چگونه بدون نگرانی، از رقابت باشکوه هوش مصنوعی در سال ۲۰۱۸ لذت ببریم

ماه گذشته، ایلان ماسک با انتشار یک توییت در شبکه‌ی اجتماعی توییتر، از پیش‌بینی خود مبنی بر نحوه‌ی آغاز جنگ جهانی سوم صحبت کرد. کمی قبل‌تر، ولادیمیر پوتین، رئیس‌جمهوری روسیه نیز با سخنرانی برای دانشجویان روس تأکید کرد که کشور پیشگام در عرصه‌ی هوش مصنوعی به فرمانروای جهان تبدیل خواهد شد. مدیرعامل تسلا موتورز و اسپیس‌ایکس با تأثیرپذیری از این گفته‌ی رهبر روسیه، اعلام کرد که رقابت جهانی بر سر دستیابی به هوش مصنوعی، ممکن است به یک جنگ تمام‌عیار تبدیل شود. جنگی که احتمالا دستور اولین حمله‌ی آن به جای یک فرمانده‌ی نظامی، از سوی یک الگوریتم کامپیوتری صادر می‌شود. متعاقب آن، یکی از دنبال‌کنندگان ماسک در توییتر، وی را به خاطر این پیشگویی غم‌انگیزش مورد سرزنش قرار داد و در نهایت وی را وادار به عذرخواهی کرد.

ماسک تاحدی یک فرد جنجال‌آفرین در حوزه‌ی فناوری است. با این حال، عده‌ی زیادی با برداشت او از هوش مصنوعی هم‌نظر هستند. حتی برخی از پیش‌بینی‌های معتدل‌تر درباره‌ی آینده‌ی هوش مصنوعی نظیر کاهش معنادار سوانح جاده‌ای توسط خودروهای خودران که رؤیایی دوردست به حساب می‌آیند، معمولا در رفع نگرانی‌های ما ناتوان هستند.

گوشی‌های هوشمند، ابزارهای خانه‌ی هوشمند و دیگر دستگاه‌ها به نحو فزاینده‌ای در حال تکامل به سمت کاربرد در قالب سرویس‌های مبتنی بر هوش مصنوعی نظیر سیری اپل، الکسای آمازون و گوگل اسیستنت هستند. سوامی شیواسوبرمانیان، نائب رئیس بخش هوش مصنوعی آمازون می‌گوید:

اگر شما الکسا و اکو را باز کنید، تنها با یک اسپیکر معمولی مواجه نخواهید شد. این دستگاه در واقع یک دستیار دیجیتال هوشمند است که قدرت خود را از فضای ابری می‌گیرد و از تشخیص گفتار برآمده از یادگیری عمیق و درک طبیعی زبان استفاده می‌کند.

همان‌طور که هوش مصنوعی به تدریج بر جنبه‌های گوناگون کسب‌وکارها تأثیر می‌گذارد، غول‌های فناوری نیز در تلاش و رقابت برای استخدام نخبه‌های این حوزه از مراکز دانشگاهی و از شرکت‌های رقیب هستند. یان لیکان از دانشگاه نیویورک اکنون در فیسبوک مشغول به کار است. جیا لی، اسنپ‌چت را به مقصد واحد یادگیری ماشینی گوگل کلاود ترک کرده است. اسکات پنبرتی، مدیر بخش هوش مصنوعی کاربردی برای گوگل کلاود می‌گوید: «از آنجایی که این فناوری بسیار قدرتمند است، تقاضای بالایی برای جذب مغزهای متخصص این حوزه وجود دارد.»

ایلان ماسک، مدیرعامل تسلا و اسپیس‌ایکس

مؤسسه‌ی تحقیقاتی پایسا، نتیجه‌ی مطالعه‌ای را در ماه آوریل منتشر کرد که برطبق آن، آمازون در حال انجام یک سرمایه‌گذاری به ارزش ۲۲۸ میلیون دلار برای کاربردهای جدید هوش مصنوعی است. به دنبال آن‌ها، گوگل و مایکروسافت نیز به ترتیب ۱۳۰ و ۷۵ میلیون دلار برای این بخش در نظر گرفته‌اند.

تنها تعداد انگشت‌شماری از شرکت‌ها قادر به رقابت در این سطح هستند. علی قدسی، مدیرعامل دیتابریکس، استارتاپی که با همکاری با کسب‌وکارها، هوش مصنوعی را برای آن‌ها کاربردی می‌کند، می‌گوید:

آمازون، اپل، فیسبوک، گوگل و مایکروسافت همگی متخصص این حوزه هستند و تنها بازیگران اصلی این عرصه نیز آن‌ها هستند و دیگر شرکت‌های برتر پشت سر آن‌ها قرار می‌گیرند.

بنا بر گفته‌ی قدسی، معضل ۱ درصدی‌ها در این حوزه در حال ظهور است. در این صورت، تنها بازیگران بزرگ توان و ظرفیت بهره‌برداری کامل از این فناوری جدید را خواهند داشت.

هوش مصنوعی، به‌عنوان یک ابزار تجاری هنوز در مراحل اولیه‌ی تکامل خود به‌سر می‌برد. مطالعات اخیر موسسه‌ی جهانی مک‌کینزی و گروه مشاور ام‌آی‌تی/ بوستون نشان می‌دهد که تنها ۲۰ درصد از شرکت‌ها این فناوری را به‌صورت معنادار به‌کار برده‌اند. اما برخلاف برخی نقاط عطف در فناوری‌های پیشین نظیر ظهور تجارت الکترونیک در دهه‌ی ۱۹۹۰، هوش مصنوعی به‌صورت طبیعی سودی برای استارتاپ‌های فعال ندارد؛ زیرا جمع‌آوری داده‌های مورد نیاز آن می‌تواند سال‌ها به طول بیانجامد. دیوید کنی، نائب رئیس ارشد بخش واتسون و آی‌بی‌ام کلاود در توجیه این مسئله می‌گوید:

این موضوع در واقع یک مزیت برای این فناوری به‌حساب می‌آید؛ زیرا هرچه دانش بیشتری برای آموزش هوش مصنوعی وجود داشته باشد، ارزش آن نیز بیشتر می‌شود.

با این حال، نقطه‌ی هم‌پوشانی هوش مصنوعی با فناوری‌های مطرح پیشین، میل به بالا رفتن بیش از حد انتظارات به گونه‌ای است که ظرفیت‌های واقعی آن از نظرها پنهان می‌شود. برای مثال، در ماه سپتامبر، استات، یک وب‌سایت خبری پزشکی با انجام یک تحقیق نشان داد که محصول واتسون آی‌بی‌ام برای سرویس سرطان‌شناسی و نهادهای پزشکی، برخلاف وعده‌ی پیشین مبنی بر موفقیت در مبارزه با سرطان، در تحقق انتظارات ناکام مانده است. استیون فینلی، تحلیلگر داده و نویسنده‌ی هوش مصنوعی و یادگیری ماشینی برای تجارت می‌گوید:

ما احتمالا در نقطه‌ی اوج انتظارات و توقعات قرار داریم: هوش مصنوعی قرار است همه‌ی کارها را برای ما انجام دهد؛ قرار است دنیا را تحت سلطه‌ی خود دربیاورد. اگر با هوش مصنوعی در ارتباط نباشید، [از باقی دنیا] عقب خواهید ماند.

با این وجود، هوش مصنوعی تنها یک تب زودگذر نیست. هزینه‌های صرف‌شده در بخش تحقیق و توسعه با نرخ سالیانه‌ بیش از ۳۰ میلیارد دلار، مبالغ هنگفتی هستند و انتظار می‌رود که تأثیر نهایی بر بهره‌وری و افزایش تقاضای مصرف‌کنندگان، تریلیون‌ها دلار باشد. جای تعجب نیست که هوش مصنوعی به نقطه‌ی کانونی جنگ بین بازیگران بزرگ فناوری تبدیل شده است و سازمان‌های بی‌شماری که در عرصه‌ی فناوری و حوزه‌های دیگر تحت تأثیر قرار گرفته‌اند، آینده‌ی خود را در آن می‌بینند.

کسب‌و‌کارها برای درک جایگاه کنونی هوش مصنوعی و مسیر پیش‌ روی آن، باید هیجانات و تردیدها را با هم در نظر داشته باشند. در ادامه، ۶ درس کاربردی از خطوط مقدم این عرصه در صنایع مختلف از فناوری تا خرده‌فروشی و مشاور املاک به تفصیل شرح داده شده است. هوش مصنوعی رسما در همه جا حضور دارد و کاربردهای آن به گونه‌ای است که همه‌ی ما باید قدردان آن باشیم.

رهبر یک کسب‌وکار مطرح مد اخیرا تصمیم گرفت که هوش مصنوعی باید به‌عنوان ابزاری در شرکتش به کار برده شود. اما از نحوه‌ی کاربرد این فناوری اطلاعی نداشت. این شرکت در گذشته با گوگل، آی‌بی‌ام و مایکروسافت همکاری کرده بود؛ اما پرسش اینجا است که آیا در حال حاضر باید با یکی از آن‌ها شریک شود؟ و دقیقا به چه منظور این کار را کند؟

حتی بازیگران فعال در حوزه‌ی هوش مصنوعی، نسبت به فریفتگی بیش از حد به این فناوری صرفا به علت مطرح بودن آن هشدار می‌دهند. مارکو کاسالاینا، مدیر محصول هوش مصنوعی کمپانی سیلزفروس که محصول آن‌ها با نام تجاری اینشتین شناخته می‌شود می‌گوید:

من گاهی اوقات با مشتریان علاقه‌مند صحبت می‌کنم. آن‌ها بدون آنکه علت واقعی استفاده یا نحوه‌ی کاربرد هوش مصنوعی را بدانند، می‌گویند: هی! ما می‌خواهیم از این فناوری استفاده کنیم.

گوردیپ سینگ پال، نائب رئیس مایکروسافت توصیه می‌کند:

انتظارات خود را بیش از حد بالا نبرید؛ زیرا شما تصور می‌کنید مشکل آسان است و هوش مصنوعی می‌تواند آن را حل کند.

وی تأکید می‌کند آن دسته از وظایفی که انسان‌ها به‌عنوان کارهای معمولی می‌شناسند، نظیر تا کردن لباس‌ها، می‌تواند به‌عنوان چالش‌هایی غیر قابل حل برای نرم‌افزار به نظر بیاید. سینگ پال در ادامه افزود «با این وجود، خود را برای غافلگیری از عملکرد بی‌نظیر هوش مصنوعی در پردازش وظایف آماده کنید.»

یک شیوه‌ی مناسب برای شروع کار، شناسایی آن دسته از مشکلات تجاری است که هوش مصنوعی توانایی حل آن‌ها را دارد. همچنین به جای رسیدگی به تمام آن‌ معضلات در یک زمان، یک پروژه‌ی اولیه‌ی کنترل‌پذیر انتخاب شود. دیپ وارما، مدیر ارشد مهندسی در مؤسسه‌ی مشاور املاک تلوریا، به تازه‌واردان عرصه‌ی هوش مصنوعی توصیه می‌کند که برای بهره‌گیری از این فناوری، مشکلات بسیار به‌خصوصی را انتخاب کنند. وارما در ادامه می‌گوید: «اگر فکر می‌کنید قرار است این مشکل را با یک حرکت حل کنید، هرگز چنین چیزی اتفاق نخواهد افتاد.»

کلید حل این مسئله، این است که فریفته‌ی توانایی هوش مصنوعی نشوید و به جای آن روی اهداف خود تمرکز کنید. اعمالی که انسان‌ها (بخوانید کارکنان) به‌عنوان وظایفی پرزحمت از آن‌ها یاد می‌کنند، معمولا بهترین نقاط شروع هستند. برای مثال، شرکت فناوری مسافرتی سیبر با بهره‌گیری از سرویس‌های پردازش طبیعی زبان از آژور مایکروسافت، در حال به‌کارگیری یک ربات چت در اپلیکیشن منسجر فیسبوک است که می‌تواند شروع به پرسیدن پرسش‌های مستقیمی درباره‌ی رزروهای موجود کند. مشتریان این شرکت در صنعت مسافرت می‌گویند: «مدیر سیبر آینده‌ای را می‌بیند که در آن نرم‌افزار هوشمند به شدت بر برنامه‌ی های پیچیده‌ی سفر متمرکز است؛ به نحوی که شما دلتان برای آن تعامل چهره به چهره‌ی واقعی تنگ می‌شود و ربات چت نیز قابلیت پشتیبانی بیشتری از درخواست‌های روزمره و عادی خواهد داشت.»

‌

‌

بینایی کامپیوتری و تشخیص گفتار دو حوزه مطالعه‌ی هوش مصنوعی هستند که به احتمال فراوان تأثیر گسترده‌ای در بخش کابردهای تجاری و تجربه مشتری برجای می‌گذارند

اواخر دهه‌ی گذشته، برخی اصطلاحات تخصصی فناوری نظیر کلان‌داده (Big Data) رواج پیدا کردند. مارک جانسون، مدیرعامل یک استارتاپ جغرافیایی هوش مصنوعی به نام دکارت لبز در این باره می‌گوید:

رواج این اصطلاح، درک جدیدی را بازتاب داد که بر اساس آن گردآوری، سازماندهی و تحلیل اطلاعات کلان در مورد هر جنبه از یک کسب‌وکار، از شیوه‌های ساخت و تولید تا رسیدن به دست مشتری، اقدامات ارزشمندی به‌حساب می‌آیند. با این حال، گرد‌آوری و ذخیره‌ی این حجم از داده از تشخیص نحوه‌ی استفاده از آن‌ها بسیار آسان‌تر است. بسیاری از شرکت‌ها به گرد‌آوری پیوسته‌ی اطلاعات در طول سال‌ها ادامه می‌دهند و آن قدر آن‌ها را در سرورها نگه می‌دارند تا خاک بخورند.

مارکو کاسالاینا می‌گوید: «داده، خوراکی است که هوش مصنوعی را تغذیه می‌کند. هرچه بیشتر مصرف کند، هوشمند‌تر می‌شود.» در کنفرانس توسعه‌دهندگان گوگل I/O در ماه می، جان جاناندریا، سرپرست هوش مصنوعی گوگل، این مفهوم را با شرح مثالی از دختر ۴ ساله‌ی خود توضیح داد. دختر او یک دوچرخه‌ی قدیمی پنی فارتینگ با یک چرخ بسیار بلند و متعلق به قرن ۱۹ مشاهده کرده بود. زمانی که پدرش ماهیت آن وسیله را برای او توضیح داد؛ وی به‌سرعت به این شناخت دست یافت که در صورت برخورد با هر نوع دوچرخه‌ی پنی فارتینگ دیگر، قادر به تشخیص آن باشد. «با کامپیوترها، ما باید صدهزار دوچرخه‌ی پنی فارتینگ را به آن‌ها نشان دهیم و به آن‌ها بگوییم که این یک دوچرخه است. اما به محض اینکه آن‌ها صدهزار مدل از این دوچرخه را دیدند، احتمالا در شناسایی آن‌ها عملکرد بهتری از انسان خواهند داشت.»

حتی شرکت‌هایی که صاحب مقادیر عظیمی داده هستند باید پایگاه داده‌ی خود را سازماندهی و پایگاه‌های متناقض را ادغام کنند و اطلاعات را معمولا به نحوی بسازند که پردازش آن‌ها برای الگوریتم آسان‌تر باشد. ژان فرانسوا فادی، مدیر ارشد نوآوری شرکت ایرباس دیفنس اند اسپیس توصیه می‌کند: «اولین قدم، خارج کردن داده از پایگاه و در دسترس قرار دادن آن به‌صورت آزادانه است.» برای ایرباس، این اقدام شامل انتقال تصاویر ماهواره‌ای‌اش به گوگل کلاود می‌شود. در حال حاضر، این شرکت می‌تواند با بهره‌گیری از یادگیری ماشینی، تفاوت بین برف و ابر را تشخیص دهد. این موفقیتی است که ظاهرا کامپیوترها در مقایسه با انسان، دارای توانایی بیشتری در دستیابی به آن هستند.

‌

‌

کامپیوترها در حال حاضر بهتر از انسان قادر به شناسایی اشیاء در تصاویر هستند. این برتری پیامدهای معناداری برای تشخیص چهره به همراه دارد

این حقیقت که غول‌های فناوری در حال تبدیل هوش مصنوعی ساخت خودشان به سرویس‌های لحظه‌ای هستند، یک مزیت برای سازمان‌هایی است که نزدیکی زیادی به منابع دارند. برای مثال، کریس آدزیما، یک تحلیلگر ارشد سیستم‌های اطلاعاتی شاغل در اداره‌ی پلیس شهرستان واشنگتن در اورگان، سال گذشته مجذوب یکی از امکانات جدید وب‌سرویس‌های آمازون به نام رکاگنیشن (Rekognition) شد که قابلیت تشخیص چهره را ارائه می‌داد. در حال حاضر، حجم تصاویر ثبت‌شده در زمان دستگیری از مجرمان این شهرستان به قدری زیاد شده که حتی فیلتر کردن جستجوی آن‌ها براساس سن، جنسیت یا نژاد نتیجه‌ی ملموسی در پی ندارد. در اختیار داشتن این حجم کلان از تصاویر، هنگامی که افسران پلیس نیاز به شناسایی فرد مظنون به سرقت دارند که توسط دوربین‌های امنیتی به دام افتاده، سودمند است. آدزیما با خوشحالی می‌گوید: «من نه تحلیلگر داده هستم و نه هیچ اطلاعی از نحوه‌ی کارکرد تشخیص چهره یا هوش مصنوعی دارم.» با این حال، او در طول چند ماه توانست سیستمی را شکل دهد که با استفاده از سرویس رکاگنیشن، تصاویر تازه‌ ثبت‌شده را با نمونه‌های موجود در بایگانی تطبیق می‌دهد. این سیستم تاکنون به شناسایی ۲۰ مظنون کمک کرده است.

این موضوع همچنین یک معامله‌ی فوق‌العاده محسوب می‌شود. راه‌اندازی اولیه‌ی این سیستم برای اداره‌ی پلیس تنها در حدود ۴۰۰ دلار هزینه داشته است. صورتحساب ماهانه‌ی وب‌سرویس‌های آمازون نیز تقریبا ۶ دلار است. آدزیما می‌گوید: «با هر دلاری که خرج می‌کنم، در قبال مالیات‌دهندگان مسئول هستم. ما چنین هزینه‌ی ناچیزی را صرف می‌کنیم؛ اما در عوض بازده بالایی به‌دست می‌آوریم.

تشخیص چهره، شاخه‌ای از هوش مصنوعی است که کاربرد آن در زمینه‌های مختلف، نسخه‌ی مخصوص آمازون را به‌سرعت در حوزه‌های فراوانی قابل استفاده کرده است. با این حال، در برخی موارد شرکت‌ها نیازمند به‌کارگیری نوعی هوش مصنوعی هستند که به دقت برای هدف مشخصی سازگار شده باشد. دیوید کنی از آمازون می‌گوید:

ما برای مشاوره درباره‌ی موضوعات هنری یا بازار بورس نزد رادیولوژیست یا وکیلمان نمی‌رویم. ما برای مسائل مختلف نزد متخصص مربوطه می‌رویم.

به همین دلیل، آمازون واتسون را برای صنایع به‌خصوصی از آموزش تا مدیریت زنجیره‌ی تأمین طراحی کرده است. اشاره‌ی کنی بازتاب‌دهنده‌ی یک حقیقت اولیه‌ درباره‌ی هوش مصنوعی است: هرچه جاه‌طلبی بیشتری داشته باشید، نیازمند الگوریتم پیچیده‌تری خواهد بود.

مرکز مشاوره‌ی املاک ترولیا امیدوار بود با استفاده از هوش مصنوعی قادر به سازماندهی انبوه تصاویر خانه‌های فروشی و اجاره‌ای شود و آن‌ها را برحسب آشپزخانه، اتاق خواب، حمام و حتی برخی ویژگی‌های آشپزخانه که قیمت خانه را به شدت افزایش می‌دهند نظیر سطح گرانیتی از هم مجزا کند. در حال حاضر، چنین سطحی از هوشمندی به‌عنوان یک محصول مصرفی در دسترس نیست.

دیپ وارما، تحلیگر داده در مؤسسه‌ی ترولیا می‌گوید: «این مرکز مشاوره‌ی املاک نیاز به خلاقیت دارد.» بدین منظور، وی بدین جمع‌بندی رسید که شرکتش به جای همکاری با دیگران، خود باید صاحب هوش مصنوعی باشد. ترولیا به‌عنوان واحدی از کمپانی مشاور املاک زیلو، ارزشی به مبلغ ۵.۵ میلیارد دارد. این مؤسسه می‌تواند به‌صورت هوشمندانه‌ای به دنبال بهره‌گیری از هوش مصنوعی به‌عنوان یک ضرورت راهبردی و سرمایه‌گذاری مناسب باشد. با وجود اینکه ترولیا از مشتریان وب‌سرویس‌های آمازون محسوب می‌شود؛ اما آن‌ها تصمیم گرفته‌اند مختصصان یادگیری ماشینی خود را استخدام کنند و الگوهای اختصاصی مناسب خود را توسعه دهند.

گاهی اوقات شخصی‌سازی می‌تواند به‌صورت حداقلی باشد. ادموندز، که یک وب‌سایت فروش آنلاین خودرو است و اطلاعاتی نظیر مشخصات، قیمت و نقد و بررسی خودروها را برای خریداران احتمالی فراهم می‌کند، هوش مصنوعی را با جنبه‌های بی‌شماری از کسب‌وکار خود از پیش‌بینی سود تا تأمین امنیت وب‌سایتش یکپارچه کرده است. ادمونز، درست همانند ترولیا، می‌خواهد با بهره‌گیری از این فناوری، تصاویر انبوه خودروها را دسته‌بندی کند تا شناسایی انواع تصاویر خارجی و داخلی موجود از مدل‌ها و برندهای به‌خصوص امکان‌پذیر شود.

چه یک شرکت، پیگیر کمک‌های فراوانی باشد و چه اکثر کارهای سنگین را خود برعهده بگیرد، ارزش هوش مصنوعی عمیقا با چالش‌های کسب‌وکار فردی گره خورده است. این بدین معنی است که هوش مصنوعی تنها در صورتی می‌تواند مؤثر باشد که سهامداران همانند کارکنان آی‌تی درگیر و متعهد باشند.

جورد گورینگ، یکی از مدیران شرکت جانسون اند جانسون که در زمینه‌ی ارائه‌ی تجهیزات پزشکی فعالیت می‌کند، می‌گوید:

سازمان‌ها تمایل دارند تنها نظاره‌گر باشند. آن‌ها درست پس از آنکه فناوری را تصاحب کردند، انتظار دارند که فناوری تمام کارهای سخت را برای آن‌ها انجام دهد. این، یکی از چیزهایی است که به هیچ وجه با هوش مصنوعی قابل انجام نیست.

هرچند وظیفه‌ی گورینگ، تمرکز بر افراد و نه فناوری است؛ اما او از اقدام شرکتش در همکاری با گوگل کلاود و جذب جایب، یک کمپانی تأمین‌کننده‌ی نرم‌افزار برای ترکیب هوش مصنوعی به شیوه‌ای که تمام افراد از محققان پزشکی تا رانندگان کامیون درگیر آن شوند، حمایت و پشتیبانی کرده است. این شرکت می‌گوید از زمانی که استفاده از موتور جستجوی مجهز به الگوریتم‌های یادگیری ماشینی گوگل را برای تطبیق میلیون‌ها داوطلب با ۲۵ هزار شغل آغاز کرده‌اند، تعداد متقاضیان مناسب ۴۱ درصد افزایش یافته است.

پس از آن مگ ساتن، مدیر تجربه‌ی خرده‌فروشی مشتری در کمپانی اچ اند آر بلاک که در زمینه‌ی خدمات مالیاتی فعالیت می‌کند، می‌گوید: «این یک فرایند پیوسته از پالایش و آموزش به منظور بهبود مداوم و پیوسته‌ی اجرا است.» این غول مالیاتی امسال شروع به یکپارچگی واتسون آی‌بی‌ام در فعالیت‌های روزمره‌ی خود کرد. این شرکت پس از آن دریافت که این ورودی، موجب افزایش رضایت مشتری شده است. اکنون این شرکت برای فصل مالیاتی سال آینده در حال کار روی نسخه‌ی دوم است.

درس پایانی، به یکی از درس‌های ساده اما مهم انسانی یعنی صبوری بازمی‌گردد. فرصت‌های فراوانی در هوش مصنوعی وجود دارد؛ اما در عین حال ناشناخته‌های زیادی نیز پیش روی ما قرار دارد. برخلاف پیشگویی‌های مختلف از ایلان ماسک تا مارک زاکربرگ، دانستن تأثیر فرهنگی نهایی این فناوری، همچنان غیرممکن است.

سرانجام، همانطور که فناوری‌های تحول‌برانگیز پیشین نشان داده‌اند، همگان قادر به حرکت با آن‌ها نخواهند بود. یونکای ژو، کسی که سال‌ها خود را وقف ساخت فناوری‌های یادگیری ماشینی در پلتفرم تبلیغاتی گوگل کرده است، می‌گوید:

افرادی هستند که با سوار شدن بر این موج به موفقیت دست پیدا می‌کنند و افراد دیگری نیز هستند که برخلاف این موج حرکت خواهند کرد و از میدان به در خواهند شد.

سرانجام به لطف تجربه‌های جدید و برجسته‌ی شرکت‌های بزرگ و کوچک، همه‌ی ما به‌تدریج مسیر و مقصد احتمالی این فناوری را خواهیم دانست.