Rise of AI: آیا این کار طول می کشد یا شغل های دیجیتالی ایجاد می کند؟

هوش مصنوعی به سرعت به عنوان یکی از کارکردهای جالب و احتمالاً مفید در منظر دیجیتال ما ظاهر می شود ، اما بسیاری از مردم هنوز هم دقیقا نمی دانند که چیست.

دیجیتال

در این وبلاگ ، ما در مورد AI و نحوه عملکرد آن در بازار در حال حاضر بحث می کنیم.

AI چیست؟

هوش مصنوعی به سرعت به عنوان یکی از عملکردهای جالب و احتمالاً مفید در منظر دیجیتال ما ظاهر می شود. و مسئله این است که بسیاری از افراد دقیقاً نمی دانند که چیست.

اول از همه ، بیایید درمورد هوش مصنوعی و عملکرد آن در بازار همین حالا توضیح دهیم.

این اصطلاح بسیار گسترده ای است که برای توصیف فناوری های تنظیم شده برای عملکرد و “فکر کردن” به صورت انسانی مانند ، تشخیص صدا و گپ های چت شاید شاید متداول ترین نمونه کاربردهای هوش مصنوعی عمومی در این مرحله باشد.

ویژگی سیستم های هوش مصنوعی این است که آنها قادر به انجام کارهایی هستند که انسانها می توانند انجام دهند و از روشی که فکر می کنیم تقلید کنند – بنابراین ، به عنوان مثال ، برنامه ریزی ، استدلال و حل مسئله.

برنامه ریزی

از نظر بازاریابی ، در زمینه های هدف گذاری ، اتوماسیون ، تولید سرب و حتی برنامه های بهینه سازی موتور جستجو (SEO) کاملاً مفید است.

Learning Machine

اکثر برنامه های کاربردی هوش مصنوعی مبتنی بر مفهوم یادگیری ماشینی است ، یعنی وقتی سیستم به داده های زیادی داده می شود و می تواند از این داده ها استفاده کند تا بفهمد دقیقاً چه کاری باید انجام دهد. آنها اساساً می توانند به تنهایی یاد بگیرند که مشکل را حل کنند و گرچه این فناوری بسیار پیشرفته نیست ، اما بخشی از هوش مصنوعی است که به طور مشروعیت باعث می شود افراد از خود بپرسند که آیا در آینده شغل خود را از دست می دهند.

یکی از نمونه های آشنای یادگیری هوش مصنوعی که مدتی است مورد توجه عموم قرار می گیرد ، ویژگی تشخیص چهره در Facebook است. این نه تنها یکی از قابل تشخیص ترین برنامه ها ، بلکه یکی از بهترین برنامه های کاربردی موجود است. کارهایی که انجام می دهند مطالعه ویژگی های چهره افراد در عکس ها و جمع آوری الگوهای داده های خاص است که از آنها می توانند برای شناسایی افراد استفاده کنند. این سیستم حتی می تواند ویژگی های غیر صورت را تشخیص دهد.

انواع AI

هوش مصنوعی را می توان به انواع مختلفی اعم از محدوده محدودی از توابع گرفته تا نوعی یادگیری عمومی تر یا گسترده تر تقسیم کرد. در اینجا انواع متداول تقسیم شده است.

واکنشی

در اینجا شما روبات اصلی باغ خود را دارید که اساساً برای انجام کارهای بسیار اساسی به معنای واکنشی برنامه ریزی شده است. آنها ممکن است بسیار هوشمند به نظر برسند اما کاملاً برنامه ریزی شده اند تا زمینه را درک کنند و بنابراین نمی توانند برای خودشان فکر کنند.

مثال: AlphaGo

حافظه محدود

اینها از ترکیبی از حافظه از پیش برنامه ریزی شده و الگوهای واکنشی ساخته شده اند. آنها قادر به مشاهده و ادغام داده هایی از محیط اطراف هستند (به عنوان مثال فاصله بین اتومبیل های مختلف برای اتومبیل های رانندگی) تا آنها را در تصمیم گیری ها گنجانید.

مثال: وسایل نقلیه خود رانندگی ، چت بابات

تئوری ذهن

این نوع ماشین ها می توانند دیگران را بفهمند و به طور تفصیلی با یکدیگر تعامل داشته باشند و زمانی که معروف ترین “روبات های علمی” را در نظر می گیریم ، فکر می کنیم.

این نوع فناوری هوش مصنوعی هنوز به شکل کامل خود توسعه نیافته است ، اگرچه تغییرات روی آن به پیش می رود.

هوش مصنوعی خودآگاه

در این سطح ، ماشین آلات اساساً آگاه هستند و هنوز هیچ چیزی در این سطح ساخته نشده است. این احساسات به وجود می آیند و اساساً طوری رفتار می کنند که گویی دارای هوشیاری و ذهن کاملاً تحقق یافته است – بنابراین از هر نظر مانند انسان ها خواهد بود ، بنابراین در واقع می تواند تصمیمات مبتنی بر احساسات بگیرد.

مثال: اوا در Ex Machina

برنامه های رایج AI در سال ۲۰۱۸ و ورای آن

برنامه های هوش مصنوعی در ظرفیت جمع آوری ، ذخیره و تجزیه و تحلیل مقادیر زیادی از داده ها (ابرداده) برای مطالعه مراحل مختلف سفر خریدار مفید هستند. به عبارت دیگر ، آنها بیشتر و بیشتر برای مطالعه رفتار مصرف کننده ، پروفایل خریدار و مواردی از این دست مورد استفاده قرار می گیرند و قادر به جمع آوری داده هایی از منابع مختلف برای تهیه استراتژی های بازاریابی بسیار شخصی می باشند.

در اینجا چند نمونه از روندهای دیجیتال در هوش مصنوعی آورده شده است:

روش ها و رویه های کسب و کار

با افزایش توانایی یادگیری و تفکر ماشینها ، این امکان وجود دارد که به دلیل توانایی پردازش و تحلیل مقادیر زیادی از داده ها ، در آینده بتوانند وظایف سطح بالاتری را انجام دهند و “تصمیمات” جدی تری بگیرند. نتیجه مثبت این امر این است که افراد در سطوح مختلف مشاغل ، وقت خود را برای به دست آوردن مشاغل خلاقانه تر آزاد می کنند

دستیاران شخصی دیجیتال هستنددر حال حاضر عنصر سطح پایین تر را به عهده گرفته اید ، در نتیجه وقت و انرژی بیشتری را صرف می کنید ، به عنوان مثال ، افرادی که در سطح مدیریتی هستند برای انجام وظایف سطح بالا متمرکز شوند.

جمع آوری داده ها

جمع آوری داده ها احتمالاً یکی از مهمترین (و کمترین تهاجمی) کارهایی است که برنامه های هوش مصنوعی از قبل می توانند نسبتاً به آسانی انجام دهند. این مجموعه قادر است مجموعه های زیادی از اطلاعات را از مکان های مختلف جمع آوری و ادغام کند. بعدا می تواند از این روش استفاده کرده و آن را مورد تجزیه و تحلیل قرار دهد و برای اتوماسیون و توزیع اطلاعات برای هدف گذاری بهتر تبلیغات ، به عنوان مثال استفاده کند.

جستجوی معنایی

برنامه های هوش مصنوعی بیش از پیش توانایی انجام کاری به نام جستجوی معنایی پیدا می کنند ، به این معنی که آنها در درک جستجوها و دستورات به صورت متنی توانایی بیشتری پیدا می کنند – یعنی هدف اصلی جستجو به جای فقط دستور.

در حال حاضر ربات های AI اکثراً از قبل برنامه ریزی شده اند تا به دستورات خاص پاسخ دهند ، اما آنها برای درک بیشتر و پیچیده تر دستورات ساخته می شوند. این مورد در بازاریابی با توجه به سابقه جستجو اعمال می شود ، به عنوان مثال ، جایی که پارامترهای جستجوی اولیه می توانند برای ارائه نتایج سفارشی تر ترکیب شوند.

آیا AI جایگزین مشاغل خواهد شد؟

آیا پیشرفت در هوش مصنوعی منجر به ضرر شغلی خواهد شد؟ و اگر چنین است ، شغل ها “کجا” می روند؟ به گفته اکونومیست ، کارشناسان پیشنهاد می کنند که بله ، بسیاری از مشاغل روزمره احتمالاً در آینده به روبات ها منتقل می شوند.

CBC گزارشی از مرکز موات را ترسیم می کند که نشان می دهد در دهه بعد حداقل ۱٫۵ میلیون کانادایی به احتمال زیاد توسط فناوری اتوماسیون آواره خواهند شد و بسیاری از این موارد در مشاغل خرده فروشی و صندوقدار قرار دارند. و بی بی سی گزارش می دهد که تا سال ۲۰۳۰ تا ۸۰۰ میلیون کارگر می توانند شغل روبات ها را از دست بدهند که بیشترین تأثیر آن در صنایع ماشین آلات و خدمات غذایی است.

عناوین شغلی دیگری که احتمالاً در مورد اتوماسیون بسیار آسیب پذیر هستند شامل حسابداران ، کارگزاران ، دستیاران اداری ، کارمندان ، تکنسین های کتابخانه ، کارمندان بیمه و فروشندگان است. (Telegraph یک لیست گسترده در اینجا به اشتراک می گذارد.)

مشاغل پیش بینی می شود که کمترین احتمال به صورت خودکار داشته باشد شامل وکلا ، معلمان ، درمانگران ، پزشکان ، سرپرستان تجارت و مددکاران اجتماعی است. اساساً به سطح خاص تر آموزش و تعامل انسان نیاز است ، احتمال اتمام آنها کمتر خواهد بود. برخی از مشاغل با دستمزد پایین یا کمتر انسانی که هنوز هم به ترکیبی کاملاً خاص از مهارت و دانش نیاز دارند ، مانند باغبانان و بالگردها ، بعید به نظر می رسد که تبدیل به خودکار شوند.

خرده فروشی مواد غذایی و مواد غذایی که در آن کیوسک ها و چک های سلف سرویس در حال حاضر مرسوم است ، به دلیل افزودن مقادیر زیادی از چک های خودکار در یک زمان ، دیر مورد انتقاد قرار گرفته است. اما ، مک دونالد ، برای اولین بار ، ادعا می کند که این موارد می تواند به افزایش حجم ترافیک و فرصت های جدید برای کارمندان فعلی منجر شود – برای مثال ، ممکن است تقاضای بیشتری برای سرویس میز یا خدمات جدیدی مانند تحویل خانه وجود داشته باشد.

در مورد آینده فکر کنید

بنابراین ، آیا هوش مصنوعی واقعاً شغل های ما را به آینده “سرقت می کند”؟ هیچ کس دقیقا نمی تواند بگوید. اما واقعیتی حاصل نمی شود که فناوری خودکار در منظر روزمره اجتماعی و مصرفی ما آشکار می شود و این قطعاً چیزی است که باید از آن آگاه باشیم.

خبر خوب این است که ، وقتی نگاهی به قسمت اول این مقاله می اندازیم ، جایی که در مورد سطوح مختلف هوش مصنوعی که در حال حاضر از آن استفاده می کنیم ، جزئیات بیشتری را بررسی می کنیم ، می بینیم که روبات های پیشرفته و جدی پیشرفته کاملاً راهی برای پیشرفت بسیار زیاد هستند. ، بنابراین آنها در حال شروع به “تصاحب” سبک Terminator نیستند!

همچنین ، از طرف روشنفکر ، برخی عقیده دارند که با توجه به اینکه هوش مصنوعی برخی از مشاغل دنیوی تر را به عهده می گیرد ، به کسب و کار پول و وقت بیشتری می دهد تا افرادی را که این کارها را انجام می دهند آموزش دهند تا به سمت های تحریک آمیز فکری و با درآمد بهتر بروند.

مطمئناً ماشین آلات در آینده نزدیک قادر به تصمیم گیری در سطح بالاتر و حتی اقداماتی هستند ، اما احتمالاً به این شکل از کاهش کار جمعی نخواهد گرفت. این مهم است که مشاغل در صورت برنامه ریزی برای اجرای اتوماسیون در مقیاس بزرگ ، در نظر بگیرند و برای تغییر شغل در نظر بگیرند.

و برای کارمندان ، بد نیست یادگیری مهارت های جدید و داشتن مخزن مهارت های مختلف را به کار گیرید ، زیرا هرگز نمی توانیم پیش بینی کنیم که چقدر عمیق یا سریع اتوماسیون هوش مصنوعی روی ما تأثیر خواهد گذاشت.