وقتی نقشه زمان رسیدن شما را تخمین می‌زند، برنامهٔ پخش فیلم عنوانی پیشنهاد می‌کند یا گوشی متنِ داخل عکس را می‌خواند، ممکن است از هوش مصنوعی استفاده کنید؛ حتی اگر هیچ چت‌باتی باز نکرده باشید. کاربرد هوش مصنوعی در زندگی روزمره معمولاً همین کارهای کوچک است: پیدا کردن، تشخیص دادن، پیشنهاد کردن و کمک به آماده‌کردن یک پاسخ.
در ادامه، هفت کاربرد ملموس را بررسی می‌کنیم؛ همراه با مثال، کاری که می‌توانید امتحان کنید و نکته‌ای که هنگام استفاده باید بدانید.
هوش مصنوعی در زندگی روزمره یعنی چه؟
در این کاربردها، نرم‌افزار با روش‌هایی مانند یادگیری ماشین، الگوهای متن، صدا، تصویر یا رفتار را تحلیل می‌کند و خروجی‌ای مثل پیش‌بینی، پیشنهاد یا متن تولید می‌کند. این خروجی به داده و طراحی سامانه وابسته است؛ برنامه لزوماً شناخت انسانی از شما یا موقعیتتان ندارد.
هر قابلیت خودکار هم هوش مصنوعی نیست. چراغی که هر شب رأس ساعت روشن می‌شود، می‌تواند فقط یک زمان‌بندی ساده داشته باشد. در مقابل، سامانه‌ای که از داده‌های ترافیک برای تخمین زمان سفر استفاده می‌کند، می‌تواند از مدل یادگیری ماشین کمک بگیرد. برای آشنایی دقیق‌تر با این ارتباط، مقالهٔ رابطهٔ هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را بخوانید.
۷ کاربرد هوش مصنوعی که در کارهای روزانه می‌بینیم
۱. مسیریابی و تخمین زمان رسیدن
پیدا کردن مسیر روی نقشه با پیش‌بینی ترافیک یکسان نیست. گوگل توضیح می‌دهد که در Google Maps، داده‌های زنده و الگوهای ترافیکی گذشته با یادگیری ماشین ترکیب می‌شوند تا وضعیت پیشرو و زمان سفر تخمین زده شود. بنابراین ممکن است مسیری که صبح مناسب بوده، عصر پیشنهاد اول برنامه نباشد.
یک استفادهٔ عملی: پیش از حرکت، زمان تقریبی دو مسیر را مقایسه کنید. عدد زمان رسیدن را یک برآورد در نظر بگیرید؛ وضعیت واقعی راه، محدودیت‌های عبور و تابلوها همچنان اهمیت دارند. این توضیح دربارهٔ سازوکار اعلام‌شدهٔ گوگل است و به معنی یکسان بودن روش همهٔ مسیریاب‌ها نیست.
۲. پیشنهاد فیلم و محتوای نزدیک به سلیقهٔ شما
در سرویس‌های پیشنهاددهنده، ترتیب محتوا برای همه یکسان نیست. برای نمونه، نتفلیکس می‌گوید سابقهٔ تماشا، امتیازها، ویژگی‌های آثار و رفتار کاربران با سلیقهٔ مشابه در پیشنهادهایش نقش دارند. برنامه احتمال می‌دهد چه چیزی را دوست داشته باشید؛ از علاقهٔ واقعی شما مطمئن نیست.
یک استفادهٔ عملی: اگر گزینهٔ «علاقه‌مند نیستم» یا امتیازدهی در برنامه وجود دارد، از آن استفاده کنید. گاهی هم خودتان موضوع تازه‌ای جست‌وجو کنید تا انتخابتان فقط به ردیف پیشنهادها محدود نشود.
۳. خواندن و ترجمهٔ متنِ داخل عکس
از یک بروشور، برگهٔ چاپ‌شده یا تابلو عکس می‌گیرید و به جای تایپ دوباره، متن را انتخاب و کپی می‌کنید. ابزارهای تشخیص متن می‌توانند نوشتهٔ تصویر را به متن قابل ویرایش تبدیل کنند. برای مثال، قابلیت Live Text اپل امکان کپی و ترجمهٔ متنِ تشخیص‌داده‌شده را فراهم می‌کند؛ البته پشتیبانی به دستگاه، زبان و منطقه بستگی دارد.
یک استفادهٔ عملی: یک برگهٔ بدون اطلاعات شخصی را در نور مناسب عکس بگیرید و چند خط آن را استخراج کنید. سپس متن را با اصل برگه تطبیق دهید؛ به‌ویژه اعداد، نام‌ها و کلماتی که کیفیت چاپشان پایین است. استخراج متن و ترجمه دو مرحلهٔ متفاوت‌اند و هرکدام ممکن است خطا داشته باشند.
۴. تبدیل گفتار به نوشته
با قابلیت تایپ صوتی، جمله را می‌گویید و نرم‌افزار آن را می‌نویسد. تشخیص گفتار می‌تواند بر پایهٔ مدل‌های یادگیری ماشین انجام شود؛ مستندات Speech-to-Text گوگل نیز انتخاب مدل و زبان را بخشی از این فرایند معرفی می‌کند. کیفیت صدا، زبان و شرایط ضبط بر نتیجه اثر می‌گذارند.
یک استفادهٔ عملی: برای نوشتن فهرست خرید یا یادداشت شخصی، ابتدا متن را با صدا وارد کنید و پیش از ذخیره یا ارسال، آن را بخوانید. اسم اشخاص، واژه‌های تخصصی و عددها را جداگانه بررسی کنید. قابلیت‌های هر کیبورد یا برنامه متفاوت است و همهٔ آن‌ها فارسی را به یک کیفیت تشخیص نمی‌دهند.
۵. تشخیص هرزنامه در ایمیل
هوش مصنوعی همیشه چیزی تولید نمی‌کند؛ گاهی پیام‌های نامطلوب را از صندوق ورودی جدا می‌کند. گوگل در توضیح فیلترهای Gmail به استفاده از یادگیری ماشین، نشانه‌های مربوط به فرستنده و بازخورد کاربران اشاره می‌کند. علامت‌زدن یک پیام به‌عنوان هرزنامه یا خارج‌کردن آن از این پوشه، یکی از همین بازخوردهاست.
یک استفادهٔ عملی: اگر منتظر ایمیلی هستید و آن را پیدا نمی‌کنید، پوشهٔ هرزنامه را هم بررسی کنید. تشخیص خودکار می‌تواند پیام سالم را اشتباه دسته‌بندی کند؛ همان‌طور که رسیدن پیام به صندوق ورودی، به‌تنهایی نشانهٔ معتبر بودن فرستنده نیست.
۶. آماده‌کردن پیش‌نویس پیام و مرتب‌کردن متن
یک دستیار متنی می‌تواند برای دعوت به جلسه، کوتاه‌کردن یک پیام یا تبدیل چند نکتهٔ پراکنده به متن منظم کمک کند. نتیجه زمانی قابل بررسی‌تر است که مخاطب، هدف و اطلاعات لازم را روشن بنویسید و از ابزار نخواهید جزئیات نامعلوم را حدس بزند.
نمونهٔ درخواست: «برای هماهنگی یک جلسهٔ کاری، پیام کوتاه و محترمانه بنویس. سه‌شنبه ساعت ۱۰ و پنجشنبه ساعت ۱۴ را پیشنهاد بده و از مخاطب بخواه زمان مناسبش را بگوید. نام و اطلاعات دیگری اضافه نکن.»
پیش از ارسال، زمان‌ها، لحن و تعهداتی را که در متن آمده بررسی کنید. روان بودن نوشته، صحت اطلاعات آن را تضمین نمی‌کند.
۷. تمرین یادگیری و توضیح یک موضوع دشوار
می‌توانید از دستیار بخواهید یک مفهوم را با مثال ساده توضیح دهد، از متن کوتاه شما پرسش تمرینی بسازد یا پاسخ خودتان را بررسی کند. در این حالت، بهتر است ابتدا خودتان مسئله را حل کنید و بعد از ابزار برای مقایسهٔ روش و پیدا کردن ابهام‌ها کمک بگیرید.
نمونهٔ درخواست: «تفاوت میانگین و میانه را با پنج عدد ساده توضیح بده. بعد یک تمرین بده، اما پاسخ را تا وقتی تلاش من را ندیده‌ای ننویس.»
اگر پاسخ شامل فرمول، نقل‌قول یا منبع است، آن را با کتاب یا مرجع اصلی تطبیق دهید. NIST نیز تولید پاسخ نادرست با لحن مطمئن را از ریسک‌های هوش مصنوعی مولد می‌داند. در مقالهٔ بررسی صحت خروجی هوش مصنوعی روش کنترل منابع و عددها را توضیح داده‌ایم.
برای شروع، کدام کاربرد مناسب‌تر است؟
لازم نیست چند ابزار تازه نصب کنید. ابتدا یک کار تکراری و کم‌حساسیت را انتخاب کنید که نتیجه‌اش را بتوانید خودتان بررسی کنید. جدول زیر برای همین انتخاب است.
| اگر این کار را دارید | این قابلیت را امتحان کنید | چه چیزی را بررسی کنید؟ |
|---|---|---|
| متنِ یک برگه را دوباره تایپ می‌کنید | استخراج متن از عکس | تطبیق عددها و کلمات با برگه |
| نوشتن پیام کوتاه زمان می‌برد | ساخت پیش‌نویس از نکته‌های خودتان | درستی اطلاعات و مناسب بودن لحن |
| یادداشت‌کردن با کیبورد دشوار است | تبدیل گفتار به متن | نام‌ها، عددها و نشانه‌گذاری |
| موضوعی را خوانده‌اید و می‌خواهید تمرین کنید | ساخت پرسش از همان موضوع | درستی پاسخ با مرجع آموزشی |
یک بار کار را به روش معمول و بار دیگر با ابزار انجام دهید. زمان صرف‌شده برای اصلاح خروجی را هم حساب کنید. اگر بازبینی و اصلاح بیشتر از انجام خود کار زمان می‌گیرد، آن ابزار یا آن روشِ درخواست هنوز برای کار شما مناسب نیست.
چطور از هوش مصنوعی استفاده کنیم و کنترل کار دست خودمان بماند؟
- اطلاعات لازم را بدهید: برای بازنویسی یک پیام، معمولاً نیازی به شمارهٔ ملی، رمز، نشانی دقیق یا سند محرمانه نیست. پیش از بارگذاری فایل، محتوای آن و تنظیمات دادهٔ سرویس را بررسی کنید.
- درخواست را مشخص کنید: به جای «یک متن خوب بنویس»، مخاطب، هدف، طول و اطلاعات مجاز را تعیین کنید.
- خروجی مهم را تطبیق دهید: اسم، عدد، تاریخ و منبع را از روی مرجع اصلی بررسی کنید. از ابزار بخواهید بخش نامعلوم را مشخص کند، اما این درخواست جای راستی‌آزمایی شما را نمی‌گیرد.
- انتخاب نهایی را خودتان انجام دهید: پیشنهاد برنامه را با نیاز و شرایط واقعی مقایسه کنید؛ چه انتخاب یک فیلم باشد، چه آماده‌کردن یک پاسخ کاری.
اگر قرار است از این قابلیت‌ها برای اطلاعات مشتریان یا اسناد شرکت استفاده کنید، موضوع از استفادهٔ شخصی فراتر می‌رود. در آن حالت، طراحی راهکار هوش مصنوعی و اتوماسیون برای کسب‌وکار باید با بررسی دسترسی‌ها، داده‌های مورد نیاز و معیار ارزیابی نتیجه همراه باشد.
پرسش‌های متداول
برای استفادهٔ روزمره از هوش مصنوعی باید برنامه‌نویسی بلد باشیم؟
برای استفاده از قابلیت‌های آمادهٔ برنامه‌ها معمولاً خیر. توانایی نوشتن درخواست روشن و بررسی نتیجه مهم‌تر است. ساخت یا اتصال یک سامانهٔ اختصاصی، کار متفاوتی است و ممکن است به دانش فنی نیاز داشته باشد.
هوش مصنوعی بدون اینترنت هم کار می‌کند؟
به قابلیت و دستگاه بستگی دارد. بعضی پردازش‌ها روی خود دستگاه انجام می‌شوند و بعضی به سرویس آنلاین نیاز دارند. حتی در یک برنامه ممکن است یک قابلیت آفلاین و قابلیت دیگر آنلاین باشد؛ راهنمای همان ابزار را بررسی کنید.
آیا همهٔ برنامه‌های «هوشمند» واقعاً از هوش مصنوعی استفاده می‌کنند؟
خیر. واژهٔ «هوشمند» به‌تنهایی روش فنی برنامه را مشخص نمی‌کند. زمان‌بندی، اجرای یک قانون ثابت یا اتصال به اینترنت می‌تواند بدون مدل هوش مصنوعی هم انجام شود.
