همانطور که هوش مصنوعی همچنان به گسترش دسترسی خود در صنایع ، عوامل هوش مصنوعی – به ویژه موارد همه کاره که قادر به انجام کارهای متنوع هستند – ادامه می دهد. نقش خود را به عنوان ابزارهای اساسی برای فردا تحکیم می دهندبشر این عوامل پیشرفته در زمینه های مختلف فعالیت می کنند ، فراتر از تجزیه و تحلیل داده های اساسی برای مدیریت تعامل پیچیده کاربر ، درک زمینه ، استفاده از ابزارهای نرم افزاری مختلف و ایجاد بینش های عملی. کوپیلوت مایکروسافت این روند را با قدرت نشان می دهد. این دستیار هوش مصنوعی به طور گسترده در سراسر مجموعه ، ویندوز و سایر سیستم عامل های Microsoft 365 ، به کاربران کمک می کند تا محتوا را تهیه کنند ، داده های پیچیده را تجزیه و تحلیل کنند ، اطلاعات را خلاصه کنند و طیف گسترده ای از کارهای دیجیتالی روتین را به صورت خودکار انجام دهند.
این به وضوح پتانسیل عوامل هوش مصنوعی را برای بهینه سازی چشمگیر گردش کار ، افزایش بهره وری و ساده سازی تجربه کاربر نشان می دهد. مطابق آمار، بازار جهانی اطلاعات مصنوعی در سال 2024 از 184 میلیارد دلار فراتر رفت و پیش بینی می شود تا سال 2030 از 826 میلیارد دلار فراتر رود. فناوری های هوش مصنوعی در حال تغییر شکل مجدد فرآیندهای کاری هستند و آنها را مؤثرتر و سازگار تر می کند. اما بعد چیست؟ ما این موضوع را با اولکساندر خدورکوفسکی ، یک متخصص در زمینه هوش مصنوعی و بنیانگذار Quantumcore ، شرکتی که در حال توسعه عوامل چند رشته ای AI نسل بعدی است ، بحث کردیم.
اولکساندر ، شما بیش از 15 سال است که در حال ادغام فن آوری های مختلف هستید – از ایجاد LiveIn.ua ، که بازار املاک و مستغلات ، اتومبیل و گردشگری را تا توسعه بازی ها و هوش مصنوعی در آرژانتین ها متحد می کند. چه چیزی شما را وادار به ایجاد عوامل هوش مصنوعی چند رشته ای کرد؟
می دانید ، احساس می کنید تمام سفر من آماده سازی این پروژه بود. در سال 2008 ، با LiveIn.ua ، ما یکی از اولین پروژه های جامع وب آنلاین اوکراین را ایجاد کردیم ، جایی که یاد گرفتیم که خدمات مختلف را در یک اکوسیستم واحد متحد کنیم. این دقیقاً همان کاری است که ما اکنون با عوامل هوش مصنوعی انجام می دهیم ، فقط در یک سطح فناوری جدید. ما در حال ایجاد چاقوی فناوری ارتش سوئیس هستیم. اگر دستیاران سنتی هوش مصنوعی را با نوازندگان مقایسه کنیم ، آنها مانند تکنوازان هستند – آنها یک قطعه را خیلی خوب اجرا می کنند. عوامل چند رشته ای ما مانند یک ارکستر هستند. آنها سمفونی از تجزیه و تحلیل داده ها ، مدیریت پروژه و تعامل مشتری ایجاد می کنند.
در سال 2018 ، در آرژانتین ، شما یک سیستم نوآورانه برای ایجاد دیالوگ های پویا NPC در بازی ها ایجاد کردید. چگونه این تجربه به توسعه عوامل جدید هوش مصنوعی کمک می کند؟
این یک تجربه ارزشمند بود! در صنعت بازی ، ما یاد گرفتیم که سیستم های هوش مصنوعی ایجاد کنیم که گفتگوی معنی دار را در یک زمینه پیچیده حفظ کند. NPC را تصور کنید که فقط از یک فیلمنامه پیروی نمی کند بلکه رفتار خود را با اقدامات بازیکن با توجه به دنیای بازی و پشت پرده تطبیق می دهد. اکنون ، ما این رویکردها را در یک زمینه تجاری استفاده می کنیم.
آیا می توانید توضیح دهید که چگونه این در عمل کار می کند؟
بگذارید یک مثال ساده به شما بدهم. یک شرکت معمولی را در آنجا بسازید که بخش منابع انسانی بخواهد تعامل کارمندان را بهبود بخشد. نماینده هوش مصنوعی ما به عنوان دستیار هوشمند عمل می کند: این نحوه عملکرد افراد ، چه چیزی باعث ایجاد انگیزه در آنها می شود و توصیه هایی را برای برقراری ارتباط بهتر با هر کارمند ارائه می دهد. سپس همان عامل چرخ دنده ها را تغییر می دهد و به تیم مالی کمک می کند تا بودجه های برنامه ریزی کند. آن را به عنوان یک مشاور جهانی فکر کنید که تمام بخش های این شرکت را درک می کند و تصویر بزرگ را می بیند.
چه فناوری هایی این امر را ممکن می سازد؟
به عبارت ساده ، ما یک کوکتل تکنولوژیکی ایجاد کرده ایم: ما مدلهای پیشرفته زبان را برای ارتباطات طبیعی ترکیب کردیم ، ابزارهای قدرتمندی برای تجزیه و تحلیل داده ها اضافه کردیم و آن را با ادغام های یکپارچه با سیستم های مختلف تقویت کردیم. اما مهمترین ویژگی این است که نماینده ما می تواند با توجه به نیازهای منحصر به فرد هر شرکت ، در حال حرکت باشد. و البته ، ما امنیت داده ها را بسیار جدی می گیریم.
شما یک تجربه جالب با پلت فرم آموزشی Shodennikua دارید ، که با موفقیت در سطح بین المللی مقیاس گرفتید. من می فهمم که شما مدتها قبل از اینکه آموزش از راه دور به یک روند تبدیل شود ، یک سیستم تجزیه و تحلیل عملکرد هوشمند را پیاده سازی کرده اید. چگونه این تجربه به پروژه های فعلی کمک می کند؟
در واقع ، با Shodennikua ، ما از زمان خود جلوتر بودیم! ما سیستمی ایجاد کردیم که فقط داده های عملکرد را جمع آوری نکرد بلکه الگوهای یادگیری را مورد تجزیه و تحلیل قرار داد و برنامه را برای هر دانش آموز تطبیق داد. در آن زمان ، به نظر می رسید نوآورانه و امروزه ، یادگیری شخصی به استاندارد تبدیل شده است. این تجربه چیز اصلی را به ما آموخت: هر فناوری باید مشکلات واقعی انسانی را حل کند. در کار بر روی عوامل هوش مصنوعی ، ما از همان اصل پیروی می کنیم – ایجاد ابزاری که واقعاً به توسعه مشاغل کمک می کند.
برخی از کارشناسان معتقدند که عوامل هوش مصنوعی چند رشته ای فقط یک حیله بازاریابی هستند و در واقع مؤثرتر از راه حل های تخصصی نیستند. چگونه به این انتقاد پاسخ می دهید؟
این یک نگرانی عادلانه است – و یکی از آنها عمیقاً فکر می کنیم. ما کاملاً موافق هستیم که هوش مصنوعی عمومی ، متناسب با یک اندازه ، اغلب زیر نظر می گیرد. به همین دلیل ما عوامل هدف کلی نمی سازیم. تمرکز ما بر ایجاد عوامل تخصصی هوش مصنوعی است که برای فرآیندهای حرفه ای خاص طراحی شده است. به آنها فکر کنید نه به عنوان نسخه های نمایشی چشمک زن بلکه به عنوان همکاران دیجیتال آموزش دیده – که کاملاً در یک گردش کار خاص تعبیه شده اند ، از تفاوت های ظریف آن آگاه هستند و قادر به تصمیم گیری دقیق هستند. ما هنوز در مراحل اولیه هستیم ، اما در حال حاضر نتایج امیدوارکننده ای را مشاهده می کنیم: شرکای ما پس از ادغام عوامل خود ، افزایش قابل توجه در کارآیی را گزارش می کنند. به این دلیل است که ما تخصص را با انعطاف پذیری کافی برای رسیدگی به پیچیدگی در دنیای واقعی ترکیب می کنیم. عوامل AI حیرت انگیز نیستند – آنها هنگام ساخت درست ، آنها را ضرب می کنند.
بیایید در مورد سوال “سخت” دیگری بحث کنیم. بسیاری از شرکت ها بودجه خود را در مورد راه حل های هوش مصنوعی سوزانده اند که نتوانسته اند وعده ها را ارائه دهند. چرا اطمینان دارید که این اتفاق با نمایندگان شما رخ نخواهد داد؟
این یک سؤال واقعاً مهم است – و صادقانه بگویم ، تقریباً در مورد هر ابتکار تجاری با هدف نوآوری صدق می کند. خطر صرفاً بخشی از پیشرفت است.
یکی از بزرگترین چالش های امروز این است که فناوری اغلب به خاطر خودش ، بدون درک واقعی از فرآیندهای تجاری ، توسعه می یابد.
اما فناوری و نوآوری باید مشکلات واقعی و ملموس را حل کنند. این امر به یک برنامه روشن ، فرضیه های خوب شکل گرفته و درک عمیق از اهداف نیاز دارد.
رویکرد ما این است که با مطالعه مشکلات واقعی تجارت شروع کنیم – و فقط پس از آن راه حل هایی را بر اساس آنچه آموخته ایم ایجاد کنید.
به نظر شما در کدام صنایع این عوامل می توانند یک انقلاب واقعی به وجود آورند؟
وقتی به این موضوع فکر می کنم ، امکانات بسیار زیاد است. به عنوان مثال ، در مراقبت های بهداشتی و سلامتی ، عوامل ما می توانند به عنوان مشاور هوشمند خدمت کنند-به تفسیر نتایج آزمون ، پیشنهاد گزینه های درمانی و حمایت از پزشکان در تصمیم گیری. در آموزش و پرورش ، آنها می توانند به عنوان مربیان شخصی عمل کنند و با سرعت و سبک یادگیری هر دانش آموز سازگار باشند. و در تجارت … تصور کنید که یک دستیار که تحلیلگر جزئی ، بخشی از استراتژیست ، مشاور جزئی است – همه در یک.
هیجان انگیز ترین قسمت؟ این یک دیدگاه دور از آینده نیست. این چیزی است که اکنون به طور جدی می سازیم.
سرانجام ، چگونه آینده عوامل هوش مصنوعی را در 5-10 سال پیش بینی می کنید؟
می دانید ، من نسبت به آینده بسیار خوش بین هستم. مأمورین هوش مصنوعی امروز مانند تلفن های هوشمند خواهند شد – ما نمی توانیم تصور کنیم که چگونه بدون آنها زندگی می کردیم. آنها شرکای قابل اعتماد خواهند بود که همیشه برای کمک به آنها در آنجا هستند. نه فقط اجرای دستورات بلکه تفکر و ارائه راه حل. و مهمترین چیز – آنها آنقدر یکپارچه در زندگی ما ادغام می شوند که ما از فکر کردن به آنها به عنوان فناوری جلوگیری خواهیم کرد. آنها فقط بخشی از واقعیت روزمره ما مانند برق یا اینترنت امروز خواهند بود.