پذیرش فناوری هوش مصنوعی در دنیای تجارت و کسب و کار افزایش یافته است و اکنون شرکت‌های زیادی از هوش مصنوعی استفاده می‌کنند، اما سوالی که برای عموم پیش می‌آید این است که محصول هوش مصنوعی چیست؟
هوش مصنوعی دنیای خاص خود را دارد و به همین دلیل، سردرگمی اساسی در مورد هوش مصنوعی و فناوری‌های مرتبط با آن وجود دارد. اما واقعا چه چیزی هوش مصنوعی را از سایر اشکال اتوماسیون متمایز می‌کند؟ چه چیزی یک ابزار یا خدمات را به عنوان یک محصول تمام عیار هوش مصنوعی معرفی می‌کند؟
هوش مصنوعی در همه جا وجود دارد، یا به زودی خواهد بود. AI/ML (یادگیری ماشین در هوش مصنوعی) به عنوان برترین فناوری نوظهور، در چشم انداز جهانی فناوری ۲۰۲۲ Red Hat رتبه بندی می‌شود، به طوری که ۵۳ درصد از رهبران فناوری اطلاعات گزارش داده اند که قصد دارند از آن در ۱۲ ماه آینده استفاده کنند، که نسبت به سال قبل ۳ درصد افزایش داشته است.
در همین حال، ۵۶ درصد از پاسخ دهندگان در گزارش وضعیت هوش مصنوعی McKinsey در سال ۲۰۲۱ گفتند که قبلاً هوش مصنوعی را حداقل در یک کار تجاری پذیرفته اند، در حالی که این میزان در سال ۲۰۲۰، ۵۰ درصد بود.
یک مطالعه (که در نیمه اول سال ۲۰۱۹ انجام شد) روی بیش از ۲۸۰۰ استارتاپ اروپایی که ادعا می‌کردند "شرکت هوش مصنوعی" هستند، نشان داد که تقریباً ۴۰ درصد از آن‌ها واقعاً از هوش مصنوعی استفاده نمی‌کنند.
در حالی که شاید یک کاربر معمولی ممکن است حتی متوجه برخی از تمایزات نشود، اما رهبران فناوری اطلاعات و تیم‌هایشان رابطه متفاوتی با هوش مصنوعی دارند. ایجاد معیار‌هایی برای ارزیابی فناوری‌های مختلف، مانند همیشه بخشی از کار آن‌ها است.
"محصول هوش مصنوعی" به وضوح به هوش مصنوعی به عنوان فناوری مرکزی در یک برنامه یا خدمات اشاره دارد.
کارتر بوزه مدیر ارشد فناوری Workato می‌گوید: "به‌عنوان یک مدیر، من به یک "محصول هوش مصنوعی" به‌عنوان محصولی نگاه می‌کنم که می‌تواند یک عنصر انسانی را وارد فرآیند کند. به این معنا که اگر محصول بتواند کاری را انجام دهد که معمولاً یک انسان انجام می‌دهد (مانند عیب‌یابی مشکل) یا بتواند یک فرآیند خودکار را از یک سؤال ساده آغاز کند، یک محصول هوش مصنوعی است. "
بوزه تمایزی که در اینجا وجود دارد را توضیح می‌دهد: " برای مثال، اتوماسیون فرآیند رباتیک (RPA)، یک محصول هوش مصنوعی نیست. RPA در وظایف مبتنی بر قوانین خوب است، اما نمی‌تواند خودش فکر کند یا با شرایط متغیر سازگار شود. این بدان معنا نیست که RPA ارزشمند نیست، بلکه فقط به این معنی است که هوش مصنوعی نیست. "
بوزه همچنین از واقعیت دیگری پرده برداشت: طراحی هوش مصنوعی کار سختی است. برای رسیدن به نقطه‌ای که هوش مصنوعی و الگوریتم‌های زیربنایی بتوانند فرآیندی را مانند یک انسان مدیریت کنند، به سرمایه گذاری زمانی و تعهد بلند مدت به بهینه سازی مستمر، نیاز است.
او می‌گوید: "فرایند هوش مصنوعی معمولاً در طول زمان با استفاده از الگوریتم‌های یادگیری ماشین همراه است و این الگوریتم‌ها دائماً در حال تغییر هستند تا رفتار و تعامل شبیه انسان ها، ممکن شود.
برنامه‌هایی که از هوش مصنوعی و یادگیری ماشین استفاده می‌کنند (هوش مصنوعی نیستند و فقط از آن استفاده می‌کنند)، اغلب از کتابخانه‌های آماده استفاده می‌کنند تا از برخی از قابلیت‌های هوش مصنوعی بهره‌مند شوند.
از سوی دیگر، یک محصول هوش مصنوعی دارای هوش مصنوعی به عنوان محور اصلی و تصمیم‌گیرنده اصلی است. این محصولات اغلب دارای درجه بالایی از گزینه‌های سفارشی سازی هستند به طوری که هوش مصنوعی را می‌توان برای استفاده‌های خاص تنظیم کرد.
تفاوت بین یک محصول یادگیری ماشین هوش مصنوعی و یک مدل یادگیری ماشین هوش مصنوعی چیست؟
امروزه هوش مصنوعی در سازمان معمولاً به این معنی است که یک سازمان در حال اجرای مدل‌های یادگیری ماشین در تولید است. یک مدل (یا حتی ده‌ها یا صد‌ها مدل)، به خودی خود یک محصول هوش مصنوعی نیست، اما با کاری که روی خروجی‌های آن مدل انجام می‌شود، می‌توان آن مدل را به یک محصول هوش مصنوعی تبدیل کرد.
مایکل رویتمن دانشمند ارشد داده که اکنون در شرکت سیسکو مشغول به کار است درباره تفاوت محصول و مدل می‌گوید: هوش مصنوعی و یادگیری ماشین، می‌توانند داده‌های موجود را تجزیه و تحلیل کنند یا داده‌های جدیدی تولید کنند. آنچه با آن تحلیل انجام می‌شود و اینکه چگونه با اکوسیستم‌هایی که مشتریان در آن زندگی می‌کنند انطباق دارد، سؤالی است که توسط محصولات حل می‌شود، نه مدل‌ها.
بیشتر بخوانید
گزارش از سید حسین موسوی