یادداشت تخصصی دکتر هیدار ربی ، استاد دانشگاه تهران ، مشاور در زمینه استراتژی های مالی ، اقتصادی و سرمایه گذاری ما مرور می کنیم – در پاسخ به طراحی و برنامه ریزی یکپارچه برای هوش مصنوعی.
در حال حاضر ، هوش مصنوعی ، هم در سطح اقتصاد کلان (هوش تجاری بین المللی) و چه در سطح اقتصاد جزئی (هوش مصنوعی دیجیتال) ، در همه زمینه ها بسیار بزرگتر از تخمین ، گسترش ، توسعه و نفوذ است. در صورت نیاز به تعیین هوش مصنوعی ، می توان گفت روند مدیریت جریان داده های مختلف از نقطه منبع تا بهره برداری از داده ها زیرا اطلاعات صحیح با هدف کاهش هزینه تصمیم گیری ، خطرات و هزینه آنها انجام می شود.
همکاری ، هماهنگی و صداقت سه موضوع برجسته در مدیریت هوش مصنوعی است. به عبارت دیگر ، عدم وجود هر یک از این سه عامل ، سیستم و معنی هوش مصنوعی را ادغام می کند. هنر هوش مصنوعی در واقع در ایجاد همکاری ، ارائه هماهنگی و یکپارچگی بین مؤلفه های مختلف سیستم هوش مصنوعی است. بخش های مختلف سازمانی ، تولید نرم افزار تخصصی ، برنامه های پشتیبانی ، رویه های عملیاتی ، مدیریت ، مکانیسم های اجرایی و …
یک چالش مهم
در حال حاضر ، یکی از اصلی ترین چالش های کشور ما ، مدیریت هوش مصنوعی است. فقدان یکپارچگی و هماهنگی در انتظارات نیازها ، تأمین نیازهای کشور ، از بین بردن نگرانی ها و ارائه متخصصان ، تهیه داده های مناسب و ذخیره داده ها ، ارائه داده های ایمن و مستقل ، متحد کردن مشکلات چند رشته ای و همه مواردی که داده ها در اطراف چرخش حول موتور خود درگیر آن است. بسته به هزینه ها ، تضاد و یکپارچگی منجر به افزایش هزینه ها ، عدم بهره برداری از زمان داده ها و برنامه ها ، افزایش قیمت تصمیم گیری و در پایان نیاز به افزایش نارضایتی و کاهش نیاز به داده ها و خروجی های مورد نیاز آنها می شود. بشر
ایجاد یکپارچه سازی در سیستم هوش مصنوعی هدفمند از طریق کنترل یکپارچه و مدیریت سه عامل اصلی زیر امکان پذیر است.
مدیریت داده های خام
مدیریت جریان اطلاعات
مدیریت جریان مالی
برای ایجاد یک استراتژی برای سیستم هوش مصنوعی ، باید چهار موضوع اصلی را تعریف کرد و برای بهبود آن برنامه ریزی کرد:
نیازها: قرارداد برنامه ، قرارداد پیشنهاد ، قوانین ورود ، قوانین خروجی ، مراکز توزیع ، انبارهای داده و مراکز نظارت بر هوش مصنوعی شامل می شود.
مسیرها: این موارد شامل فیبر ، هوا از طریق اپراتورها ، مسیرهای ماهواره ای و غیره است.
برنامه های پشتیبانی و پشتیبانی: این شامل انواع تجهیزات مورد نیاز برای ارائه اطلاعات مختلف تولیدی است.
داده ها: انواع داده های اولیه و اطلاعات پردازش شده به شبکه اطلاعات مصنوعی منتقل می شوند.
سیستم هوش مصنوعی هدف باید بر اساس چهار ستون ذکر شده در بالا ، مانند کلیه طرح های استاندارد ، در دو بعد استراتژیک و عملیاتی برنامه ریزی شود.
طراحی یک سیستم هوش مصنوعی استراتژیک برای چالش هایی از قبیل ارزیابی نیاز ، تقاضا ، عرضه ، قوانین ورودی ، قوانین خروجی ، مراکز عملیاتی ، انبارهای داده ، نظارت بر هوش مصنوعی ، این نشان می دهد که با یکدیگر تماس می گیرد و ظرفیت نیازها و مسیرها را ارزیابی می کند.
مهندسی هوش مصنوعی
از نظر برنامه ریزی سیستم هوش مصنوعی هدفمند در بعد عملیاتی ، موضوعاتی مانند انتقال حمل و نقل ، مسیر حمل و نقل ، انتخاب متخصصان ، مکان های نگهداری و ذخیره سازی به طور جداگانه از نیازهای هر مشتری و همچنین زمان ملاقات آنها مورد بحث قرار می گیرد. نیازها این “مهندسی هوش مصنوعی” پس از طراحی و برنامه ریزی در سیستم آرام هوش مصنوعی نامیده می شود.
مهندسی هوش مصنوعی کمترین سطح برنامه ریزی در سیستم هوش مصنوعی است این شامل مجموعه ای از دستورات و سفارشات اجرایی خاص ، مشخص و قابل درک است که به متخصصان ، مقامات و مدیران سیستم اطلاعات مصنوعی ارائه می شود تا به طور مداوم به اهداف خود برسند و کنترل کنند.
تصمیم در این مرحله تا حد امکان از خواب بیدار می شود و مقامات و کارشناسان بر اساس نیازهای کشور تصمیم می گیرند. هدف تصمیم گیری در این مرحله ، برآورده کردن موقعیت و نیازها به بهترین وجه ممکن است. در این مرحله ، روش حمل و نقل ، مسیر انتقال ، تأمین متخصصان ، ایجاد نگهداری و ذخیره سازی ، علاوه بر زمان برآورده کردن آنها ، توسط نیازهای هر یک از کشور تعیین می شود.
چون حضور یک سیستم مطلوب برای مهندسی هوش مصنوعی کلید موفقیت و مقاله برنده برای کشور استبه همین دلیل ، متخصصان و مسئولان سیستم هوش مصنوعی در صورت داشتن یک سیستم مهندسی متخصص و مؤثر مهندسی هوش مصنوعی می توانند یک مزیت رقابتی ارزشمند در بازار جهانی اطلاعات مصنوعی ایجاد کنند.
یکپارچگی بین سطوح
نکته مهم در طراحی و برنامه ریزی سیستم هوش مصنوعی هدفمند حفظ ادغام بین سطوح مختلف برنامه ریزی است. به عبارت دیگر ، برنامه ریزی استراتژیک و برنامه ریزی عملیاتی در هر پروژه برای هر پروژه مؤثر و اجرا ضروری و ضروری است. این بدان معنی است که تیم طراحی استراتژیک برای انجام برنامه استراتژیک برای به دست آوردن داده های واقعی از واحد برنامه ریزی عملیاتی ، به یک عمل دقیق تر نیاز دارد. واحد برنامه ریزی عملیاتی همیشه باید چارچوب برنامه استراتژیک را به عنوان ورودی های آن در نظر بگیرد.
به عنوان خلاصه ای از بحث فوق ، می توان خلاصه کرد که این دو بعد از طراحی و برنامه ریزی کاملاً مکمل یکدیگر هستند و با وجود تفاوت های عینی ، از جمله طراحی استراتژیک که اغلب به پیش بینی و قدردانی بستگی دارد ، اما برنامه ریزی عملیاتی کاملاً بر روی داده ها و نیازهای واقعی است، هموار طراحی و ویرایش شده است.

