دنیایی سریع‌تر با کاربرد هوش مصنوعی در فناوری اطلاعات

کاربرد هوش مصنوعی در فناوری اطلاعات بسیار گسترده است. هوش مصنوعی به دنبال افزایش دقت و سرعت تمام اموراتی است که پیش از این بسیار کند و پر خطا انجام می‌شدند.

در عصر حاضر، همه‌ی ما کمامان با اهمیت اطلاعات آشنا هستیم. هوش مصنوعی از طریق فرآیندهایی از قبیل اتوماسیون، تضمین کیفیت، امنیت و… کمک شایانی به بشر می‌کند.

فهرست مطالب

• فناوری اطلاعات چیست؟
• هوش مصنوعی چیست؟
• هوش مصنوعی برای عملیات فناوری اطلاعات (AIOps)
• کاربرد هوش مصنوعی در فناوری اطلاعات
• مزایای کاربرد هوش مصنوعی در فناوری اطلاعات
• معایب کاربرد هوش مصنوعی در فناوری اطلاعات
• مثال‌هایی از کاربرد هوش مصنوعی در فناوری IT
• سرویس ژوپیتر ابر فردوسی

فناوری اطلاعات چیست؟

به بیان ساده می‌توان گفت، فناوری اطلاعات علمی است که از آن برای مدیریت و پردازش اطلاعات استفاده می‌شود.

در واقع علمی که از برنامه‌ها، نرم‌افزارها و سخت‌افزارهای به هم متصل‌‌شده استفاده کند تا اطلاعات را پردازش، ذخیره‌سازی، توزیع، انتقال و حفاظت کند، فناوری اطلاعات نام دارد.

شکل مخفف‌شده IT نیز که از عبارت Information Technology برگرفته شده است، برای بیان همین منظور به‌کار می‌رود.

می‌توان علم کامپیوتر را همچون ریشه‌ و منبع تغذیه‌ای دانست که IT محصول و نتیجه آن باشد. بنابراین علم مهندسی کامپیوتر متفاوت از علم مهندسی فناوری اطلاعات است.

در مقاله‌ای که در سال 2006 میلادی از اندرو مکافی در نشریه Harvard Business Review منتشر شد، فناوری اطلاعات به سه حوزه آی‌تی عملکرد‌، آی‌تی شبکه و آی‌تی سازمانی تقسیم‌بندی شد.

این سه حوزه امورات متنوعی از قبیل نصب یک نرم‌افزار، راه‌اندازی یک وبلاگ، مدیریت ارتباطات درون سازمانی، مدیریت ارتباط با مشتریان تا ایجاد یک فایل ساده اکسل را در برمی‌گیرند.

همچنین در تعاریف دیگر فناوری اطلاعات را زنجیره‌ای از «انسان، سازوکار، ابزار و ساختار» دانسته‌اند. تعریفی با مضنون (مجموعه‌ای از نرم‌افزار، سخت‌افزار و فکرافزار) نیز برای آی‌تی وجود دارد.

در این مقاله قصد داریم تا با توجه به هجوم هوش مصنوعی به فناوری اطلاعات، به شناخت مزایا و معایب آن پرداخته و جایگاه انسان و فکر وی را در این میان بررسی کنیم.

هوش مصنوعی چیست؟

در سال‌های اخیر، هوش مصنوعی از یک موضوع پرطرف‌دار در فیلم‌های علمی و تخیلی، پا به دنیای واقعی علم نهاده است.

می‌توان گفت که امروزه، کمتر عرصه‌ای از جهان علم و فناوری باقی مانده است که از پیشرفت‌های هوش مصنوعی تاثیر نگرفته باشد.

پیش از این در مقالات متعددی، تاثیر هوش مصنوعی بر کشاورزی، درمان سرطان، خودروهای خودران و بانکداری را بررسی کرده‌‌ایم.

در این مقاله قصد داریم تا به بررسی کاربرد هوش مصنوعی در فناوری اطلاعات بپردازیم. اما پیش از آن به تعریف کوتاهی از هوش مصنوعی خوهیم پرداخت.

هوش مصنوعی (Artificial intelligence):

تعریف پدر هوش مصنوعی، جان مک کارتی، از این فناوری مدرن این‌گونه است:

هوش مصنوعی، علم و مهندسی ساخت ماشین های هوشمند، به ویژه برنامه های کامپیوتری هوشمند است.

در واقع هوش مصنوعی به منزله تبدیل یک کامپیوتر، به یک ربات هوشمند است. برای آشنایی بیشتر با این پدیده، مقاله هوش مصنوعی در صنعت را مطالعه نمایید.

منظور از ربات هوشمند، مجموعه‌ای از کدهای برنامه‌نویسی شده است که کامپیوتر را قادر می‌کند تا همانند یک انسان بیاندیشند و رفتار کند.

هوش مصنوعی نه تنها ضریب (IQ) بالایی دارد، بلکه دانشمندان درصدد ایجاد ضریب احساسی یا (EQ) بالا نیز در آن هستند.

می‌توان گفت که در فناوری هوش مصنوعی، انسان در حال توسعه هوشی فراتر از هوش انسان است.

چراکه دانشمندان در حال کدگذاری و برنامه‌ریزی برای الگوریتم‌هایی هستند که به کامپیوتر می‌گوید چگونه مانند یک انسان و یا حتی بهتر از آن عمل کند، استدلال کند، یاد بگیرد، تصمیم بگیرد و راه حل ارائه بدهد.

هوش مصنوعی شامل زیر بخش‌های متعددی است که در ادامه با برخی از آن‌ها از قبیل یادگیری ماشین، یادگیری عمیق، یادگیری زبان طبیعی و بینایی ماشین آشنا خواهیم شد.

یادگیری ماشین (Machine Learning):

یادگیری ماشین (ML) یکی از زیر مجموعه‌های هوش مصنوعی است که به ماشین‌ها این امکان را می‌دهد تا به صورت خودکار یاد بگیرند و پیشرفت کنند.

تمرکز اصلی یادگیری ماشین بر این است که سیستم بتواند به‌طور خودکار از داده‌های مختلف بیاموزد. این داده‌ها می‌توانند فیلم‌، عکس‌، صدا‌، متن و… باشند.

در فرآیند یادگیری ماشین، سیستم از داده‌ها، مثال‌ها، تجارب، دستور العمل‌ها و.. استفاده می‌کند تا به یک الگو مشخص برسد. سپس بر اساس آن الگو شروع به تصمیم‌گیری و حل‌مسئله می‌کند.

سبک یادگیری در این فرآیند می‌تواند شامل یکی از موارد یادگیری نظارت‌شده، یادگیری بدون نظارت و یادگیری نیمه نظارت‌شده باشد.

یادگیری عمیق (Deep Learning):

یادگیری عمیق (DL) زیرمجموعه‌ای از ML است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می‌گیرد، تقلید می‌کند.

این نوع از یادگیری نه تنها در هوش مصنوعی، بلکه برای انجام اموراتی که با جمع‌آوری، تجزیه‌وتحلیل و تفسیر مقادیر زیادی از داده‌ها سروکار دارند، نیز بسیار مفید است.

چراکه یادگیری عمیق قادر است تا اطلاعات موجود در داده‌های مختلف از قبیل صداها، متون و تصاویر را طبقه بندی، ذخیره، آنالیز و تفسیر کنند.

یادگیری عمیق این مراحل را از طریق یک معماری مشابه با معماری شبکه‌های عصبی مغز انسان انجام می‌دهد. برای آشنایی بیشتر با یادگیری ماشین و یادگیری عمیق، مقاله یادگیری ماشین را مطالعه نمایید.

پردازش زبان طبیعی (Natural Language Processing):

پردازش زبان طبیعی (NLP) به هوش مصنوعی اجازه می‌دهد تا زبان طبیعی را همانند انسان‌ها، درک کنند و پاسخ بدهند.

این‌گونه ماشین‌ها قادرند تا متون و گفتار مختلف را با همان پیچیدگی ذاتی‌شان، همانند انسان‌ها تفسیر کنند.

در واقع ماهیت NLP را می‌توان بر پایه دو مفهوم اساسی درک زبان طبیعی و تولید زبان طبیعی شرح داد. این بدان معناست که NLP تا حدودی از هوش احساسی نیز برخوردار می‌باشد.

پردازش زبان‌های طبیعی بر ارتباط انسان و رایانه، متمرکز است. هوش مصنوعی این ارتباط را از طریق سلسله مراتب زیر انجام می‌دهد:

• صحبت انسان با ماشین
• ضبط صدای انسان توسط ماشین
• تبدیل صدای ضبط شده به متن
• پردازش و تجزیه‌وتحلیل متن
• تبدیل پاسخ ماشین به صوت
• صحبت ماشین با انسان

این‌گونه انجام اموراتی از قبیل ترجمه متون، یافتن صفحات وب، اخذ مشاوره تلفنی، استخراج اطلاعات از یک کتاب، ویرایش متون، چت‌بات و… با سرعت و دقت بالایی صورت پذیرند.

بینایی ماشین (Machine Vision):

بینایی ماشین به هوش مصنوعی اجازه می‌دهد تا بینش معناداری را از محیط، تصاویر دیجیتال، فیلم‌ها و سایر محتوای بصری به دست آورد.

این قابلیت به ماشین اجازه می‌دهد که به کمک پردازش تصاویر دو بعدی، دنیای اطراف خود را بازسازی و تفسیر کند.

در واقع دانشمندان در تلاشند تا با کمک این تکنولوژی، ماشین‌ها بتوانند اطلاعات بصری اطراف خود را استخراج و درک کنند.

به عبارتی اگر هوش مصنوعی رایانه‌ها را قادر می‌سازد که فکر کنند، بینایی رایانه آن‌ها را قادر می‌سازد تا ببینند.

این فناوری معمولا از چندین دوربین ویدئویی با قابلیت تبدیل آنالوگ به دیجیتال و همچنین یک سیستم تحلیل سیگنال دیجیتال استفاده می‌کند.

هوش مصنوعی برای عملیات فناوری اطلاعات (AIOps)

دیگر نمی‌توان دنیای فناوری اطلاعات پویا و پر از تغییر امروزی را، با ابزارآلات سنتی و قدیمی مدیریت نمود.

AIOps کاربرد هوش مصنوعی در عملیات فناوری اطلاعات است. این پدیده به نظارت و مدیریت محیط‌های مدرن فناوری، سرعت و دقت می‌بخشد.

این روش با تجزیه‌وتحلیل الگوریتمی داده‌های فناوری اطلاعات، به تیم‌های IT و DevOps کمک می‌کند تا هوشمندتر و سریع‌تر عمل کنند.

اصطلاح “AIOps” مخفف “هوش مصنوعی برای عملیات IT”، توسط گارتنر در سال 2017 ابداع شد. در ادامه تعریف گارتنر آمده است:

“پلتفرم‌های AIOps از داده‌های بزرگ، یادگیری ماشین مدرن و سایر فناوری‌های تحلیلی پیشرفته استفاده می‌کنند. این پلتفرم به منظور بهبود مستقیم و غیرمستقیم عملکردهای IT (نظارت، اتوماسیون و میز خدمات) با بینش فعال، شخصی و پویا شکل گرفته است. فناوری AIOps امکان استفاده همزمان از چندین منبع داده، روش‌های جمع‌آوری داده، فناوری‌های تحلیلی و… را فراهم می‌کند.”

کاربرد هوش مصنوعی در فناوری اطلاعات

دنیا سریع‌تر از هر زمانی دیگری پیش می‌رود. امروزه ذهن افراد وجود هر گونه تعلل، در کارهای مختلف روزانه را پس می‌زند.

چه در زمان آشپزی، سفر و یا مکالمه تصویری با یک دوست و چه در زمان انجام کارهای اداری، همواره ذهن انسان به دنبال سرعت است.

با توجه به سریع‌تر شدن و هوشمندانه‌تر شدن کارهای مختلف، فناوری اطلاعات هم باید با پیچیدگی‌ها و نوآوری‌های جدید همگام شد.

کاربرد هوش مصنوعی در فناوری اطلاعات مزایای زیادی از جمله صرفه‌جویی در زمان، کاهش هزینه‌ها، بهبود خدمات مشتری، امنیت و بهینه‌سازی عملیات را به همراه دارد.

با شبیه‌سازی هوش انسانی در ماشین‌ها، بسیاری از فرآیندها خودکارسازی خواهند شد. این‌گونه کارمندان زمان بیشتری برای انجام امورات پیچیده‌تر دارند.

هوش مصنوعی توانایی یادگیری، استدلال، انطباق و انجام وظایف انسانی را دارد و قادر است با جمع آوری، انتقال، تجزیه‌وتحلیل و ارزیابی داده‌ها بهترین نتایج ممکن را تولید کند.

بسیاری از روش‌های مجهز به هوش مصنوعی، در طول زمان بهبود می‌یابند زیرا الگوریتم‌های آن‌ها از اشتباهات خود درس می‌گیرند و اثربخشی خود را بهبود می‌بخشند.

یادگیری ماشین، پردازش زبان طبیعی، یادگیری عمیق، و دیگر فناوری‌ها و الگوریتم‌های هوش مصنوعی، فناوری اطلاعات را به سمت عصر تحول بنیادین سوق می‌دهند:

مدیریت اتوماسیون خدمات و هوش مصنوعی

با استفاده از هوش مصنوعی، شرکت‌ها می‌توانند از منابع خود به طور موثرتری استفاده کنند. این‌گونه پاسخ‌دهی و تحویل خدمات بسیار سریع‌تر و با قیمت ارزان‌تری انجام می‌شود.

به عنوان مثال یادگیری ماشین، به شرکت‌های فناوری اطلاعات نوعی میز خدمات با قابلیت حل خودکار مسائل ارائه می‌کند.

این میز خدمات قادر است تا داده‌های ورودی و سابقه رفتار کاربر را تجزیه و تحلیل کنند سپس پیشنهادات و راه‌حل‌های مناسب را در اختیار کاربران قرار دهد.

هوش مصنوعی تمام درخواست‌های همزمان را درک می‌کند، درخواست‌های ارسال‌شده جدید را با درخواست‌هایی که قبلاً حل شده‌اند مقایسه می‌کند و بر اساس تجربه گذشته پیشنهاد می‌دهد.

هوش مصنوعی به عنوان یک ابزار تجاری قدرتمند، به تیم فناوری اطلاعات در فرآیندهای عملیاتی کمک می‌کند تا استراتژیک‌تر عمل کنند.

امنیت داده‌ها و هوش مصنوعی

امنیت داده‌ها در دنیای فناوری اطلاعات، از اهمیت حیاتی برخوردارند. حفظ امنیت داده‌های شخصی، مالی و محرمانه یکی از مهم‌ترین وظایف IT است.

معمولا سازمان‌های دولتی و خصوصی مقادیر زیادی از اطلاعات مشتریان و داده‌های استراتژیک را ذخیره می‌کنند که باید همیشه امن بمانند.

با استفاده از الگوریتم‌های پیشرفته و با استفاده از یادگیری ماشین، هوش مصنوعی می‌تواند سطح حفاظتی لازم را برای ایجاد لایه‌ای با امنیت بالا در همه این سیستم‌ها فراهم کند.

هوش مصنوعی به شناسایی تهدیدات بالقوه و نقض داده‌ها کمک می‌کند. همچنین راه‌حل‌ها و تمهیداتی را برای جلوگیری از ایجاد هر گونه حفره امنیتی فراهم می‌آورد.

کدنویسی و هوش مصنوعی

هوش مصنوعی از مجموعه‌ای از الگوریتم‌ها استفاده می‌کند که در هنگام شناسایی و غلبه بر باگ‌های نرم‌افزاری و نوشتن کد برای برنامه‌نویسان بسیار مفید است.

برخی از اشکال هوش مصنوعی به‌منظور ارائه پیشنهاداتی در مورد کدنویسی ایجاد شده‌اند تا به افزایش کارایی، بهره‌وری و ارائه کدی بدون اشکال کمک کنند.

هوش مصنوعی با نگاه کردن به ساختار کد، پیشنهادات مفیدی را ارائه دهد که نه تنها بهره‌وری کلی را بهبود می‌بخشد، بلکه به کاهش زمان از کار افتادگی در طول فرآیند تولید نیز کمک می‌کند.

یک سیستم هوش مصنوعی پیشرفته به زودی قادر خواهد بود تا چرخه توسعه نرم‌افزار را به تنهایی اجرا و مدیریت کند و همچنین ماهیت یک کد را درک نماید.

تضمین کیفیت و هوش مصنوعی

هوش مصنوعی به مهندسان نرم‌افزار، ابزارهای مناسبی جهت رفع خرابی‌ها و مشکلات مختلف در برنامه‌ها به صورت خودکار می‌دهد.

هر بار که یک تیم توسعه‌دهنده کد جدیدی را معرفی می‌کند، قبل از ورود کد موردنظر به بازار، باید آن را مورد آزمایش قرار دهند.

اگر تست رگرسیون نرم‌افزارها به صورت دستی و توسط کارشناسان IT انجام شود، تلاش و زمان زیادی را می طلبد.

با توانایی هوش مصنوعی برای تعیین الگوهای تکراری، این فرآیند آسان‌تر و سریع‌تر اجرا می‌شود.

درواقع هوش مصنوعی خطاهای انسانی را حذف می‌کند، زمان اجرای آزمایشات را کاهش می‌دهد و به راحتی نقص‌های احتمالی را شناسایی می‌کند.

همچنین هوش مصنوعی عملیات پیشبینی کیفیت را از طریق پردازش الگوهای رفتاری بر اساس مکان، دستگاه و جمعیت‌شناسی انجام می‌دهد.

اتوماسیون فرآیند و هوش مصنوعی

یکی از مزایای اصلی اتوماسیون این است که بسیاری از کارها را می‌توان با حداقل یا بدون دخالت انسان به انجام رساند.

با استفاده از برنامه‌های یادگیری عمیق در فناوری اطلاعات، می‌توان باعث صرفه‌جویی در هزینه‌ها و ساعات مصرفی شد.

تخمین زده می‌شود که به زودی یک سیستم هوش مصنوعی قادر خواهد بود تا توسعه نرم افزار را تا حد زیادی به تنهایی اجرا و مدیریت کند.

به‌طوری‌که این ماشین‌های هوشمند تا حدودی اهداف پشت یک کد را درک کرده و در صورت وجود هرگونه نقص یا ناهماهنگی آن را برطرف می‌سازد.

علاوه بر این، هوش مصنوعی فرآیندهای اجرا و مدیریت شبکه‌های شرکت را خودکار می‌کند.

هوش مصنوعی با قابلیت‌های ML خود می‌تواند در صورت بروز مشکل، آن‌ را پیدا کند و اقدامات لازم را برای بازگرداندن شبکه به حالت عملیاتی پایدار انجام دهد.

امروزه انسان‌ها و فرآیندهای دستی دیگر نمی‌توانند با نوآوری، تکامل، پیچیدگی و تغییر شبکه‌ همگام باشند.

تشخیص تقلب و هوش مصنوعی

اگرچه فناوری‌های جدید مزایای بی‌شماری را به دنبال داشته‌اند، اما به همان نسبت روش‌های ارتکاب کلاهبرداری توسط مجرمان سایبری نیز چند برابر شده است.

بنابراین استفاده از روش‌های تشخیص تقلب توسط هوش مصنوعی، علی‌الخصوص در دنیای فناوری اطلاعات بسیار مهم است.

هوش مصنوعی از یک رویکرد چند لایه‌ای به‌منظور کشف تقلب استفاده می‌کند، که معمولاً شامل تجزیه و تحلیل داده‌های آماری است.

یادگیری ماشین می‌تواند حجم زیادی از داده‌ها را با سرعتی بسیار سریع‌تر و دقتی فراتر از ذهن انسان پردازش کند.

بنابراین ابزارهای یادگیری ماشین می‌تواند الگوهای رفتار متقلبانه را با تحلیل داده‌های پیشین که شامل شرایط مشابه هستند، شناسایی کنند.

رسانه‌های اجتماعی و هوش مصنوعی

هوش مصنوعی قادر به پردازش و تجزیه و تحلیل حجم عظیمی از داده‌هایی است که از طریق رسانه‌های اجتماعی به‌دست می‌آیند.

بر اساس این داده‌ها، سیستم می‌تواند روند بازار و رفتار مشتری را پیش‌بینی کند و یک مزیت رقابتی را برای شرکت فراهم آورد.

تجزیه و تحلیل نقص و هوش مصنوعی

سیستم‌های هوش مصنوعی داده‌ها را پایش و تجزیه و تحلیل می‌کنند، سپس آن‌ها را با پارامترهای تجویز شده مقایسه می‌کنند.

اینگونه خطاها، مشکلات و یا مناطقی را که نیاز به توجه ویژه دارند، شناسایی کرده و هشدار می‌دهد.

هوش مصنوعی قادر به تجزیه و تحلیل عمیق خطاها، تعیین مناطق در معرض نقص و ارائه راه‌حل‌های ممکن برای بهینه‌سازی بیشتر است.

بهینه‌سازی سرور و هوش مصنوعی

سرور میزبان روزانه توسط میلیون‌ها درخواست بمباران می‌شود. در واقع سرور باید صفحات وب را که توسط کاربران درخواست می‌شود باز کند.

به دلیل جریان مداوم درخواست‌ها، برخی از سرورها ممکن است پاسخگو نباشند و در درازمدت کند شوند. ولی هوش مصنوعی می‌تواند به بهینه‌سازی سرویس میزبان کمک کند.

مزایای کاربرد هوش مصنوعی در فناوری اطلاعات

یکی از مهم‌ترین مزیت‌های هوش مصنوعی در IT این است که هرگز نمی‌خوابد. این کامپیوترهای هوشمند، برخلاف کارمندان، تایم استراحت ندارند.

از طرفی خودکارسازی سیستم‌های کاری باعث آزادی فکری بیشتر و شکوفایی خلاقیت‌ها در انجام امورات پیچیده‌تر خواهد شد.

اینگونه می‌شود با ارتقا توانایی‌های نیروهای انسانی، چرخه انجام کارهای تکراری و بالقوه را از دوش آن‌ها برداشت.

از دیگر مزایای کاربرد هوش مصنوعی در IT، می‌توان به محیط زیست سبز و هوای پاک اشاره کرد. چراکه در طی فرآیند اتوماسیون، نیاز به حمل و نقل درون شهری کاهش خواهد یافت.

و اما مهم‌ترین مزیت این فناوری، افزایش سرعت انجام امور و پاسخ‌دهی‌ها و امنیت بالای اطلاعات است.

تمام این مزایا باعث شده اند که 61 درصد از موسسات بازاریابی، هوش مصنوعی را مهم‌ترین بخش استراتژی خود در نظر بگیرند.

هوش مصنوعی باعث کاهش 70 تا 80 درصدی در زمان تماس‌ها، 50 درصد افزایش در کشف سرنخ نیاز مشتری‌ها و کاهش 40 تا 60 درصدی هزینه‌ها می‌شود.

حدود 75 درصد از شرکت‌ها معتقدند که این فناوری به آنها اجازه می‌دهد تا به سمت کسب‌وکارها و سرمایه‌گذاری‌های جدید حرکت کنند.

پیش بینی می‌شود که تا سال 2025 ارزش بازار هوش مصنوعی به 190 میلیارد دلار برسد.

معایب کاربرد هوش مصنوعی در فناوری اطلاعات

یکی از مهم‌ترین معایبی که به کاربرد هوش مصنوعی در IT و به طور کلی به فناوری هوش مصنوعی وارد می‌شود، حذف بشر است.

یکی از دلایل اصلی عدم تمایل برخی از سازمان‌ها به پیاده‌سازی هوش مصنوعی این است که می‌ترسند این فناوری، بسیاری از مشاغل را منسوخ کند.

این نگرانی چندان بی‌اساس نیست، چراکه در بسیاری از زمینه‌ها، هوش مصنوعی بسیار بهتر از هوش انسان عمل می‌کند.

در طول تاریخ همواره شاهد پیشرفت‌های علمی در زمینه‌های مختلف بوده‌ایم و در نتیجه مشاغل قدیمی با مشاغل جدید جایگزین شده‌اند.

همچنین در بسیاری از مواقع هوش مصنوعی در رکاب هوش انسانی قرار می‌گیرد و نقش مکمل همدیگر را ایفا می‌کنند.

مثلا زمانی که نگرانی حذف رانندگان کامیون به علت پیشرفت کامیون‌های خودران به اوج خود رسیده بود، مدیران عامل Waymo و اوبر این نگرانی را بی‌اساس دانستند.

چراکه این کامیون‌های خودران در شرایطی از قبیل بارندگی و ترافیک شدید، به میزان اثربخشی رانندگان انسانی عمل نمی‌کردند. در نتیجه مکمل هم بودند.

از طرفی نوظهور بودن این تکنولوژی باعث می‌شود که حدود 37 درصد از مدیران به آن اعتماد نداشته باشند و یا روش کار آن را ندانند.

همچنین از آن‌جایی که الگوریتم‌های هوش مصنوعی توسط انسان‌ها طراحی می‌شوند، ممکن است مغرضانه یا متعصبانه عمل کنند.

به عنوان مثال ممکن است برخی از اعمال تروریستی یا هک به سرعت نور، توسط این ماشین‌های هوشمند تغذیه شوند.

مثال‌هایی از کاربرد هوش مصنوعی در فناوری IT

هوش مصنوعی می‌تواند ارتباطات خودکار با مشتریان و کارمندان برقرار کند. چت‌بات‌ها روش بسیار محبوبی برای استفاده از هوش مصنوعی برای افزایش خدمات مشتری هستند.

ربات‌های چت به‌منظور ساده‌سازی و سازماندهی درخواست‌های مشتریان استفاده می‌شوند تا به سریع‌ترین و مناسب‌ترین پاسخ دست یابند.

کاربرد پردازش زبان طبیعی یا NLP در دنیای IT بسیار رایج است. به عنوان مثال از دستیار مجازی سیری می‌توان نام برد.

این دستیار هوشمند با شنیدن نام مادر، به مخاطبان شما دسترسی پیدا کرده و با مادر تماس می‌گیرد. یا با شنیدن جمله بیست دلار برای سوزان بفرست، این کار را انجام می‌دهد.

از دیگر رایج‌ترین کاربردهای تکنیک‌های NLP می‌توان به موتورهای جستجوی آنلاین، دستیارهای صوتی، فیلترهای ایمیل، ربات‌های گفتگو، تصحیح خودکار و متن پیش‌بینی‌کننده، اتوماسیون پردازش بازخورد مشتری و غیره اشاره کرد.

برخی از مهم‌ترین کاربردهای هوش مصنوعی در فناوری اطلاعات از این قرارند:

• BERT یا نمایش‌های رمزگذار دو جهته، توسط هوش مصنوعی گوگل، توسعه داده شده است. BERT برای پاسخ دادن به سؤالات، شناسایی نهادهای نامگذاری شده، و سایر وظایف مربوط به درک زبان (مانند چت‌بات‌ها، تجزیه و تحلیل مشتری و جستجوی اطلاعات مربوطه) استفاده می‌شود.

• XLNet یک روش اتورگرسیو است که قادر به تکمیل 18 کار NLP (مانند چت‌بات‌ها، پاسخ به سوالات مشتریان، تجزیه و تحلیل احساسی و جستجوی اطلاعات مربوطه) می‌باشد.

• RoBERTa نسخه قوی‌تر BERT می‌باشد که به طور مشترک توسط فیس بوک AI و دانشگاه واشنگتن توسعه یافته است. RoBERTa بر اساس معیار ارزیابی درک عمومی زبان (GLUE) که در سیستم‌های گفتگو اجرا می‌شوند اموراتی مانند پاسخ به سوالات، طبقه بندی اسناد و…، را از BERT بهتر انجام می‌دهد.

• ELECTRA یا رمزگذار یادگیری کارآمد، یک روش پیش‌آموزشی با نظارت شخصی است که برای تشخیص نشانه‌های ورودی «واقعی» از «جعلی» توسط شبکه عصبی استفاده می‌شود.

• GPT2 و GPT3 یا ترانسفورماتور از پیش آموزش دیده مولد، یک مدل زبان خودرگرسیون پیشرفته است که توسط آزمایشگاه Open AI ایجاد شده است. این ترانسفورماتورها از 175 میلیارد پارامتر برای انجام طبقه بندی متن، پاسخ به سؤال، تجزیه و تحلیل احساسی، خلاصه سازی متن و ترجمه استفاده می‌کنند.

• GitHub Copilot برنامه‌ای است که از GPT3 پشتیبانی می‌کند و کد را به طور خودکار می‌نویسد.

در این مقاله سعی داشته‌ایم تا خدمات متنوع هوش مصنوعی در IT را بررسی کنیم. دیدیم که جایگاه هوش و خرد انسان همواره ثابت است و فقط از عمل‌گرایی به سمت ذهن‌گرایی می‌رود.

به‌طوری‌که انسان پس از این قادر است با فراق بال بیشتری دست به اکتشافات و اختراعات جدید بزند.

مهم: جهت آشنایی با رایانش ابری، مقاله تعریف رایانش ابری به زبان ساده را مطالعه کنید.

سرویس ژوپیتر ابر فردوسی

در حال حاضر شرکت رایانش ابری فردوسی با ارائه سرویس ژوپیتر لب با نازل‌ترین قیمت‌ها، گام بلندی در راستای پیشرفت هوش مصنوعی در ایران برداشته است. جهت استفاده کلیک نمایید:

مطالب بیشتر