۴ روش هوش مصنوعی برای تغییر کشف، سلامت، کار و مسئولیت | بلاگ سیگنال مایکروسافت

همانطور که هوش مصنوعی بخشی از زندگی روزمره می شود، تأثیر آن به طور فزاینده ای به روش های مشخص آشکار می شود: در نحوه رویکرد دانشمندان به کشف، نحوه تصمیم گیری پزشکان، نحوه رسیدگی به مسائل مربوط به مسئولیت پذیری و گنجاندن و نحوه سازماندهی کار.

در سری ویدیوهای On Second Thought، آینده‌نگر Sinead Bovell با چهار محقق و متخصص مایکروسافت که مستقیماً در این زمینه‌ها کار می‌کنند صحبت می‌کند. مکالمات بر این تمرکز می‌کنند که وقتی هوش مصنوعی در تنظیمات دنیای واقعی اعمال می‌شود، چه تغییراتی می‌کند – چه چیزی ممکن است، محدودیت‌های آن هنوز کجاست، و اینکه تیم‌ها چگونه به معاوضه‌هایی می‌پردازند که با استقرار مسئولانه این سیستم‌ها همراه است.

این مجموعه از امروز شروع می‌شود و قسمت‌های جدید آن در ۲۹ ژانویه، ۱۲ فوریه و ۲۶ فوریه منتشر می‌شود. تریلر و نکات برجسته هر قسمت را در زیر ببینید.

اپیزود ۱: چگونه هوش مصنوعی می‌تواند پزشکی را با بهبود مراقبت از افراد شخصی‌تر کند

جاناتان کارلسون، معاون و مدیر عامل مایکروسافت تحقیقات سلامت فیوچرز، می‌گوید: فوری‌ترین ارزش هوش مصنوعی در مراقبت‌های بهداشتی، کمک به پزشکان برای هدایت کامل پیچیدگی پزشکی مدرن است. کارلسون می گوید هیچ پزشکی نمی تواند هر تخصص، تحصیل یا تخصصی را دنبال کند. اما هوش مصنوعی می‌تواند به ابزارهای دیجیتالی که پزشکان قبلاً به آنها اعتماد دارند اضافه کند و به آنها کمک کند تا سریع‌تر بیماری را تشخیص دهند، دانش پزشکی مرتبط را جمع‌آوری کنند و آن را برای بیمار خاص به کار ببرند.

او می گوید: «ما واقعاً متفاوت هستیم. “ما همه متفاوت هستیم. و با این حال پزشکی باید بر اساس میانگین ها کار کند. با این حال هیچ یک از ما متوسط ​​نیستیم. همه ما منحصر به فرد هستیم، درست است؟ بنابراین هدف پزشکی شخصی انجام کار درست برای شماست، کار درست را برای من انجام دهید.”

کارلسون می‌گوید این فناوری به رفع نابرابری در درمان افراد عمیقاً فردی با سیستم‌های طراحی‌شده برای جمعیت کمک می‌کند. برای مثال، در انکولوژی، درمان‌ها فقط برای بخش کوچکی از بیماران سرطانی کار می‌کنند، بدون اینکه راه روشنی برای پیش‌بینی اینکه چه کسی پاسخ می‌دهد، وجود ندارد.

هوش مصنوعی می‌تواند با ساختاردهی و تجزیه و تحلیل حجم وسیعی از داده‌های بالینی نامرتب – یادداشت‌های نوشتاری، فایل‌های PDF، فکس‌ها، اسکن‌ها و موارد دیگر- کمک کند تا پزشکان بتوانند تصمیم‌های دقیق‌تری بگیرند.

او می‌گوید که عوامل هوش مصنوعی حتی می‌توانند نقش متخصصان مختلف را برای ترکیب داده‌هایی که به پزشکان کمک می‌کند تصویر بزرگ‌تر را ببینند، بر عهده بگیرند. اما آنها جایگزین مراقبت انسانی نخواهند شد.

او می‌گوید: «ما به عنوان انسان به تعامل انسانی، به لمس انسانی، و قضاوت انسانی نیاز داریم.» پرسیدن اینکه آیا این یک هوش مصنوعی خواهد بود یا یک پزشک فقط یک دوگانگی نادرست است. بدیهی است که هر دو خواهد بود.

تریلر را ببینید

اپیزود ۲: چرا ساختن هوش مصنوعی مسئولانه نیاز به صداهای بیشتری دارد، زودتر

هوش مصنوعی در حال تغییر شکل جامعه است، اما چه کسی می تواند هوش مصنوعی را شکل دهد؟ برای Hiwot Tesfaye، مشاور فنی در دفتر هوش مصنوعی مایکروسافت، پاسخ باید این باشد: همه. تسفایه می‌گوید که سیستم‌های هوش مصنوعی نه تنها به کمک فن‌آوران، بلکه از زبان‌شناسان، دانشمندان علوم اجتماعی و انسان‌شناسان و همچنین کاربران عادی در سراسر جهان نیاز دارند.

او می‌گوید: «هر چه نظرات و دیدگاه‌های بیشتری را بتوانیم در اسرع وقت در طراحی یک سیستم هوش مصنوعی و آموزش مدل هوش مصنوعی لحاظ کنیم، هرچه صداهای بیشتری را بتوانیم درج کنیم، بهتر است».

تسفایه از تجربیات خود در اتیوپی، سودان، کنیا و اوگاندا استفاده می‌کند، جایی که قرار گرفتن در معرض فرهنگ‌های مختلف در سنین پایین توانایی او را در «مترجم بازی» بین فرهنگ‌ها شکل داد و همچنان به نحوه برخوردش با کارش در مایکروسافت اطلاع می‌دهد. این چشم انداز جهانی همچنین باعث می شود که او در مایکروسافت رهبری چشم اندازهای جهانی را در زمینه هوش مصنوعی هدایت کند، که کارشناسان هوش مصنوعی از جنوب جهانی، از جمله سیاستمداران، مهندسان و جامعه خلاق را گرد هم می آورد تا برنامه هوش مصنوعی مسئول مایکروسافت را بهتر اطلاع رسانی کند و به جلوگیری از نقاط کور در ساخت سیستم ها و مدل های جدید کمک کند.

او می‌گوید هدف از این کمک هزینه تحصیلی این است که مایکروسافت در جایگاه دانش‌آموزان قرار گیرد و همکارانش به ما کمک کنند تا بفهمیم چه استفاده‌های مفیدی از هوش مصنوعی در بخش شما از جهان آشکار می‌شود، اما همچنین چه سوء استفاده‌هایی وجود دارد که می‌بینید و ما باید از آن آگاه باشیم. فناوری ما هر گوشه از جهان را تحت تأثیر قرار می دهد، بنابراین ما باید از نحوه انجام این سوء استفاده ها آگاه باشیم.»

تریلر را ببینید

اپیزود ۳: وقتی هوش مصنوعی سرعت و ساختار اکتشافات علمی را تغییر می‌دهد

هوش مصنوعی فقط وظایف آزمایشگاهی را تسریع نمی‌کند – عوامل هوش مصنوعی با همکاری در کنار محققان در هر مرحله از فرآیند علمی، ترکیب حجم وسیعی از تحقیقات موجود، ایجاد ارتباط بین رشته‌ها، ایجاد فرضیه‌ها و حتی کمک به طراحی و اجرای آزمایش‌ها، اکتشافات را تغییر می‌دهند.

جان لینک، مدیر محصول شریک مایکروسافت دیسکاوری، که بر شیمی و علم مواد تمرکز دارد، می‌گوید: «ما در مورد آن از نظر روش علمی کامل فکر می‌کنیم. “اینها عوامل درست هوش مصنوعی هستند که در طول این فرآیند دست در دست یک دانشمند کار می کنند.”

لینک می‌گوید مایکروسافت به دنبال مناطقی است که فناوری‌های جدید می‌توانند تأثیر زیادی داشته باشند. علم به عنوان یکی از این حوزه‌ها پس از اینکه این شرکت از هوش مصنوعی برای کمک به شناسایی مولکول خنک‌کننده جدید و سبزتر مرکز داده در کمتر از ۱۰ روز استفاده کرد، برجسته شد – کاری که با استفاده از روش‌های سنتی سال‌ها طول می‌کشید.

لینک می‌گوید: «آن لحظه «آها» ما بود که، هی، اگر بتوانیم این کار را انجام دهیم، فقط تصور کنید که این چه کاری می‌تواند برای همه مشتریان ما انجام دهد.

با نگاهی به آینده، لینک آزمایشگاه‌هایی را پیش‌بینی می‌کند که در آن «هر دانشمند سطح ابتدایی» با پشتیبانی «تیمی از پست‌دکترهای مجازی» وارد می‌شود. او می‌گوید که وعده پیشرفت در چالش‌های جهانی مانند ناامنی غذایی و تغییرات آب و هوایی است.

او می گوید: «در پایان روز، ما باید مشکلات جهان را سریعتر حل کنیم. ما باید اکتشافات علمی را تسریع کنیم. و فکر می کنیم اینها ابزارهای خوبی برای انجام این کار هستند.

تریلر را ببینید

قسمت ۴: همانطور که هوش مصنوعی تخصص را دموکراتیزه می کند، مهارت ها بیشتر از عناوین مهم هستند

کولت استولبامر، مدیر کل تیم‌های مایکروسافت ۳۶۵ Copilot و Future of Work، می‌گوید هوش مصنوعی زمین بازی را هموار می‌کند، زیرا افراد در هر مرحله و نقش به طور جمعی تأثیر فناوری بر محل کار خود را هدایت می‌کنند. همانطور که هوش مصنوعی تخصص را دموکراتیزه می کند، سلسله مراتب سنتی را نیز صاف می کند و نحوه تشکیل و عملکرد تیم ها در سازمان ها را تغییر می دهد.

استولباومر می‌گوید: «یک چیزی که می‌بینیم پویایی چیزی است که در تیم من درباره آن صحبت می‌کنیم و آن را حرکت از نمودار سازمانی به نمودار کار توصیف می‌کنیم. به جای نقش ها و عناوین ثابت، کارمندان به طور فزاینده ای در اطراف پروژه ها گرد هم می آیند، سپس با تغییر اولویت ها منحل می شوند و دوباره گروه بندی می شوند. او می‌گوید: «تیم‌ها چابک‌تر و چابک‌تر هستند.

Stollbaumer می‌گوید که یکی از مهم‌ترین نگرش‌های کارکنان در حال حاضر یادگیری مادام‌العمر است و می‌افزاید که مهارت‌های هوش مصنوعی یک امر ضروری در کسب‌وکار است.

او می گوید: «این نمی تواند یک فکر بعدی باشد. یا خودت را ناراحت می کنی یا در این محیط ناراحت می شوی».

استولباومر می‌گوید این واقعیت در حال تغییر روش استخدام شرکت‌ها و نحوه توسعه مشاغل است، با کنجکاوی، سازگاری و توانایی یادگیری در زمان واقعی ارزشمندتر از سال‌ها تجربه به تنهایی.

او می‌گوید این لحظه نامشخص است، اما همچنین پر از فرصت است: “این زمان شگفت انگیزی در تاریخ است که مردم به عقب تکیه کنند، یاد بگیرند و خوشبین باشند.”

تریلر را ببینید

مجموعه کامل از اینجا در دسترس خواهد بود.