هفت تکنولوژی نوآورانه برای سال ۲۰۱۹

به گزارش خبرگزاری صداوسیما؛  در این مقاله، به اتفاقات مهم احتمالی در حوزه‌ فناوری نگاهی می‌اندازیم که درسال آینده‌ میلادی شاهد آن‌ها خواهیم بود.

۱. اخلاق در فناوری

برندهای فناوری باید رویکرد فعالانه‌تری در حوزه‌ بررسی پیامدهای اخلاقی پلتفرم‌ها و محصولاتشان داشته باشند. در مِی۲۰۱۸ (برابر با اردیبهشت۱۳۹۷)، سازمان عفو بین‌الملل بیانیه تورنتو را اعلام کرد که در آن، حق استفاده‌ برابر و بدون هرگونه تبعیض از سیستم‌های یادگیری ماشین را برای همگان محفوظ می‌داند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

اکنون، شرکت‌های مختلف متوجه این موضوع شده‌اند که محصولات آن‌ها تا چه اندازه می‌تواند تاثیر به‌سزایی در زمینه‌هایی از قبیل سلامت روان، افسردگی، تهدید سایبری و حتی خودکشی داشته باشد.

برنرز لی، سازنده‌ تارنمای جهانی یا همان اینترنت (WWW)، در گفت‌وگویی بیان کرده امروزه، وب به موتوری بی‌عدالت و تبعیض تبدیل شده ‌است. این موتور زیر سیطره‌ قدرتمندانی است که اهداف خودشان را پیش می‌برند. وی معتقد است به نقطه‌ بی‌تعادلی بحرانی رسیده‌ایم و تغییری برای بهبود این وضعیت لازم است.

۲. فناوری در محیط شهری

شرکت‌های فعال در حوزه‌ فناوری سعی می‌کنند به جزئی‌ترین امور زندگی روزمره‌ افراد توجه کنند تا راه‌حلی نوآورانه برای مشکلات آن‌ها بیابند. طراحی شهری راهی برای رسیدن به آینده‌ای درهم‌تنیده با اجزای کاملا متصل به یکدیگر است.

شرکت علی‌بابا در‌حال‌توسعه‌ لایه‌ای مبتنی بر هوش مصنوعی است که نقش مغز شهر را ایفا خواهد کرد. این شرکت در‌حال‌آزمایش این سیستم‌ها در یکی از شهرهای چین است. در خیابان‌های شهر، هزاران دوربین به‌کار گرفته می‌شوند تا اطلاعات لازم برای کنترل چراغ‌های ترافیکی و بهینه‌سازی جریان ترافیک و تشخیص حوادث دراختیار گرفته شود. البته این حجم از دوربین‌های جمع‌آوری داده ممکن است خطرهایی برای حریم خصوصی افراد ایجاد کند.

۳. فناوری نزدیک‌ونزدیک‌تر می‌شود

شرکت‌های فناوری تلاش می‌کنند هرچه بیشتر به زندگی روزمره‌ افراد نزدیک شوند تا محصولاتشان جزئی از بدن یا محیط زندگی آنان شود. این تلاش‌ها برای ایجاد خدماتی است که به بهترین وجه با کاربر تعامل دارند. فونت‌های جدید اوبر (Uber) و بلندگوها‌یی که صدا را به‌صورت سه‌بعدی با محیط خانه درهم می‌آمیزند، همه‌وهمه تلاش‌هایی برای رسیدن به این هدف محسوب می‌شوند.

۴. سیستم‌های بی‌درنگ با قابلیت تطبیق بیولوژیکی

پیشرفت‌های فناورانه موجب تولید دستگاه‌هایی شده‌اند که قابلیت تطبیق بیولوژیکی دارند. این دستگاه‌ها در آینده‌ای نه‌چندان دور جزئی از بدن کاربر خواهند شد. تطبیق سریع این نوع افزونه‌ها با محیط اطراف، گویای ارتقای سطح ادراک فناوری است.

شرکت پوما با همکاری مرکز طراحی دانشگاه MIT کفشی طراحی کرده‌ که به حرکات پا و میزان خستگی فرد واکنش نشان می‌دهد. کفی‌های این کفش با تحلیل عرق پای فرد و سایر پارامترها، اطلاعات بیولوژیکی وی را استخراج می‌کنند. مدارهای الکتریکی تغییرات را شناسایی می کنند و داده‌هایی مناسب برای جلوگیری از خستگی و بهبود عملکرد فرد ارائه می دهند.

۵. سلامتی و شبکه‌های اجتماعی

افزایش بی‌حد‌ومرز استفاده از شبکه‌های اجتماعی، تاثیرات نامطلوبی بر وضعیت روحی‌روانی افراد گذاشته است. فشار روحی ناشی از شبکه‌های اجتماعی ممکن است به ناراحتی و اضطراب و افسردگی منجر شود.

تیم تحقیقاتی فیسبوک در دسامبر۲۰۱۷ (برابر با آذر۱۳۹۶) اعلام کرد وقتی افراد زمان زیادی صرف مطالعه‌ نوشته‌های دیگران می‌کنند؛ ولی با آنان ارتباطی برقرار نمی‌کنند، احساس ناخوشایندی به آنان دست می‌دهد. شرکت‌های تولید پلتفرم‌های شبکه‌های اجتماعی این‌چنینی در‌حال‌آگاه‌سازی کاربران درباره‌ این شبکه‌ها و کنترل میزان استفاده و تاثیرات آن بر افراد هستند.

۶. فرمانروایی اصوات

امروزه، گوش‌ها به دروازه‌هایی مهم برای غول‌های فناوری تبدیل شده‌اند. برای نمونه، می‌توانید به میزان نفوذ شگفت‌انگیز ایرپادهای اپل توجه کنید. همچنین، اسپاتیفای سرویس اسپات‌لایت را معرفی کرده که محتوای ویدئویی را به پادکست‌های صوتی تبدیل می‌کند.

۷. اکوسیستم‌های اوبر

در سال ۲۰۱۸، اوبر با هدف احداث اولین سیستم حمل‌ونقل هوایی درون‌شهری، فناوری پرواز و فرود عمودی برای ماشین‌های الکتریکی (eVTOL) را معرفی کرد.

این پلتفرم در‌حال‌تلاش برای رفع تمام نیازهای کاربران است. حتی سرویس سفارش غذای این شرکت (UberEats)تا پایان سال جاری میلادی برای ۷۰درصد از شهروندان آمریکایی دردسترس خواهد بود.

مدیر اجرایی Uber بیان کرده این شرکت متعهد است تمام روش‌های حمل‌ونقل ازجمله دوچرخه، پیاده‌روی، مترو یا اوبر را در اپ خود برای کاربر گِردهم آورد تا وی بتواند سریع‌ترین و اقتصادی‌ترین گزینه را انتخاب کند.

منبع: الف

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.alef.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «الف» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۲۳۳۷۷۶۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

داده‌های آموزشی هوش مصنوعی عرصه جدید رقابت شرکت‌های بزرگ فناوری

به گزارش خبرنگار مهر؛ با ظهور و توسعه روزافزون هوش مصنوعی طی سال‌های اخیر، این فناوری تحول‌آفرین به بخشی جدایی ناپذیر از صنایع مختلف تبدیل شده است و فرآیندها و تصمیم‌گیری ها را به شکلی عمیق تحت تأثیر قرار داده است. همین امر سبب ظهور رقابتی شدید میان شرکت‌های فناوری برای عرضه ارائه خدمات مبتنی بر هوش مصنوعی شده است. در چنین شرایطی، داده‌های آموزشی در کنار توان محاسباتی و الگوریتم‌ها، یکی از ارکان اساسی و تعیین کننده در توسعه این فناوری محسوب می‌شوند. داده‌های آموزشی به عنوان پایه‌ای برای الگوریتم‌های یادگیری ماشینی جهت یادگیری و بهبود عملکرد هوش مصنوعی عمل می‌کنند و همین امر، دستیابی به داده‌های مذکور را در مرکز رقابت استارتاپ‌های هوش مصنوعی و غول‌های فناوری قرار داده است. بازیگران کلیدی این عرصه، رقابت برای دستیابی به داده‌های آموزشی با کیفیت بالا را آغاز کرده‌اند.

داده‌های آموزشی هوش مصنوعی (AI training data) به مجموعه اطلاعات مورد استفاده برای آموزش مدل‌های هوش مصنوعی اطلاق می‌شود. بسته به نوع مدل هوش مصنوعی در حال توسعه، این داده ها می‌توانند به اشکال مختلفی مانند متن، تصویر، ویدئو یا داده‌های عددی مورد استفاده قرار گیرند.

به عقیده طیف گسترده‌ای از کارشناسان، داده‌های آموزشی آینده نوآوری در حوزه هوش مصنوعی را شکل می‌دهند.

نقش داده‌های آموزشی در توسعه هوش مصنوعی

داده‌های آموزشی نقش مهمی در شکل دادن به رفتار و قابلیت‌های الگوریتم‌های هوش مصنوعی ایفا می‌کنند. توسعه‌دهندگان می‌توانند با قرار دادن مدل‌های یادگیری ماشینی در معرض مقادیر زیادی از داده‌های آموزشی برچسب‌گذاری شده، آن‌ها را برای تشخیص الگوها، پیش‌بینی و انجام وظایف با دقت بالا آموزش دهند. همه انواع متنوع برنامه‌های مبتنی بر هوش مصنوعی از جمله تشخیص تصویر، پردازش زبان طبیعی یا رانندگی خودکار، برای دستیابی به عملکرد بهینه و افزایش توان، به شدت به مجموعه‌های داده آموزشی متنوع و غنی متکی هستند.

شرکت‌های بزرگ فناوری و داده‌های آموزشی هوش مصنوعی

غول‌های فناوری آمریکایی مانند گوگل، آمازون، متا، مایکروسافت و اپل در خط مقدم تحقیق و توسعه هوش مصنوعی قرار دارند و از منابع وسیعی برای عبور از مرزهای نوآوری و پیش‌برد فناوری استفاده می‌کنند. به عقیده کارشناسان، این شرکت‌ها اهمیت استراتژیک داده‌های آموزشی را در افزایش قابلیت‌های سیستم‌های هوش مصنوعی خود و به دست آوردن مزیت رقابتی در بازار می‌شناسند. در نتیجه، رقابت شدیدی بین غول‌های فناوری برای به دست آوردن داده‌های آموزشی با کیفیت بالا وجود دارد که می‌تواند به ابتکارات فناورانه آن‌ها در بخش هوش مصنوعی کمک کند.

چالش‌ها در دستیابی به داده‌های آموزشی

در حالی که با توسعه روزافزون هوش مصنوعی و نیاز رو به رشد بازار تقاضا برای داده‌های آموزشی همچنان در حال افزایش است، شرکت‌ها با چالش‌های مختلفی در دسترسی به منابع و استفاده مؤثر از داده‌ها مواجه هستند. نگرانی‌های حریم خصوصی داده‌ها با قوانینی از جمله مانند مقررات عمومی حفاظت از داده اروپا (GDPR) که دستورالعمل‌های سخت‌گیرانه‌ای را در مورد جمع‌آوری و استفاده از داده‌های شخصی اعمال می‌کند، به یک موضوع مهم تبدیل شده است. علاوه بر این، اطمینان از تنوع و نمایندگی داده‌های آموزشی برای جلوگیری از تعصب، سوگیری و اطمینان از استحکام مدل‌های هوش مصنوعی ضروری است.

راهبردهای موجود برای تولید داده‌های آموزشی

شرکت‌های بزرگ فناوری برای مقابله با چالش‌های موجود در مسیر دستیابی به داده‌های آموزشی، در حال بررسی استراتژی‌های نوآورانه جهت تولید مجموعه داده‌های متنوع و با کیفیت هستند. در چنین شرایطی پلتفرم‌های جمع‌سپاری به سازمان‌ها این امکان را می‌دهند که داده‌ها را از مجموعه بزرگی از مشارکت‌کنندگان جمع‌آوری کنند و آن‌ها را قادر می‌سازد تا مجموعه داده‌های خود را به طور مؤثر مقیاس‌بندی کنند. علاوه بر این، تکنیک‌های تولید داده مصنوعی برای تقلید سناریوهای دنیای واقعی نیز بخشی کلیدی از داده‌های آموزشی هستند که از سوی شرکت‌ها مورد استفاده قرار می‌گیرند.

تأثیر کیفیت داده‌های آموزشی بر عملکرد هوش مصنوعی

کیفیت داده‌های آموزشی به طور مستقیم بر عملکرد و قابلیت اطمینان مدل‌های هوش مصنوعی تأثیر می‌گذارد. مجموعه داده‌های ضعیف یا دارای سوگیری می‌توانند منجر به پیش‌بینی‌های نادرست شوند و تعصبات موجود در سیستم‌های هوش مصنوعی را تقویت کنند. برای کاهش این مسائل، شرکت‌ها باید فرآیندهای تضمین کیفیت داده‌ها را اولویت بندی کنند و اقداماتی را برای شناسایی و اصلاح سوگیری‌ها در داده‌های آموزشی خود اجرا کنند.

چارچوب‌های قانونی برای داده‌های آموزشی هوش مصنوعی

در طول سال‌های اخیر و به منظور پاسخ به نگرانی‌های فزاینده در مورد حفظ حریم خصوصی داده‌ها و اخلاقیات، برخی چارچوب‌های نظارتی برای کنترل مدیریت داده‌های آموزشی در توسعه هوش مصنوعی ایجاد شده‌اند. از همین روی، شرکت‌ها ملزم به رعایت مقررات حفاظت از داده‌ها و اطمینان از شفافیت در شیوه‌های جمع آوری داده‌های خود هستند. رعایت این مقررات برای ایجاد اعتماد در میان کاربران و ذی‌نفعان و کاهش خطرات مرتبط با سو استفاده از داده‌ها ضروری است.

روندهای آینده در داده‌های آموزشی هوش مصنوعی

با نگاهی به آینده، انتظار می‌رود که پیشرفت در روش‌های جمع‌وری منابع داده، کیفیت و تنوع داده‌های آموزشی در دسترس توسعه‌دهندگان هوش مصنوعی را افزایش دهد. تکنیک‌هایی مانند شبکه‌های زایای دشمن‌گونه (Generative Adversarial Networks) یادگیری انتقالی (transfer learning)، مدل‌ها را قادر می‌سازد که از منابع داده محدود استفاده کنند و به طور مؤثر وظایف جدید را بیاموزند. علاوه بر این، اتخاذ رویکردهای یادگیری فدرال (federated learning) امکان آموزش غیرمتمرکز در مجموعه داده‌های توزیع شده را فراهم و حریم خصوصی داده‌ها را حفظ می‌کند. این مدل‌ها همچنین عملکرد مدل را بهبود می‌بخشند.

نتیجه‌گیری

رقابت بین شرکت‌های بزرگ فناوری برای به دست آوردن داده‌های آموزشی هوش مصنوعی بر اهمیت استراتژیک داده‌ها در هدایت نوآوری این فناوری افزوده است. از آنجایی که شرکت‌ها پیچیدگی‌های جمع‌آوری و استفاده از داده‌ها را درک می‌کنند، اطمینان از کیفیت، تنوع و انطباق آن‌ها با مقررات بسیار مهم و حیاتی شده است. سازمان‌ها با قرار گرفتن در خط مقدم روندهای نوظهور تولید و استفاده از داده‌های آموزشی، می‌توانند از پتانسیل کامل فناوری هوش مصنوعی بهره ببرند و راه حل‌های تأثیرگذاری را برای چالش‌های جهانی این حوزه ارائه دهند.

چشم‌انداز داده‌های آموزشی هوش مصنوعی، با پیشرفت در تکنیک‌های جمع‌آوری و افزایش حجم داده‌ها، به طور مداوم در حال تغییر است. با ادامه رشد تقاضا برای برنامه‌های کاربردی هوش مصنوعی در صنایع، نیاز به داده‌های آموزشی با کیفیت بالا و متنوع افزایش می‌یابد. در چنین شرایطی شرکت‌هایی که می‌توانند به‌طور مؤثر چالش‌های کسب و استفاده از داده‌های آموزشی را پشت سر بگذارند، در بازار هوش مصنوعی مزیت رقابتی به دست خواهند آورند و نوآوری در این زمینه را هدایت خواهند کرد.

در عصر پیشرفت سریع هوش مصنوعی، رقابت برای داده‌های آموزشی این حوزه صرفاً به دست آوردن حجم وسیعی از داده‌ها نیست؛ بلکه اطمینان از کیفیت، ارتباط و استفاده اخلاقی از داده‌ها نیز مسائل کلیدی این حوزه محسوب می‌شوند. شرکت‌ها می‌توانند با اولویت دادن به یکپارچگی و تنوع داده‌ها، مدل‌های هوش مصنوعی قوی، بی‌طرفانه و توانمند بسازند. با تشدید رقابت بین شرکت‌های بزرگ فناوری، کسب مزیت در استفاده از داده‌های آموزشی همچنان یک تمایز کلیدی در چشم‌انداز هوش مصنوعی خواهد بود.

کد خبر 6096023