دسته: امنیت

از زمانی که جهان برای اولین بار با هوش مصنوعی آشنا شد، سال‌ها گذشته است. حالا این فناوری نه تنها ابزار دست کسب و کارها شده، که کاربران معمولی هم به راحتی به آن دسترسی دارند.

هوش مصنوعی امروزه کمک‌یار همه صنعت‌های جهان شده است. توانایی شگرفی که هوش مصنوعی برای پردازش مجموعه‌داده‌های حجیم و استفاده از آنها برای هدف‌های مختلف دارد، به کسب و کارها کمک کرده تا عملکردشان را به شکل قابل توجهی بهبود ببخشند و بتوانند یک مجموعه‌ خدمات کاملاً جدید به کاربران عرضه کنند.

همه ما با دستیارهای مجازی، خانه‌های هوشمند، اپلیکیشن‌های شخصی‌سازی شده، و گجت‌های هوشمند آشنا هستیم. وقتی اولین بار با آنها روبرو شدیم، حسابی حیرت کرده بودیم؛ اما حالا خیلی از آنها را بخش روزمره زندگی‌مان می‌دانیم. اما آیا این اوج چیزی است که هوش مصنوعی می‌تواند عرضه کند؟ یا اینکه آینده این فناوری قرار است باز هم پر از سورپرایز‌های شگفت‌انگیز باشد؟ در ادامه، چندی از پرطرفدارترین کاربردهای هوش مصنوعی در جهان امروز را برایتان معرفی می‌کنم که آینده‌مان را درخشان خواهند کرد.

۱. شخصی‌سازی پیشرفته

این یک حقیقت است: همه کاربرها عاشق شخصی‌سازی هستند! اگر فروشگاه آنلاینی محصولات جدید را بر مبنای خریدهای قبلی مشتریان به آنها پیشنهاد کند، ۵۶% این مشتریان علاقمند خواهند بود که باز هم به این سایت سر بزنند. اگر تبلیغی شخصی‌سازی شده باشد، نرخ CTR آن ده برابر یک تبلیغ عمومی می‌شود. ابزارهای هوش مصنوعی می‌توانند داده‌های مشتریان را جمع‌آوری و پردازش کنند و بر مبنای آنها، محصولات یا خدمات مناسب برای یک شخص بخصوص را پیشنهاد دهند. برای صنعت تجارت الکترونیک که همه چیزش بر محور مشتریان و عادت‌های خرید آنها می‌چرخد، این قابلیت خیلی ارزشمند است.

اما فقط تجارت الکترونیک نیست که از شخصی‌سازی با هوش مصنوعی سود می‌برد. پشت اپلیکیشن‌های تناسب اندام پرطرفدار این روزها هم هوش مصنوعی ایستاده است. این اپلیکیشن‌ها می‌توانند با تحلیل عادت‌های کاربر، رژیم غذایی یا تمرینات ورزشی پیشنهاد دهند که اختصاصی به درد شخص خود کاربر بخورد. اصلا چرا به یکی دو حیطه اکتفا کنیم؟ هر کسب‌وکاری با هر موضوعی می‌تواند با هوش مصنوعی کارهای هیجان‌انگیز بکند: کافی است که آن کسب و کار به شخصی‌سازی تجربه مشتری علاقمند باشد.

۲. جستجوی تصویری

درست است که این کاربرد نسبتاً قدیمی است، اما هنوز پتانسیل زیادی برای پیشرفت دارد. چند سال قبل، پینترست قابلیت لنز خود را به بازار معرفی کرد (Pinterest Lens). این قابلیت، مثل Shazam برای اشیا بود. کاربر می‌توانست هر شیئی که می ‌خواست را با دوربینش اسکن کند، و بعد نرم‌افزار، اشیای مشابه آن شیء را در پینترست جستجو می‌کرد. حالا دیگر غول‌های صنعت مثل گوگل و مایکروسافت هم امکان جستجوی تصویری را فراهم کرده‌اند و به نظر می‌رسد که این کاربرد هوش مصنوعی حسابی در دنیای نرم‌افزار جا خوش کرده است.

با جستجوی تصویری، کاربران می‌توانند در کسری از ثانیه نتایج بسیار دقیقی برای جستجوی خود دریافت کنند. از آنجا که کاربر از قبل می‌داند دقیقاً دنبال چه چیزی است، نتایج دریافتی‌اش صد درصد با چیزی که جستجو کرده تناسب دارند. هر صنعتی می‌تواند از چنین سرویسی سود ببرد، اما حیطه تجارت الکترونیک به طور خاص از همه بیشتر به آن اهمیت خواهد داد.

۳. چت‌بات‌ها و دستیارهای مجازی

در آینده خیلی نزدیک، دستیارهای مجازی و بات‌ها گسترش بیشتری پیدا می‌کنند و «باهوش‌تر» می‌شوند. به این ترتیب، کارمندان از شر کارهای حوصله‌سربری مثل جواب دادن به سوال‌های زیادی ساده یا انجام وظایف روتین خلاص خواهند شد.

استفاده از بات‌ها نه تنها برای کارمندان رهایی‌بخش است، که باعث صرفه‌جویی در وقت کاربران هم می‌شود. برخلاف انسان‌های واقعی، بات‌ها بلافاصله جواب سوال کاربر را به او ارائه می‌کنند. به این ترتیب، کیفیت تجربه کاربری هم بالا می‌رود، زیرا مشتری می‌تواند اطلاعات بسیار دقیق و صحیح را بدون اینکه مدت‌ها پشت خط منتظر بماند، دریافت کند.

بات‌ها به افراد در خرید کمک می‌کنند، خدمات مختلف و محصولات گوناگون را بر مبنای نیاز فردی کاربر برای او انتخاب می‌کنند، سفارش آنها را می‌گیرند، و وضعیتشان را تعقیب می‌کنند. در زمینه دستیارها هم باید بگویم که همین حالا هم آمازون دستیار خرید الکسا را به بازار معرفی کرده است. به زودی ممکن است عده بیشتری از این کمک‌یارهای مجازی را هم ببینیم و آنها با انجام طیف وسیعی از کارها، زندگی ما را آسان‌تر ‌کنند.

۴. تحلیل‌های پیشگویانه

در دنیای دیجیتال امروز، همه برنامه‌ها به داده‌ها متکی هستند. داده‌های مشتری معدنی از طلاست: پر از بینش در مورد رفتارهای مشتری هنگام خرید و پیش‌بینی تصمیمات آینده وی. ولی تحلیل پیشگویانه (Predictive Analytics) چیزی فراتر از پیش‌بینی خریدهای بعدی مشتریان است. لازم نیست به آینده فکر کنیم؛ همین حالا هم در صنعت پزشکی، تحلیل‌های پیشگویانه به تخمین زدن احتمال بیماری در آینده کمک می‌کنند. حتی در دنیای حسابداری می‌شود اعتبار و شهرت قرض‌گیرنده‌ها را با همین نوع تحلیل‌ها سنجید.

به خاطر ارزش افزوده‌ای که تحلیل‌های پیشگویانه برای صنایع دارند، در آینده خیلی نزدیک شاهد توسعه فعالانه‌تر این تحلیل‌ها خواهیم بود. آنها به کسب و کارها کمک خواهند کرد تا استراتژی‌های قابل اتکاتر و قابل اعتمادتری پیش بگیرند و درآمدشان را هم به شکل قابل توجهی بالا ببرند.

۵. تشخیص چهره

اخیراً فناوری تشخیص چهره بازتاب‌های منفی در رسانه‌ها داشته‌ است. به عنوان مثال خبرهای مربوط به Deepfake که این روزها نگرانی‌های زیادی را در سطح افکار عمومی ایجاد کرده یکی از آن‌هاست. (و اگر فکر می‌کنید می‌توانید ویدئوهای تقلبی ساخته‌شده توسط هوش‌مصنوعی را از ویدئوهای واقعی تشخیص دهید، کافی است این لینک را نگاهی بیندازید!)

اما این فناوری در این سال و سال‌های آتی به رشد خود ادامه خواهد داد. فناوری تشخیص چهره، یک تکنیک هوش مصنوعی است که با آن می‌شود با مقایسه الگوی مشخصات چهره‌ای افراد با عکس دیجیتالشان، آنها را شناسایی کرد.

در سال پیش رو، کلی استفاده‌ جدید برای فناوری تشخیص چهره خواهیم دید و خیلی از آنها دقت و اعتبار خیلی بالاتری هم پیدا خواهند کرد. به عنوان مثال، برنامه دیپ‌فیس (Deepface) فیس‌بوک که با آن اعضای خانواده و دوستانتان را در عکس‌ها تگ می کردید، حسابی رشد خواهند کرد. امروزه دیگر هر گوشی هوشمندی که به بازار می‌آید یک قفل چهره هم دارد؛ این قفل‌ها هم در تشخیص تفاوت چهره شما و خواهر و برادرتان تواناتر خواهند شد!

استفاده از فناوری تشخیص چهره برای شناسایی بیومتریکی به این زودی‌ها قرار نیست از میان برود؛ از تبلیغات گرفته تا ارسال محموله‌های کالا برای استفاده از این فناوری جا دارند. استفاده از قابلیت تشخیص چهره برای کاربرها آسان است و به شکل غیرتهاجمی هم انجام می‌شود؛ بنابراین هر روز بیشتر از دیروز به رشد خود ادامه خواهد داد.

از دیگر جاهایی که می‌توان فناوری تشخیص چهره را در آنها به کار برد، پردازش پرداخت‌ها از طریق بررسی‌های امنیتی و قانونی است. در شاخه پزشکی هم می‌توان از آن برای آزمایش‌های بالینی و تشخیص‌های پزشکی استفاده کرد. اوپن‌واتر (Openwater) که یکی از فناوری‌های تصویربرداری پزشکی قابل حمل است، دارد مرزهای عکس‌برداری از مغز را در می‌نوردد.

۶. هم‌گرایی هوش مصنوعی و بلاک‌چین

همه ما می‌دانیم که تکنولوژی بلاک‌چین با مشکلاتی همچون ناتوانی در مقیاس‌پذیری (Scalability) روبرو است. از آن طرف، هوش مصنوعی هم با مسائل مربوط به اعتماد و حریم خصوصی سر و کله می‌زند. اما اگر این دو فناوری با هم ترکیب شوند، می‌توانند به کمک هم از پس این چالش‌ها بربیایند.

با ایجاد فروشگاه‌های غیرمتمرکز، بلاک‌چین می‌تواند به قابل اعتماد بودن و شفافیت الگوریتم‌های هوش مصنوعی کمک کند. به عنوان مثال، انیگما (Enigma) استارتاپی است که فروشگاه امنی برای داده‌ها فراهم می‌کند، و کاربران می‌توانند از طریق قراردادهای هوشمند Subscribe کرده و به این داده‌ها دسترسی داشته باشند.

۷. ورود تراشه‌های مناسب هوش مصنوعی به بازار

هوش مصنوعی پردازنده‌های مخصوصی می‌خواهد که عملکرد CPU را تکمیل کنند. مدل‌های پیشرفته CPU نمی‌توانند سرعت مدل‌های یادگیری هوش مصنوعی را افزایش دهند. اگر قرار است مدل هوش مصنوعی بتواند با حل مسئله‌های پیچیده ریاضی، سرعت تشخیص چهره و اشیا را بالا ببرد، باید سخت‌افزارهای اضافه‌ای داشته باشد.

تولیدکنندگان تراشه مثل ان‌ویدیا (Nvidia)، آرم (ARM)، اینتل (Intel)، و کوالکام (Qualcomm) تراشه‌های مخصوصی خواهند ساخت که بتواند سرعت اپلیکیشن‌های هوش مصنوعی را افزایش دهد. (AI-enabled Chips) این تراشه‌های خاص بسته به نوع کارکردی که قرار است داشته باشند، متفاوت خواهند بود؛ مثلا تراشه‌های مناسب برای پردازش زبان‌های طبیعی یا تشخیص گفتار با تراشه‌های بینایی رایانه‌ای فرق خواهد داشت. اپلیکیشن‌های صنعتی به زودی قرار است برای ارائه خدمات هوش مصنوعی به کاربرانشان به این تراشه‌ها متکی شوند.

۸. هم‌گرایی هوش مصنوعی و اینترنت اشیا

در سال‌های پیش رو، هوش مصنوعی و اینترنت اشیا در دنیای محاسبات لبه‌ای (Edge Computing) به هم خواهند رسید. همین حالا هم نمونه‌هایی از هم‌گرایی این دو فناوری را داشته‌ایم؛ به عنوان مثال، اگر اینترنت اشیا و هوش مصنوعی با هم ترکیب نمی‌شدند ما نمی‌توانستیم ماشین خودران بسازیم. اما این دو فناوری هنوز پتانسیل‌های کشف نشده زیادی برای همکاری دارند. سنسورهای اینترنت اشیا می‌توانند داده‌های هر لحظه را جمع‌آوری کنند و مدل‌های هوش مصنوعی می‌توانند امکان تصمیم‌گیری اتوماتیک با این داده‌ها را فراهم نمایند. علاوه بر این، الگوریتم‌های یادگیری عمیق (Deep Learning) هم کمک می‌کنند تا تصمیماتی که بر مبنای داده‌های سنسورها گرفته شده، به اقدامات عملی تبدیل شوند. بعضی از این اقدامات عبارتند از تعقیب حرکت چشم برای نظارت بهتر بر راننده، مشخص کردن مسیر، حرکت اتوماتیک به سمت پمپ بنزین در صورت کم شدن بنزین، یا پردازش زبان‌های طبیعی برای دریافت فرمان‌های صوتی.

اینترنت اشیا حالا دیگر آماده است تا هوش مصنوعی را به جلو براند. خدمات لبه‌ای به تراشه‌های مخصوص هوش مصنوعی مجهز خواهند شد که بر پایه ASIC و FPGA ساخته شده‌اند.

۹. سیاست‌گذاری و حریم خصوصی

یادتان هست که پارسال ناگهان اینباکس‌مان پر از خروار خروار ایمیل‌های سایت‌ها در مورد تغییر Privacy Policy شد؟ همه آن تغییرها بخاطر اجرایی شدن مقررات عمومی حفاظت از داده اتحادیه اروپا (GDPR) بود که یکی از داغ‌ترین خبرهای سال تلقی می‌شد. امسال و سال بعد هم قرار است اخبار بیشتری در مورد سیاست‌گذاری و حریم خصوصی بشنویم.

اغلب ما هنوز هم نمی‌دانیم که اطلاعات دیجیتالمان در سطح اینترنت چگونه نگهداری می‌شود. با این حال، بحران بزرگ حریم خصوصی فیس بوک باعث شد که در مورد خصوصی ماندن داده‌های دیجیتالمان کمی هشیارتر شویم. برای همین هم مسئله سیاست‌گذاری برای حریم خصوصی، در سال‌های آتی همچنان یکی از دغدغه‌های اساسی دولت‌ها و قانون‌گذاران خواهد بود. با افزایش روزافزون استفاده شرکت‌های نرم‌افزاری از هوش مصنوعی، مسئله رضایت افراد از استفاده شرکت‌ها از داده‌های هوش مصنوعی‌شان، اهمیت بسیار زیادی پیدا خواهد کرد. قوانین فعلی در مورد هوش مصنوعی نیاز به بازبینی پیدا خواهند کرد و در سرتاسر دنیا، کشورها به تلاششان برای وضع مقررات برای اپلیکیشن‌های هوش مصنوعی ادامه خواهند داد.

۱۰. مسائل اجتماعی‌اقتصادی

حالا که هوش مصنوعی هر روز محبوب و محبوب‌تر می‌شود، یک سوال واحد ذهن همه را به خود مشغول کرده است: آیا هوش مصنوعی قرار است روزی شغل‌های مختلف را به کلی از میان ببرد؟

جواب این است که بستگی دارد. هرجا که منابع موجود محدود باشند، هوش مصنوعی جای مشاغل مختلف را خواهد گرفت؛ اما در عین حال مشاغل جدیدی ایجاد می‌کند که هرکدام به مجموعه مهارت‌های مختلفی نیاز دارند. همچنین حتی اگر خودکار کردن فرآیندها نیاز به برخی مشاغل را از بین ببرد، باز هم بعضی شغل‌ها هستند که همیشه برای جامعه لازم خواهند بود؛ مثل معلمی، مراقبت و پزشکی، و خدمات مشتریان.

پاسخ درست به این سوال هرچه که باشد، ذهن دولت‌های مختلف و مجمع جهانی اقتصاد را حسابی به خود مشغول کرده است. بحث‌های داغی سر این قضیه در این مجامع جریان گرفته است، چون این نگرانی وجود دارد که با ظهور اپلیکیشن‌های هوش مصنوعی، اختلاف بین میزان مهارت‌های افراد و میزان مهارت‌های مورد نیاز برای مشاغل بیشتر از قبل شود و جوامع به سمت دوقطبی شدن بروند. قانون‌گذارانی که به دنبال راه حل برای این مشکل هستند، در سال‌های آتی بر برنامه‌های بازتوزیعی تمرکز خواهند کرد.

جمع‌بندی

به نظر می‌رسد استفاده از هوش مصنوعی برای تحلیل داده‌ها و ارائه خدماتی شگفت‌انگیز به کاربران، هر روز در حال افزایش است. نه تنها استفاده از هوش مصنوعی کمتر نخواهد شد، که با گذشت زمان تعداد زیادی ترند جدید هم برای این فناوری خواهیم دید که یکی از یکی هیجان‌انگیزترند! بخصوص در دنیای توسعه موبایل، بعضی از پیشروان صنعت معتقدند که هوش مصنوعی یکی از آن فناوری‌هایی خواهد شد که هر شرکت اپلیکیشنی باید حتماً آن را داشته باشد؛ یعنی همانقدر رایج شود که خدمات ابری امروز هستند. انگار بیراه هم نمی‌گویند؛ به نظر می‌رسد که ستاره اقبال هوش مصنوعی به این زودی‌ها قصد افول ندارد.

ترجمه بر اساس:

• “Ten Trending Applications of Artificial Intelligence“ by LeewayHertz @ Hackernoon
• “AI Trends for 2019: What Should We Expect?“ by Natalia Kukushkina @ Hackernoon

? اگر به یادگیری کاربردهای هوش مصنوعی برای تحلیل داده علاقه‌مند شدید، پیشنهاد می‌کنیم سری هم به دوره جدید کوئراکالج، یعنی «دوره هوش مصنوعی و یادگیری ماشین» بزنید. این دوره که با داده‌های واقعی و تمرین‌های بسیار سر و کار دارد، الآن در مرحله پیش‌ثبت‌نام رایگان قرار دارد.