در دومین رویداد هوش مصنوعی در صنعت مطرح شد؛ ارزیابی تأثیرات متحول‌کننده فناوری، از پزشکی و آموزش تا صنعت و بازاریابی

این رویداد، با هدف ایجاد فضایی برای تبادل افکار متخصصین و فعالان حوزه هوش مصنوعی، یادگیری ماشین و علوم داده در کشور و بهره‌مندی از تجربیاتی که سخنرانان همایش در مواجهه با چالش‌های توسعه محصولات هوش مصنوعی و علوم داده به‌دست آورده‌اند، برای دومین سال پیاپی برگزار شد تا هم به شبکه‌سازی در این حوزه نوپا کمک کند و هم فرآیند توسعه این فناوری تازه را تسهیل کند.

در این رویداد یک روزه، سخنرانانی از شرکت‌های گوگل، متا، مایکروسافت، آی‌بی‌ام و کارگزاری مفید، حضور داشتند و بعد از پایان هر ارایه، به سوالات حاضران پاسخ دادند.

همچنین در میانه‌های این رویداد، پنل گفتگویی با موضوع «تأثیر ChatGPT و فناوری‌های مرتبط بر آینده کسب‌وکارها» برگزار شد که در آن تجربه و چالش‌های برخی از سخنرانان در قالب گفت‌وگو به مخاطبان، منتقل شد.

در دومین رویداد تجربه‌محور هوش مصنوعی در صنعت (AIX)، سهیل مقدم معاونت فناوری دیجی کالا، حمیدرضا واعظی دانشمند ارشد داده متا، محمد شکوهی یکتا دانشمند ارشد داده مایکروسافت، آرزو کشاورز راهبر فنی سابق گوگل، کیانوش مختاریان راهبر فنی سابق گوگل، مهدی سلمانی سرپرست تیم داده واتسون آی‌بی‌ام، علی زارع‌زاده راهبر تیم داده و هوش مصنوعی کارگزاری مفید، زینب برزگر عضو هیات علمی دانشگاه علوم پزشکی ایران، محمد حسین رهبان عضو هیات علمی دانشگاه صنعتی شریف به عنوان سخنران، حضور داشتند.

کیانوش مختاریان، راهبر فنی سابق گوگل، در نخستین ارایه این رویداد درباره تبلیغات نمایشی در محیط وب و مدل‌هایی که برای راهبرد آن‌ها طراحی می‌شود، توضیحاتی ارایه داد. او با اشاره به مدل‌های یادگیری ماشین در محیط عملیاتی گفت: صورت مساله در این مدل‌ها، استقرار در محیط عملیاتی است. یک مدل روی معماری برش می‌زند و یک مدل روی ترافیک برش می‌زند و در نهایت همه این مدل‌ها در نهایت کمک می‌کند که تبلیغات نمایشی شما در محیط وب، بهترین عملکرد را برای شما داشته باشد.

سهیل مقدم، معاون فناوری دیجی‌کالا، به‌عنوان دومین سخنران از تجربه‌های خود برای استفاده از هوش مصنوعی در دیجی‌کالا گفت. او با اشاره به اینکه مصرف جعبه در دیجی‌کالا بسیار زیاد است، افزود: تا همین چند‌سال پیش، مدام با خودم فکر می‌کردم آیا لازم است این همه منابع طبیعی و کاغذ را مصرف کنیم؟ همین فکر باعث شد که به این فکر کنیم که به راهی برسیم که جعبه را متناسب با کالا طراحی کنیم و اصلاً همیشه لزوماً از جعبه استفاده نکنیم. برای این کار از هوش مصنوعی کمک گرفتیم. هوش مصنوعی به ما کمک می‌کند که جعبه‌ها را به اندازه کالا تولید و از هدررفت کاغذ جلوگیری کنیم.

او همچنین ادامه داد: به کمک هوش مصنوعی، زمان‌بندی ارسال کالاها منظم‌تر و منطقی‌تر شده است که این اصلاح در زمان‌بندی طولانی، محیط‌زیست را هم کمتر آلوده می‌کند.

به‌گفته مقدم، بررسی کیفیت یا صحت کالاهایی که یک فروشنده در دیجی‌کالا می‌فروشد یا کامنت‌هایی که مشتری می‌گذارد و عکس‌ها و فیلم‌هایی که می‌فرستد هم از هوش مصنوعی در دیجی‌کالا استفاده می‌شود. مقدم تأکید کرد: هوش مصنوعی به‌عنوان یک ابزار open source (متن‌باز) نوعی سهل و ممتنع است که می‌تواند امور یک بیزینس را آسان کند.

«هوش مصنوعی در اتاق جراحی» موضوع سخنرانی زینب برزگر، عضو هیئت علمی دانشگاه علوم پزشکی ایران، در دومین همایش هوش مصنوعی در صنعت بود. این مهندس کامپیوتر در ابتدا با اشاره به تاریخچه عمل جراحی گفت: تا ۱۵۰ سال پیش، بیهوشی هنوز وجود نداشت. فردی که قرار بود جراحی شود باید با تزریق مخدر درد را تحمل می‌کرد. یا جالب‌تر اینکه تا قرن نوزدهم چیزی به نام جراح وجود نداشت. حتی در قرن ۱۹ که کم‌کم جراحی شروع به شکل‌گیری کرد، فرهنگ ضدعفونی وجود نداشت و پزشک بدون تجهیز شدن به امکانات خاصی، ناگهان شروع به جراحی می‌کرد و همین شرایط باعث می‌شد تعداد کمی از افراد، زنده و سالم از اتاق جراحی بیرون بیایند.

عضو هیئت علمی دانشگاه علوم پزشکی ایران در ادامه افزود: کم کم با کشف مواد ضدعفونی کننده، اشعه ایکس و پرتوهای آلتراسونیک فرآیند جراحی به نوعی پیشرفت کرد و تحول بی‌نظیری در این حوزه ایجاد شد. حالا به جایی رسیده‌ایم که هوش مصنوعی در اتاق‌های جراحی حضور پیوسته دارد. ماشین لرنینگ، تحلیل تصاویر فهم زبانی و شبکه عصبی مصنوعی مهم‌ترین حوزه‌هایی هستند که هوش مصنوعی به آن‌ها وارد شده و به توسعه علم پزشکی کمک می‌کند.

برزگر همچنین در ادامه به دستگاه‌هایی اشاره کرد که با بهره‌برداری از هوش مصنوعی می‌توانند به‌طور کامل مشکل را در بدن بیمار پیدا کنند. او افزود: برای مثال، قبل از اینکه هیچ برشی در بدن بیمار ایجاد شود، تعداد لندمارک در بدن بیمار ایجاد می‌شود که قابلیت تطبیق با تصاویر گرفته‌شده از بدن بیمار دارد. تکنسین به‌کمک دانش آناتومی و هوش مصنوعی می‌تواند با دقت بیشتری کار را شروع کند و بهترین نقطه برای جراحی را انتخاب کند.

«تحول بینایی کامپیوتری در صنعت در یک دهه گذشته» یکی دیگر از موضوعاتی بود که در دومین همایش تجربه‌محور هوش مصنوعی در صنعت مطرح شد. حمیدرضا واعظی، دانشمند ارشد داده در شرکت متا، صحبت‌های خود را با این محوریت شروع کرد که هیچ وقت برای ورود به حوزه بینایی کامپیوتری دیر نیست.

او در خصوص تغییرات بینایی کامپیوتری در صنعت در دهه گذشته گفت: در ابتدای امر باید در مورد کامپیوتر ویژن توضیح دهیم که قسمت مهمی از هوش مصنوعی است. کامپیوتر ویژن سه کار اصلی انجام می‌دهد: در مرحله اول باید ببینیم عکس چیست؛ سپس ببینیم تصویر کجا است؛ بعد هم باید ببینیم اشیایی که دنبال آن هستیم کجای تصویر وجود دارد.

واعظی در خصوص افزایش اقبال‌ها به کار ماشین لرنینگ در طول زمان توضیح داد: در سال ۲۰۱۳ تنها صد نفر در اپل کار ماشین لرنینگ می‌کردند. سال بعد از آن، اتفاقی که افتاد این بود که از ۱۰۰ نفر به ۴۰۰ نفر رسیدیم و سال ۲۰۱۵ این عدد برای ما از ۱۰۰۰ نفر گذشته بود.

او گفت: مدل‌های AI باید در حوزه نژاد، جنسیت و… بالانس باشند. هوش مصنوعی در سال‌های گذشته به‌شدت مورد بحث قرار گرفته‌ و قرار است که در سال‌های آینده دقیق‌تر شوند. وظیفه ما این است که تکنولوژی را جلو ببریم و راه را برای آن باز کنیم. هوش مصنوعی می‌تواند در آینده برای شما بازی را عوض کند. برای آغاز کامپیوتر ویژن دیر نیست؛ باید خود را به‌روز نگه داریم چون دو سال دیگر با امروز متفاوت است. ما تنها ده سال است به این مسئله وارد شده‌ایم و قطعاً در آینده در حوزه کامپیوتر ویژن‌ها اتفاقات جالبی را شاهد خواهیم بود.

علی زارع‌زاده، راهبر تیم داده و هوش مصنوعی کارگزاری مفید، با بیان تجربه‌های شخصی خود در استفاده از ChatGPT توضیح داد: روزهای ابتدایی که ChatGPT آمده بود و من از آن استفاده می‌کردم، راستش برایم چیز خیلی عجیبی نبود. تنها نکته‌ای که مرا به استفاده از این مدل زبانی جذب می‌کرد قابلیت چت‌کردن با آن بود چرا که مدل‌های قبلی فقط جمله‌ها را کامل می‌کردند، اما ChatGPT با کاربر مکالمه می‌کرد و اطلاعات آن کم‌کم با کمک انسان کامل می‌شد.

او ادامه داد: من هم اوایل فکر می‌کردم که ChatGPT همان نسخه تصویری گوگل است. اما کم‌کم دیدم که استدلال هم می‌فهمد و معما حل می‌کند. برایم سؤال شد که یک مدل زبانی چطور می‌تواند استدلال کند؟ بر این باورم که این استدلال هم از روی دیتا کار می‌کند و تابع طراحی می‌کند که احتمال تولید جمله با استدلال درست برایش بسیار قوی‌تر است.

زارع‌زاده همچنین اشاره به طراحی چت بات پشتیبانی مشتریان مفید، به‌کمک آمارهای موجود در بانک داده‌های این مجموعه، گفت: نسخه دموی این چت بات در نمایشگاه صنعت مالی ۱۴۰۲ ارائه شد و از مدل نهایی آن تا پایان تابستان رونمایی می‌شود. به‌گفته او، به‌کمک این فناوری تا ۵۰ درصد سؤالات مشتریان کارگزاری بدون صرف زمان اضافی، به‌سرعت و آسان پاسخ داده می‌شود.

در نیمه دوم رویداد تجربه‌محور هوش مصنوعی در صنعت، پنلی تخصصی با موضوع تأثیر چت‌جی‌پی‌تی و فناوری‌های مرتبط بر آینده کسب‌وکارها برگزار شد. در این پنل گفت‌وگومحور محمدحسین رهبان عضو هیات علمی دانشگاه صنعتی شریف، محمد شکوهی یکتا دانشمند ارشد داده در ماکروسافت، سهیل مقدم معاونت فناوری دیجی‌کالا، زینب برزگر عضو هیات علمی دانشگاه علوم‌پزشکی ایران و علی‌زارع‌زاده راهبر تیم دیتا و هوش مصنوعی کارگزاری مفید حضور داشتند.

شکوهی یکتا به عنوان اولین سؤال از حاضران در جلسه پرسید: «مهم‌ترین کاربردهایی که هوش مصنوعی مولد در تخصص و شغل شما دارد چیست؟‌»

زینب برزگر در این باره توضیح داد: تولید تصاویر مهم‌ترین کمکی است که هوش صنعتی مولد به ما می‌کند. من فکر می‌کنم در حوزه صنعت و حوزه آکادمیک در آینده‌ای نه چندان دور، ممکن است حتی مسیر تشخیص پزشکی را هوش صنعتی مولد تغییر دهد.

سهیل مقدم با اشاره به اینکه برای کمک به فروشندگان از هوش مصنوعی استفاده می‌کنیم، گفت: یکی از کاربردهای هوش مصنوعی برای دیجی‌کالا، تولید جعبه به اندازه کالا است که هم مصرف کاغذ کاهش پیدا کند و هم هزینه‌ها برای بیزینس مدیریت شود.

رهبان هم بر این باور بود که برای نوشتن مقالات می‌توان از هوش مصنوعی استفاده‌های متنوعی کرد.

سوال دیگری که در این پنل مطرح شد این بود که «ب آيا اینکه می‌گویند با توسعه هوش مصنوعی، آینده بشریت در خطر است، واقعیت دارد؟»

زینب برزگر در پاسخ به این سؤال گفت: نباید به هوش مصنوعی وابسته شویم و پژوهش و خواندن و مطالعه را رها کنیم. ما قبلاً برای یک مقاله ماه‌ها بررسی می‌کردیم. اما اکنون داستان عوض شده و این مسئله خصوصاً در فضای آکادمیک آسیب بدی است و من نگران فارغ التحصیلان بی‌سواد هستم.

رهبان هم معتقد بود: به‌نظر من اگر به‌شیوه درست از روش‌ها استفاده کنیم خیلی خوب است اما یک چاقوی دو لبه است.

مقدم اما در پاسخ به این سوال توضیح داد: دنیا در حال تغییر است و معمولاً همراه با یک صنعت، مشکلات می‌آیند و در کنار این مشکلات، صنعتی دیگر ایجاد می‌شود که این مشکلات را پاسخ می‌دهد. در خصوص درس خواندن و یادگیری، براساس بررسی‌های من، یادگیری دیگر جنس AI learning گرفته و همین طور هم خواهد ماند. یعنی آموزگاران باید خود را با روشی که بچه‌ها می‌اموزند، منطبق کنند. یادگیری از بین نمی‌رود. فقط نوع آن تغییر می‌کند. باید به‌سراغ روش‌های نوین و جدید برویم. چالش‌ها به سیستم‌هایی که بدعادت هستند، تکان محکمی می‌دهد. امروز شاهد یک تحول اساسی هستیم که ثبات آینده بشریت را به خطر می‌اندازد (در ابتدا) اما درنهایت به آن عادت می‌کنیم و راه زندگی بهتر با آن را پیدا می‌کنیم.

علی زارع‌زاده در ادامه گفت: من فکر می‌کنم کارهایی که امروز چت‌جی‌پی‌تی انجام می‌دهد خوب است و ما به‌عنوان نیروی انسانی، باید به‌سراغ کارهای سطح بالاتر برویم. دقیقاً مانند همه انقلاب‌هایی که پشت سر گذاشتیم. مگر بد است؟ الآن دیگر خودمان شخم نمی‌زنیم و ماشین این کار را انجام می‌دهد. هوش مصنوعی هم دقیقاً همین است. او افزود: یک مهندس نرم افزار باید برخی مهارت‌های پایه و مهارت‌های سطح بالا داشته باشد. از نظر من، ما همیشه باید پایه‌ها را بلد باشیم. ولی وقت خود را صرف کارهای سطح پایین نکنیم و آن‌ها را به ماشین‌ها بسپاریم.

آرزو کشاورز، راهبر فنی سابق گوگل که به‌شکل آنلاین در دومین رویداد تجربه‌محور هوش‌مصنوعی در صنعت حاضر شده بود، با ارایه توضیحاتی به تعریف علم تحلیل داده و ارتباط آن با هوش مصنوعی و مزیت‌های آن برای کسب‌وکارها و علوم مختلف پرداخت. کشاورز گفت: تحلیل داده یک ابزار کمکی برای تصمیم‌گیری برای کسب‌وکارهاست و افراد مختلف است. از یک شرکت بسیار بزرگ که کارمندان و دپارتمان‌های مختلفی دارد تا یک تراپیست که نیاز به‌روش‌های جدید روان‌درمان‌گری دارد.

او همچنین با اشاره به کارکردهای نوین و جدید تحلیل داده گفت: امروزه می‌توانیم برای بهبود عملکرد یک موتور جست‌وجو از علم تحلیل داده‌ها استفاده‌ کنیم.

همچنین او توضیح داد: یکی دیگر از کاربردهای علم تحلیل داده، کمک به تعمیر و نگه‌داری از دستگاه‌های گران‌قیمت در صنایع مختلف است.

«قدرت داده را با استفاده از تکنولوژی گراف و مدل‌های بزرگ زبانی، آزاد کنید.» این عنوان آخرین سخنرانی (آنلاین) دومین همایش تجربه‌محور هوش مصنوعی در صنعت بود. مدیر هوش مصنوعی جی‌پی‌مورگان درباره فواید گراف در هوش مصنوعی به مخاطبان توضیحاتی ارایه کرد. او توضیح داد: در این حوزه شرکت و سرمایه‌گذار وجود دارد و دیتا از منابع مختلف به‌دست می‌آید. فرض کنید دیتا را گرفتید؛ حالا چالش اینجاست که چطور دیتاها را به یکدیگر متصل کنید. اگر شما فهم درستی از این بازار نداشته باشید، سخت است که بتوانید از دیتاها درست استفاده کنید. گراف برای حل همین مسایل به شما کمک می‌کند.

او به عنوان آخرین سخنران در ادامه تاکید کرد: در حالت معمول شما باید برای پاسخ به یک سؤال ساده کارهای زیادی انجام دهید؛ اما وقتی گراف داشته باشید، می‌گویید دنبال این نوع رابطه می‌گردم و در یک خط می‌توانید اطلاعاتی را که به‌سختی ممکن بود در گذشته به‌دست آورید در چند دقیقه بگیرید. گراف همچنین ساختاری منعطفی دارد.