چه چیزی واقعاً مانع پذیرش هوش مصنوعی در سازمان ها می شود؟

علیرغم سرعت جلب توجه فناوری AI ، تعدادی از مسائل کلیدی وجود دارد که توسط مدیر عامل و رهبران صنعت برجسته شده است که به گفته آنها مانع پذیرش در مقیاس کامل می شود : پیچیدگی مدل های باز، نگرانی های حفظ حریم خصوصی داده ها، چالش های یکپارچه سازی و هزینه.

در این مقاله با افرادی صحبت می کنیم که از رهبران شرکت های پیشرو هستند و وظیفه ارزیابی هوش مصنوعی در دنیای واقعی را بر عهده دارند.

مدل‌های فعلی هوش مصنوعی عمدتاً منبع باز هستند، که اگرچه برای شفافیت مفید است، اما آنها را در معرض آسیب‌پذیری‌ها قرار می‌دهد. مدل‌های باز می‌توانند مستعد حملات خصمانه باشند، جایی که بازیگران مخرب از نقاط ضعف شناخته شده سوء استفاده می‌کنند. این ریسک باعث می‌شود که صنایع در پذیرش هوش مصنوعی بدون افزایش سفارشی‌سازی و امنیتی که می‌تواند مستلزم منابع حجیم و فشرده باشد، مردد باشند.

دکتر مت حسن مدیرعامل aiRESULTS است، شرکتی که بر ارائه راه حل های نوآورانه، به ویژه در فناوری های مبتنی بر هوش مصنوعی تمرکز دارد. او به دلیل تخصص خود در استفاده از تجزیه و تحلیل پیشرفته برای ایجاد راه حل های تجاری و مدافع اولیه هوش مصنوعی شناخته شده است.

او منبع باز بودن AI را مانع اصلی پشت هوش مصنوعی می‌داند: “شفافیت مدل‌های هوش مصنوعی باز، یک شمشیر دولبه است. در حالی که توسعه را تسریع می‌کند، همچنین زمین بازی برای مهاجمان بالقوه ایجاد می‌کند. صنایع باید روی اقدامات امنیتی قوی برای کاهش این موارد سرمایه‌گذاری کنند، که می تواند یک تعهد مهم باشد.”

الکس اوگارت مدیر عملیات London Office Space است، یک سرویس کارگزاری آنلاین که به کسب‌وکارها کمک می‌کند راه‌حل‌های فضای کاری بهینه را در پایتخت بریتانیا پیدا کنند.

او همچنین مسئولیت بکارگیری جدیدترین ابزارها و پلتفرم های دیجیتال مانند هوش مصنوعی را در فرآیندها بر عهده دارد.

“به دلیل موقعیت ما در املاک تجاری، من همچنین توانسته ام به بینش های ارزشمندی در مورد اینکه چگونه موفق ترین مستاجران تجاری ما راه هایی برای گنجاندن هوش مصنوعی در فرآیندهای خود پیدا می کنند، به دست بیاورم.

مدل‌های AI منبع باز، شفافیت را ارائه می‌کنند، اما خطراتی را نیز به همراه دارند. پتانسیل حملات متخاصم یک نگرانی واقعی است. صنایعی که نسبت به این آسیب پذیری ها محتاط هستند، به دلیل سفارشی سازی گسترده و اقدامات امنیتی مورد نیاز برای کاهش این خطرات، اغلب در پذیرش هوش مصنوعی تردید دارند. سفارشی‌سازی مدل‌های باز متناسب با نیازهای خاص و ایمن کردن آنها در برابر حملات می‌تواند مستلزم منابع سنگین و از نظر فنی چالش برانگیز باشد. این پیچیدگی می‌تواند شرکت‌ها را نسبت به ورود و پذیرش کامل هوش مصنوعی محتاط کند.»

پل فرگوسن، مشاور هوش مصنوعی و بنیانگذار Clearlead AI Consulting، بیش از ۲۰ سال تجربه در این زمینه از جمله دکترای هوش مصنوعی دارد. او می بیند که مدل های Open AI با چالش های مشابهی روبرو هستند:

مدل‌های هوش مصنوعی باز، اگرچه برای تقویت نوآوری ارزشمند هستند، اما خطرات امنیتی را به همراه دارند که کاهش آن برای سازمان‌ها دلهره‌آور است. در کار خود با مشاغل کوچک و متوسط، دیدم که چگونه کمبود منابع و تخصص در حوزه هوش مصنوعی می‌تواند مانع اجرای ایمن این مدل‌ها شود. رسیدگی به این آسیب‌پذیری‌ها اغلب مستلزم سرمایه‌گذاری قابل توجهی در استعدادها و زیرساخت‌ها است که بسیاری از شرکت‌ها برای توجیه عدم به صرفه بودن آن تلاش می‌کنند!»

حریم خصوصی داده ها

نگرانی‌های مربوط به حفظ حریم خصوصی داده‌ها در استفاده از مدل‌های هوش مصنوعی باز، به‌ویژه در صنایعی که اطلاعات حساسی مانند مراقبت‌های بهداشتی و مالی را مدیریت می‌کنند بیشتر وجود دارد. علیرغم مزایای بالقوه هوش مصنوعی، نگرانی ها در مورد نقض داده ها و استفاده نادرست، استقرار آن را کند می کند. لیزا لود عضو بنیاد شبکه مخفی، عدم وجود حریم خصوصی در مدل‌های هوش مصنوعی در حال حاضر بسیار برجسته است که این منجر به جذب تمام ورودی‌های سیستم، از جمله اشتباهات و داده‌های محرمانه می‌شود.

برای پرداختن به این مسائل، محرمانگی، تمرکززدایی و مدل‌های هوش مصنوعی بدون مجوز ضروری است. Secret Network راه حلی با محاسبات سرتاسر رمزگذاری شده ارائه می دهد که برای توسعه ابزارهای موثر هوش مصنوعی ضروری است. این رویکرد حفظ حریم خصوصی داده ها را تضمین می کند و از انتشار اطلاعات نادرست جلوگیری می کند.

محاسبات محرمانه برای پذیرش گسترده هوش مصنوعی در صنایع بسیار مهم است، زیرا اعتماد ایجاد می کند و از داده های حساس محافظت می کند. با این حال، ادغام هوش مصنوعی در سیستم‌های موجود، چالش‌هایی مانند تغییرات زیرساخت و کمبود مهارت‌ها را به همراه دارد. رویکرد مرحله‌ای به پذیرش هوش مصنوعی، همراه با برنامه‌های آموزشی جامع، می‌تواند این انتقال را تسهیل کند.

علاوه بر این، هزینه بالای اجرای هوش مصنوعی و عدم اطمینان در مورد بازگشت سرمایه، بسیاری از صنایع را از تعهد کامل به فناوری هوش مصنوعی باز می دارد. علاوه بر این، چارچوب های نظارتی در حال تحول، به ویژه در امور مالی و مراقبت های بهداشتی، موانع بیشتری را برای استقرار هوش مصنوعی ایجاد می کند. در حالی که اشتیاق برای پذیرش هوش مصنوعی وجود دارد، نگرانی در مورد حفظ حریم خصوصی، هزینه، یکپارچگی و انطباق با مقررات ممکن است اجرای گسترده آن را به تاخیر بیندازد. صنایع باید به این چالش ها رسیدگی کنند تا به طور کامل از مزایای بالقوه فناوری هوش مصنوعی استفاده کنند.