زمان مطالعه: 4 دقیقه
در دورهای که هوش مصنوعی به عنوان فناوری پیشتاز آن، بدون وقفه در حال پیشروی است و پیشبینی میشود بسیاری از مشاغل را حذف کند؛ متخصصان و افراد بیش از پیش نگران آینده شغلی خود خواهند بود.
تنها راه چاره برای بقا در چنین زمانی، افزایش مهارتها و تواناییهای است که هوش مصنوعی و ابزارهای مبتنی بر آن به تنهایی قادر به انجام آنها نباشند و برای انجام آنها تنها به عنوان یک دستیار میتوانند عمل کنند.
در این مطلب همراه ما باشید تا با نظر «نعمان کریم» که یکی از متخصصان و کارشناسان این حوزه است، دربارهی مهارتهایی که هوش مصنوعی نمیتواند آنها را به تنهایی انجام دهد، آشنا شوید و با فراگیری آنها امنیت آینده شغلی خود را تامین کنید.
رویکرد نعمان کریم (Numan Karim)
کریم معتقد است:«در عصر هوش مصنوعی مولد، تنها راه حفظ امنیت شغلی متخصصان، سازگاری و یادگیری مداوم و پیوسته است. از نظر او در آینده به تدریج شرایطی پیش خواهد آمد که، همگامی با آخرین تحولات فناوری به خودی خود تبدیل به یک شغل تمام وقت میشود. به این معنی که دائما باید در حال ارتقا و بهبود مهارتهای خود باشید.»
به اعتقاد او:«افراد حرفهای و متخصص برای آنکه در جایگاه خود باقی بمانند باید تغییرات را بپذیرند و رویکرد جدیدی نسبت به علم داده در خود ایجاد کنند؛ زیرا هوش مصنوعی در حال تغییر نحوه تفکر ما دربارهی بازگشت سرمایه از علم داده است.»
در ادامه او افزود:«همانطور که ما از قابلیتها و مزایای هوش مصنوعی هیجانزده هستیم، باید محدودیتها و خطرات آن را نیز مد نظر قرار دهیم. درواقع در زمان استفاده از هوش مصنوعی و ابزارهای مبتنی بر هوش مصنوعی، مواردی نظیر سوگیری اطلاعاتی، کیفیت نتایج و میزان تشابه نتایج با درخواست ما (میزان درک درست از درخواست) را مورد توجه قرار دهیم.»
ایشان با درنظر گرفتن این موارد «دوکس دیتا» (DUXData) را راهاندازی کردهاند. دوکس دیتا دورهای است که توانمندی متخصصان داده را در زمینه رهبری، تعیین استراتژی و مهارتهای ارتباطی، برای هدایت پیچیدگیهای علم دادهی مدرن و ادغام هوش مصنوعی در سازمانها را ارتقا و بهبود میبخشد.
دوکس دیتا، به منظور دستیابی به هدف خود که ارتقا و بهبود مدیران و متخصصان است، از بخشهای مختلفی تشکیل شده است.
اهمیت مهارتهای نرم (Soft Skills)
کریم معتقد است، علیرغم اینکه مهارتهایی همچون رهبری، ارتباطات، نفوذ، استراتژی و یادگیری مستمر همیشه برای یک متخصص داده بسیار حائز اهمیت بوده و باید بیشتر مورد توجه قرار گیرند؛ اما متاسفانه این مهارتها کمتر مورد توجه قرار گرفتهاند. از نظر او مدیریت تغییر، سواد داده و فرهنگ سه مانع اصلی برای اجرای موفق علم داده است.
به اعتقاد او، یک تحلیلگر یا پژوهشگر علم داده این فرصت را دارد تا روحیهی کارآفرینی را در محل کار اجرا کند. در ادامه بیان میکند که ظهور هوش مصنوعی، میتواند فرصتی برای متخصصان داده باشد تا شکاف بین تجارت و علم داده را پر کنند.
رفع شکاف بین توسعه هوش مصنوعی و اهداف تجاری
از نظر کریم، وجود یک برنامهی درسی که شکاف بین توسعه و گسترش هوش مصنوعی و اهداف استراتژیک یک کسب و کار را مورد بررسی قرار دهد، بسیار ضروری است.
کریم معتقد است که استراتژی و مهارتهای رهبری به اندازه مهارت فنی در زمینه علم داده و هوش مصنوعی حیاتی هستند. همچنین در ادامه او بیان میکند، استفاده از مهارتهای نرم برای شناسایی، اجرا و معرفی محصولات داده در سازمان ضروری هستند.
او بیان میکند:«این نکات در دوره دوکس دیتا در نظر گرفته شده است. در این دوره، موضوعاتی همچون توسعه محصول علم داده، تحول هوش مصنوعی در صنعت، درآمدزایی از نورآوری در علم داده، تکامل و بلوغ علم داده و … گنجانده شده است.»
کریم میگوید:«ظهور هوش مصنوعی این اصول را تغییر نمیدهد؛ بنابراین یادگیری آنها بسیار حائز اهمیت است. علاوه بر این، وی معتقد است که متخصصان داده همچنان باید بر ایجاد ارزش تجاری از طریق دادهها و ابزارهای هوش مصنوعی که در فرآیندهای تجاری تعبیه شدهاند، تمرکز کنند.»
آمادگی برای یکپارچهسازی هوش مصنوعی مولد
با توسعه هوش مصنوعی، متخصصان باید نقش محوری و حضور آن را در محیط کار خود درک کنند و به هوش مصنوعی به عنوان ابزاری کمککننده برای بهینهسازی جریان کار فعلی، نه به عنوان یک جایگزین برای آن، نگاه کنند.
در این زمینه کریم افزود:«رهبران و مدیران باید ایدههایی را که زمانی مضحک به نظر میرسیدند، محصولاتی که غیرممکن پنداشته میشدند و جریانهای کاری که بسیار متفاوتتر از روشهای قدیمی بودند را بپذیرند؛ زیرا برای دستیابی به بهرهوری قابلتوجه، باید روشهای جدید را به کار گرفت.»
از نظر او پیشرفتهای جدیدی که با مدلهای زبانی بزرگ در هوش مصنوعی به وقوع پیوسته است، میتواند فریبنده باشد و ما را از ادامهی مسیر دور کند. کریم معتقد است:«در یک مسیر، پیمودن 80 درصد آن کار راحتی است اما دستیابی به 20 درصد باقیمانده بخش اصلی کار است.»
او در ادامه گفت:«تا زمانی که فرهنگ آزمایش و اکتشاف برقرار نشود، دادهها و هوش مصنوعی نمیتوانند پتانسیل کامل خود را ارائه دهند.»
نقش رهبری و استراتژی
کریم معتقد است:«افزایش توانمندی در زمینه استفاده از مدلهای زبانی بزرگ، برای افزایش بهرهوری مهم است، اما کافی نیست. باید برای درک درست نقش ذاتی مدلهای مورد استفاده، محدودیتها و سوگیریهای آنها و تصور فرآیند کسب و کار در آینده، به استاندارد بالاتری از هوش مصنوعی دست پیدا کنیم.»
او سه نقش رهبری، ارتباطات و استراتژی را برای دستیابی به چشمانداز تعریف شده برای هوش مصنوعی، بسیار حیاتی میداند و هشدار میدهد که نبود یک یا چند مورد از این عوامل پروژهها را با شکست مواجه میکند.
اون نقش متخصصان داده را در این زمینه بسیار پررنگ دانست و گفت:«این افراد باید به صورت انتقادی به مسائل نگاه کنند و آنها را به درستی رهبری کنند.»
تشخیص در برنامههای کاربردی هوش مصنوعی
کریم اذعان میکند که روند توسعه هوش مصنوعی در حال حاضر بسیار موفقیتآمیز و درخشان است و بسیار شبیه به روند Big Data در اوایل دههی 2010 میلادی است. او در ادامه افزود:«در حال حاضر، بزرگترین چالشی که تیمهای داده با آن روبرو هستند، متقاعد کردن رهبران تجاری درباره عدم نیاز به ادغام هوش مصنوعی با هر فرآیندی در سازمان است.»
او در پایان این نکته را بیان کرد که موفقیت در زمینه داده به ارائه آنچه واقعا مورد نیاز است بستگی دارد، نه توجه به اینکه همه چه چیزی را میخواهند. او توصیه میکند که باید به کاربران، مشتریان و رهبران کمک کرد تا نیازهای واقعی خود را بیان کنند.
سخن پایان
توسعهی بی حد و مرز هوش مصنوعی، خطر حذف مشاغل را در آینده نزدیک، بسیار پررنگ کرده است. این خطر برای افرادی که با بخشهای مختلف علم داده سروکار دارند، ملموستر است. حال این سوال پیش میآید که آیا واقعا توانایی چنین چیزی در هوش مصنوعی و ابزارهای آن وجود دارد؟ چگونه باید با آن مقابله کرد؟
در این مطلب، به نقل از یکی از کارشناسان این حوزه، سازگاری با توسعه هوش مصنوعی و افزایش مهارتهای شخصی که هوش مصنوعی به تنهایی قادر به انجام آن نیست، به عنوان یکی از روشهای مقابله با این خطر مورد بررسی قرار گرفت.
