خودروسازی فورد که پیشتر با هدف کاهش هزینهها، استفاده از هوش مصنوعی را در بخش کنترل کیفیت گسترش داده بود، پس از ناکارآمدی سیستمهای خودکار در شناسایی دقیق مشکلات کیفی، بیش از ۳۰۰ بازرس فنی با سابقه را دوباره به کار گرفت و اکنون این مهندسان وظیفه آموزش سیستمهای یادگیری ماشین و انتقال دانش خود به نیروهای جوانتر را بر عهده دارند.
به گزارش کسب و کار، فورد که پیشتر با هدف کاهش هزینهها و افزایش بهرهوری، استفاده از هوش مصنوعی را در بخشهای مختلف از جمله کنترل کیفیت گسترش داده بود، با شکست این سیستمها در برآورده کردن انتظارات مدیران، تصمیم به جبران این خطاها با بازگرداندن مهندسان با تجربه گرفته است.
چارلز پون: هوش مصنوعی به اندازه اطلاعات آموزش داده شده، کیفیت دارد
چارلز پون، معاون مهندسی سختافزار خودرو در فورد، در گفتوگو با بلومبرگ اعلام کرد که سیستمهای خودکار تجربه و دانش فنی لازم برای جایگزینی متخصصان انسانی را ندارند. او تأکید کرد: «هوش مصنوعی ابزاری فوقالعاده است؛ اما کیفیت آن تنها به اطلاعاتی بستگی دارد که برای آموزش آن استفاده میکنید.» پون افزود که فورد در سالهای گذشته توجه کافی به دانش مهندسان با سابقه خود نداشته است.
۹۰۰ دوربین مجهز به هوش مصنوعی؛ تصوری که اشتباه از آب درآمد
مدیران فورد پیشتر از بهکارگیری ۹۰۰ دوربین مجهز به هوش مصنوعی در کارخانههای خود برای شناسایی مشکلات کیفی خبر داده بودند. اما پون تأکید کرد که تصور اولیه شرکت مبنی بر اینکه صرفاً با وارد کردن الزامات طراحی به سیستمهای هوش مصنوعی میتوان محصولی با کیفیت تولید کرد، اشتباه بوده است. این شکست نشان داد که هوش مصنوعی در شناسایی دقیق مشکلات کیفی محصولات، بهویژه در مواردی که نیاز به قضاوت ظریف و تجربه عملی دارد، نتوانسته انتظارات را برآورده کند.
انتقال دانش؛ وظیفه جدید مهندسان بازگشته
در حال حاضر، مهندسانی که به فورد بازگشتهاند، دو وظیفه اصلی بر عهده دارند: آموزش سیستمهای یادگیری ماشین و انتقال دانش و تجربه خود به نیروهای جوانتر. این تغییر رویکرد نشان میدهد که فورد به این نتیجه رسیده است که هوش مصنوعی نمیتواند بهطور کامل جایگزین دانش و تجربه انسانی شود و ترکیب هوش مصنوعی با تخصص نیروی انسانی، بهترین راهکار برای تضمین کیفیت محصولات است.
- دلیل بازگرداندن مهندسان: ناکارآمدی هوش مصنوعی در شناسایی دقیق مشکلات کیفی
- تعداد مهندسان بازگشته: بیش از ۳۰۰ نفر
- وظایف جدید مهندسان: آموزش سیستمهای یادگیری ماشین و انتقال دانش به نیروهای جوان
- نتیجه تغییر رویکرد: بازگشت فورد به جایگاه نخست شاخصهای کیفی صنعت خودرو
این تغییر رویکرد در حالی صورت میگیرد که فورد اعلام کرده است دوباره به جایگاه نخست شاخصهای کیفی صنعت خودرو برگشته است؛ دستاوردی که نشان میدهد ترکیب هوش مصنوعی با تخصص انسانی، برخلاف تکیه صرف بر سیستمهای خودکار، میتواند نتایج بهتری به همراه داشته باشد.
سینا علیپور
او دانشجوی رشته مهندسی کامپیوتر در مقطع کارشناسی است و فعالیت حرفهای خود را در عرصه رسانه از سال ۱۳۹۸ با یک بلاگ شخصی در حوزه فناوری آغاز کرده است. وی پس از مدتی به عنوان نویسنده آزاد در مجلههای آنلاین تکنولوژی فعالیت کرد و در حال حاضر، دبیر سرویس نقد و بررسی گجتهای هوشمند در یک مجله معتبر تکنولوژی است.
