دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Thomas H. Davenport, Steven M. Miller سری: Management on the Cutting Edge ISBN (شابک) : 0262047241, 9780262047241 ناشر: The MIT Press سال نشر: 2022 تعداد صفحات: 311 [312] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 Mb
در صورت تبدیل فایل کتاب Working with AI: Real Stories of Human-Machine Collaboration به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کار با هوش مصنوعی: داستان های واقعی همکاری انسان و ماشین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دو کارشناس مدیریت و فناوری نشان میدهند که هوش مصنوعی
کار را نابود نمیکند، و همکاری هوش مصنوعی کارگر و هوش مصنوعی را
در محیطهای کاری در دنیای واقعی بررسی
میکنند.
این کتاب هم از هیاهوها و غم و اندوه پیرامون اتوماسیون و استقرار
سیستمهای «هوشمند» با هوش مصنوعی در محل کار. کارشناسان مدیریت و
فناوری، توماس داونپورت و استیون میلر نشان میدهند که برخلاف
پیشبینیها، نسخهها و محکومیتهای گسترده، هوش مصنوعی در درجه
اول یک نابودکننده شغل نیست. در عوض، هوش مصنوعی روش کار ما را
تغییر میدهد - با بر عهده گرفتن برخی وظایف، نه کل مشاغل، آزاد
کردن افراد برای انجام کارهای مهمتر و چالشبرانگیزتر
. داونپورت و میلر با ارائه مطالعات موردی دقیق و واقعی در
مورد مشاغل تقویتشده با هوش مصنوعی در محیطهایی که از امور مالی
تا کارخانه را در بر میگیرد، نشان میدهند که هوش مصنوعی در محیط
کار چیزی از حدس و گمانهای آیندهنگر نیست. در حال حاضر برای
بسیاری از شرکت ها و کارگران اتفاق می افتد.
این موارد شامل یک سیستم دیجیتالی برای پذیرهنویسی بیمه عمر است
که برنامهها و دادههای شخص ثالث را در زمان واقعی تجزیه و تحلیل
میکند و به پذیرهنویسان انسانی اجازه میدهد تا روی موارد
پیچیدهتر تمرکز کنند. یک پلت فرم هوشمند پزشکی از راه دور با
رابط مبتنی بر چت. یک سیستم یادگیری ماشینی که مسائل مربوط به
تعمیر و نگهداری قطار قریب الوقوع را با تجزیه و تحلیل نمونه های
سوخت دیزل شناسایی می کند. و فلیپی، دستیار رباتیک برای تهیه فست
فود. برای هر یک، داونپورت و میلر به تفصیل زمینه کار سیستم،
مصاحبه با متصدیان شغل، مدیران و فروشندگان فناوری را شرح می
دهند. فصلهای کوتاه «بینش» موضوعات مشترک را ترسیم میکنند و
پیامدهای همکاری انسان با سیستمهای هوشمند را در نظر
میگیرند.
Two management and technology experts show that AI is not
a job destroyer, exploring worker-AI collaboration in
real-world work settings.
This book breaks through both the hype and the doom-and-gloom
surrounding automation and the deployment of artificial
intelligence-enabled—“smart”—systems at work. Management and
technology experts Thomas Davenport and Steven Miller show
that, contrary to widespread predictions, prescriptions, and
denunciations, AI is not primarily a job destroyer. Rather, AI
changes the way we work—by taking over some tasks but not
entire jobs, freeing people to do other, more important and
more challenging work. By offering detailed,
real-world case studies of AI-augmented jobs in settings that
range from finance to the factory floor, Davenport and Miller
also show that AI in the workplace is not the stuff of
futuristic speculation. It is happening now to many companies
and workers.
These cases include a digital system for life insurance
underwriting that analyzes applications and third-party data in
real time, allowing human underwriters to focus on more complex
cases; an intelligent telemedicine platform with a chat-based
interface; a machine learning-system that identifies impending
train maintenance issues by analyzing diesel fuel samples; and
Flippy, a robotic assistant for fast food preparation. For each
one, Davenport and Miller describe in detail the work context
for the system, interviewing job incumbents, managers, and
technology vendors. Short “insight” chapters draw out common
themes and consider the implications of human collaboration
with smart systems.