أبرز 5 قيود على استخدام الذكاء الاصطناعي في المنظمات – البوابة العربية للأخبار التقنية

مع التقدم التكنولوجي الحالي ، أصبحت رغبة الشركات المستمرة في اكتساب مزايا تنافسية جديدة ، والقدرة على توقع وتلبية احتياجات العملاء هي مفتاح النجاح ، مما دفع قادة الأعمال إلى إطلاق العنان لقوة أنظمة الذكاء الاصطناعي لتعزيز الإنتاجية وزيادة الإنتاجية من أجل: ، لكنها تتطلب العمل الجماعي. التنويع և تطوير مجموعات كبيرة من البيانات.

يسميها البعض معضلة الذكاء الاصطناعي ، عندما تدرك الشركات الحاجة إلى دمج الذكاء الاصطناعي في نماذج أعمالها ، لكن ثلث مشاريعها فقط تنجح. بعد ستة أشهر من الحمل والإنتاج ، الأسباب الرئيسية لهذه التحديات هي: 96٪ تواجه الشركات مشاكل البيانات ، مثل مجموعات البيانات غير الكافية 80٪ تقول بعض الشركات أن السبب هو عدم وجود تعاون بين مجموعات العمل المختلفة ، مثل عدم وجود تعاون بين علماء البيانات ومهندسي البيانات.

وفقا للمسح ، تقريبا 90٪ بدأت العديد من الشركات العمل في مشاريع الذكاء الاصطناعي لأنها تدرك فائدة وجدوى أنظمة تقنيات الذكاء الاصطناعي لممارسة الأعمال التجارية ، ويمكن للإنفاق على مشاريع الذكاء الاصطناعي أن يقلل في النهاية من تكلفة المهام طويلة الأجل ، وهو ما يجب على الناس القيام به. هذا ، بدوره ، كلف الكثير من المال ، بالإضافة إلى الكثير من الوقت ، لأن الأشخاص قاموا سابقًا بمهام مثل تحليل البيانات وتتبعها.

تساعد تقنيات وأنظمة الذكاء الاصطناعي على أتمتة معالجة البيانات بالكامل ، وهو ما كان مستحيلًا في السابق ، ولهذا السبب تقول 96٪ من الشركات إنها تتوقع استمرار نمو مشاريع التعلم الآلي خلال العامين المقبلين.

بينما تفتح تقنيات وأنظمة الذكاء الاصطناعي أبوابًا جديدة لبعض التوقعات المفاجئة في مختلف المجالات ، إلا أن هناك أيضًا العديد من التحديات التي تظهر عند استخدامها. في الماضي ، كانت مشكلات تطبيق الذكاء الاصطناعي عادةً بسبب قلة خبرة الموظفين في هذه التكنولوجيا الجديدة ، ولكن الآن توظف الشركات المواهب الخارجية والخبرة للتغلب على ذلك.

فيما يلي 5 قيود على استخدام الذكاء الاصطناعي في المؤسسات يميل قادة الأعمال في مجال التكنولوجيا إلى تجاهلها.

1- البيانات:

لكي تقوم أنظمة الذكاء الاصطناعي بعملها ، يجب أن يتم تدريبهم على البيانات لتعلم كيفية القيام بعملهم. في العديد من الشركات ، عادةً ما يتم تخزين البيانات – نادرًا ما تتم فهرستها – يتم مراقبتها باستمرار. بدون بيانات تدريب جيدة ، ستجد الشركات الأمر بسيطًا جدًا. من الصعب الاعتماد على هذه الأنظمة.

بشكل عام البيانات مطلوبة لبدء أي برنامج ، لا يهم إذا كان هذا البرنامج في مرحلة التدريب أو انتقل إلى مرحلة التنفيذ ، لذلك إذا كنت تأمل في استخدام الذكاء الاصطناعي في أحد البرامج ، فيجب عليك أولاً الاهتمام من البيانات لأن برامج الروبوتات تتطلب بعض التدريب المعرفي لتصبح أكثر ذكاءً بمرور الوقت.

هناك أيضًا روبوتات ذات قدرات معرفية متقدمة تستخدم تقنيات مثل التعلم الآلي ، والتعرف البصري على الصور (OCR) ، ومعالجة اللغة الطبيعية (NLP) ، وأتمتة العمليات الآلية (CPC) ، وكلها تعتمد على البيانات ، لذا فهي مختلفة . تلعب الأدوار. هذه الأنظمة هي أهم عامل في أتمتة المهام التي تنطوي على التفكير النقدي أو اتخاذ القرار.

غالبًا ما تعتقد الشركات أنه ليس لديها بيانات كافية للعمل مع الذكاء الاصطناعي ، ولكن يجب أن نتذكر أن هذا لا يتعلق بالحصول على بيانات عامة كافية ، ولكن “امتلاك بيانات وظيفية تساعد أنظمة الذكاء الاصطناعي على التعلم ، ومناسبة لأي مهمة. أنت “: قال ديفيد بارمينتر ، رئيس قسم علوم البيانات في Adobe.

وفقًا لمدير أجندة الذكاء الاصطناعي في Gartner ակ المحلل المُكرّم ويت أندروز: ترتبط قيود البيانات الأخرى بمعايير البيانات اللوائح.

2- نقص المعرفة والقيود الثقافية

السيارات في كثير من الأحيان لا تعرف ماذا تفعل. تعتبر أنظمة الذكاء الاصطناعي رائعة فقط لتفسير مجموعات البيانات الكبيرة ومعالجتها ، ولكن ليس هناك ما يضمن أن هذه الأنظمة ستفهم جميع البيانات التي تقوم بتدريبها بسبب تأثيرها على البشر. منهم اثناء التدريب ..

أساس القيود الثقافية هو مقاومة التغيير ، وهو ما يظهر في الأفراد عندما يكتشفون استراتيجيات جديدة لمساعدة الشركات على النمو.

3- التحيز

التحيز هو سمة بشرية. في كثير من الحالات ، يتم تمرير التحيز إلى البيانات بسبب البشر ، ولا تستطيع أنظمة الذكاء الاصطناعي القيام بعملها دون الحصول على البيانات. وفقًا لذلك ، هناك تحيز بشري في أنظمة التعلم الآلي بسبب خوارزميات البيانات المستخدمة في صنعها. ، والتي تشمل النسبة المئوية للانحياز.

ومن الأمثلة على ذلك السيارات ذاتية القيادة ، والتي ستحصل على المزيد من البيانات من الأحياء الثرية ، حيث ستكون أول من يذهب إلى هناك.

أهم شيء يجب على الشركات تذكره عند اعتماد الذكاء الاصطناعي هو الهدف الأساسي لاعتماده ، حيث تحتاج إلى بدء عمل تجاري بناءً على تحليل السلوك وتصورات العملاء في أبحاث السوق ، وإلا فإن الشركات ستنفق الكثير من الوقت والمال. تحاول حقن الذكاء الاصطناعي دون سبب وجيه ، لذلك عليك التأكد من أن الشركة لديها البيانات والغرض أولاً ثم البدء في تنفيذها.

4- الذكاء العاطفي

أصبح الذكاء الاصطناعي أكثر وأكثر ذكاءً حيث وصل إلى نقطة لا تتدخل فيها قوة الحوسبة أو سرعتها أبدًا ، لذا فهي فرصة مثالية للعمل على الذكاء الاصطناعي للذكاء الاصطناعي للتواصل بشكل أفضل مع الناس.

يجب أن يكون تطوير اللغة الطبيعية (NLP) فعالًا بدرجة كافية لفهم ما يحاول الشخص قوله ، وكيفية فهم العواطف ، ومن ناحية أخرى ، يجب أن تفهم أنظمة الذكاء الاصطناعي سياق المناقشة.

المشكلة هي أن الذكاء الاصطناعي لا يمتلك ذكاءً عاطفيًا ، حيث لا يمكنه تصنيف المشاعر والتفكير البشري في نقطة واحدة أو ملف تعريف للبيانات ، ولكن على أي حال ، سيتغير كل شيء في العامين المقبلين.

5- عدم وجود نهج استراتيجي

سواء كانت المؤسسات والشركات تدرك تمامًا إمكانات ابتكار الذكاء الاصطناعي ، والفوائد الإيجابية التي يمكن أن توفرها ، فإنها غالبًا ما تفشل في القيام بذلك بشكل استراتيجي ، وأنشطة الذكاء الاصطناعي ، والتي لم يتم التخطيط لها بشكل استراتيجي. فشل في تحقيق أهداف العمل: الإستراتيجية غير متوافقة مع إجراءات تطوير الأعمال العامة في المؤسسات.

وهذا يعني أن التركيز يجب أن يكون على فهم جيد لنقاط جميع جوانب عمليات الذكاء الاصطناعي ، من جمع البيانات إلى نقل الخبرة إلى مجموعات العمل المختلفة.

يجب أن تضمن الشركات دائمًا بدء إجراء لا لبس فيه قبل إنفاق الأموال ، وإنفاق الوقت على مبادرات مكلفة ինտ بشأن موارد الذكاء الاصطناعي ، دون إدراك معقول لفوائدها.

أضف تعليق