گوگل و آمازون فهمیده‌اند که همه برای هوش مصنوعی آماده نیستند (گزارشی از گردهمایی AWS re:Invent cloud نوامبر ۲۰۱۷)
معمولاً مدیران اجراییِ غول‌های بلندگامِ فناوری، مانند آمازون و گوگل، به پیش‌کسوت خود، IBM، به دیدۀ تحقیر می‌نگرند. IBM، این غولِ واقع در آرمونکِ نیویورک، که اکنون با فراموش شدن فاصله‌ای ندارد، روزگاری جایگاهش را در اختراع و فروشِ فناوری‌های پیشگام و نوین تثبیت کرده بود؛ اما اکنون به‌شدت به مشاوره نیاز دارد. شاید به‌کارگماردنِ موقتِ افراد برای کمک به شرکت‌های دیگری که پروژه‌های فناوری دارند، در مقایسه با فروشِ توانِ رایانشی از یک سِروری اَبری، از راه دور، و محول کردن بخش دشوار و خسته‌کننده به خود مشتری، چندان کسب‌وکار پُرسامان و مقایس‌پذیری نباشد.
بااین‌حال اکنون که آمازون و گوگل می‌خواهند با خوراندنِ هوش مصنوعی به جهان، ثروت بیشتری کسب کنند، شروع به عملیات مشاوره‌ای کرده‌اند و برخی از استعدادهای هوش مصنوعی خود را به مشتریان قرض می‌دهند. بی دلیل نیست؛ چرا که کسب‌وکارهای دیگر برای منتفع شدن از تکنیک‌هایی چون «آموزش ماشین» تخصص کافی ندارند.
شرکت‌های بسیاری برای اموری چون ذخیرۀ داده‌ها و توانمندسازیِ وبگاه‌ها و برنامه‌های کاربردی ِتلفن‌همراه از پلتفرم‌های ابری استفاده می‌کنند. آمازون، این رهبر پیشاهنگِ بازار، و رقیبانش اکنون در تلاش‌اند که مشتریان را به خرید خدمات هوش مصنوعی ترغیب کنند؛ تا از انبوه داده‌هایی که انباشته‌اند بینشی بیابند و الهام بگیرند. اما کارشناسان هوش مصنوعی جداً کم‌تعدادند؛ زیرا شرکت‌های بزرگ فناوری برای استخدام این استعدادها به‌شدت در رقابت‌اند.
آمازون در گردهماییِ AWS re:Invent cloud، هفتۀ پیش در لاس‌وگاس، برای اموری مانند شناخت صوت و مدل‌های آموزش ماشین، چند خدمات جدید عرضه کرد. یک مدیر اجرایی از لیگ ملی فوتبال آمریکا (NFL) روزچهارشنبه (۲۹ نوامبر ۲۰۱۷) بر صحنه آمد تا با افتخار اعلان کند که لیگْ در تعیین مسافتِ دویدن بازیکنان و میزان سرعت شتاب آن‌ها، ابزارِ آمازون برای آموزشِ ماشین را به‌کار می‌گیرد.
اما NFL خودش نمی‌توانست چنین دستاوردی داشته باشد. بلکه از کارشناسانِ ترازِ اولِ آموزش ماشین آمازون، در یک عملیات مشاوره‌ای جدید، با نام آزمایشگاهِ راهکارهای آموزش ماشین یا ML Solutions Lab، دست یاری گرفت. کارکنان این آزمایشگاه داده‌ها و سیستم‌های شرکت را بررسی می‌کنند، با طوفان فکری ایده‌هایی را برای آموزش آن‌ها در به‌کارگیری AI تولید می‌کنند، و به پیاده‌سازی نقشه‌ها کمک می‌کنند.
AWS اولین‌بار سالِ پیش، اولین قدم خود را به‌سوی خدمات AI برداشت. سوامی سیواسوبرامانیان [۱]، که ابتکارات AI را در AWS هدایت می‌کند، می‌گوید که کارگاه مشاوره در پاسخ به تقاضاهای کمک مشتری‌ها برای ساخت سیستم‌های هوش مصنوعی راه‌اندازی شده است. او می‌گوید: «دائماً می‌شنیدیم که می‌خواهند از دانشمندانی که قابلیت‌های آمازون‌دات‌کام را ساخته‌اند آموزش بگیرند.» شرکت‌ها به متخصصان آمازون پول می‌پردازند اما سیواسوبرامانیان از ابراز جزئیات دربارۀ منو یا قیمت‌های پیشنهادی‌شان امتناع کرد؛ او گفت که قیمت برحسب پروژه متفاوت است.
گوگل نیز کارگاه مشاورۀ هوش مصنوعی خودش را سال پیش راه‌اندازی کرد. کارگاهِ راهکارهای پیشرفتۀ آموزش ماشین، همان‌طور که از اسمش پیداست، به مشتری‌هایی مانند شرکت بیمۀ USAA کمک می‌کند که در ساختمان مخصوص این کار در محوطۀ شرکت، در مانتِین ویووِ کالیفرنیا، بر پروژه‌های مهندسان هوش مصنوعی گوگل کار کنند. همچنین یک برنامۀ آموزشی چهارهفته‌ای ارائه می‌دهد که به مهندسانِ مشتری‌ها کمک کند که توانایی‌های هوش مصنوعی خود را تقویت کنند.
اینکه چنین کارکنانِ باارزش و سرمایه‌آوری اکنون به کار برای دیگران گماشته می‌شوند، نشان می‌دهد که فروختن هوش مصنوعی پیچیده‌تر از آن است که از مضمون سخنان مدیران اجرایی برمی‌آید. راب کوپلویتز [۲]، که تحقیقات هوش مصنوعی ابری را برای فورستر پیگیری می‌کند، می‌گوید: «انگیزۀ اصلی این است که مردم نمی‌دانند چطور این کارها را انجام بدهند… در مراحل اولیه نیاز به مساعدت دارند.»
شاید مرحلۀ مساعدت تا مدتی ادامه بیابد. سیواسوبرامانیان، رهبر ابتکارات هوش مصنوعی آمازون، معتقد است که چند سالی طول می‌کشد که تخصص آموزش ماشین به‌گستردگیِ دانش سیستم‌های توزیع‌شده به‌اشتراک گذاشته شود، دانش سیستم‌های توزیع‌شده درخصوص روش استفاده از رایانه‌های شبکه‌شده برای حل مشکلاتی است که در قلب یارانش ابری قرار دارند.
ساندار پیچای، مدیرعامل اجرایی گوگل، این پاییز اعلام کرد که فقط «چند هزار» نفر قادر به ساخت مدل‌های خبرۀ آموزش ماشین هستند. او تیمی دارد که سعی دارند نرم‌افزارهای آموزش ماشینی بسازند که نرم‌افزار آموزش ماشین تولید کنند؛ اما تاکنون فقط یک پروژۀ تحقیقاتی بوده است.
کمبود تخصص، موجب رنجشِ بازار همیشه‌پویای ابر است؛ بازاری که عمدۀ رقابت آمازون و گوگل و دیگران در آن، برای ویژگی‌های فنی و قیمت است. دیئِگو اوپنهایمر[۳]، که شرکت نوپایش (استارتاپش) را گوگل پشتیبانی می‌کند و کسب‌وکارش عرضۀ ابزار برای کمک به شرکت‌ها در استقرارهای نرم‌افزاری آموزش ماشین است، می‌گوید: «اگر یک شرکتِ ساخت‌وسازِ ناشناس در ایالات غرب میانه باشید، شاید پول داشته باشید، اما جذبِ کسی با دکترای استنفورد و حقوق ۲۵۰۰۰۰ دلار در سال دشوار است.» او معتقد است شرکت‌هایی که وضعیتشان این‌چنین است، بیشتر با پیشنهاد کمک برای هوش مصنوعی تطمیع می‌شوند تا کمک برای اجرا و قیمت‌گذاری.
شرکت‌های ابری، هوش مصنوعی را دسترس‌پذیرتر ساخته‌اند. مثلاً این هفته، آمازون خدمات جدیدی را راه‌اندازی کرده که صحبت‌ها را از صوت یا ویدئو نگارش می‌کند. شرکتی که می‌خواهد جلسات یا مکالمه‌های تلفنی‌اش را ثبت کند، به‌آسانی می‌تواند فایل‌هایش را در سِرورهای آمازون ارسال کند و متنشان را بگیرد. هم گوگل و هم آمازون برای تشخیص اشیای معمولی و صحنه‌های موجود در عکس‌ها خدماتی دارند.
قوی‌ترین موارد استفادۀ هوش مصنوعی، کاربرد همه‌گیر ندارند. نرم‌افزار آموزش ماشین عموماً برای حل یک مشکل معین آموزش می‌بیند. کریس نیکولسون، مدیرعامل و بنیان‌گذار مشترک Skymind، که شرکت فروشندۀ ابزار آموزش ماشین است و به سازمان‌ها ازجمله دپارتمان امنیت ملی یاری رسانده، می‌گوید: «اگر نیاز داشته باشم که بدانم دیگ بخار صنعتی‌ام چقدر زنگ زده، یک تشخیص‌گر کم‌کیفیت و ناامن کمکی نمی‌کند.» نیکولسون می‌گوید آمازون و گوگل با فراهم کردن خدمات مشاوره‌ای «دراصل پاشنۀ آشیل مدل تجاری خود را نشان داده‌اند.»
بهار امسال، در یک گردهمایی، یکی از نائب‌رئیسان مایکروسافت گفت که بسیاری از سیستم‌های ابریِ هوشِ مصنوعی برای شرکت‌ها بسیار پیچیده‌اند؛ ازاین‌رو نمی‌توانند به اندازۀ شرکت‌های بزرگ فناوری از آموزش ماشین بهره بگیرند. مایکروسافت سعی دارد که با دوره‌های آنلاینش، با عنوان مدرسۀ AI، به مشتری‌های خود در خدمات هوش مصنوعی‌اش کمک کند. این بخشی از سفر سرمایه‌گذاری ۱۰۲ میلیون دلاری مایکروسافت به Element AI است؛ کسب‌وکار نوپایی (استارتاپی) که خدمات مشاورۀ هوش مصنوعی ارائه می‌دهد.
آمازون اقدامات هوش مصنوعی خود را در این هفته (هفتۀ اول نوامبر ۲۰۱۷) آغاز کرد. یک دوربین ۲۵۰ دلاری جدید با نام DeepLens طراحی می‌شود که راه آسانی برای آموزش ماشین و خدمات آمازون به کاربران می‌دهد. دانشگاه کارنگی ملون قصد دارد این ابزار را با دانشجویان به‌کارگیرد و انتظار می‌رود دیگر کالج‌ها نیز چنین کنند.
بسیاری از شرکت‌کنندگان گردهمایی آمازون در این هفته یک DeepLens رایگان می‌گیرند. برخی دست‌کاری این وسیله را از چهارشنبه شروع کرده‌اند. سیواسوبرامانیان می‌گوید کسانی که از آموزش ماشین تجربۀ کمی دارند یا بدون تجربه هستند خیلی زود توانستند آشکارسازِ هات‌داگی مشابه آنچه در برنامۀ تلوزیونی «درۀ سیلیکون» بود بسازند؛ یا برنامه‌های کاربردی‌ای بسازند که اشیا و صورت را تشخیص می‌دهند. او می‌گوید: «ما قصد داریم که آموزش ماشین را به یک بخش عادی از برنامه‌نویسی بدل کنیم.» تاآن‌زمان ببینیم که شرکت‌های ابری پیشگام، چگونه IBM را دست می‌اندازند!
منبع: WIRED
[۱] Swami Sivasubramanian
[۲] Rob Koplowitz
[۳] Diego Oppenheimer
