هوش مصنوعی

ترندهای هوش مصنوعی در سال 2019

در آینده ای نزدیک برای هوش مصنوعی چه اتفاقی خواهد افتاد؟

هوش مصنوعی یکی از علوم رایانه ای است که ماشین ها را توانمند می سازد تا جایگزین هوش انسانی باشند. ماشین‌ها توسط هوش مصنوعی می‌توانند محیط اطراف را درک کنند و متناسب با شرایط، اقداماتی انجام دهند. با پیشرفت تکنولوژی هوش مصنوعی و مزایای آن، مشاهده می‌شود که حوزه های مختلفی به استفاده از آن روی آورده‌اند به طوری که در این مقاله، ۲۵ مورد از مهم ترین روندهای هوش مصنوعی از صنایع مختلف را در سال ۲۰۱۹ شناسایی کرده ­ایم. پس با ما همراه باشید.

1. چارچوب منبع باز

به لطف نرم‌افزارهای منبع باز، موانع ورود به عرصه هوش مصنوعی کم‌تر از قبل شده­است. گوگل این روند را همزمان با تاسیس کتابخانه یادگیری ماشین TensorFlow در سال ۲۰۱۵ آغاز کرد؛ در زمانی­که نقش ­­آفرینان اصلی حوزه فن‌آوری نیز به دنبال آن بودند. هم اکنون تعدادی از ابزارهای منبع باز از جمله Keras ،Toolkit ،Cognitive Microsoft و Apache MXNet برای توسعه ­دهندگان در دسترس هستند.

2. لبه هوش مصنوعی

نیاز به تصمیم‌گیری در زمان واقعی، هوش مصنوعی را به “لبه” نزدیک‌تر می‌کند. این امر توانایی پردازش اطلاعات محلی و پاسخ دهی سریع‌تر را ایجاد می­کند. شرکت‌های Nvidia ،Apple و تعدادی استارتاپ دیگر بر روی ساخت چیپ­‌های اختصاصی برای هوش مصنوعی در لبه تمرکز کرده اند. یکی از مهم‌ترین روندهای هوش مصنوعی برای بررسی در سال 2019، رشد هوش مصنوعی در سراسر اپلیکیشن‌ها خواهد بود.

3. تشخیص چهره

تشخیص چهره در باز کردن قفل تلفن‌ها گرفته تا عبور مسافرین از ورودی فرودگاه‌­ها، کاربرد دارد. اولین برنامه­‌های کاربردی تجاری، در زمینه امنیت، خرده‌فروشی و لوازم الکترونیکی کاربرد داشتند. امروزه تشخیص چهره به سرعت تبدیل به یک فرم غالب برای تایید هویت بیومتریک شده است.

4. تصویربرداری پزشکی و تشخیص

FDA یک هوش مصنوعی است که به عنوان یک دستگاه پزشکی شناخته می‌شود. تصویب سریع قوانین برای نرم‌افزارهای حوزه AI، مسیرهای تجاری جدیدی را برای تصویربرداری از طریق هوش مصنوعی و شرکت‌های تشخیصی باز کرده است. نفوذ گوشی‌های هوشمند و پیشرفت در تشخیص تصویر، تلفن‌های هوشمند را به ابزارهای تشخیصی خانگی قدرتمندی برای مصرف‌­کنندگان تبدیل می‌کند. یکی از موثرترین روندهای هوش مصنوعی تایید و پذیرش آن برای کاربردهای پزشکی و تشخیصی است.

5. تعمیر و نگهداری پیشگیرانه

از تولید کنندگان تا شرکت‌های بیمه، با جلوگیری از شکست‌های غیر منتظره می‌تواند منجر به ذخیره میلیون‌ها دلار شوند. الگوریتم‌های نگهداری پیشگیرانه از طریق جمع‌آوری داده‌های ثابت، خرابی‌های تجهیزات را قبل از وقوع آن‌ها پیش­بینی می­کنند. نگهداری پیشگیرانه با کاهش هزینه‌های سنسور، پیشرفت‌های هوش مصنوعی و حرکت به سمت محاسبات لبه، به طور گسترده‌ در دسترس قرار گرفته است و در سال 2019 می­‌بایست به دنبال افزایش سرمایه گذاری در این بخش بود.

6. جستجوی تجارت الکترونیکی

درک متنی و مفهومی شرایط جستجو در حال بیرون­ رفتن از مرحله آزمایشی است، اما پذیرش گسترده آن نیازمند یک چشم ­انداز طولانی خواهد بود. شرکت‌های نوپا با وجود چالش‌های فنی، در حال ظهور هستند و فن‌آوری‌های جستجوی خود را به خرده فروشان ثالث می‌فروشند. یکی از روند‌های برتر AI در سال ۲۰۱۹ سرمایه گذاری بیشتر در این بخش خواهد بود، به ­ویژه برای خرده فروشان بزرگ.

7. شبکه‌های کپسولی

یادگیری عمیق امروزه اغلب برنامه‌های هوش مصنوعی را تقویت کرده است اما شبکه‌های کپسولی ممکن است به زودی جای آن را بگیرند. شبکه‌های کپسولی دارای مزایایی نسبت به شبکه‌های عصبی پیچیده فعلی می‌باشند. تحقیقات در مورد شبکه‌های کپسولی در دوران آغازین خود قرار دارند اما می‌توانند در زمینه شناسایی تصویر، رویکردهای کنونی را به چالش بکشند.

health data sharing

8. نسل بعدی اندام‌های مصنوعی

تحقیقات اولیه در این حوزه، در حال ترکیب کردن زیست‌شناسی، فیزیک و یادگیری ماشین است تا با “چابکی” که یکی از سخت‌ترین مشکلات در زمینه اعضای مصنوعی است مقابله کند. محققان از یادگیری ماشینی برای رمزگشایی سیگنال‌های ارسالی از سنسورهای بدنی استفاده می‌کنند و آن‌ها را به دستور حرکت برای دستگاه‌ها و اندام­‌های مصنوعی ترجمه می‌کنند. در سال جاری، توسعه بیشتر این بخش، مورد انتظار است.

9. ثبت نام آزمون بالینی

یکی از بزرگ‌ترین تنگناها در آزمایش‌های بالینی، ثبت‌نام درست تعداد زیادی بیمار است. AI در حالت ایده‌آل، قادر به استخراج اطلاعات از سوابق پزشکی و مقایسه با مطالعات در حال انجام است و مطالعات مربوطه را به پزشکان و بیماران را پیشنهاد می‌دهد.

تعداد کمی از شرکت‌های نوپا در فضای آزمایش‌های کلینیکی و به ­طور مستقیم با مشتریان کار می‌کنند. همچنین غول‌های تکنولوژی مانند اپل در حال پیشرفت در این بخش هستند. اپل از سال ۲۰۱۵ دو چارچوب باز برای کمک به آزمایش‌های بالینی راه ­اندازی کرده ­است که برای استخدام بیماران و نظارت بر سلامت آن‌ها استفاده می­شود.

10. شبکه‌های مخالف مولد

Gan از ایده “AI در مقابل AI” بهره می­گیرد و شامل یک مولد و یک تفکیک­ کننده است. مولد یک تصویر ساختگی ایجاد می‌کند درحالی­که تفکیک­ کننده، آن را با تصاویر دنیای واقعی مقایسه می‌کند و بازخوردی برای مولد فراهم می‌کند.

نتیجه نهایی، یک حلقه ثابت بازخورد است که تصاویر پیچیده ای را تولید می‌کند و به ­عنوان مقیاس‌های تحقیقاتی، آینده اخبار، رسانه‌ها، هنر و حتی امنیت سایبری را تغییر خواهد داد. یکی از روندهای پیشروی AI در سال ۲۰۱۹، توسعه بیشتر Gan و انتشار آن در برنامه‌های دیگر خواهد بود.

11. یادگیری متحد

آموزش هوش مصنوعی با استفاده از مجموعه داده‌های محلی منحصر به فرد می‌تواند عملکردها را بهبود بخشد. رویکرد یادگیری متحد گوگل به دنبال استفاده از این مجموعه داده‌های غنی و حفاظت از داده‌های حساس است. در سال جاری کاربردهای بیشتری از یادگیری متحد در کشف دارو و موارد استفاده دیگر ایجاد خواهد شد.

12. بیومتریک پیشرفته بهداشت و درمان

محققان با استفاده از شبکه‌های عصبی، شروع به مطالعه و اندازه‌گیری فاکتورهای ریسک غیر معمولی کرده ­اند؛ یعنی فاکتورهایی که قبلا به سختی تعیین شده بودند. AI از اسکن شبکیه تا تحلیل تغییرات رنگ پوست، دید پزشکی را با دسترسی به منابع بی­شمار باز می‌کند. در آینده توانایی هوش مصنوعی در یافتن الگوها برای باز کردن روش­‌های تشخیصی جدید و شناسایی عوامل خطر ناشناخته پیشین ادامه خواهد یافت.

13. پردازش خودکار ادعاها

بیمه گران و شرکت‌های نوپا، با استفاده از تحلیل تصویر تصادف و کنترل رفتار راننده از طریق هوش مصنوعی نمره ریسک صاحب خودرو را محاسبه می‌کنند. پیشرفت در هوش مصنوعی در حال بازسازی آن چیزی است که پیش از این یک فرآیند آرام و غالبا انسانی بوده و موجب بررسی سریع‌تر ادعاها می‌شود.

14. ضد تقلب

شناسایی کالاهای تقلبی روز به ­روز سخت تر می­شود و خرید آنلاین نیز، امکان خرید کالاهای تقلبی را راحت­‌تر کرده است. برای مبارزه با این مسئله، برندهای مختلف شروع به آزمایش با هوش مصنوعی می‌کنند. در سراسر تجارت آنلاین و فیزیکی، هوش مصنوعی برای شناسایی محصولات تقلبی و علائم تجاری به کار می‌رود.

15. خرده فروشی رایگان

تاکنون آمازون تنها سایت موفق خرده‌فروشی رایگان در دنیا بوده ­است. از جمله نگرانی‌های این مورد، نحوه پیش‌گیری از سرقت، بسته به اندازه و مقیاس عملیات‌ها و انواع محصولات موجود است. در آینده نزدیک تصویب خواهد شد که انطباق هزینه های استقرار و هزینه های از دست دادن موجودی، به مشکلات فنی بالقوه بستگی دارد.

16. اتوماسیون اداری

هوش مصنوعی کار اجرایی توسط اپراتور را خودکار می‌کند، اما طبیعت متنوع و فرمت‌های گوناگون داده‌­ها این کار را تبدیل به یک کار چالش برانگیز می‌کند. با وجود چالش‌های منحصر به فرد و کاربردهای مختلف برای هر صنعت، بخش های مختلف به تدریج اتخاذ راه حل های عملیات مبتنی بر یادگیری ماشین را ارائه می دهند.

در حوزه‌های دیگر، قبل از اینکه لایه‌ای از تجزیه و تحلیل و پیش‌بینی وجود داشته باشد، می­‌بایست دیجیتال سازی رخ دهد. یکی از برترین روندهای هوش مصنوعی در سال ۲۰۱۹، افزایش نوآوری و اکتشاف در زمینه اتوماسیون رباتیک خواهد بود.

کشف دارو به کمک هوش مصنوعی

17. ترجمه زبان

پردازش طبیعی زبان برای ترجمه یک چالش و یک فرصت بازاری دست­ نخورده است. شرکت‌های بزرگ تکنولوژی مانند Baidu و گوگل شروع به ایجاد موج در این فضا می‌کنند. از آنجا که منابع به بهبود چارچوب‌ها، کارایی و قابلیت‌های زبانی اختصاص داده شده است، بهره‌وری و اتخاذ آن­ها در سراسر صنایع افزایش خواهد یافت.

18. داده های ترکیبی آموزشی

دسترسی به مجموعه داده‌های برچسب دار بزرگ برای آموزش الگوریتم­‌های هوش مصنوعی ضروری است. اما برای برخی کاربردها، دسترسی کافی به داده‌های دنیای واقعی ممکن است حتی امکان­پذیر نباشد. داده‌های مصنوعی واقع­گرایانه یا مجموعه داده‌های ترکیبی می‌توانند این مشکل را حل کنند. داده‌های دنیای واقعی نیز می‌توانند با ترکیبی از داده‌های شبیه‌سازی شده توسط هوش مصنوعی، برای ایجاد مجموعه داده‌های بزرگ‌تر و متنوع‌تر افزایش یابند.

19. یادگیری تقویتی

به طور خلاصه، یادگیری تقویتی می­پرسد به چه کاری برای رسیدن به هدف خود و به حداکثر رساندن پاداش‌ها نیاز دارید؟ محققان، مرزهای توانمندی‌های هوش مصنوعی را با یادگیری تقویتی گسترده می­کنند. البته نیاز به مجموعه داده‌های حجیم، کاربردهای عملی را محدود می‌سازد. با وجود رقبای این حوزه، بازیگران اصلی، سرمایه گذاری بیشتری در این فن‌آوری دارند و تحقیقات در مورد کاربردهای این حوزه در حال افزایش است.

20. بهینه سازی شبکه

از تسهیل اشتراک برای نظارت بر دارایی ها گرفته تا ارائه طرح های بهینه برای آنتن‌دهی، AI در حال تغییر ارتباطات مخابراتی است و برای ارائه دهندگان خدمات ارتباطاتی، بهینه‌سازی به طور مستقیم به تجارب بهتر مشتریان تبدیل می‌شود.

این فناوری همچنین در حال آماده شدن برای ادغام راه‌حل‌های مبتنی بر هوش مصنوعی با فن‌آوری بی‌سیم 5G است. یکی از روندهای کلیدی AI در سال ۲۰۱۹ و فراتر از آن، ادغام فزاینده آن در شبکه‌های مخابراتی جهانی خواهد بود.

21. خودروهای خودران

با وجود یک فرصت بازار قابل توجه برای وسایل نقلیه خودران، زمان برای استقلال کامل خودروها هنوز مشخص نیست. برخی از نرم‌افزارها می‌توانند قبل از استفاده از وسایل نقلیه‌ی کاملا خودکار، تدارکات و اجرای آن‌ها را ببینند. حتی اگر زمان به ­کارگیری این فن­اوری نامشخص باشد، طیف گسترده‌ای از صنایع به طور فعال در حال سرمایه‌گذاری و اتخاذ فن‌آوری در این حوزه هستند.

22. کنترل محصول

در بخش کشاورزی، سه نوع نظارت بر محصولات انجام می‌شود: زمینی، هوایی و جغرافیایی. استارتاپ ها و متصدیان امر، نظارت بر محصولات را با استفاده از هوش مصنوعی و برای مدیریت آفت‌کش‌ها، شناسایی مسائل و پیش‌بینی چگونگی تاثیر تغییرات آب و هوا بر کشاورزی به کار می­گیرند.

23. شکار تهدید سایبری

واکنش به حملات سایبری به اندازه کافی وجود ندارد. پیشرفت‌ها در زمینه قدرت محاسبه و الگوریتم‌ها، هک‌های نظری پیشین را به مشکلات امنیتی حقیقی تبدیل کرده‌اند. در پاسخ، شکار فعالانه تهدیدها با استفاده از یادگیری ماشین، در امنیت سایبری بسیار مورد توجه قرار گرفته ­است. یکی از روندهای برتر هوش مصنوعی در سال ۲۰۱۹،  افزایش تقاضا برای شکارچیان تهدید سایبری در انواع گوناگون تجاری خواهد بود.

24. هوش مصنوعی مکالمه‌ای

برای بسیاری از شرکت‌ها، ربات‌های چت، مترادف با هوش مصنوعی است اما این گفته با واقعیت همخوانی ندارد. باوجود پذیرش گسترده آن‌ها، ربات‌های چت در تلاشند تا ارزیابی فوری موقعیت در زمینه‌های پیچیده پزشکی و بیمه را هر چه بهتر انجام دهند. هوش مصنوعی می‌تواند قابلیت‌های خود را در این زمینه‌ها بهبود بخشد، اما این کار برای الگوریتم‌ها بسیار دشوار است.

25. کشف دارو

با پدیدار شدن استارتاپ های بیوتکنولوژی هوش مصنوعی، شرکت‌های دارویی سنتی به دنبال شرکت‌های نوپا هستند تا چرخه طولانی کشف دارو را کاهش دهند. با اینکه بسیاری از این شرکت‌های نوپا هنوز در مراحل اولیه تأمین بودجه هستند ولی در حال حاضر به لیست مشتریان دارویی خود می‌بالند. یکی از روندهای عالی هوش مصنوعی در سال ۲۰۱۹، افزایش سرمایه گذاری در این فضا توسط شرکت‌های دارویی پیشرو خواهد بود.

برچسب ها

محمد افشار

دانشجوی کارشناسی مهندسی صنایع در دانشگاه صنعتی امیرکبیر، دبیر بخش ویژه‌نامه هوش مصنوعی اکوموتیو

نوشته های مشابه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *