آخرین مطالب

جنبش بی‌کد قدرت هوش مصنوعی را در اختیار همه مردم قرار می‌دهد.

محصولات جدیدی که روزبه‌روز بر تعداد آنها افزوده می‌شود، این امکان را برای همه فراهم کرده‌اند که بدون نوشتن حتی یک خط کد، از هوش مصنوعی استفاده کنند. حامیان جنبش بی‌کد معتقدند که این جنبش دنیا را متحول می‌کند.

شان کیوسک، مهندس نرم‌افزار شرکت مایکروسافت که در کنار این کارش زنبورداری می‌کند به دنبال پیدا کردن پاسخ این سوال بود که آیا به غیر از زنبورها موجودات دیگری هم به کندوهایش می‌روند یا خیر. بنابراین یک اتاقک عکاسی کوچک طراحی کرد که هر زمان چیزی اطرافش پدیدار می‌شد، از آن عکس می‌گرفت. اما سازماندهی هزاران عکس کوچک از حشرات کار بسیار سختی بود.

همکاران کیوسک به او گفتند که شرکت در حال کار روی پروژه‌ای به اسم Lobe.ai است که به همه امکان می‌دهد یک سیستم بینایی کامپیوتری را برای تشخیص اشیای کوچک آموزش دهند. کیوسک از این سیستم برای شناسایی زنبورهای عسل خودش استفاده کرد تا همزمان نگاهی هم به زنبورهای قاتل قرمز آسیایی داشته باشد.

به گفته آقای کیوسک: «کار کردن با این پروژه واقعاً راحت بود و چنین پروژه‌ای البته نه با این عنوان، قبلاً به ذهن من رسیده بود.»

پلتفرم Lobe طوری طراحی شده بود که او می‌توانست بااستفاده از تصاویر نمونه، سیستمی بسازد که قابلیت تشخیص زنبورهای موردنظر او و همچنین مهمانان ناخوانده را داشته باشد.

حالا آقای کیوسک هم جزء یک ارتش روبه‌رشد به اسم شهروندان توسعه‌دهنده است. این افراد از محصولاتی جدید استفاده می‌کنند که به همه امکان می‌دهند بدون نوشتن حتی یک خط کد، از هوش مصنوعی استفاده کنند. حامیان جنبش بی‌کد معتقدند که این جنبش دنیا را متحول می‌کند. قبلاً تیمی از مهندسان از این محصولات برای ساختن یک نرم‌افزار استفاده می‌کردند و حالا کاربرانی که یک ایده داشته باشند، می‌توانند تنها با استفاده از یک مرورگر اینترنت، ایده‌های خودشان را عملی کنند.

کریگ ویسنسکی (یکی از مبلغان جنبش بی‌کد و هم‌بنیانگذار استارتاپ Akkio که به همه امکان می‌دهد با استفاده از داده‌ها پیش‌بینی انجام دهند) دربارهٔ استارتاپ خود می‌گوید: «ما سعی داریم که استفاده از هوش مصنوعی را به‌شدت راحت کنیم.»

جاناتان ریلی دیگر هم‌بنیانگذار استارتاپ  Akkio هم می‌گوید: «هوش مصنوعی هم در حال طی کردن روندی مشابه است، ابتدا گروه کوچکی از دانشمندان از آن استفاده می‌کردند و بعد کاربران آن گسترده‌تر شد و مهندسانی را در برگرفت که می‌توانند اصطلاحات خاص و ظرافت‌های فنی آن را بررسی کنند و درنهایت، به اندازه‌ای کاربرپسند شد که تقریباً همه می‌توانند از آن استفاده کنند.»

درست همان‌طور که آیکن‌های قابل کلیک کردن جایگزین فرمان‌های برنامه‌نویسی مبهم در کامپیوترهای خانگی شدند، پلتفرم‌های بی‌کد جدید با اینترفیس‌های تحتِ وب آشنا و ساده، جایگزین زبان‌های برنامه‌نویسی شده‌اند. حالا موجی از استارتاپ‌ها به‌دنبال قرار دادن قدرت هوش مصنوعی در دست افراد غیرتخصصی در حوزه‌های بصری، متنی و صوتی هستند.

مثلاً Juji ابزاری است که ساختن چت‌بات‌های هوش مصنوعی با آن به‌راحتی ساختن فایل‌های ارایه پاورپوینت است. این ابزار از یادگیری ماشینی برای مدیریت خودکار جریان‌های مکالمه پیچیده و تحلیل خصوصیات ویژه کاربران استفاده می‌کند تا به جای اینکه صرفاً بر اساس یکسری تعاملات از پیش برنامه‌نویسی شده عمل کند، تعاملات با هر کاربر را شخصی‌سازی کند.

به گفتهٔ میشل زو هم‌بنیانگذار این پروژه، هدف آنها این بوده که چت‌بات‌های Juji مهارت‌های نرم انسانی پیشرفته مثل هوش احساسی را داشته باشند، طوری که بتوانند به جای سطح سیستمی در سطوح انسانی‌تر با کاربران ارتباط برقرار کنند. کارمندان دانشگاه ایلینوی توانستند با استفاده از Juji چت‌بات‌های مخصوص خودشان را ساخته و مدیریت کنند و سرعت عملیات جذب دانشجو را افزایش دهند.

اما همه ابزارهای موجود به اندازه‌ای قوی نیستند که کارهایی فراتر از کارهای معمولی و ساده را انجام دهند. سیستم Teachable Machines گوگل یک ابزار بینایی کامپیوتری شبیه به Lobe.ai است. استیو سالینگ معمار منظره سابق که حالا دچار بیماری A.L.S شده است، حدود یک سال و نیم با تیم Teachable Machines کار کرده تا سیستمی را آموزش دهند که با استفاده از حالات چهره او، کلیدها را قطع و وصل می‌کند.

به گفته سالینگ “با داده‌های بیشتر، این سیستم دقیق‌تر می‌شود.” اما فرایند جمع‌آوری داده‌ها – عکس گرفتن از چهرهٔ او در زوایا و نورهای متفاوت – بسیار پرزحمت بود و سیستم درنهایت به سطح دقت مورد نیاز نرسید. او می‌گوید: «سیستم‌های اتوماسیون باید دقتی بیشتر از ۹۹ درصد داشته باشند تا بتوان به آنها اعتماد کرد و با این ضریب، Teachable Machines روزی به این جایگاه می‌رسد، اما هنوز به چنین دقتی نرسیده است.»

این سیستم هنوز در ابتدای راه است. به گفته جاش تیرنن مدیر انجمن کارآفرینان غیرفنی No Code Founders که از ابزارهای بی‌کد مثل وردپرس یا بابل استفاده می‌کنند: «ابزارهای هوش مصنوعی بی‌کد هنوز در حاشیه جنبش بی‌کد بزرگتر قرار دارند چون عده زیادی با یادگیری ماشینی آشنا نیستند تا درباره پتانسیل‌های آن ایده پردازی کنند.” اما او انتظار دارد که با درک پتانسیل‌های هوش مصنوعی بی‌کد توسط افراد بیشتر، این جنبش بیشتر از قبل رشد کند.»

یکی دیگر از تحولاتی که به نفع جنبش بی‌کد بوده، پیشرفت هوش مصنوعی است که باعث قدرتمند شدن پلتفرم‌های این جنبش شده است. شرکت OpenAI که ایلان ماسک یکی از بنیانگذاران آن است یک سیستم هوش مصنوعی عظیم به نام GPT-3 دارد که می‌توان با زبان انگلیسی ساده دستوراتی به آن داد تا تبدیل به کد شوند. این سیستم قابلیت تولید سایت و انجام سایر کارهای ساده برنامه‌نویسی را هم دارد. OpenAI از این سیستم برای ساختن ابزاری به اسم GitHub Copilot استفاده کرده که نقش تابع تکمیل خودکار برای کدنویس‌ها را دارد و سرعت کار آنها را افزایش می‌دهد. DeepMind، یکی از شرکت‌های تابع شرکت بزرگ آلفابت که گوگل هم زیرمجموعه آن است ابزار پیشرفته‌تری طراحی کرده که قابلیت نوشتن کدهای کامل برای حل مسائلی که با گفتار یا متن معمولی به آن اعلام می‌شود را دارد.

کاربران پلتفرم Power شرکت مایکروسافت که شامل مجموعه‌ای از محصولات بی‌کد است هم می‌توانند صرفاً با توصیف عملکرد اپلیکیشن‌هایی ساده، آنها را بسازند.

چالز لامانا مدیر پلتفرم‌ها و اپلیکیشن‌های بیزنسی مایکروسافت می‌گوید: «می‌توانیم به این اپلیکیشن بگوییم که مثلاً رکوردهای سال پیش همه مشتریان را پیدا کن و بلافاصله این کار به‌صورت خودکار انجام می‌شود.»

او تخمین می‌زند که نیمی از همه کارهای اداری را می‌توان با هوش مصنوعی اتوماسیون کرد به این شرط که توسعه‌دهنده کافی برای انجام این کار وجود داشته باشد. به گفته او: «تنها راه انجام این کار توانمندسازی همه است تا همه جزء توسعه‌دهندگان بی‌کد شوند.»

در نهایت، عموم مردم هم قادر خواهند بود نرم‌افزارهای مجهز به هوش مصنوعی بسازند. تقریباً همانطور که امروزه نوجوانان می‌توانند جلوه‌های ویدیویی پیچیده‌ای بسازند که یکی دو دهه پیش ساختن آنها نیاز به یک استودیوی حرفه‌ای داشت.

اما در حال حاضر اکثر کاربران هوش مصنوعی بی‌کد، کارشناسان بیزنسی هستند که هدف آنها روان‌تر کردن کارها بدون نیاز به دخالت برنامه‌نویسان است.

مثلاً پلتفرم AppSheet شرکت گوگل یک پلتفرم متن‌باز است که کاربران می‌توانند داده‌های مورد نظر را به آن متصل کنند تا با یک کلیک نرم‌افزارهایی بسازند که امکان باز شدن آنها روی گوشی، تبلت یا کامپیوتر وجود دارد. این پلتفرم از هوش مصنوعی برای درک هدف و قصد کاربران استفاده می‌کند و به آن‌ها امکان می‌دهد اپلیکیشن‌های کامپیوتری و موبایلی مجهز به قابلیت‌هایی مثل تحلیل پیش‌بینانه و بینایی کامپیوتری بسازند. ساختن اپلیکیشن برای کاربردهای شخصی با چنین پلتفرمی هیچ هزینه‌ای ندارد.

پروین سشادری مدیر اجرایی و هم بنیانگذار AppSheet می‌گوید: «تمرکز ما این بوده که این محصول را برای مردم معمولی هم قابل استفاده کنیم.»

سازمان‌های زیادی در سطح جهان هستند که تیم‌های لازم برای هماهنگ سازی برنامه‌ها و کارها را در اختیار دارند. شرایط هر یک از آنها منحصربفرد و متمایز است و برای آنها بهتر است که به جای اپلیکیشن‌های آماده به دنبال ساختن محصولات اختصاصی باشند.

او برای نمونه به سازمان New Incentives اشاره کرده که به مادران بخش‌های فقیر نشین نیجریه مقداری پول نقد می‌دهد تا آنها را تشویق به ایمن سازی فرزندانشان کند. برای نظارت و پیگیری این داده‌ها، یک اپلیکیشن با AppSheet ساخته شده که حالا کارمندان این سازمان از آن استفاده می‌کنند.

الکس دنینگ مدیر شرکت بازاریابی کوچک Ellipsis که از وردپرس استفاده می‌کرد حالا به Akkio روی آورده تا یک سیستم هوش مصنوعی اختصاصی بسازد. این سیستم قابلیت پیش بینی کلمات و عناوینی که به دیده شدن هر چه بیشتر مطالب در گوگل و سایر موتورهای جستجو کمک می‌کنند را دارد. او یک فایل صفحه گسترده حاوی عناوین پست‌های وبلاگی و کلمات کلیدی قبلی به همراه تعداد کلیک‌های دریافت شده توسط آنها در گوگل را به سایت Akkio کشیده و رها می‌کند. پس از فشردن چند دکمه، Akkio یک سیستم هوش مصنوعی ایجاد می‌کند که این کار را انجام می‌دهد.

دنینگ می‌گوید: «با استفاده از Akkio و هوش مصنوعی، نتایج برای مشتریان ما تقریباً به اندازه یک سوم بهبود پیدا کرد.” وقتی یک سیستم هوش مصنوعی در Akkio ساخته می‌شود کاربران می‌توانند آن را با نرم افزار فعلی خودشان ادغام کنند. آقای دنینگ این ابزار را Falcon نامیده و از آن برای بازاریابی و تبلیغ شرکتش استفاده می‌کند. به گفته او “من توسعه دهنده نیستم اما انجام این کار برای من بسیار ساده و قابل درک بود.»

و در رابطه با آقای کیوسک هم، سیستم هوش مصنوعی او نتوانست هیچ زنبور قرمز قاتلی را شناسایی کند اما حشرات و زنبورهای زیادی را شناسایی کرد که وارد کندوهای او می‌شدند – گامی نه چندان بزرگ اما مهم برای جنبش بی‌کد.

مطالب مشابه