انقلاب صنعتی چهارم و هوش مصنوعی
چگونه فناوریهای صنعت 4.0 در حال تغییر در تولید هستند؟
صنعت در حال حاضر چهارمین انقلاب بزرگ خود را پشت سر میگذارد؛ انقلابی که عموماً به عنوان صنعت 4.0 یا همان انقلاب صنعتی چهارم شناخته میشود. هدف صنعت 4.0 استفاده از آخرین پیشرفتهای فناوری شامل محاسبات شناختی، اَبر ترکیبی (Hybrid Cloud) و تحلیل پیشرفته به منظور ایجاد شفافیت در اطلاعات، افزایش تخصص و مهارت انسانی در استفاده از فناوری و تمرکززدایی از قوه تصمیمگیری است. صنعت 4.0 در نحوه تولید، بهبود و توزیع محصولات شرکتها انقلابی به پا کرده است. در این مقاله سعی داریم به بررسی ارتباط انقلاب صنعتی چهارم و هوش مصنوعی بپردازیم.
کارخانههای هوشمند مجهز به حسگرهای پیشرفته، نرمافزارهای متعدد و فناوری روباتیک هستند. این ابزارها دادهها را جمعآوری و تجزیه و تحلیل میکنند و امکان تصمیمگیری بهتر را فراهم میآورند. این فناوریهای دیجیتالی منجر به افزایش اتوماسیون، پایش و نگهداشت تجهیزات با نگاه به آینده، خودبهینهسازی در جهت بهبود فرآیندها و بالاتر از همه، سطح جدیدی از بهرهوری و پاسخگویی به مشتریان میشوند که قبلاً امکانپذیر نبود. توسعهٔ کارخانههای هوشمند برای ورود به انقلاب صنعتی چهارم فرصت فوقالعادهای در اختیار صنعت تولید قرار میدهد. تجزیه و تحلیل حجم زیادی از دادههای بزرگی که از حسگرهای کارگذاشته شده در کارخانه جمعآوری شدهاند، پایش لحظهای داراییهای تولیدی را تضمین میکند. شاید بتوان گفت این موارد دستاوردهای مهم صنعت در ارتباط با انقلاب صنعتی چهارم و هوش مصنوعی در کنار یکدیگر هستند.
استفاده از دستگاههای مبتنی بر اینترنت اشیاء با فناوری پیشرفته در کارخانههای هوشمند منجر به بهرهبرداری بالاتر و بهبود کیفیت میشود. جایگزینی مدلهای بازرسی انسانی با بازرسی تصویری مبتنی بر هوش مصنوعی خطاهای تولید را کاهش میدهد و در هزینه و زمان صرفهجویی میکند. با حداقل سرمایهگذاری، پرسنل کنترل کیفیت میتوانند با استفاده از گوشی هوشمندی متصل به فضای ابری، فرآیندهای تولید را تقریباً از هر نقطه نظارت کنند. با استفاده از الگوریتمهای یادگیری ماشینی، تولیدکنندگان میتوانند پیش از آن که کار به مراحلی کشیده شود که به افزایش هزینهها بیانجامد، خطاها را فوراً تشخیص دهند.
از ماشین بخار به حسگر: تاریخچهای برای صنعت 4.0
اولین انقلاب صنعتی در اواخر قرن هجدهم در بریتانیا رخ داد. این انقلاب به تولید انبوه با استفاده از نیروی آب و بخار به جای نیروی انسانی و حیوانی محض کمک کرد. یکقرن بعد، انقلاب صنعتی دوم خطوط مونتاژ و استفاده از نفت، گاز و برق را باب کرد. این منابع انرژی جدید، همراه با ارتباطات پیشرفتهتر از طریق تلفن و تلگراف، تولید انبوه و درجاتی از اتوماسیون را برای فرآیندهای تولید به ارمغان آورد. سومین انقلاب صنعتی که اواسط قرن بیستم آغاز شد، رایانهها، مخابرات پیشرفته و تجزیه و تحلیل دادهها را به فرآیند تولید اضافه کرد. دیجیتالی شدن کارخانهها با تعبیه کنترلکنندههای منطقی و قابلبرنامهریزی در ماشینآلات آغاز شد. این تجهیزات دیجیتالی به منظور کمک به خودکارسازی برخی از فرآیندها و جمعآوری و به اشتراکگذاری دادهها به کار گرفته میشدند.
ما اکنون در چهارمین انقلاب صنعتی هستیم که به آن صنعت 4.0 هم میگویند. مشخصهٔ اصلی این انقلاب، افزایش سطح اتوماسیون، استفاده از دستگاههای هوشمند و کارخانههای هوشمند است؛ کارخانههایی که در آن دادههای موثق کمک میکنند تا کالا با بهرهوری و کارایی بیشتری در سراسر زنجیرهٔ ارزش تولید شوند. انعطافپذیری بهبود پیدا میکند تا تولیدکنندگان بتوانند با استفاده از سفارشیسازی انبوه کالاها، خواستههای مشتریان را بهتر برآورده کنند.
چه فناوریهایی صنعت 4.0 را پیش میبرند؟
فناوریهایی که در صنعت 4.0 به کار میآیند عبارتاند از: اینترنت اشیاء، رایانش ابری، رایانش لبهای (Edge computing)، امنیت رایانهای، هوش مصنوعی و یادگیری ماشینی. برای آشنایی بیشتر با فناوریهای انقلاب صنعتی چهارم کلیک کنید. در این مقاله سعی داریم ابعاد مختلف ارتباط انقلاب صنعتی چهارم و هوش مصنوعی را بررسی کنیم. بر همین اساس ابتدا به پاسخهایی میپردازیم که به پرسش «هوش مصنوعی چیست؟» داده شده است. سپس انواع هوش مصنوعی را معرفی میکنیم و کابردهای هوش مصنوعی را در صنعت به بحث میگذاریم و از این طریق، ارتباط میان انقلاب صنعتی چهارم و هوش مصنوعی را بررسی میکنیم. بعد اشارهای به کاربردهای هوش مصنوعی در آینده و تحولی که در انقلاب صنعتی چهارم به همراه دارد، خواهیم داشت و در آخر نیمنگاهی میاندازیم به وضعیت ایران در ارتباط با هوش مصنوعی و انقلاب صنعتی چهارم.
هوش مصنوعی چیست؟
در حالی که برخی تعاریف هوش مصنوعی (AI) در چند دههٔ اخیر ظاهر شدهاند، جان مککارتی در مقالهای در سال 2004 تعریف زیر را از هوش مصنوعی ارائه میدهد: «هوش مصنوعی علم و مهارت مهندسی لازم برای ساخت دستگاههای هوشمند، به خصوص برنامههای رایانهای هوشمند است. هوش مصنوعی به کاری مشابه با استفاده از رایانهها برای فهم هوش انسانی مربوط میشود، اما با این تفاوت که مجبور نیست خود را به روشهایی محدود کند که از نظر زیستشناختی قابل مشاهده باشند.» به طور خلاصه برای پاسخ به پرسش «هوش مصنوعی چیست؟»، میتوان گفت: هوش مصنوعی، در سادهترین شکل خود، حوزهای است که علوم کامپیوتر را با مجموعه دادههای دقیق (robust datasets) ترکیب میکند تا امکان حل مسئله را فراهم کند. همچنین AI زیرشاخههای یادگیری ماشینی (machine learning) و یادگیری عمیق (Deep learning) را شامل میشود که اغلب در ارتباط با هوش مصنوعی از آنها یاد میشود. این رشتهها از آن دسته الگوریتمهای هوش مصنوعی تشکیل شدهاند که به دنبال ایجاد سیستمهای خبره (expert systems) هستند؛ سیستمهایی که بر اساس دادههای ورودی پیشبینی یا طبقهبندی میکنند.
انواع هوش مصنوعی: هوش مصنوعی قوی در برابر هوش مصنوعی ضعیف
هوش مصنوعی ضعیف – که به آن هوش مصنوعی محدود (ANI) نیز میگویند – نوعی از هوش مصنوعی است که روی انجام وظایف بخصوصی متمرکز و تنظیم شده است. بیشتر دستگاههای هوش مصنوعی که ما را احاطه کردهاند از نوع هوش مصنوعی ضعیف هستند. واژه «محدود» احتمالاً توصیف دقیقتری از این نوع هوش مصنوعی به دست دهد زیرا این نوع از هوش مصنوعی به هیچوجه ضعیف نیست. هوش مصنوعی ضعیف برخی برنامههای کاربردی بسیار قوی مانند الکسای آمازون، سیری اَپل، واتسون آیبیام و وسایل خودکار را ممکن میسازد.
هوش مصنوعی قوی از هوش مصنوعی عمومی (AGI) و اَبَرهوش مصنوعی (ASI) تشکیل شده است. هوش مصنوعی عمومی یا general AI، شکل نظری آن دسته از انواع هوش مصنوعی است که در آن ماشین، هوشی برابر با انسان پیدا میکند. این نوع هوش مصنوعی توانایی حل مسئله، آموختن، و برنامهریزی برای آینده دارد. اَبَر هوش مصنوعی از هوش و توانایی مغز انسان پیشی میگیرد. اگرچه هوش مصنوعی قوی همچنان پدیدهای تماماً نظری است و هیچ نمونه عملی امروزینی ندارد، این بدان معنا نیست که محققان هوش مصنوعی در حال تحقیق برای توسعهٔ آن نیستند.
یادگیری عمیق و یادگیری ماشینی
از آنجایی که یادگیری عمیق و یادگیری ماشینی جزء مهمترین موضوعات مربوط به هوش مصنوعی هستند و معمولاً به جای همدیگر مورد استفاده قرار میگیرند، اشاره به تفاوتهای ظریف این دو ارزشمند است. همانطور که بالاتر گفته شد، هم یادگیری عمیق و هم یادگیری ماشینی هر دو زیرشاخههای هوش مصنوعی هستند و یادگیری عمیق در واقع زیرشاخه یادگیری ماشینی است.
یادگیری عمیق در واقع از شبکههایی عصبی تشکیل شده است. واژه «عمیق» در یادگیری عمیق به شبکهای عصبی ارجاع میدهد که متشکل از سه لایه یا بیشتر میشود – این لایهها به ورودیها و خروجی اختصاص دارد. این شبکه عصبی میتواند الگوریتم یادگیری عمیق در نظر گرفته شود. شبکه عصبی را به طور کلی میتوان با استفاده از نمودار زیر نشان داد:
تفاوت یادگیری عمیق و یادگیری ماشینی در نحوهایست که هر الگوریتم میآموزد. یادگیری عمیق بیشتر بخش استخراج ویژگی فرآیند را خودکار میکند، برخی از مداخلات دستی انسانی را حذف میکند و امکان استفاده از دادههای بزرگتر را فراهم میکند. با استفاده از یادگیری عمیق و یادگیری ماشینی میتوان به سطح بالاتری از هوشمندسازی صنایع دست یافت و در نتیجه در پیشبرد اهداف انقلاب صنعتی چهارم قدمهای مهمی برداشت.
کاربردهای هوش مصنوعی در انقلاب صنعتی چهارم
امروزه کاربردهای بیشماری در دنیای واقعی برای سیستمهای هوش مصنوعی وجود دارد. این کاربردها به هوشمندسازی هرچه بیشتر کارخانهها کمک کرده است و در راستای تحول در صنایع در ارتباط با انقلاب صنعتی چهارم گامهای مثبتی فراهم آورده است. در ادامه برخی از رایجترین کاربردهای هوش مصنوعی در صنعت آورده شده است:
– تشخیص گفتار: همچنین با نامهای تشخیص خودکار گفتار (ASR)، تشخیص گفتار رایانهای و تبدیلگر گفتار-به-متن هم شناخته میشود و قابلیتی است که از پردازش زبان طبیعی (NLP) برای تبدیل گفتار انسان به قالب نوشتاری استفاده میکند. بسیاری از دستگاههای تلفن همراه برای جستوجوی صوتی – مثل سیری شرکت اَپل- یا برای فراهم کردن دسترسی بیشتر در ارسال پیامک از تشخیص گفتار در سیستمهای خود استفاده میکنند.
– خدمات مشتری: کارگزاران مجازی آنلاین جایگزین کارگزاران انسانی در طول مسیر مشتری میشوند. آنها به سؤالات متداول (FAQs) در مورد موضوعاتی پاسخ میدهند مانند شیوهٔ ارسال و حمل و نقل، ارائهٔ مشاورهٔ شخصی، فروش محصولات جانبی، پیشنهاد سایز محصول به کاربران. کارگزاران مجازی، طرز فکر ما را دربارهٔ نحوهٔ تعامل با مشتری در وبسایتها و پلتفرمهای شبکه اجتماعی تغییر میدهند. به عنوان مثال میتوان به رباتهای پیامرسان در سایتهای تجاری الکترونیکی با کارگزاران مجازی اشاره کرد؛ برنامههای پیامرسانی مانند اسلک (slack) و فیسبوک (Facebook). همچنین میتوان برای مثال به وظایفی اشاره کرد که معمولاً توسط دستیاران مجازی و دستیاران صوتی انجام میشود.
– بینایی رایانهای: فناوری هوش مصنوعی رایانهها و سیستمها را قادر میسازد تا اطلاعات معناداری را از تصاویر دیجیتال، ویدیوها و سایر ورودیهای بصری به دست آورند و بر اساس آنها، اقداماتی به عمل آورند. همین توانایی در ارائهٔ پیشنهاد، این فناوری را از وظایف مربوط به تشخیص تصویر متمایز میکند. بینایی رایانهای که از شبکههای عصبی پیچشی پشتیبانی میکند، دارای کاربردهایی در برچسبگذاری عکس در شبکههای اجتماعی، تصویربرداری رادیولوژی در مراقبتهای بهداشتی و خودروهای خودران در صنعت خودروسازی است.
– موتورهای توصیهگر(Recommendation engines): الگوریتمهای هوش مصنوعی با استفاده از تجزیه و تحلیل دادههای رفتار مصرف مربوط به گذشته میتوانند به کشف روندهای دادهها کمک کنند. این روندهای داده میتواند برای توسعهٔ استراتژی فروش مؤثرتر مورد استفاده قرار گیرند. این روندها برای ارائهٔ توصیههای تشویقی مرتبط به مشتریان در طول فرآیند پرداخت برای خردهفروشان آنلاین استفاده میشوند.
– معاملات سهام خودکار: پلتفرمهای معاملاتی با بسامد بالا (high-frequency trading platforms) و مبتنی بر هوش مصنوعی برای بالا بردن بهرهوری سبد سهام طراحی شدهاند. این پلتفرمها هزاران یا حتی میلیونها معامله را در روز بدون دخالت انسان انجام میدهند.
کاربردهای هوش مصنوعی در آینده
تغییر فازی واقعی و مبتنی بر شواهد در تبدیل هوش مصنوعی از «گل سر سبدِ» کنجکاوی به «عنصر کلیدی» در سازمانهای پیشرو وجود دارد. ۶۱ درصد از پاسخدهندگان به گزارش اخیر Deloitte Insights میگویند که هوش مصنوعی صنعت آنها را در ۳ تا ۵ سال آینده به طور اساسی متحول خواهد کرد و با این تحول اساسی انقلاب صنعتی چهارم زندگی انسانها را وارد فار جدیدی خواهد کرد. محوریت فزاینده هوش مصنوعی در فرآیندهای تجاری و حتی در استراتژی به امری بیچون و چرا بدل شده است. هیاهوی مربوط به پیشرفتهای این روزهای هوش مصنوعی بدون تلاقی سه عامل امکانپذیر نبود که معادله مناسبی را برای رشد و پیشرفت هوش مصنوعی ایجاد کردند: ظهور کلانداده همراه با ظهور واحدهای پردازش گرافیکی قدرتمند (GPU) برای محاسبات پیچیده و ظهور مجدد یک مدل محاسباتی هوش مصنوعی با عمر چند دهه یعنی یادگیری عمیق.
مهندسان و دانشمندان کامپیوتر، دههها صرف تکمیل تواناییهای رایانهها برای حل مسائل ریاضی کلاسیک و منطق کردند. اما آنچنان که به نظر میرسد، بسیاری از تصمیم گیریهای دنیای واقعی به راحتی در چارچوب یک مسئله ریاضی مرتب قرار نمیگیرند. یادگیری ماشینی در چنین شرایطی مزیتهای خود را دارد: هنگامی که ما نمیتوانیم به طور منطقی یا مقرون به صرفه از ریاضیات استفاده کنیم تا به رایانه بگوییم چه کاری انجام دهد، می توانیم از یادگیری ماشینی برای آموزش دادن به رایانه با نشان دادن مثالهایی از نحوه انجام آن کار استفاده کنیم. استارتآپها و شرکتها مشابه با هم به ماشینها آموزش میدهند تا از قابلیتهایی الگوبرداری کنند که زمانی تصور میشد که «به طور منحصر به فرد در اختیار انسانها» است. دیگر مرزهای پیشرفت هوش مصنوعی عبارتند از ادراک حسی و تشخیص (پنج “حس”)، خلاقیت (خواندن، نوشتن، و هنرها)؛ و همنوایی (هوش عاطفی).
ما به آستانه «عصر همکاری» رسیدهایم، عصری که در آن انسانها میتوانند با ماشینها همکاری کنند تا نتایجی را ارائه دهند که در آنها سرعت و دقت ماشین با شهود و کنجکاوی انسانی در همآمیخته باشند. آینده هوش مصنوعی بدون شک جالبتر میشود، زیرا این عوامل هوشمند همچنان به بسط، توسعه، تخصص و فعالیت خود ادامه می دهند.
اما کار فیزیکی چطور؟ در حالی که رباتها مدتی هست که وارد زندگی انسانها شدهاند، رباتهای امروزی حداقل از دو جهت متفاوت هستند: آنها بسیار بیشتر از قبل قابل تنظیم هستند و همچنین آگاهی آنها از موقعیت بیشتر شده است. در نتیجه، آینده روباتها در محل کار بهطور فزایندهای به سمت «همباتها» میچرخد: هم تیمیهای روباتیک همکاری (collaborative Robots) که با ما کار میکنند، نه به جای ما. بنابراین، در حالی که سرفصلهای تاریخی مدتهاست که روی روباتهایی تثبیت شدهاند که برای شغلهای مختلف میآیند، روند تحقیقات نشان میدهد که آنها به احتمال زیاد نه جایگزینهای ما بلکه همکاران ما خواهند بود. انتظار میرود ارزش بازار همباتها تا سال ۲۰۲۷ به ۷.۵ میلیارد دلار یا حدود ۲۹درصد از بازار جهانی روباتهای صنعتی برسد. کاربردهای هوش مصنوعی در آینده متأثر از پیشرفتهای این حوزه انقلاب صنعتی چهارم را به سمت بهرهوری هر چه بیشتر سوق خواهد داد.
هوش مصنوعی در ایران
در حال حاضر ایران در زمینه هوش مصنوعی در اول راه قرار دارد و تحولات ناشی از انقلاب صنعتی چهارم چنان که باید در صنعت ایران اتفاق نیفتاده است. امروزه هوش مصنوعی به جایی رسیده که توانسته است در زندگی فردی مردم نفوذ پیدا کند و استفاده از آن در برخی کارهای روزمره بسیار ناملموس باشد. همین حالا هم هوش مصنوعی به عنوان یکی از فناوریهای مرتبط با انقلاب صنعتی چهارم در حوزههایی مانند پزشکی، صنایع تولیدی، بازاریابی، اتوماسیون فرآیندهای مختلف، اقتصاد و … به کار میرود و آیندهای شگفتانگیز نیز برای آن پیشبینی میشود. همچنین علاوه بر آنچه گفته شد فعالیتهایی مانند طراحی سیستمهای ایمنی، مسائل تشخیص هویت، بازیهای کامپیوتری، طراحی سیستمهای پیشرفته نظامی، طراحی نرمافزارهای هوشمند و… همه رو به پیشرفت هستند و برای پیشرفتهتر شدن به هوش مصنوعی نیاز دارند.
پایگاه نیچر ایندکس (Nature Index) یک پایگاه داده علمی است که از مقالات تحقیقاتی منتشر شده در گروه مستقلی متشکل از ۸۲ مجله علمی با کیفیت بالا گردآوری شده است. این پایگاه داده توسط Nature Research گردآوری شده است. این شاخص ماهانه بهروزرسانی میشود و دادهها را در دسترس قرار میدهد. در حوزه هوش مصنوعی، Nature Index ۲۰۲۰، این پایگاه جداول ۱۰۰ مؤسسه برتر، ۲۵ مؤسسه در حال رشد، ۲۵ کشور برتر در هوش مصنوعی، ۱۰۰ مؤسسه آکادمیک برتر، ۱۰ مؤسسه برتر مراقبتهای بهداشتی، ۱۰ مؤسسه غیردولتی NPO/NGO برتر، ۱۰ نهاد برتر دولتی، ۵ شرکت برتر، ۱۰۰ سازمان تحقیقاتی برتر (دادههای ابعاد)، ۲۵ سازمان تحقیقاتی در حال رشد، ۲۵ کشور/ سرزمین برتر در هوش مصنوعی در پایگاه داده Dimensions را منتشر کرده است. در جدول ۲۵ کشور/ سرزمین برتر در هوش مصنوعی که بر اساس پایگاه داده Dimensions و بر اساس تعداد کل انتشارات (نشریه) در این زمینه از سال ۲۰۱۵ تا ۲۰۱۹ رتبه بندی شده است، رتبه اول متعلق به چین با ۳۱۸ هزار و ۵۳۴ انتشار علمی و رتبه ۱۳ متعلق به ایران با ۳۰ هزار و ۲۲۱ انتشار علمی است.
با توجه به همهی این آمار و مسائل استفاده از هوش مصنوعی در ایران هرچه بیشتر رو به گسترش خواهد رفت و همچنان که کاربردهای آن گسترش خواهد یافت نیاز به متخصصان هوش مصنوعی در ایران هم بیشتر خواهد شد. همین امر باعث میشود تا فرصتهای شغلی برای متخصصان هوش مصنوعی در ایران روز به روز بیشتر شود. ورود هوش مصنوعی و فراگیری استفاده از آن صنعت ایران را وارد عصر انقلاب صنعتی چهارم کرده و مزیتهای آن را افزایش میدهد.