گزارش شده است که فورد پس از ناتوانی هوش مصنوعی در شناسایی خرابیهای بحرانی، ۳۵۰ مهندس باتجربه را دوباره استخدام میکند.همانطور که هوش مصنوعی به تغییر صنایع در سراسر جهان ادامه میدهد، یکی از بزرگترین خودروسازان جهان نشان داده است که تخصص انسانی در مهندسی پرخطر همچنان ضروری است. طبق گزارشهای گسترده، فورد حدود ۳۵۰ مهندس باتجربه را پس از آن دوباره استخدام کرده است که سیستمهای مهندسی مبتنی بر هوش مصنوعی نتوانستند به طور مداوم نقاط خرابی بحرانی را در طول توسعه و آزمایش خودرو شناسایی کنند.
این تصمیم گزارششده بحث تازهای را در مورد محدودیتهای فعلی هوش مصنوعی و اینکه آیا سیستمهای پیشرفته هوش مصنوعی واقعاً میتوانند جایگزین دههها تجربه عملی مهندسی شوند، برانگیخته است. در حالی که هوش مصنوعی به ارائه بهبودهای قابل توجه در اتوماسیون، شبیهسازی و تحلیل دادهها ادامه میدهد، مورد فورد نشان میدهد که متخصصان با تجربه همچنان دارای قضاوت و شهود منحصر به فردی هستند که فناوری هنوز نتوانسته آن را تکرار کند.
این تحول پس از برجسته شدن در گزارشی که از طریق حساب رسمی X کوینتلگراف تأیید شد، توجه گستردهای را به خود جلب کرد. اگرچه داستان حول صنعت خودروسازی است تا ارزهای دیجیتال، اما بخشی از گفتگوی گستردهتر در مورد هوش مصنوعی، اتوماسیون و آینده نیروی کار ماهر انسانی در چندین صنعت شده است.
این اقدام گزارششده یادآوری دیگری است که هوش مصنوعی ممکن است زمانی مؤثرتر باشد که در کنار متخصصان با تجربه کار کند، نه اینکه کاملاً جایگزین آنها شود.
 |
| منبع: پست X |
گزارش شده است که فورد به مهندسان با تجربه بازمیگردد
طبق گزارشها، فورد تصمیم گرفت حدود ۳۵۰ مهندس باتجربه را بازگرداند پس از آنکه تشخیص داد سیستمهای مهندسی مبتنی بر هوش مصنوعی در تشخیص برخی سناریوهای خرابی بحرانی که متخصصان با تجربه میتوانستند مؤثرتر شناسایی کنند، ناتوان بودند.
خرابیهای مهندسی اغلب ناشی از تعاملات پیچیده بین اجزای مکانیکی، تلرانسهای ساخت، شرایط محیطی، رفتار مواد و سالها دانش عملی انباشته است.
در حالی که سیستمهای هوش مصنوعی در پردازش مجموعه دادههای عظیم و شناسایی الگوهای آماری عالی هستند، مهندسان با تجربه اغلب به شهودی متکی هستند که از طریق دههها کار عملی، آزمایش محصول، مشاهدات میدانی و حل مسئله توسعه یافته است.
این تصمیم گزارششده اهمیت مداوم دانش نهادی را در محیطهای پیچیده تولیدی برجسته میکند.
چرا تشخیص خرابی بحرانی بسیار چالشبرانگیز است
مهندسی خودرو نیازمند شناسایی هزاران حالت خرابی بالقوه قبل از رسیدن خودروها به مشتریان است.
مهندسان عوامل بیشماری را ارزیابی میکنند، از جمله:
دوام سازه.
خستگی مواد.
عملکرد حرارتی.
تلرانسهای ساخت.
ایمنی در تصادف.
قابلیت اطمینان پیشرانه.
سیستمهای الکترونیکی.
یکپارچهسازی نرمافزار.
قرار گرفتن در معرض محیط.
سایش طولانی مدت.
بسیاری از این مسائل شامل تعاملات ظریفی هستند که دادههای تاریخی به تنهایی ممکن است به طور کامل آنها را ثبت نکنند.
مهندسان باتجربه اغلب علائم هشدار را بر اساس پروژههای قبلی، رفتار غیرعادی قطعات یا الگوهایی که ممکن است به اندازه کافی برای یادگیری قابل اعتماد مدلهای هوش مصنوعی ظاهر نشوند، تشخیص میدهند.
هوش مصنوعی در سرعت عالی است اما نه همیشه در قضاوت
هوش مصنوعی در سالهای اخیر به طور چشمگیری گردش کار مهندسی را بهبود بخشیده است.
سیستمهای مدرن هوش مصنوعی میتوانند:
مجموعه دادههای عظیم مهندسی را تحلیل کنند.
طراحی قطعات را بهینه کنند.
فرآیندهای تولید را شبیهسازی کنند.
نیازهای تعمیر و نگهداری را پیشبینی کنند.
کنترل کیفیت را بهبود بخشند.
تکرارهای طراحی را تسریع کنند.
هزینههای توسعه را کاهش دهند.
وظایف مهندسی تکراری را خودکار کنند.
این قابلیتها به طور قابل توجهی بهرهوری را در سراسر صنعت خودروسازی افزایش داده است.
با این حال، هوش مصنوعی اساساً به دادههای آموزشی و استنتاج آماری وابسته است.
هنگام مواجهه با رویدادهای نادر، تعاملات غیرمنتظره یا موقعیتهای خارج از مجموعه دادههای تاریخی، مهندسان انسانی با تجربه ممکن است همچنان از سیستمهای خودکار بهتر عمل کنند.
تجربه دانشی ایجاد میکند که دادهها به تنهایی نمیتوانند جایگزین آن شوند
یکی از درسهای اصلی که از تصمیم گزارششده فورد به دست میآید، ارزش تجربه انباشته است.
مهندسان باتجربه اغلب دارای دههها دانش ضمنی هستند که فراتر از مستندات فنی است.
این تخصص شامل موارد زیر است:
تشخیص الگوهای طراحی غیرعادی.
درک محدودیتهای تولید.
شناسایی خطرات ایمنی پنهان.
تفسیر نتایج آزمایش مبهم.
ایجاد تعادل بین اولویتهای مهندسی رقیب.
ارزیابی محدودیتهای عملی تولید.
تصمیمگیری در شرایط عدم قطعیت.
همکاری در تیمهای چندرشتهای.
بسیاری از این دانش به سختی میتواند مستقیماً در سیستمهای هوش مصنوعی رمزگذاری شود.
هوش مصنوعی و مهندسان انسانی ممکن است با هم مؤثرتر باشند
کارشناسان صنعت به طور فزایندهای استدلال میکنند که هوش مصنوعی باید تخصص انسانی را تقویت کند، نه اینکه جایگزین آن شود.
بسیاری از شرکتها به جای اینکه هوش مصنوعی را جایگزینی برای مهندسان بدانند، اکنون آن را به عنوان یک ابزار پیشرفته پشتیبانی تصمیمگیری میبینند که قادر به بهبود بهرهوری است و در عین حال به متخصصان با تجربه اجازه میدهد بر تحلیلهای سطح بالاتر تمرکز کنند.
تحت این مدل مشارکتی:
هوش مصنوعی دادهها را سریع پردازش میکند.
انسانها قضاوت ارائه میدهند.
هوش مصنوعی الگوها را شناسایی میکند.
انسانها زمینه را ارزیابی میکنند.
هوش مصنوعی کارهای معمول را خودکار میکند.
انسانها مسائل جدید را حل میکنند.
این مشارکت اغلب نتایج قویتری نسبت به اتکای انحصاری به انسان یا ماشین ایجاد میکند.
تولید همچنان در هوش مصنوعی سرمایهگذاری میکند
علیرغم محدودیتهای گزارششده، خودروسازان همچنان از بزرگترین سرمایهگذاران جهان در هوش مصنوعی هستند.
فناوریهای هوش مصنوعی همچنان از موارد زیر پشتیبانی میکنند:
نگهداری پیشبینیکننده.
بهینهسازی زنجیره تأمین.
توسعه رانندگی خودران.
رباتیک.
برنامهریزی تولید.
پیشبینی موجودی.
بازرسی کیفیت.
خدمات مشتری.
بهرهوری انرژی.
اتوماسیون صنعتی.
این کاربردها نشان میدهند که هوش مصنوعی حتی در جایی که اتوماسیون کامل غیرواقعی باقی میماند، همچنان ارزش تجاری قابل توجهی ارائه میدهد.
قضاوت انسانی در صنایع حیاتی ایمنی ضروری باقی میماند
تولید خودرو یکی از صنایع متعددی است که در آن تصمیمات مهندسی مستقیماً بر ایمنی عمومی تأثیر میگذارد.
چالشهای مشابه در موارد زیر وجود دارد:
هوافضا.
مراقبتهای بهداشتی.
تولید انرژی.
حمل و نقل ریلی.
زیرساختهای عمرانی.
دستگاههای پزشکی.
سیستمهای دفاعی.
تولید صنعتی.
در این بخشها، متخصصان با تجربه اغلب توصیههای تولید شده توسط هوش مصنوعی را قبل از اجرای تصمیمات حیاتی بررسی میکنند.
این رویکرد لایهای ریسک عملیاتی را کاهش میدهد و در عین حال پاسخگویی را حفظ میکند.
توسعه هوش مصنوعی به سرعت در حال پیشرفت است
قابلیتهای هوش مصنوعی با سرعتی فوقالعاده به بهبود ادامه میدهند.
مدلهای زبانی بزرگ، سیستمهای چندوجهی، پلتفرمهای شبیهسازی مهندسی و نرمافزار طراحی خودکار بسیاری از گردشهای کاری فنی را متحول کردهاند.
محققان انتظار دارند هوش مصنوعی به طور فزایندهای قادر به پشتیبانی از تصمیمات مهندسی از طریق استدلال بهبود یافته، مجموعه دادههای بزرگتر و تکنیکهای شبیهسازی پیچیدهتر شود.
با این حال، کارشناسان هشدار میدهند که پیشرفت فناوری لزوماً نیاز به نظارت انسانی با تجربه را از بین نمیبرد.
در عوض، تیمهای مهندسی آینده ممکن است سیستمهای هوش مصنوعی به طور فزایندهای قدرتمند را با تخصص انسانی تخصصی ترکیب کنند.
بحث گستردهتر در مورد مشاغل و اتوماسیون
تصمیم گزارششده فورد همچنین به بحث جهانی گستردهتری در مورد اتوماسیون و اشتغال کمک میکند.
در حالی که انتظار میرود هوش مصنوعی بسیاری از وظایف تکراری را خودکار کند، اقتصاددانان به طور فزایندهای بر این باورند که بسیاری از نقشهای حرفهای تکامل خواهند یافت، نه اینکه کاملاً ناپدید شوند.
مهندسان ممکن است زمان کمتری را صرف انجام محاسبات معمول کنند و بیشتر بر موارد زیر تمرکز کنند:
نوآوری.
برنامهریزی استراتژیک.
ارزیابی ریسک.
حل مسئله خلاقانه.
همکاری بینبخشی.
تصمیمگیری اخلاقی.
طراحی سیستم پیچیده.
رهبری.
این مسئولیتهای سطح بالاتر برای سیستمهای فعلی هوش مصنوعی دشوار است که به طور مداوم تکرار شوند.
درسهایی برای آینده هوش مصنوعی
اگر استخدام مجدد گزارششده به طور دقیق منعکسکننده تجربه عملیاتی باشد، یک اصل مهم را نشان میدهد که در چندین صنعت در حال ظهور است.
هوش مصنوعی هنگام کار با دادههای ساختاریافته، تحلیل تکراری و محاسبات در مقیاس بزرگ، عملکرد فوقالعادهای دارد.
کارشناسان انسانی به ویژه در مواقعی که موقعیتها نیاز دارند، ارزشمند باقی میمانند:
استدلال زمینهای.
خلاقیت.
شهود مبتنی بر تجربه.
قضاوت اخلاقی.
سازگاری.
تصمیمگیری پیچیده.
مدیریت عدم قطعیت.
این نقاط قوت مکمل نشان میدهد که محیط کار آینده احتمالاً بر همکاری بین انسان و هوش مصنوعی تأکید خواهد داشت، نه جایگزینی مستقیم.
چشمانداز
تصمیم گزارششده فورد برای استخدام مجدد ۳۵۰ مهندس باتجربه پس از آنکه ابزارهای هوش مصنوعی در شناسایی خرابیهای بحرانی مهندسی ناتوان بودند، هم پیشرفت قابل توجه و هم محدودیتهای فعلی هوش مصنوعی را برجسته میکند.
در حالی که هوش مصنوعی به انقلابی کردن تولید از طریق اتوماسیون، تحلیل پیشبینیکننده و شبیهسازیهای پیشرفته مهندسی ادامه میدهد، این مورد تأکید میکند که دههها تجربه عملی انسانی به سختی میتواند تنها از طریق الگوریتمها تکرار شود.
این تحول به جای نشان دادن یک عقبگرد برای هوش مصنوعی، اجماع رو به رشدی را در میان رهبران صنعت تقویت میکند که بزرگترین ارزش هوش مصنوعی در تقویت تخصص انسانی است، نه جایگزینی کامل آن.
همانطور که هوش مصنوعی در سراسر مهندسی، تولید، مراقبتهای بهداشتی، مالی و صنایع بیشمار دیگر به تکامل خود ادامه میدهد، موفقترین سازمانها ممکن است در نهایت آنهایی باشند که فناوری پیشرفته را با متخصصان با تجربهای ترکیب میکنند که قادر به اعمال قضاوت در جایی هستند که ماشینها هنوز کوتاهی میکنند.
hokanews.com – نه فقط اخبار رمزارز. فرهنگ رمزارز است.
نویسنده @Ethan
ایتان کالینز یک روزنامهنگار پرشور رمزارز و علاقهمند به بلاکچین است که همیشه به دنبال آخرین روندهایی است که دنیای مالی دیجیتال را تکان میدهد. او با استعدادی در تبدیل تحولات پیچیده بلاکچین به داستانهای جذاب و قابل فهم، خوانندگان را در جهان سریع رمزارز از منحنی جلوتر نگه میدارد. چه بیتکوین، اتریوم یا آلتکوینهای نوظهور، ایتان عمیقاً در بازارها کاوش میکند تا بینشها، شایعات و فرصتهایی را که برای طرفداران رمزارز در همه جا مهم است، کشف کند.