سپهر سخنور – این روزها «هوش مصنوعی» موضوع ترند و پُربازدید اینترنت شده و ما هم سعی کردیم به تبعیت از داغ‌بودن و جذابیت آن، اولین شماره سال 1402 را به تلاقی این موضوع و نظافت صنعتی بپردازیم و بررسی کنیم که آیا «هوش مصنوعی» می‌تواند مثل ادعایش در اثرگذاری در جنبه‌های مخلتف زندگی بشر در موضوع پُراهیمت نظافت صنعتی هم تأثیر بگذارد یا خیر.

در این نوشته سعی می‌کنم این موضوع مهم را آن‌طوری که خودم درک کرده‌ام برای شما بیان کنم تا تصویر روشن‌تری از اتفاقات اخیر هوش مصنوعی و ارتباط آن با نظافت صنعتی داشته باشیم.

«هوش مصنوعی» از نوامبر ۲۰۲۲ یک‌باره با ضریب چندین برابری سر زبان‌ها افتاد و خیلی از افرادی که تا پیش‌تر از این شناختی از آن نداشتند، در معرضش قرار گرفتند. قبل از این‌که بخواهم راجع به نوامبر ۲۰۲۲ صحبت کنم، بهتر است بدانیم که به صورت عملی، هوش مصنوعی از ۶۶ سال پیش وارد شاخه‌های آکادمیک شد و با سرعت بسیار زیادی در حوزه‌های علمی- تخیلی، فیلم و کتاب‌های کمیک به آن پرداخته شد.

خیلی کوتاه یک موضوع به نظر بدیهی را با هم بررسی کنیم. اصلا «هوش» چیست؟

«هوش» یک ویژگی و توانایی ذهنی است که از قابلیت‌ها و توانایی‌های آن می‌توان به حل مسئله، استدلال، تفکر انتزاعی، برنامه‌ریزی و… اشاره کرد

«هوش» به صورت طبیعی در جانوران مختلف با میزان‌های متفاوت وجود دارد، اما وقتی وارد مصنوعاتی چون ماشین‌ها (کامپیوترها) بشود، به آن «هوش مصنوعی» می‌گویند.

این توضیحات را با یک مثال می‌توان بهتر فهمید؛ فرض کنید می‌خواهید یک کتری آب را بلند کنید، وقتی زیر کتری شعله می‌بینید یا روی آن بخار آب و یا صدای قُل قُل می‌شنوید و… متوجه داغ‌بودن کتری می‌شوید، بدون این‌که با وسیله خاصی یا حتی لمس‌کردن بخواهید دمای آن را چک کنید. این عمل وقتی توسط یک جاندار (انسان یا حیوان) صورت گیرد، می‌شود «هوش طبیعی». اما اگر همین کار توسط یک ماشین و فقط بر مبنای استدلال رخ دهد، می‌شود «هوش مصنوعی».

ایجاد «هوش» در ماشین، احتیاج به یادگیری دارد، یعنی باید به کامپیوتر نوع استدلال را آموزش دهیم که مثلاً در همان موضوع کتری داغ، ما با چه نوع استدلال‌هایی متوجه داغ‌بودن کتری شدیم. به این آموزش، اصطلاحاً machine learning گفته می‌شود. طی تمام سال‌های بعد از 1956 که «هوش مصنوعی» شکل گرفت تا به امروز، متخصصانی با اهدافی خاص درحال آموزش‌دادن به ماشین‌ها به روش‌های مختلف هستند.

chatGPT و بهره‌گیری از ماشینی که باهوش‌تر است

اما برگردیم به نوامبر 2022 که «هوش مصنوعی» یک‌باره با ضریب بیشتری همه‌گیر شد. حدود 4ماه پیش جدیدترین نسخه یک چت‌بات (اپلیکشین گفت‌وگوکننده اتوماتیک) تحت عنوان chatgpt که با استفاده از بستر شرکت openAi توسعه پیدا کرده بود، رونمایی شد. ضریب تسلط بالای این چت‌بات بر اطلاعات مختلف و توانایی استفاده بهینه یادگیری‌های گذشته باعث شده بود که در گفت‌وگو با آن تقریباً مثل گفت‌وگو با یک انسان متخصص، در حوزه‌های مختلف جواب سؤالاتمان را از آن بگیریم.

درست است که chatgpt یک چت‌بات است اما فقط کارکرد چت نداشت، chatgpt این‌بار با دانش و هوش خود به سرعت شروع به نوشتن مقاله‌های مختلف کرد و عملاً این‌بار به غیر از جواب‌دادن سوالات تخصصی، توانایی خودش را در نویسندگی به رخ کشید، طوری که همان روزهای ابتدایی عرضه‎اش، نشریات بزرگی مثل نیویورک‌تایمز، نیویورکر، واشینگتون‌پست و بسیاری از بزرگ‌ترین نشریات با همان سطح کیفی گذشته، با سفارش موضوع به «هوش مصنوعی»، مقاله‌های خودشان را نوشته و منتشر کردند.

اما کار همین‌جا و در chatgpt متوقف نشد. خیلی از شرکت‌های فعال در حوزه هوش مصنوعی طی قریب به 100 روز گذشته آخرین نسخه‌های اپلیکیشن‌های خودشان را عرضه کردند. یکی با نوشتن یک خط جمله و درخواست از سیستم با کمک «هوش مصنوعی» آهنگ تولید کرد، دیگری از «هوش مصنوعی» خواست که برایش ویدئو یا انیمیشن بسازد یا هر نوع چیز دیگری که تا قبل از این باید برای تهیه‌اش زمان زیادی صرف می‌شد.

اما اَشکال مختلف نظافت و نظافت مکانیزه هم آیا می‌تواند از «هوش مصنوعی» استفاده کند؟ یقیناً جواب این سؤال مثبت است. همان‌طور که گفته شد ما باید به ماشین‌ها آموزش بدهیم و نوع استدلال خودمان را به ماشین یاد بدهیم و از آن بخواهیم شبیه به این الگو فکر کرده و مسئله را حل کند. ما باید به کامپیوتر بگوییم مثلاً در محیط یک سوله، نظافت یعنی چی؟ چه زمان‌هایی نظافت می‌کنیم؟ چه چیزی باعث می‌شود عملکرد ما در نظافت بهتر شود؟ چه چیزهایی در این حوزه باعث صرفه‌جویی در منابع، نیروی انسانی، هزینه و… می‌شود. وقتی ما نوع منطق و استدلال خودمان را به ماشین آموزش دهیم، ماشین می‌تواند با توانایی حل مسئله خودش به نحو احسن کار را جلو ببرد.

برای نوشتن این مقاله دوست داشتم خود ماشین را هم دعوت کنم تا با من در تهیه این محتوا مشارکت کند که خروجی گفت‌وگوی من با chatGPT شد این:

آیا می‌شود به این فکر کرد که به‌زودی تأثیر و نقش «هوش مصنوعی» را در نظافت مکانیزه هم دید؟

بله، می‌توان به این نتیجه رسید که هوش مصنوعی در آینده برای نظافت مکانیزه نیز تأثیرگذار خواهد بود. درحال حاضر، بسیاری از شرکت‌هایی که در صنعت تولید روبات‌های نظافتی فعالیت می‌کنند، از تکنولوژی‌هایی همچون تصویربرداری دیجیتال و یادگیری عمیق برای بهبود کارایی و دقت این روبات‌ها استفاده می‌کنند.

برای مثال: برخی از روبات‌های نظافتی محصول شرکت‌هایی مانند iRobot یا Neato با استفاده از هوش مصنوعی می‌توانند بهبوددهندۀ نظافت مکان‌های داخلی خانه، محیط‌های کاری و یا حتی نماهای بیرونی و مرتفع ساختمان‌ها باشند.

در کل، استفاده از هوش مصنوعی در پیشرفت تکنولوژی روبات‌های نظافتی خواهد بود و این تکنولوژی‌ها باعث بهبود کارایی و دقت روبات‌های نظافتی شده و می‌تواند سبب صرفه‌جویی در منابع انسانی و مالی شود.

چطور می‌توان هنگام نیاز به نظافت، شیوه استدلال خود را به ماشین آموزش داد؟

برای آموزش ماشین می‌توانید از رویکرد «یادگیری تقویتی» استفاده کنید. در این رویکرد، ماشین با استفاده از یک الگوریتم، روش‌های صحیح و نادرست را در طول زمان یاد خواهد گرفت.

به عنوان یک نمونه؛ می‌توانید یک سیمولاتور برای نظافت ایجاد کنید که ماشین می‌تواند در آن به صورت تصادفی در محیط مشخصی حرکت کند. هر زمان که ماشین، محلی که نیازمند نظافت است را پیدا می‌کند؛ با درنظر گرفتن شرایط محیطی، باید تصمیم بگیرد که اقدام به نظافت آن محل کند یا نه. سپس با پاداش‌دادن به ماشین در صورتی که تصمیم درستی گرفته شود و تشویق آن برای تکرار نمونه‌ای از تصمیمات صحیح، می‌توان آن را آموزش داد.

همچنین، به کمک روش‌های مبتنی بر شبکه‌های عصبی می‌توانید ماشین را به دست کردن ویژگی‌های خاص محیط و اقدامات پاسخ‌دهنده به آن‌ها آموزش دهید. به این ترتیب، ماشین قادر خواهد بود تا از تجربه‌های آموخته شده‌اش در زمینۀ نظافت برای انتخاب تصمیمات صحیح استفاده کند. به طور خلاصه، یک روش مؤثر برای آموزش ماشین به شیوۀ استدلال‌‌کردن برای نظافت، استفاده از «یادگیری تقویتی» و «شبکه‌های عصبی» است.

چطور بتوانیم به نحوۀ صحیح، داده‌هایی را جمع‌آوری کنیم که بفهمیم در یک مرکز خرید چه مدل تجهیزات نظافتی، بهره‌وری بهتری دارند؟

روش‌های مختلفی برای جمع‌آوری داده‌ها وجود دارد:

– استفاده از سیستم پیشرفته دوربین‌های نظارتی: با نصب دوربین‌های نظارتی در نقاط مختلف مراکز خرید، می‌توان با دقت بالایی اطلاعاتی در مورد استفاده از تجهیزات نظافتی و جمع‌آوری اطلاعات مربوط به تعداد و نوع تجهیزات مورد استفاده در نظافت مراکز خرید به دست آورد.

– برگزاری نظرسنجی: با انجام نظرسنجی از کارکنان مراکز خرید در مورد تجهیزات مورد استفاده، می‌توان به شیوۀ کیفی اطلاعات جامعی از عملکرد و بهره‌وری تجهیزات را در دست داشت.

– استفاده از روش‌های خودکار شناسایی محصول با استفاده از برچسب‌های RFID: با استفاده از فناوری برچسب قوی و با توانایی خوانش ضعیف RFID، می‌توان اطلاعات جامعی در مورد تعداد و نوع تجهیزات نظافتی و موجودی در مراکز خرید را به دست آورد و با تحلیل داده‌ها به صورت فرکانس، استفاده از تجهیزات در مراکز خرید را مورد بررسی قرار داد.

– اجرای نظام بازخورد: با اجرای نظام بازخورد برای کاربران مراکز خرید در مورد تجهیزات نظافتی مورد استفاده، می‌توان از نظرات آن‌ها برای تحلیل و جمع‌آوری داده‌های بیشتری بهره گرفت. در واقع اطلاعاتی که در این نظام جمع‌آوری می‌شود، باعث بهبود بهره‌وری تجهیزات مراکز خرید خواهد شد.

با استفاده از روش‌های فوق و تحلیل داده‌های به دست آمده، می‌توانید به بهترین شیوۀ استفاده از تجهیزات نظافتی در مراکز خرید دست یابید

عکس های طراحی شده با «هوش مصنوعی».