تاثیر هوش مصنوعی و ماشین لرنینگ در جوامع بشری

سید امیر مرتضوی کارشناس فناوری اطلاعات (IT) در گفتگو با خبرنگار اقتصادی شبکه اطلاع رسانی راه دانا؛ با بیان اینکه وضعیت هوش مصنوعی و ماشین لرنینگ در حال حاضر بسیار پویا و به سرعت در حال توسعه است، گفت: با توجه به پیشرفت تکنولوژی و رشد روز افزون داده ها، انتظار می رود که پیشرفت های چشمگیری در حوزه هوش مصنوعی و ماشین لرنینگ در آینده نزدیک رخ دهد.

وی افزود: برخی از زمینه هایی هستند که در آینده می توانند در حوزه هوش مصنوعی و ماشین لرنینگ پیشرفت کنند، از جمله هوش مصنوعی تصویری و بینایی ماشین، هوش مصنوعی گفتاری، هوش مصنوعی کاربردی، هوش مصنوعی پزشکی، هوش مصنوعی فضایی.

هوش مصنوعی تصویری و بینایی ماشین

بهبود قابلیت شناسایی اشیاء و چهره ها، پیش بینی حرکت، واکشی داده های بیشتر از دنیای واقعی و افزایش دقت در تشخیص و تصحیح اشتباهات.

هوش مصنوعی گفتاری

بهبود در تشخیص گفتار، تبدیل گفتار به متن، پردازش زبان طبیعی و ترجمه ماشینی.

هوش مصنوعی کاربردی

توسعه ربات های هوشمند، سیستم های خودکار، خودروهای بدون سرنشین، سامانه های هوشمند خانگی و سیستم های مدیریت تولید.

هوش مصنوعی پزشکی

استفاده از هوش مصنوعی برای تشخیص بیماری ها، پیش بینی درمان، تجزیه و تحلیل داده های پزشکی و بهبود بهداشت عمومی.

هوش مصنوعی فضایی

توسعه سامانه های هوشمند برای کاوش فضایی، تشخیص شئ‌های فضایی و پیش بینی حرکت آنها.

مرتضوی با اشاره به اینکه پیش بینی می شود هوش مصنوعی و ماشین لرنینگ در آینده نزدیک به سرعت در حال پیشرفت باشند و در زمینه‌های مختلف در امورات روزمره دخیل شوند، تصریح کرد: بزودی هوش مصنوعی و ماشین لرنینگ در بسیاری از زمینه های مختلف به طور گسترده مورد استفاده جامعه بشری قرار خواهد گرفت و دیگر طرحی تخیلی در اذهان عموم نخواهد بود. برای مثال، در زمینه خودروهای بدون سرنشین، انتظار می رود که سیستم های خودکاری با استفاده از هوش مصنوعی و ماشین لرنینگ برای کاهش تصادفات و بهبود ایمنی برای سرنشینان و عابران پیاده استفاده شود.

این کارشناس فناوری اطلاعات در ادامه بیان کرد: در حوزه هایی مانند پزشکی، انتظار می رود که هوش مصنوعی و ماشین لرنینگ برای تشخیص زود هنگام بیماری ها و توسعه درمان های بهتر و موثر تر به کار گرفته شوند. در زمینه های دیگری مانند صنعت، تجارت، تولید و خدمات، نیز می توان از هوش مصنوعی و ماشین لرنینگ برای بهبود کارایی، کاهش هزینه ها و بهبود تجربه کاربری بهره برد.

پیشرفت سریع هوش مصنوعی و ماشین لرنینگ

وی افزود:‌ به طور کلی، می توان گفت که هوش مصنوعی و ماشین لرنینگ در حال پیشرفت سریع هستند و در آینده نزدیک به صورت گسترده در بسیاری از زمینه های مختلف مورد استفاده قرار خواهند گرفت. اما همچنان چالش هایی در این حوزه وجود دارد که برای حل آنها نیاز به پژوهش و توسعه بیشتری داریم.

چالش‌های مهم در حوزه هوش مصنوعی و ماشین لرنینگ

مرتضوی با اشاره به اینکه یکی از چالش های اساسی در حوزه هوش مصنوعی و ماشین لرنینگ، پردازش اطلاعات بزرگ و پیچیده است، خاطر نشان کرد: با توجه به اینکه میزان داده هایی که امروزه تولید می شود رو به رشد است، توسعه روش هایی برای پردازش و تحلیل این داده ها، یکی از چالش های مهم در حوزه هوش مصنوعی و ماشین لرنینگ است.

وی ادامه داد: از دیگر چالش های موجود در حوزه هوش مصنوعی و ماشین لرنینگ، شفافیت و قابلیت تفسیر پذیری مدل های ماشین لرنینگ است. بسیاری از الگوریتم های ماشین لرنینگ به دلیل پیچیدگی بالایشان، قابلیت تفسیر کمی دارند که می تواند در تصمیم گیری هایی که بر اساس آنها اتخاذ می شود، مشکل ساز شود.

کارشناس فناوری اطلاعات (IT) یکی دیگر از چالش ها در حوزه هوش مصنوعی و ماشین لرنینگ، را امنیت و حفاظت از حریم خصوصی داده ها دانست و گفت: با توجه به اینکه بسیاری از داده هایی که توسط ماشین لرنینگ‌ها جمع آوری می شوند، شامل اطلاعات شخصی هستند، نیاز به توسعه روش هایی برای حفاظت از این داده ها و جلوگیری از سوء استفاده از آنها داریم.

وی توضیح داد: بهتر است بگوییم که برای رسیدن به پیشرفت های بیشتر در حوزه هوش مصنوعی و ماشین لرنینگ، نیاز به توسعه روش هایی داریم که از پردازش داده های بزرگ و پیچیده بهتر عمل کنند، قابلیت تفسیری و شفافیت بیشتری داشته باشند، امنیت و حفاظت از حریم خصوصی داده ها را بهبود بخشند و همچنین برای اینکه بتوانیم بهترین نتایج را از مدل های ماشین لرنینگ بگیریم، نیاز به دسترسی به داده های با کیفیت و متعدد داریم.

مرتضوی اظهار داشت: بزودی می توان به چندین پیشرفت در حوزه هوش مصنوعی و ماشین لرنینگ اشاره کرد. به عنوان مثال، با توجه به پیشرفت های اخیر در حوزه شبکه های عصبی و یادگیری ژرف، قابلیت هایی برای شناسایی تصاویر و ویدئوها با دقت بسیار بالا و همچنین تشخیص گفتار با دقت بالا به دست آمده است. همچنین با استفاده از الگوریتم های یادگیری تقویتی و ترکیب آن با رباتیک، می توان به ربات هایی با قابلیت های بیشتر در زمینه هایی مانند پزشکی، صنایع، کشاورزی و... کمک کرد.

وی با تاکید بر اینکه یکی از تحولات مهم در آینده نزدیک در حوزه هوش مصنوعی و ماشین لرنینگ، استفاده از شبکه های عصبی و یادگیری ژرف برای تولید داده های جدید خواهد بود، گفت: این روش به ما این امکان را می دهد که با استفاده از داده های موجود، داده های جدیدی با کیفیت بالا تولید نماییم.

وی افزود: در حال حاضر هم ربات هایی هستند که می توانند در حوزه هایی مانند تصویرسازی، صدا و گفتار و حتی تولید موسیقی مورد استفاده قرار گیرند. همچنین، استفاده از شبکه های عصبی مولد برای تولید داده های واقع گرایی مجازی نیز در آینده نزدیک به شدت رایج خواهد شد.

این کارشناس فناوری اطلاعات با اشاره به اینکه تاکنون در حوزه پیش بینی و تحلیل داده ها نیز پیشرفت های قابل توجهی داشته ایم، تصریح کرد: الگوریتم های پیشرفته تر، با بهره گیری از توانایی های یادگیری ماشین، می توانند به طور دقیق تر و با سرعت بیشتری پیش بینی های مورد نیاز در حوزه هایی مانند بازار سرمایه، پزشکی، زیست شناسی، محیط زیست و ... را انجام دهند.

وی خاطر نشان کرد: استفاده از روش های یادگیری چند مسیره و ترکیب آن با شبکه های عصبی و یادگیری ژرف، نیز به ما کمک خواهد کرد تا بتوانیم با دقت بالاتری پیش بینی های موثرتری در حوزه های مختلف داشته باشیم.

مرتضوی در پایان تاکید کرد: هوش مصنوعی و ماشین لرنینگ همچنان در حال توسعه و پیشرفت هستند و در آینده نزدیک، این پیشرفت ها به طور چشمگیری ادامه خواهند داشت. با این حال، برای استفاده بهینه از قابلیت های این تکنولوژی ها و جلوگیری از احتمالاتی همچون تبعیض، خطا و سوء استفاده، نیاز به رعایت استانداردهای اخلاقی و اجتناب از بهره برداری غیرمجاز از داده های شخصی و محرمانه داریم.