هوش مصنوعی چندوجهی توسعه نسبتا جدیدی است که تکنیکهای هوش مصنوعی مختلف مانند پردازش زبان طبیعی، بینایی کامپیوتر و یادگیری ماشین را برای به دست آوردن درک غنیتری از چیزی ترکیب میکند. این کار را با تجزیه و تحلیل انواع داده های مختلف به طور همزمان انجام می دهد تا پیش بینی ها، اقدامات یا تعامل مناسب تر در زمینه انجام شود.
اساساً، انسانها میخواهند هوش مصنوعی به شیوهای شبیه انسان رفتار کند، زیرا ارتباطات را سادهتر میکند و درک متقابل بهتری را امکانپذیر میسازد. برای انجام این کار، هوش مصنوعی باید از چندین حالت (یعنی ویدئو، متن، فایلهای صوتی یا تصاویر) استفاده کند، مانند انسانها که از حواس چندگانه استفاده میکنند.
باب راجرز، مدیر عامل Oii، یک شرکت تخصصی علم داده، گفت: «آنچه که با هوش مصنوعی چندوجهی اتفاق میافتد این است که انواع مختلفی از دادهها در ورودیهای مدلهای هوش مصنوعی چندوجهی برای ایجاد تفاوتهای ظریف بیشتر و توانایی پاسخگویی به سؤالات پیچیده با هوش مصنوعی ترکیب میشوند.» در مدل سازی زنجیره تامین
شرکت های خودروسازی و وسایل نقلیه خودران از هوش مصنوعی چندوجهی استفاده می کنند
کاربردهای هوش مصنوعی چندوجهی در حال حاضر کاربردهای عملی در صنایع مختلف دارند. در صنعت خودرو، هوش مصنوعی چندوجهی به سه روش اصلی استفاده میشود: عملیات داخلی، موارد استفاده مشتری و ساخت.
به عنوان مثال، خودروسازان عملیات زنجیره تامین را خودکار می کنند، مانند ارسال قطعات جایگزین خودرو به طور مستقیم از تامین کنندگان به مصرف کنندگان بدون دخالت انسان. هوش مصنوعی چندوجهی نیز برای خودکارسازی وظایف مختلف مانند موارد زیر استفاده می شود:
- رسیدگی به درخواست های مشتری و پاسخگویی از طریق متن یا صوتی؛
- جمع آوری و تأیید شناسه های مشتری؛
- خودکار کردن فرآیند فراخوان؛ و
- جمعآوری متن و پر کردن فرمهایی برای امضای مشتریان از راه دور.
هوش مصنوعی چندوجهی همچنین با خودکار کردن کارهای دستی سنتی به کوتاه کردن چرخه های تولید کمک می کند. سرانجام، سازندگان خودرو از آن برای ایمنتر کردن خودروها استفاده میکنند، مانند سیستمهای کمک راننده که خواب، خستگی، حواسپرتی یا کاهش توجه را تشخیص میدهند.
یانیو حکیم، موسس و مدیر عامل پلتفرم ارتباطی همهکاناله مبتنی بر هوش مصنوعی، میگوید: «مزیت اصلی هوش مصنوعی چندوجهی این است که به سازمانها اجازه میدهد تا به شرکتهای مستقلی تبدیل شوند که میتوانند بخش بزرگی از فرآیند کار و ارتباطات را خودکار کنند و در عین حال انسانها را در جریان نگه دارند. CommBox.
مراقبت های بهداشتی شخصی تر می شود
دانشگاه استنفورد و ارائهدهنده راهحلهای تبدیل دیجیتال جهانی UST با استفاده از ترکیبی از حسگرهای IoT، صدا و تصاویر، در زمینه هوش مصنوعی چندوجهی همکاری کردهاند تا بفهمند که چگونه افراد در هنگام آسیب دیدگی یا متحمل شدن یک رویداد بهداشتی نامطلوب، مانند حمله قلبی، واکنش نشان میدهند. و ویدئو
![هد شات عدنان مسعود](https://aliayoubi.com/wp-content/uploads/2023/07/masood_adnan.jpg)
عدنان مسعود، معمار ارشد هوش مصنوعی و یادگیری ماشین در UST گفت: «این ترکیب وزنی از شبکهها نامیده میشود. “این به ما کمک می کند تا یک تجزیه و تحلیل همبستگی انجام دهیم، به نام “تحلیل تبانی”، که در هوش مصنوعی چندوجهی که در آن شبکه های ترکیبی وزن دار را استفاده می کنید، بسیار مهم است. این اطلاعات.”
اگر فردی دچار یک رویداد نامطلوب بهداشتی شود، پرسنل اورژانس میتوانند تعیین کنند که آیا بیمار به مراقبت فوری نیاز دارد یا رفتار بیمار برای یک بیمار COVID-19 غیر معمول است. راجرز از Oii گفت هوش مصنوعی چندوجهی به طور مداوم در تشخیص بیمار، به ویژه تصویربرداری از بیمار استفاده می شود.
راجرز گفت: “شما می توانید سونوگرافی انجام دهید تا متوجه شوید که آیا خونریزی داخلی وجود دارد یا خیر، اما این اطلاعات بسیار پر سر و صدا است.” “[Multimodal] هوش مصنوعی در حال خواندن تصویربرداری است، اما تاریخچه بیمار را از طریق متن و احتمالاً جزئیات مربوط به نوع تاثیری که بیمار برای تفسیر سونوگرافی تجربه کرده است را نیز به تصویر می کشد. هوش مصنوعی این دانش را برای ایجاد یک مسیر تصمیم گیری برای نحوه درمان آن بیمار ترکیب می کند.”
هوش مصنوعی چندوجهی در رسانه و مخابرات
UST با یک شرکت مخابراتی بزرگ برای پیاده سازی هوش مصنوعی چندوجهی با هدف تعیین بهترین اقدام بعدی، مانند اطلاع رسانی خودکار به مشتریان از قطع شدن خدمات، همکاری کرد.
شرکت های مخابراتی همچنین از هوش مصنوعی چندوجهی برای کشف تقلب استفاده می کنند. در این مورد، هوش مصنوعی افرادی را که بیشترین پهنای باند را از طریق حسگرهای چندوجهی در برجهای سلولی، رفتار مشتری در سراسر اینترنت و الگوهای استفاده از داده استفاده میکنند، شناسایی میکند. از آنجا، کاربران جدیدی را شناسایی می کند که احتمالاً همان نوع رفتار را از خود نشان می دهند. سپس، بر اساس همه اینها، هوش مصنوعی هدف گذاری و آستانه های از پیش تعیین شده را اعمال می کند.
“میلیون ها کاربر در سراسر کشور وجود دارد، بنابراین از این مدل استفاده می شود [across] بزرگ [number] مسعود گفت: تعداد کاربران یک چالش نسبتاً دلهره آور بود و ما توانستیم آن را با استفاده از هوش مصنوعی چندوجهی انجام دهیم.
شرکت های رسانه ای و سرگرمی در حال تجزیه و تحلیل فیدهای رسانه های مختلف با استفاده از هوش مصنوعی چندوجهی هستند. مدل های مورد استفاده از مجموعه داده های مختلف یاد می گیرند و سعی می کنند بفهمند یک تصویر یا مجموعه ای از تصاویر حاوی چه چیزی است.
“[Multimodal AI] مسعود گفت: “به شدت برای ترکیب فیدهای رسانه های مختلف و انجام تجزیه و تحلیل روی آنها استفاده می شود.” بنابراین، اگر یک تصویر بصری می بینید، می توانید بپرسید که آیا آنچه در یک سکانس می گذرد برای مخاطب خاصی مناسب است یا خیر، آیا آن سکانس مقداری دارد یا خیر. نوعی تصویر در آن که برای یک مخاطب خاص مناسب نیست، یا اینکه آیا این سکانس شهرت خاصی در خود دارد.”
از آنجایی که هوش مصنوعی چندوجهی نسبتاً جدید است، هنوز به طور کامل شناخته نشده است، همچنین موارد استفاده و مزایای بالقوه آن نیز مشخص نیست.
چالشهای رایج با برنامههای هوش مصنوعی چندوجهی
برای شروع، قدرت پردازش یک مسئله است. هوش مصنوعی چندوجهی نیاز به پردازش ترابایت داده در زمان واقعی از چندین سیستم و پایگاه داده دارد که به منابع ارتقا یافته و قدرت پردازش کافی نیاز دارد. یکی دیگر از چالش های اصلی استفاده از هوش مصنوعی چندوجهی، انتقال موفقیت آمیز دانش بین روش ها (همچنین به عنوان یادگیری مشترک شناخته می شود) است.
حکیم از CommBox گفت: «به دلیل تنوع بالای سؤالات و نبود دادههای با کیفیت بالا، برخی از مدلهای هوش مصنوعی ممکن است با تکیه بر آمار حدسهای درستی بزنند و نتیجه نهایی را تغییر دهند.»
از آنجایی که هوش مصنوعی چندوجهی نسبتاً جدید است، هنوز به طور کامل شناخته نشده است، همچنین موارد استفاده و مزایای بالقوه آن نیز مشخص نیست. متخصصان داده به قدری به کار بر روی مدلهایی عادت کردهاند که بر روی یک روش متمرکز میشوند که اهمیت انجام تحلیل علیت و همبستگی چندوجهی را درک نمیکنند.
مسعود گفت: “ما می دانیم که رویدادی رخ داده است اما نمی دانیم چرا. اگر با مجموعه داده های چندوجهی کار کنید، علیت و استنتاج بسیار آسان تر می شود.” “ما در حال ایجاد یک جدول زمانی زمانی از رویدادها هستیم که توسط چندین مدل – ویدئو، صدا و حسگرها ترکیب شده است. کارهای الگوریتمی زیادی باید اتفاق بیفتد.”
بازارهای عمودی نسبت به آینده کاربردهای هوش مصنوعی چندوجهی خود خوشبین هستند، با توجه به اینکه در حال حاضر به آنها در عملیات آنها کمک می کند، و بسیاری به این نتیجه رسیده اند که مزایای بلند مدت بر چالش های کوتاه مدت بیشتر است. علاقه مندان به هوش مصنوعی این شاخه نوپای هوش مصنوعی را در آینده مشاهده خواهند کرد و بر ارزش افزوده آن به صنایع تمرکز خواهند کرد.