چرا «هوش زنده» موج بزرگ بعدی است (HBR)
این مقاله در مجله کسب و کار هاروارد منتشر شده که منبعی معتبر و ارزشمند در حوزه کسب و کار است.
نویسنده: ایمی وب
ترجمه شده توسط تیم گیت (Git.ir)
چندی پیش روبهروی تیم رهبری اجرایی یک شرکت جهانی خدمات سلامت نشسته بودم و از زبان بدن آنها متوجه شدم چیزی درست نیست. آنها من را برای مشاوره درباره استراتژی هوش مصنوعی دعوت کرده بودند، اما حالت دفاعی داشتند.
مدیر ارشد فناوری اطلاعات، فردی باهوش که مشخص بود تحقیقات کاملی درباره فناوریهای نوظهور انجام داده، شروع کرد به توضیح مفصل درباره مدل زبانی بزرگی که توسعه داده بودند. بدون تردید، دستاورد چشمگیری بود. این مدل فرآیند فوقالعاده پیچیده ورود دادههای آنها را خودکار کرده بود؛ تصور کنید حجم عظیمی از فرمهای دستنویس بیماران در کنار مجموعهای نامنظم از فایلهای دیجیتال. این سیستم همه این دادهها را در قالب یک پرونده منسجم و یکپارچه ساماندهی میکرد.
آنها بیش از یک سال برای توسعه و آزمایش این سیستم زمان صرف کرده بودند و کاملاً طبیعی بود که به آن افتخار کنند. اما وقتی درباره اجرای آن صحبت میکرد، برای من واضح بود که همین حالا هم از رقبا عقب افتادهاند.
به آنها گفتم: «شما یک زیرساخت فوقالعاده ساختهاید، اما این تازه خط شروع است.» فضای جلسه فوراً تغییر کرد. این واکنشی نبود که انتظارش را داشتند. شرکتی که سرمایهگذاری سنگینی روی هوش مصنوعی انجام داده، یک سیستم پیشرفته ساخته و یک اجرای موفق داشته، تصور میکرد کار تمام شده است.
اما واقعیت این بود که تحول آنها تازه آغاز شده است. هوش مصنوعی تنها یکی از اجزای یک تغییر فناورانه بسیار گستردهتر است. شرکتهایی که اهمیت همگرایی سایر فناوریها را درک نکنند، با خطر عقب ماندن مواجه خواهند شد.
عصر «هوش زنده»
در جلسهای که با تیم اجرایی آن شرکت داشتم، تأکید کردم که تمرکز اخیر آنها بر هوش مصنوعی، هرچند دیرهنگام، تصمیم درستی بوده است. اما مدلهای زبانی بزرگ فقط نقطه شروع هستند. با سرعت سرسامآور پیشرفت فناوری، این شرکت باید توانایی جدیدی برای «تحول مستمر» در خود ایجاد کند.
دلیل این موضوع آن است که هوش مصنوعی تنها یکی از سه فناوری بنیادینی است که در حال تغییر چشمانداز کسبوکار هستند. دو فناوری دیگر، یعنی حسگرهای پیشرفته و زیستفناوری، کمتر به چشم میآیند اما به همان اندازه مهماند و در سکوت در حال پیشرفت بودهاند. بهزودی، همگرایی این سه فناوری واقعیتی جدید خلق خواهد کرد که تصمیمهای آینده رهبران در تمام صنایع را شکل میدهد.
من این واقعیت جدید را «هوش زنده» مینامم؛ سیستمهایی که میتوانند حس کنند، یاد بگیرند، سازگار شوند و تکامل پیدا کنند. این سیستمها از ترکیب هوش مصنوعی، حسگرهای پیشرفته و زیستفناوری شکل میگیرند. هوش زنده یک چرخه نوآوری نمایی ایجاد میکند، صنایع را دگرگون میسازد و بازارهای کاملاً جدیدی به وجود میآورد. رهبرانی که فقط روی هوش مصنوعی تمرکز کنند و به تعامل آن با این دو فناوری دیگر توجه نداشته باشند، موج بعدی تحول را از دست خواهند داد.
موتور همهچیز به داده شما نیاز دارد
اگر هوش مصنوعی را «موتور همهچیز» در نظر بگیریم، این موتور به سوختی به نام داده نیاز دارد. بخش بزرگی از این دادهها از طریق حسگرهای پیشرفته و شبکهای از دستگاههای متصل تأمین میشود که با یکدیگر ارتباط دارند و دادهها را تبادل میکنند. به همین دلیل است که حسگرها به فناوری عمومی بعدی تبدیل شدهاند، هرچند بسیاری از مدیران هنوز این موضوع را جدی نگرفتهاند.
بسیاری از افراد متوجه نیستند که حسگرها همین حالا هم در همهجا حضور دارند. ما اغلب بدون توجه از فناوری استفاده میکنیم، اما اگر دقت کنیم، حضور آنها کاملاً مشهود است. برای مثال، یک گوشی iPhone دارای انواع مختلفی از حسگرهاست؛ از حسگرهای تشخیص نزدیکی گرفته تا حسگرهای تشخیص چهره. این حسگرها بهطور مداوم دادههای ما را جمعآوری و پردازش میکنند.
در صنعت آب، شرکت Xylem نوعی کنتور هوشمند طراحی کرده که با استفاده از حسگرهای پیشرفته و هوش مصنوعی، توزیع آب را در مناطق پرجمعیت مدیریت میکند. این کنتورها جریان آب را بهصورت لحظهای اندازهگیری کرده و الگوهای مصرف را تحلیل میکنند و حتی میتوانند ناهنجاریهایی مانند نشتی را تشخیص دهند.
از سوی دیگر، نسل جدیدی از حسگرهای زیستی نیز در حال توسعه است که میتوان آنها را پوشید یا حتی در بدن قرار داد. این حسگرها دادهها را بهصورت لحظهای ارسال و دریافت میکنند تا به تشخیص بیماری، پایش وضعیت سلامت و حتی تسریع روند درمان کمک کنند. برخی از این فناوریها شامل نانوباتهایی هستند که پس از تزریق به جریان خون، بهعنوان سیستمهای پایش داخلی عمل میکنند و تغییرات بدن را بهصورت مداوم رصد میکنند.
با گسترش استفاده از حسگرها، نهتنها حجم دادهها افزایش مییابد، بلکه تنوع آنها نیز بیشتر میشود. در حالی که بسیاری از سازمانها در حال توسعه مدلهای زبانی بزرگ هستند، بهزودی باید به سمت مدلهای جدیدی به نام «مدلهای کنش بزرگ» حرکت کنند.
اگر مدلهای زبانی پیشبینی میکنند که چه چیزی باید گفته شود، مدلهای کنش بزرگ پیشبینی میکنند که چه کاری باید انجام شود. این مدلها وظایف پیچیده را به مراحل کوچکتر تقسیم کرده و اجرای آنها را مدیریت میکنند. برخلاف مدلهای زبانی که بیشتر برای تولید محتوا طراحی شدهاند، این مدلها برای اجرای عمل و تصمیمگیری در لحظه بهینه شدهاند.
نمونههای اولیه این نوع مدلها شامل Claude از Anthropic و ACT-1 از Adept هستند که میتوانند مستقیماً با نرمافزارها تعامل داشته باشند و اقدامات واقعی انجام دهند. این مدلها با استفاده از دادههای رفتاری کاربران، دادههای حسگرها و اطلاعاتی که از دستگاههای مختلف مانند پوشیدنیها، خودروهای هوشمند، خانههای هوشمند و محیطهای دیجیتال جمعآوری میشود، عمل میکنند.
در آینده، این مدلها به «مدلهای کنش شخصی» تبدیل خواهند شد که میتوانند نیازهای کاربران را پیشبینی کنند، تصمیمگیریها را ساده کنند، وظایف را مدیریت کنند و حتی معاملات را انجام دهند. این سیستمها بدون نیاز به دخالت مستقیم کاربر، تجربههای دیجیتال و فیزیکی را بهینه میکنند.
در چنین آیندهای، شرکتهایی مانند Apple و Google احتمالاً حسگرهای بیشتری را در دستگاهها تعبیه خواهند کرد تا دادههای دقیقتری درباره سلامت، موقعیت مکانی و رفتار کاربران جمعآوری کنند. این دادهها برای ساخت پروفایلهای کاملاً شخصیسازیشده استفاده میشود که با مدلهای زبانی و کنشی هر فرد هماهنگ هستند.
در کنار مدلهای شخصی، سازمانها نیز مدلهای کنشی سازمانی خواهند داشت و دولتها نیز به سمت مدلهای کنشی دولتی حرکت خواهند کرد. این اکوسیستم جدید، تعامل میان انسان، فناوری و داده را به سطحی کاملاً متفاوت خواهد رساند.
هوش مصنوعی در کنار هوش ارگانوئیدی
سومین فناوری عمومی در «هوش زنده»، زیستمهندسی است؛ حوزهای که از تکنیکهای مهندسی برای ساخت سیستمها و محصولات زیستی استفاده میکند، مانند میکروارگانیسمهای طراحیشده که برای انجام وظایف خاص مهندسی میشوند. در حال حاضر، این حوزه ممکن است کمتر جدی گرفته شود، اما در بلندمدت میتواند مهمترین فناوری عمومی باشد.
ترکیب زیستمهندسی با هوش مصنوعی، به شکلگیری چیزی منجر شده که میتوان آن را «زیستشناسی مولد» نامید. این رویکرد با استفاده از داده، محاسبات و هوش مصنوعی، به پیشبینی یا خلق بینشهای زیستی جدید کمک میکند. در این فرآیند، اجزای زیستی جدید مانند پروتئینها، ژنها یا حتی ارگانیسمهای کامل طراحی میشوند، آن هم از طریق شبیهسازی و پیشبینی نحوه رفتار و تعامل عناصر زیستی.
کاربردهای این فناوری همین حالا هم قابل مشاهده است. شرکتهایی مانند Ginkgo Bioworks از این رویکرد برای طراحی آنزیمهای سفارشی استفاده میکنند که در فرآیندهای صنعتی کاربرد دارند. برای مثال، الگوریتمهای مولد میتوانند آنزیمهایی بسازند که مولکولهای پیچیده مانند پلاستیک یا آلایندهها را تجزیه کنند.
همچنین Google DeepMind سیستمی به نام AlphaProteo توسعه داده که پروتئینهای کاملاً جدید با ویژگیهای خاص طراحی میکند؛ فناوریای که میتواند در حوزههایی مانند مواد زیستی و توسعه دارو تحول ایجاد کند. ابزار دیگری از DeepMind به نام GNoME نیز توانسته پایداری میلیونها ماده غیرآلی جدید را پیشبینی کند. تصور کنید ساختمانی ساخته شود از موادی که بدون نیاز به کامپیوتر یا دخالت انسان، بهصورت خودکار دما، نور و تهویه را تنظیم میکنند.
در افق دورتر، هوش زنده میتواند به «ماشینهای زنده» منجر شود. حوزهای به نام «هوش ارگانوئیدی» در سال 2024 بهعنوان یک شاخه علمی جدید معرفی شد. این حوزه از بافتهای رشدیافته در آزمایشگاه، مانند سلولهای مغزی یا سلولهای بنیادی، برای ساخت رایانههای زیستی استفاده میکند که ساختار و عملکرد مغز انسان را تقلید میکنند.
ارگانوئید در واقع نسخهای بسیار کوچک از یک بافت زیستی است که عملکردی مشابه یک اندام دارد. در سال 2021، پژوهشگران شرکت Cortical Labs در استرالیا یک مغز ارگانوئیدی کوچک ساختند که مانند یک کامپیوتر عمل میکرد. آنها این سیستم را DishBrain نامیدند، آن را به الکترودها متصل کردند و به آن یاد دادند بازی Pong را انجام دهد.
DishBrain از حدود یک میلیون سلول زنده مغز انسان و موش تشکیل شده که روی یک آرایه میکروالکتریکی رشد یافتهاند. این سیستم سیگنالهای الکتریکی دریافت میکند که موقعیت توپ در بازی را مشخص میکند و سلولها به آن پاسخ میدهند. با تکرار بازی، عملکرد آن بهبود پیدا میکند.
در حال حاضر، Cortical Labs در حال توسعه نوع جدیدی از نرمافزار است که میتوان آن را «سیستمعامل هوش زیستی» نامید؛ سیستمی که به افراد با مهارتهای پایه برنامهنویسی اجازه میدهد ارگانوئیدهای خود را برنامهریزی کنند.
چگونه سازمان خود را برای موفقیت آماده کنید
اگرچه «هوش زنده» ممکن است مفهومی آیندهنگرانه به نظر برسد، اما مدیران عامل و رهبران آیندهنگر نمیتوانند منتظر بمانند. نشانههای همگرایی این فناوریها هماکنون در صنایع پیشرو دیده میشود. پذیرش اولیه بیشتر در حوزههایی مانند داروسازی، تجهیزات پزشکی، خدمات سلامت، فضا، ساختوساز و مهندسی، کالاهای مصرفی و کشاورزی در حال وقوع است.
اما این تحول بهزودی به سایر صنایع نیز گسترش مییابد و فضاهای جدیدی برای خلق ارزش ایجاد میکند؛ حتی در حوزههایی مانند خدمات مالی. با ورود صنایع بیشتر، نوآوری بهصورت گستردهتری توزیع خواهد شد و اثرات شتابدهنده بیشتری ایجاد میکند.
ما شاهد پیشرفتهای تجمعی خواهیم بود، بهطوری که هر فناوری با بهبود خود، سایر فناوریها را نیز تقویت میکند. در این مسیر، پنج اقدام کلیدی برای حرکت سریع و هوشمندانه پیشنهاد میشود:
شفافسازی مفهوم هوش زنده در کل سازمان. رهبران ارشد باید درک روشنی از این مفهوم داشته باشند و بدانند هوش مصنوعی، دادههای حسگرها و زیستمهندسی چگونه به هم متصل میشوند.
تدوین سناریوهای کاربردی برای تحول و خلق ارزش. لازم است سناریوهای کوتاهمدت و بلندمدت برای استفاده و توسعه این فناوریها طراحی شود تا تأثیر آنها بر محصولات و فرآیندهای فعلی مشخص شود.
انتخاب چند کاربرد کلیدی و شروع سریع. شناسایی دو یا سه مورد استفاده با بیشترین اثرگذاری و قابلیت توسعه، میتواند مسیر پذیرش این فناوریها را تسریع کند.
سرمایهگذاری بر مهارتها و قابلیتهای جدید. هوش زنده نیازمند تغییر نگرش در کل سازمان است. آموزش، آزمایش و تعریف نقشهای شغلی جدید برای نیروی کار آینده ضروری است.
رصد تغییرات مقرراتی و آمادگی برای عدمقطعیت. این حوزه بهشدت پویاست و چارچوبهای قانونی آن هنوز تثبیت نشده است. سازمانها باید انعطافپذیر باشند و خودشان مسیر آینده را شکل دهند، نه اینکه صرفاً واکنش نشان دهند.
شاید مهمترین توصیه این باشد که از خود بپرسید: «اگر چنین شود چه؟» در یکی از جلساتم با همان شرکت حوزه سلامت، از تیم اجرایی خواستم سناریوهای مختلفی را برای تحول کسبوکارشان در دهه آینده تصور کنند.
اگر بستههای «تضمین سلامت» ایجاد شود که شامل حسگرهای پوشیدنی، تشخیص مبتنی بر هوش مصنوعی و تحویل داروی شخصیسازیشده باشد چه؟ اگر استارتاپها با استفاده از داده و هوش مصنوعی، مستقیماً خدمات سلامت شخصیسازیشده ارائه دهند و واسطهها حذف شوند چه؟ اگر حمام خانهها به آزمایشگاههای تشخیص تبدیل شوند چه؟ اگر دادههای لحظهای منجر به ارزیابی لحظهای نتایج درمان شوند چه؟
در چنین حالتی، آیا مدل قیمتگذاری نیز تغییر میکند و ارائهدهندگان خدمات بر اساس نتیجه درمان هزینه دریافت میکنند؟ همه این سناریوها نشاندهنده تغییر اساسی در نحوه خلق ارزش هستند.
به تیم گفتم: تمرکز صرف بر هوش مصنوعی در شکل فعلی آن اشتباه است. باید نگاه جامعتری به تغییرات در حال وقوع داشته باشید و سازمان خود را برای عصر «هوش زنده» آماده کنید.
نکات کلیدی
حسگرها بهعنوان موتور داده. حسگرهای پیشرفته دادههای لحظهای تولید میکنند و پایه تصمیمگیریهای جدید را شکل میدهند.
گذار از مدلهای زبانی به مدلهای کنشی. هوش مصنوعی از تولید محتوا به سمت اجرای وظایف واقعی حرکت میکند.
ترکیب زیستمهندسی و هوش مصنوعی. این همگرایی به خلق زیستشناسی مولد و حتی رایانههای زیستی منجر میشود.
لزوم اقدام فوری. سازمانها باید از همین حالا برای این تحول آماده شوند و قابلیتهای لازم را توسعه دهند.
برای ثبت دیدگاه وارد حساب کاربری خود شوید.
