رزومه نویسی با هوش مصنوعی | خطری که اکوسیستم کاریابی را تهدید می‌کند

 ۱۰ دی, ۱۴۰۳    |  تکنولوژی, هوش مصنوعی

اخیراً برخی از سایت‌های فعال در زمینهٔ کاریابی، رزومه نویسی با هوش مصنوعی را به مجموعه خدمات خود اضافه کرده‌اند و توضیح‌شان هم این است که «هوش مصنوعی به شما کمک می‌کند رزومه بهتری بنویسید؛ با عبارتهای مناسب‌تر و مهارت‌های جذاب‌تر.»

طبیعتاً برای چنین قابلیت‌هایی توجیه‌های بسیاری وجود دارد. اما با نگاه سیستمی متوجه می‌شویم که این نوع قابلیت‌ها، با وجودی که در کوتاه‌مدت می‌توانند ابزارهای موثری برای بازاریابی باشند، ممکن است در بلندمدت به سازمانها، کارجویان و حتی خود پلتفرم‌های کاریابی لطمه بزنند.

مهارت، چیزی نیست که رزومه‌ساز به کارجو پیشنهاد دهد. بلکه باید کارجو آن را در خود تشخیص دهد و در رزومه‌اش بیاورد.

ممکن است در رد این حرف گفته شود:‌ کارجو مهارت دارد. اما گاهی در زمان نوشتن رزومه حواسش نیست آن را در رزومه بیاورد. اما چنین ادعایی چندان قابل‌دفاع نیست. مهارت‌هایی که در ذهن فرد فعال نیستند، معمولاً چندان عمیق و آگاهانه نیستند و در وجود او تثبیت نشده‌اند.

پس از رواج یافتن استفاده از هوش مصنوعی در رزومه نویسی احتمالاً روندهای زیر تقویت می‌شوند:

• رزومه‌ها بیش‌ از پیش شبیه هم خواهند شد و کارفرما که پیش از این با توجه به جزئیات رزومه (شیوهٔ چیدمان، انتخاب کلمات و …) می‌تونست تا حدی وضعیت کارجو را برآورد کند، دیگر نمی‌تواند این ظرافت‌ها را معیار قرار دهد.
• تعداد رزومه‌های دریافتی برای هر موقعیت شغلی بیشتر، و جستجوی فرد مناسب، پرهزینه‌تر خواهد شد.
• درصد کسانی که رزومه ارسال می‌کنند اما در جلسهٔ مصاحبه حاضر نمی‌شوند افزایش خواهد یافت (به علت کاهش اصطکاک فرایندی در اثر کمک هوش مصنوعی)
• در بلندمدت کارایی رزومه برای کاریابی کمتر خواهد شد. ضمن این‌که رضایت کارفرما و متقاضی کار از سرویس‌های کاریابی هم کاهش خواهد یافت.
• هم کارفرما هم کارجو به تدریج به این نتیجه می‌رسند که کمتر به سراغ سرویس‌های کاریابی بروند و دوباره به سراغ روش‌های جایگزین و حتی آلترناتیوهای سنتی خواهند رفت.
• کسانی که برای پیاده‌سازی سرویس هوش مصنوعی مولد در پلتفرم‌هایشان هزینه می‌کنند، در بلندمدت (افق چندساله) شاهد وضعیتی بدتر از گذشته خواهند بود. احتمالاً این وضعیت باعث می‌شوند از کارکرد اصلی‌ و هستهٔ کسب و کار خود فاصله بگیرند و وارد بازی‌های جنبی (مثلاً برگزاری “دورهٔ آموزش استخدام‌پذیری” یا فروش “پکیج چندمنظورهٔ افزایش کاریزما در مصاحبه حضوری”) شود.

لازم به تأکید است که این تحلیل به معنای بی‌فایده بودن هوش مصنوعی در پلتفرم‌های کاریابی نیست. بلکه صرفاً به دردسرها و تبعات منفی استفاده از هوش مصنوعی مولد در بخش رزومه نویسی اشاره دارد. حتی در همین بخش هم، اگر آسیب‌شناسی کافی انجام شود، می‌توان از ظرفیت‌های مثبت هوش مصنوعی بهره برد.

لینک این مطلب در کانال تلگرام با متمم

درس مرتبط در متمم: رزومه نویسی

#هوش مصنوعی   #تکنولوژی

کارکرد اصلی پلتفرم‌ها این است که بتوانند دو طرف را با بیشترین سرعت، کمترین هزینه و پایین‌ترین نرخ خطا به هم برسانند. به این کار Matching‌ (تطبیق دادن دو طرف بازار) گفته می‌شود. نقد بالا به این نکته اشاره دارد که استفاده از هوش مصنوعی، کیفیت Matching را کاهش می‌دهد.

در مجموعه درس‌های پلتفرم در متمم با این موضوع و سایر موضوعات مرتبط با استراتژی پلتفرم‌ها بیشتر آشنا می‌شوید:

پلتفرم چیست؟

ترجمه ماشینی از روسی به انگلیسی | یکی از انگیزه های سرمایه گذاری بر روی هوش مصنوعی در جنگ سرد

 ۳ دی, ۱۴۰۳    |  تکنولوژی, هوش مصنوعی

دههٔ پنجاه و شصت میلادی (حدود هفتاد سال پیش) نخستین گام‌ها در هوش مصنوعی برداشته شده و امید زیادی به هوش مصنوعی وجود داشت.

با وجودی که هستهٔ فعالیت‌های هوش مصنوعی در آن دوران بر ترجمه ماشینی (machine translation) استوار نبود و پژوهش‌گران بیشتر بر یادگیری نورونی (Neural Networks) و تحلیل گزاره‌های منطقی (Symbolic Logic) ) متمرکز بودند، چون می‌دیدند دولت‌ها برای ترجمه ماشینی راحت‌تر پول خرج می‌کنند، این وجه از کاربردهای هوش مصنوعی را پررنگ‌تر می‌کردند (مثل این سال‌ها که کسب‌و‌کارها با هدف جلب توجه دولت و جذب بودجه، جنبهٔ دانش‌بنیان فعالیت‌هایشان را پررنگ‌تر می‌‌کنند).

علت علاقه دولت آمریکا و سایر دولت‌های غربی به ترجمه ماشینی این بود که آن‌ها به‌شدت درگیر رقابت با شوروی در جنگ سرد بودند و برایشان مهم بود که اسناد روسی به سرعت به انگلیسی ترجمه شوند. دانشگاهیان هم با توجه به همین شوق، وزارت دفاع و بنیاد علوم و حتی CIA را قانع کرده بودند که می‌ارزد به این کار بودجه اختصاص دهید.

گزارش ALPAC‌ به سفارش دولت آمریکا در سال ۱۹۶۶ منتشر شد. لحن این گزارش بسیار بدبینانه بود. با وجودی که با تیشه به جان ریشهٔ هوش مصنوعی نیفتاده بود، با ظرافت تأکید می‌کرد که دیگر پول بی‌حساب و کتاب در این نوع پروژه‌ها نریزید و اگر هم به گروهی پول می‌دهید، هدف‌های کوتاه‌مدت شفاف و قابل‌اندازه‌گیری برایشان تعیین کنید.

این گزارش بدبینانه “یکی از” عواملی بود که اولین رکود جدی هوش مصنوعی را شکل داد. رکودی که به «زمستان هوش مصنوعی» معروف است.

در فهرست این گزارش (که تصویر آن در ادامه آمده)‌ دو جمله به چشم می‌خورد که کاملاً شفاف نشان می‌دهد تمام دغدغهٔ ترجمه ماشینی، مشخصاً ترجمهٔ اسناد روسی به انگلیسی با استفاده از هوش مصنوعی بوده است:

Time Required for Scientists to Learn Russian

Defense Language Institute Couse in Scientific Russian

لینک این مطلب در کانال تلگرام «با متمم»

#هایلایت   #هوش مصنوعی   #تکنولوژی

برای آشنایی بیشتر با زمستان هوش مصنوعی و روندها و اتفاقاتی که دو بار در فاصلهٔ دو دهه هوش مصنوعی را به رکود کشاند، درس زیر را که از زیرمجموعه‌های درس علم داده در متمم است بخوانید:

تاریخچه هوش مصنوعی | چگونه از زمستان هوش مصنوعی فاصله بگیریم؟

آينده هوش مصنوعی از زبان پیتر تیل

 ۶ مهر, ۱۴۰۳    |  تکنولوژی

پیتر ثیل، هم‌بنیان‌گذار شرکتهای پی‌پل و پالانتیر اخیراً‌ در مصاحبه‌ای در مورد آینده هوش مصنوعی پیش‌بینی جالبی انجام داده است (+). او معتقد است که حدود ۱۵ تا ۲۰ سال زمان لازم است تا هوش مصنوعی به شکل Super-dominant همهٔ‌ جهان را به تسخیر خود درآورد.

منظور او از super-dominant، چیزی شبیه غالب شدن اینترنت بر زندگی امروزی ماست. در حدی که برای بسیاری از ما تصور زندگی بدون آن امکان‌پذیر نیست.

او در یک آنالوژی جالب‌توجه، وضعیت هوش مصنوعی در سال‌های ۲۰۲۳ و ۲۰۲۴ را با وضعیت اینترنت در سال ۱۹۹۹ مقایسه می‌کند. این مقایسه از دو منظر حائز اهمیت است:

نخستین وجه این است که در سال ۱۹۹۹ خوش‌بینی بسیار زیادی دربارهٔ اینترنت وجود داشت و سرمایه‌گذاری‌های بی‌حساب و کتاب فراوانی در این حوزه انجام می‌شد. روندی که نهایتاً‌ به ترکیدن حباب دات کام در سال ۲۰۰۰ منتهی شد.

اما وجه دوم این است که اینترنت واقعاً طی دو دههٔ بعد از آن،‌ جهان را دگرگون کرد و به تسخیر خود درآورد. جالب این‌جاست که بعضی از شرکت‌های بزرگی که در این دو دهه سر برآوردند، قبل از سال ۲۰۰۰ شکل گرفته بودند (مانند گوگل، مایکروسافت، اپل و آمازون). بنابراین اگر کسی در سال ۱۹۹۹ می‌گفت اینترنت یک تب زودگذر است، شاید در سال ۲۰۰۰ از پیش‌بینی خود احساس غرور می‌کرد. اما دو دهه بعد، باید می‌پذیرفت که پیش‌بینی‌اش نادرست بوده است.

اگر آینده هوش مصنوعی برایتان مهم است و علاقه دارید تحلیلی واقع‌بینانه (نه خوش‌بینانه و نه بدبینانه) از آینده هوش مصنوعی داشته باشید،‌ پیشنهاد می‌کنیم درس زمستان هوش مصنوعی را هم بخوانید. هر چه اتفاق‌های گذشته را بهتر بشناسیم، تحلیل‌مان از آینده عمیق‌تر خواهد بود:

زمستان هوش مصنوعی

دربارهٔ شرکت پالانتیر درسی در متمم منتشر شده که خواندن آن می‌تواند برایتان مفید باشد. هم‌چنین کتاب از صفر تا یک نوشتهٔ پیتر تیل هم در متمم معرفی و بررسی شده است:

شرکت پالانتیر

کتاب صفر به یک

علاوه بر این می‌توانید معرفی پیتر تیل را هم در متمم بخوانید:

پیتر تیل کیست؟

اگر جزئيات ماجرای dot com crash و فرو ریختن شرکتهای اینترنتی در سال ۲۰۰۰ را هم نمی‌دانید، درس زیر را بخوانید:

ترکیدن حباب دات کام

علاوه بر این، اگر به بحث هوش مصنوعی و استفاده از آن در کسب و کارها علاقه‌مند هستید، احتمالاً درس استراتژی همجوشی هم برایتان جذاب خواهد بود:

استراتژی همجوشی | استفاده از هوش مصنوعی در کسب و کار

#تکنولوژی   #هوش مصنوعی

رگولاتوری برای هوش مصنوعی | اولین گام جدی را اروپا برداشت

 ۱۳ مرداد, ۱۴۰۳    |  اقتصاد, تکنولوژی, سواد دیجیتال, صنایع جهان

بالاخره پس از چهار سال بحث و بررسی اتحادیه اروپا قانون مربوط به رگولاتوری هوش مصنوعی را اجرا کرد (+/+). بدین‌ترتیب اروپا اولین منطقهٔ جغرافیایی/سیاسی خواهد بود که نظارت و کنترل دولتی بر هوش مصنوعی را اعمال می‌کند.

با این خبر، پیشتازی اروپا مصداق تازه‌ای شد برای شوخی رایج میان آمریکایی‌ها که می‌گویند: آمریکا مشغول نوآوری، چین سرگرم تقلید و اتحادیه درگیر رگولاتوری است:

US innovates, China imitates, and EU regulates.

اتحادیه اروپا فشار رگولاتوری را بسته به ارزیابی‌اش از ریسک هوش مصنوعی در چند درجه اعمال می‌کند. در ارزیابی ریسک هم به مواردی مثل صنعت، موضوع فعالیت و روش گردآوری داده‌ها توجه می‌شود (+):

کمترین سخت‌گیری‌ها فعلاً‌ در هوش مصنوعی مولد (Generative AI) است و بیشترین سخت‌گیری در سیستم‌هایی که بر اساس داده‌های کاربران، به آن‌ها خدماتی داده یا آن‌ها را از دسترسی به برخی خدمات محروم می‌کند (مثلاً‌ اعطای وام، ارزیابی اعتبار اقتصادی و …).

رگولاتوری همیشه موافقان و مخالفان خود را داشته، اما قطعاً در این مورد، به علت پیچیدگی‌های ذاتی و حساسیت موضوع، مخالفت‌ها و موافقت‌ها بسیار جدی‌ترند.

مخالفان، این شکل از رگولاتوری را مانع نوآوری و به نفع وکلا می‌دانند و معتقدند که این قانون به یک ابزار برای وکلا تبدیل خواهد شد تا هر روز در این‌جا و آن‌جا پرونده‌های تازه‌ای باز کنند (+). موافقان هم، این اقدام را دیرهنگام می‌دانند و معتقدند سیستم حقوقی – که اغلب نسبت به تحولات اجتماعی، فرهنگی و تکنولوژیک عقب است – این بار بیش از حد عقب مانده است. موافقان رگولاتوری، تقریباً همیشه دفاع‌شان این است که قانون بد بهتر از بی‌قانونی است و اگر از ترس قانون بد، قانون‌گذاری نشود، زمینه‌ای برای اصلاح و بهبود قانون هم نخواهد بود.

در این بین، شرکت‌های تکنولوژی با جریمه‌های سنگینی که اتحادیهٔ اروپا تعیین کرده (تا ۷٪ کل درآمد جهانی) احتمالاً ترجیح خواهند داد حضور محتاطانه‌تری در اروپا داشته باشند. به‌ویژه این که قوانین در مورد هوش مصنوعی چندان شفاف نبوده و تفسیر‌پذیرند. یعنی کاملاً ممکن است شرکتی امروز به این باور برسد که قوانین رگولاتور را رعایت کرده،‌ اما بعداً چنین تفسیر شود که از این قوانین تخطی کرده است.

در همین راستا منتقدان معتقدند که رگولاتوری اروپاییان این قاره را به خط کندرو در اتوبان پرسرعت هوش مصنوعی خواهد کشاند.

اگر به بحث هوش مصنوعی و استفاده از آن در کسب و کارها علاقه‌مند هستید، احتمالاً درس استراتژی همجوشی هم برایتان جذاب خواهد بود:

استراتژی همجوشی | استفاده از هوش مصنوعی در کسب و کار

#تکنولوژی   #صنایع جهان   #اقتصاد   #سواد دیجیتال   #هوش مصنوعی

قدرت پردازش | میدان جدید رقابت میان چین و آمریکا

 ۱۷ آبان, ۱۴۰۱    |  اقتصاد, تکنولوژی, صنایع جهان

خبر ظاهراً کوتاه و ساده است: «شرکت Nvidia تراشهٔ A800 را به عنوان جایگزین تراشهٔ A100 به بازار چین عرضه می‌کند.»

عرضهٔ تراشه‌های مختلف به بازارهای متفاوت، اتفاق تازه‌ای نیست و کسانی که در زمینهٔ سخت‌افزار فعالیت می‌کنند، مدام چنین اخبارهایی را می‌شنوند. اما این بار داستان جالبی پشت ماجراست. چنان که رویترز گزارش داده است (+):

آمریکا برای صادرات تراشه‌های الکترونیکی به چین، محدودیت اینترکانکت در نظر گرفته است. به این معنا که سرعت ارتباط داخلی قطعات در تراشه‌های صادره به چین نمی‌تواند ۶۰۰ گیگابایت در ثانیه باشد (قبلاً گلوگاه طراحی تراشه‌ها، سرعت خود ترانزیستورها بود. اما الان با افزایش تعداد ترانزیستورها و پیچیدگی ارتباط داخلی، سرعت انتقال روی سیم‌ها یا اصطلاحاً chip-to-chip یا interconnect هم گلوگاه است). در تراشهٔ A800 سرعت اینترکانکت از ۴۰۰ گیگابایت در ثانیه فراتر نمی‌رود.

در گزارش‌ها و پژوهش‌های متعدد اعلام شده که با محدود شدن سرعت اینترکانکت، ظرفیت پردازش سخت‌افزاری چین محدودتر می‌شود و هزینهٔ پردازش داده‌ها و اجرای پروژه‌های هوش مصنوعی برای این کشور افزایش می‌یابد (+/+). ضمن این که بعضی پردازش‌های در لحظه (Real-time) نیز با چالش روبه‌رو می‌شوند.

چنین محدودیت‌هایی نشان می‌دهد که میدان جنگ میان قدرت‌های بزرگ جهان، از نبردهای سنتی فیزیکی فاصله گرفته و در کنار عرصه‌های اقتصادی به قلمرو هوش مصنوعی کشیده شده است.

اغراق نیست اگر بگوییم سال‌های آتی، قدرت در اختیار کشورهایی است که توانایی پردازش بیشتری در اختیار دارند.

در این زمینه کتاب‌های متعددی نیز نوشته شده که AI Superpowers یکی از آن‌هاست.

 

سواد دیجیتال | تحول دیجیتال

#اقتصاد   #تکنولوژی   #صنایع جهان