تکنولوژی هوش مصنوعی با پیدایش الگوریتم‌های پیشرفته و تحقیقات در زمینه مدل‌های زبان بزرگ (LLMs) مانند ChatGPT یک پیشرفت قابل توجه را تجربه کرده است. این مدل‌ها مهارت‌های فهم و تولید زبان برتری را نشان داده‌اند و قادر به عملکرد برجسته در وظایف مختلف از داستان‌سرایی، خلاصه کردن مقالات تا ارزیابی‌های حرفه‌ای است، و اغلب از انسان‌ها عملکردهای بهتری داشته‌اند. به طور معمول، LLMs می‌توانند پاسخ‌ها را بر اساس دستورات کوتاهی که به آن‌ها داده می‌شود، تولید کنند.
به طور اما وصف نظر، وظایف در محیط‌های پیچیده ممکن است نیاز به چند مرحله برای تکمیل داشته باشد که LLMs به تنهایی ممکن است به‌طور مؤثری با آن‌ها کنار نیایند. برای مثال، بگیرید سازماندهی یک بازی فوتبال را که با دعوت تیم‌ها و رزرو یک مکان ممکن است تحت تأثیر عوامل غیر قابل پیش‌بینیی مانند دسترسی تیم‌ها یا محدودیت‌های مکان مورد نیاز باشد.
برای تعیین چنین پیچیدگی‌ها، عامل‌های هوش مصنوعی به عنوان یک حوزه کلیدی در توسعه هوش مصنوعی معرفی شده‌اند. یک عامل هوش مصنوعی یک سیستم است که قادر به تکمیل خودکار وظایف با ادراک از محیط و بهره‌گیری از LLMs به عنوان ‘مغز’ خود است. فرآیند کار آن شامل موارد زیر است: ۱. ادراک ۲. برنامه‌ریزی ۳. عمل ۴. بازخورد.
به عنوان مثال، اگر دستور ‘سازماندهی یک مسابقه فوتبال هواگرد در هنگ‌کنگ’ داده شود، عامل هوش مصنوعی دستور را دریافت و در حافظه خود ذخیره می‌کند. سپس با شکستن دستور به زیر وظایف – مانند دعوت تیم‌ها از طریق ایمیل و رزرو یک مکان از طریق ابزارهای نقشه‌برداری و رزرو – برنامه ریزی می‌کند و براساس بازخوردها برنامه خود را تصحیح می‌کند.
همچنین عامل‌های هوش مصنوعی نه تنها سازمان‌دهندگان کارآمد هستند بلکه خودروهای خودکاری نیز قدرت خودکار دارند. آن‌ها شرایط ترافیکی پیچیده را پردازش می‌کنند و مسیرها و سرعت‌ها را برای یک تجربه خودروی بدون راننده ایمن طراحی می‌کنند. در خانه‌های هوشمند، همین گونه هوش مصنوعی می‌تواند با حس کردن محیط و عادات ساکنین، مثلاً خاموش کردن دستگاه‌های غیرضروری هنگامی که هیچکس در خانه نیست، تنظیمات خانه را تنظیم کند.
با پیشروی مداوم در فناوری‌های هوش مصنوعی، کاربرد عامل‌های هوش مصنوعی قرار است تعامل انسان-هوش مصنوعی را عمیق تر کند و رویکرد زندگی ما را تغییر دهد. پروژه JC برای هوش مصنوعی برای آینده، که توسط مؤسسه خیریه سباق‌های هنگ‌کنگ و با همکاری دانشکده مهندسی و دانشکده آموزش دانشگاه چینی هنگ‌کنگ میزبانی می‌شود، به دنبال یکپارچگی هوش مصنوعی در آموزش اصلی، گامی جدید را برای آموزش فناوری در هنگ‌کنگ فراهم می‌کند.
سوالات و پاسخ‌ها درباره عامل‌های هوش مصنوعی در مدیریت وظایف پیچیده
سوال: چه چالش‌های اصلی در توسعه عامل‌های هوش مصنوعی برای مدیریت وظایف پیچیده وجود دارد؟
پاسخ: چالش‌های اصلی شامل ایجاد الگوریتم‌هایی است که بتوانند به‌طور مؤثر محیط‌های پیچیده را درک و تفسیر کنند، طراحی سیستم‌های برنامه‌ریزی که با شرایط و ندرت‌های تغییر کننده سازگار باشند، اطمینان از انجام اعمال به صورت ایمن و مسئولانه، و یکپارچگی مکانیسم‌های بازخورد برای یادگیری و بهبود پیوسته.
سوال: چه اختلافاتی با عامل‌های هوش مصنوعی در مدیریت وظایف پیچیده همراه است؟
پاسخ: مسائل اخلاقی مرتبط با تصمیم‌گیری توسط ربات‌ها، جابجایی شغلی پتانسیلی ناشی از افزایش اتوماسیون، سؤالاتی درباره مسئولیت مورد عملیات انجام شده توسط عامل‌های هوش مصنوعی، و مسائل حریم خصوصی و امنیت داده جمع‌آوری شده.
مزایا و معایب عامل‌های هوش مصنوعی در مدیریت وظایف پیچیده:
مزایا:
۱. افزایش کارایی و بهره‌وری با اتوماسیون وظایف پیچیده.
۲. ثبات در اجرای کار بدون متغیر از اشتباهات انسانی.
۳. قابلیت عملکرد بدون خستگی 24/7 و افزایش دسترسی خدمات.
۴. قدرت پردازش وظایف خطرناک یا ناخواسته بدون قرار دادن زندگی انسانی در خطر.
معایب:
۱. هزینه‌های اولیه بالا برای توسعه و اجرای سیستم‌های هوش مصنوعی.
۲. ریسک وابستگی به فناوری و از دست دادن مهارت‌های انسانی.
۳. چالش‌ها مربوط به وضعیت‌های غیرقابل پیش‌بینی که ممکن است هوش مصنوعی برای مدیریت آن‌ها برنامه‌ریزی نشده باشد.
۴. احتمال ابهامات اخلاقی و مسائل حریم خصوصی ناشی از تصمیم‌گیری هوش مصنوعی و کنترل داده‌ها.
برای کشف بیشتر در مورد زمینه گسترده‌تر هوش مصنوعی و پیشرفت‌های مانند عامل‌های هوش مصنوعی، دامنه‌های زیر می‌تواند مفید باشد:
– Association for the Advancement of Artificial Intelligence
– DeepMind Technologies
– OpenAI
این حوزه‌ها منابع گسترده‌ای در زمینه تحقیقات هوش مصنوعی، گفتمان‌های اخلاقی، پیشروی‌های فناوری و کاربردها در دامنه‌های مختلف از جمله مدیریت وظایف و فراتر از آن ارائه می‌دهند.