کاربرد هوش مصنوعی در مدیریت منابع انسانی

فرآیند یادگیری با مشاهدات یا دادههایی مانند مثالها، تجربه مستقیم یا آموزش آغاز میشود تا به دنبال الگوهایی در داده ها بگردیم و بر اساس مثالهایی که ارائه میکنیم در آینده سایت vector-robot تصمیمات بهتری بگیریم. بااینحال، اگر بتوانیم مقادیر اولیه بهتری به دست آوریم یا شاید مدل را با استفاده از توزیع به جای یک مقدار شروع کنیم، نتایج ما میتواند بهتر شود. وقتی به هوش مصنوعی، یادگیری ماشین و رایانههای هوشمند فکر میکنیم، تمایل داریم چیزی بسیار امروزی را تصور کنیم، چیزی که اخیراً ظاهرشده است. پارامترهای دیگری نیز وجود دارد که ما میتوانیم با آنها بازی کنیم تا مدل را اصلاح کنیم، اما این فرآیند بیشتر بصری است تا منطقی، بنابراین رویکرد مشخصی برای آن وجود ندارد. مقادیر اولیه تصادفی اغلب نتایج ضعیفی ایجاد میکنند زیرا بهتدریج با آزمونوخطا اصلاح میشوند. این دوباره به شناسایی و اصلاح یک سوگیری بالقوه کمک میکند زیرا به این معنی است که مدل در شناسایی صحیح یک میوه ماهر است اما ممکن است با میوه دیگر مبارزه کند. الگوریتمهای طبقهبندی زمانی استفاده میشوند که متغیر خروجی مقولهای باشد، به این معنی که دو کلاس مانند بله-نه، مذکر-مونث، درست-غلط و غیره وجود دارد.

پایتون یک زبان همه منظوره است، به این معنی که میتوان از آن برای ایجاد انواع برنامه های مختلف استفاده کرد و برای هیچ مشکل خاصی تخصصی نیست. او همچنین مکانیسم هایی را برای برنامه خود طراحی کرد تا بهطور مداوم بهبود یابد، بهعنوانمثال، با یادآوری حرکات چکر قبلی و مقایسه آنها با شانس برنده شدن. شرکتها “استخدامکنندگان هوش مصنوعی” را برای خودکار کردن مصاحبههای زمانبندی شده، ارائه بازخورد مداوم به نامزدها و پاسخ به سؤالات آنها بهصورت برخط، پیادهسازی کردهاند. گاهی اوقات از کارگاه دارتموث بهعنوان “زادگاه هوش مصنوعی” یاد میشود. آنها میخواهند از هوش مصنوعی بهعنوان یک بستر یادگیری استفاده کنند. چشمانداز فناوری در منابع انسانی بهگونهای است که در آینده به طور گستردهای تحت لوای هوش مصنوعی قرار خواهد گرفت و لازم است گروههای منابع انسانی راههایی شفاف برای تعادل این پیشرفتها پیدا کنند. تیم آزمایشگاه X گوگل با داشتن پسزمینه یادگیری ماشین گسترده، الگوریتم هوش مصنوعی Google Brain را توسعه داده است که بعداً در سال ۲۰۱۲ در پردازش تصویر بسیار خوب شد و قادر بود گربهها را در تصاویر شناسایی کند. برای مثال، میتوانیم ببینیم که آیا میتوانیم مدل خود را در تشخیص سیب و پرتقال بهتر کنیم.

سوگیری بالقوه دیگر، در مورد زبان است. به عبارت دیگر، در یادگیری ماشین نظارتشده طی فرایند برچسبگذاری پاسخ صحیح به ماشین آموزش داده میشود. پس از ورود هوش مصنوعی به بسیاری از حوزههای دیگر، هماکنون تأثیرات هوش مصنوعی در مدیریت منابع انسانی نیز احساس میشود. حتی وقتی هم تلاش میکنند تا این ویژگی را در تصمیمهای خود دخالت ندهند، برخی از متخصصان منابع انسانی ممکن است ناخودآگاه به سمت یک مصاحبه شونده خاص متمایل شوند؛ بهعنوانمثال، شخصی که بیشتر شبیه استخدامکننده است. Go یکی از قدیمیترین و سختترین بازیهای استراتژیک انتزاعی است که قبلاً تصور میشد یک بازی تقریباً غیرممکن برای آموزش رایانه باشد. بهعنوان مثال اوبر با استفاده از کامیونی که توسط هوش مصنوعی کنترل میشد توانست اولین محموله بار در جهان را به مقصد برساند. اولین ویژگی رنگ خود میوه و ویژگی دوم شکل میوه است. برنامه AlphaGo اولین هوش مصنوعی است که یک بازیکن حرفهای Go را شکست میدهد.

یادگیری ماشین و هوش مصنوعی بر اساس رفتار شما با وبسایت و برنامه خریدهای گذشته، موارد پسندیده یا اضافه شده به سبد خرید، ترجیحات برند و غیره، توصیههای محصول را به افراد ارائه میدهند. هوش مصنوعی همچنین برای تشخیص تغییرات در تغییر رفتار کلی کارکنان مورداستفاده قرار میگیرد تا پیشبینی شود چه زمانی کارکنان در حال فکر کردن به ترک کار هستند. متقاضیان کار انتظار تجربههای مرسوم را دارند. این میتواند به دقت بیشتر منجر شود زیرا مدتزمان طولانیتر آموزش نوردهی بیشتری را فراهم میکند و کیفیت مدل را بهبود میبخشد. به این دلیل که خودکارسازی وظایف از طریق فناوری هوش مصنوعی این امکان را فراهم میکند تا متخصصان منابع انسانی وقت بیشتری داشته باشند تا بر جنبههای دیگری از تواناییهای منحصربهفرد انسان مانند تفکر انتقادی، خلاقیت و همدلی متمرکز شوند. پایتون همه اینها را ارائه میکند، به همین دلیل است که امروزه شاهد پروژههای هوش مصنوعی پایتون هستیم. همین الگوریتمها همچنین میتوانند نامزدهایی را پیدا کنند که ممکن است به دلیل سوگیری انسانی کنار گذاشته شده باشند. ابزاری که حتی ممکن است عملکرد نامناسبی نیز از خود برجای بگذارد، آن هم باوجود تمام دادههای درستی که به آن دادهشده است. بنابراین منطقی است که هوش مصنوعی آن را به محیط کار تبدیل کرده است.

برای هر متخصص منابع انسانی در برههای از کار خود این سال مطرح میشود: چگونه منابع انسانی میتوانند انسانیتر شوند؟ با تمام این گفتهها، از بسیاری جهات هوش مصنوعی کماکان در حال رشد و یادگیری است. در نظرسنجی دیگری از ۶۶ درصد از مدیران عامل IBM معتقدند که هوش مصنوعی میتواند ارزش چشمگیری برای منابع انسانی به وجود آورد و برخی از آنها در حال بررسی این فرصتها هستند. در این روش، در فرایند یادگیری به ماشین پاسخ صحیحی داده نمیشود و ماشین بدون دخالت عامل انسانی در دادهها جستوجو میکند و میکوشد استنباطهایی از مجموعهداده به دست دهد و ساختار پنهان دادههای بدون برچسب را توصیف کند. در اینجا چند نمونه آورده شده است که حتماً در حسابهای شبکه های اجتماعی خود به آنها توجه کرده، و از آن استفاده میکنید، بدون اینکه متوجه شوید که این ویژگیهای فوق العاده چیزی جز کاربردهای ML نیستند. بلکه از هوش مصنوعی کاربردهای بیشتری انتظار میرود. اکنون، به لطف هوش مصنوعی الگوریتمها میتوانند برای کمک به کارفرمایان در شناسایی و حذف این سوگیریها طراحی شوند. اگر میخواهید حرفه خود را در یادگیری ماشین شروع کنید، این کتاب یکی از ضروریات است. این مدل ها با اهداف مختلفی طراحی شدهاند. مدلهای موجود مختلفی توسط دانشمندان داده توسعه یافته است که میتواند برای اهداف مختلف مورداستفاده قرار گیرد.

در یادگیری بدون نظارت، ماشین به تابعی دست مییابد که بهوسیله آن میتواند ساختارها و الگوهای پنهان در دل دادهها را کشف کند. پس از فرایند اولیه یادگیری، ماشین قادر است بهتنهایی و بدون دخالت انسان الگوهایی در میان دادههای جدید کشف کند. سپس هوش مصنوعی دادهها را تجزیهوتحلیل میکند تا به معیاری از الگوی فعالیت طبیعی در سازمان دست یابد. بر اساس برخی دادههای ورودی، که میتوانند دارای برچسب یا بدون برچسب باشند، الگوریتم سیستم تخمینی در مورد یک الگو در دادهها ایجاد میکند. جزئیات کتاب در مورد ایجاد الگوریتمهای یادگیری ماشین کارآمد برای جمعآوری دادهها از برنامهها، ایجاد برنامههایی برای دسترسی به دادهها از وبسایتها و استنتاج دادههای جمعآوریشده است. در حقیقت، آخرین پیشبینی مک کینزی در مورد تأثیر هوش مصنوعی بر اقتصاد جهانی این است که تا سال ۲۰۳۰ هوش مصنوعی باعث ایجاد ۱۳ تریلیون دلار فعالیت اقتصادی در سراسر جهان میشود. تقویت الگوریتمی است که هدف آن افزایش قدرت پیشبینی یک مدل هوش مصنوعی است. تیم تحقیقاتی فیس بوک DeepFace، یک سیستم تشخیص چهره عمیق را توسعه میدهد، شبکه عصبی نه لایه ای که بر روی ۴ میلیون تصویر از کاربران فیس بوک آموزش داده شده است.

بر اساس یادگیری مداوم، لیستی از کاربران فیس بوک پیشنهاد میشود که بتوانید با آنها ارتباط داشته باشید. در ادامه این مقاله با ما همراه باشید تا بهطور کامل به بررسی تاریخچه یادگیری ماشین، کاربردهای آن و سایر اطلاعاتی ازایندست بپردازیم. حتی با اینوجود کاربردهای هوش مصنوعی بسیار بوده و میتواند یک منبع ارزشمند باشد. برنامههای یادگیری ماشین یا ماشین لرنینگ نسبت به الگوریتمهای یادگیری عمیق پیچیدهتر نیستند و اغلب میتوانند روی رایانههای معمولی اجرا شوند، اما سیستمهای یادگیری عمیق به سختافزار و منابع بسیار قویتری نیاز دارند. علاوه بر این، مجموعه دادههای خود را برای هرگونه چولگی نسبت به یک میوه خاص بررسی میکنیم. این موضوع به افراد استخدامکننده اجازه میدهد تا زمان بیشتری را برای بررسی کاندیداها صرف کنند. فیس بوک ژست ها و برجستگی ها را در تصویر بررسی میکند، به ویژگیهای منحصربهفرد آن توجه میکند و سپس آنها را با افراد موجود در لیست دوستان شما مطابقت میدهد. فیس بوک بهطور مداوم به دوستانی که با آنها ارتباط برقرار میکنید، پروفایلهایی که اغلب بازدید میکنید، علایق شما، محل کار یا گروهی که با شخصی به اشتراک میگذارید و غیره توجه میکند. تشخیص چهره: شما عکسی از خود با یک دوست آپلود میکنید و فیس بوک فوراً آن دوست را میشناسد.

شما فقط یک پایگاه داده عظیم زبان در اطراف یک حوزه دانش خاص دارید و هوش مصنوعی میتواند به آن حوزه دانش وارد شود و به سؤالات کاربر پاسخ دهد. این کتاب از پایتون بهعنوان وسیلهای برای رساندن دانش به خوانندگان خود استفاده میکند. هوش مصنوعی میتواند به خودش یاد بدهد تا کاری را انجام دهد، اما هنوز در مرحلهای نیست که بتواند در مقام جایگزین انسان بهعنوان “محرک آموزش” عمل کند. هوش مصنوعی قادر است بر اساس کلماتی که استفاده میکنید، یک جستجوی مبتنی بر کوئری انجام دهد و به شما پاسخ بدهد، اما این پاسخ وابسته به متن نیست. در ۷ ژوئن ۲۰۱۴، در یک مسابقه تست تورینگ در انجمن سلطنتی، گوستمن پس از اینکه ۳۳ درصد از داوران متقاعد شدند که ربات انسان است، برنده شد. پنج کتاب معرفی شده در بالا، مشهورترین کتب شناختهشده در حوزه یادگیری ماشین بودند. مقاله «قدرت یادگیری ضعیف» توسط رابرت شاپیره و یواو فروند، تقویت یادگیری ماشین را معرفی میکند. همچنین در این سال گوگل یک سیستم یادگیری ماشین در مقیاس بزرگ به نام Sibyl را به عموم مردم معرفی کرد. با استفاده از دستیار صوتی اپل یا اکو آمازون، مردم در زندگی روزمره از هوش مصنوعی در خانههای خود استفاده میکنند.

در یادگیری ماشی الگوریتمهای زیادی وجود دارد که در اینجا لیستی از الگوریتمهای رایج یادگیری ماشین ارائهشده است. خود تکنولوژی تعیین دقیق زمان اختراع یادگیری ماشین یا اینکه چه کسی آن را اختراع کرده است غیرممکن است، بلکه ترکیبی از کارهای بسیاری از افراد است که با اختراعات، الگوریتمها یا چارچوبهای جداگانه مشارکت داشتهاند. این جمله به چه معناست؟ حال این سؤال مطرح است که چه چیزی باعث میشود پایتون بهترین زبان برنامه نویسی برای یادگیری ماشین و بهترین زبان برنامه نویسی برای هوش مصنوعی باشد؟ حتماً برای شما نیز اتفاق افتاده است که یک محصول را آنلاین خرید کردید و سپس ایمیلهایی را برای پیشنهادهای خرید دریافت میکنید و یا احتمالاً متوجه شدهاید که وب سایت خرید یا برنامه مواردی را به شما توصیه میکند که به نوعی باسلیقه شما مطابقت دارد. برای اجرای آرمانهای هوش مصنوعی خود، باید از زبان برنامه نویسی استفاده کنید که پایدار، انعطافپذیر و دارای ابزارهای موجود باشد.

ماشین لرنینگ یا یادگیری ماشین شاخهای از هوش مصنوعی است که به سیستمها توان یادگیری خودکار و پیشرفت میدهد. این یک نمای کلی جامع از قضایای یادگیری ماشین با خلاصه شبه کدهای الگوریتمهای مربوطه ارائه میدهد. کتاب همچنین جزئیات با استفاده از R پیشرفته در بحث داده ها را ارائه میدهد. به عنوان مثال، این شرکت سرمایهگذاری در راهحلهای مبتنی بر ابر را که از هوش مصنوعی، فناوری صوتی و یادگیری ماشین استفاده میکنند آغاز کرده است. پینهای مشابه: یادگیری ماشین عنصر اصلی Computer Vision است که تکنیکی برای استخراج اطلاعات مفید از تصاویر و ویدیوها است. Pinterest از دید کامپیوتری برای شناسایی اشیاء (یا پینها) در تصاویر استفاده میکند و پینهای مشابه را بر این اساس توصیه میکند. هوش مصنوعی در مدیریت منابع انسانی برای خودکار کردن کارهای تکراری و کمارزش در نظر گرفته میشود، درنتیجه تمرکز روی کارهای استراتژیک بیشتر میشود. در یادگیری نیمهنظارتی معمولاً از حجم اندکی از دادههای برچسبدار و حجم انبوهی از دادههای بدون برچسب استفاده میشود. درواقع تلفیق یادگیری نظارتی و یادگیری بدون نظارت است. یادگیری عمیق از شبکه های عصبی استفاده میکند و برای گنجاندن حجم زیادی از داده های بدون ساختار ساختهشده است.

در بیشتر محیطهای حرفهای، هوش مصنوعی برای انجام کارهای پیشپا افتاده مانند پاسخ دادن به سؤالات مربوط به آبوهوا یا روشن کردن چراغها مورداستقاده قرار نمیگیرد. Waymo شروع به آزمایش خودروهای خودران در ایالات متحده با درایورهای پشتیبان تنها در پشت خودرو میکند. تیلور میگوید Best Buy Canada تا آنجا که بتواند از فناوری استفاده میکند. پایتون دارای تعداد زیادی کتابخانه و فریمورک است: زبان پایتون دارای کتابخانه ها و چارچوبهای بسیاری است که کدنویسی را آسان میکند. کتاب یادگیری ماشین که به روشی آسان نوشتهشده است، توسط رهبران فکری مشهوری مانند مدیر تحقیقات گوگل، پیتر نورویگ و سوجیت واراخدی، رئیس مهندسی eBay تأییدشده است. تنها کاری که باید انجام دهید این است که آنها را فعال کنید و بپرسید “برنامه امروز من چیست؟ این دو فناوری از پرطرفدارترین فناوریهایی هستند که برای ایجاد سیستمهای هوشمند استفاده میشوند. همانطور که از نام پیداست، آنها در یافتن اطلاعات، زمانی که از طریق صدا از آنها خواسته میشود، کمک میکنند. پیش از آنکه این کتاب نوشته شود، در سال ۲۰۰۷، علم داده و یادگیری ماشین به وضعیت فعلی خود در زمینههای شغلی برتر دست یافتند. در مورد ما، این میتواند به معنای تلاش برای شناسایی یک نوع سیب یا پرتقال باشد که برای مدل کاملاً جدید است.