افزایش ۳۳ درصدی منفعت‌وری کارمندان با منفعت گیری از هوش مصنوعی

یک محقق هوش مصنوعی و طراحی محصول در مراسم UX شیراز، درمورد راه‌های منفعت گیری از هوش مصنوعی، یادگیری ماشینی و شبکه‌های عصبی برای بهینه‌سازی تست‌های توانایی کاربری سخن بگویید کرد و پافشاری کرد منفعت گیری از این فناوری به منفعت‌وری کارمندان پشتیبانی می‌کند.

«آرمان محمدی»، در این مراسم درمورد اهداف منفعت گیری از هوش مصنوعی گفت: «مقصد ما از این اراعه راهکارهای بهتری پیاده‌سازی تست‌های توانایی کاربر با منفعت گیری از هوش مصنوعی است. ما می‌توانیم با این فناوری کیفیت کارمان را نیز افزایش دهیم و این چنین از آن به گفتن ابزاری برای تحکیم توانایی‌ منفعت گیری کنیم.»

محمدی درمورد تعریف طراحی محصول نیز اشاره کرد که این مفهوم فرایندی است که طراحان برای ترکیب نیازهای کاربر با اهداف تجاری به‌کار می‌برند تا به برندها برای تشکیل محصولات موفق پشتیبانی کند. 

او در ادامه سخن بگویید‌های خود گفت که در قسمت‌های گوناگون اراعه محصول روی تست‌های گوناگون متمرکز می باشند.

این محقق حوزه هوش مصنوعی در ادامه گفت: «نزدیک به ۷۴ سال پیش که اینترنت تا این مدت یک رویا می بود، یک دانشمند درمورد این که آیا ماشین‌ها می‌توانند فکر کنند یا نه سوالی سوال کرد و این سوالی برای اغاز هوش مصنوعی می بود.» 

محمدی این چنین او گفت: «ما سه نوع هوش مصنوعی داریم: ضعیف و محدود، عمومی و قوی.بر پایه تعریف سایت ام‌آیتی، هوش مصنوعی توانایی کامپیوترها برای پیروی از عملکردهای شناختی انسان برای حل قضیه است.» 

به حرف های او، یادگیری ماشینی با داشتن مجموعه‌ای از داده‌ها و استخراج الگوهای گوناگون اتفاق می‌افتد. ضمن این که در این یادگیری ماشینی شبکه‌های عصبی وجود دارند که با الهام از ساختار مغز انسان به وجود آمدند. محمدی این چنین او گفت که با بیشترکردن لایه‌های شبکه‌های عصبی و بازدید زیاد تر داده‌ها، می‌توان یادگیری عمیق‌تری را ناظر می بود.

این محقق هوش مصنوعی در ادامه سخن بگویید‌های خود درمورد تست‌های طراحی‌شده و ضعف‌های آن‌ها نیز سخنانی اراعه کرد. او گفت: «با دقت به این تست‌ها باید بگوییم که آیا ما راهکار درستی برای پیاده‌سازی این‌ها بکار می‌بریم؟ این تست‌ها یکسری ضعف دارند. اول این که آیا کاربری که در یک آزمایشگاه توانایی کاربر تست می‌‌دهد و در شرایط پراسترس است، امکان پذیر دیتای درستی به ما بدهد؟ دوم این که آیا زمانیکه ما برای انجام این تست‌ها می‌گذاریم، زمان مناسبی است؟ همه اینها علتمی‌ود امکان دریافت داده نادرست بالا برود.» 

او حوالی تعریف RMN نیز او گفت: «اگر بخواهیم تعریفی از RMN  داشته باشیم، این‌ها با منفعت گیری از تاریخچه قبلی، کارکرد بعدی را طراحی می‌کنند. در این مدل یک حلقه بازگشتی وجود دارد که علتمیشود در دنباله‌های کلمات با دقت به کلمه‌های قبلی باشد. این مدل یک ضعف هم دارد و این است که تعداد محدودی از کلمات را در دنباله‌ها ساپورت می‌کند. برای از بین بردن این ضعف، حافظه  مختصر زمان طویل نیاز داریم. با این می‌توان وابستگی طویل زمان به کلمات قبل را کمتر کرد.»

محمدی در تکه دیگر سخن بگویید‌های خود به بهبود توانایی کاربری توسط هوش مصنوعی اشاره کرد: «اگر بخواهیم ویژگی توانایی کاربر با هوش مصنوعی را پیاده‌سازی کنیم، می‌توانیم دنباله‌هایی که کاربران را با منفعت گیری از یکسری ابزارها بدست آوریم.»

او این چنین با منفعت گیری از نمودارها و آمار به دست آمده از سایت‌های گوناگون گفت: «نمودار بعدی مشخص می کند که مطابق یکسری تحقیقات، کارمندانی که از هوش مصنوعی منفعت گیری می‌کنند، ۳۳ درصد منفعت‌وری بالا و ۴۳ درصد نیز کیفیت بالاتری دارند نسبت به کارمندانی که از هوش مصنوعی منفعت گیری نمی‌کنند.»