ابداع فناوری «حسگر تلفن همراه» برای ارزیابی رفتار کارکنان
تاریخ انتشار: ۴ تیر ۱۳۹۸ | کد خبر: ۲۴۱۹۰۶۰۹
این سیستم «حسگر- تلفن همراه» حرکات، احساسات و رفتار کارکنان را زیر نظر گرفته و آنها را بر مبنای عملکرد، در دو حالت خوب و بد طبقهبندی کرده و ضمن اینکه به کارکنان کمک میکند تا عملکردشان را بهبود بخشند، در عین حال به شرکتها کمک میکند تا بتوانند عملکرد کارکنان خود را ارزیابی کنند.
همچنین این روش میتواند ابزاری تکمیلکننده یا جایگزین مصاحبهها و خودارزیابیهای رایج برای بررسی عملکرد افراد باشد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
محققان دانشگاه دارتموث میگویند این سیستم، نخستین روش برای ارزیابی عملکرد افراد در محل کار است که این کار را با استفاده از دادههای حسی منفعل ارسالی از تلفنها و ابزارهای پوشیدنی انجام میدهد.
سیستم حسگر-تلفن همراه و یادگیری ماشین بهترین روش برای نشان دادن عملکرد کارکنان است.
در این سیستم جدید، تلفن هوشمند تمام حرکات فیزیکی، مکان، استفاده از تلفن و نور محیط را ردیابی میکند. یک ردیاب پوشیدنی تناسب اندام هم عملکرد قلب، خواب، اضطراب و اندازهگیریهای مربوط به بدن مانند وزن و مصرف کالری را بررسی میکند.
بیکنهای ( Beacon) مکانی نیز که در خانه و محل کار نصب میشوند، اطلاعات مربوط به زمان کار و وقتی که فرد در منزل است را جمعآوری میکند. بیکنها، فرستندههای کوچک و بیسیمی هستند که برای ارسال علائم به سایر دستگاههای هوشمند در نزدیکی خود، از فناوری بلوتوث و انرژی کم استفاده میکنند.
فناوری حسگر-تلفن همراه از نوعی اپلیکیشن به نام PhoneAgent که بر اساس اپلیکیشن StudentLife ساخته شده است، استفاده میکند. اپلیکیشن StudentLife رفتار دانشجویان را بررسی و عملکرد تحصیلی آنها را پیشبینی میکرد.
سیستم حسگر- تلفن همراه، ترکیبی از ابزارهای فنی موجود مانند دستبند تناسب اندام و اپلیکیشن StudentLife را به کار گرفته و اطلاعات مورد نیاز را جمعآوری میکند. سپس این اطلاعات به وسیله الگوریتمهای یادگیری ماشین بر پایه ابر، پردازش شده و کارکنان را بر اساس عملکردشان، طبقهبندی میکند.
این محققان میگویند، این روش شروع گام برداشتن به سوی بهبود عملکرد با استفاده از دادههای حسی منفعل و یادگیری ماشین است. در واقع با این روش میتوان بازخورد مناسبی برای کارکنان یک مجموعه فراهم کرد تا عملکرد آنها روزبهروز بهتر شود.
محققان برای بررسی سیستم ابداعی خود، عملکرد ناظران و کارکنان صنایع مختلف را ارزیابی کردند. آنها با استفاده از فناوریهای پیشرفته و مشاوره مدیریت و گزارش افراد از رفتارهای خود، عملکرد کارکنان را بررسی کردند. سپس عملکرد آنها بر اساس عواملی چون زمان صرف شده در محل کار، کیفیت خواب، فعالیت فیزیکی و تماسهای تلفنیشان طبقهبندی شد.
این تحقیق نشان داد، افرادی که عملکرد بالاتری داشتند، کمتر از تلفن استفاده میکردند، دورههای خواب عمیق بیشتری داشتند و از نظر فیزیکی، پرتحرک بودند.
این سیستم توانست تا ۸۰ درصد، عملکرد کارکنان خوب را به درستی تشخیص دهد.
محققان امیدوارند با ارائه بازخورد خوب به کارکنان و همچنین کارفرما، شرایط کار و عملکرد کارکنان را بهبود بخشند و بازدهی تولید و در عین حال عملکرد خوب افراد را افزایش دهند.
منبع: ایرنا
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.irna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۴۱۹۰۶۰۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
چالشهای زیستمحیطی در توسعه هوش مصنوعی
هوش مصنوعی مولد نگاه نوآوران و کارآفرینان را به خود جلب کرده است و آنها بهخوبی میدانند که چنین فناوری میتواند چه تغییرات شگفتی در جهان کنونی خلق کند. بااینحال، در پشتصحنه چنین تکنولوژی، چالشهای مهمی نهفته است که میتوانند تهدیدی برای پیشرفت آن باشد و منجر به ایجاد بحرانهای جهانی انرژی شود. با حضور هرچه بیشتر هوش مصنوعی در تاروپود صنایع مختلف، نگرانیها در مورد بهکارگیری بیرویه انرژی توسط هوش مصنوعی و عدم پایداری آن افزایش یافته و کارشناسان رویکردهای متفاوتی برای حل این معضل پیشنهاد میدهند.
دیتاسنترهای (Data centers) توسعهیافته توسط غولهای فناوری مانند آلفابت، مایکروسافت و آمازون که بهمنظور ارائه خدمات ابری استفاده میشوند، تنها حدوداً ۱ الی ۲ درصد از مصرف انرژی جهانی را به خود اختصاص دادهاند. همچنین این شرکتها همزمان با افزایش میزان کارکرد سیستمها، بهرهوری انرژی را در این مراکز بهبود بخشیدهاند و با سرمایهگذاری عظیم در بحث انرژیهای پاک، اثرات زیستمحیطی دستگاههای خود را کاهش دادهاند. البته لازم به ذکر است که تلاشهای این شرکتها برای تقویت سیستمها و بهرهوری مفید انرژی همچنان ادامه دارد.
هوش مصنوعی
بااینحال، ظهور هوش مصنوعی مولد چالشهای جدیدی را ایجاد کرده است. برای مثال، پردازشگرهای گرافیکی (GPU) در ChatGPT، انرژی زیادی را مصرف میکنند و طبق گفته «کریستوفر ولیس» از کمپانی Equinix (شرکت اجارهدهنده دیتاسنتر)، یک سرور استاندارد با مقیاس بالا، پیش از حضور هوش مصنوعی حدود ۱۰ الی ۱۵ کیلووات انرژی مصرف میکرد، درحالیکه این رقم با حضور هوش مصنوعی به ۴۰ الی ۶۰ کیلووات در هر رَک (rack) افزایش مییابد؛ البته مصرف بالای انرژی محدود به محاسبات دستگاهها نیست و سیستمهای خنککننده نیز برای رکهای GPUها به انرژی قابلتوجهی نیازمندند. همچنین استفاده از مدلهای زبانی مانند GPT-۴ در زمینههای گوناگون، از تحقیقات گرفته تا فعالیتهای خلاقانه تولید محتوا، میتوانند به افزایش بیشتر فشار در شبکه منجر شوند. (به عنوان مثال، یک سرچ ساده در ChatGPT میتواند ۱۰ برابر بیشتر از جستجو در گوگل انرژی مصرف کند.)
آژانس بینالمللی انرژی میگوید میزان مصرف انرژی دیتاسنترها تا سال ۲۰۲۶ ممکن است به ۲ برابر میزان دو سال پیش افزایش یابد و انتظار میرود که طی این بازه زمانی، این دستگاهها یکسوم مصرف انرژی ایالاتمتحده را به خود اختصاص دهند. همچنین «رنه هاس»، مدیر اجرایی آرم (Arm)، طی گفتگو با وال استریت ژورنال بیان کرد که تا پایان دهه فعلی میلادی، دیتاسنترهای هوش مصنوعی میتوانند تا ۲۵ درصد کل برق آمریکا را به خود اختصاص دهند؛ البته وی درحالی این ادعا را مطرح کرده که مصرف فعلی این سیستمها حدود ۴ درصد یا کمتر است.
پیچیدگیهای مصرف انرژی در آمریکا
ظهور هوش مصنوعی مولد همزمان با ایجاد فرصتهای اقتصادی متعدد، مصرف انرژی بالایی را هم میطلبد؛ درحالیکه کاربران و سرمایهداران رؤیای استفاده حداقلی انرژی را در سر دارند. این تفکر در سایر بخشها نیز قابل مشاهده است. برای مثال، بسیاری از مشتریان میخواهند انرژی خودروهایشان زیرو کربن (بدون کربن) باشد و منابع دیگری را برای انرژی دستگاههایشان جستجو میکنند.
از طرفی، گسترش شبکهها دیگر چالش پیشروی کمپانیهاست. علیرغم حمایت کاخ سفید، ساخت سریع ظرفیتهای تجدیدپذیر جدید برای شرکتها آسان نیست و آنها از مشکلات متعددی در زنجیره تأمین رنج میبرند. طبق برخی محاسبات، تحویل ترانسفورماتورها سه سال طول میکشد و همینطور افزایش هزینه پروژههای بادی و خورشیدی، تأمین مالی آنها را دشوار ساخته است.
چه باید کرد؟
شکی نیست که ادامه وضعیت فعلی، بحرانهای زیستمحیطی و انرژی متعددی را رقم خواهد زد؛ درنتیجه صنعت حالحاضر به راهکارهای نوآورانه و خلاق نیاز دارد. یکی از رویکردهای احتمالی، بهبود بهرهوری پردازشگرهای گرافیکی است. درحالحاضر انویدیا بهعنوان تأمینکننده عمده قطعات در این زمینه، ادعا کرده که بهرهوری لازم را در جدیدترین سرورهای هوشمصنوعی خود اعمال کرده است و این روند را ادامه میدهد. بااینحال، ساخت تراشههای کارآمدتر میتواند به افزایش مصرف انرژی ختم شود و دوباره مشکل ایجاد کند.
«آرون دنمن» از شرکت Bain، پیشنهاد میکند که مدعیان حوزه فناوری از منابع مالی خود برای کمک به شرکتهای حوزه برق جهت رفع محدودیتهای این شبکه خرج کنند. او با اشاره به افزایش تقاضا برای مصرف انرژی در زمانهای اوج مصرف، از الزام بهرهمندی از نیروگاههای پشتیبان آماده گفت. بااینحال، این نیروگاهها احتمالاً با گاز طبیعی کار میکنند که با اهداف زیستمحیطی شرکتهای بزرگ در تضاد است.
کمبود احتمالی انرژیهای تجدیدپذیر هزینههایی را بههمراه خواهد داشت. علیرغم عدم آشنایی با نحوه درآمدزایی از هوش مصنوعی، مردم میدانند که حضور پردازشگرهای گرافیکی سدی بزرگ در بهرهوری انرژی محسوب میشوند. اگر هزینههای انرژی افزایش یابد، توسعه هوش مصنوعی و فناوریهای نوین نیز با اختلال روبهرو خواهد شد. از طرفی دیگر، «سم آلتمن» و همکارانش در OpenAI، بهکارگیری شکافت هستهای را بهعنوان یکی از راههای تأمین انرژی مصرفی سیستمهای هوش مصنوعی در سر دارند. بااینحال، باید منتظر ماند و دید که مسیر توسعه انرژیهای تجدیدپذیر چگونه پیش خواهد رفت و آینده هوش مصنوعی مولد بهعنوان یک فناوری کاربردی چگونه خواهد بود.
منبع: دیجیاتو
باشگاه خبرنگاران جوان علمی پزشکی فناوری