Yapay zeka tam olarak olgunlaşmamış bir alandır. John McCarthy 1956'da bu terimden ilk kez bahsettiğinden beri, bu yeni aracın sayısız uygulaması düşünülmüştür. Önemsizden resmiye, oyunlardan sağlığa, savaştan hayat kurtarmaya kadar çeşitli uygulamalar. Ancak bu teknolojinin faydalarından henüz yararlanmamış veya büyük ölçekte kullanmamış sayısız alan var. Özellikle, iş alanı, Yapay Zeka ile kolayca doldurulabilen, uzman sistemlerin oluşturulmasına yardımcı olan veya daha karmaşık karar verme sistemlerinin bir bileşeni olarak işlev gören çok geniş ve çekici bir ürün yelpazesi sunan bunlardan biridir., mevcut yöneticiler tarafından paha biçilmez araçlar olarak kullanılmak üzere.
Giriş
Bilgi teknolojilerinin günlük yaşamda kullanımının, daha önce mevcut olmayan sonsuz rekabet ve kaynak tasarrufu sağlayan bir araç olduğu kanıtlanmıştır. Ayrıca bu teknolojiler, doğru kullanıldığında, bunları uygulayan herkese büyük faydalar sağlayan fırsat alanlarının oluşmasına izin verir. Bu fırsat nişlerinden birinde, öğretimden üretim süreçlerinin otomasyonuna kadar çok çeşitli görevlerde uygulanan yapay zeka sistemleri bulunmaktadır.
Yapay zekayı şirketlere uygulayabilmemiz gereken büyük fırsatlar panoraması içinde, özel bir noktanın varlığı çok dikkat çekicidir, “işte yapay zeka”.
Çoğu durumda, bir işletmenin temel yetkinliği, zamanında ve doğru karar vermede yatmaktadır. Ancak her zaman doğru kararlar verebilecek gerekli özelliklere sahip kişileri bulmak da zordur. Bu yöneticiler, işlerinin güçlü ve zayıf yönlerini ve ortaya çıkabilecek fırsat alanlarını genel bir şekilde görselleştirmelerine olanak tanıyan araçlara ihtiyaç duyar. Ayrıca, her gün alınan kararların kalitesini iyileştirmelerine yardımcı olacak sistemlere de ihtiyaçları var.
Çoğu yapay zeka sistemi, zaman geçtikçe performanslarını iyileştirmelerine olanak tanıyan "öğrenme" özelliğine sahiptir. Ek olarak, bu sistemler çok büyük hacimli bilgileri çok yüksek hızda analiz edebilir ve bu da şirketin operasyonlarının belirli göstergelerinin elde edilmesini sağlar.
Bu makalede, Yapay Zekanın (AI) iş dünyasında kullanımının en önemli özelliklerinden bazıları, bileşenleri, fırsat alanları ve zayıf yönlerinin yanı sıra, teknolojiden türetilebilecek varyantlar ve nasıl yapılacağı ortaya çıkacaktır. gerçek dünyada uygulanabilir.
metodoloji
Kullanılan metodoloji, İnternette, yapay zekaya adanmış sitelerde, Instituto Tecnológico y de Estudios Superiores de Monterrey'in (ITESM) dijital kütüphanesindeki aramalardan elde edilen ilk elden bilgilerle desteklenen ve güçlendirilen bir bilgi araştırmasıydı. Bu kütüphanede başvurulan veritabanları şunlardı: ACM Dijital Kütüphanesi, IEEE Dijital Kütüphanesi ve Proquest Hesaplama.
Arka fon
Aslında, istihbaratı yönetecek ilkeler arama ve dolayısıyla bunları bir makineye dahil etme fikri çok eskidir. Yunan, Çin ve hatta Maya gibi bazı eski uygarlıkların bu amaç için bazen gerçek veya hayali bazı mekanizmaları zaten formüle ettiğine dair göstergeler var.
Daha sonra Aristoteles ve onun kıyasları gibi başka yönler de vardı. Ama gerçekten ilginç olan şey, tümdengelimli bir sisteme ulaşmak için ahlaki ve metafiziksel gerçekler dahil tüm bilgileri temsil edebilecek bir cebir bulmaya çalışan Leibnitz'in zamanında başlıyor. Felsefi veya akıl yürütme hesabı adı verilen soyut bir sistem kurmayı başardı, ancak bu fikirleri uygulayacak teknolojiye sahip değildi. (Doyle 1996)
1849'da George Boole, insan zihninin doğası ve yapısı ile ilgili bazı temelleri toplamayı amaçladığı önermeler mantığının ilkelerini geliştirdi. "Mantık ve olasılığın matematiksel teorilerinin dayandığı düşünce yasaları üzerine bir araştırma" adlı bir çalışma yazdı. Şu anda bile tüm matematiksel ve hesaplama alanında yaygın olarak kullanılan doğruluk tablosunun yaratıcısıydı. (Şekil 1.)
Şekil 1. Boolean doğruluk tablosu
Tiempo después en 1874, Frege propuso un sistema de notación para el razonamiento mecánico, que es el antecedente del cálculo de predicados, el cual denominó “escritura de conceptos”. Debió pasar casi un siglo, para que en 1950 Turing, propusiera el primer artículo moderno sobre la posibilidad de mecanizar la inteligencia.
"Yapay Zeka" teriminin tanıtıcısı 1956 yılında John McCarthy oldu. Bu, Claude Shannon (1956) ile birlikte yazdığı ve Temelleri ele alan bir kitabın ortaya çıkmasıyla oluşan bir konferansın adından alınmıştır. zeka hakkındaki fikirlerin resmileştirilmesine yönelik otomata teorisinin matematikçileri. Bir süre sonra Allen Newell, Herbert Simon ve Cliff Shaw ile birlikte önermeler mantığının teoremlerini ispatlayabilen bir program geliştirdi. Bu program daha sonra GPS (Genel Problem Çözücü) olarak adlandırıldı. Sezgisel aramanın problemleri çözmenin temel yöntemlerinden biri olduğu düşünüldüğünde, tüm bu çalışmalar Yapay Zekanın gelişimine katkıda bulundu.Bir diğer önemli araç, problemleri ve çözümlerini temsil eden fiziksel semboller sistemiydi (García 2002).
Yapay Zekanın babası olarak tanınan kişi Allen Newell ve Marvin Minsky ile birlikte Herbert Simon'dur. Simon, fiziksel sembol hipotezini insan düşüncesini temsil etmenin ve modellemenin bir yolu olarak önerdi.
Bu hatta Yapay Zekanın gelişimi ilk aşamasında takip edildi. Ne yazık ki bu büyük büyüme döneminden sonra beklentiler çok yüksekti. Çok iddialı tahminler yapılmaya başlandı ve o zamanların teknolojik düzeyi nedeniyle uygulanması imkansızdı (Garcia 2002).
Çeşitli bakış açılarından, özellikle iş dünyasından, yapay zekanın daha fazla ve daha iyi sonuçlar sunması bekleniyordu çünkü uzmanların teşhis koyma veya tahmin etme, hatta belki de plan yapma mantığını taklit edebilen uzman sistemler vardı. Ancak, bu aşamadaki ilerlemenin, sistemlerin belirsiz ve kesin olmayan ortamlara uyum sağlayamamasından dolayı sınırlandığı da doğrudur.
1984'te E. Dyson, AI'nın olgun olmadığını ve bu nedenle ticari bir değeri olmadığını tahmin etti. Güvenilirliğinizi inşa etmek için stratejik olarak önemli sistemlerde ele alınmalıdır. Bu tahmin 1990'ların ortalarına kadar doğruydu, bu yüzden birçok insan yapay zekanın ölü olduğunu düşünüyordu. Bu zamana kadar aşağıdaki gibi bazı dersler öğrenildi:
- Bilgisayarın ve yapay zekanın insan zekasının yerini almadığını, aksine onu tamamladığını kabul edin. Bir şirketteki en önemli sermayenin insanlar, yıllar içinde biriken deneyim ve bilgi olduğunu kabul edin. Akıllı sistemler, kişisel bilgisayar kullanımının geliştirilmesine yardımcı olacaktır. AI'nın iş dünyasında kullanımı, müşteri problemlerini çözmeye odaklanmalıdır.
"Modern" Yapay Zeka'nın bu ilk çağında, birçok zorluğun ortaya çıktığı çıkarılabilir, çünkü yüksek beklentilere ulaşmak için, uygun teknolojiye sahip olunmazdı ve bazen, ne de derinlemesine bilgi temalar. Hem teknolojik hem de teorik gelişme eksikti. Ayrıca pek çok kişi bu yeni konsepte bahse girmedi.
Neyse ki, daha sonra göreceğimiz gibi, gelecek vaat eden bir geleceği müjdeleyen yeni yaklaşımlara ve yeni fikirlere dayalı olarak AI'ya yeni ve önemli bir dönüş yapıldı.
Yapay Zekanın yeniden dirilişi
Son yıllarda, yapay zekada önemli bir toparlanma oldu.Bu aracın, şirketlerin daha üretken olmasına yardımcı olacak, uygulanabilir bir teknoloji olmanın mükemmel koşullarını bir kez daha göstermesini sağlayan birçok özellik var. Yeni yaklaşımlardan biri sözde “davranış temelli” dir. Bu yaklaşım, tamamen bir sistemin davranışının işlevlerini yerine getirmesine katkıda bulunma şekline bağlı olduğunu varsayarak, genel İstihbarat kavramı hakkında geniş bir fikir sağlar. Sinir ağları (Şekil 2), genetik algoritmalar, Bayes ağları, öğrenme vb. Gibi bu yeni AI'da uygulanabilecek yeni teknikler de var.
Şekil 2. Bir sinir ağı ve basit bir nöronun temsili.
Genetik algoritmalar, en çok destek alan ve en çok geleceği vaat eden yeni tekniklerden biridir. Tamamen canlı organizmalarda tespit edilmiş doğal seleksiyon süreçlerine dayandıklarını ve modellediklerini belirtmek ilginçtir. Tıpkı doğada olduğu gibi türler, çevrenin özelliklerine, zamana veya diğer dış faktörlere göre mutasyona uğrar, bu kavramı ele alan sistemler, zamana göre değişen sorunlara yanıtları adapte etme yeteneğine sahiptir. Bu, bu sistemlerin davranışının ortamın özelliklerine ve soruna göre değişmesidir.
Bu tür algoritmalar, geleneksel AI sembolik sistemlere göre büyük bir avantaja sahiptir. İkincisi çok durağandır ve problem koşullarındaki yüce değişikliklere dayanmaya hazır değildir. Genellikle, sembolik sistemler yalnızca bir tür problemi çözmek için geliştirilir. Bu problem herhangi bir durumda değişirse, onu çözmeye çalışmak için değişiklik yapma şansınız yoktur. Bu nedenle genetik algoritmalarla çalışan sistemlerin bu alanda daha ileri bir geleceği vardır.
Artık Yapay Zekanın beklentileri, maliyetleri düşüren, kaynakları dağıtan, dolandırıcılığı tespit eden, çevrimiçi yardım, bilgiyi yakalayan vb. Araçların geliştirilmesinde bir yatırım seçeneği olarak görülmesi gerçeğine dayanıyor.
Ancak yapay zeka, farklı üretim süreçlerine (gıda üretiminden silah yapımına kadar değişebilen) uygulanabilmesinin yanı sıra, ekonomi, finans veya şirketlerde karar alma gibi farklı fırsat alanlarına da uygulanabilir. şirketler.
Nerede, ne zaman ve nasıl
Yapay Zekaya enjekte edilen tüm bu yeni potansiyelle ve kökenlerine dayanarak, onu kullanarak rekabet edebileceği geniş fırsat yelpazesini hayal etmek kolaydır. Örnek olarak şunu söyleyebilirsin:
Nerede?
Küçük ve orta ölçekli şirketlerin yönetim alanlarında.
Ne zaman?
Şirketin büyüklüğü, karar vermede üst düzey ve yüksek bilgiye sahip kişilere sahip olmayı engellediğinde. Bazen şu şekilde oluşturulan bir kısır döngü oluşur: Doğru kararlar alınmadığı için şirketin büyümesi olmaz. Şirketin büyümesi için karar verme kapasitesine sahip bir kişiyi işe alamazsınız çünkü büyüme olmadığı için işe alınamazlar.
Nasıl?
Mevcut yöneticilere ve yöneticilere, farklı fırsatların risklerini ve avantajlarını analiz ederek ve büyüme için uygun bir alternatif sunarak doğru kararlar almalarına yardımcı olacak olanağa sahip bir uzman sistemi uygulamak veya devretmek.
Başka bir örnek şunlar olabilir:
Nerede?
Bankalar, döviz büroları, kredi kartı şirketleri.
Ne zaman?
Dolandırıcılıkla mücadele sistemlerini iyileştirmek istediğinizde.
Nasıl?
Kredi kullanım modellerini incelemek ve potansiyel olarak hileli işlemleri tespit etmek için sinir ağlarını kullanma. Widrow, Rumelhart ve Lehr'e (1994) göre, kredi kartı sahtekarlığı tüm sektörü etkileyen büyüyen bir sorundur.
Son olarak, şu örneğe sahip olabilirsiniz:
Nerede?
Finans kuruluşları ve aracı kurumlar
Ne zaman?
Daha yüksek bir getiri elde etmek istediğinizde, işlemler ve yatırım yaparken daha düşük bir risk derecesi vardır.
Nasıl?
Finansal tahminler yapabilmek için öğrenen ve eğiten, genetik algoritmalardan öğrenen sinir ağlarını kullanan uzman sistemler kullanılabilir. Şu anda sunulan hız ve işlem gücüne ek olarak, bu aynı anda farklı özelliklere sahip birçok şirket için yapılabilir. Bu, şu anda Merrill Lynch & Co., Solomon Brothers, vb. Gibi bazı finans şirketleri tarafından deneniyor. (Söğüt, 1994)
Bu örneklere ek olarak, yapay zeka uygulaması için ilgi kaynağı olabilecek aşağıdaki öneriler de düşünülebilir (Garcia 2002):
- İnsanları eğitmek için sanal öğrenmenin kullanılması Güncelleme problemlerinin çözümü Bilgi ve bilgi koruma faaliyetleri. Duygusal bilgi işlemin geliştirilmesi ve daha iyi arayüzler oluşturmak için kullanılması. Hastalıklardan kurtulmaya destek olarak (biyotıp). Farklı yeteneklere sahip kişiler için cihazların ve ekipmanların kullanılmasına yardımcı olun.
Sonuç:
Bilgi toplama sürecinde teknoloji ve özellikle yapay zeka kullanımının iş dünyasında yarattığı ilgi ve beklenti dile getirildi. Hala tanımlanması, kavramsallaştırılması ve başarılması gereken birçok şey var. Ancak bilgi teknolojilerini doğal ve daha dostane bir şekilde benimsemek için iş koşullarının büyük ölçüde değiştiği de doğrudur. Görünüşe göre, artık gizli bir tehdit olarak görülmüyorlar, ancak bir organizasyonun her bir üyesinin performansını ve performansını artırmak için araçlar olarak kabul ediliyorlar.
Bizi ilgilendiren konuya dönersek, karar verme için yapay zeka kullanan modellerin giderek daha fazla kullanıldığını ve değerlendiğini görmek sevindirici. Bu davranışı görünce kendimize şu soruyu sormamız kolaydır: Gelecekte neler olacak, bu tür araçlar kısa, orta ve uzun vadede nasıl geliştirilecek? Yanıtı bir kez daha düşünmek bile bize şaşırtıcı miktarda fırsat alanlarının çekilmeyi beklediği çok geniş bir resim sunuyor.
kaynakça
Biasca, Rodolfo “Performans Yönetimi, onu oluşturmanın 10 adımı
Burghart, JH (Ekim 1998) "Yapay zeka ve uzman sistemlerde bir dersin tasarımı" IEE dijital Kitaplığı. Eğitimde Sınırların Bildirileri Konferansı. (9 Mayıs 2005 tarihinde danışılmıştır).
Chan, Nicholas. "Basit Akıllı Tüccarlarla Varlık Piyasalarında Bilgi Yayma ve Birleştirme", MIT, Eylül 1998, Massachusetts Teknoloji Enstitüsü
Dean, Thomas (Aralık 1996) "Yapay Zeka Üzerine Stratejik Yönergeler" ACM Hesaplama Araştırmaları, ACM Dijital Kitaplığı. (12 Mayıs 2005'te danışılmıştır).
Garcia Vega, Angelica "İş dünyasında yapay zeka". Şubat 2002, Veracruz Üniversitesi
Hightower, James K. (1985) "Yapay zeka üzerine eğitim". ACM Dijital Kütüphanesi
. 17. kış simülasyonu konferansının bildirileri. (12 Mayıs 2005'te danışılmıştır)
Kingsbery, James. "Ekonomi ve Yapay Zeka" Ekonomi ve Yapay Zeka, Nisan 2005, AI deposu
Kumar, Vinay. "Biçimlenebilir model parametrelerinin tahminine öğrenme tabanlı yaklaşım", MIT, Eylül 2000, Massachusetts Institute of Technology
Lane, Kenneth M. (Mart 1995) “Fikirden uygulamaya sinir ağları”. ACM Dijital. (12 Mayıs 2005'te danışılmıştır).
Markland, Robert. (Aralık 1990). "Yapay Zeka, Sezgisel Çerçeveler ve Tabu Arayışı" Yönetim ve karar ekonomisi. Proquest, (Erişim Tarihi: 10 Mayıs 2005).
Minsky, Marvin. "Doğrusal Karar ve Öğrenme Modelleri", MIT, Mart 1968, Massachusetts Teknoloji Enstitüsü
Punt, Michael (Kasım 2002) "Geç kapitalizme bir taksi yolculuğu: Hiperkapitalizm, Hayal Gücü ve sanatsal zeka" ACM Dijital Kütüphanesi. (12 Mayıs 2005'te danışılmıştır).
Reese Hedberg, Sara (Ağustos 1996) "İş Süreci Modellemesi için AI Toold". Yönetici İçeride. IEEE dijital Kitaplığı, (08 Mayıs 2004 tarihinde başvurulmuştur)
Roque Moranchel, Silvia "İş zekası". Mart 2001
Sviokla, Jhon (Ekim 1986) "Bilgi tabanlı sistemlerin İş Etkileri" ACM Dijital Kitaplığı. (09 Mayıs 2005 tarihinde danışılmıştır).
Tafti, Mohammed (1990) "Uzman Sistemlerinde Eğilimler ve Yön". ACM Dijital Kitaplığı. Uzman sistemlerindeki Eğilimler ve yönlendirmeler üzerine 1990 ACM SIGBDP konferansının bildirileri. (12 Mayıs 2005'te danışılmıştır).
Wellman, Michael P. (Aralık 1996) "Yapay zekaya ekonomik yaklaşım" ACM Computing Surveys. ACM Dijital Kitaplığı. (Erişim tarihi 12 Mayıs 2005).
Widrow, Bernard & Rumelhart, David E. & Lehr Michael A. (Mart 1994) "Sinir Ağları: endüstri, işletme ve bilimdeki uygulamalar." ACM Dijital Kitaplığı. (12 Mayıs 2005'te danışılmıştır).
Wong, Kit Po (Aralık 1993), "Güç sistemlerinde yapay zeka ve sinir ağı uygulamaları", IEEE digital Library, (Erişim tarihi: 08 Mayıs 2004)
Wu, Xindong (Eylül 2004). "Veri madenciliği: veri analizinde yapay zeka". IEEE dijital Kitaplığı. Uluslararası Akıllı Ajan Teknolojisi Konferansı 2004 Bildirileri (8 Mayıs 2004'te erişildi)
