۷. کاربردها از نزدیک: گفت‌وگو، اطلاعات، داده و خودکارسازی

ربات‌های گفت‌وگو

ربات‌های گفت‌وگو همه‌کاره‌اند: کمک می‌کنند اطلاعات پیدا کنیم، مفهومی را بفهمیم یا ایده بسازیم. می‌توانند همدم و حتی مشاور باشند، یا شخصیت کسی را تقلید کنند تا با نسخهٔ دیجیتال او حرف بزنید. «دوست‌دختر و دوست‌پسر دیجیتال» در زمانی کوتاه به‌طرز عجیبی محبوب شده‌اند؛ خیلی‌ها حالا بیشتر با ربات حرف می‌زنند تا با آدم، و بعضی نگران‌اند هوش مصنوعی رابطه‌های عاطفی را خراب کند.

در پژوهش هم کاربرد تازه‌ای پیدا شده: گروهی از ربات‌های گفت‌وگو می‌توانند یک جامعه را شبیه‌سازی کنند تا پویایی‌های اجتماعی مطالعه شود (Park و همکاران، ۲۰۲۳).

در سازمان‌ها، محبوب‌ترین ربات‌ها ربات‌های پشتیبانی مشتریاند: هم هزینه را کم می‌کنند و هم تجربهٔ مشتری را بهتر، چون زودتر از کارمند انسانی جواب می‌دهند. هوش مصنوعی می‌تواند کمک‌خلبان محصول هم باشد و مشتری را در کارهای دردسرساز و گیج‌کننده راهنمایی کند: پر کردن فرم خسارت بیمه، اظهارنامهٔ مالیاتی، یا پیدا کردن یک سیاست شرکت.

متن تنها رابط گفت‌وگو نیست. دستیارهای صوتی مثل Google Assistant، Siri و Alexa سال‌هاست هستند، و ربات‌های سه‌بعدی در بازی‌ها رایج‌اند و در خرده‌فروشی و بازاریابی هم جا باز می‌کنند. یکی از کاربردهای شخصیت‌های سه‌بعدی هوشمند، NPCNon-Playable Characterشخصیت غیرقابل‌بازیهای هوشمند است — شخصیت‌های غیربازیکن که برای پیش بردن داستان بیشتر بازی‌ها لازم‌اند (نمونه‌اش نمایش‌های NVIDIA با Inworld و Convai). بی هوش مصنوعی، NPCها از پیش نوشته‌شده‌اند و چند جملهٔ محدود دارند؛ هوش مصنوعی می‌تواند خیلی باهوش‌ترشان کند، بازی‌هایی مثل The Sims و Skyrim را عوض کند و بازی‌هایی بسازد که قبلاً ممکن نبود.

تجمیع اطلاعات

خیلی‌ها معتقدند موفقیت ما به توانایی‌مان در غربال کردن و هضم اطلاعات مفید بستگی دارد؛ ولی رسیدن به ایمیل‌ها، پیام‌های Slack و خبرها گاهی طاقت‌فرساست. خوشبختانه هوش مصنوعی در جمع کردن و خلاصه کردن اطلاعات خوب است. طبق گزارش Salesforce در ۲۰۲۳، ۷۴٪ کاربران هوش مصنوعی مولد از آن برای چکیده کردن ایده‌های پیچیده و خلاصهٔ اطلاعات استفاده می‌کنند.

برای کاربر شخصی، اپلیکیشن‌های زیادی سندهایتان را — قرارداد، اطلاعیه، مقاله — پردازش می‌کنند و اجازه می‌دهند اطلاعات را با گفت‌وگو از آن‌ها بیرون بکشید؛ به این گفت‌وگو با اسناد (talk-to-your-docs) می‌گویند. هوش مصنوعی می‌تواند وب‌سایت‌ها را خلاصه کند، پژوهش کند و دربارهٔ موضوع دلخواهتان گزارش بنویسد. نویسنده می‌گوید هنگام نوشتن همین کتاب، هوش مصنوعی برای خلاصه و مقایسهٔ مقاله‌ها به کارش آمد.

برای سازمان‌ها تجمیع و چکیده کردن اطلاعات حیاتی است: سازمان چابک‌تر می‌شود چون بار مدیران میانی کم می‌شود. وقتی Instacart یک بازارچهٔ داخلی پرامپت راه انداخت، فهمید یکی از محبوب‌ترین قالب‌ها «Fast Breakdown» است: یادداشت جلسه، ایمیل و گفت‌وگوهای Slack را به واقعیت‌ها، سؤال‌های باز و کارهای بعدی خلاصه می‌کند. کارهای بعدی بعد خودکار در ابزار پیگیری پروژه ثبت و به آدم درست سپرده می‌شوند. هوش مصنوعی همچنین می‌تواند اطلاعات مهم دربارهٔ مشتری‌های بالقوه را پیدا کند و رقیب‌ها را تحلیل کند.

سازمان‌دهی داده

یک چیز دربارهٔ آینده قطعی است: دادهٔ بیشتر و بیشتری تولید می‌کنیم. کاربران گوشی عکس و ویدیو می‌گیرند، شرکت‌ها همه‌چیز را دربارهٔ محصول و کارمند و مشتری‌شان ثبت می‌کنند، و هر سال میلیاردها قرارداد نوشته می‌شود. عکس، ویدیو، لاگ و PDF همه دادهٔ بی‌ساختار یا نیمه‌ساختاریافته‌اند، و باید طوری مرتب شوند که بعداً بشود در آن‌ها جست‌وجو کرد.

هوش مصنوعی دقیقاً در همین کمک می‌کند: برای عکس و ویدیو توضیح متنی می‌سازد، یا کمک می‌کند پرسش متنی با تصویر مناسبش جفت شود. Google Photos همین حالا عکس‌های مطابق جست‌وجو را پیدا می‌کند، و جست‌وجوی تصویر گوگل یک قدم جلوتر رفته: اگر تصویری که می‌خواهید پیدا نشد، می‌سازد. (نویسنده بیش از ۴۰ هزار عکس و ویدیو در Google Photos دارد و می‌گوید بی هوش مصنوعی پیدا کردن عکس دلخواه تقریباً ناممکن بود.) هوش مصنوعی در تحلیل داده هم خیلی خوب است: برنامهٔ نمودارسازی می‌نویسد، داده‌های پرت را پیدا می‌کند و پیش‌بینی‌هایی مثل درآمد آینده می‌سازد.

سازمان‌ها با هوش مصنوعی از دادهٔ بی‌ساختار، اطلاعات ساختاریافته بیرون می‌کشند تا داده را مرتب و جست‌وجوپذیر کنند. نمونه‌های ساده: بیرون کشیدن اطلاعات از کارت بانکی، گواهینامه، رسید، بلیت، یا اطلاعات تماس از امضای پایین ایمیل. نمونه‌های پیچیده‌تر: داده از قرارداد، گزارش و نمودار. تخمین زده‌اند صنعت پردازش هوشمند داده (IDPIntelligent Data Processingپردازش هوشمند داده) تا ۲۰۳۰ به ۱۲٫۸۱ میلیارد دلار برسد و سالی ۳۲٫۹٪ رشد کند.

خودکارسازی جریان کار

در نهایت، هوش مصنوعی باید هر قدر ممکن است را خودکار کند. برای کاربر عادی یعنی کارهای کسل‌کنندهٔ روزمره مثل رزرو رستوران، درخواست بازپرداخت، برنامه‌ریزی سفر و پر کردن فرم. برای سازمان یعنی کارهای تکراری مثل مدیریت مشتری‌های بالقوه، صدور فاکتور، بازپرداخت هزینه‌ها، رسیدگی به درخواست مشتری و ورود داده.

یک کاربرد به‌خصوص هیجان‌انگیز: هوش مصنوعی داده می‌سازد و همان داده برای بهتر کردن خود مدل به کار می‌رود. می‌شود برای داده برچسب ساخت و آدم‌ها را در حلقه نگه داشت تا برچسب‌ها را بهتر کنند (فصل ۸).

خیلی از کارها به ابزار بیرونی نیاز دارند. برای رزرو رستوران، اپلیکیشن شاید باید یک موتور جست‌وجو باز کند تا شمارهٔ رستوران را پیدا کند، با گوشی شما تماس بگیرد و قرار را به تقویمتان اضافه کند. به هوش مصنوعی‌ای که می‌تواند برنامه بریزد و از ابزار استفاده کند ایجنت (agent) می‌گویند. کتاب می‌گوید علاقه به ایجنت‌ها تا مرز وسواس رسیده، ولی بی‌دلیل هم نیست: ایجنت‌ها می‌توانند هر آدمی را خیلی بهره‌ورتر کنند و ارزش اقتصادی بسیار زیادی بسازند. ایجنت موضوع اصلی فصل ۶ است.

خودآزمایی