آیا هوش مصنوعی به نقطه اوج خود رسیده است؟ چالشهای داده در عصر اطلاعات
تجارت در عصر اطلاعات تاکنون سفری طولانی برای جمعآوری هرچه بیشتر دادهها بوده است. دادههای مشتریان، دادههای فروش، دادههای موجودی، دادههای سیستمی، دادههای عملیاتی، دادههای فنی؛ هر جنبهای از کسبوکار قابل ردیابی و اندازهگیری شده است، با این ایده که هرچه بیشتر بدانیم، تصمیمگیری سریعتر و دقیقتر خواهد بود.
اما در عمل، این فرآیند به وضوح با یک مانع مواجه شده است. بسیاری از شرکتها پروژههای هوش مصنوعی خود را کنار گذاشتهاند، زیرا متوجه شدهاند که انفجار بیپایان تولید دادهها، ارزش قابل قیاسی ایجاد نمیکند.
آیا هوش مصنوعی به اوج خود در بهرهوری رسیده است؟ یا مسئله به عدم هماهنگی و تعامل سیستمها برمیگردد؟ چرا این روند بزرگ با چنین چالشی مواجه شده است؟
- —
انتظار شفافیت از مقیاس بزرگتر
کاملاً منطقی است که فرض کنیم تغذیه اطلاعات بیشتر به هوش مصنوعی، دقت و کیفیت خروجی را افزایش میدهد. مدلهای هوش مصنوعی برای یادگیری به داده نیاز دارند؛ زیرا این دادهها هستند که به آنها منطق و استدلال میدهند. اما، همانطور که در هر سیستم کامپیوتری دیگر دیده میشود، ورودیها باید ساختارمند باشند تا قابل درک باشند.
مشکل بسیاری از سازمانها این است که حجم عظیمی از دادههای غیرساختاریافته، ناقص و بدون استاندارد را به هوش مصنوعی دادهاند و انتظار دارند که خودش معنای این دادهها را کشف کند.
هر سیستمی که یک شرکت استفاده میکند، از سیستمهای مدیریت ارتباط با مشتری (CRM) گرفته تا ایمیلهای داخلی، صفحات گستردهی گزارش عملکرد و فایلهای PDF، دادههای متفاوتی را ذخیره میکند و بر اساس منطقهای کاملاً متفاوت عمل میکند. چرا این دادهها ذخیره شدهاند، چگونه ذخیره شدهاند و هدف از ذخیرهسازی آنها چیست؟ همه اینها تصمیماتی هدفمند بودهاند که بر اساس عملکرد مورد نظر سیستم گرفته شدهاند.
در حالی که برخی سیستمها گزینههای واردات و صادرات داده را ارائه میدهند که دادهها را از یک فرمت به فرمت دیگر ترجمه میکند، توسعهدهندگان این راهحلها هرگز نیاز به منطق جهانی برای هماهنگ کردن همه چیز را پیشبینی نکردهاند. هر سند و مجموعه داده تنها بخشی از تصویر کلی را نشان میدهد. در نتیجه، هوش مصنوعی با وجود توانایی بالا در پردازش دادهها، نمیتواند معنای دادههای غیرساختاریافته را بهخوبی درک کند و آنها را در خروجی خود بگنجاند.
- —
نمونهای از مشکل تکهتکه شدن دادهها
ما تا حد زیادی مشکل دسترسی به دادهها را حل کردهایم، تا جایی که بسیاری از مدلهای عمومی هوش مصنوعی دیگر داده جدیدی برای یادگیری ندارند و اکنون خروجیهای سایر مدلها را بازتولید میکنند. گام بعدی در بهینهسازی استفاده از دادهها توسط هوش مصنوعی است.
صنعت املاک و مستغلات نمونهای عالی از این فرآیند در عمل است. برای ارزیابی و فهرستبندی یک ملک، عوامل مختلفی مانند سوابق مالکیت، اطلاعات منطقهبندی، دادههای محیطی و جمعیتشناسی محله مورد نیاز است. هیچیک از این سیستمها برای ارتباط یا همکاری طراحی نشدهاند، به همین دلیل هوش مصنوعی تاکنون در این صنعت با چالشهای زیادی مواجه بوده است.
اما رویکردهای جدیدتر، بر توانایی یافتن، تفسیر و ترکیب اطلاعات از منابع مختلف تمرکز دارند و به تحلیلگرانی که قبلاً این جستجوها را بهصورت دستی انجام میدادند، کمک میکنند. تکهتکه شدن و جداسازی دادهها فرآیند تصمیمگیری را کند میکند و هر سیستمی که بتواند این مشکل را حل کند، در آینده ارزش بیشتری خواهد داشت.
- —
هر صنعت نسخهای از این مشکل را دارد
هر صنعتی با نسخهای از این چالش روبهرو است: دادههای فراوان در دسترس است، اما راه معناداری برای تبدیل آن به بینشهای عملی وجود ندارد. استفاده از ابزارهای هوش مصنوعی بهصورت کلی و بدون توجه به روندهای خاص، لزوماً این مشکلات اساسی را حل نمیکند. بنابراین، تعجبآور نیست که بسیاری از شرکتها پروژههای هوش مصنوعی خود را متوقف کردهاند.
برای حل این مشکل، نیاز به مدلهایی است که بر زمینه و ارتباط دادهها تمرکز کنند و شرکتها نیز باید توجه بیشتری به نحوه ذخیره و فرمتبندی دادههای خود داشته باشند. تنها در این صورت میتوان بر چالشهای بهرهوری و بینشهای تصمیمگیری که هوش مصنوعی امروز با آنها مواجه است، غلبه کرد.
- —
غلبه بر مشکل اضافهبار اطلاعات
چالشهای فعلی هوش مصنوعی نمونهای کلاسیک از خطرات اولویتبندی کمیت بر کیفیت هستند. البته، نمیتوان کاربران را بهتنهایی مقصر دانست؛ شرکتهای سازنده این ابزارها نیز در این وضعیت نقش دارند.
فناوری هنوز در مراحل ابتدایی خود قرار دارد و تبلیغات بازاریابی همچنان مقیاس و قدرت پردازش را بهعنوان ویژگیهای کلیدی معرفی میکنند، در حالی که جنبههای بسیار ارزشمندتر مانند درک زمینهای و یکپارچهسازی دادهها کمتر مورد توجه قرار میگیرند.
این روند احتمالاً با افزایش داستانهای موفقیتآمیز تغییر خواهد کرد؛ داستانهایی که مزایای رقابتی خودکارسازی فرآیندهای دستی و زمانبر را برجسته میکنند، همانطور که در صنعت املاک و مستغلات با تحقیق در مورد املاک دیده شده است.
توانایی درک عمیقتر و جامعتر دادهها همان چیزی است که بیشترین بینشهای پشتیبان تصمیمگیری را ارائه میدهد.
- —
مشارکت در TechRadar Pro
این مقاله بهعنوان بخشی از بخش Perspectives وبسایت TechRadar Pro تولید شده است. این بخش به معرفی بهترین و درخشانترین ذهنهای صنعت فناوری امروز میپردازد. دیدگاههای مطرحشده در اینجا، لزوماً دیدگاههای TechRadar Pro یا Future plc نیستند. اگر علاقهمند به مشارکت هستید، اطلاعات بیشتر را اینجا پیدا کنید.
📌 منبع: TechRadar | 📅 1405/06/02
