مسلم تقی زاده

ممکن است متوجه شده باشید که اصطلاح جدیدی به نام “هوش مصنوعی مرکب” در مستندات روندی گارتنر ترند شده است. این یک فناوری پیچیده جدید نیست که باید به آن تسلط داشته باشید. احتمالاً تکنیکی است که باید به فکر گنجاندن آن در فرآیندهای هوش مصنوعی سازمانی خود باشید.

مطابق تعریف گارتنر،و به زبان ساده، هوش مصنوعی مرکب به “ترکیب تکنیک های مختلف هوش مصنوعی برای دستیابی به بهترین نتیجه” اشاره دارد.

هوش مصنوعی مرکب که به عنوان هوش مصنوعی چند رشته‌ای نیز شناخته می‌شود، اصطلاحی نوظهور برای ادغام فناوری‌های هوش مصنوعی مختلف در یک راه‌حل واحد و به روشی سیستماتیک برای رویکرد کلی‌نگر به مشکلات پیچیده تجاری است.

یک رویکرد یکپارچه که با تکنیک های تحلیلی مختلف می تواند به کسب و کارها در حل مشکلات پیچیده و کاهش هزینه ها کمک کند:

امکان تصمیم گیری شبیه انسان

کاهش نیاز به تیم های بزرگ علم داده

به کاربران این امکان را می دهد که از مجموعه داده های کوچک اطلاعاتی کسب کنند

با چنین مزایایی به همین دلیل است که گارتنر آن را به عنوان یکی از برترین فناوری‌های نوظهور با تأثیر زیاد بر تجارت در چند سال آینده معرفی کرده است.

یادگیری ماشین و یادگیری عمیق انواعی از هوش مصنوعی هستند. اما بسیاری از انواع دیگر هوش مصنوعی وجود دارد که باید در چرخه وجود داشته باشد که خارج از حباب یادگیری ماشینی/یادگیری عمیق است. به گفته گارتنر، این روش شامل سیستم‌های مبتنی بر قوانین سنتی، پردازش زبان طبیعی (NLP)، تکنیک‌های بهینه‌سازی و… می‌شود.

یک سیستم هوش مصنوعی مرکب قرار است بر روی یک “معماری مرکب” ساخته شود،. یک معماری مرکب دارای قابلیت های تجاری بسته بندی شده ای است که بر روی یک بافت داده ( دیتا فابریک )انعطاف پذیر اجرا می شود، در نتیجه کاربران را قادر می سازد تا سیستم های منعطف و قابل تغییر را به سرعت تغییر دهند.

هنگامی که مشکل کسب و کار به وضوح تعریف شد، مرحله بعدی تصمیم گیری است که چه داده هایی پاسخ مشکل را نشان می دهد. این مرحله حیاتی دیگری در فرآیند هوش مصنوعی مرکب (یا تجزیه و تحلیل چند رشته ای) است.

هوش مصنوعی مرکب مجموعه ای از تکنیک های از پیش تعیین شده نیست. کسب و کارها می توانند خط لوله روش های تحلیلی خود را با توجه به مشکلات تجاری خود ایجاد کنند. به عنوان مثال، اگر بهبود تجربه مشتری مشکل کسب و کار شما باشد، یک رویکرد هوش مصنوعی ترکیبی شامل NLP، چندین الگوریتم ML و آمار توصیفی است. نکته کلیدی ادغام این روش های متنوع برای ایجاد ارزش به طور مستمر است.

از طرف دیگر، شرکت‌ها می‌توانند از پلتفرم‌های هوش مصنوعی ترکیبی استفاده کنند که داده‌های تجاری را می‌گیرند، تکنیک‌های تحلیلی مختلف را سفارشی‌سازی می‌کنند، بینش ایجاد می‌کنند و از بازخورد آن یاد می‌گیرند.