برای هوش مصنوعی برنامه ریزی کنیم

شرکت مهندسی صنایع یاس ارغوانی، مجموعه‌ای دانش‌بنیان است که در سال ۱۳۸۲ تأسیس شده است. این شرکت که هم‌اکنون یکی از زیرمجموعه‌های گروه فن‌آوران هوشمند بهسازان فردا است، بسترهای خدمات‌دهی در حوزه‌های مشاوره کسب‌و‌کار و مدیریت پروژه، راه‌اندازی زیرساخت‌های داده‌‌‌ای، تحلیل داده و کمک به تصمیم‌سازی برای تحقق اهداف سازمان را فراهم می‌کند. به‌طور مشخص‌تر، این شرکت در چهار حوزه تولید نرم‌افزار، هوش مصنوعی، هوش کسب‌‌و‌کار و مشاوره مدیریت فعالیت‌ دارد و قرار است در بیست و ششمین نمایشگاه الکامپ نیز حضور یابد. با رضا اکبری‌شمیرانی، رئیس هیئت‌‌مدیره شرکت‌ مهندسی‌ صنایع‌ یاس ارغوانی‌ درباره این موضوع گفت‌و‌گو کرده‌ایم.

اهمیت‌ حضور شرکت‌ مهندسی‌ صنایع‌ یاس ارغوانی در نمایشگاه الکامپ‌ چیست‌؟
شرکت‌ مهندسی‌ صنایع‌ یاس ارغوانی‌، شرکتی‌ با سابقه‌ بیست‌ساله‌ درزمینه مشاوره مدیریت‌ است و هم‌اکنون به‌عنوان بازوی تحلیل‌ داده و هوش مصنوعی‌ در مجموعه‌ بانک‌ ملت‌ و برخی‌ سازمان‌های حاکمیتی‌ کشور شناخته می‌شود. تلاش ما است‌   هبا همکاری با سازمان‌های بزرگ، زمینه‌ساز هم‌افزایی در حوزه تحلیل‌ اطلاعات شویم و برای کسب‌‌و‌کارهای کوچک‌، متوسط‌ و بزرگ و صنوف کشور، ارزش‌آفرینی‌ کنیم.

چه‌ سرویس‌ها و محصولاتی‌ را برای عرضه به نمایشگاه الکامپ می‌برید؟ 
سامانه‌‌ها و راهکارهای ویژه‌ای در حوزه تحلیل‌ داده، مدیریت‌ پرتفوی پروژه‌ها، هوش مصنوعی‌ (AI) و برنامه‌های هوشمند (Intelligent Applications)، یادگیری عمیق‌ (Deep learning)، ازجمله مواردی هستند که همکاران ما در نمایشگاه الکامپ معرفی و عرضه می‌کنند.

مخاطبان و گروه‌های هدف این سرویس‌‌ها خدمات چه‌ کسانی‌ و در کدام بازارها هستند؟
کلیه‌ شرکت‌‌ها و سازمان‌های بزرگ، متوسط‌ و کوچک‌ می‌‌توانند از راهکارهای ما درزمینه‌‌های تحلیل‌ و مدیریت‌ اطلاعات و حاکمیت‌ و اجرای پرتفوی پروژه‌ها بهره‌مند شوند. علاوه‌بر این، شرکت‌ مهندسی صنایع یاس ارغوانی راهکار جدیدی در حوزه تحلیل‌ پتانسیل‌های اقتصادی به‌ بازار معرفی‌ خواهد کرد که‌ کلیه‌ شرکت‌های SME و اصناف و حتی‌ کارآفرینان می‌‌توانند از مزیت‌های آن بهره‌مند شوند.

باتوجه‌‌به‌ تمرکز شرکت‌ مهندسی‌ صنایع‌ یاس ارغوانی‌ بر ساخت‌ و پیاده‌سازی راه‌حل‌‌های مبتنی‌ بر هوش مصنوعی‌ و هوش کسب‌‌و‌کار، به‌نظرتان این فناوری به شرکت‌‌ها و سازمان‌ها و کسب‌‌و‌کارها چه کمکی می‌کند؟
تجزیه‌ و تحلیل‌ داده‌های تجاری به‌ شرکت‌ ها کمک‌ می‌کند تا سهم‌ بازار خود را از بازار افزایش‌ دهند، سودآوری و درآمدشان افزایش‌ یابد. همچنین این‌ ابزارها برای درک چگونگی‌ فرایندها و عملکردشان ضروری است‌ و باعث‌ بهبود کارایی‌ کسب‌‌و‌کارشان می‌‌شود. در محیط‌های رقابتی‌ امروزه و همچنین‌ حجم‌ وسیع‌ داده‌های در دسترس شرکت‌‌ها و درون محیط‌‌های داخلی و خارجی، کسب‌‌و‌کارها را وادار می‌سازد، فعال‌تر بازار را رهبری کنند. به‌ همین‌ دلیل‌ نیاز به‌ تجزیه‌ و تحلیل‌ داده و هوش مصنوعی‌ در آن کسب‌‌و‌کار لازم است‌. به‌طور کلی فکر می‌کنم بتوانیم چند مزیت برای تحلیل‌ داده قائل شویم که ازجمله این‌ها بتوان به شناسایی‌ ساختار اصلی‌، مشکلات فعلی‌ و پتانسیل‌‌های سازمان، شناسائی‌ تغییرات و پیش‌‌بینی‌ اقدامات آینده، ارائه‌ آماری دقیق‌ و قابل‌ اتکا، تخصیص‌ منابع‌ متناسب‌ در سازمان، پیش‌‌بینی‌ رفتارهای مشتری برای رقابت‌ با دیگر سازمان‌ها، و کمک‌ به‌ تصمیم‌گیری و تصمیم‌سازی برای کاهش‌ ریسک‌ سازمان اشاره کرد
درباره هوش مصنوعی‌ نیز مهم‌ترین موضوع، مقرون به‌صرفه‌ بودن است. چراکه فرایندها خودکار می‌شود و کار دستی‌ وجود ندارد. از طرفی‌، این‌ سیستم‌ هشدارهای لازم را ارسال می‌کند و همین‌ قابلیت هزینه‌ نیروی انسانی را کاهش‌ می‌دهد.
ضمن اینکه از کارایی‌ هوش مصنوعی هم نباید به‌آسانی گذشت. در تحلیل‌‌های تجاری، فرایندها طوری طراحی‌ شده که‌ پاسخ‌ سریع‌تر و با دقت‌ بیشتر فراهم‌ می‌‌شود و درنتیجه‌ تصمیم‌‌گیری در پاسخ‌ به‌ بازار راحت‌‌تر صورت می‌پذیرد. علاوه بر این‌ها، هوش مصنوعی منجر به کاهش‌ خطاهای انسانی‌ و بالا رفتن دقت‌ در تصمیم‌گیری و کاهش ریسک‌ تصمیم‌سازی می‌شود. به‌ همین دلیل فکر می‌کنم در آینده باید انقلابی اساسی‌ در محصولات بر اساس هوش مصنوعی‌ به‌ وجود آید. لازم است‌ شرکت‌ها برای حوزه‌های مرتبط با هوش مصنوعی برنامه‌ریزی کنند و سبد محصولات خود را متنوع‌تر کنند. 

ارزیابی شما از آینده فناوری‌های حوزه هوش مصنوعی و کاربردها و اثرگذاری‌های آن چیست؟
درباره آینده، اولین نکته این است که در محصولاتمان، انقلابی بر اساس هوش مصنوعی‌ رقم بزنیم. معتقدم شرکت‌ها و کسب‌و‌کارها باید برای حوزه‌های جدید که اشاره می‌کنم، برنامه‌ریزی کنند و سبد محصولات خود را تکمیل کنند. نخستین موضوع، محاسبات هوش مصنوعی است. به این معنا که محاسبات هوش مصنوعی به‌جای شبکه‌ و مرکز داده یا مراکز ابری، در همان دستگاهی که داده‌ها در آن تولید می‌شوند، صورت می‌گیرد. موضوع دیگر، فشرده‌سازی مدل (Model Compression) است. منظور از فشرده‌سازی مدل، فرایندی است‌ که برای استقرار مدل‌های یادگیری عمیق‌ (SOTA) بر دستگاه‌های دارای قدرت محاسباتی‌ و حافظه‌ پایین‌ صورت می‌گیرد. منتها این کار باید بدون آسیب‌دیدن عملکرد مدل‌ها ازنظر دقت‌، سرعت‌ و کارایی‌ انجام شود. 
سومین موضوع، یادگیری خودنظارتی‌ (Self- Supervised Learning (SSL)) است. در یادگیری خودنظارتی، یک‌ الگوی یادگیری ماشینی‌ و روش‌های مربوط به‌ پردازش داده‌ای بدون برچسب‌ برای به ‌دست‌آوردن نمایش‌های مفیدی که‌ می‌‌تواند وظایف‌ یادگیری پایین‌ دستی‌ کمک‌ کند، اشاره می‌کند. دراصل،‌ SSL شکلی میانی‌ از یادگیری بدون نظارت و نظارت توصیفی‌ است‌.
برنامه‌های هوشمند (Intelligent Applications) نیز در آینده بسیار مهم‌اند. این نوع برنامه‌ها بر اساس بازخوردگیری از کاربر و محیط‌ اطراف عمل‌ می‌کنند. برنامه‌های هوشمند با هوش مصنوعی‌ و فناوری تحلیلی‌ ساخته‌ می‌شوند. بخش‌ هوش مصنوعی،‌ شامل‌ یادگیری ماشینی‌ و پردازش زبان طبیعی و یادگیری عمیق‌ است‌ که‌ در پیوند با ترجیحات کاربر و الگوهای رفتاری‌اش، به درک و دریافت و یادگیری می‌رسد. در این میان، الگوهای احساسی‌ کاربر نیز تجزیه‌ و تحلیل‌ می‌‌شود تا رفتارهای کاربر نیز پیش‌بینی‌‌پذیر شود. برنامه‌های هوشمند در این زمینه، برای این‌ کار نه‌‌تنها از داده‌های بلادرنگ‌ استفاده می‌کنند، از تاریخچه‌ تصمیم‌‌گیری کاربر نیز بهره می‌گیرند. برنامه‌های هوشمند نیز در آینده به دلایلی چند مهم‌اند. مثلاً دستیار شخصی‌ در هزینه‌، زمان و کارایی‌ هستند، تجربه‌ یکسان ارائه‌ می‌‌کنند،. به‌ گفتار، تصویر، ژست‌‌ها پاسخ‌ می‌‌دهند و محدود به‌ داده‌های ورودی محدود نیستند. ازطرف دیگر، این برنامه‌ها به کاربر در تصمیم‌‌گیری‌هایش، پاسخ‌های سریع می‌دهد و قائل به‌ اولویت‌بخشی به ترجیحات کاربر است. جز این‌ها، برنامه‌های هوشمند اطلاعات نامربوط را حذف می‌کنند و قابلیت پیش‌‌بینی‌‌، تصمیم‌‌گیری‌ و راه‌حل‌‌های سفارشی‌ برای هر مشتری را دارند. هوش مصنوعی مولد (Generative AI) نیز از ترندهای آینده است. منظور نوعی‌ از هوش مصنوعی‌ است‌ که‌ توانایی تولید متن‌، تصاویر یا هر نوع محتوای دیگر بنا به درخواست‌ کاربر را دارد. Chat GPT یا Bing Chat در همین زمره مدل‌های هوش مصنوعی مولدند و کاربردهای بالقوه‌شان در صنایع‌، هنر، نوشتن‌، توسعه‌ نرم‌افزار، طراحی‌ محصول، مالی‌، بازی، بازاریابی‌ و حتی‌ مراقبت‌های بهداشتی‌ کم‌وبیش عیان شده است‌.

داده‌های مصنوعی‌ (Synthetic Data) نیز در آینده حیاتی‌اند. داده‌های مصنوعی اطلاعاتی‌ هستند که‌ برخلاف فرایندهای تولیدی در دنیای رویدادهای واقعی، به‌طور مصنوعی‌ تولید می‌‌شوند و برای اعتبارسنجی‌ مدل‌های ریاضی‌ و آموزش مدل‌های یادگیری ماشین‌ کاربرد دارند. گاه نیز بنا به دلایلی مثل طبقه‌بندی و سطح‌بندی داده‌ها، باید از داده‌های مصنوعی استفاده کرد. یکی از مزیت‌های داده‌های مصنوعی‌، جلوگیزی از نقض حریم خصوصی و سؤاستفاده از اطلاعات واقعی‌ مصرف‌کنندگان است. 
انسان‌های دیجیتال (AI Avatars) حوزه محبوب و آینده‌دار دیگر است. انسانهای دیجیتال راهی‌ فراگیر، تعاملی‌ و به‌‌یادماندنی‌ برای صحبت‌ با مشتریان است‌ و حتی‌ در حوزه‌هایی مانند بازاریابی‌، فروش و خدمات می‌توان از آن‌ها استفاده کرد.
رابطه‌‌های چندوجهی‌ (Multimodal Interaction (UI)) دسته دیگری از فناوری‌های نوظهور است که‌ دو یا چند حالت‌ ترکیبی‌ ورودی مانند گفتار، قلم‌، لمس‌، حرکات دست‌ و نگاه را به‌صورت هماهنگ‌ با خروجی‌ سیستم‌ چندرسانه‌‌ای پردازش می‌کنند.
هدف رابطه‌های چندوجهی، شناسائی‌ اشکال طبیعی‌ زبان و رفتار انسانی‌ با ادغام یک‌ یا چند فناوری مبتنی‌ بر تشخیص‌ (مانندگفتار، قلم‌ وبینایی‌) است‌. درحقیقت، رابطه‌‌های چندوجهی‌ به‌نوعی نشان‌دهنده تغییر پارادایم‌ از رابط‌‌های کاربر گرافیک‌محور مرسوم هستند. درنهایت، باید به هوش مصنوعی مسئولیت‌پذیر (Responsible AI) اشاره کرد. این نوع هوش مصنوعی تضمین‌ می‌کند که‌ خودِ هوش مصنوعی‌ به‌ روش‌های امن‌، اخلاقی‌ و قانونی‌ طراحی‌، استقرار و استفاده می‌شود.