واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

The Correlation Between Setting Goals And Becoming Productive ***

The Correlation Between Setting Goals And Becoming Productive

In the 1950s, Japan was recovering from the after-effects of World War II. The country was focused on growing its economy. A large population resided in the cities of Osaka and Tokyo, which were separated by 320 miles of train track. Large amounts of raw material and labor were transported on those rail lines. However, the mountainous terrain and redundant railway system meant each journey could take up to twenty hours.

So, in 1955, the railway ministry issued a challenge to the nation’s finest engineers: invent a faster train. A prototype was unveiled six months later. Traveling at 65 miles an hour, it was one of the fastest passenger trains in the world.

But the railway system’s head said it was not good enough. He wanted a train which traveled 120 miles per hour.

As expected, the demand was met with opposition. If a train turned too sharply at those speeds, the engineers explained, the centrifugal force could derail the cars. The trains had to turn because of the mountains. To build tunnels through that much territory, the labor required would equal the cost of rebuilding Tokyo after World War II. Seventy five miles per hour was more realistic.

The railway system’s head though, was adamant. He believed in naukatsu – never compromise – and expected everyone working on the project to do the same.

The engineers went back to the drawing board and made hundreds of innovations, many of which increased the speed of the train by half a mile an hour.

In 1964, the Tōkaidō Shinkansen – the world’s first bullet train – made its inaugural journey between Tokyo and Osaka. It passed through the tunnels cut in Japan’s mountains and completed its journey in three hours fifty eight minutes, averaging 120 miles an hour. Soon, bullet trains were running to other Japanese cities, fueling a dramatic economic expansion. A 2014 study showed that the development of bullet trains was critical in spurting Japan’s economy until well into the 1980s. Within a decade of that innovation, the technologies developed in Japan had spawned high-speed rail projects in France, Germany and Australia, and revolutionized industrial design across the world. (This is probably why Narendra Modi is keen on bullet trains in India too.)

The Tōkaidō Shinkansen is just one of the myriad examples of stretch goals. The Lexus LS 400Titan Edge and Scotch tape are more. Business Dictionary defines stretch goals as a goal which:

“cannot be achieved by incremental or small improvements but require extending oneself to the limit to be actualized.”

2011 article in the Academy of Management Review business journal stated that stretch goals “serve as jolting events that disrupt complacency and promote new ways of thinking.” They can elevate aspirations in teams, organizations and individuals, and spark energy. They encourage innovation, playfulness, experimentation or broad learning. Thus, a stretch goal can enhance creativity and innovation, and make us remarkably productive.

However, it can also prove counterproductive. A stretch goal can cause panic and convince people that it is too big to achieve. It can crush morale and push people on the back foot before the task begins.

So how can this challenge be addressed?

According to psychologists, there is an alternate path, one that is more concrete and specific: setting S.M.A.R.T. goals.

S.M.A.R.T Goals

SMART is an acronym commonly attributed to Peter Drucker. It is one of the longest-lasting, popular goal-setting frameworks. To make sure your goals are clear and reachable, they should be:

S – Specific – The more specificity in a goal, the clearer it is. “WH” questions are a good place to start.

M – Measurable – Can your goal be measured? What gets measured gets done.

A – Achievable – Is the goal achievable or a pipe dream?

R – Relevant – Is each task connected to the end goal you have in mind?

T – Time Bound – Set a deadline for yourself to achieve the goal.

Let’s consider, for instance, that you want to earn more money in the next few years. For this goal, the S.M.A.R.T. technique could look like this:

  1. Specific: How much money do you want to earn? How many years do you want to earn it in?
  2. Measurable: How will you measure progress? And, if you deviate, what specific steps will you take to course correct?
  3. Achievable: Which steps will you follow to achieve this goal?
  4. Relevant: Will the steps you follow contribute to achieving your final goal of earning more money?
  5. Time bound: Set a deadline for yourself to complete each step.

To-do lists and concrete action plans are examples of SMART goals. They’re great when optimized.

Unfortunately, S.M.A.R.T. goals can also pull us away from the bigger picture. The gratification felt when we finish more tasks can make us place more emphasis on quantity. Because it makes us feel good, we jot down easy items on to-do lists, and then cross them out quickly. We add more tasks which can be completed in five minutes. In the process, we sideline the genuinely important ones which demand time and attention. We would prefer answering thirteen short emails than carefully drafting an effective template to reach out to people we want to connect with.

But that’s the wrong way to create to-do lists, according to Carleton University psychologist Timothy Pychyl. These lists are used for mood repair instead of becoming productive.

What is Productivity?

In modern mythos, productivity is believed to be “working more or sweating harder”. Overtime, multi-tasking, doing more each day, being available 24/7 – these are yardsticks of productivity. Batman, the ever-present superhero cum businessman, always fighting crime and saving cats stuck on trees, is the epitome of productivity.

But Batman exists in just one place – imagination. Okay, comics and movies too. But we don’t live in imagination and comics. We live in the real world, where resources are limited. It sucks, but it’s true.

Productivity is not about spending longer hours at your desk or making bigger sacrifices. That’s just being busy. According to New York Times journalist and author Charles Duhigg, productivity is “the name we give our attempts to figure out the best uses of our energy, intellect and time as we try to seize the most meaningful rewards with the least wasted effort…… It’s about getting things done without sacrificing everything we care about along the way.”

“The way we choose to see ourselves and frame daily decisions; the stories we tell ourselves and the easy goals we ignore; the creative cultures we establish as leaders: These things separate the merely busy from the genuinely productive.” – Charles Duhigg

How You Can Set Goals and Achieve Them

An effective way to improve your productivity and quality of accomplishments is to combine stretch goals and S.M.A.R.T. goals. People who master the ability to break goals down into concrete plans are better equipped to achieve stretch goals.

Begin practicing S.M.A.R.T. goals. You might lose sight of the bigger picture for some time. That's okay. Trust me, you have time if you know how to use it.

Once you feel comfortable with setting concrete action plans – could take 6 months, a year, or even two – step back. Set a stretch goal. It doesn’t have to make others think you are crazy. But it must be audacious enough to make you go beyond existing means.

Stretch goals make you smarter. They force you to expand your perspective, and contextually apply what you know. They force you to innovate, to combine seemingly unconnected concepts and develop something novel. The SMART technique helps you steady yourself and start walking before you run. Your ability to achieve stretch goals is larger when you implement the SMART technique. This has a positive cascading effect on every aspect of your life - professional and personal.

Which goal setting techniques work for you? Do leave a comment. I would love to hear from you.

----------

واقعیت مجازی اجتماعی وارد میدان می‌شود

واقعیت مجازی از نوع فیس‌بوک

رایورز - زمان بازی‌های سنتی به پایان رسیده و اکنون واقعیت مجازی اجتماعی وارد میدان می‌شود.

به گزارش رایورز به نقل از techradar، مارک زاکربرگ (مدیرعامل فیس‌بوک) در روز پنجشنبه و در همایش Oculus Rift، با استفاده از آواتار جاستین‌تیمبریک‌مانند خود، در واقعیت مجازی شروع به چت کردن نمود.

زاکربرگ در این همایش که روی صحنه رفته بود، گزینه‌های عاطفی کنترل‌گر Oculus Torch را نشان داد. این گزینه‌ها موجب می‌شود آواتارها بتوانند حالات مختلف بیان صورت را بیان کنند و بدین ترتیب در واقعیت مجازی، شگفت‌زده، خوشحال یا گیج به‌نظر برسید.

پلتفرمِ بازی، که زمانی مملو از بازی‌ها بود، قرار است راه خود را به شبکه‌های اجتماعی باز کند و در این میان، فیس‌بوک پیشقدم شده است.

یکی از سخنگویان فیس‌بوک در همین ارتباط گفت: «هدف نهایی ما این است که از طریق ردیابی حالات صورتی و تحلیل صدا، به بخش زیادی از مواردی که در همایش امروز دیدید، نائل شویم.»

گفتنی است این همایش چندین ویژگی را به نمایش گذاشت؛ از جمله تغییر پس‌زمینه به مکان‌های زنده، همچون ادارات مرکزی فیس‌بوک، یا خانه زاکربرگ.

وقتی که زاکربرگ در واقعیت مجازی در خانه خودش بود، همسرش پریسیلا چان هم وارد صحنه شد و سپس با یک دسته سلفی مجازی، از خود، همسر و سگ‌شان یک عکس سلفی گرفت.

 

 

زاکربرگ گفت: «ما باید درست به همان روشی دست به ایجاد نرم‌افزارها و تجارب بزنیم که مغزمان عمل می‌کند.» وی ادامه داد: «واقعیت مجازی پلتفرم کاملی است که مردم را به خاطر حضورشان، در وهله نخست قرار می‌دهد.»

این تجربه شامل توانایی انجام بازی‌هایی همچون ورق و شطرنج و همچنین پخش کردن ویدیو به‌صورت بلادرنگ و تماشای آن به‌همراه دوستان در واقعیت مجازی است.

سامانه ابری محوری که به سوپرکامپیوتر هوش مصنوعی بدل خواهد شد

سامانه ابری محوری که به سوپرکامپیوتر هوش مصنوعی بدل خواهد شد

رایورز - شرکت مایکروسافت اعلام کرده است که سیستم ابری آزور این شرکت قرار است تا به نخستین سوپرکامپیوتر در رده هوش مصنوعی تبدیل شود.

به گزارش رایورز به نقل از وب‌سایت خبری تحلیلی zdnet، سامانه آزور در میان اهالی دنیای فناوری به‌عنوان یک پلتفرم مطلوب ارائه خدمات ابری به‌حساب می‌آید.

با این‌ وجود مایکروسافت برنامه‌های دیگری را برای این سیستم در نظر گرفته است که کاربری آن را به سطحی فراتر از تعریف یادشده ارتقا خواهد داد.

به‌تازگی ساتیا نادلا در نشست ویژه مایکروسافت در شهر دوبلین از برنامه‌های ویژه مایکروسافت برای آینده سیستم آزور پرده‌برداری کرده است.

بر اساس گفته او قرار است تا این سیستم به نخستین سوپرکامپیوتر جهان در رده هوش مصنوعی بدل گردد که این امر می‌تواند موقعیت منحصر به‌ فردی را برای مایکروسافت به ارمغان بیاورد.

نادلا آینده را از آن سیستم‌های هوش مصنوعی و یادگیری ماشینی دانسته و با اشاره به این‌که هدف سامانه آزور، سازگاری با فناوری‌های آینده است، به‌صورت رسمی طرح یادشده را تائید کرده است.

 

آینده کسب‌وکار نرم‌افزاری؟ رو به پایین؟

رایورز - درهم‌گسیختگی صنعت فناوری اطلاعات و نرم‌افزار، همزمان با خیزش سریع فضای ابر و نیز «نرم‌افزار به‌عنوان یک سرویس»، همچنان دامن‌گیر بزرگترین شرکت‌های فناوری است.

آنها در آخرین دور از اقدامات جسورانه خود در به‌دست آوردن سهم بازار در این کسب و کار در حال تغییر و تحول، مشتاق شده‌اند تا بسیاری از دارایی‌های نرم‌افزاری خود را کنار بگذارند و بر تلاش‌های خود در فرصت‌های موجود در بازارهای جدید تمرکز داشته باشند.

در همین راستا و به گزارش رایورز به نقل از eweek، قرار است شرکت هیولت‌پکارد دارایی‌های نرم‌افزاری غیراصلی خود را با شرکت Micro Focus ادغام نماید. گفته می‌شود ارزش این معامله ۸.۸ میلیارد دلار خواهد بود.

این قرارداد شامل واگذاری مجموعه‌ای از اجزاء نرم‌افزاری است که اچ‌پی در طول سالیان سال و با سلسله تصاحب‌های خود گرد هم آورده بود و از معروف‌ترین آنها، می‌توان به تصاحب شرکت نگون‌بخت Autonomy Corporation در سال ۲۰۱۱ با قیمت ۱۱ میلیارد دلار اشاره کرد.

اچ‌پی در شراکت با میکروفوکوس، همچنان ۵۰.۱ درصد از سهام را در اختیار خواهد داشت و بنابر گفته‌های خانم مگ ویتمن (مدیرعامل اچ‌پی)، این شرکت به سرمایه‌گذاری خود در سایر زمینه‌ها نیز ادامه خواهد داد. تازه‌ترین تصاحب اچ‌پی (خرید شرکت Silicon Graphics Inc.) نیز گواه این مدعاست.

گفتنی است با اینکه اچ‌پی مجموعاً نزدیک به ۲۰ میلیارد دلار صرف خرید شرکت‌های نرم‌افزاری کرده، اما درآمد نرم‌افزاری این شرکت رو به افول است. در واقع، مطابق برآوردهای تونی ساکوناگی (تحلیلگر مؤسسه پژوهشی Sanford C. Bernestien)، درآمد اچ‌پی در طی شش ماهه نخست سال ۲۰۱۶ در مقایسه با دوره مشابه سال پیش از آن، نزدیک به ۱۲ درصد کاهش داشته است.

 

 

با توجه به چالش‌های ادامه‌دار اچ‌پی در فروش راهکارهای نرم‌افزاری و نیز جا انداختن خود به‌عنوان رهبر حوزه نرم‌افزار، شاید طبیعی به‌نظر برسد که این شرکت از بازسازی‌های اخیر، به‌عنوان فرصتی برای خلاص شدن از کسب‌وکار ناموفق خود استفاده کند.

این شرکت در ماه مه نیز در بخش خدمات فناوری اطلاعات، اقدام مشابهی انجام داد و دست به جداسازی بخش یکصد هزار کارمندی خود زد و آن را با بهای ۸.۵ میلیارد دلار به شرکت CSC واگذار نمود. گفتنی است واحد برون‌سپاری EDS نیز بخشی از این دپارتمان بود. همین، گواهی است بر اشتباهات متعدد شرکت اچ‌پی؛ چرا که بهای گفته شده، بسیار کمتر از آن چیزی بود که اچ‌پی در سال ۲۰۰۸ برای خرید EDS صرف کرده بود؛ یعنی ۱۳.۹ میلیارد دلار.

جالب آنکه اچ‌پی در وادهی دارایی‌های نرم‌افزاری، تنها نیست. شرکت دل نیز به‌تازگی دست به فروش برخی از اجزاء مربوط به مجموعه نرم‌افزاری خود زده تا بتواند برای تصاحب EMC به تأمین منابع مالی بپردازد. این شرکت در ماه ژوئن واحد نرم‌افزاری خود را به شرکت سهامی خاص Francisco Partners Management و نیز شعبه‌ای جدید از شرکت Elliott Management فروخت.

در این میان، مشخص است که دل و اچ‌پی مایلند از شر واحدهای تجاری خود که عملکرد قابل قبولی ندارند، خلاص شوند و در عرصه نرم‌افزاری شروع جدیدی داشته باشند.

اما هر دو شرکت برای اثبات خود در بازار، حتی با چالش‌های بیشتری هم روبه‌رو خواهند شد؛ چرا که آنها نیازهای نرم‌افزاری مشتریان سازمانی خود را نادیده می‌گیرند و در خلاف جریان آب شنا می‌کنند.

گوگل الگوریتم یادگیری ماشینی خود را در اختیار عموم مردم قرار داد

الگوریتم‌های یادگیری ماشین پیشروی کسب‌وکارها
بسیاری از ما تمایل داریم برای انجام بعضی از فعالیت‌های خود از یادگیری ماشینی استفاده کنیم. اما طراحی این الگوریتم‌ها به توانایی‌های فردی و تسلط بر مفاهیم ریاضی و برنامه‌نویسی باز می‌گردد. اما گوگل این فرآیند را برای ما ساده ساخته است.

از این پس هر شخصی برای خودکارسازی هوشمندانه کارهای خود می‌تواند الگوریتم ارائه شده از سوی گوگل را مورد استفاده قرار داده و آن‌را با پروژه‌های کاربردی خود ادغام کند. این تصمیم گوگل باعث خواهد شد تا بسیاری از کسب‌وکارها به راحتی بتوانند مدل‌های پیشرفته یادگیری ماشینی را بر مبنای پژوهش‌های کاربردیشان پیاده‌سازی کنند. گوگل الگوریتم یادگیری ماشینی مبتنی بر رایانش ابری خود را در قالب نسخه بتا در اختیار عموم کاربران قرار داده است. این شرکت در نظر دارد بعد از گذشت چند ماه نسخه آلفا را به صورت اختصاصی منتشر کند. این ابزار فرآیند آموزش مدل‌ها را ساده‌تر کرده و از سرعت بالاتری در زمینه آموزش بهره می‌برد. مهم‌تر آن‌که الگوریتم فوق با زیرساخت رایانش ابری گوگل نیز می‌تواند ادغام شود.


مطلب پیشنهادی

الگوریتم‌ها، کلاود، اینترنت اشیا، داده‌ها

این الگوریتم نه تنها در بخش خدمات پس از فروش مشتریان (یادگیری نحوه پاسخ‌گویی خودکار به پرسش‌ها و شکایات)، بلکه به منظور انجام فعالیت‌های تکراری، یکنواخت و همچنین فعالیت‌های سنگین و طاقت‌فرسا می‌تواند مورد استفاده قرار گیرد. گوگل در وبلاگ این شرکت گفته است: "Airbus Defense all space " که یکی از مشتریان این الگوریتم است، موفق شده است از این ابزار به منظور شناسایی و اصلاح تصاویر ماهواره‌ای که دارای مشکلاتی بوده‌اند استفاده کند.


مطلب پیشنهادی

تعریف‌ها، کاربردها و بررسی حوزه‌های هم‌پوشان

این سازمان گفته است: «ابزار یادگیری ماشین گوگل به ما کمک کرده است با دقت بیشتری به تجزیه و تحلیل تصاویر ماهواره‌ای بپردازیم. به ‌طوری‌که سرانجام بعد از گذشت چند دهه بر این مشکل چیره شدیم.» سرعت و سهولت استفاده از مهم‌ترین فاکتورهایی هستند که الگوریتم‌های گوگل بر آن تاکید دارند. برای نیل به این هدف، این شرکت آزمایشگاه راه‌حل‌های پیشرفته یادگیری ماشینی موسوم به MLASL را راه‌اندازی کرد. این آزمایشگاه به شرکت‌ها اجازه می‌دهد با مهندسان گوگل به منظور حل مشکلات پیچیده به تعامل بپردازند. گوگل همچنین سرویس Cloud Start را ویژه کسب‌وکارها راه‌اندازی کرده است. این سرویس به کسب‌وکارها کمک می‌کند اصول اولیه رایانش ابری و فرصت‌هایی که به واسطه یادگیری ماشین در اختیار آن‌ها قرار می‌گیرد را بیاموزند. هر چند این سرویس عمدتا برای استارت‌آپ‌ها و کسب‌وکارهایی با اندازه متوسط کاربرد دارد، اما گوگل در نظر دارد، مخاطبان حداکثری را جذب کند.


مطلب پیشنهادی

مثال‌هایی از کاربری بازمهندسی ماشینی در صنعت

گوگل همچنین یک برنامه برای اهدای گواهی به افرادی که در زمینه طراحی، آموزش و استقرار مدل‌های یادگیری ماشینی به فعالیت اشتغال دارند، معرفی خواهد کرد. گوگل تنها شرکت بزرگ دنیای فناوری نیست که در تلاش است مفاهیم هوش مصنوعی را به شکلی ساده در اختیار همگان قرار دهد. فیس بوک نیز کدهای مربوط به ساخت چت روبات‌ها و فناوری تشخیص چهره هوشمندانه خود را به صورت عمومی به اشتراک قرار داد.