از زمانی که ایده هوش مصنوعی به وجود آمد، همراه با آن این سوال نیز طرح شد که «آیا این فناوری میتواند برای انسان خطرآفرین باشد؟» و اکنون یووال نوح هراری روشنفکر، تاریخدان و نویسنده در مصاحبه خود با شبکه سیبیاس از خطر هک مغز انسان توسط این فناوری گفته است.
این تاریخدان در صحبتهای خودش به مردم و حاکمان آنها هشدار داده است که در حقیقت باید با پدیدهی هوشمصنوعی همچون انرژی هستهای برخورد شود. چراکه هوش مصنوعی هم مانند انرژی هستهای و بسیاری از فناوریهای دیگر هم میتواند مفید باشد و هم در دست انسانهای نادرست میتواند برای بشر خطر ایجاد کند.
یووال هراری میگوید: اگر همین حالا برای فراگیری هوش مصنوعی، در سطح بینالمللی قوانینی سخت در نظر گرفته نشود، در آیندهای خیلی نزدیک به مجموعهای از افرادی روبرو میشویم که به اصطلاح هک شدهاند! چرا که با ورود دادههای درونی انسانها به شبکههای جهانی اطلاعات شرکتهای هوش مصنوعی به راحتی میتوانند به این اطلاعات دسترسی پیدا کنند و این اطلاعات را به ثروتمندان و قدرتمندان جهان بفروشند.
او مثال میزند: خیلی از مردم ده سال پیش در مواجه با شرکتی مثل فیسبوک یا اپلیکیشن اینستاگرام از خود میپرسیدند، این شرکتها برای چه این خدمات را مجانی در اختیار بقیه میگذارند؟ باید دیوانه شده باشند که چنین کاری میکنند. ولی اکنون مشخص شده که این خدمات به منظور دسترسی به اطلاعات خصوصی ما بوده تا با آن تجارت کنند.
کنترل دنیا با در دست داشتن اطلاعات
در آینده آنهایی که کنترل اطلاعات را در دست دارند، دنیا را نیز کنترل میکنند؛ چرا که با پیشرفت هوش مصنوعی، این تکنولوژی در دست قدرتمندان جامعه به آنها این امکان را میدهد تا مردم را هر طور که بخواهند هدایت کنند. و به این ترتیب آنها میتوانند جامعهای بدون هیچکدام از آزادیهای مدنی بیافرینند.
تباهشهری که هرجومرج بر آن حاکم است و از دید آنها انسانها میتوانند هک شوند و وقتی هک مغز انسان انجام شده باشد، انسان هکشده یک برده بدون اراده آزاد است.
نویسندهی کتاب انسان خردمند افزود تا دیر نشده کشورهای جهان باید برای جلوگیری از این رویداد ناگوار کاری بکنند.
آنها باید به صورت جدی برای مقابله با خطر بزرگ هک مغز انسان باهم همکاری داشته باشند و قانونگذاران قوانین محکم و استواری برای استفاده از هوش مصنوعی وضع کنند.
هوش مصنوعی اینجا به تنهایی عنصر مخرب نیست، این رشته هم مانند هر فنآوری دیگری بسته به این که چهکسی از آن استفاده کند میتواند کارکرد خوب و یا بد داشته باشد. مثل تکنولوژیهای هوافضا یا حتی آهنگری؛ یک آهنگر میتواند با دانش خود ابزار کشاورزی یا جنگافزارهای کشنده بسازد. دانش بسته به این که چه کسی از آن استفاده میکند میتواند مفید یا خطرناک باشد.
اینجا نیز قدرتمندان و اربابان جامعه بهجای این که از هوش مصنوعی در رشتههایی مثل پزشکی، اقتصاد یا نجوم استفاده کنند، به وسیله آن به دیکتاتوری اطلاعات روی میآورند و آنها که بیشترین دادههای کاربران را در اختیار خواهند داشت، زندگی آنها را نیز کنترل خواهند کرد. همین حالا هم شرکتهای چند ملیتی مثل فیسبوک، اپل یا گوگل با در دست گرفتن جهان دادهها سعی در کنترل جهان پیرامون ما دارند؛ آنها دنیا را به عنوان جنگلی از اطلاعات میبینند و خود را اربابان این جنگل میدانند.
پرده آهنین و پرده سیلیکونی
اگر در دوره تاریخی جنگ سرد پرده آهنین وجود داشت، اکنون پرده سیلیکونی ساخته شده است و همین باعث شده جنگ سرد دیگری میان ایالات متحده آمریکا و حکومت کمونیستی چین شکل بگیرد. این دو کشور در برابر هم قرار گرفتهاند و با کمک هوش مصنوعی به مقابله با هم میپردازند. اطلاعات ما آیا به آمریکا و کالیفرنیا میرود، یا شنژن، پکن و شانگهای؟
بر اساس هشدارهایی که هراری به مردم و فعالان مدنی میدهد، به زودی شاهد تغییرات باورنکردنی خواهیم بود و هوش مصنوعی که بر اساس الگوریتمهای پیچیده کار میکند، به آسانی بر مردم چیره خواهد شد و حتی توان هک مغز انسان را هم خواهد داشت.
آیا قرار است نتفلیکس به ما بگوید چه چیزی را تماشا کنیم؟ یا آمازون به ما میگوید که چه چیزی باید بخریم؟ آیا قرار است در ده، بیست یا سی سال آینده این الگوریتمها برای ما انتخاب کنند که در کدام دانشگاه درس بخوانیم، به چه کاری مشغول شویم، کجا به کار مشغول شویم، چگونه و با چه کسی ازدواج کنیم و یا حتی بدتر از آن، به چه کسی رأی دهیم؟ فراموش نکنیم همین چند سال پیش فیسبوک سعی کرد با کنترل اطلاعات کاربرانش نتیجه انتخابات آمریکا را تعیین کند.
در این دو سالی که گذشت، به خاطر همهگیری کرونا شرکتهای زیادی به جمعآوری اطلاعات شخصی افراد و دادههای جسمی و مربوط به سلامتی آنها پرداختهاند. این دادهها به آنها میگوید که چه اتفاقی درون بدن ما میافتد. آنها تا کنون درباره مکان ملاقاتهای ما، کسانی که ملاقاتشان میکردیم و فیلمهایی که میخواستیم ببینیم اطلاعات جمع میکردند؛ حالا به عنوان قدم بعدی میخواهند که به زیر پوست ما نفوذ کنند.
اهمیت همکاری بینالمللی
دربرابر این ستم چه کاری از دست ما برمیآید؟ اکنون به آنجا رسیدهایم که تنها با همکاری بینالمللی میتوان از این بنبست بیرون رفت؛ هیچکس به تنهایی نمیتواند با قدرت هوش مصنوعی بجنگد. از اطلاعات من نباید برای کنترل من استفاده شود. قانون مهم این است که باید نظارت بر شرکتها، دولتها و افراد ردهبالا افزایش یابد و مهمتر از آن این که به هیچ عنوان اجازه ندهیم اطلاعات مردم همه در یک جا جمع شوند؛ چرا که این دیکتاتوری اطلاعات را به وجود خواهد آورد.
اگر همین حالا قوانین سختگیرانهای وضع نشوند به زودی همه در خطر “هک شدن” قرار خواهند گرفت. در اینجا هک کردن انسان به این معنی است که او را از خودش بهتر بشناسیم و بر اساس این اطلاعات او را کنترل کنیم. همچون ربات یا ماشینی که از بیرون هک شده و همچون عروسک خیمهشببازی کنترل میشود.
البته که هوش مصنوعی جنبههای بسیار مثبتی دارد، ولی به شرط این که قانونگذاران خردمند برای آن قانون وضع کنند. آینده همانطور که میتواند تباهشهر باشد، آرمانشهر نیز میتواند باشد. به طور مثال از هوش مصنوعی میتوان در پزشکی استفاده کرد و موجب شد تا بسیاری از بیماریها و همهگیریهایشان از بین بروند.
حال تنها یک سوال مطرح است: چه کسانی بر دادههای ما نظارت دارند، و چه کسانی برای کنترل آن قانون وضع میکنند؟
این گفتمان در شرایطی انجام میشود که ایده اتصال ذهن انسان به شبکه جهانی اطلاعات «اینترنت» از طرف ایلان ماسک، و ایده اینترنت سه بعدی از طرف زاکربرگ مالک شرکت فیسبوک مطرح شده و همین همزمانی موجب شده تا این بحث در این روزها داغتر شود.
متخصصین دانشگاه آکسفورد در تحقیقات خود برای کشف دلیل مرگ در اثر ابتلا به کرونا، قسمتی از یک DNA را شناسایی کردهاند که خطر مرگ ناشی از ابتلا به ویروس کرونا را تقریباً به دو برابر افزایش میدهد.
به گزارش هوشیو و به نقل از خبرگزاری مهر و ایونینگ استاندارد، LZTFL1 نام علمی ژنی است مانع از تقابل سلولهای ریه با ویروس کرونا میشوند. همچنین، این ژن دارای پتانسیلی است تا ریه را فلج کرده و بدن را به نارسایی تنفسی مبتلا سازد. همین موضوع، اکسیژنرسانی به سایر اندامها را با اختلال مواجه میکند.
به بیان دیگر طی این پژوهش دلیل مرگ در اثر ابتلا به کرونا مشخص شد. همچنین کشف شد که چرا برخی دیگر صرفاً یک دوره درمانی را طی میکنند.
کشف نوعی ساختار ژنتیکی
بر اساس خبرنامه دانشگاه آکسفورد، در مطالعاتی که پیشتر درباره یک نوع DNA بر کروموزوم ۳ انجام شده بود، مشخص گردید که خطر مرگ ناشی از کرونا در افراد بالای ۶۵ سال، به دلیل این نوع ساختار ژنتیکی ۲ برابر میشود. این در حالی بود که متخصصین وقت هنوز رابطه بین هویت ژنتیکی جدید و شدت خطر مرگ بر اثر کرونا را درک نکرده بودند.
سپس دو تن از دانشمندان دانشگاه آکسفورد به نام جیمز دیویس و جیم هیوز بعد از انجام تحقیقاتی بر روی این ژن به کمک تکنولوژیهای جدید، نتایج آن را در مجله نیچر ژنتیکس به چاپ رساندند.
این محققان یک هستههوش مصنوعیرا تعلیم دادند تا بتواند حجم بالایی از اطلاعات مربوط به نقاط مختلف بدن را تحلیل کند. بر این طبق فناوری مشخص شد که احتمال تأثیر رادیکالهای ژنتیکی بر روی سلولهای ریه بسیار بالا است.
در ادامه تحقیقات درباره دلیل مرگ در اثر ابتلا به کرونا، دانشمندان با استفاده از تکنولوژیهای نوین، بر روی DNA در سیگنال ژنتیک متمرکز شدند. دامیان داونز، از مدیران آزمایشگاه در این رابطه اعلام کرده است که: اطلاعات به دست آمده از خلال مطالعات نشان میدهد یک ژن ناشناس به نام LZTFL1 مقاومت سلولهای ریه را از بین میبرد.
دانشمندان به این نتیجه رسیدند ژن مورد اشاره که مخاطره بیشتری برای مرگ ناشی از ابتلای به کرونا دارد، مانع از آن میشود تا ریه واکنش مناسب را در برابر ویروس کرونا انجام دهد. نکته جالب آن است که این ژن بر روی سیستم ایمنی انسان آثار مخربی ندارد. به همین دلیل است که دانشمند عقیده دارند آن دسته از افراد که دارای این نوع ژن هستند، واکنش مطلوبی در برابر واکسن کرونا خواهند داشت.
علت وخامت حال بیماران چیست؟
در این رابطه جیمز دیویس گفته است: خصیصه ژنتیکی که شناسایی کردیم توضیح میدهد که علت وخیم شدن حال برخی از افراد پس از ابتلا به کرونا چیست. علاوه بر این، نتایج به دست آمده حاکی از آن است که عکسالعمل ریه انسان نسبت به کرونا در وضعیت نهایی بیمار نقش تعیینکنندهای دارد. به بیان دیگر منحصر به فرد بودن این آوردههای تحقیقاتی ناشی از آن است که بیشتر شیوههای درمانی بر روی عکسالعمل قوای ایمنی بدن در برابر ویروس کرونا تمرکز داشتند و به موضوع عکسالعمل ریه توجهی نمیشد.
بر اساس مطالعات عمیقتری که در این زمینه انجام شده، مشخص گردیده است که ۶۰ درصد از نژادهای جنوب شرقی آسیا دارای این ژن پُرمخاطره هستند. همچنین، در نژادهای اروپایی این ژن به میزان ۱۵ درصد وجود دارد. در مقایسه با این دو دسته، نژاد آفریقاییتبار حدود ۲ درصد از این ژن را در خود دارد.
در رابطه با این موضوع دیویس گفته است: «البته متغیرهای اقتصادی اجتماعی نیز در میزان آسیبپذیری جوامع مختلف در برابر کرونا تأثیر دارد. اگرچه ممکن نیست بتوانیم ساختار ژنتیک انسان را تغییر دهیم، اما تحقیقات مشخص کرده است که افراد با ژنتیک پُرریسک نیز میتوانند از مزایای واکسن بهرهمند شوند».
اینکه کدام زبان برنامهنویسی را به صورت تخصصی میآموزیم در تعیین مسیر شغلی ما نقش بسیار مهمی ایفا میکند. در انتخاب این زبان، مهمتر از پیشزمینه قبلی، توجه به سطح تقاضاست. نکتهی دیگری که باید مدنظر قرار داد این است که بدانیم با تخصص در آن زبان چه کارهایی میتوان انجام داد. به همین دلیل تصمیم گرفتیم طی چندین مقاله، فرصتهای شغلی موجود برای متخصصان انواع زبانهای برنامهنویسی را معرفی کنیم. در این نوشتار که اولین قسمت از این مجموعه است، در فرصت های شغلی برای متخصصان پایتون صحبت خواهیم کرد.
تعداد زبانهای برنامهنویسی زیاد است، اما آشنایی با پایتون برای آن دسته افرادی که به مهندسی علاقهمندند، درهای زیادی را باز میکند. بزرگترین مزیت پایتون، عمومی بودن آن است؛ بدین معنی که فرصت های شغلی برای متخصصان پایتون زیاد هستند. البته این مسئله یک جنبهی منفی هم دارد و آن سردرگمی بین این انتخابهای متعدد است.
تحلیلگر GIS
تحلیل GIS (سیستمهای اطلاعات جغرافیایی)، حوزههای تحلیل داده، برنامهنویسی و نقشهنگاری را در هم ادغام میکند. وظیفهی اصلی این متخصصان، تحلیل دادههای فضایی به کمک نرمافزارهای نقشهبرداری و همچنین، طراحی نقشههای دیجیتال بر اساس دادههای جغرافیایی و دادههای دیگر است. یادگیری پایتون مهارتی است که با از میان برداشتن زوائد کار و خودکارسازی فرآیند، مدیریت و تحلیل داده را برای کاربران GIS آسان میکند. در نتیجه این یکی از فرصت های شغلی برای متخصصان پایتون به حساب میآید.
یکی از فرصت های شغلی برای متخصصان پایتون این است که توسعهدهنده نرمافزار شوند. وظایف توسعهدهنده نرمافزار شامل تشخیص، طراحی، نصب و آزمایش سیستمهای نرمافزاری است که از ابتدا برای شرکت خاصی ساخته شدهاند. این نرمافزارها طیفی گسترده دارند و علاوه بر نرمافزارهای داخلی که برای کمک به کارآیی کسب و کارها طراحی میشوند، سیستمهایی که به مشتریان بیرونی فروخته میشوند را نیز در بر میگیرد.
توسعهدهندهها به جز ارائهی سیستم نرمافزاری، مسئول نگهداری و به روزرسانی آن نیز هستند تا اطمینان حاصل کنند مشکلات امنیتی آن حل شده و قابلیت کاربرد با دیتابیسهای جدید را نیز دارد. پایتون از زبانهای رایج و پرکاربرد دنیای توسعهی نرمافزار است. به همین دلیل، تسلط بر آن برای به دست آوردن شغل توسعهدهنده نرمافزار کلیدی است.
مهندس تضمین کیفیت
مهندس تضمین کیفیت یا QA مسئول طراحی آزمایشاتی است که مشکلات نرمافزار را قبل از راهاندازی مشخص میکنند. مهندسان QA هرگونه خطا و مشکل شناسایی شده طی این آزمایشات را تحلیل و برای بازبینیهای بعدی مستندسازی میکنند.
از دیگر وظایف مهندسان QA میتوان به طراحی و اجرای آزمایشات جدید، گزارش نتایج و همکاری با توسعهدهندههای نرمافزار به منظور حل مشکلات برنامهها اشاره کرد. بسته به ساختار درونی سازمان، این مهندسان میتوانند سمت مدیریتی و اجرایی در دست داشته باشند. برای در دست داشتن شغل مهندسی تضمین کیفیت، باید بر زبانهای برنامهنویسی همچون پایتون تسلط داشت؛ علاوه بر این، تجربهی گسترده در حوزهی توسعه و آزمایش نرمافزار نیز ضروری است.
توسعهدهنده فول استک
توسعهدهنده فول استک کسی است که با back-end و front-end نرمافزارها سر و کار دارد. توسعهدهندههای فول استک باید در زمینههای گوناگون از جمله کدنویسی، دیتابیس، طراحی گرافیک و مدیریت UI/UX تخصص داشته باشند تا در کارشان موفق باشند. این متخصصان، به اصطلاح عامه، آچار فرانسه شرکتها هستند که آمادهاند در هر نقطهای از فرآیند که لازم بود کمک ارائه دهند. در شرح شغل مهندسان فول استک، مهارتهایی همچون استفاده از فناوریها و زبانهای گوناگون به کاررفته در توسعهی نرمافزار نیز به چشم میخورد. توسعهدهندههای فول استک نگاهی همهجانبه و جامع دارند، چون علاوه بر تجربهی کاربر، کارکرد نرمافزارها را نیز مدنظر قرار میدهند.
مهندس یادگیری ماشین
یکی از فرصت های شغلی برای متخصصان پایتون مهندسییادگیری ماشیناست. مهندس یادگیری ماشین فردی است در حوزهی IT که با تمرکز بر پژوهش، ساخت و طراحی سیستمهای هوش مصنوعی خودران، سعی در خودکارسازی مدلهای پیشبین دارد.
مهندسان یادگیری ماشین مسئول طراحی و تولید الگوریتمهای هوش مصنوعی هستند که پس از آموزش، میتوانند پیشبینی انجام دهند. اگر در حال حاضر به عنوان متخصص یادگیری ماشین فعالیت دارید، به فکر ارتقای مهارتهایتان به حوزهی یادگیری عمیق باشید.
آنچه در این نوشتار مرور کردیم تنها چند نمونه از کارهایی هستند که میتوان با پایتون انجام داد؛ با این حال، به خاطر داشته باشید که تنوع گزینهها فراوان است و روز به روز به تعداد این کاربردها اضافه میشود.
به نظر شما چه شغلی را میتوان به لیستفرصت های شغلی برای متخصصان پایتونکه در این مطلب به آن اشاره شده، اضافه کرد؟
از قدیم گفتهاند که پرسیدن عیب نیست. اما اکنون این فرصت برای انسان فراهم آمده تا پرسشهای خود را با استفاده از هوش مصنوعی از کامپیوتر بپرسد. آیا کامپیوتر میتواند توصیههای درمانی بهتری نسبت به کادر پزشکی ارائه کند و تصمیم های بالینی بهتری بگیرد؟
گروهی از محققان سلامت روانی اهل کانادا بر این باورند که فناوری یاد شده توان انجام این کار را دارد. مارک لانوزاو از دانشگاه مونترال و کیوا هرانچوک از دانشگاه سنت لارنس کالج اونتاریو مقاله خود را در ژورنال «تحلیل رفتار کاربردی» منتشر کردند. آنها بهکارگیری هوش مصنوعی برای درمان مشکلات رفتاری را مورد بررسی قرار دادند.
لانوزاو به عنوان استادیار دانشگاه مونترال، سرپرستیِ آزمایشگاه تحقیقات رفتاری کاربردی را در دانشکده آموزش روانشناسی بر عهده دارد. وی خاطرنشان کرد: «متخصصان پزشکی و آموزشی در اغلب موارد با تاثیرگذاری مداخلات رفتاری مخالفت میکنند. عاملی که میتواند باعث ارائه شیوههای درمانی غیردقیق برای افراد شود.»
به دنبال روش بهینه برای اتخاذ تصمیم های بالینی
لانوزاو و هرانچوک، استاد علوم رفتاری و روانشناسی رفتاری در سنت لارنس، دادههای شبیهسازی شده ۱۰۲۴ فردی را که مراحل درمانی را به خاطر مشکلات رفتاری طی میکردند، جمعآوری کردند. هدف محققان از این کار پیدا کردن روشی بهتر برای اتخاذ تصمیم های بالینی بود.
آنها نتایج درمانی را در پایان هر مرحله با نتایج یک مدل کامپیوتری مقایسه کردند و از دانشِ پنج تحلیلگر رفتاری کمک گرفتند. این مدل به دست دو محقق دانشگاه و با استفاده از یادگیری ماشین ایجاد شده بود. لانوزاو گفت: «حدود %۷۵ از مواقع، پنج متخصص به نتایج یکسانی دست یافتند. مهمتر از همه،یادگیری ماشینخطاهای کمتری در مقایسه با متخصصان انسانی داشت.»
با توجه به اینکه نتایج مثبتی به دست آمده است، محققان اعلام کردهاند که گام بعدی این است که مدلها را در قالب یک نرمافزار عرضه کنند. در این صورت، نرمافزار میتواند به طور خودکار به اتخاذ تصمیم های بالینی پرداخته یا بازخوردهای لازم را در خصوص پیشرفت مراحل درمانی ارائه نماید.
باید از یادگیری ماشین استفاده کرد تا کار متخصصان درمان آسانتر شود؛ و این بدان معنی نیست که فناوری جایگزین متخصصان خواهد شد. فناوریهای نوظهور باعث میشود تا تصمیمهای درمانی قابل پیشبینی و منسجمتر باشند.
لانوزاو بیان کرد: «برای نمونه، پزشکان روزی میتوانند از فناوری استفاده کنند تا ببینند آیا باید مراحل درمانی افراد مبتلا به اختلالهایی از قبیل اوتیسم، اضطراب و افسردگی را متوقف کنند یا کماکان به این روند ادامه دهند. تصمیمگیری آموزشی و بالینی فردی یکی از نقاط عطف درمان رفتاری و روانشناسی است. ممکن است مطالعات ما گام مثبتی در راستای ارائه گزینههای درمانی بهتر برای میلیونها فردی باشد که این نوع خدمات را در سراسر جهان دریافت میکنند.»
شاید بهترین تعریف برای متاورس، «دنیای واقعی مجازی باشد که در آن هر کاری میتوانید انجام دهید». البته «هر کاری»، قیدی است که مارک زاکربرگ در تعریف کلان پروژه فیسبوک تعریف کرده است. به بیان دیگر، با اعلام تغییر نام برند فیسبوک به متا، نگاهها بار دیگر به این هوش مصنوعی دوخته شد. در این فاصله کلیدواژههای مرتبط با این موضوع چند میلیون بار در موتور جستجوی گوگل سرچ شده و بسیاری میخواهند بدانند زاکربرگ این بار با چه ایدهای میخواهد دنیا را غافلگیر کند.
تحلیل واژه متاورس
ابتدا باید خود واژه Metaverse را بررسی کنیم. پیشوند Meta به معنای فراتر است، ریشه این پیشوند یونانی بوده و در کنار Verse که خلاصه شده واژه Universe بوده، به معنای فراتر از جهان است. Universe به معنای جهان واقعی است، جهانی که آن را از طریق حواس پنجگانه تجربه میکنیم؛ بنابراین بهتر است ترجمه تحتاللفظی این واژه را «فراتر از جهان واقعی» بدانیم.
متاورس بهمثابه یک کلان پروژه
متاورس یک کلان پروژه در عرصههوش مصنوعیاست. در واقع اعلامیه زاکربرگ درباره تغییر نام فیسبوک به متا، صرفاً یک تغییر برند ساده نبود. بلکه نشان از نوعی جاهطلبی علمی نیز داشت که بر طبق آن باید کل کلان پروژه متاورس را در چارچوب هوش مصنوعی فهمید.
بر طبق این چشمانداز، متاورس به معنای توسعه کارکردهای هوش مصنوعی در عرصه تعاملات کاربران است. یکی از نمونههای کوچک متاورس، بازیهای آنلاین گروهی است. شما در این دست از بازیها آواتار مخصوص خود را میسازید و میتوانید در راستای برنامههایی که برای بازی تعریف شده است، به فعالیت بپردازید. این دست از محیطهای متاورسی به شما امکان حضور در یک محیط مجازی با تعداد مشخصی از فعالیت و سناریوی از پیش تعریف شده را میدهد. بسیار خب، حال تصور کنید که بتوانید بهعنوان یک انسان آزاد، در واقعیت مجازی زندگی کنید. با این ویژگی که قدرت بینهایت اختیار و تصمیمگیری را دارید. این همان رؤیای کلان پروژه متاورس فیسبوک است که در ۶ آبان ۱۴۰۰ از سوی زاکربرگ از آن رونمایی شد.
به گفته زاکربرگ هدف از این پروژه همان است که در ابتدای پروژه فیسبوک گفته شد، یعنی «دور هم جمع کردن مردم»؛ بنابراین تغییر برند فیسبوک به متا، معنای دقیقی داشت و آن آغاز یک پروژه بزرگ علمی در زمینه هوش مصنوعی برای توسعه تعامل عمیقتر کاربران با یکدیگر در فضای مجازی است.
زاکربرگ به چه میاندیشد: از مشاهده کردن تا تجربه کردن
زاکربرگ با تغییر برند خود نشان داد برنامهریزی برای طراحی و توسعه هوش مصنوعی در زمینه پلتفرمها کهنه شده است. علاوه بر این پلتفرمهای مشهور نظیر فیسبوک، اینستاگرام و واتساَپ در آیندهای نه چندان دور همگی به بازوهای کلان پروژه متاورس تبدیل خواهند شد. فرضیههای که درباره آینده شبکههای اجتماعی نامبرده وجود دارد، حاکی از آن است که کاربران در جهان متاورس میتوانند آزادانه زندگی کنند. دقت کنید! شاید این نکته شما را به یاد بازیهای کامپیوتری بیندازد. به طور مثال بازی Second Life که در آن میتوانستید عاشق شوید، ازدواج کنید و فرزند بیاورید و به طور خلاصه در کنار زندگی واقعی خود یک زندگی مجازی نیز داشته باشید.
اما در متاورسهای کلاسیک، شما به مشاهده کردن مشغول هستید، شرکت در بازیهای آنلاین، به راحتی مغز شما را فریفته نمیکند. اما زمانی که از هدستهای پیشرفته استفاده میکنید، مغز دچار خطای تمایز فضا میشود. یعنی نمیتواند فضای واقعی را با موقعیت مجازی که در آن قرار دارید را تمیز دهد.
عوارضی که میتواند در پروژه متاورس وجود داشته باشد
در این بخش نمیخواهیم درباره کلان پروژه متاورس بداندیشی کنیم. بدون تردید این پروژه جزو مهمترین برنامههای تاریخ بشر برای توسعه هوش مصنوعی به حساب میآید، اما تذکر و بررسی عواقب احتمالی آن نیز میتواند بهرهمندی ما را از منافع آن بیشتر کند. در ادامه به بررسی مهمترین عوارض احتمالی آن خواهیم پرداخت.
عدم تعهد کارگزاران پروژه متاورس به اخلاق انسانی: یکی از ظرفیتهای منفی موجود در متاورس که امکان آسیبرسانی به جوامع انسانی را دارد، عدم پایبندی برنامهریزان و مجریان این پروژه به اخلاق انسانی است. کاربران در متاورس میتوانند معرض انواع خشونتها، سوءقصدها، هک شدن و یا دزدیده اطلاعاتشان قرار گیرند. یا حتی گروههای خشونتطلب و تفرقهافکن تشکیل شوند و آموزشهای مخربی را برای عضوگیری بین نوجوانان راهاندازی کنند
فریب مغز: مطالعات نشان داده است که مغز انسان میتواند نسبت به فضای مجازی واکنش نشان دهد. به این معنا مغز میتواند فریب بخورد که در یک فضای واقعی قرار دارد و عواطف متفاوتی را از خود نشان دهد. این موضوع در صورتی که بتواند ترشحات هورمونی لذتبخش را به همراه داشته باشد، به احتمال بسیار زیاد کاربران را دچار وابستگی شدید میکند. این خطر به ویژه در رابطه با کاربران نوجوان بسیار زیاد است
انزوا و وابستگی: یکی از عوارض مستقیم مربوط به وابستگی به شبکههای مجازی، انزوا و گوشهگیری است. مطالعات انجام شده نشان میدهد وابستگی نوجوانان به شبکههای اجتماعی در ایالات متحده، مخربتر از مواد مخدر بوده و باعث شده درصد بالایی از نوجوانان احساس انزوا کنند. شخصیتهای منزوی به شدت وابسته هستند و نمیتوانند در تعهدات اجتماعی نقش ایفا کنند
تقویت گرایشهای ضداجتماعی: متاورس به کاربران آزادی عمل وسیعی میدهد. این یعنی فرد میتواند نوعی کاربری بهدور قیود قانونی و اخلاقی را تجربه کند. در این شرایط کاربر میتواند خشونت بدون حد مرزی را تجربه کرده و به نوعی متاورس به محلی برای آموزش او تبدیل میشود. مطالعات نشان داده است نوجوانانی که به دوستان خود اقدام به شلیک کردهاند، پیش از آن در بازیهای خشن آنلاین فعالیت داشتند. حتی در این گزارش تأکید شده میزان دقت در هدفگیری نوجوانانی که بازیهای اکشن را تجربه کردهاند بسیار زیاد است. این بدان معناست که بازیهای آنلاین میتواند بهمثابه نوعی آموزش تلقی شده و نحوه خشونتورزی را به کاربران آموزش دهند. مطالعات نشان میدهد در نوجوانان، هیجانات ناشی از دوران بلوغ میتواند از طریق قرارگیری آنها در معرض این بازیها، به گرایشهای ضداجتماعی تبدیل شود.
زمانی که کلان پروژه متاورس را از نزدیک نگاه میکنیم، یک نکته بسیار برجسته است. نکته آن است که زاکربرگ به این میاندیشد تا کاربر را از مشاهده کردن واقعیت مجازی به تجربه کردن آن بکشاند. این تجربه، با توجه به بیحد و حصر بودن آن بسیار وسوسهکننده است. به خصوص برای نوجوانان که غریزه کنجکاوی در آنها بسیار زیاد است، میتواند این گروه را در برابر آسیبهایی که برای کلان پروژه متاورس برشمردیم صدمهپذیر کند.
متاورس و ساختار جبری اعصاب انسان
پیچیدهترین عضو بدن مغز است. البته پیچیدگی آن مربوط به عدم کشف الگوهای ثابت علمی در تعریف ارتباط با بدن و جایگاهشناسی برخی از انگیزشهای انسانی در آن است. اما نکته قالب توجه بین مغز و متاورس آن است که مغز با اینکه تا به امروز توانسته حجم عظیمی از علوم و معارف بشری را ایجاد کند و زیست انسانی را تعالی ببخشد، اما بر اساس ساختار طبیعیاش نمیتواند تمایز واقعیت مجازی را از واقعیت بیرونی تفکیک کند.
به طور مثال زمانی که در حال یک بازی کامپیوتری هستید، به دستور مغز هورمونهای لذت و هیجان یعنی آدرنالین و دوپامین ترشح میشود. در حالی که فعالیت فیزیکی ندارید. حتی گزارشات متعددی از وابستگی و رابطه عاشقانه افراد با آواتارهای مجازی وجود دارد که همگی نشان از عدم توانایی مغز در تمایز هویت واقعی و مجازی است. این فریب مغز ناشی از ساختار جبری آن است. احساسات و عواطف انسانی در گرو میزان ترشحات هورمونی از سوی مغز هستند.
یعنی در صورتی که مغز تحریک (ولو با هویتهای مجازی) میتواند آثار روانی و فیزیکی ایجاد کند. همچنین، این موضوع سبب شده است تا پیوند مردم در سراسر جهان با آواتارهای مجازی و شبکههای اجتماعی روزبهروز افزایش یافته و بر تعداد کاربران شبکههای اجتماعی افزوده شود.
در هر صورت، حقیقت آن است که فریب مغز با توسعه شبکه اجتماعی مبتنی بر تکنولوژی متاورس میتواند بیشتر شده و بر گسل ایجاد شده بین مغز و واقعیت جهان بیرون بیفزاید. این در حالی است که کمپانیهای بزرگ توسعه پلتفرمهای اجتماعی نظیر متا، باید به نوعی اخلاق حرفهای در کسب و کار خود نیز متعهد شوند.
بررسی فرضیه فرار هوشمندانه از طریق طرح متاورس
پس از شناسایی چالشهای کلان پروژه متاورس برای زیست انسانی، لازم است که نگاهی به اخلاق حرفهای کسب و کار شرکت متا بیندازیم. فرضیه این مقاله آن است که زاکربرگ، پروژه متاورس را برای خنثی کردن عوارض منفی شرکت فیسبوک مطرح کرده است. همچنین، میخواهد با برجستهسازی این پروژه، افکار عمومی را از فعالیتهای غیرحرفهای یا غیرانسانی مجموعههای تحت اختیارش و به طور ویژه فیسبوک دور سازد. در ادامه به بررسی شواهد مورد نظر در این زمینه میپردازیم.
شاهد اول: افشاگریهای فرانسس هاگن علیه زاکربرگ
در ۱۵ اکتبر امسال، برابر با ۱۳ مهر ۱۴۰۰ هاگن از اعضای کمیته راستکرداری مدنی فیسبوک، مدارک متعددی را به دادگاه تسلیم کرد که نشان از عدم توجه مدیران فیسبوک به محتواهای منتشر شده در این پلتفرم دارد. هاگن مدعی شده است، زاکربرگ انسانی جاهطلب است که برای رشد موقعیت خود و وایرال شدن محتواها فیسبوک به هر ابزاری متوسل میشود. او میگوید متأسفانه همین رویه سبب شده است تا محتواهای خشن، تفرقهافکنانه و مستجهن در این بستر منتشر شود.
او میگوید بهکارگیری هزاران نفر برای توسعه الگوریتمهای امنیتی هوش مصنوعی فیسبوک هیچ فایدهای در برنداشته است. زیرا این الگوریتمها صرفاً برای محتواهای انگلیسی زبان حساسیت لازم را به خرج میدهند. این در حالی است که سایر محتواها در بستر فیسبوک بدون نظارت به حال خود رها شدهاند. همین موضوع باعث شد تا در سالهای ۲۰۱۰ تا ۲۰۱۵ شبکههای تروریستی از زبانهای محلی و گویشهای بعضاً ناآشنا برای تشکیل هستههای اطلاعاتی خود استفاده کنند.
شاهد دوم: انحلال کمیته راستکرداری مدنی فیسبوک
در حالی که رفتهرفته حساسیت اجتماعی بر روی فیسبوک و زاکربرگ بیشتر میشد، درست یک ماه پس از انتخابات ۲۰۲۰ ایالات متحده، انحلال کمیته راست کرداری مدنی اعلام گردید. جالب است بدانید که وظیفه این کمیته کنترل و نظارت بر استانداردهای اخلاقی و حقوق بشری از سوی فیسبوک بود. درست در زمانی که اسناد این کمیته علیه فیسبوک در حال انتشار بود، اعلامیه انحلال این کمیته نشان داد که زاکربرگ دارای آن ارادهای است که مصالح عمومی را فدای رشد پلتفرم فیسبوک کند.
شاهد سوم: گزارش آوریل ۲۰۲۰
در آوریل ۲۰۲۰ گزارشی منتشر شد که ثابت کرد فیسبوک کمترین نظارت را بر محتواهای غیرانگلیسی زبان دارند. بر اساس این گزارش، علیرغم صرف میلیاردها دلار هزینه و بهکارگیری نیروی انسانی برای تأمین امنیت این پلتفرم، تنها ۱۹ درصد از محتواهای خشونتآمیز، ۱۷ درصد محتوای مستهجن و ۱ درصد محتوای قومگرایانه حذف شده است. به طور مثال تنها ۰.۲ از کل محتواهای نفرتپراکنی به زبان و گویشهای افغانستانی (شامل فارسی، اردو، پشتو، ازبکی و ترکمنی) از این بستر حذف شده است. از طرفی، بر روی زبان عربی که جزو پُرکاربردترین زبان تولید محتوا در این بستر به حساب میآید هیچ نظارتی وجود ندارد.
تحلیل: مکانیزم فرار به جلوی مارک زاکربرگ و سرمایهگذاری بر روی غریزه خشم
با در نظر گرفتن سه شاهد مطرح شده میتوان پیشزمینههای کلان پروژه متاورس را فهمید. اگرچه متاورس افسانهای است که از دهه ۱۹۹۰ در داستانهای علمی تخیلی مطرح بود. اما امروز در شرف پیوستن به واقعیت است. بدون تردید این یک گام بزرگ در تاریخچه هوش مصنوعی به حساب میآید. اما طرح این موضوع از سوی زاکربرگ، بر اساس سه شاهد گردآوری شده نوعی فرار به جلو تلقی میشود. تغییر برند و پیش کشیدن یک ایدهای نوآورانه در شرایطی که حساسیتها نسبت به پلتفرم فیسبوک در حال افزایش بود، بدون تردید میتواند موقعیت تیم زاکربرگ را نزد افکار عمومی تقویت کند.
از طرفی بر اساس گزارشات منتشر شده درباره نحوه مدیریت محتوا در فیسبوک، میتوان دریافت که مدیران این شرکت از غریزه خشونت انسان به نفع کسب و کارشان استفاده میکنند. در واقع آنها با محدود کردن دایره نظارت به زبان انگلیسی، بستری را برای تولید و انتشار محتوای خشن فراهم میکند. گزارشات نیز حاکی از تعمدی بودن این رویه در فیسبوک است. به ویژه با در نظر گرفتن گلایههایی که اعضای تیم پژوهش فیسبوک منتشر کردند و از تقدم منافع شرکت بر منفعت عمومی حکایت دارد.
باید این موضوع را قدری عمیقتر دید. کشفیات روانکاوی در یکصد سال گذشته ثابت کرده است که انسان به طور طبیعی خشونتهایی را در خود بازتولید میکند. این خشونتها اگرچه به شکل ساختاری در روان انسان سکنا دارند، اما قوای اجتماعی و ساختارهای فرهنگی اقتصادی میتوانند زمینههای برونریزی خشونتهای پنهان آدمی را فراهم کنند.
دقیقاً شبیه به غذا خوردن یا تنفس و نیاز جنسی، نیاز به دفع خشونت و مجراهای فرهنگی برای پاکسازی انرژیهای ناشی از این غریزه بسیار حیاتی است. پلتفرم فیسبوک، برای وایرال شدن محتوا و افزایش تعاملات کاربران دقیقاً بر روی این غریزه سرمایهگذاری کرده است.
در واقع با کاهش یا نبود نظارت بر محتواهای تولید شده، امکان تولید و انتشار محتواهای خشن به غرایز انسانی قدرت بازتولید را میدهد به نحوی که بتواند به ساختارهای اجتماعی و خارج از پلتفرم فیسبوک نیز تعمیم پیدا کند. این رخداد را میتوان در همانندسازی کودکان و نوجوانان با محتواها و کاراکترهایی که در پلتفرم فیسبوک وجود دارند مشاهده کرد.
سخن آخر
توسعه هوش مصنوعی میتواند زمینه را برای برداشتن گامهای مطمئنتر آدمی در علم و دانش فراهم کند. زیرا دقت در محاسبات را افزایش میدهد. خطاها را کاهش داده و بهدور از اشتباهات انسانی، به جای کاربر به تحلیل و محاسبه میپردازد؛ بنابراین با تکیه بر هوش مصنوعی میتوان مدیریت امور انسانی نظیر، ترافیک، اموری شهری، رانندگی، کنترل هواپیما، جت یا فضاپیماها را بدون خطا و با دقت محاسباتی بالا انجام داد.
اما باید توجه کنید که هوش مصنوعی چالشهای خاص خود را نیز دارد. به طور مثال در پروژه متاورس امکان رشد خشونت قومی، گروهی و یا فردی، انزوا و جامعهستیزی به عنوان آسیبهای احتمالی این پروژه بحث شد. اما باید در نظر داشته باشید که برشمردن ایرادات احتمالی این پروژه، به معنای منفیبافی درباره توسعه هوش مصنوعی نیست، بلکه ما میکوشیم تا با بررسی تمامی آثار و جوانب ممکن متاورس، آگاهانه از هوش مصنوعی منتفع شویم.
به نظر شما ایده جدیدی کهزاکربرگدر سر دارد چیست وچرا نام فیسبوک را به متا تغییر دادهاست؟
سرطان رودهی بزرگ سومین سرطان شایع و دومین علت مرگ و میر در اثر بیماری سرطان در ایالات متحده است و همین موضوع اهمیت کولونوسکوپی را بیش از پیش کرده است. غربال آسیبها و ضایعات پیشسرطانی که با نام آدنوم شناخته میشوند، خطر مرگ ناشی از سرطان روده را تا ۶۰ درصد کاهش میدهد. با این حال، نرخ تشخیص آدنوم (و همچنین عدم تشخیص آن) از پزشکی به پزشک دیگر تفاوت دارد و میتواند بین ۶ تا ۴۱ درصد باشد.
اخیراً، گروهی تحقیقاتی به رهبری متخصصان مرکز BIDMC پژوهشی انجام داده و نتایج آن را در ژورنال «مطالعه بالینی بیماریهای کبد، معده و روده» منتشر کردهاند. در این پژوهش، امکان کاربرد کامپیوترهای مجهز به هوش مصنوعی در تشخیص آدنوم بررسی شده است. هدف محققان مشخص کردن این نکته بوده که آیا این فناوری میتواند با کاهش نرخ خطا، کیفیت کولونوسکوپی را ارتقاء دهد یا خیر.
کاهش نرخ خطا
یافتهها نشان دادند ادغام تشخیص مجهز به کامپیوتر با روش استاندارد کولونوسکوپی میتواند نرخ خطا (عدم تشخیص) را نزدیک به یک سوم کاهش دهد. این اولین بار است که در آمریکا، آزمایشاتی تصادفی نقش یک سیستم تشخیصگر مجهز به کامپیوتر مبتنی بر یادگیری عمیق را در کولونوسکوپی بررسی میکنند. علاوه بر این، این پروژه را میتوان یکی از اولین آزمایشات تصادفی دانست که به مطالعهی نقش مداخلات هوش مصنوعی در حوزهی پزشکی پرداخته است.
دکتر تایلر امبرزین، نویسندهی سرپرست این پژوهش که ریاست بخش آندوسکوپی پیشرفته BIDMC را نیز بر عهده دارد، در مورد این مطالعات توضیح میدهد: «پژوهش ما نشان داد به کارگیری کامپیوتر در تشخیص پولیپ قابلیت این را دارد که پراکندگی کیفیت در نتایج کلونوسکوپی را جبران کرده و نرخ خطا را برای پزشکان باتجربه کاهش دهد. بر اساس یافتهها، هوش مصنوعی میتواند به عنوان ابزاری مهم در ارتقای کیفیت غربال سرطان رودهی بزرگ ایفای نقش کند و بدین طریق، شیوع این بیماری را در آمریکا کاهش دهد.»
کلونوسکوپی با تشخیصگر مجهز به کامپیوتر
برزین، استاد دانشکده پزشکی هاروارد، و همکارانش برای اجرای این آزمایش، ۲۲۳ بیمار را مورد مطالعه قرار دادند که بین سالهای ۲۰۱۹ تا ۲۰۲۰، برای غربال و یا تشخیص سرطان رودهی بزرگ به یکی از چهار مرکز پزشکی دانشگاه مراجعه کرده بودند. علاوه بر فرآیند کلونوسکوپی استاندارد دقیق به کمک نور سفید، کلونوسکوپی با تشخیصگر مجهز به کامپیوتر نیز روی همهی این افراد انجام شد. مشارکتکنندگان به شیوهی تصادفی به دو گروه مساوی تقسیم شدند؛ یک گروه ابتدا تحت کلونوسکوپی استاندارد قرار گرفته و بلافاصله وارد رویهی دوم شدند (هر دو فرآیند توسط یک آندوسکوپیست انجام میشد). ترتیب اجرای مداخلات روی گروه دوم برعکس بود.
بر اساس یافتهها، نرخ خطا در گروهی که ابتدا کلونوسکوپی مجهز به کامپیوتر انجام داده بودند حدود ۲۰ درصد و در گروه دیگر نزدیک ۳۴ درصد بود؛ تفاوت بین این دو رقم معنیدار است.
دکتر گلیسن براون، عضو واحد مطالعهی بیماریهای کبد، روده و معده در مرکز BIDMC و نویسندهی اول این مقاله، توضیح میدهد: «نتایج این آزمایشات به غیر از غربال سرطان رودهی بزرگ کاربردهای دیگری هم دارند. این پژوهش یکی از اولین آزمایشات کنترلشده و تصادفی در آمریکاست که نقش فناوری هوش مصنوعی در حوزههای پزشکی را مورد بررسی قرار داده است. در سالهای اخیر، یادگیری عمیق و هوش مصنوعی توجه بسیار زیادی از سمت بخشهای تجاری و تحقیقاتی به خود جلب کردهاند؛ با این حال، ضروری است که با جمعآوری دادههای باکیفیت و دقیق طی آزمایشات بالینی کنترل شده و تصادفی، امنیت و کارآمدی هوش مصنوعی در کاربردهای پزشکی را تضمین کنیم.»
شهروندان استرالیایی به طور معمول در طول زندگی حرفهای خود پنج تا هفت بار تغییر شغل را تجربه میکنند. همزمان با جایگزین شدن نیروی کار با فناوریهای جدید، انتقال تولید به خارج از کشور، و بروز بحرانهای اقتصادی، احتمال میرود این آمار به روند صعودی خود ادامه دهد.
از بین رفتن مشاغل پدیده جدیدی نیست. اما سرعت این تغییر رو به افزایش است و آینده کارگران زیادی را تهدید میکند.
فناوریهای جدید، مشاغل جدید ایجاد میکنند؛ اما، مهارتهایی مورد نیاز آنها همیشه با مهارتهای مشاغل قدیمی مطابقت ندارد. تغییر شغل موفقیتآمیز، مستلزم استفاده حداکثری از مهارتهای فعلی و کسب مهارتهای جدید است، اگر فاصله بین مهارتهای قدیمی و جدید بسیار زیاد باشد، تغییر شغل ممکن است به شکست بیانجامد.
محققان سیستم جدیدی طراحی کردهاند که مسیرهای شغلی پیشنهادی را معرفی میکند. این سیستم ازیادگیری ماشینبرای تجزیه و تحلیل بیش از ۸ میلیون آگهی شغلی منتشر شده در اینترنت استفاده میکند تا تغییرات شغلی را شناسایی کند که احتمال موفقیت آنها بیشتر است. جزئیات این سیستم در مقالهای در PLOS ONE منتشر شده است.
این سیستم کار خود را با اندازهگیری شباهتهای بین مهارتهای مورد نیاز هر شغل آغاز میکند. برای مثال، یک حسابدار میتواند به یک تحلیلگر مالی تبدیل شود زیرا مهارتهای مورد نیاز آنها مشابه است؛ اما تغییر شغل از یک متخصص گفتاردرمانی به یک تحلیلگر مالی دشوار است زیرا مهارتهای مورد نیاز هر کدام کاملاً متفاوت از دیگری است.
سیستم، در مرحله بعد، تعداد زیادی از مسیرهای شغلی دنیای واقعی را برای شناسایی جهت تغییر بررسی میکند؛ برای مثال، سیستم بررسی میکند که آیا معمولاً حسابدارها به تحلیلگر مالی تبدیل میشوند یا برعکس.
در پایان، سیستم میتواند آن تغییر شغلی را توصیه کند که احتمال موفقیت بیشتری دارد؛ علاوه بر این سیستم میتواند مهارتهای مورد نیاز برای کار کردن در شغل جدید را مشخص کند.
اندازهگیری تشابه مشاغل
سیستم جدید با استفاده از روشی موسوم «مزیت نسبی آشکار» (RCA) و آگهیهای شغلی منتشر شده در اینترنت طی سالهای ۲۰۱۸ تا ۲۰۲۱، میزان اهمیت مهارت فرد در یک شغل را اندزه میگیرد. نگاشت زیر شباهت ۵۰۰ مهارت برتر را نشان میدهد. هر نشانگر مبینِ یک مهارت فردی است. این مهارتها بر اساس شباهت آنها به یکدیگر، به ۱۳ خوشه تقسیم و با رنگهای مختلف نشان داده شدهاند.
زمانی سیستم که تشابه و تفاوت مهارتهای مختلف را شناخت، میتواند تشابه و تفاوت شغلهای مختلف را بر اساس مهارتهای مورد نیاز آنها تخمین بزند. تصویر زیر شباهت بین مشاغل استرالیا در سال ۲۰۱۸ را نشان میدهد.
هر نشانگر به منزلهی یک شغل مجزا است و رنگها ریسک جایگزنی شغل با خودکارسازی را طی دو دهه آینده نشان میدهند (رنگ آبی ریسک پایین و قرمز ریسک بالا را نشان میدهد). مشاغلی که ظاهراً شبیه یکدیگر هستند در کنار هم قرار گرفتهاند. مشاغل پزشکی و مشاغلی که مستلزم داشتن مهارت بالا هستند، با ریسک خودکارسازی کمتری روبرو هستند.
نگاشت مسیر شغلی
سپس، برای ساخت این سیستم پیشنهاد کننده مسیر شغلی، میزان تشابه مشاغل را اندازهگیری کرده و آن را با طیف وسیعی از دیگر متغیرهای بازارِ کار، مانند سطح اشتغال و تحصیلات، ترکیب کردیم.
این سیستم با استفاده از تکنیکهای یادگیری ماشین و با «یادگیری» از اطلاعات مربوط به تحولات شغلیای که پیش از این روی دادهاند، تغییرات شغلی آینده را پیشبینی میکند. این سیستم نه تنها دقت بالایی دارد (یعنی ۷۶%)، بلکه میتواند عدم تقارن میسرهای شغلی را نیز در نظر بگیرد. عملکرد سیستم به این صورت اندازهگیری میشود که سیستم یک مسیر شغلی را پیشبینی کرده و آن را با مسیرهای شغلی که در گذشته اتفاق افتادهاند، مقایسه میکند.
نگاشت مسیر شغلی کامل، بسیار بزرگ و پیچیده است. در شکل زیر نسخه کوچکی از عملکرد سیستم را تنها با۲۰ شغل مشاهده میکنید. در این نگاشت، مشاغل «منبع» در محور افقی و مشاغل «هدف» در محور عمودی نشان داده شدهاند.
اگر شغل خاصی را در ردیف پایین انتخاب کنید، مربعهای آبی رنگ، احتمال [تغییر] مسیر شغلی آن حرفه به شغلهای سمت راست را نشان میدهد. هرچه مربع تیرهتر باشد، احتمال آن تغییر شغلی بیشتر است.
توصیههای شغلی مبتنی بر هوش مصنوعی
گاهی اوقات یک حرفه جدید مستلزم یادگیری مهارتهای جدید است، اما گاهی مهارتهایی که باید آموخته شوند نامشخص است. سیستم ما میتواند به شناسایی آنها کمک کند. برای مثال، نحوه عملکرد سیستم را برای شغل «نظافتچی خانگی» بررسی میکنیم، شغلی که اشتغال در آن از زمان شیوع کوید ۱۹در استرالیا به شدت کاهش یافته است.
ابتدا، با کمک نگاشت مسیر شغلی، محتملترین مسیر شغلی یک نظافتچی خانگی را پیدا میکنیم. رنگها مشاغل را بر اساس وضعیت آنها در طول بحران کوید ۱۹ نشان میدهند: مشاغل آبی مشاغل «ضروری» هستند که میتوانند در زمان قرنطینه به کار خود ادامه دهند و مشاغل قرمز، مشاغل «غیر ضروری» هستند.
همانند سمت راست نمودار گردشی زیر (نیمه پایین تصویر)، مشاغل پیشنهادی برتر را مشخص میکنیم. این مشاغل بر اساس احتمال تغییر شغلی به صورت نزولی طبقهبندی شدهاند. عرض هر نوارِ نمودار تعداد فرصتهای شغلی موجود در ازای هر شغل را نشان میدهد. رنگ بخش نمایانگر افزایش یا کاهش تقاضا در مقایسه با مدت مشابه سال ۲۰۱۹ (یعنی قبل از همهگیری) است.
شش مسیر شغلی پیشنهادی اول به مشاغل خدمات «غیر ضروری» اختصاص دارد که به طرز حیرتآوری کاهش تقاضا را تجربه کردهاند. با این حال، هفتمین مورد شغل «مراقبت از سالمندان و معلولان» است که در دسته «ضروری» طبقهبندی شده و تقاضای آن در ابتدای دوران کرونا به میزان قابل توجهی افزایش یافته است.
اگر شغلی با تقاضی بالا انتخاب کنید، آینده شغلی بهتری خوهید داشت. به همین دلیل، شغل «مراقبت از سالمندان و افراد معلول» را در نظر میگیریم.
باید چه مهارتهایی را برای مشاغل جدید یادبگیریم
علاوه بر موارد مطرح شده بالا، سیستم جدید میتواند مهارتهایی را مشخص کند که کارگران برای افزایش شانس موفقیت خود در مسیر شغلی جدید باید آنها را یاد بگیرند. کارگر می تواند با سرمایهگذاری بر روی یادگیری مهارتهای ضروری در حرفه جدید و آن دسته از مهارتهایی که با مهارتهایی حرفه فعلی او فاصله دارند، شروع کند.
در مورد شغل «نظافتچی خانگی»، مهارتهای توصیه شده برای تغییر به شغل «مراقبت از سالمندان و معلولان»، شامل مهارتهای تخصصی مراقبت از بیمار، مانند «بهداشت» است.
از طرف دیگر، نیازی نیست فرد مهارتهای بیاهمیت یا مهارتهایِ مشابه مهارتهای فعلی را یاد بگیرید. مهارتهایی مانند «تجزیه و تحلیل کسبوکار» و «امور مالی» برای شغل «مراقبت از سالمندان و معلولان» ضرورتی ندارند؛ بنابراین، نباید در اولویت قرار گیرند. به همین ترتیب، مهارتهایی مانند «اتو کردن» و «شستن لباسها» در شغل جدید ضروری هستند، اما به احتمال زیاد «نظافتچی خانگی» از قبل این مهارتها را آموخته است (یا میتواند به راحتی آنها را بیاموزد).
مزایای تغییر شغل آسان
اگرچه آینده کاری کماکان نامشخص است، اما تغییر نیز اجتناب ناپذیر است. فناوریهای جدید، بحرانهای اقتصادی و عوامل دیگر تقاضاهای کاری را تغییر داده و باعث میشود کارگران پیوسته شغل خود را عوض کنند.
اگر تغییر مسیر شغلی کارا باشد، بهرهوری افزایش یافته و همه مردم به یک اندازه نفع می برند. اما اگر مسیر شغلی آهسته پیشبرود یا به شکست بیانجامد، هزینههای گزافی برای مردم و دولت و همچنین کارگری که شغل خود را تغییر میدهد به همراه خواهد داشت. روش و سیستمی که در اینجا مطرح کردیم میتواند دستیابی بهاین اهداف را به میزان قابل توجهی بهبود بخشد.
نظر شما درباره استفاده از این روش برایانتخاب و تغییر شغلچیست؟
بر اساس آخرین گزارش گروهی از متخصصان بینالمللی که وضعیت هوش مصنوعی را ارزیابی میکنند، این فناوری در مسیر تکامل خود به نقطه عطف مهمی رسیده است. پیشرفتهای چشمگیری که درپردازش زبان طبیعی، بینایی کامپیوتر و تشخیص الگوها بدست آمده است، از تاثیر روزافزون هوش مصنوعی بر زندگی روزمره مردم خبر میدهد. از جمله این تاثیرها میتوان به نقش این فناوری در توصیه فیلم به افراد یا ارتقای تشخیصهای پزشکی اشاره کرد.
علیرغم این موفقیتها، لزوم درک خطرات و معایب سیستمهای مبتنی بر هوش مصنوعی، از جمله سوگیری الگوریتمها یا استفاده از هوش مصنوعی برای فریبکاریهای عمدی، و کاهش آنها امری ضروری و فوری است. تیمهای مختلفِ دانشمندان کامپیوتر، متخصصان علوم اجتماعی و حقوق باید دست به دست یکدیگر دهند تا این مشکلات و معایب به حداقل برسد.
این نتایج از گزارشی با عنوان «انباشت قدرت و انباشت طوفان: گزارش کمیته مطالعات صد سالههوش مصنوعیموسوم به AI100 (سال ۲۰۲۱)» اتخاذ شده است. گروهی از متخصصان علوم رایانه، سیاستگذاری عمومی، روانشناسی، جامعه شناسی و سایر رشتهها گردهم آمده و این گزارش را تدوین کردهاند.
این پروژهی در حال اجرا یکی از پروژهای موسسه هوش مصنوعی انسان محور دانشگاه استنفورد بوده و هدف آن نظارت بر پیشرفتهای هوش مصنوعی و هدایت پیشرفتهای آتی این حوزه است. این گزارش جدید که دومین گزارش منتشر شده از پروژه AI100 است، تحولات هوش مصنوعی را بین سالهای ۲۰۱۶ و ۲۰۲۱ ارزیابی میکند.
سرپرست گروه ارزیابی میگوید…
مایکل لیتمن، استاد علوم رایانه از دانشگاه براون و سرپرست این گروه پژوهشی، در این باره میگوید: «طی پنج سال گذشته، هوش مصنوعی که بیشتر به آزمایشگاههای تحقیقاتی یا سایر محیطهای کنترلشده محدود بود، به فناوریای بسیار تاثیرگذار در جامعه ارتقاء یافته است.
این پیشرفت واقعاً هیجان انگیز است زیرا این فناوری کارهای بینظری انجام میدهد، کارهایی که پنج یا ۱۰ سال پیش غیر قابل تصور بودند. اما در عین حال، این حوزه با تاثیرات اجتماعی خود کنار آمده است و معتقدم مرحله بعدی دستیابی به راهکارهایی برای افزایش مزایای هوش مصنوعی و در عین حال به حداقل رساندن معایب آن است».
این گزارش که در شانزدهم سپتامبر ۲۰۲۱ منتشر شده است، به ۱۴ سوال مطرح شده در زمینههای مهم توسعه هوش مصنوعی پاسخ میدهد. کمیته دائمی AI100 که متشکل از گروه مشهوری از رهبران هوش مصنوعی است، این سوالات را مطرح کرده و سپس هیئتی ۱۷ نفری از محققان و متخصصان این حوزه سعی کردند به این سوالات پاسخ دهند.
برخی از سوالات این مجموعه شامل «مهمترین پیشرفتهای هوش مصنوعی کدامند؟» و «چالشهای جدی و حلنشده کدامند؟» میشود. دیگر سوالات به ریسکها و خطرات اصلی هوش مصنوعی، تأثیرات آن بر جامعه، درک عمومی آن و آینده این حوزه میپردازند.
گزارش تاثیرات هوش مصنوعی
اگرچه طی چند سال گذشته گزارشهای بسیاری در زمینه تأثیرات هوش مصنوعی نوشته شده است، اما طبق توضیحات پیتر استون، استاد علوم کامپیوترِ دانشگاه تگزاس در آستین، گزارش AI100 از این جهت منحصر به فرد است که از یک طرف، خودیهای هوش مصنوعی آن را به رشته تحریر در آوردهاند، یعنی متخصصانی که الگوریتمهای هوش مصنوعی را ایجاد کرده یا تأثیر آنها را بر جامعه اصلیترین رکن فعالیت حرفهای خود قلمداد میکنند، و از طرف دیگر، این گزارش بخشی از یک پژوهش در حال اجرای طولانی مدت، به قدمت یک قرن، است.
این مدیر اجرایی Sony AI America و دبیر کمیته دائمی AI100، معتقد است: «گزارش ۲۰۲۱ از این جهت حائز اهمیت است که با اظهار نظرِ کارشناسان در مورد تحولات پنج سال گذشته، به ارتباط تنگاتنگ این وقایع با گزارش ۲۰۱۶ پرداخته و جنبه دراز مدت AI100 را پررنگ میکند. این گزارش با پاسخگویی به مجموعهای از سوالات میتواند الگویی بیبدیل برای گروههای پژوهشی آینده تدوین کند. انتظار میرود دانشمندان طی بازه زمانی پنج ساله به ارزیابی این سوالات بپردازند».
گامی بزرگ
اریک هورویتز، افسر ارشد علمی مایکروسافت و همبنیانگذار پژوهش صدساله هوش مصنوعی، نیز کارِ این گروه پژوهشی را ستوده و اذعان میکند که بینش مشترک گروههای مختلف متخصصان هوش مصنوعی در مورد این گزارش مهم او را تحت تاثیر قرار داده است: «گزارش ۲۰۲۱ گامی بزرگ در جهت توصیف وضعیت فعلی و آینده هوش مصنوعی است. این گزارش شامل مواردی از قبیل ارزیابی گستره فعلی ادراک بشر از هوش مصنوعی و ارائه راهکارهایی در خصوص فرصتها و چالشهای اصلی پیش رو پیرامون تأثیرات هوش مصنوعی بر مردم و جامعه میشود».
به لحاظ پیشرفتهای هوش مصنوعی، این گروه پیشرفت قابل ملاحظهای در حوزههای فرعی هوش مصنوعی، از جمله پردازش زبان و گفتار، بینایی کامپیوتر و سایر حوزهها، گزارش کرده است. بسیاری از این پیشرفتها ناشی از توسعه تکنیکهای یادگیری ماشین، به ویژه سیستمهای یادگیری عمیق است که در سالهای اخیر از محیط دانشگاهی به کاربردهای روزمره ارتقاء یافته است.
برای مثال، در حوزه پردازش زبان سیستمهای مبتنی بر هوش مصنوعی فعلی نه تنها میتوانند کلمات را تشخیص دهند، بلکه میتوانند کاربرد دستوری آن کلمه و همچنین تغییر معنی آن در بافتهای مختلف را بفهمند. این امر منجر به بهبود جستوجوی تحت وب، نرمافزارهای متنی پیشبینیکننده، چت باتها و دیگر موارد شده است. برخی از این سیستمها در حال حاضر این قابلیت را دارند تا متنهای اصیلی تولید کنند که تشخیص آنها از متنهایی که انسان نوشته است، دشوار است.
طبق ارزیابی، در دیگر حوزهها نیز، سیستمهای هوش مصنوعی میتوانند با دقت بسیار بالایی سرطان و دیگر بیماریها را در حد یک متخصص تشخیص دهند.
از طرف دیگر، اگرچه اتومبیلهای خودران علیرغم وعدهها، هنوز به طور گسترده مورد استفاده قرار نگرفتهاند، اما سیستمهای هوش مصنوعی دستیار رانندگی، مانند هشدار خروج از خطوط Lane Departure Warning یا کنترل پیمایش سازگار adaptive cruise control، از جمله تجهیزات استاندارد اکثر خودروهای جدید به شمار میآیند.
ناچیز انگاری پیشرفتها
طبق توضیحات لیتمن، ناظران خارج از حوزه هوش مصنوعی ممکن است برخی از پیشرفتهای اخیر این حوزه را ناچیز انگارند، اما این پیشرفتها منعکسکننده گامهایی شگرفی در فناوریهای هوش مصنوعی به شمار میآیند. برای نمونه میتوان به استفاده از تصاویر پسزمینه در ویدئو کنفرانسها اشاره کرد. این قابلیت در دوران همهگیری کوید ۱۹ به بخش جدانشدنی دورکاری بسیاری از افراد تبدیل شده است.
لیتمن در ادامه توضیح میدهد: «برای اینکه سیستم فرد را بر روی عکس پسزمینه قرار دهد، لازم است ابتدا او را از مناظر پشت سرش جدا کند (تشخیص تصویر فرد بر روی پسزمینه تنها در میان مجموعهای از پیکسلها، کار آسانی نیست). اگرچه قابلیت تشخیص پیشزمینه از پسزمینه پنج سال پیش در آزمایشگاه امکان پذیر بوده است، اما به طور قطع قابلیتی که اکنون در تمام رایانهها، به طور آنی و با نرخ فریم بالا امکان پذیر است، پیشرفت بسیار چشمگیری محسوب میشود».
البته پیشبینی این گروه در مورد ریسکها و خطرات هوش مصنوعی پادآرمانشهری نیست که در آن اَبَرهوشمند جهان را تحت کنترل خود درآورده باشد. به گزارش این گروه، خطرات واقعی هوش مصنوعی کمیظریفتر، اما به همان اندازه نگرانکننده هستند.
ارزیابی خطرات هوش مصنوعی
برخی خطرات مطرح شده در گزارش ارزیابی این گروه ناشی از سوءاستفاده عمدی از هوش مصنوعی است. منظور تصاویر و ویدئوهای جعلعمیق است که برای انتشار اطلاعات غلط یا خدشهدار نمودن اعتبار افراد استفاده میشوند یا رباتهای آنلاینی که برای دستکاری گفتمان و نظرات عمومی به کار میروند. از طرف دیگر، این برداشت در اذهان عمومی نقش بسته است که تصمیمگیری هوش مصنوعی به شکلی بیطرفانه و بدون سوگیری انجام میشود».
این برداشت به ویژه در حوزههایی مانند اجرای قانون یا بهداشت و درمان خطراتی را به همراه دارد. در حوزه قانون، سیستمهای پیشبینی جرم و جنایت بر گروههای رنگین پوست تأثیر منفی گذاشته و در حوزه بهداشت و درمان، سوگیریهای نژادی تعبیه شده در الگوریتمهای بیمه میتواند دسترسی افراد به مراقبتهای مناسب را تحت تأثیر قرار دهد.
با افزایش کاربردهای هوش مصنوعی، این مشکلات گستردهتر خواهند شد. به گفته لیتمن، خبر خوب این است که دانشمندان حوزه هوش مصنوعی این خطرات را جدی گرفته و با کمکِ متخصصان حوزههای روانشناسی، سیاستگذاریهای عمومی و سایر حوزهها فعالانه به دنبال راهی برای کاهش آنها هستند. ساختار گروه تدوینکننده این گزارش خود منعکسکننده وسیعتر شدن گستره هوش مصنوعی است.
لیتمن میگوید: «تقریباً نیمی از اعضای تشکیلدهنده این گروه از دانشمندان علوم اجتماعی و نیمی از متخصصان علوم کامپیوتر هستند و از اینکه میبینم دانش متخصصان علوم اجتماعی در مورد هوش مصنوعی بسیار زیاد است، بسیار خوشحالم. در حال حاضر، افرادی هستند که در حوزههای مختلف فعالیت میکنند، افرادی که در واقع متخصصان هوش مصنوعی محسوب میشوند. این روند خوبی است».
این گروه اذعان در ادامه گزارش ارزیابی خود میکند که دولتها، دانشگاهیان و صنعت، همه باید برای تکامل هوش مصنوعی در جهتی سازنده گام بردارند.
نظر شما در خصوص پیشرفتهای هوش مصنوعی و همچنین خطرات توسعه این فناوری چیست؟
در ماه دسامبر گذشته پنلی با حضور برخی از دانشمندان هوش مصنوعی برگزار شد تا در مورد آینده، انسانها و هوش مصنوعی بحث و تبادلنظر شود. در این پنل سؤالاتی مطرح شد ازجمله اینکه چگونه هوش مصنوعی منجر به دگرگون کردن اساسی تمام جنبههای تجربه انسانی ما میشود؟ چگونه ما بهعنوان یک گونه با هوش مصنوعی تعامل داریم و پیامدهای هوش مصنوعی و پیشرفت جهان بدون تأمل جدی در نوع دنیایی که میخواهیم برای تمدنهای آینده بسازیم چیست؟
در این نشست Danny Lange دانشمند ارشد داده در آمازون و اوبر و Beena Ammanath، مدیر اجرایی موسسه AI Deloitte مهمان جان کویتسیر بودند.
یکی از شرکتکنندگان این نشست میگوید: این پنل جایی بود برای به اشتراکگذاری دیدگاهها، تجربیات، نگرانیها و امیدهای ما در مورد سال ۲۰۲۱ تا با نگاه و بینشی عمیقتر به آیندهای که میخواهیم ایجاد کنیم بیندیشیم، آیندهای که در آن هوش مصنوعی مسئولانه به کار گرفته میشود و از آن برای مقاصد انسانی استفاده میگردد.
ما اینجا برای مبارزه با Covid-19 گرد هم آمدهایم وهوش مصنوعییک عامل اصلی برای تولید واکسن در بازار در بازههای زمانی تحقیق و توسعه آزمایش بیسابقهای برای ریشهکن کردن این ویروس است. هوش مصنوعی به ما کمک میکند تا به یک جامعه جهانی تعاملیتر برگردیم؛ جایی که بتوانیم آزادانه سفر کنیم، از رستورانهای موردعلاقهمان بازدید کنیم و با دسترسی بیشتر به فروشگاههای محلی خرید کنیم. این یک مثال عالی برای استفاده خوب از هوش مصنوعی است.
با این حال، پیامدهای هوش مصنوعی امروز در مجموعه دادههای بزرگ جهانی مملو از نابرابریها، الزامات و تعصبات مبتکران خود است که تأثیر مستقیمی بر چگونگی هدایت این فناوری به اطلاعات، ادراک و عملکرد انسان دارد.
اخلاق هوش مصنوعی
همانطور که هوش مصنوعی جامعه را به سمت مرحله بعدی تکامل انسان هدایت میکند، بر ما واضح میشود که باید دانش خود را در مورد اخلاق هوش مصنوعی بهشدت افزایش دهیم و در مورد آینده دنیایی که میخواهیم ایجاد کنیم تأمل کنیم، در غیر این صورت، ما مدلهای هوش مصنوعی ایجاد خواهیم کرد که مطابق با ارزشهای ما نیستند.
آیا ما میتوانیم یک هوش مصنوعی ایجاد کنیم که بدون اینکه تحت تأثیر تعصبات سازندگانش قرار بگیرد به انسانها خدمت کند و یا هوش مصنوعی جدیدترین و قدرتمندترین ابزار برای تداوم نژادپرستی و نابرابری خواهد شد؟ کدام سناریو اتفاق خواهد افتاد؟
موارد مهم
نتیجه مباحث مطرحشده در این نشست بر اهمیت موارد زیر تأکید داشت:
۱- اطمینان از این موضوع که حد و حدود، فرایندها و کنترلها بهدرستی به کار گرفته میشوند تا یکاستراتژی هوش مصنوعیمؤثر و کارآمد توسعه یابد. در این مسیر باید تمرکز بر نیاز به پایداری بهمنظور هدایت روشهای تصمیمگیری مطمئن باشد.
۲- آموزش و توانمندسازی همه کارمندان برای درک روشهای افزایش ارزش هوش مصنوعی و همچنین متعادلسازی همه مواردی که میتوانند با هوش مصنوعی اشتباه پیش بروند ضروری است.
۳- قدردانی از اینکه تکامل، چگونه نسل بشر و رشد نمایی ردپای دیجیتالی ما را تنظیم کرده است. هوش مصنوعی باعث میشود حضور دیجیتالی ما و هر تصمیم و کلیک ما قابلمشاهده باشد در نتیجه هویت دیجیتالیمان به حضور ما در مقیاس جهانی کمک میکند. دنی لانگ تأکید میکند در عصر حاضر دیگر ناشناسی وجود ندارد بنابراین چارچوبهای نظارتی و شیوههای مدیریت ریسک ضروری هستند. دکتر سیندی گوردون میگوید: نیاز به تسریع چارچوبهای اخلاقی هوش مصنوعی و آموزش مدیرانعامل و مدیران هیئتمدیره یک موضوع اساسی است.
۴- هوش مصنوعی مسئول و قابلاعتماد یک ضرورت تجاری است. الگوریتمهای هوش مصنوعی از الگوها و از طریق تعامل یاد میگیرند، بنابراین باید مراقب باشیم که پیامدهای هوش مصنوعی و جنبههای آسیبرسان آن نتوانند تبدیل به یک پارادایم غالب شوند.
اوراکل از سیستم جدید مجهز به هوش مصنوعی رونمایی کرده تا شرکتها فعالیتها و کمپینهای بازاریابی دیجیتال را به شکل موثرتری خودکارسازی نمایند. کارشناسان نرمافزار با این هدف دست به توسعه این سیستم زدهاند که بتوانند بخش اعظمی از بازار نرمافزارهای ابری را از مواردی نظیر اَدوبی و Salesforce گرفته و به خود اختصاص دهند. در صورتی که فرایند عرضهی سیستم بازاریابی جدید اوراکل به پایان برسد، امکان ارتقای محصولات بازاریابی B2B فراهم خواهد شد.
این محصول از هوش مصنوعی برای خودکارسازی فرایندهایی از قبیل ایجاد کمپینهای بازاریابی و بررسی دقیقداده هااستفاده خواهد کرد. لذا این احتمال به خوبی بررسی میشود که افراد تا چه اندازه با ایمیلها و تبلیغات به تعامل میپردازند. میتوان از اطلاعات نهایی برای تعیین این احتمال استفاده کرد که چه تعداد از کاربران این محصول را خریداری خواهند کرد. در این صورت، تیم فروش قادر خواهد بود تا منابع داده را به دقت زیر نظر گرفته و بکار گیرد. در ضمن، این سیستم میتواند اطلاعات تماس را به شکل دقیقتری در اختیار دپارتمانهای مربوطه قرار دهد.
فروش دیجیتال
دادهها که از منابع گوناگونی به دست میآیند، بخش بزرگی از فرایند عملیات سیستم بازاریابی Fusion هستند. از جمله این منابع میتوان به لیست ارتباط ایمیلی و مشتریان اوراکل اشاره کرد که به طور مستقیم از سیستم استفاده میکنند. اوراکل انبوهی از دادههای شخص ثالث جمعآوری کرده است. از این رو، با تاریخچه کاری طولانی خود در حوزه پایگاه داده، موفق شده تا در تبلیغات دیجیتال به دستاوردهای ارزندهای نائل آید.
فروش دیجیتال با رشد سریعی همراه بوده است. به ویژه از زمانی که بیماریهای همهگیر کرونا در مقیاس جهانی شیوع یافت. در واقع، %۶۴ از کسب و کارهای B2B اعلام کردهاند که قصد دارند تعداد فروشندگان ترکیبی (هیبرید) را در طی شش ماه آینده افزایش دهند. فروشندگان حرفهای از روشهای گوناگونی برای تعامل با مشتریان استفاده میکنند که از جمله آنها میتوان به ویدئو، تلفن، نرمافزار و دیدارهای گاه به گاهِ حضوری اشاره کرد. این کارها با افزایش میزان تقاضا نیز ارتباط دارد.
البته مشکلاتی نیز بر سر راه وجود دارد. بر اساس گزارشها، %۸۵ از بازاریابهای B2B اعلام کردهاند که نسل جوانان امروزی به هدف بازاریابی محتوای مهمی برایشان به حساب میآیند. با این حال، تنها ۵ الی %۱۰ از این نسل به طور موفقیتآمیز به بازاریاب تبدیل میشوند زیرا فقط %۵۶ از شرکتهای B2B این متخصصان کسب و کار را پیش از حضورشان در تیم فروش تایید میکنند.
راب کلیمو برای سالیان متمادی به عنوان روزنامهنگار حوزه فناوری به فعالیت پرداخته است. پیش از اینکه اینترنت در سراسر جهان مورد استفاده قرار گیرد، وی مجلههای گوناگونی را چاپ میکرده است. راب از زمانی که تمامی فعالیتهای خود را به طور دیجیتال داده، برای چندین سال در بخش نوآوری شرکت مایکروسافت به ایفای نقش پرداخته است. وی محتوای بسیاری برای طیف وسیعی از شرکتها تولید کرده است.