بلاک چین ، اینترنت اشیا و هوش مصنوعی : سه گانه مقدس در فناوری های انقلابی

بلاک چین ، اینترنت اشیا و هوش مصنوعی : سه گانه مقدس در فناوری های انقلابی

” یک سال زمان در حوزه هوش مصنوعی سپری کردن کافیست برای اینکه یک نفر به خدا ایمان بیاورد.”

الن پرلیس (Alan Perlis) که یکی از دانشمندان برجسته علم کامپیوتر، متعلق به قرن بیستم و همچنین اهل آمریکاست، این جمله را در کتاب “سخنان قصار در مورد برنامه‌نویسی” خود آورده و معتقد است که هوش مصنوعی (AI) از نظر روند تفکر و پیچیدگی هیچوقت نمی‌تواند بر انسان‌ها پیشی بگیرد. او به هیچ عنوان گمان نمی‌کرد که در عرض 36 سال هوش مصنوعی، بلاک چین و اینترنت اشیاء، سه گانه مقدس در فناوری‌های انقلابی را تشکیل دهند. درست مثل رباتی که در تصویر زیر (March of Intellect، اثر هیث (Heath) ) نشان داده شده است، این سه مورد (هوش مصنوعی، بلاک چین و اینترنت اشیاء) درک ما از دنیا را به چالش کشیده و باعث به وجود آمدن سوالات اخلاقی مهمی در ارتباط با چگونگی تاثیرشان بر آینده‌ شده‌اند.

تصویر The March of Intellec، اثری از ویلیام هیث (1825). در این تصویر دانشگاه لندن (University College London) در حال لگدمال کردن وکیلان نشان داده شده که نمایانگر تاثیر دگرگون کننده علم جدید بر موسسات و تشکیلات حاکم است.

همکاری در یک ارگان: مغز، سیستم عصبی مرکزی و حافظه

اگر ما این سه فناوری را به عنوان بخش‌های یه سازواره یا ارگان در نظر بگیریم، اینترنت اشیاء همان سیستم عصبی بدن انسان بوده و کارکرد اصلی آن نیز احساسات و گردآوری اطلاعات خواهد بود. به سبب پیشرفت‌هایی که در زمینه فناوری سنسور انجام گرفته‌اند، این فناوری قابلیت تبدیل کردن دنیای اشیاء به دنیایی از اطلاعات را داراست. هوش مصنوعی همان مغز سازواره به حساب می‌آید و از توانایی پردازش سریع و موثر اطلاعات گردآوری شده از طریق یادگیری ماشین برخوردار است. و در نهایت، بلاک چین به علت توانایی خود در ذخیره و پردازش اطلاعات به صورت امن، همان حافظه خواهد بود. از طریق مفهوم “ذهن کندویی” یا آگاهی جمعی نیز می‌توان این موارد را توضیح داد؛ این مفهوم یک نظریه اجتماعی است که توسط دورکیم (Durkheim) به وجود آمده و بیان می‌کند که “کل باورها و احساسات مشترک میان میانگین افراد جامعه یک سیستم مشخص را تشکیل می‌دهد”. البته با توجه به حجم بالای داده‌هایی که امروزه جمع‌آوری کرده‌ایم، بلاک چین قادر به یکپارچه ساختن این داده‌های متنوع و ارائه‌ پلتفرمی است که در آن از آگاهی برای کمک به روند تصمیم‌گیری و عملکرد یک گروه بهره برده می‌شود. کاربرد گسترده این فناوری‌ها تنها زمانی رخ می‌دهد که مشخصه‌ها و ضعف‌های کلیدی آن‌ها در ارتباط با یکدیگر بررسی شوند. در مثال اتومبیل‌های خودران، بلاک چین قادر به ارائه‌ امینت و شفافیت برای حجم بالایی از داده‌ است که این داده‌ها توسط دستگاه‌های اینترنت اشیاء گردآوری شده و هوش مصنوعی می‌تواند آن‌ها را به دیدگاه‌های سودمند برای کاربران و تجارت‌ها تبدیل کند. استفاده از این فناوری‌ها به عنوان بخش‌های سازگار و متقابل در یک سازواره، روند مقیاس‌گذاری را تسریع کرده و به کاربران کمک کند تا با سرعتی بالاتر به تاثیر چرخ لنگری (flywheel effect) داده دست یابند؛ flywheel effect شرایطی است که در آن الگوریتم‌ها همزمان با گردآوری داده‌ بیشتر به پیشرفت خود ادامه می‌دهند.

تصویر: کنده‌کاری شده توسط توماس جمینوس (Thomas Geminus) در سال 1545، بر اساس ساختار بدن انسان (از آندریاس وسالیوس (Andreas Veslaius))

تحول در بهداشت: انقلاب هوش مصنوعی و اینترنت اشیای پزشکی

در حال حاضر داده‌های بسیار زیادی در صنعت مراقبت‌های بهداشتی تحت پردازش قرار می‌گیرند، اما الزامات تنظیمی، مسائل مرتبط با تایید صحت و مسائل امنیتی مانع از به اشتراک گذاشتن این داده‌ها می‌شوند. یکپارچه ساختن این سه فناوری باعث تضمین همکاری بیشتر و بهتر، تشخیص دقیق‌تر معایب و همچنین ارائه‌ درمانی موثر و مقرون‌به‌صرفه می‌گردد.

فناوری بلاک چین می‌تواند مشکل مالکیت داده‌های مبهم را حل کرده و از این طریق، یکپارچگی داده و مسئولیت نفر به نفر (همتا به همتا) را بهبود ببخشد.

با توجه به تغییرناپذیری داده‌ها در بلاک چین، اطلاعات شخصی افراد طی پروسه افزودن داده های مراقبت‌های بهداشتی به بلاک چین، کاملا امن باقی می‌‌مانند. در یک پلتفرم مبتنی بر بلاک چین، امکان ذخیره داده در پایگاه‌های داده و یا در سیستم‌های محاسباتی ابری وجود دارد. برای هر سری داده یک منبع ایجاد شده و به همراه آیدی عمومی بیمار به بلاک چین منتقل می‌‌گردد. سهامداران صنعت مراقبت بهداشتی با استفاده از یک API می‌توانند بدون آشکار کردن هویت، به اطلاعاتی از قبیل مکان ذخیره‌سازی داده‌ها در بلاک چین دست یابند. قراردادهای هوشمند نیز متعاقبا برای مدیریت دسترسی به داده‌های بیمار مورد استفاده قرار می‌‌گیرند.

بلاک چین، به عنوان پلتفرمی معتبر و امن، امکان یکپارچه‌سازی داده‌های گردآوری‌شده از اینترنت اشیای پزشکی، مثل fitness trackerها، را فراهم می‌آورد؛ fitness tracker باعث می‌شود بیماران بتوانند داده‌های بهداشتی امن و معتبری را از دستگاه‌های متعدد جمع‌آوری کرده و با توجه به آن‌ها به برنامه‌های رژیمی و ورزشی روزمره خود نظارت داشته باشند. زمانی که داده توسط اینترنت اشیای پزشکی گردآوری می‌شود، سیستم هوش مصنوعی برای بالا بردن دقت بازخورد خود، تنها بر قابلیت‌های خوداصلاحی که دارد متکی است و به این ترتیب، خطاهای درمانی و تشخیصی کاهش یافته و متناسب با برنامه‌های ورزشی و بهداشتی خواهند بود؛ همچنین، امکان تنظیم این برنامه‌ها بر اساس داده‌ای که توسط الگوریتم‌های ماشینی تفسیر می‌شوند وجود دارد.

ترزا می اخیرا خبر از انقلابی در زمینه هوش مصنوعی داده که هدف آن استفاده از هوش مصنوعی در تشخیص سرطان پروستات، تخمدان، ریه و روده است تا از طریق بررسی سوابق پزشکی، عادات و اطلاعات ژنتیکی برگرفته از موسسات سلامت، از مرگ‌و‌میر‌های مرتبط با سرطان جلوگیری شود. هوش مصنوعی همچنین به روش‌های مختلف قادر به تحلیل داده‌های مراقبت بهداشتی است. محققینMIT موفق به توسعه الگوریتمی ماشینی شده اند که می‌تواند اسکن‌های سه‌بعدی را با سرعتی هزار برابر سرعت فعلی تحلیل کند. این برآورد نسبتا واقعی در طول عملیات می‌تواند ورودی‌های مهمی فراهم آورد.

استفاده یکپارچه از این سه فناوری در زمینه هزینه محاسبات، ذخیره‌سازی و پهنای باند، امکان ایجاد کردن، به اشتراک گذاشتن، تحلیل‌ کردن و امن ساختن ذخیره‌سازی اطلاعات، بدون هیچ دخالتی از طرف انسان، را فراهم می‌آورد.

تصویر: ارقام مرتبط با سرمایه‌گذاری‌های انجام‌شده در این سه فناوری

موانع استفاده از این فناوری‌ها

بر خلاف ارزش و موفقیت این فناوری‌ها در صنعت مراقبت‌های بهداشتی و با وجود حجم بالای سرمایه‌گذاری‌های انجام‌شده در این زمینه، موانع رفتاری و ساختاری همچنان از به کارگیری این فناوری‌ها در مقیاس بزرگ جلوگیری می‌کنند.

تصویر A: عملکرد Sigmoid (منحنی S) که چرخه زندگی فناوری را نشان می‌دهد.

چرخه زندگی فناوری که با استفاده از عملکرد Sigmoid (یا منحنی S) در این تصویر نشان داده شده است، ما را از موانعی که بر سر راه استفاده از فناوری‌ها قرار دارند و همچنین تاثیرات جغرافیایی مختلف آگاه می‌سازد. طبق گفته‌های اریک برینجولفسون (Erik Brynjolfsson)، که از اساتید MIT است، الگوهای منحنی S برای فناوری‌هایی با اهداف عمومی و قابل‌تغییر مناسب هستند؛ مثل ماشین بخار که در آن کندی‌ها و تاخیرات موجود معمولا بیشتر هستند، زیرا سودمندی کامل تنها با سرمایه‌گذاری‌ها و اختراعات مکمل و همچنین، مدل‌های تنظیمی و تجاری فراوان به وجود می‌آید. برای مثال اینترنت را در نظر بگیرید؛ کاربرد گسترده از این فناوری (اینترنت) حدودا دو دهه زمان برد. تعداد کاربران نیز از یک منحنی S پیروی کرده و 4 مرحله‌ از پیشگامی تا تکامل را در بر می‌گیرد.

بلاک چین، اینترنت اشیاء و هوش مصنوعی اکنون در جایی بین پیشگامی و تکامل قرار دارند؛ اگرچه بعضی از برنامه‌ها، مثل هوش مصنوعی در اتوموبیل‌های خودران از مرحله پیشگامی عبور کرده و وارد مراحل بعدی شده‌اند. با این حال، استفاده گسترده از این فناوری‌ها نیاز به آزمون و بررسی‌های بیشتری داشته و توسعه استراتژی‌ و سیاست‌های جدید در کسب و کار نیز موجب امتداد یافتن روند پذیرش این فناوری‌ها می‌گردد.

تصویر B: موانع سد راه تغییرات فنی که پیش‌ روی Incumbent قرار دارند

در مقیاس کوچک (تصویر B)، یکی از موانع موجود برای تغییرات فنی، نبود آینده‌نگری است؛‌ یعنی شرایطی که در آن یک کسب و کار، از توان درک مزایای تغییرات فنی برخوردار نبوده و از لحاظ پاداش‌های اقتصادی مرتبط با ریسک استفاده از فناوری‌های جدید، در مرحله‌ای ابتدایی از توسعه هستند.

با این حال، حتی با وجود افزایش موارد کاربرد، تعداد موانع جدید نیز افزایش می‌یابد و این امر به خوبی از طریق مفهوم “بحران نوآوران” توضیح داده می‌شود؛ در این مفهوم سرمایه‌گذاری در فناوری‌های قابل‌تغییر ممکن است باعث بر هم زدن مدل تجاری فعلی شده و در نهایت منجر به cannibalization (تاثیر منفی محصول جدید بر فروش محصولات قبلی کمپانی) سرویس/محصول می‌گردد. این حالتِ سکون و ایستایی، زمانی بیشتر احساس می‌شود که در عین تلاش شدید مدل‌های تجاری فعلی برای دوام یافتن، شاهد رشد مزایای مدل جدید هستیم. در مرحله نهایی، زمانی که فناوری انقلابی تاثیرات برهم‌زننده‌ خود را به وجود آورده است، به جایی می‌رسد که صاحبان کسب و کار باید تغییراتی ایجاد کرده و یا از بین بروند.

اگر ارتباط بین شرکت‌ها را از جنبه‌ای وسیع‌تر در نظر بگیریم، می‌توانیم عدم به کارگیری این سه فناوری در مقیاس بزرگ را با “پارادوکس همکاری/رقابت” توضیح دهیم؛ در این مفهوم شرکت‌ها به دلیل رقابت بر سر سهم بازار تمایلی به همکاری با یکدیگر ندارند.

برای مثال، فناوری ابر (Cloud) را در نظر بگیرید؛ زمانی که دو غول بزرگ فناوری مثل IBM و Dell در نهایت پس از رسیدن به بن‌بست تصمیم می‌گیرند که با یکدیگر همکاری کنند؛ با وجود اینکه سهم بازار هر یک از این شرکت‌ها کاهش می‌یابد، اما صنعت از نظر پیشرفت فناوری به یک دستاورد بزرگ دست یافته است.

در نتیجه، به جای داشتن سهمی بزرگ‌تر از یک کیک کوچک‌تر، اکنون هر یک می‌توانند سهمی کوچک‌تر از یک کیک بسیار بزرگ‌تر داشته باشند. با توجه به ماهیت این سه فناوری که ارزش خود را از پذیرش و کاربرد گسترده کسب می‌کنند، صنعت شدیدا به ایجاد یک گروه چند حزبی نیاز دارد تا از این طریق، اعضای مختلف بتوانند راه‌حل‌های موثر متفاوتی ارائه کنند.

تصویر C: چرخه‌ی هایپ برای فناوری‌های در حال ظهور

آینده سازان: اکوسیستم‌های هیبریدی و برنامه‌های جامع

آنچه برای درک کامل قابلیت‌های این سه فناوری مهم است این است که کسب و کارها تنها به صورت کورکورانه روند موجود را دنبال نکنند، بلکه مشخصه‌های کلیدی هر فناوری را ارزیابی کرده تا بتوانند تشخیص دهند که آیا این راه‌حل برای یک مشکل معین واقعا راه‌حل مناسبی است یا خیر. همچنین، کسب و کارها باید پتانسیل انقلابی این فناوری ها را درک کرده و به دنبال فرصت‌های استراتژیک باشند. هر فناوری باید بیش از یک روند در چرخه هایپ ارزیابی شود و همچنین بر اساس توان تکامل به عنوان بخش‌های اساسی IT و همچنین استراتژی‌های شرکتی. کسب و کارها باید برنامه‌هایی جامع و اهداف بلندمدت متناسب با روندهای صنعت برای خود ترتیب دهند تا از این طریق بتوانند یک اکوسیستم هیبریدی ایجاد کرده و این اکوسیستم باعث به وجود آمدن قابلیت‌های جدید و اصلاح اکوسیستم فعلی گردد.

مشخصه‌های اصلی این سه فناوری

صاحبان کسب و کار، به منظور ایجاد یک اکوسیستم هیبریدی – اکوسیستمی که زیربنای دیجیتال و دارایی‌های فیزیکی را با یکدیگر ترکیب می‌کند – باید دوگانگی استراتژیک آن را تقویت کرده و در عین حال، هم مدل جدید را بررسی کرده و هم از مدل قدیم نهایت استفاده را ببرند. برای این کار باید تعادلی میان به وجود آوردن قابلیت‌های جدید و اصلاح اکوسیستم‌های جدید برقرار شود.

مثال‌های موفق در این زمینه شامل GE و Simesns می‌گردد که پلتفرم‌های مبتنی بر ابر Predix و Mindsphere را راه‌اندازی کرده‌اند؛ این پلتفرم‌ها به منظور بهبود عملکرد ماشین‌های صنعتی از اینترنت اشیاء بهره برده و این کار را از طریق تحلیل و بررسی داده‌های گردآوری‌شده انجام می‌دهند. در صورت استفاده صحیح، ارزش یکپارچگی فنی تقریبا به صورت آنی خواهد بود؛ Mindsphere به Amtrack کمک کرد تا تنها یک سال پس از راه‌اندازی بتواند تاخیرات را تا 33 درصد کاهش دهد.

علاوه بر این، اکوسیستم‌های هیبریدی به مدل‌های تجاری پویا با قابلیت در بر گرفتن چندین سهامدار، احتیاج دارند. بنابراین، توسعه‌ی یک چهارچوب تکرارشونده و تاکید بر اعتبار و همکاری از عوامل بسیار مهم به حساب می‌آیند. برای مثال، Source AI که یک ابزار تحلیلی پیشرفته به حساب می‌آید و توسط BCG GAMMA ایجاد گردیده است، با هدف ایجاد یک راه‌حل با درجه‌ی کاری توسعه یافته که از قابلیت به‌کارگیری هوش مصنوعی در مقیاس بزرگ برخوردار باشد. از آن جایی که افراد تازه‌وارد خود را در تقاطع فناوری فیزیکی و دیجیتالی قرار می‌دهند، فشار وارد بر افراد قدیمی و سیستم سنتی برای ایجاد تغییرات دیجیتالی به بالاترین حد خود رسیده است.

شرکت‌ها برای تهیه یک لیست جامع از تغییرات فنی باید از چهارچوبی استفاده کنند که ارزش را درمی‌یابد؛ مثل معیارهای مالی و معیارهای عملیاتی که برای ارزیابی میزان تقلیل قیمت تمام‌شده و مدیریت ریسک و در نتیجه، ارزیابی درآمد و توان نوآوری مورد استفاده قرار می‌گیرد. علاوه بر این، شرکت‌ها باید از طریق سرمایه‌گذاری در مهارت‌های مدیریتی لازم برای ایجاد اکوسیستم‌های موثر، ظرفیت شکل‌دهی خود را توسعه دهند. در ارتباط با مشتریان نیز شرکت‌ها باید در عین یکی کردن فناوری و استراتژی، باید هدف خود را بر بیشینه ساختن شفافیت، بهبود اعتماد کاربر و توسعه‌ی امنیت قرار دهد که بر اساس چرخه‌ی زندگی مشتریان، هم بازدارنده و هم پاسخگوست. مهم است بدانیم که با وجود توان برهم‌زنندگی و سه فناوری مد نظر، تمام بخش‌ها در نهایت دیجیتالی خواهند شد. کسب و کار‌ها برای آنکه بروز باقی بمانند باید ریسک کرده و خود را متحول کنند، حتی اگر این کار به معنی نابودی مدل‌های تجاری فعلی باشد.

آلیشیا ویکاندر (Alicia Vikander) به عنوان آوا (Ava) در فیلم Ex Machina (یک فیلم روانشناسانه به کارگردانی الکس گارلند (Alex Garland)) که در مورد غلبه کردن و پیشی گرفتن ربات‌ها بر انسان‌هاست.

یکتایی فنی: تاثیر هوش مصنوعی بر چهارچوب قانونی و مسائل اخلاقی

به‌کارگیری سریع این فناوری‌ها مسائل اخلاقی مهمی را به ویژه در ارتباط با تعصبات موجود در زمینه هوش مصنوعی و تعصبات الگوریتمی در مدل‌های یادگیری ماشین مطرح می‌کند. کورزویل (Kurzweil)، هاکینگ (Hawking) و ماسک (Musk) جزو افرادی هستند که در مورد “این شگفتی”، ‌یعنی زمانی که ماشین بر انسان غلبه می‌کند، و همچنین در مورد تاثیرات پیچیده‌ای که بر دنیا دارد، نظر و نگرانی خود را ابراز کرده‌اند. فرضیه‌ ایجاد “فراهوش مصنوعی” باعث شده که نیاز به یک استفاده اخلاقی‌تر از سیستم‌های هوش مصنوعی مطرح شود. با این حال،‌ این کار در عمل بسیار دشوار است و مسائلی در ارتباط با چگونگی آموزش عدالت و غلبه بر تبعیضات جنسی و افراطی را مورد بحث قرار می‌دهد.

محققان هوش مصنوعی و اخلاق‌مداران باید ارزش‌های اخلاقی را به عنوان پارامترهایی قابل‌سنجش قرار دهند که برای بحران‌های اخلاقیِ به وجود آمده، پاسخ‌های قطعی و واضح در اختیار ماشین‌ها بگذارند. با اینکه انجام این کار بسیار دشوار است، اما یکی از روش‌های موجود، انبوه‌سپاری داده در حوزه‌ مسائل اخلاقی برای آموزش الگوریتم‌هاست. برای مثال، پروژه Moral Machine که متعلق به MIT است، یکی از پروژه‌هاییست که از روش انبوه‌سپاری داده استفاده کرده تا به ماشین‌ها در گرفتن تصمیمات اخلاقی‌تر در حیطه‌ اتوموبیل‌های خودران کمک کند.

با اینکه تعریف پارامترهای اخلاقی برای ماشین‌ها امر بسیار مهمی است، اما سیاست‌آفرینان و متخصصان صنعت باید سیستم‌های هوش مصنوعی را نیز شفاف‌تر سازند. OpenCog و Open AI نمونه‌هایی از پایگاه‌داده‌ی متن باز برای توسعه‌ هوش مصنوعی هستند. با این حال،‌ ایجاد یک کد متن باز باعث درک آسان آن نمی‌شود، زیرا شبکه‌های بی‌طرف آنقدر پیچیده‌اند که امکان بررسی دقیق آن‌ها توسط انسان وجود ندارد. در عوض، تمرکز باید بر روی روند تعیین کیفیت ارزش‌های اخلاقی پیش از برنامه‌ریزی و نتایج حاصل از این انتخاب‌ها توسط هوش مصنوعی باشد.

مدیرعامل شرکت‌های فناوری؛ از چپ به راست:

ایلان ماسک (Elon Musk) (Tesla)

جینی رومتی (Ginni Rometi) (IBM)

ساتیا نادلا (Staya Nadella) (Microsoft)

مارک زاکربرگ (Mark Zukerburg) (Facebook)

سوندار پیچای (Sundar Pichai) (Google)

دمیس هاسابیس (Demis Hassabis) (Deepmind)

جف بزوس (Jeff Bezos) (Amazon)

در آینده چه اتفاقی رخ می‌دهد؟

پذیرش، بکارگیری و پیشرفت این سه فناوری به شدت افزایش پیدا خواهد کرد. در ارتباط با هوش مصنوعی نیز در کنار تشخیص چهره و پردازش داده، پیشرفت در هوش مصنوعی به این معناست که خودش به زودی بتواند دانشی را تولید کند. این امر، به جز در زمینه‌ تنظیمات و سیاست، سوالات فسلفی و معرفتی مهمی را در ارتباط با عاملیت و ماهیت ارتباط ما با ماشین‌ها و کامپیوترها به وجود می‌آورد. در ارتباط با بلاک چین، موارد کاربرد متنوع هستند، از مراقبت‌های بهداشتی گرفته تا هنر و مدیریت زنجیره‌ تامین و خرده‌فروشی. پیشرفت‌های انجام‌گرفته در محاسبات محیطی نیز اینترنت اشیا را از وظیفه جمع‌آوری اطلاعات فراتر برده و تمرکز را بر روی روند کسب و کار و تغییرات مدل قرار می‌دهند؛ شهرها و صنایع روز‌به‌روز به هم پیوسته‌تر می‌شوند. این سه فناوری، چهارچوب اقتصادی فعلی را متحول خواهند کرد و ارتباط ما با ماشین‌ها را تا حد زیادی تغییر می‌دهند. فناوری و تغییرات بزرگ و هیجان‌انگیز به مشارکت همه نیاز دارند؛ نه تنها رهبران فناوری، اخلاق‌مداران و قانون گذاران، بلکه شمای خواننده نیز باید به آن‌ها بپیوندید و یک اکوسیستم هیبریدی دیجیتالی ایجاد کنید که در آن داده تولید‌، ‌جمع‌آوری و تحلیل می‌گردد و سپس، به دیدگاه‌هایی تبدیل شده و آینده جمعی ما را رقم خواهند زد.

منبع