تفاسیری هالیوودی از هوش مصنوعی را دیدهاید. هوش مصنوعی شیطانی را از فیلم «2001: یک ادیسه فضایی» تا «بازی جنگ» و «اسکای نت» در «ترمیناتور» مشاهده و چهره خوب یا حداقل همراه با حسن نیت آن را در «I, Robot» و «ای آی: هوش مصنوعی» تماشا کردهایم. اما هوش مصنوعی در جهان واقعی چگونه است؟ آیا همان موضوعی نیست که 15 سال پیش در صدر اخبار بود و مدتهاست خبری از آن نشنیدهایم؟ آیا این روزها هوش مصنوعی عملا در چیزی هم استفاده میشود؟ خب، بله و خیر. در واقع فناوریهای مشتق از هوش مصنوعی امروزه به صورت گسترده مورد استفاده قرار میگیرند اما به ندرت هوش مصنوعی نامیده میشوند. یک نمونه آن «مامور الکترونیکی خدمات مشتریان یا آواتار» است که در بسیاری از سایتهای اینترنتی مشاهده میکنیم و در ساخت آن از اصول هوش مصنوعی مانند منطق مبتنی بر مورد، یادگیری ماشین و پردازش زبان طبیعی استفاده میشود. یا شاید «تاماگوچی» یا سیستمهای کنترل روباتی یا کنترل ترافیک هوایی را به یاد داشته باشید.
کاربردهای تجاری چطور
اگر هوش مصنوعی توانسته در گسترهای از کاربردهای روزانه جا باز کند، آیا میتواند در اتوماسیون برخی از تصمیماتی وارد شود که امروز به صورت دستی گرفته میشوند؟ یا استفاده از هوش مصنوعی به عنوان جایگزینی بهتر برای پردازشهای قانونمحور که در بسیاری از برنامههای تجاریمان از آن استفاده میکنیم؟
دقیقا همین مساله را با دو دانشجوی دانشگاه فناوری چالمرز در میان گذاشتیم. آنها در این چندماهه برای پایاننامه کارشناسی ارشد خود به مطالعه روشهای احتمالی این مساله و ارزیابی پتانسیل کاربرد آن پرداخته و یک پروتوتایپ برای یکی از آنها ساخته و با استفاده از دادههای واقعی مشتریان در صنعت آن را آزمایش کردهاند.
آنها پس از ارزیابی چند سناریوی احتمالی تصمیم به استفاده از یادگیری ماشین در مساله انتخاب تامینکننده برای خرید قطعات در مواردی پرداختند که بیش از یک تامینکننده در دسترس باشد. بیشتر شرکتها امروزه یا به صورت دستی تامینکنندگان را انتخاب میکنند یا از قوانین بسیار ساده استفاده میکنند؛ مانند خرید از تامینکننده همیشگی مگر در صورتی که وی این قطعه را تمام کرده باشد. به طور منطقی میتوان فرض کرد این قوانین ساده، یا انتخاب دستی، برای خریدهای بسیار گسترده مناسب نخواهد بود.
نظر این بود که پس از آموزشهای اولیه (انجام انتخاب توسط تعدادی خریدار متبحر) هوش مصنوعی خواهد آموخت عوامل مختلف مانند قیمت، زمان تحویل، دقت در تحویل و کیفیت، چگونه بر این انتخاب تاثیر میگذارند. در این حالت هوش مصنوعی خواهد توانست تامینکننده را به صورت خودکار انتخاب کرده یا برای کسانی که اعتماد کمتری به ماشین دارند، پیشنهاداتی را برای تصمیم نهاییشان ارائه کند.
نتیجه؟ تنها با کمی آموزش، هوش مصنوعی توانست پیشنهاداتی را با نرخ اشتباه پایین ارائه کند. همچنین به اندازه کافی پایدار بود که چند اشتباه یا «تصمیم غلط» در دادههای آموزشی نیز آن را گمراه نکند. مشخص شد الگوریتم مورد استفاده چند کاربرد جالب دیگر هم دارد. به طور مثال به شکل جانبی میتواند مشخصههای انتخاب مشتریان را نیز تعیین کند، مانند اینکه یک تامینکننده خاص (فقط به خاطر قیمت یا کیفیت و…) به صورت متناوب انتخاب میشود یا نمیشود. این مساله میتواند اطلاعات مهمی به خریداران بدهد که با کدام تامینکننده قرارداد خرید بسته یا وارد مذاکرات مجدد شوند و…
اثبات یا رد؟
آیا نظریه استفاده از هوش مصنوعی برای اتوماسیون تصمیمات تجاری اثبات میشود یا رد میشود؟ با استفاده از واژگان مبهم باید گفت قابل تامل است.
مساله در خود هوش مصنوعی نیست، الگوریتمهای ایجادشده به خوبی کار کرد مساله به سناریوها و کیفیت دادهها در زندگی واقعی برمیگردد. برای رسیدن به نتیجه مناسب (و داشتن ارزش سرمایهگذاری) نیاز به حجم زیادی از تصمیمات دارید که در آنها انتخابهای متنوع و مقادیر بهروز برای تمامی متغیرها موثر بر تصمیم وجود داشته باشد. انتخاب سناریوی «گزینش تامینکننده» نمونهای از نبود قیمتهای بهروز یا اطلاعات زمان تحویل را برای تمامی تامینکنندگان احتمالی به ما نشان داده که به تصمیمگیری بر اساس فرضیات اشتباه منجر شد.
در واقع این دانشجویان الگوریتم را به صورت موفقیتآمیز برای خرید لوازم برقی خانگی آزمایش کردند که نمونههای کاملا مشابه آن را میتوان از تامینکنندههای متنوع خریداری کرد و سایتهای مقایسه قیمت اطلاعات دقیقی درباره قیمت، مقدار موجود، نمره کیفیت فروشنده و… به دست میدهند. متاسفانه تعداد صنایع یا محصولاتی که این اطلاعات درباره آنها هم با همین دقت وجود داشته باشد، چندان زیاد نیست.
کاربردهای احتمالی دیگر مثلا در بخش تولید و در زمینه تعیین منابع برای برنامهریزی خط تولید هم وجود دارد، هوش مصنوعی میتواند به انتخاب بهترین منبع برای یک کار خاص کمک کند. این مساله را میتوان بر اساس عوامل مختلفی مانند در دسترس بودن، قابلیت اعتماد، سرعت تولید، بازه زمانی و دیگر مقتضیات انجام داد. این الگوریتم ترجیحات تخصیص منابع را یاد گرفته و آنها را در مورد موارد جدید به کار خواهد بست. مزیت استفاده از الگوریتم بر برنامهریزیهای سنتی این است که تعداد عواملی که توانایی در نظر گرفتنشان را دارد، از یک انسان برنامهریز بیشتر است و در ضمن میتواند به جای اتکا به الگوریتمهای ثابت مورد استفاده در موتورهای برنامهریزی خودکار، از دادهها یاد بگیرد.
آیا معتقدم کارآمد خواهد بود؟ بله معتقدم. آیا میدانم در کدام روندهای تجاری و برای کدام تصمیمگیریهای زندگی واقعی، واقعا مفید خواهد بود؟ نه نمیدانم