ایران مدیر در این مقاله نظرات گوناگون درباره یادگیری ماشینی را بررسی میکند. لطفاً دیدگاههای خود را با کاربران ایران مدیر به اشتراک بگذارید. با این حال، کسانی که درک پیچیده ای از علم کامپیوتر و آمار دارند، می دانند که تأثیر بالقوه این عملکرد بی پایان است. در حوزه هوش مصنوعی، افراد در این نقشها مسئول توسعه عملکرد فنی محصولات هستند که از یادگیری ماشین برای انجام وظایف مختلف استفاده میکنند. چشم انداز شغلی: از آنجایی که این افراد در مرکز پیشرفت در هوش مصنوعی قرار دارند، چشم انداز شغلی آنها بسیار مثبت است. چشم انداز شغلی: چشم انداز شغلی برای طراحان UX کاملاً مثبت است. به همین دلیل، افرادی که دارای مجموعه مهارت های مناسب هستند، می توانند انتظار حقوق و چشم انداز شغلی بالاتر از متوسط را برای آینده قابل پیش بینی داشته باشند. واقعاً بزرگ است، اما بسیاری از افراد برای آن آموزش ندیدهاند، و در نتیجه چشمانداز شغلی بالاتر از حد متوسط برای کسانی که مهارتهای لازم برای کار در این زمینه را دارند، ایجاد میکند. برای کشف برخی از این زمینه های شغلی برتر که صنعت را تعریف می کنند، ادامه مطلب را بخوانید.
برین یولفسن همچنین گفت: آنچه ما در حال حاضر داریم سیستمهای محدود اما قدرتمندی از ماشین لرنینگ است که قادر به حل برخی از مشکلات معین و ویژه در سطح دقت انسانی یا حتی فوق انسانی، بهطورمعمول با استفاده از شبکههای عمیق عصبی هستند» این فناوریها در زمینههایی همچون علم تجزیهوتحلیل قابل پیشبینی، شناساییِ گفتار و تصویر و همچنین پردازش زبانِ طبیعی، بسیار حرفهایتر سایت vector-robot هستند. ادموندز همچنین مشاهده کرده است در حالی که یک دانشمند کامپیوتر با پیشینه دوگانه برای انواع جدید کاربردهای هوش مصنوعی در صنایع ایده آل است، در حال حاضر تعداد بسیار کمی وجود دارد. در زیر، ما در مورد اینکه هوش مصنوعی چیست، چه مشاغلی در حال حاضر این صنعت را تعریف میکنند و چگونه میتوانید خود را برای موفقیت در بخش هوش مصنوعی آماده کنید توضیح می دهیم. تعامل دارند، از جمله اینکه چه چیزی بصری است و چه چیزی نیست. نقشهای تجربه کاربر (UX) شامل کار با محصولات از جمله محصولاتی است که هوش مصنوعی را در خود جای دادهاند تا اطمینان حاصل شود که مصرفکنندگان عملکرد آنها را درک میکنند و میتوانند به راحتی از آنها استفاده کنند. این نوع کارکردها آنقدر در زندگی روزمره ما رایج شده اند که اغلب به راحتی می توان فراموش کرد که فقط یک دهه پیش تعداد کمی از آنها وجود داشتند.
اختراع سیستم عامل مک در مقایسه با ویندوز از نیاز به محصولی نشات گرفت که کاربرپسندتر باشد و برای کار کردن به درک فنی پیشرفته ای نیاز نداشته باشد. با این حال، تأثیر یادگیری ماشینی و هوش مصنوعی به آسانتر کردن زندگی افراد محدود نمیشود. آیفونی که قادر به تشخیص اعضای خانه است یا تلویزیونی که نور صفحه نمایش دلخواه را با تعداد افراد تنظیم می کند، همه و همه کاربردهای هوش مصنوعی هستند. در حالی که مردم لزوماً نمی دانند Google Drive چگونه کار می کند، آنها مفهوم را درک می کنند و سریعتر در قرار دادن اطلاعات خود در فضای ذخیره سازی ابری شرکت می کنند. مردم آمار پشت آن را درک نمی کنند، بنابراین همه چیز بسیار جادویی به نظر می رسد. وی افزود: اما اینهمه چیز نیست، بلکه بعضی از موارد است که این سؤال را آشکارا مطرح میکند و آن، چنین است که این هوش مصنوعی شگفتانگیز چهکارهایی را میتواند با نقص و چه کارهایی را بدون نقص انجام دهد؟ ادموندز میگوید: «فقط داشتن دادهها یک چیز است، اما اینکه بتوانیم واقعاً آن را به افراد دیگر گزارش دهیم، مهم است». یولفسن میگوید: اینکه چقدر نمره بالا یا پایین باشد معین میکند که کار تا چه میزانی مستعد اتوماسیون و یادگیری ماشینی است.»او و تام میچل پرسشنامه اصلی را در مجله Science در دسامبر ۲۰۱۷ منتشر کردهاند.
در این سناریو، پیشینه تخصص در هر دو زمینه به آنها اجازه می دهد تا نه تنها نتایج این ابزارهای هوش مصنوعی را تفسیر کنند، بلکه درک کنند که چگونه آنها در زمینه سلامتی گسترده تر قرار می گیرند. ماشین لرنینگ ، هوش مصنوعی و اتوماسیون، امروزه موردتوجه جدی است. کسانی که این تعادل نادر از مهارتها و قرار گرفتن در دنیای واقعی را دارند، میتوانند هر تعداد نقش در هوش مصنوعی داشته باشند و برای سالهای آینده به شکلدهی چشمانداز این رشته دائماً در حال تکامل ادامه دهند. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشتهٔ تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافتهاست باید تفاوت قائل بود. به عنوان مثال، در مراقبتهای بهداشتی، یک متخصص هوش مصنوعی ایدهآل میتواند درک درستی از دادهها و یادگیری ماشینی داشته باشد و همچنین از بدن انسان آگاهی داشته باشد.
در واقع، افزایش حیرتانگیز در مقدار دادههای جمعآوریشده در دهه گذشته تأثیر قابلتوجهی بر پیشرفت صنعت هوش مصنوعی امروزی داشته است. برخی هنوز ممکن است مسئول نظارت بر اخلاقیات و مسئولیت پذیری ناشی از ایجاد چنین ابزارهایی باشند. با وجود فرصتهای هیجانانگیزی که این پیشرفتها آشکار میکنند، برخی از افراد هنوز در مورد استفاده از هوش مصنوعی تردید دارند. برخی از دانشمندان رایانه متمرکز بر هوش مصنوعی نیز ممکن است به دنبال درک اخلاق و فلسفه باشند که به رایانه توانایی «فکر کردن» و نتیجهگیری را میدهد. برخی ممکن است بر توسعه نرم افزار جدیدی نظارت کنند که می تواند پتانسیل جدیدی را در این زمینه کشف کند. نرم افزار یادگیری ماشینی به رایانه ها اجازه می دهد تا از طریق دریافت داده ها، رفتار انسان را بیاموزند. در این صفحه، فهرستی از مقالات منتشر شده در «نشریه های علمی هوش مصنوعی» که برخی از آنها پیش از این به زبان فارسی ترجمه شده اند، نمایش داده شده که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. هوش مصنوعی این امکان را برای ما فراهم می کند که قفل گوشی های هوشمند خود را با چهره خود باز کنیم ، از دستیاران مجازی خود سؤال بپرسیم و پاسخ های صوتی دریافت کنیم، و ایمیل های ناخواسته خود را بدون نیاز به آدرس دادن به آنها در یک پوشه هرزنامه فیلتر کنیم.
حوزه هوش مصنوعی همچنین به نقشهای سنتی علوم رایانه مانند مهندسان نرمافزار برای توسعه برنامههایی که ابزارهای هوش مصنوعی بر اساس آنها کار میکنند، متکی است. مسئولیت ها: مسئولیت های یک محقق علوم کامپیوتر و هوش مصنوعی بسته به تخصص یا نقش خاص آنها در زمینه تحقیقاتی بسیار متفاوت است. در این میان بدبینانی که میترسند رباتها در زمینه رهبری و نیروی کاری جایگزین انسانها شوند یا حتی خوشبینانی که تصور میکنند هیچچیز جدیدی در این دنیا وجود ندارد، به بیان نظرات گوناگون میپردازند، اما پرفسور اریک برین یولفسن استاد موسسه تکنولوژی ماساچوست و همکارانش معتقدند که این بحث باید شکلی متفاوت به خود بگیرد. مسئولیت ها: از آنجایی که پردازش زبان طبیعی کاربردهای زیادی دارد، مسئولیت های متخصصان در این زمینه متفاوت خواهد بود. اگرچه ادموندز تأکید میکند که این نقشها خارج از بخش هوش مصنوعی وجود دارند، اما امروزه افزایش استفاده از هوش مصنوعی در فناوری منجر به نیاز روزافزون به متخصصان UX شده است که در این زمینه خاص آموزش دیدهاند.
اگرچه علم داده حوزه وسیعی است، ادموندز بر نقشی که تحلیلگران داده در این فرآیندهای هوش مصنوعی ایفا می کنند به عنوان یکی از مهم ترین آنها تأکید می کند . چشم انداز شغلی: اداره آمار کار نرخ رشد 22 درصدی را تا سال 2029 برای توسعه دهندگان نرم افزار پیش بینی می کند که شامل اضافه شدن 316000 شغل می شود. مسئولیت ها: مهندسان نرم افزار بخشی از فرآیند طراحی و توسعه کلی برنامه ها یا سیستم های دیجیتال هستند. بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عاملهای هوشمند» تعریف کردهاند. برای پاسخگویی به این سؤالها، محققها پرسشنامهای ۲۳ سؤاله را تهیه و توضیع کردهاند که تعیین میکند چه کاری برای یادگیری ماشینی مناسب و چه کاری مناسب نیست. اما هوش مصنوعی اینطور نیست. همچنین، محققان مینویسند که این بدان معنا نیست که تحولات جدید در ماشین لرنینگ نمیتوانند تاثیرات گستردهتری در مشاغل و اقتصاد آینده بگذارند. محققان توصیه کردهاند به دنبال وظایفی در هر حرفه بگردیم که پتانسیل بالایی برای خودکارشدن توسط یادگیری ماشینی را دارند و آنها را از وظایفی که این قابلیت را ندارند جدا کرده و شغلی مناسب را که با آن تحولات مطابق باشد تشخیص دهیم.
در عوض، او توضیح میدهد که پیشزمینههای شخصی و مهارتهای بینرشتهای منحصربهفردی است که هر دانشمند رایانه به آنها اجازه میدهد تا پیشرفت کنند. هستند، این پرسشنامه میتواند راهنماییهایی به آنها ارائه دهد. چشم انداز شغلی: امروزه در این نقش ها کمبود واقعی افراد وجود دارد. چشم انداز شغلی: تحلیلگران داده ها چشم انداز شغلی مثبتی دارند. طبق این مطالعات مشاغلی مانند ماساژ درمانی که پتانسیل زیادی برای یادگیری ماشینی ندارند، کمترین احتمال تحت تأثیر قرار گرفتن را دارند. افرادی که هم مهارتهای زبانی و هم فنآوری لازم برای کمک به ایجاد این ابزارها را دارند. محققان در مجموعه مقالاتی که در ماه مه در انجمن اقتصادی آمریکا چاپشده بود نوشتهاند: یافتههای ما پیشنهاد تغییر رویه پیرامون اثرات ماشین لرنینگ را میدهد. ادموندز میگوید: “همیشه کسی وجود خواهد داشت که ماشین سریعتری را توسعه دهد. اپل نیز به همین منوال به توسعه آیفون پرداخت. ادموندز به شوخی می گوید: «اگر سابقه دوگانه داشتید، می توانستید چک خود را بنویسید. مسئولیت ها: به طور کلی، متخصصان UX مسئول درک نحوه استفاده انسان از تجهیزات هستند، بنابراین چگونه دانشمندان کامپیوتر می توانند این درک را برای تولید نرم افزارهای پیشرفته تر به کار ببرند.
محققان مینویسند: فناوری ماشین لرنینگ، ازلحاظ تاریخی عامل اصلی رشد بهرهوری صنعتی بوده است. هوش مصنوعی یک زمینه پرسود با رشد شغلی بالاتر از حد متوسط است، اما این صنعت همچنان رقابتی است. انتظار می رود رشد شغل در این صنعت تا سال 2022 به میزان 22.1 درصد افزایش یابد و به طور موثر فرصت ها را برای کسانی که آموزش و تجربه مناسب دارند افزایش دهد. همانطور که کاربردهای احتمالی هوش مصنوعی همچنان در حال افزایش است، پتانسیل شغلی مثبت برای افرادی که مهارت های لازم برای پیشرفت در این صنعت را دارند، افزایش می یابد. انتظار می رود این تأثیر هوش مصنوعی در سراسر صنایع تنها با ادامه پیشرفت فناوری و کشف امکانات هیجان انگیز این تخصص در زمینه خود توسط دانشمندان رایانه افزایش یابد. اگرچه بسیاری از این مشاغل برتر کاربرد یا عملکرد فناوری هوش مصنوعی را بررسی می کنند، تحقیقات علوم کامپیوتر و هوش مصنوعی بیشتر در مورد کشف راه هایی برای پیشرفت خود فناوری است.
کسانی که در هوش مصنوعی هستند اغلب کارشناسان یادگیری ماشینی را میبینند که تواناییهای علوم رایانه و آمار سطح بالایی دارند، اما بدون درک بیشتر در حوزه خاصی. کاربردهای هوش مصنوعی چنان گسترده و فراگیر شدهاند که بسیاری از این کاربردها دیگر با نام هوش مصنوعی شناخته نمیشوند و نام تخصصی خود را دارند. با وجود آنچه هالیوود میگوید، ما از ماشین لرنینگ متداول بسیار فاصلهداریم، این هوش مصنوعی است که میتواند تمامکارهایی که یک انسان انجام میدهد را به شبیهترین شکل ممکن انجام دهد. برخی ممکن است مسئول پیشبرد سیستم های داده مرتبط با هوش مصنوعی باشند. سپس این سیستم ها تحت فرآیندهای پیشرفته ای قرار می گیرند تا آن داده ها را تجزیه و تحلیل کنند و الگوهای درون آن را شناسایی کنند و از آن یافته ها برای به کارگیری دانش کشف شده و تکرار رفتار استفاده کنند. بااینحال، تجزیهوتحلیل ما حاکی از آن است که یادگیری ماشینی بخشهای بسیار متفاوتتری از نیروی کار را نسبت به امواج اولیه سیستم اتوماسیون تحت تأثیر قرار میدهد. این به ما امکان میدهد تا شغل های متناسب با یادگیری ماشینی را بشناسیم و برنامه ریزی های آینده نگرانه را با توجه به آن سامان دهیم. ما مقدار مناسب داده و ماشینهای پیشرفتهای داریم که میتوانند آن دادهها را پردازش کنند.
طبق آمار دفترخانه فدرال آمار کار، برای بیش از ۹۰۰ شغل جداگانه در اقتصاد ایالاتمتحده اعم از اقتصاددانان و مدیرعاملان تا رانندگان کامیون و معلمان مدرسه، دقیقاً از این روش استفاده کردهاند. برای انجام موثر این کار، توسعهدهندگان از دانش پردازشگرهای زبان طبیعی استفاده میکنند. ادموندز می گوید: پردازش زبان طبیعی استفاده از یادگیری ماشینی در زبان است. امروزه بسیاری از محبوب ترین برنامه های کاربردی هوش مصنوعی برای مصرف کنندگان حول محور زبان می چرخند. با این حال، ادموندز تأکید میکند که اگرچه کاملاً پیشرفته است، اما این تواناییهای رایج به تنهایی همیشه فرد را برای یک حرفه موفق در هوش مصنوعی آماده نمیکند. تقریباً در تمامی حرفهها، برخی از کارها هستند که از این روش تأثیر میپذیرند اما کارهای بسیار زیادی نیز در تمامی حرفهها وجود دارند که اینطور نیستند. همچنین برخی از مشاغل، وظایف نسبتاً بیشتری دارند که احتمالاً تحت تأثیر ماشین لرنینگ قراردادند. ادموندز میگوید: «هوش مصنوعی امروز کارهای شگفتانگیزی انجام میدهد و به پیشرفتهایی در صنایعی می انجامد که قبلاً قابل تصور نبود». اصطلاح «هوش مصنوعی» بسته به صنعت خاصی که در آن استفاده میشود، مفاهیم بسیاری دارد. با این حال، بتانی ادموندز، میگوید: «وقتی مردم «هوش مصنوعی» میگویند، در واقع منظورشان یادگیری ماشینی است.
آنها همچنین بهطور سیستماتیک ساختار دستمزد و استخدام را مختل کردهاند. آنها نوشتهاند که ماشین لرنینگ میتواند وظایفی که برای آن ایدئال است را انجام دهد، درحالیکه کارهای انسانی میتوانند به دنبال آن اثر، افزایش خالص سودآوری را به همراه داشته باشند. از نظر هوش مصنوعی، مسئولیتهای یک متخصص UX ممکن است شامل درک نحوه تعامل انسانها با این ابزارها به منظور توسعه عملکردی باشد که بهتر با نیازهای آن انسانها مطابقت داشته باشد. مجموعهای از محصولات وجود دارد که در آنها سعی میکنیم از طریق زبان با یک ماشین تعامل کنیم، اما پردازش زبان واقعاً سخت است. فناوری یادگیری ماشینی میتواند بسیاری از مشاغل موجود در اقتصاد را دستخوش تغییر قرار دهد، اما کامل کمتر از مهندسی مجدد فرایندها و سازماندهی مجدد وظایف موردتوجه قرار خواهد گرفت. آیا میدانستید: یکی از برجستهترین نمونههای تاثیر تجربه کاربری بر فناوری که امروزه میشناسیم اپل است. بهعنوانمثال: شغلی مثل دربان، با خدماتی مبتنی بر یادگیری ماشینی توسط کمپانیهایی مثل گوگل جایگزین شده است.
تاثیر هوش مصنوعی را اکنون میتوان در همه جهات و نقاط زندگی مردم دید. پس همه مشاغل باید خود را برای تطابق با این موضوع آماده کنند و مناسب سازی های لازم از اکنون صورت گیرد. با این حال، ادموندز توضیح می دهد، افرادی که ترکیب لازم از مهارت ها را دارند اغلب به سختی به دست می آیند. همچنین دانستیم که بسیاری از مشاغل قابلیت این را دارند که به یادگیریهای ماشینی مجهز شوند. ادموندز معتقد است که این تا حد زیادی به دلیل عدم درک دقیق نحوه عملکرد این فرآیندها و ترس ناشی از آن است. با این حال، صرف نظر از تخصص آنها، افراد در این نقش ها تلاش خواهند کرد تا امکانات این فناوری ها را کشف کنند و سپس به اجرای تغییرات در ابزارهای موجود برای دستیابی به آن پتانسیل کمک کنند. ادموندز تشخیص می دهد که اگرچه فناوری پیشرفته در این فرآیند مهم است ولی کلید عملیات در واقع داده ها هستند. در واقع بسیاری شروع هوش مصنوعی را 1950 می دانند زمانی که آلن تورینگ مقاله دورانساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد). بطور کلّی، هوش مصنوعی را میتوان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد.
با داده هایی که در قلب عملکردهای هوش مصنوعی و یادگیری ماشین قرار دارند، کسانی که برای مدیریت صحیح آن داده ها آموزش دیده اند، فرصت های زیادی برای موفقیت در صنعت دارند. با این حال، به طور کلی، افراد در این نقش ها از درک پیچیده خود از زبان و فناوری برای توسعه سیستم هایی استفاده می کنند که از طریق آن رایانه ها می توانند با موفقیت با انسان ها ارتباط برقرار کنند. مسئولیتها: تحلیلگران داده باید درک کاملی از خود دادهها از جمله شیوههای مدیریت، تجزیه و تحلیل و ذخیرهسازی آنها و همچنین مهارتهای لازم برای برقراری ارتباط مؤثر یافتهها از طریق تجسم داشته باشند. به عبارت دیگر هوش مصنوعی به سیستمهایی گفته میشود که میتوانند واکنشهایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیهسازی فرایندهای تفکری و شیوههای استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان میدهد، گفته میشود.
متخصصان هوش مصنوعی مجموعهای از مهارتهای عملی و دانش نظری در ریاضیات و آمار را در کنار درک کاری از ابزارها و فرآیندهای خاص نقش به اشتراک میگذارند. از چت بات ها گرفته تا دستیارهای مجازی تا پیامرسان پیشبینیکننده در گوشیهای هوشمند، ابزارهای هوش مصنوعی برای تکرار گفتار انسان در قالبهای مختلف استفاده شدهاند. هوش مصنوعی (AI) امروز جامعه را به گونهای تعریف میکند که ما هرگز پیشبینی نمیکردیم. برنامه های هوش مصنوعی در تمام صنایع از طریق سادهسازی فرآیندهای تجاری، بهبود تجارب مصرفکننده و انجام وظایفی که قبلاً هرگز امکانپذیر نبودهاند، تاثیرگذار بوده اند. تحقیقات جدید حاکی از آن است که کارهای خاصی در مشاغل یا حتی تمام پیشهها بهخودیخود، در آیندهای نزدیک توسط برخی حرفههایی که بیشتر از دیگر مشاغل تأثیر پذیرفتهاند، با ماشین لرنینگ، جایگزین خواهد شد. توانایی یک کامپیوتر برای تکرار رفتارهای شبیه انسان، هسته اصلی تمام عملکردهای هوش مصنوعی است. ادموندز تشخیص میدهد که این قطعه گمشده مورد نیاز برای پیشرفت بیشتر هوش مصنوعی در بخش خاص است. نقشها در این رشته بسیار مهم هستند و هم به پیشینه فنی پیشرفته و هم به تجربه عملی گسترده نیاز دارند.