إن القدرات الجديدة لمنظمة العفو الدولية ، التي تستطيع التعرف على السياق والمفاهيم ومعنى المفاهيم ، تفتح طرقًا جديدة ، غير متوقعة في بعض الأحيان ، للعمل معًا بين العاملين في المجال العقلي والآلات. الخبراء قادرون على المساهمة في التدريب ومراقبة الجودة وصقل نتائج الذكاء الاصطناعي. يمكن للآلات أن تكمل معرفة إخوانهم من البشر وأحيانًا تساعد في تثقيف خبراء جدد. هذه الأنظمة ، التي من المرجح أن تحاكي العقل البشري ، هي أكثر موثوقية من سابقاتها التي تعتمد على البيانات. ويمكن أن يكون لها تأثير كبير على
العاملين في الدماغ ، حيث يمثلون
48 ٪ من القوى العاملة في الولايات المتحدة ، وعلى أكثر من 230 مليون من عمال المخ في جميع أنحاء العالم. ولكن للاستفادة الكاملة من الذكاء الاصطناعي الأكثر ذكاءً ، ستحتاج الشركات إلى إعادة تحديد سير العمل والوظائف.
العاملون في الدماغ - الأشخاص الذين يتخذون القرارات في العمل ، والعقل ، ويخلقون الأفكار ويطبقونها في العمليات الإدراكية غير المرتبطة بالروتين - يتفق معظمهم مع هذا. من بين أكثر من 150 خبيرًا مأخوذون من دراسة دولية كبيرة حول استخدام الذكاء الاصطناعي في الشركات الكبيرة ، يقول حوالي 60٪ منهم أن توصيفات وظائفهم القديمة أصبحت بسرعة قديمة بسبب تعاونهم الجديد مع منظمة العفو الدولية. يقول حوالي 70٪ أنهم بحاجة إلى إعادة التدريب بسبب المتطلبات الجديدة المتعلقة بالعمل مع منظمة العفو الدولية. 85٪ يوافقون على أن الإدارة العليا يجب أن تشارك أيضًا في المحاولات المشتركة لتغيير أدوار العاملين في مجال العقلية وعملياتهم. وبدءًا في تنفيذ مهمة إعادة التفكير في استخدام المخاض العقلي بالاقتران مع الذكاء الاصطناعي ، يمكنهم تطبيق بعض المبادئ التالية:
دع الأشخاص الخبراء يخبرون منظمة العفو الدولية بما هو مهم بالنسبة لهم. أخذ التشخيص الطبي ، الذي من المحتمل أن يكون الذكاء الاصطناعي في كل مكان. في كثير من الأحيان ، عندما تصدر منظمة العفو الدولية تشخيصًا ، فإن منطق الخوارزمية ليس واضحًا للطبيب الذي يجب أن يشرح بطريقة أو بأخرى الحل للمريض - فهذه مشكلة في الصندوق الأسود. الآن ،
طورت Google Brain
نظامًا يمكنه فتح صندوق أسود وترجمة عمله إلى لغة بشرية. على سبيل المثال ، يود طبيب يقيم تشخيص "سرطان" الذكاء الاصطناعي أن يعرف إلى أي مدى أخذ النموذج في الحسبان العديد من العوامل الهامة - عمر المريض ، والعلاج الكيميائي السابق ، إلخ.
تتيح الأداة من Google أيضًا للخبراء الطبيين إدخال مفاهيم النظام التي يعتبرونها مهمة واختبار فرضياتهم الخاصة. على سبيل المثال ، قد يرغب خبير ما في معرفة ما إذا كان التشخيص سيغير إدخال عامل جديد لم يكن النظام في عداده من قبل. يقول بن كيم ، مطور هذا النظام: "في كثير من الحالات ، عند العمل على التطبيقات التي يعتمد عليها كثيرًا ، فإن الخبراء في مجال معين لديهم بالفعل قائمة بالمفاهيم المهمة بالنسبة لهم. نحن في Google Brain نواجه هذا باستمرار في التطبيقات الطبية لمنظمة العفو الدولية. إنهم لا يحتاجون إلى مجموعة من المفاهيم - فهم يريدون تقديم نماذج من المفاهيم التي تهمهم. "
اصنع نماذج تتطابق مع المنطق السليم. مع تراكم المخاوف بشأن الأمن السيبراني ، تستخدم المنظمات بشكل متزايد أدوات جمع البيانات في نقاط مختلفة في الشبكة لتحليل التهديدات. ومع ذلك ، فإن العديد من هذه التقنيات القائمة على البيانات لا تدمج البيانات من مصادر متعددة. كما أنها لا تشمل الحس السليم لخبراء الأمن السيبراني ، الذين يفهمون الطيف ومتنوعة من دوافع المهاجمين ، فهم التهديدات الداخلية والخارجية النموذجية ودرجة المخاطرة للمؤسسة.
يحاول الباحثون
في معهد آلان تورينج ، وهو
معهد حكومي بريطاني يدرس علم البيانات ومنظمة العفو الدولية ، تغيير هذا الأمر. يستخدم منهجهم
نموذج بايزي ، وهو أسلوب تحليل احتمالي يأخذ في الاعتبار الترابط المعقد لعوامل الخطر ويجمع البيانات مع التقديرات. في مجال الأمن السيبراني لشبكات المؤسسات ، من بين هذه العوامل المعقدة ، هناك عدد كبير من الأجهزة المتصلة بالشبكة وأنواعها ، ومعرفة خبراء المنظمة حول المتسللين والمخاطر وغير ذلك الكثير. وعلى الرغم من أن العديد من أنظمة الأمن السيبراني المستندة إلى الذكاء الاصطناعي تتضمن القدرة على اتخاذ القرارات في المرحلة الأخيرة ، يبحث الباحثون في المعهد عن طرق لإدماج الخبرة على جميع مستويات النظام. على سبيل المثال ، معرفة الخبير بالدوافع والسلوك المرتبط بالهجوم من خلال سرقة IP - وكيف يختلفون ، على سبيل المثال ، من هجوم DDOS - يتم برمجتها مباشرة في النظام من البداية. في المستقبل ، سيتم استخدام هذه المعرفة ، إلى جانب مصادر البيانات من الأجهزة والشبكات ، لتدريب أنظمة الأمن السيبراني الأكثر كفاءة.
استخدم الذكاء الاصطناعى لمساعدة المبتدئين على أن يصبحوا خبراء معترف بهم. الذكاء الاصطناعى قادر على تحويل المبتدئين بسرعة إلى خبراء. أثبتت HP ذلك باستخدام نظام كمبيوتر إدراكي من مختبر الذكاء الاصطناعي لتحليل بيانات مكالمات العملاء على مدار عامين. استخدم مركز الاتصال نظامًا قائمًا على قائمة الانتظار لتوزيع المكالمات ، مما تسبب في انتظار العملاء لفترة طويلة للحصول على إجابة ، وكانت جودة دعم المستخدم رديئة. تمكنت منصة الكمبيوتر المعرفي من تحديد "المهارات الدقيقة" الفريدة لكل أخصائي - معرفة الأنواع الخاصة لطلبات المستخدم التي تم الحصول عليها من المكالمات السابقة. الآن يتم استخدامه لإعادة توجيه المكالمات إلى الوكلاء الذين تعاملوا بنجاح مع مواقف مماثلة في وقت سابق. ونتيجة لذلك ، تحسن مركز الدعم بنسبة 40 ٪ من المؤشرات لحل الموقف في المكالمة الأولى ، وخفض عدد تحويل المكالمات بنسبة 50 ٪.
من خلال تدريب أخصائيي الدعم في منظمة العفو الدولية ، يقومون تلقائيًا بتحديث معارفهم ، مما يلغي الحاجة إلى القيام بذلك يدويًا في ملفهم الشخصي. علاوة على ذلك ، كلما زادت المعرفة التي يتلقاها أحد المتخصصين ، زادت مهامه التي يقوم البرنامج بإعادة توجيهها. وفي الوقت نفسه ، يعمل البرنامج على تحسين معرفته باستمرار ، كما تعمل استنتاجات الذكاء الاصطناعي حول المهارات الدقيقة على تحسين الكفاءة التي يدرب بها خبير البرمجيات. تجدر الإشارة إلى أن العديد من الشركات تعمل في مهمة إعادة التدريب هذه ؛ على سبيل المثال ، يوفر بدء تشغيل ASAPP عروضًا في الوقت الفعلي لمتخصصي دعم الخدمة.
استخدم تقنية الذكاء الاصطناعي التي تستخدمها بفعالية لترميز سير العمل الخبير الخاص بك. الخبراء في العديد من أنواع المعرفة نادرون جدًا ، ولا ينتجون كمية كبيرة من البيانات المناسبة للتدريب. لكن التعلم العميق والتعلم الآلي ، الذي تقوم عليه العديد من الاختراقات في مجال الذكاء الاصطناعى ، يتطلبان قدراً هائلاً من البيانات لبناء أنظمة من الأسفل إلى الأعلى. في المستقبل ، سنرى المزيد من الأنظمة التي تم إنشاؤها من الأعلى إلى الأسفل ، والتي ستتطلب بيانات أقل بكثير لتكوينها وتدريبها ، مما سيتيح لهم إدراك ومعرفة المعرفة الخاصة للعمال.
شارك في
المسابقة الأخيرة التي نظمها مختبر التصوير الطبي في مستشفى بريست الجامعي وكلية الطب والاتصالات في بريتاني. تنافس المشاركون في أكبر قدر من الدقة لأنظمة التصوير الطبي ، والتي كان من المفترض أن يقدموا تقارير عن الأدوات التي استخدمها الجراح في كل لحظة في عملية إعتام عدسة العين بأقل قدر من التدخل الجراحي. كان الفائز نظامًا للرؤية الآلية ، تم تدريبه لمدة ستة أسابيع مع 50 مقطع فيديو فقط من العمليات الجراحية ، 48 منها تم إجراؤها بواسطة جراحين ذوي خبرة ، وواحد كان جراحًا يتمتع بخبرة لمدة عام واحد ، وكان أحد المتدربين. تسمح أنظمة التعرف على الأدوات الدقيقة للأطباء بتحليل العمليات الجراحية بالتفصيل والبحث عن طرق لتحسينها. يمكن استخدام هذه الأنظمة في إنشاء التقارير وتدريب الجراحين ومساعدة الجراحين في الوقت الفعلي.
تشير جميع هذه الأمثلة إلى أن المهندسين والرواد في مختلف التخصصات يقومون بتطوير AIs التي يمكن أن تكون أسهل في التدريب والتقييم ، وتشمل أيضًا خبرة خبراء قيمة للغاية ونادرة في كثير من الأحيان. للبدء في الاستفادة من هذه القدرات الجديدة ، تحتاج المنظمات إلى مراجعة ميزانيات الذكاء الاصطناعى الخاصة بها. ولكي يحصلوا على أقصى استفادة من هذه الأنظمة والعاملين في مجال العقلية ، يتعين عليهم إعادة النظر في تفاعل المتخصصين والآلات. نظرًا لأن أنظمة MO الحالية تكمل قدرات العمال العاديين ، فإن أنظمة الغد سترفع من فعالية العاملين في مجال المعرفة إلى ارتفاعات لم تكن قابلة للتحقيق سابقًا من الكمال الشامل