کاربرد هوش مصنوعی در افکار‌سنجی

کارگاه تخصصی «کاربرد هوش مصنوعی در افکارسنجی» در راستای برگزاری سلسله رویدادهای «داده‌کاوی و مدیریت شهری» توسط اداره پیمایش و داده‌کاوی کانون افکارسنجی مرکز مطالعات و برنامه ریزی شهر تهران در دستور کار قرار گرفت.

جلسه مذکور با حضور سعیده ممتازی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر و رئیس پژوهشکده هوش مصنوعی و سامانه های هوشمند؛ کوثر یزدان نجاد، رئیس اداره پیمایش و داده کاوی کانون افکارسنجی مرکز مطالعات و برنامه ریزی شهر تهران و جمعی از متخصصین و مدیران شهری در معاونت مالی و اقتصاد شهری شهرداری تهران برگزار شد.

در ابتدای جلسه، یزدان نجاد برنامه‌های مبتنی بر هوش مصنوعی و فناوری داده‌های بزرگ را برای بهبود طیف عظیمی از رویدادها در مدیریت شهرهای هوشمند آینده ضروری دانست و افزود: هوش مصنوعی می تواند نقش مهمی در بهبود شیوه‌های افکارسنجی و تحلیل افکار عمومی ایفا نماید. از جمله قابلیت‌های هوش مصنوعی در تحقیقات افکارسنجی می توان به بهبود سوالات پرسشنامه در فرم‌های نظرسنجی، تحلیل شبکه‌های اجتماعی و رسانه های خبری اشاره نمود. تجزیه و تحلیل پاسخ‌ها با شناسایی الگوها و همبستگی ها و همچنین اعتبارسنجی داده‌ها به منظور شناسایی، اصلاح خطاها و افزایش قابلیت اعتماد از دیگر کاربردهای هوش مصنوعی در افکارسنجی می‌باشد.

در ادامه، سعیده ممتازی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر و رئیس پژوهشکده هوش مصنوعی و سامانه های هوشمند این دانشگاه؛ آگاهی از افکار عمومی را از مهم ترین نیازهای دولت ها، نهادها و سازمان ها عنوان نمود.

وی در ادامه به تشریح مزایای افکارسنجی در فضای عمومی وب افکار‌سنجی با توجه به حجم بالای نظرات، دسترسی وسیع جغرافیایی و تنوع مخاطب پرداخت و تحلیل نظرات در پردازش متن و کاربردهای آن را مورد واکاوی قرار داد.

عضو هیئت علمی دانشگاه امیرکبیر از کاربردهای مهم افکارسنجی به تحلیل سیر نظرات در شبکه های اجتماعی افکار‌سنجی و تغییر نظرات با گذشت زمان، بررسی رضایت مشتریان از کالا و خدمات، پیش بینی بازارهای مالی و سرمایه و پیش بینی نتایج انتخابات اشاره نمود.

ممتازی در ادامه ضمن تفکیک خبر و نظر از یکدیگر و اشاره به اجزای متن در تحلیل نظرات، رویکردهای مبتنی بر قاعده و مبتنی بر یادگیری ماشین را در تحلیلی نظرات مورد توجه قرار داد و روش های مبتنی بر قاعده را به شرح: یافتن کلمات نظرمحور؛ در نظر گرفتن عناصر و قواعد مختلف زبانی حول کلمات و همچنین دسته بندی متن بر اساس کلمات و قواعد مربوطه برشمرد.

ممتازی در ادامه مثال هایی از واژه های معکوس ساز، واژه های تشدیدکننده، اصطلاحات و نظرات ترکیبی در متن را تشریح نمود. الگوریتم های یادگیری ماشین، یادگیری عمیق و مدل های زبانی بزرگ از دیگر موارد مورد بحث در کارگاه بود. ممتازی در ادامه افزود: یادگیری ماشین زیرشاخه هوش مصنوعی بوده و با هدف حل مسائل پیچیده‌تر با داده‌های بیشتر و ایده گرفتن از روش‌های یادگیری ماشین، حوزه یادگیری عمیق نیز ظهور پیدا کرد.به دلیل عملکرد خوب الگوریتم‌های یادگیری عمیق بر روی برخی از مسائل و همچنین دخالت کمتر انسان در فرآیند یادگیری، این الگوریتم‌ها به عنوان زیر حوزه‌ی جدا مطرح شده اند.

وی در ادامه سخنانش اظهار داشت: الگوریتم‌های یادگیری عمیق از شبکه‌های عصبی مصنوعی افکار‌سنجی استفاده می‌کنند، در حالی که الگوریتم‌های یادگیری ماشین کلاسیک از روش‌ها و فرمول‌های آماری استفاده می‌کنند. به طور کلی، الگوریتم‌های شبکه‌های عصبی عمیق، ساختاری پیچیده‌تر دارند و یادگیری در آن‌ها بسته به پیچیدگی ساختارشان، ممکن است هزینه‌بر باشد.

عضو هیئت علمی دانشگاه صنعتی امیرکبیر همچنین به تشریح مدل های زبانی بزرگ (LLM) به عنوان نسل جدید هوش مصنوعی بدون نیاز به برچسب زدن و درک زبانی بالا پرداخت و افزود: (LLM)مجموعه بسیار بزرگی از شبکه‌های عصبی مصنوعی است که از طریق متون بدون برچسب آموزش می‌بیند و انقلابی در حوزه پردازش زبان به وجود آورده است. ممتازی در بخش پایانی کارگاه تخصصی، کاربردهای چت چی پی تی به عنوان نمونه ای از هوش مصنوعی توسعه یافته با مدل های زبانی بزرگ را واکاوی نمود.