به گزارش گرداب، سال ۲۰۲۰ در سایه ویروس کرونا سپری شد و این موضوع تاثیر زیادی بر روی نیازها و انتظارات ما از تکنولوژی گذاشت. از طرفی کووید-۱۹ سرعت تحول دیجیتال را افزایش داد. برای مثال با دور کار شدن کارمندان، شرکت‌ها برای پشتیبانی از این رویه‌ کاری و داشتن قدرت محاسبات به سیستم های هوش مصنوعی نیاز پیدا کردند.

اما شرکت‌ها در سال ۲۰۲۱ به چه نحوی می‌توانند بر روی منابع خود متمرکز شوند تا برای این تغییرات و فناوری‌های جدید آماده باشند؟ برای سال ۲۰۲۱ و بعد از آن سه رویه‌ مختلف پیش‌بینی شده که می‌توانند مورد توجه گسترده‌ای قرار بگیرند.

هوش مصنوعی در حال حاضر با پیشرفت خود به سطحی رسیده که می‌تواند ارزش قابل توجهی را برای هر کسب و کاری ایجاد کند. براساس گزارش ارائه شده از سوی «گروه مشاوران بوستون»، بیش از ۸۰ درصد کسب‌وکارها قصد دارند سرعت تحول دیجیتال خود را افزایش دهند اما تنها ۳۰ درصد از این تحولات دیجیتال به هدف مورد نظر رسیده یا از آن فراتر رفته‌اند.

بسیاری از پروژه‌های هوش مصنوعی به ویژه صنایعی که دارای عنصر فیزیکی-دیجیتالی هستند در مقیاس کوچک قرار دارند. علیرغم وجود فناوری زیربنایی، انطباق‌پذیری همچنان یکی از موضوعات نگران کننده‌ای است که رهبران این صنایع دیجیتال در سال ۲۰۲۱ باید از آن عبور کنند.این موانع شامل فقدان ویژگی‌های کلیدی نظیر رویکرد منظم، شرکای تجاری معتبر، تبدیل داده‌ها به سرمایه نقدی و مدیریت تغییر است.

بخشی از راه‌حل مربوط به مقیاس‌پذیری شامل توسعه سیستم‌هایی است که افرادی به جز متخصصان داده هم قادر به استفاده از آن باشند. در واقع این تکنولوژی باید به کاربر نهایی این اختیار را بدهد که بدون نیاز به سرو کله زدن با قسمت‌های مختلف داده یا کد با مدل‌ها ارتباط برقرار کرده و از آن استفاده کند.

اخیرا دکتر «جفری هینتون»، از پیشگامان یادگیری عمیق عنوان کرد که این فناوری قادر به انجام هرکاری است و می‌تواند هوش انسانی را تکرار ‌کند. در همین رابطه شبکه‌های عصبی عمیق توانایی‌های خارق‌العاده‌ای برای تخمین زدن مرتبط‌ترین زیرمجموعه توابع ریاضی نشان داده‌اند و انتظار می‌رود بر چالش‌های استدلال غلبه کنند.

همچنین دکتر «مانوئلا ولوسو» در دانشگاه «کارنگی ملون» از نوعی خودمختاری همزیستی صحبت کرد که باعث می‌شود بازخورد و مکانیسم‌های تصحیح در هوش مصنوعی یکپارچه شوند و این یکپارچگی باعث می‌شود اطلاعات بین انسان‌ها و ماشین‌ها به صورت روان به یکدیگر منتقل شود.

پیش بینی می‌شود که سرمایه‌گذاری سنگینی برای تحقیق در مورد این توانایی‌ شبکه‌های عصبی عمیق توسط استارتاپ‌ها، شرکت‌های برتر تکنولوژی و دانشگاه‌ها انجام شود.

رایانه‌های کوانتومی به واسطه قدرت محاسباتی خیره کننده قادر به پردازش الگوریتم‌های فوق ‌العاده پیچیده در زمانی کوتاه هستند؛ اما این امر چگونه می‌تواند روی تولید و تحویل واکسن‌ها تاثیرگذار باشد؟

قبل از هر چیز باید به این نکته اشاره کرد که هنگام کشف دارو، محققان باید یک مولکول جدید را شبیه سازی کنند. انجام این کار با رایانه‌های پیشرفته امروزی  بسیار دشوار و چالش برانگیز خواهد بود. برای حل این مشکل کامپیوترهای کوانتونی پیش از اینکه کسی مجبور به ساخت دارو شود، می‌تواند مولکول را ترسیم کند و انرژی پیوند و قدرت انتقال شیمیایی آن را شبیه‌سازی کند.

با این وجود هوش مصنوعی و محاسبات کوانتومی موارد بیشتری از ایجاد واکسن برای ارائه دارند. یادگیری ماشین کوانتومی مقوله‌ کاملا جدیدی و نویدبخشی است که البته برای جلب توجه سرمایه‌گذاران به پیشرفت‌های بیشتری نیاز دارد. هیجان‌انگیزترین نکته در این رابطه نقطه‌ اتصال این تحقیقات با یکدیگر است. در واقع فعالیت تمام این فناوری‌ها در کنار یکدیگر می‌تواند منجر به ثبت نتایج تشریحی شود.