با توجه به حضور هوش مصنوعی در بازار کسب و کار نیاز به عــملیـــات هـــای مـبـتـنـی بر قانـــون
نیـــز احســـاس مــی شود. شـــرکت ها در سـراسـر صنــایــع در حــال کـــاوش و اجـرای پروژه های
هوش مصنوعی (AI) هستند ، از داده های بــــزرگ گـــرفته تا روباتیک ، فرآیندهای خودکار تجاری
، بهبود تجربــه مشتــــری و نوآوری توسعه محصول. به گفته مک کینزی ، “پذیرش هوش مصنوعی
از طریق مشارکت آن به بهره وری و رشد ، مزایای قابل توجهی برای مشاغل و اقتصادها می دهد.”
روش های مختلفی برای دستیابی به هوش مصنوعی وجــود دارد ، و هستــه اصلی همه آنها داده ها هستند.
بـدون داده هــای بــا کیـفـیـت ، هوش مصنوعی بستر خالی است است. بــرای دستیــابی به هوش مصنوعی ،
، دو روش قـوانـیـن یـا یـادگـیـری مـاشـیـنـی وجـود دارد کـه مـی تـوانـنـد دسـتکاری شـونـد مدت ها قبل از
هوش مصنوعی و یادگیری مــاشیــن (ML) در خــارج از حـــوزه فـنـاوری پـیشـرفـتــه ، اصــول اصلی را به
وجـود آورد ، تـوسـعـه دهـنـدگـان دانـش را بـه عـنوان قـوانـینی که در یک پایگاه دانش ذخیره می شوند ،
دانــش انـسان را در سـیـستـم هــای رایـانه رمزگذاری می کردند. ایـن قوانین کـلـیـه جـنـبـه هـای یـک کـار
را مشخــص مــی کــند ، بـه طـــور مـعــمـول بـه شـکـل جـمـله های “اگر” (“اگر A ، سپس B را انجام دهید ،
اگر X است ، سپـس Y را انـــجام دهیـــد”). الـبتـه تـعداد قـــوانینی کـــه وجـــود خواهد داشت بستگی به
تعداد اقدامـاتی اســت کــه شـمـا می خواهیـد در یک سیستم انجام دهید. بــرای مــثال اگــر مـــی خــواهید
بیسـت عــمل انــجام شود شمــا بــاید بـه صورت دستی بیست قوانین را وارد کنید. این سیستم ها معمولا
تلاش و هزینــه کمتــری را بــرای تــولید نیــاز دارنــد و کـارآمد و کم خطرتر هستند زیرا قوانین سیستم
به صورت مستــقــل تــغییـــر نــمی کنــند و بــه روز نـمی شوند.در حالی که یک سیستم مبتنی بر قوانین
می توانــد بــه عنــوان یــک هــوش ثابت “در نظر گرفته شود” ، در مقابل ، یک سیستم یـادگیـری ماشین
سازگار اســت و سعـــی در شبیــه ســازی هوش انسانـی دارد. با این حال همیشه یک لایه پایه از قوانین
وجود دارد. اما به جای اینکه قوانین به صورت دستی وارد شـود، مــاشیــن تــوانــایی دارد کـــه قوانین
جدید را به تنهایی بیاموزد و قوانینی را که دیگر کار نمی کنند ، دور بیندازد.
