواند بررسی ها، نظرسنجی ها، تیکت های پشتیبانی و سایر متن های نوشته شده به زبان انسان را تجزیه و تحلیل کند.

در حوزه های قانونی و تجاری، استفاده از NLP برای تجزیه و تحلیل اسناد حقوقی طولانی و همچنین نوشتن اسناد جدید آغاز شده و شرکت های زیادی از آن استقبال کرده اند. به عنوان مثال، شرکتی به نام BlackBoiler فناوری هوش مصنوعی را ارائه می‌کند که از NLP برای تجزیه و تحلیل قراردادها و پیشنهاد تغییرات در بندهای مورد مناقشه استفاده می‌کند. این پلتفرم همه این کارها را از طریق فرآیندی شبیه به “ردیابی تغییرات” در یک برنامه پردازشگر کلمه انجام می دهد.

غول های فناوری و رقابت بر سر برای توسعه جستجوی هوش مصنوعی

یکی از محبوب ترین و قدرتمندترین کاربردهای پردازش زبان طبیعی، جستجوی هوش مصنوعی است که در میان ترندهای برتر هوش مصنوعی سال ۲۰۲۳ نیز قرار دارد. ابزارهای جستجوی هوش مصنوعی که از مدل‌های زبان بزرگ (LLM) استفاده می‌کنند، این پتانسیل را دارند که نحوه یافتن اطلاعات آنلاین افراد را تغییر دهند. زیرساخت LLM هایی که در پشت رابطی مانند ChatGPT قرار گرفته، ابتدا با تجزیه و تحلیل مقادیر زیادی از اطلاعات و “یادگیری” آن کار می کنند. از این رو، مدل الگوها را تشخیص داده و می‌تواند کلمات و عباراتی را پیش‌بینی کند که قرار است با هم ترکیب شوند.

بنابراین، هنگامی که فرد به قصد جستجو، عبارتی را به زبان طبیعی تایپ می کند، پلت فرم جستجوی هوش مصنوعی می تواند دنباله ای از زبان انسانی را پیش بینی کند که به سؤال پاسخ می دهد. این ابزار به جای تولید فهرستی از وب سایت های مرتبط، پاسخ های کتبی را ارائه می دهد. این پاسخ ها، ترکیبی است از منابع مختلف استخراج شده اند. این پلتفرم‌ها قرار است بسیار فراتر از جستجوهای ساده ای مانند یافتن پایتخت برزیل یا دمای فعلی باشند. به این ترتیب، جستجوی هوش مصنوعی شکل دیگری از “هوش مصنوعی مولد” است که می تواند محتوای جدیدی مانند تصاویر، صدا، کد و متن را خلق کند.

کاربر می تواند سوال را برای هوش مصنوعی مطرح کرده و پاسخ را دریافت کند؛ اما این پایان ماجرا نیست. هوش مصنوعی می تواند به صورت یک چت بات، مانند یک انسان با کاربر گفتگو کرده و دستورات او را اجرا کند.

به عنوان مثال، استادی در دانشگاه پنسیلوانیا، چت جی پی تی را با امتحان نهایی MBA خود مورد آزمایش قرار داد؛ این ابزار نمره B را کسب کرد. Salesforce در حال کسب درآمد از یک ابزار با استفاده از مدل چت جی پی تی است. Einstein GPT به طور خودکار ایمیل های بازاریابی را برای ارسال خلق می کند.

دیگر بازیگران بیگ تک نیز هم اکنون وارد رقابت برای تبدیل شدن به پلت فرم جستجوی مولد هوش مصنوعی شده اند. همکاری مایکروسافت با OpenAI در سال ۲۰۱۹ آغاز شد، زمانی که این شرکت یک میلیارد دلار در این فناوری سرمایه گذاری کرد. از آن زمان تاکنون ۲ میلیارد دلار دیگر به OpenAI اختصاص داده شده است و مایکروسافت اخیرا متعهد به سرمایه گذاری ۱۰ میلیارد دلاری دیگر در سال های آینده شده است.

اگرچه بسیاری از هیاهوهای پیرامون جستجوی هوش مصنوعی بر روی ChatGPT، بینگ و گوگل متمرکز شده است، اما یک شرکت مستقل به نام Perplexity AI ابزاری را ارائه می دهد که به طور بالقوه می تواند بهتر از تمام این محصولات عمل کند. چت ربات جستجوی هوش مصنوعی Perplexity می تواند اطلاعات را در زمان واقعی ارائه داده و برای اطلاعاتی که ارائه می دهد، مستندات بیاورد.

البته نکته ای که به درستی توسط کارشناسان به آن اشاره می شود این است که چت بات های هوش مصنوعی تازه در ابتدای مسیر خود هستند.

هوش مصنوعی و انقلاب در مراقبت های پزشکی

در یکی دو سال اخیر میلادی، هوش مصنوعی در صنعت مراقبت های پزشکی تحولات شگرفی ایجاد کرده و از ترندهای برتر هوش مصنوعی سال ۲۰۲۳ به حساب می آید. پیشرفت‌های هوش مصنوعی یک جزء کلیدی در مقابله با همه‌گیری جهانی بود و از آن زمان، نوآوری‌های هوش مصنوعی اهمیت بیشتری پیدا کرده‌اند. پذیرش این فناوری در بیمارستان ها در حال افزایش است – ۹۰٪ بیمارستان ها استراتژی هوش مصنوعی دارند و ۷۵٪ از مدیران بیمارستان ها به اهمیت ابتکارات هوش مصنوعی اذعان کرده اند.

هوش مصنوعی همراه با یادگیری ماشینی، چندین فرآیند را در بیمارستان ها سرعت بخشیده اند. این فرآیندها، کارهایی مانند اسکن داده های دست نویس در یک پلتفرم آنلاین، ضبط صدا از مکالمات پزشک و بیمار و تبدیل آن به یادداشت های متنی و شناسایی بیماران برای مطالعات تحقیقاتی را شامل می شود. این فناوری همچنین در بحبوحه بحران منابع انسانی در بیمارستان ها در حال تبدیل شدن به یک ابزار ضروری است. در سال ۲۰۲۱، گردش منابع انسانی بیمارستان ۶.۴ درصد رشد کرد و به نزدیک به ۲۶ درصد رسید.

بسیاری از بیمارستان ها به پلتفرم های پرسنل مبتنی بر هوش مصنوعی مانند DirectShifts روی آورده اند. این پلتفرم از هوش مصنوعی برای تطبیق پزشکان با آگهی های شغلی بیمارستان استفاده می کند. اکثر این مشاغل روزانه بوده و در زمان هایی به آنها نیاز پیدا می شود که مشکلات بیماری در اوج خود قرار می گیرند. در حال حاضر بیش از ۸۵۰۰۰۰ پزشک در این پلتفرم وجود دارد. برخی از بیمارستان‌ها با سرمایه‌گذاری بر روی سیستم‌های هوش مصنوعی که به نظارت بر بیماران کمک می‌کند، باری را که بر دوش پرستاران گذاشته می‌شود را کاهش می‌دهند.

مثال دیگر، پلت فرم مبتنی بر هوش مصنوعی Ouva است که به طور مداوم رفتار بیمار و خطرات احتمالی را تجزیه و تحلیل می کند. این پلتفرم داده ها را از حسگرهای نوری دریافت کرده و به پرستاران هشدار می دهد که بیماران در معرض خطر، تخت خود را ترک کرده اند. همچنین مواردی مانند ویزیت پرستار، تحویل غذا و ورود و ترخیص بیماران را کنترل می کند.

توسعه دارو، تشخیص بیماری، و برنامه‌های درمانی شخصی‌سازی شده تنها چند روشی هستند که ممکن است هوش مصنوعی در آینده بر روی آنها کار کرده و مورد علاقه سرمایه گذاران نیز هستند. در سال ۲۰۲۲، بیش از ۱.۶ میلیارد دلار در استارتاپ های کشف دارو سرمایه گذاری شد.

به عنوان مثال، مایکروسافت به سرمایه گذاری در هوش مصنوعی مراقبت های پزشکی ادامه می دهد. این غول فناوری با Paige همکاری کرده تا از فناوری هوش مصنوعی برای بهبود تشخیص سرطان و مراقبت از بیمار استفاده کند. پیج اولین شرکتی بود که تاییدیه FDA (سازمان غذا و داروی امریکا) را برای استفاده از هوش مصنوعی در آسیب شناسی دیجیتال دریافت کرد.

 

هوش مصنوعی و کمک به سیستم آموزشی

محیط های آموزشی هم در میان ترندهای برتر هوش مصنوعی سال ۲۰۲۳ دیده می شود. هوش مصنوعی این پتانسیل را دارد که هم روش تدریس مربیان و هم روش یادگیری دانش آموزان را به طرز چشمگیری تغییر دهد. هنگامی که ChatGPT لانچ شد، این نگرانی در میان معلمان شکل گرفت که دانش آموزان از این ابزار برای نوشتن مقاله و امتحان دادن به جای دانش آموز واقعی و بدون اطلاع معلم استفاده کنند. برای رفع این مشکل، چت جی پی تی بر روی نوعی واترمارک دیجیتال کار می‌کند که در متنی که پلتفرم هوش مصنوعی ایجاد می‌کند، جاسازی می‌شود.

از سوی دیگر، برخی از مربیان از چت جی پی تی حمایت کرده و آن را بهانه ای برای پذیرش گسترده ابزارهای هوش مصنوعی در کلاس‌های درس استفاده کردند. برخی از معلمان در تدریس خود و از طریق سایت هایی مانند Character.ai و Prof Jim از هوش مصنوعی استفاده می کنند. Character.ai یک چت بات است که به افراد این فرصت را می دهد تا با شخصیت های تولید شده توسط هوش مصنوعی چت کنند. به عنوان مثال، دانش آموزان می توانند با وینستون چرچیل، سقراط یا ناپلئون چت کنند. آنها همچنین می توانند برای مثال از یک ربات معلم انگلیسی یا یک ربات معلم تاریخ سؤال بپرسند.

Prof Jim یک برنامه هوش مصنوعی است که یک کتاب درسی یا صفحه ویکی پدیا را اسکن کرده و به طور خودکار آن اطلاعات را در یک درس آنلاین مولتی مدیا با انیمیشن های با کیفیت سینمایی قرار می دهد.

ابزارهای هوش مصنوعی که به عنوان مربی عمل می کنند نیز برای دانش آموزان در سنین کودکی در حال توسعه و راه اندازی هستند. این ابزارها برای ارائه آموزش های شخصی و مستقیم به دانش آموزان، بدون نیاز به معلم انسانی طراحی شده اند. آنها می توانند بازخورد زنده داده و دوره آموزشی را بر اساس عملکرد دانش آموز تغییر دهند.

 

افزایش آگاهی کامپیوتری در صنعت و ارتقا کارایی

آگاهی کامپیوتری بخشی از هوش مصنوعی است که به رایانه‌ها اجازه می‌دهد اطلاعات تصاویر و ویدیوها را تفسیر کرده و بر اساس آن اطلاعات عمل کنند. سیستم‌های آگاهی کامپیوتری امروزی دقیق‌تر از انسان هستند و سریع‌تر از انسان واکنش نشان می‌دهند. به عنوان مثال، آگاهی کامپیوتری تشخیص نقص در تولید را تا ۹۰ درصد افزایش می دهد. می توان از این فناوری برای همه چیز، از نظارت بر خطوط لوله و محصولات تا شناسایی پول های تقلبی و ارگان های نگران کننده در بیماران سرطانی استفاده کرد.

البته آگاهی کامپیوتری از دهه ۱۹۵۰ وجود داشته است؛ اما ظهور فناوری دیپ لرنینگ باعث می شود که آگاهی کامپیوتری در طیف گسترده ای از برنامه ها استفاده شود. اتفاقی که در سال های گذشته به سادگی امکان پذیر نبود.

در یک نظرسنجی، نزدیک به ۳۰ درصد از رهبران کسب و کارها گفتند که تقاضای فزاینده ای برای راه حل های آگاهی کامپیوتری وجود دارد. بیش از نیمی از آنها در مورد ردیابی و شناسایی اشیا از طریق آگاهی کامپیوتری هیجان زده بودند. آگاهی کامپیوتری یکی از راه‌هایی است که تولیدکنندگان به سمت توسعه نسل چهارم صنعت می‌روند.

آن هم در حالیکه می دانیم نسل چهارم صنعت از کمبود شدید نیروی انسانی رنج می برد. بیش از ۷.۹ میلیون شغل تولیدی تا سال ۲۰۳۰ خالی خواهد ماند و در نتیجه درآمد محقق نشده ای بالغ بر ۶۰۷.۱۴ میلیارد دلار خواهد داشت. تولیدکنندگان با استفاده از آگاهی کامپیوتری، کارایی و عملکرد امکانات خود را افزایش داده و تعداد کارکنان را کاهش می دهند.

تشخیص ناهنجاری ها یکی از نقش های مهم آگاهی کامپیوتری در تولید است. یک سیستم آگاهی کامپیوتری می تواند هر مرحله از فرآیند تولید را ردیابی کرده و اگر مرحله ای جا ماند یا کاری نامرتب انجام شد، زنگ هشدار به صدا در می آید. علاوه بر این، سیستم می داند که یک چرخه تولید چقدر باید طول بکشد و اگر چرخه خیلی سریع اجرا شود، می تواند عیوب را تشخیص دهد. در نهایت، هنگامی که یک محصول معیوب تشخیص داده می شود، کارگران می توانند کالا را با شماره سریال آن جستجو کنند تا دقیقا آنچه را که در طول فرآیند تولید اتفاق افتاده است، مشاهده کنند.

یک استارت‌آپ مستقر در کالیفرنیا، به نام Rain، از آگاهی کامپیوتری برای مبارزه با آتش‌سوزی‌های جنگلی استفاده می‌کند. محصول آنها یک هلیکوپتر خودران بدون سرنشین است که از هوش مصنوعی و آگاهی کامپیوتری برای رساندن آب به آتش سوزی قبل از اینکه از کنترل خارج شود، استفاده می کند. ایده این شرکت این است که هلیکوپترها مناطق پر خطری را پوشش بدهند که انسان نمی تواند به صورت ۲۴ ساعته و ۷ روز هفته آنها را زیر نظر داشته باشد. در صورت وقوع آتش‌سوزی، هلیکوپتر می‌تواند فورا همراه با یک خلبان در یک مکان دورافتاده مستقر شود. این پروژه امسال روی آتش‌سوزی‌های واقعی در کالیفرنیا آزمایش خواهد شد و هدف آنها این است که ۲۰۰ ایستگاه هلیکوپتر در آن منطقه بسازد.

هوش مصنوعی و کمک به فروش آنلاین خرده فروشان

خرده فروشی هم به وضوح در ترندهای برتر هوش مصنوعی سال ۲۰۲۳ دیده می شود. حوزه ای که هوش مصنوعی می تواند کمک بسیار زیادی به آن کند. پیش‌بینی‌ها نشان می‌دهد که بازار هوش مصنوعی در خرده‌فروشی تا سال ۲۰۲۸ بیش از ۳۰ درصد رشد می‌کند. طبق برآوردها، این بازار در آن سال به ۳۱.۱۸ میلیارد دلار خواهد رسید. در سال ۲۰۲۱، ۸۱ درصد از رهبران خرده‌فروشی اعلام کرده بودند که شرکت‌هایشان قبلا از هوش مصنوعی در سطح متوسط یا کاملا کاربردی استفاده می‌کردند. و استفاده از هوش مصنوعی همچنان در حال رشد است.

طبق تحقیقات انجام شده در سال ۲۰۲۲، ۴۰ درصد از سازمان‌های خرده‌فروشی اظهار داشته اند که قابلیت ردیابی خریداران یکی از برترین سرمایه‌گذاری‌های فناوری آنها در دو سال آینده خواهد بود. بازاریابی مبتنی بر مکان، دستگاه های دیجیتال و آگاهی کامپیوتری نیز در این فهرست قرار گرفتند و بیش از یک سوم خرده فروشان گفتند که در دو سال آینده روی آن راه حل های فناوری تمرکز خواهند کرد.

یکی از ترندترین کاربردهای هوش مصنوعی در خرده فروشی، هنگام پرداخت است. فروشگاه هایی مانند Amazon Go مشتریان را از طریق آگاهی کامپیوتری در فروشگاه ردیابی می کنند. وقتی شخصی کالایی را در یک سبد خرید فیزیکی قرار می‌دهد، کامپیوتر متوجه می‌شود که آن کالا کدام است و آن را به یک نوع سبد خرید مجازی اضافه می‌کند. هنگامی که فرد فروشگاه را ترک می کند، کیف پول دیجیتال او بر این اساس شارژ می شود.

خرده فروشان از هوش مصنوعی برای مدیریت موجودی نیز استفاده می کنند. سیستم‌های هوش مصنوعی می‌توانند سطوح موجودی انبار و قفسه‌ها را کنترل کنند. هنگامی که موجودی در حال اتمام است، سیستم می تواند به طور خودکار کانال های مناسب را مطلع کرده و زمان لازم برای تکمیل مجدد محصول را کاهش دهد. طبق گزارش مک‌کینزی، کسب‌وکارهایی که زنجیره‌های تامین مبتنی بر هوش مصنوعی را اتخاذ می‌کنند، شاهد بهبود ۱۵ درصدی هزینه‌های لجستیک و بهبود ۳۵ درصدی در سطح موجودی هستند.

هوش مصنوعی همچنین خرده فروشان را قادر می سازد تا از قیمت گذاری پویا استفاده کنند. با داده‌های خرده‌فروش، رقبا و مشتری، می‌توان از هوش مصنوعی برای تنظیم قیمت در زمان واقعی و به حداکثر رساندن سود استفاده کرد. خرده فروشانی که از برچسب قفسه های الکترونیکی و قیمت گذاری پویا مبتنی بر هوش مصنوعی استفاده می کنند، پتانسیل افزایش سود تا ۳۳ درصد را دارند.

یکی از جدیدترین پیشرفت‌ها برای خرده‌فروشان، هوش مصنوعی مولد است. به عنوان مثال، Shopify Magic در اوایل سال ۲۰۲۳ به عنوان ابزاری برای نوشتن توضیحات محصول تجارت الکترونیک برای خرده فروشان منتشر شد. شاپیفای می گوید که در آینده نزدیک ابزارهای بیشتری را با هوش مصنوعی اضافه خواهند کرد.

شرکت های پوشاک همچنین می توانند با استفاده از هوش مصنوعی مولد، صدها ترکیب لباس را به مشتریان آنلاین خود توصیه کنند. پوما با همکاری با شرکت Stylitics توانست کانورژن را ۲۳۵ درصد و مدت حضور کاربر را ۳۳۴ درصد افزایش دهد.

افزایش احتمالی ریسک ها و مقررات هوش مصنوعی

شاید عجیب ترین موضوعی که می توان در میان ترندهای برتر هوش مصنوعی سال ۲۰۲۳ مشاهده کرد، خود هوش مصنوعی باشد. هرچند هوش مصنوعی بسیار بیشتر از گذشته پذیرفته شده و این پذیرش به سرعت در حال افزایش است، اما ریسک های آن همچنان به قوت خود باقی مانده اند. این بدان معنی است که شرکت ها به طور خاص به خطرات مرتبط با هوش مصنوعی توجه نمی کنند. مرور روند سه سال گذشته و نگاهی به نظرسنجی مک کینزی نشان می دهد ریسک ها و خطرات مربوط به هوش مصنوعی، دغدغه شرکت ها نبوده است. از جمله این خطرات می توان به امنیت سایبری، انطباق با مقررات، حریم خصوصی و قابلیت توضیح اشاره کرد. فهرستی طولانی که با سرعت بالایی در حال طولانی تر شدن است.

وارتون اسکول در مقاله ای جامع، خطرات استفاده از هوش مصنوعی در تجارت را تشریح کرد. کیفیت پایین داده ها، حملات داده ها، عدم شفافیت و سوگیری تنها تعدادی از موضوعات مورد بحث بود. در ماه‌های اخیر، نشانه‌هایی از سوی شرکت‌ها، مصرف‌کنندگان و دولت ها مبنی بر تغییر تمرکز بر روی این خطرات و ایمنی هوش مصنوعی دیده شده است.

گزارش دیگری از مک کینزی نشان می‌دهد که ۷۲ درصد از مصرف‌کنندگان معتقدند قبل از خرید، دانستن خط‌مشی هوش مصنوعی شرکت مهم است. در همان نظرسنجی، ۵۵ درصد از رهبران کسب و کار گفتند که در سه سال گذشته دچار یک حادثه هوش مصنوعی شده اند. در نظرسنجی دیگری، تقریبا دو سوم مردم در ایالات متحده گفتند که می‌خواهند در آینده نزدیک مقرراتی بر روی هوش مصنوعی وضع شود.

جمع بندی نهایی:

این فهرست ما از هفت روند برتر هوش مصنوعی را که در چند سال آینده باید شاهد آن باشیم می تواند به شما چشم اندازی از اینده بدهد. هوش مصنوعی و راه‌حل‌های فناوری که از آن استفاده خواهد شد، بدون شک شیوه فعالیت کسب‌وکارها و افراد را در جهان تغییر خواهد داد.

در بسیاری از صنایع، هوش مصنوعی باعث توسعه روش‌ها و فرآیندهایی خواهد شد که تا پیش از این مشاهده نکرده ایم. این پتانسیل افزایش کارایی، کاهش تأثیر کمبود نیروی کار و ترغیب کسب‌وکارها به ایجاد جریان‌های درآمدی جدید را در پی خواهد داشت.

با این حال، خطرات واقعی هوش مصنوعی همچنان قابل مشاهده است. در سال‌های آینده، آسیب‌پذیری‌های هوش مصنوعی ممکن است آشکار شود و دولت‌ها، سازمان‌ها و مصرف‌کنندگان باید تصمیم بگیرند که چگونه خطرات و منافع را متعادل کنند.

 

منبع https://explodingtopics.com/blog/ai-trends