وقتی هوش مصنوعی به دنیای واقعی می‌رسد
عملکرد موفق یک سرویس هوش مصنوعی در محیط آزمایشگاهی لزوماً به معنای عملکرد مناسب آن در محیط واقعی سازمان نیست. سازمان‌ها برای بهره‌برداری مؤثر از این فناوری باید الزامات زیرساختی، پایداری و پایش مستمر آن را نیز در نظر بگیرند.
رها آسمانی، مدیر پلتفرم هوش مصنوعی ابرآمد، در گفت‌وگو با کاماپرس از چالش‌های استقرار هوش مصنوعی در سازمان‌ها می‌گوید.
امروز بسیاری از سازمان‌ها به دنبال استفاده از هوش مصنوعی و راهکارهای مبتنی بر این فناوری هستند. به نظر شما مهم‌ترین چالشی که در مسیر استفاده از هوش مصنوعی و ورود آن به سازمان‌ها وجود دارد، چیست؟
یکی از مهم‌ترین موضوعاتی که سازمان‌ها باید حتماً به آن توجه کنند، این است که یک سرویس هوش مصنوعی وقتی در محیط آزمایشگاهی عملکرد خوبی دارد، لزوماً در محیط نهایی هم به همان خوبی عمل نمی‌کند. میان سرویس اولیه تولیدشده و سرویسی که در محیط اجرایی قرار می‌گیرد، فاصله وجود دارد.
سرویسی که در محیط آزمایشی عملکرد بسیار خوبی داشته یا حتی عالی عمل کرده است، ممکن است پس از ورود به محیط اصلی، شرایط متفاوتی را تجربه کند. در محیط واقعی، صدها کاربر به سرویس متصل می‌شوند، سرویس با داده‌های واقعی سازمان سروکار دارد و وارد فرآیندهای کسب‌وکار می‌شود. در چنین شرایطی، ممکن است دیگر مانند قبل عمل نکند و همه‌چیز متفاوت شود.
در اینجا مدیران باید به چند موضوع مهم توجه کنند و پرسش‌ها و نگرانی‌هایی داشته باشند که لازم است بررسی و برای حل آن‌ها اقدام کنند. برای مثال، آیا این سرویس در مقیاس بالا، با تعداد زیادی کاربر و در شرایط استفاده گسترده، همچنان عملکرد خوبی خواهد داشت یا خیر؟ آیا از نظر اقتصادی توجیه‌پذیر است؟
همچنین می‌دانیم که سرویس‌های هوش مصنوعی عموماً مبتنی بر احتمالات هستند و پاسخ‌های قطعی ارائه نمی‌دهند. بنابراین، باید بررسی کنیم که آیا می‌توانیم به پاسخ‌های این سرویس اعتماد کنیم یا خیر. از همه مهم‌تر، باید بدانیم چه اتفاقی برای امنیت داده‌های سازمان می‌افتد.
نکته مهم این است که نباید صرفاً به هوشمند کردن سازمان فکر کنیم. تولید محصولات هوش مصنوعی به‌تنهایی لزوماً پاسخ مناسبی نیست؛ این سرویس باید بتواند در محیط سازمان عملکرد خوبی داشته باشد و قابل اتکا و اعتماد باشد.
ابرآمد کارگاهی با عنوان «پشت صحنه محصولات هوش مصنوعی همکاران سیستم» برگزار می‌کند. در این کارگاه دقیقاً قرار است چه اتفاقی بیفتد و به کدام‌یک از چالش‌هایی که اشاره کردید، پاسخ داده می‌شود؟
تمرکز ما در این کارگاه بر تمام چالش‌های زیرساختی و ملاحظاتی است که باید برای یک سرویس هوش مصنوعی در لایه اجرا در نظر بگیریم. یکی از موضوعات این است که چگونه می‌توانیم از داده‌ها استفاده کنیم و آن‌ها را به سرویس هوش مصنوعی بدهیم، به‌گونه‌ای که امنیت داده‌های سازمان به خطر نیفتد. موضوع دیگر این است که چگونه سرویس هوش مصنوعی را در مقیاسی قرار دهیم که بتواند به تعداد زیادی کاربر پاسخ‌گویی مناسبی داشته باشد.
درباره موضوعات مختلفی از این دست، از جمله امنیت، پایداری و مقیاس‌پذیری، صحبت می‌کنیم. علاوه بر این، به این موضوع می‌پردازیم که چگونه یک سرویس هوش مصنوعی می‌تواند از پاسخ‌گویی صرف به پرسش‌ها فراتر برود و به سرویسی تبدیل شود که در فرایندهای سازمان به‌صورت مؤثر نقش داشته باشد و کارکرد واقعی پیدا کند.
هدف ما این است که مخاطبان در پایان این ارائه و کارگاه، دید روشنی داشته باشند از اینکه اگر قرار است یک سرویس هوش مصنوعی در سازمان آن‌ها مستقر شود، چه الزامات و ملاحظات زیرساختی باید در نظر گرفته شود و این سرویس در محیط اجرایی چه نیازمندی‌های خاصی دارد.
ابرآمد دقیقاً کدام بخش از این چالش‌ها را برطرف می‌کند؟
کارکرد اصلی ابرآمد این است که یک بستر فنی، پلتفرم و زیرساخت هوش مصنوعی برای تمام سرویس‌های هوشمند همکاران سیستم و سرویس‌هایی که در آیند ارائه خواهند شد، فراهم می‌کند.
ابرآمد سرویس‌هایی را که تیم‌های مختلف هوش مصنوعی در همکاران سیستم ساخته‌اند، به سرویس‌هایی واقعاً قابل اتکا تبدیل می‌کند. این پلتفرم به تأمین امنیت آن‌ها کمک می‌کند و امکان پایش مداوم را فراهم می‌آورد؛ موضوعی که در حوزه هوش مصنوعی بسیار مهم است و با نرم‌افزارهای معمول تفاوت دارد.
ماهیت سرویس‌های هوش مصنوعی به‌گونه‌ای است که ممکن است پس از مدتی کیفیت پاسخ‌های آن‌ها افت کند. به همین دلیل، پایش این سرویس‌ها اهمیت زیادی دارد. ابرآمد همچنین کمک می‌کند این سرویس‌ها در مقیاس بالا پاسخ‌گو باشند و پایداری خود را حفظ کنند. مجموع این قابلیت‌ها در قالب یک پلتفرم هوش مصنوعی به تمام همکاران سیستم ارائه می‌شود تا سرویس نهایی مناسبی ساخته شود که برای مجموعه همکاران سیستم و مشتریان آن قابل اعتماد باشد.
به نکته‌ای اشاره کردید که ممکن است کیفیت پاسخ‌های هوش مصنوعی پس از مدتی افت کند. آیا این موضوع در ذات خود هوش مصنوعی است یا به داده‌هایی مربوط می‌شود که در اختیار آن قرار دارد؟
اتفاقی که می‌افتد این است که هوش مصنوعی با داده‌های دنیای واقعی در ارتباط است و با آن‌ها کار می‌کند. داده‌های دنیای واقعی بخشی از زندگی روزمره ما هستند و ممکن است در طول زمان تغییر کنند.
فرض کنید در یک کارخانه، سنسورهایی وجود دارند که اطلاعات مربوط به وضعیت دستگاه‌های کارخانه را دریافت می‌کنند. قرار است بر اساس این اطلاعات، بررسی‌هایی انجام شود و پیش‌بینی کنیم که چه زمانی قرار است این دستگاه جابه‌جا شود. پس از مدتی، نوع سنسورها تغییر می‌کند و نوع داده‌هایی که تولید می‌کنند متفاوت می‌شود. در نتیجه، مدلی که تا دیروز عملکرد خوبی داشت، ممکن است امروز دیگر به همان خوبی عمل نکند.
همچنین، می‌توانیم موضوع را از زاویه دیگری بررسی کنیم. در کارخانه‌ها یک‌سری اصول و قوانین وجود دارد. فرض کنید اگر میزان ارتعاش یک دستگاه از حد مشخصی بالاتر برود یا دمای آن از یک حد استاندارد عبور کند، باید دستگاه تعویض شود. حالا اگر این استاندارد تغییر کند و مثلاً دمای مجاز از ۸۰ به ۷۰ برسد، مدل دیگر نمی‌تواند مانند قبل عملکرد مناسبی داشته باشد و باید دوباره آموزش ببیند.
در واقع، رفتار مدل باید متناسب با دنیای واقعی باشد. از آنجا که دنیا در حال تغییر است، رفتار مدل نیز ممکن است تغییر کند. به همین دلیل، باید عملکرد آن را به‌طور مستمر پایش کنیم و در صورت نیاز، مدل را به‌روزرسانی و دوباره آموزش دهیم.
چهارمین رویداد «باهم 1405» همکاران سیستم از 6 آبان آغاز شد و تا 9 آبان در محل نمایشگاه بین‌المللی تهران ادامه دارد. همکاران سیستم در سالن اختصاصی 41 میزبان مدیران، فعالان اقتصادی، دانشجویان و علاقه‌مندان حوزه فناوری است.
انتهای پیام
مرتبط با:
