اینترنت اشیا و هوش مصنوعی راهکاری برای تکامل

یکی از پیشرفت‌های عمده عصر دیجیتال، تولید انبوه داده است. مردم کم‌کم در حال فهمیدن ارزش واقعی داده و تشبیه آن به نفت اند. دو گونه داده وجود دارد: داده عمومی و داده خصوصی.

اینترنت، بزرگ‌ترین چاه نفت از داده‌های عمومی بوده و به‌علت گسترش دائمش، یکتاست. داده‌های خصوصی بیشتر روی سرورهای خصوصی، مخصوصا سرویس‌های ابری، متمرکز شده‌اند و حاوی اطلاعات حساس شخصی اند. دور از انتظار نیست که غول‌های فناوری دنیا بیشترین داده را در اختیار دارند، شرکت‌هایی مانند گوگل، فیسبوک، آمازون و بایدو (Baidu).

امروزه بیشتر داده‌ها ازطریق اپلیکیشن‌ها جمع‌آوری می‌شوند، برای مثال گوگل از نتایج جست‌وجو، فیسبوک از پروفایل‌های اجتماعی و آمازون از عادات خرید کاربرانش. شرکت‌ها با عرضه اپلیکیشن‌های کاربردی، توجه کاربران را جلب کرده و داده‌های آن‌ها را جمع‌آوری می‌کنند.

برای دستیابی به هوشی که قابلیت تصمیم‌گیری سریع مانند انسان‌ها باشد، باید دسترسی به داده‌ها به‌طور آنی (Real-time) فراهم باشد. تا چند وقت اخیر دسترسی به داده‌های بلافاصله دشوار بوده اما امروزه به کمک نوآوری‌هایی در سنسورها و محرک‌ها، داده‌ها بیشتر از همیشه به واقعیت نزدیک شده‌اند. امروزه برای سنجش تقریبا هرچیزی حسگر وجود دارد. دما، مکان، سرعت، شتاب، عمق، فشار، کیفیت هوا، رنگ، اسکن تصویر، اسکن صدا، بیومتریک، میدان الکتریکی و مغناطیسی همگی از مواردی‌اند که امروزه با سنسورها قابل سنجش‌اند.

انواع مختلف حسگرهای امروزی

برای تحقق اقتصاد خودمختار نیاز به طوفانی از داده‌های آنی است. تنها راه کارایی این اقتصاد، پاسخ سریع و صحیح به این اطلاعات است. قابلیت نظارت بر جزيیات پیچیده داده‌ها سطوح بسیاری داشته و هنوز به تولید انبوه نرسیده‌است. به‌طور اساسی، هر چیز فیزیکی و غیرفیزیکی به‌صورت داده‌های آنلاین در وب و با نام اینترنت اشیا، قرار خواهد گرفت.

داده‌های خام به اندازه سازوکارهای تحلیل آن مهم است اما بدون تحلیل صحیح، اپلیکیشن‌ها مانند حیوانات از برنامه از پیش تعیین‌شده خود پیروی می‌کنند. ازاین‌رو هوش مصنوعی بخش مهمی از اتوماسیون اقتصاد را تشکیل خواهد داد.

هوش مصنوعی (Artificial Intelligence)

داده، سوخت هوش است و مغز موتوری است که داده‌ها را به داده‌های قبلی ارتباط داده‌، آن‌ها را دسته‌بندی کرده، تصمیم گرفته و عملی را در جهان واقعی رقم می‌زند. مغز آدمی بسیار فراتر از حد تصور قدرتمند و هنوز هم معمایی نزد دانشمندان است. مغز عضوی است که با تکیه بر توانایی شناختی (cognitive) خود تفاوت واقعی میان انسان و سایر گونه‌های حیوانی را ایجاد می‌کند. به همین دلیل ساخت فناوری مشابه مغز انسان بسیار پیچیده بوده و زمان بسیاری می‌طلبد. با این وجود، شاهد پیشرفت‌های چشمگیری در زمینه هوش مصنوعی بوده‌ایم. این پیشرفت‌ها به نرم‌افزارها اجازه دادند تا به‌گونه‌ای رفتار مغز انسان را تقلید کنند.

بنابر نظر آدلین ژو، یکی از پیش‌گامان هوش مصنوعی و مدیر بازاریابی شرکت چین‌لینک (Chainlink)، چند نوع هوش مصنوعی وجود دارد:

  •  رفتار – سیستم‌هایی که براساس قوانین رفتار می‌کنند مانند شناساگر دود یا کروز کنترل
  • پیش‌بینی – سیستم‌هایی که قادر به تحلیل داده‌ها و تولید پیش‌بینی‌های محتمل هستند مانند تبلیغات هوشمند یا محتوای پیشنهادی
  • یادگیری – سیستم‌هایی که براساس پیش‌بینی‌ها تصمیم می‌گیرند مانند خودروهای خودران که براساس داده‌های ورودی حسگرها عمل می‌کنند
  • خلق – سیستم‌هایی که برمبنای داده‌ها خلق می‌کنند، مانند خلق یک اثر هنری، معماری ساختمان، خلق موسیقی
  • ارتباط – سیستم‌هایی که احساسات را ازطریق تحلیل حالات صورت، متن، صدا و زبان بدن متوجه می‌شوند، مانند اپلیکیشن تبدیل صدا به متن و اسکن صورت
  • تسلط – سیستم‌هایی که هوش را بین دامنه‌ها منتقل می‌کنند، مانند شناسایی چهار تصویر متفاوت که ایده و پیام یکسانی دارند
  • تکامل – سیستم‌هایی که می‌توانند خود را در سطح نرم‌افزار یا سخت‌افزار ارتقا دهند، مانند انسان‌هایی که بتوانند در آینده هوش را روی مغز خود دانلود کنند

ایده اصلی این است که نرم‌افزار قادر به دریافت داده جدید، پردازش آن متناسب با پایگاه داده‌ای از اطلاعات ذخیره شده، اتخاذ تصمیمات، دریافت بازخورد و یادگیری از بازخوردها باشد. کل این فرایند چیزی بیش از یک الگوریتم نرم‌افزاری نیست اما این الگوریتم می‌تواند خود را بهبود بخشیده تا تعامل خود با داده را افزایش بخشد. پس چندان جای شگفتی نیست که در حال حاضر تمرکز اصلی صاحب بیشترین داده روی زمین، گوگل، هوش مصنوعی است.

شاید بیشتر مردم استریم موسیقی از پاندورا یا ویدیوهای پیشنهادی یوتیوب را هوش مصنوعی ندانند اما این‌ها دقیقا هوش مصنوعی اند. سرورهای یوتیوب تعداد بسیاری ویدئو روی پلتفرم خود دارد، کاربران روی ویدیوهایی که خواهان تماشا هستند کلیک کرده و به آن ویدیوها بازخورد می‌دهند (لایک، دیسلایک، زمان تماشا و …). هوش مصنوعی این اطلاعات را دریافت کرده و از آن برای به‌روزرسانی الگوریتم نرم‌افزاری خود استفاده می‌کند. هوش مصنوعی می‌تواند براساس فعالیت شما، کاربران با سلیقه مشابه شما را پیدا کرده و ویدیوهای بهتری را به شما پیشنهاد دهد. این الگوریتم خودتکامل‌دهنده براساس داده ورودی تغییر می‌کند. به این نوع از هوش مصنوعی، یادگیری ماشین (machine learning) اطلاق می‌شود.

برخی از پیشرفت‌های اخیر از سوی توسعه شبکه‌های عصبی به‌کار رفته در یادگیری عمیق، حاصل شده‌ است. شبکه‌های عصبی زیرشاخه‌ای از یادگیری ماشین اند که پیرامون الگوریتم‌های مدل‌یافته براساس مغز انسان شکل گرفته‌اند. ویژگی بارز به کار رفته در این مدل‌ها، توانایی شناخت الگوها و دسته‌بندی اطلاعات با قیاس آن‌ها با اطلاعات موجود است. یادگیری عمیق نوعی از شبکه عصبی بوده که دارای لایه‌هایی مبتنی بر مفاهیم مرتبط یا درخت‌های تصمیم‌گیری است. پاسخ یکی از سوالات منجر به ایجاد سوالی عمیق‌تر و مرتبط‌تر شده و تا شناخت کامل داده این عمل ادامه خواهد داشت.

ایده اصلی این است که نرم‌افزاری طراحی شود تا به‌جای تداخلات انسانی، مبتنی بر داده تصمیم‌گیری کند. پلتفرم‌های نرم‌افزاری امروزی اعمال ساده‌ای را به نسبت ورودی خود به انجام می‌رسانند، اما سیستم‌های هوش مصنوعی می‌توانند اعمال بسیار پیچیده‌تری را بر تعداد بسیاری بیشتری ورودی انجام دهند. بسیاری از عوام با شنیدن هوش مصنوعی یک ربات در ذهنشان نقش می‌بندد اما کلید اصلی هوش مصنوعی در نرم‌افزار آن است؛ یک بدن بدون مغز چه ارزشی دارد؟

شرکت‌ها هر روز بیشتر به اهمیت هوش‌مصنوعی و فناوری‌های مرتبط با آن، پی می‌برند. بسیاری از شرکت‌ها از هوش مصنوعی برای افزایش بهره‌وری خود استفاده می‌کنند. برای مثال SAP HANA، یک پایگاه داده هوشمند که توانایی دریافت انواع مختلف داده‌ها، پردازش آن‌ها و تشخیص ناهنجاری‌ها (anomaly) را دارد. شرکت‌هایی مانند والمارت از SAP HANA به‌دلیل توانایی آن در پردازش حجم بسیار بالای تراکنش‌ها در تنها چند ثانیه، بهره می‌برند. SAP HANA نه‌تنها هزینه‌ها را به‌علت کاهش چشمگیر نیروی کار مورد نیاز، کاهش داده بلکه به پیش‌بینی بودجه مورد نیاز هم کمک شایانی می‌کند.

دولت ها هم از فناوری هوش مصنوعی برای ارتقا شهرها استفاده می‌کنند. یک نمونه، سیستم حمل‌و‌نقل پیتسبورگ (شهری صنعتی در جنوب غربی پنسیلوانیا) است. در این سیستم به‌جای بهره بردن از چرخه‌های از پیش تعیین‌شده، چراغ‌های راهنمایی به حسگرهایی مجهز شده‌اند که بر ترافیک نظارت داشته و به‌طور آنی برنامه خود را براساس ترافیک تنظیم می‌کند تا کارایی به بالاترین حد خود برسد. این موضوع در شهرهایی که خودروهای خودران در حال آزمایش بسیاری وجود دارد، نیز رخ می‌دهد. این خودروها از سنسورهای راهنمایی و رانندگی اطلاعات دریافت کرده و از آن برای عمل دقیق‌تر خود استفاده می‌کنند.

5 راه برای هوشمند کردن هتل
ظهور اینترنت اشیا و ادغام با خانه هوشمند