در این مطلب به بررسی هوش مصنوعی و مدیریت دانش میپردازیم.
محیط کار دیجیتال؛ فنآوری، کارمندان و فرآیندهای کسبوکار را برای بهبود کارایی عملیاتی و تحقق اهداف سازمانی با یکدیگر تطبیق میدهد. اجرای خدمات مبتنی بر دانش در محیط کار دیجیتال بستری را فراهم میکند که کارکنان از آن برای دستیابی به همه دانش سازمانی در راستای شغل خود استفاده خواهند کرد. خدمات ابری[2]، موبایل و هوش مصنوعی[3] تنها اجزای خدمات دانش به عنوان یک سرویس نیستند، بلکه جنبههای مهمی از محیط کار دیجیتال هستند. استفاده از این فنآوریها موانع جغرافیایی را از همکاریها و فرآیندها حذف خواهد کرد و اطمینان حاصل خواهد کرد که دانش از راه دور نیز قابلدسترسی است.
اهداف کار دیجیتالی مشترک و اهداف خدمات مبتنی بر دانش شامل استفاده از فنآوری برای بهبود همکاری، تعامل و مشارکت کارکنان، بهرهوری، فرآیندهای کسبوکار و مدیریت محتوا / دانش برای تسهیل در انتقال هوشمندانه دانش مناسب به فرد مناسب در شرایط مناسب و در زمان مناسب است.
هوش مصنوعی نقش مهمی در بالا بردن میزان انتقال و اشتراک دانش دارد. هوش مصنوعی برای اندازهگیری حجم و اثربخشی توزیع دانش استفاده میشود و خدمات مبتنی بر دانش را با فراهم آوردن توانایی زیر فعال میکند:
- پیشبینی حوزههای دانش و موضوعاتی که کاربران به آن نیاز دارند.
- تعیین اینکه کدام دانش مورد هدف براساس تعاملات در لحظه با کاربران و تولید محتوا، ایجاد و منتشر خواهد شد
- مدیریت خودکار و شخصیسازی دانش بر اساس اولویتهای فردی.
- بهبود تصمیمات مربوط به محتوای با استفاده از یادگیری ماشینی[4] در مورد این که کدام محتوا برای رسیدگی به وضعیت مناسب خواهد بود.
- جستجو و نتایج جستجوی آن را مناسبتر ، دقیقتر و کارآمدتر میکند.
- هوش مصنوعی از طریق مفاهیم قادر به شناخت بهتر نیاز کاربران است. اهداف، درک بهتری از محتوایی که کاربر به دنبال آن است فراهم خواهد کرد.
- پردازش زبان طبیعی[5] با شخصی سازی تحویل دانش، برای همه کاربران در طول نقاط مهم تصمیمگیری، ارزش افزوده تولید خواهد کرد.
بنابراین ریشه بسیاری از مسائل مربوط به مدیریت دانش را میتوان در رشتههای هوش مصنوعی و سیستمهای خبره یافت و جهت پیشبرد اهداف مدیریت دانش از آنها استفاده نمود. تکنیکهای مختلف هوش مصنوعی جهت کدگذاری دانش در نظامهای مدیریت دانش قابل استفاده هستند. در نتیجه با استفاده از این نظامها در موقعیتهای مرتبط با دانش و حل مساله، میتوان به ارزش افزوده برای سازمان رسید. به این ترتیب که سفیران دانش، دانش پنهان یا تخصصی را از طریق تکنیکهای کسب دانش مثل مصاحبه، شبیهسازی و غیره از کارشناسان زبده بیرون میکشند؛ و آن را به صورت قابل بازیابی ذخیرهسازی مینمایند و به شکلهای موردنیاز ساختار سازمانی، حل مساله، تصمیمگیری و غیره ساختاردهی و طبقهبندی میکنند.
هوش مصنوعی، سیستمهای خبره، خدمات ابری و غیره میتوانند به عنوان عاملی برای یکپارچگی منایع مختلف دانش مورد استفاده قرار گیرند. مهمتر از تشخیص ریشه مدیریت دانش، تشخیص این مساله است که به این خدمات باید به عنوان بخشی مکمل برای مدیریت دانش نگاه کرد که میتوانند چارچوبی را سازماندهی، تبادل و یکپارچهسازی دانشهای گوناگون فراهم آورد و همچنین شرایطی جهت ایجاد پایگاههای دانش و مشارکت بین کاربران ایجاد نماید و به عنوان یک تکنولوژی ایدهآل برای کسب، نگهداری و ثبت دانش، به ویژه در محیطهای امروزی که سازمانها با مهندسی مجدد، کوچکسازی، بازنشستگی و ترک خدمت افراد خبره مواجه میباشند، است.
هوش مصنوعی (به انگلیسی: Artificial Intelligence) که گاهی اوقات هوش ماشینی نامیده میشود، به هوشمندی نشان داده شده توسط ماشینها در شرایط مختلف اطلاق میشود که در مقابل هوش طبیعی در انسانها قرار دارد. به عبارت دیگر هوش مصنوعی به سامانههایی گفته میشود که میتوانند واکنشهایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیهسازی فرایندهای تفکری و شیوههای استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.[۲] بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی،[۳] آن را به عنوان (دانش شناخت و طراحی عاملهای هوشمند) تعریف کردهاند.[۴][۵]
هوش مصنوعی را باید گستره پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشهها و ایدههای اصلی آن را باید در فلسفه، زبانشناسی، ریاضیات، روانشناسی، عصبشناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینهسازی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیستشناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.
منبع:
پانوشت:
[1] KaaS) Knowledge-as-a-Service(
[2] Cloud services
[3] artificial intelligence
[4] machine learning
[5] NLP)Natural Language Processing(
