هوشمندی تبلیغات، ارمغان عصر جدید

یادگیری ماشینی، پر پرواز تبلیغات هوشمند

25 دى 1395

• حمیدرضا تائبی

• پرونده ویژه

ماهنامه شبکه ۱۸۶

یادگیری ماشینی راهی طولانی را از سرزمین هالیوود و روبات‌های پرزرق‌وبرق پیموده است تا به جریان اصلی زندگی ما وارد شود. در فیلم‌های هالیوودی از روبات‌ها به عنوان جایگزینی برای انسان‌ها یاد شده است. اما واقعیت این است که امروزه دنیای صنعت برای تکمیل بسیاری از وظایف خود از یادگیری ماشینی استفاده می‌کند. کافی است به پیرامون زندگی خود نگاهی بیندازید تا متوجه شوید این فناوری چگونه توانسته است بهره‌وری و عملکرد کاری شما و سازمانتان را بهبود بخشد؛ حتی در کارهایی همچون موسیقی، سرویس‌دهی به مشتریان، بازی‌های ویدیویی، معاملات بانکی، گزارش‌های خبری و البته تبلیغات. یادگیری ماشینی قدرتی باورنکردنی به متخصصان این حوزه‌ها داده است.

این مطلب یکی از مقالات پرونده ویژه «تبلیغات و بازاریابی آنلاین» منتشر شده در شماره ۱۸۶ ماهنامه شبکه است. برای دانلود کل پرونده ویژه می‌توانید اینجا کلیک کنید. 

با وجود این، یادگیری ماشینی برای بسیاری از مردم همچون جعبه‌ای سربه‌مهر است. عامه مردم گمان می‌کنند که این مفهوم، عجیب و علمی بوده و درک آن با دشواری همراه است. در حالی که بسیاری از حرفه‌ای‌های این حوزه یادگیری ماشینی را فناوری سطح بالایی توصیف می‌کنند، این فناوری آن‌گونه که باید و شاید در حوزه تبلیغات به شکل صریح و روشنی تعریف نشده است تا به مردم اعلام کند که در بازاریابی‌های امروزی، بازاریاب‌ها می‌توانند از این فناوری در برنامه‌های واقعی روزمره خود استفاده کنند.
آمارها نشان می‌دهند تبلیغات پخش‌شده در رسانه‌های مختلف، تا پایان سال 2016 حدود 600 میلیارد دلار عاید شرکت‌های فعال در زمینه تبلیغات و ناشران آن‌ها خواهد کرد و این صنعت را در مقایسه با صنایع دیگر، از نظر سودآوری در جایگاه نخست قرار خواهد داد. یادگیری ماشینی که به نوعی رهبری و هدایت یادگیری عمیق را بر عهده دارد، به فناوری کلیدی‌ای تبدیل شده است که در حال شکل‌دهی چشم‌انداز و آینده بسیاری از صنایع، از جمله تبلیغات است. یادگیری ماشینی با اتکا بر الگوریتم‌هایی که از داده‌های جمع‌آوری‌شده برای یادگیری استفاده می‌کنند، در اکثر مواقع در رویارویی با حجم سنگینی از داده‌ها، نتایج دقیقی را تولید می‌کند.

---

مطلب پیشنهادی

مقدمه پرونده ویژه تبلیغات و بازاریابی آنلاین

بنری برای تو

---

در عصر برنامه‌های هوشمند، داده‌ها سلطان بی‌رقیب هستند. سرویس‌هایی که بتوانند داده‌هایی با بالاترین کیفیت تولید کنند، می‌توانند به‌خوبی مدل‌ها را تأمین کرده و در نتیجه تجربه کاربری بهتری را در اختیار مخاطبان خود قرار دهند. نکته جالب توجه دیگر، کاهش نرخ میزبانی داده‌ها و افزایش حجم آن‌ها است. در طول پنج سال گذشته، داده‌ها رشد صعودی خیره‌کننده‌ای را تجربه کرده‌اند، در حالی که سیر صعودی هزینه میزبانی داده‌ها ناچیز بوده است. (شکل 1) برای مثال، شرکت تسلا تا امروز حدود 780 میلیون مایل داده‌های رانندگی را جمع‌آوری کرده است و در هر ده ساعت، میلیون‌‌ها رکورد داده‌ای به این حجم اضافه می‌کند؛ داده‌هایی که به‌منظور تغذیه مدل‌های مورد استفاده در ماشین‌های خودران استفاده می‌شوند. با وجود اینکه صنعت تبلیغات هوشمند در مقایسه با صنایع دیگر کمی از قافله عقب‌تر است، پیشرفت‌ها در این حوزه خیره‌کننده بوده‌اند.

شکل 1: در سال‌های 2010 تا 2015 رشد داده‌ها خیره‌کننده بود.http://www.blogsky.com/ht-csure/post/edit/8169465368

تعریف کوتاهی از یادگیری ماشینی
یادگیری ماشینی شاخه‌ای از هوش مصنوعی است که به کامپیوترها این توانایی را می‌دهد تا کارهایی همچون شناسایی مشکلات، پیش‌بینی رخدادها، کنترل عوامل متغیر و نتایج به‌دست‌آمده از آن‌ها و برنامه‌ریزی برای اشیا و سرویس‌ها را بدون آنکه به برنامه‌نویسی صریحی برای انجام این‌گونه کارها ضرورتی باشد، مدیریت کنند. برای این منظور پژوهشگران الگوریتم‌ها را با پارامترها و داده‌هایی که مدل‌ها به آن‌ها نیاز دارند، تأمین می‌کنند. در ادامه، این الگوریتم‌ها خود می‌آموزند که چگونه باید با استفاده از داده‌های جدید رشد و تغییر کنند. اگر یادگیری ماشینی با داده‌ها و اطلاعاتی از آینده تأمین شود، این توانایی را به شما می‌دهد تا چشم‌اندازها و اتفاقات حوزه کاری خود را در آینده مشاهده و پیش‌بینی کنید. بدون شک، این کاربرد هر صنعتی را که درباره آن فکر می‌کنید، تحت تأثیر قرار می‌دهد و اثر شگرفی بر تبلیغات نیز خواهد گذاشت؛ به گونه‌ای که بازاریابان قادر خواهند بود تبلیغات هدفمند را آماده کرده و این تبلیغات را برای مخاطبان شناخته‌شده ارسال کنند. اگر شما بازاریابی هستید که واژگانی همچون برنامه‌ریزی داده‌محور و هوش مصنوعی به گوشتان خورده است، باید بدانید این ابزارها کلید موفقیت شما خواهند بود.

در دنیای تبلیغات و بازاریابی، مهم‌ترین اصل این است که شناخت دقیقی از مخاطبان خود داشته باشید. این شناخت و درک درست اجازه می‌دهد سرویس‌های درستی را به مخاطبان هدف ارایه داده و به این شکل میزان فروش خود را افزایش دهید

اگر در تلاش برای کشف این موضوع هستید که چگونه یادگیری ماشینی می‌تواند در ارائه بهتر تبلیغات کمک کند، بدانید که در این راه تنها نیستید. کافی است سری به بازارهای بورس جهانی بزنید تا مشاهده کنید چگونه بانک‌های بزرگ بین‌المللی از یادگیری ماشینی برای پیش‌بینی سیر صعودی یا نزولی ارزش سهام استفاده می‌کنند و می‌توانند هر ثانیه از این تحولات را پیش‌بینی کنند. این بانک‌ها به‌راحتی دامنه، ارتفاع و نقطه شکست هر ارز را با کمک هوش مصنوعی پیش‌بینی می‌کنند و به این شکل مانع ضرر و زیان خود می‌شوند.

بازاریابی به معنای شناخت جزئیات است
در دنیای تبلیغات و بازاریابی، مهم‌ترین اصل این است که شناخت دقیقی از مخاطبان خود داشته باشید. این شناخت و درک درست اجازه می‌دهد سرویس‌های درستی را به مخاطبان هدف ارایه داده و به این شکل میزان فروش خود را افزایش دهید. این مهم‌ترین قاعده‌ای است که دنیای تبلیغات را متقاعد ساخته است یادگیری ماشینی و هوش مصنوعی به شکل خیره‌کننده‌ای می‌توانند به این صنعت کمک کرده و آن‌ را دستخوش تغییرات اساسی کنند. شاید این تجربه تلخ را داشته باشید که پس از خرید کالایی، به دلایل مختلف مانند متناسب نبودن با نیازهای شما، نداشتن قابلیت‌های کاربردی، کارایی پایین و مانند این‌ها، از خرید خود پشیمان شوید و درست چند روز بعد در گشت‌وگذار اینترنتی، تبلیغی را ببینید که مشابه کالای مورد نیاز شما را عرضه کرده است. این تکنیک بازاریابی تنها یکی از صدها راهکاری است که با کمک یادگیری ماشینی در اختیار شرکت‌های بازاریابی قرار دارد. ایمیل‌های سفارشی و هدفمند که برای مخاطبان ارسال می‌شود، یکی دیگر از کاربردهای جالب توجه یادگیری ماشینی به شمار می‌روند.

به حداکثر رساندن بهره‌وری تبلیغات
اگر جزو آن گروه از افرادی هستید که سال‌ها در صنعت بازاریابی و تبلیغات فعالیت داشته‌اند، روزگاری را که تبلیغات به طور دستی انجام می‌شد، به خاطر می‌آورید. شیوه‌های سنتی تبلیغات، در عصر جدید کارایی خود را از دست داده‌اند. این تکنیک‌ها دیگر قادر نیستند در زمینه بهینه‌سازی مکانیزم‌های تبلیغاتی یا گستر‌ش‌پذیری آن‌ها کمک کنند. این درست همان نقطه‌ای است که یادگیری ماشینی کمک می‌کند برنامه‌های تبلیغی خود را کارآمدتر کرده و اطمینان حاصل کنید سیاستی که در زمینه تبلیغات در پیش گرفته‌اید، در مسیر درست و به همان شکلی که انتظار دارید به جلو حرکت خواهد کرد. با اتکا بر سلسله عملیات بسیار پیچیده‌ای، یادگیری ماشینی کمک می‌کند تا میزان بهینه‌سازی یک تبلیغ به‌منظور اثرگذاری مضاعف بر مخاطبان هدف را تعیین کنید. برای مثال، شرکت مک‌دونالد برای آنکه بتواند مشتریان بیشتری جذب کند، از چنین الگوریتم‌هایی بهره برد و تصمیم گرفت از چهره افراد برجسته‌ای همچون شکسپیر، انیشتین و آوستین در فهرست جدید خود موسوم به The 12 استفاده کرده و به مخاطبان خود اعلام کند که افراد بزرگ پیش از پرداختن به حل مسائل بزرگ‌تر، ابتدا مسئله ناهار را حل کرده‌اند. (شکل دو و سه)

شکل 2 و 3: پوسترهای تبلیغاتی خلاقانه مک‌دونالد

برای دستیابی به چنین راهکارهای خلاقانه‌ای، الگوریتم انتخابی باید درباره معیارهای کارکردی که به شما در رسیدن به هدفتان کمک خواهد کرد، اطلاعات کافی داشته باشد. نرخ کلیک‌ها در لینک‌های اینترنتی یا نرخ نصب‌های یک برنامه کاربردی از جمله این موارد هستند. هر زمان چنین داده‌هایی در اختیار یادگیری ماشینی قرار داشته باشد، می‌تواند میزان اثرگذاری یک پیشنهاد تبلیغاتی را ارزیابی کند. داده‌های مورد نیاز برای چنین رویکردی از منابع مختلفی استخراج می‌شوند، اما نکته مهم این است که باید منابع مالی خوبی در اختیار داشته باشید تا بتوانید نتایج بهتری به دست بیاورید. 

سرمایه‌گذاری با نگاه کردن به اهداف مشابه
بدون شک الگوریتم‌های فیسبوک که داده‌های ارزشمندی در اختیار ما قرار داده و به این شکل فرصت‌های منحصربه‌فردی در زمینه شناسایی فراهم کرده‌اند، بهترین کمک هستند. آیا به یاد می‌آورید زمانی‌که در فیسبوک عضو شدید، اطلاعاتی درباره علائق شخصی خود، برنامه‌های تلویزیونی که مشاهده می‌کنید، تیم‌های ورزشی که اخبار مربوط به آن‌ها را دنبال می‌کنید و مانند این‌ها را در پروفایل خود وارد کردید؟ اطلاعاتی که آن زمان در پروفایل خود قرار دادید، امروزه به‌منظور ارائه تبلیغات و بازاریابی مؤثر استفاده می‌شوند. الگوریتم یادگیری ماشینی می‌تواند کلاستری از مخاطبان خاص را بر مبنای اینکه تبلیغات هدفمند برای کدام‌یک از این گروه‌ها ارزشمند‌تر است، ایجاد کند. برای مثال، یک الگوریتم ممکن است آگاه شده باشد که زنان بالای سی سال به طور اتفاقی در فضای مجازی به دنبال بازی‌های آنلاین و متعاقب آن به دنبال آموزش‌های مرتبط با این بازی‌ها هستند. این اطلاعات برای بازاریابان ارسال می‌شود و تبلیغات مربوط به این آموزش‌ها بر مبنای فعالیتی که این گروه از مخاطبان انجام می‌دهند، در مکان‌های مختلفی به آن‌ها نشان داده می‌شود. امروزه یادگیری ماشینی به شرکت‌های تبلیغاتی کمک کرده است تا تبلیغات محلی را ویژه افرادی که در موقعیت‌های جغرافیایی مختلف قرار دارند، به صورت هدفمند نشان دهند. 

داده‌کاوی به‌منظور بهینه‌سازی اهداف
مهم نیست چه نوع فعالیتی در فضای آنلاین انجام داده‌اید، با هر بار کلیک کردن روی لینک‌های مستقر در سایت‌ها یا حتی بازدید از سایت‌ها، زمانی‌که قصد خروج از این فضا را دارید، ردپایی از شما بر جای می‌ماند. به عنوان یک بازاریاب، باید ردپای به‌جامانده را درک کنید و قادر به تفسیر آن باشید. این تفسیر و تحلیل کمک می‌کند اطلاعات بیشتری درباره افرادی که به عنوان اهداف خود مشخص کرده‌اید، به دست آورید. اما این تکنیک با یک مشکل روبه‌رو است؛ این اطلاعات به صورت پراکنده در اختیار ارائه‌دهندگان سرویس‌ها قرار دارد و همین موضوع باعث می‌شود در بیشتر موارد اطلاعات ناقصی از مخاطبان خود به دست آورند. سرویس‌های داده‌ای از مدل‌های آماری که به صورت پویا ساخته شده‌اند، برای استخراج اطلاعات اضافی‌تر درباره مردم استفاده می‌کنند. این اطلاعات می‌توانند از طریق ناشران یا داده‌های اجتماعی همچون تعداد لایک‌ها و بازبینی‌ها به دست آید.  اگر مکانیزمی در اختیار داشته باشید تا بتواند چنین داده‌هایی را جمع‌آوری کند، بدان معنا است که به میزان باورنکردنی درباره جزئیات مربوط به مخاطبان خود اطلاعات به دست آورده‌اید و در نتیجه می‌توانید به بهترین شکل ممکن زمان خود را صرف بهینه‌سازی نحوه ارائه تبلیغات کنید و به شکل تأثیرگذاری آن‌ها را به مخاطبان خود نشان دهید؛ به‌طوری که تبلیغات به شکل هوشمندانه‌ای در زمان و مکان مناسبی به مخاطبان نشان داده شود.

پیش‌بینی اثرگذاری
یکی از جالب‌ترین کاربردهای یادگیری ماشینی در حوزه تبلیغات، توانایی پیش‌بینی اثرگذاری تبلیغات است؛ پیش از آنکه به دست مشتریان هدف برسد. امروزه تبلیغ‌کنندگان می‌توانند از داده‌های آماری و تاریخی که درباره تبلیغات قبلی در اختیار دارند و تأثیرگذاری آن‌ها به اثبات رسیده است، در تبلیغات مشابه استفاده کنند. این قابلیت به آن‌ها اجازه می‌دهد تا انتخاب‌های خلاقانه و هوشمندی را به‌منظور به حداکثر رساندن بهره‌وری ارائه کنند.

سفارشی‌سازی
با استناد به مطالعه‌ای که به‌تازگی انجام شده است، زمانی که از بازاریابان سؤال شد به نظر آن‌ها مهم‌ترین قابلیتی که می‌تواند بر آینده صنعت تبلیغات تأثیرگذار باشد، چه ویژگی‌ای است، همگان هم‌نظر بودند که شخصی‌سازی در مکان نخست این فهرست قرار دارد. الگوریتم‌های یادگیری ماشینی می‌توانند ویژگی‌های مصرف‌کنندگان همچون علایق، خرید‌های مشتریان و دموگرافی‌ها (علم تحقیق در جمعیت‌های انسانی) را در قالب خوشه‌هایی شبیه به الگوهای جست‌وجو گروه‌بندی کنند و به تحلیل آن‌ها بپردازند. این دسته‌بندی برای شناسایی انواع مختلفی از تیپ‌های شخصیتی و شناسایی مخاطبانی در رده‌های سنی مختلف استفاده می‌شود. این راهکار به تبلیغ‌دهندگان اجازه می‌دهد تبلیغات به‌شدت قانع‌کننده‌ای را بر اساس شخصیت افراد و گروه سنی آن‌ها طراحی کنند.

با اتکا بر سلسله عملیات بسیار پیچیده‌ای، یادگیری ماشینی کمک می‌کند تا میزان بهینه‌سازی یک تبلیغ به‌منظور اثرگذاری مضاعف بر مخاطبان هدف را تعیین کنید

مشخص کردن محتوا
امروزه یادگیری ماشینی به اهرمی برای به اشتراک‌گذاری محتوا روی پلتفرم‌های مختلف تبدیل شده‌‌ است. این اهرم به تبلیغ‌کنندگان اجازه می‌دهد مخاطبان خود را به‌درستی شناسایی کنند و در ادامه محتوای درست متعلق به یک برند را به دست مخاطب خود برسانند. یادگیری ماشینی همچنین به‌منظور شناسایی این موضوعات که آیا محتوایی که درباره آن قرار است صحبت شود، این ظرفیت را دارد تا برای یک برند ارزش‌آفرینی کند، آیا مخاطبان می‌توانند از این اطلاعات برای اخذ یک تصمیم‌ هوشمندانه استفاده کنند و محتوا روی کدام‌یک از رسانه‌های امروزی بهتر جواب می‌دهد، استفاده می‌شود و به‌شدت محبوب شده است. 

زمان و مکان
قرار دادن آگهی‌ها در زمان درست، برای موفقیت یک کمپین اهمیت فوق‌العاده‌ای دارد. زمانی‌که مصرف‌کنندگان در جست‌وجوی نیازهای شخصی هستند، تبلیغات غیرمرتبط به‌شدت درک و شناختی منفی در خصوص یک برند به وجود می‌آورند. یادگیری ماشینی می‌تواند مکان و زمان مناسبی را که تبلیغات باید روی رسانه انتخابی کاربر نشان داده شوند، تعیین کند. وزن متغیرها، مواردی همچون نرخ کلیک (CTR) سرنام click-through-rate و مدت‌زمانی که کاربر صرف بازدید از صفحات کرده است، از جمله موضوعاتی هستند که یادگیری ماشینی به‌خوبی آ‌ن‌ها را تحلیل می‌کند.

شناسایی تقلب
کلیک‌های نادرست یکی از بزرگ‌ترین نگرانی‌هایی است که در دنیای تبلیغات وجود دارد. یادگیری ماشینی به‌خوبی کلیک‌های جعلی را شناسایی می‌کند. یادگیری ماشینی با تجزیه‌وتحلیل عادت‌های عادی و متعلق به گذشته در مقایسه با کلیک‌های نامشروع، می‌تواند تعیین کند آیا یک کلیک واقعاً مشروعیت دارد یا غیرواقعی است. در نتیجه تبلیغ‌کنندگان به‌راحتی قادر به کشف و مشاهده اعداد واقعی خواهند بود و به این شکل الگوی رفتاری و معمول مخاطبان در یک کمپین را شناسایی می‌کنند. گوگل از این تکنیک به‌منظور شناسایی تقلب‌هایی که ممکن است در سرویس Adwords به وجود آید، استفاده می‌کند. 

پیش‌بینی موفقیت
پیش از اینکه یک کمپین تبلیغاتی کار خود را آغاز کند، دست‌اندرکاران باید تحلیل‌های جامعی درباره موفق بودن آن کمپین انجام دهند. یادگیری ماشینی می‌تواند بر اساس اطلاعات به‌دست‌آمده از کمپین‌های قبلی، همچون نوع محصول، نوع تبلیغات، نوع محتوا و اطلاعات کاربر، پیش‌بینی‌های هوشمندانه‌ای درباره موفقیت احتمالی یک کمپین ارائه کند. این تکنیک در ایجاد تغییرات و افزایش ضریب موفقیت یک کمپین پیش از آنکه به مرحله اجرایی وارد شود، نقش بسزایی دارد.

در نهایت
امروزه الگوریتم‌ها تأثیرگذاری محسوسی بر تبلیغات و کارآمدتر کردن آ‌ن‌ها دارند. در حال حاضر، هیچ کس در حوزه تبلیغات نمی‌تواند ادعا کند تمامی راه‌های ممکن برای ارائه مؤثر تبلیغات را در اختیار دارد و می‌تواند تمامی اطلاعات را به‌خوبی درک کند. ما هنوز به دورانی وارد نشده‌ایم که بسیاری از مشاغل تحت سلطه روبات‌ها قرار داشته باشند، اما در دورانی هستیم که الگوریتم‌های ماشینی می‌توانند تأثیرگذاری شگرفی بر صنعت تبلیغات داشته باشند؛ به دلیل اینکه به شکل باورنکردنی جزئیات بسیاری درباره اهداف عرضه کرده و تحلیل‌های آماری قدرتمندی در این زمینه ارائه می‌کنند.

---

==============================

شاید به این مقالات هم علاقمند باشید:

سرانجام اولین مقاله هوش مصنوعی اپل منتشر شد

روشی جدید برای افزایش ابعاد عکس بدون افت کیفیت

از این پس پلیس می‌تواند جرم و جنایت را پیش‌بینی کند

نبرد بزرگ آینده: هکرهای ماشینی بر علیه مدافعان انسانی

۷ روند بزرگی که آینده تبلیغات دیجیتال را می‌سازند!

با بزرگ‌ترین مخزن رابط‌های برنامه‌نویسی جهان آشنا شوید

Jawbone UP3؛ دستبندی ساده و کارآمد با اپلیکیشن قدرتمند

Fitbit Blaze؛ ظاهر ساعت‌های هوشمند؛ کارایی دستبندهای ردیاب سلامت

---

برچسب: 

• آینده تبلیغات - تبلیغات و بازاریابی آنلاین - بازاریابی آنلاین - یادگیری ماشینی - تبلیغات خلاقانه

قربانیان تازه هوش مصنوعی

بیمه‌گر ژاپنی هوش مصنوعی را جایگزین 34 کارمند خود کرد

24 دى 1395

• حمیدرضا تائبی

• هوش مصنوعی

به نظر شما ماشین‌آلات هوشمند چه زمانی جایگزین انسان‌ها خواهند شد؟ آینده خیلی دور یا خیلی نزدیک؟ به نظر می‌رسد، سامانه‌های هوشمند در زمان حال به این سوال پاسخ داده‌اند. در جدیدترین مورد یک شرکت بیمه‌گر ژاپنی بیش از 30 نفر از کارکنان خود را اخراج خواهد کرد و به جای آن‌ها از یک سامانه هوشمند به منظور محاسبه حق بیمه‌ای که باید به بیمه‌گذاران پرداخت شود، استفاده کرد.

شرکت بیمه‌گر Fukoku Mutual Life بر این باور است که با جایگزین کردن ماشین‌های هوشمند قادر است بهره‌وری خود را به میزان 30 درصد افزایش دهد. به طوری که در کمتر از دو سال هزینه‌ای که در این راه سرمایه‌گذاری کرده است را به دست آورد. این شرکت گفته است: «سیستم فوق به ارزش 200 میلیون ین تا اواخر ماه جاری میلادی نصب خواهد شد، برآورد ما این است که به واسطه این سامانه هر ساله بتوانیم در حدود 140 میلیون ین صرفه‌جویی داشته باشیم.»

در حالی که بعید به نظر می‌رسد رویکرد این شرکت از سوی کارکنان مورد استقبال قرار گیرد، با این وجود با پایان یافتن ماه مارس (اواسط فروردین) تعداد 34 نفر از کارکنان این شرکت شغل خود را از دست خواهند داد. این سامانه بر مبنای سامانه شناختی واتسون آی‌بی‌ام کار می‌کند. سامانه‌ای که شبیه به یک انسان فکر می‌کند و قادر است تمامی اطلاعاتی که در اختیارش قرار می‌گیرد را مورد تجزیه و تحلیل قرار دهد. متون، فایل‌های صوتی و فایل‌های ویدیویی از جمله داده‌هایی هستند که این سامانه قادر است آن‌ها را پردازش کند.

---

مطلب پیشنهادی

موفقیتی دیگر در زمینه هوش مصنوعی

یک روبات در کنکور ورودی دانشگاه‌های ژاپن قبول شد

---

سایت ماینیچی شیمبوان، در این ارتباط گفته است: «فناوری فوق قادر است ده‌ها هزار گواهی پزشکی در ارتباط با مدت زمان اقامت بیمار در بیمارستان، تاریخچه پزشکی و هرگونه عمل جراحی که یک بیمار انجام داده است را محاسبه کرده و نتیجه را در اختیار این شرکت بیمه‌گر قرار دهد.» در حالی که به کارگیری یک سامانه هوشمند از سوی شرکت Fukoku به شکل قابل توجهی در زمان این شرکت صرفه‌جویی می‌کند،  با این حال گزارش آماده شده تنها زمانی قابل استناد خواهد بود که یک عامل انسانی صحت درستی آن‌را مورد تایید قرار دهد. لازم به توضیح است که این شرکت هر ساله 132 هزار گواهی‌ و بازپرداخت‌ سالانه را مورد بررسی قرار می‌دهد.

---

مطلب پیشنهادی

داستان‌نویسی روباتی

اولین روبات نویسنده رمان علمی تخیلی‌اش را منتشر کرد

---

افزایش سن افراد جامعه و قابلیت‌هایی که فناوری‌ روباتیک در اختیار شرکت‌های ژاپنی قرار می‌دهد، یک فرصت ناب را به وجود آورده است تا هوش مصنوعی در این کشور مورد آزمایش قرار گیرد. گزارشی که در سال 2015 میلادی از سوی موسسه تحقیقاتی نومورا منتشر شد، نشان می‌دهد نزدیک به نیمی از مشاغل ژاپن تا سال 2035 به طور کامل در اختیار روبات‌ها قرار خواهد گرفت.

---

مطلب پیشنهادی

رهایی از یکی از خسته کننده‎ترین کارهای روزمره

ژاپن از یک روبات مرتب‎کننده لباس‎های شسته شده رونمایی کرد

---

لازم به توضیح است، پیش از این نیز، موسسه دیگری به نام Dai-Ichi-Life از یک سامانه هوشمند مبتنی بر واتسون استفاده کرده بود. با این وجود در آن موسسه هیچ‌یک از کارمندان شغل خود را از دست نداده بودند. به نظر می‌رسد هوش مصنوعی نقش مهمی در سیاست‌های آتی کشور ژاپن بازی خواهد کرد. ماه آینده میلادی قرار است وزارتخانه صنعت، تجارت و اقتصاد ژاپن به صورت آزمایشی از هوش مصنوعی به منظور کمک به کارمندان دولت استفاده کند. در این طرح آزمایشی هوش مصنوعی به کارکنان دولت کمک می‌کند تا پیش‌نویس‌هایی که قرار است در جلسات هییت دولت مطرح شوند را آماده کنند. آژانس خبری جی‌جی گزارش کرده است: «اگر این آزمایش موفقیت‌آمیز باشد، سازمان‌های دولتی دیگر نیز به سمت استفاده از هوش مصنوعی متمایل خواهند شد.» اما عده‌ای از اندیشمندان ژاپنی دیدگاه متفاوتی در این ارتباط دارند. نوریکا آرای، استاد موسسه ملی انفورماتیک ژاپن در این ارتباط به آژانس خبری کیودو گفته است: «هوش مصنوعی برای پاسخ‌گویی به هر سوالی مناسب نیست. به دلیل این‌که هنوز این توانایی را ندارد تا درک گسترده‌ای از مفاهیم مختلف داشته باشد.»

---

برچسب: 

• هوش مصنوعی - واتسون - آی بی ام - ماشین‌ هوشمند - ژاپن - سامانه شناختی

رایانش کوانتومی در یک قدمی

رایانش کوانتومی در کمتر از ده سال دیگر جهان را تسخیر خواهد کرد

13 دى 1395

• حمیدرضا تائبی

• شاهراه اطلاعات

لحظه سرنوشت‌ساز مهمی در دنیای محاسبات کوانتومی به وقوع پیوست. گروهی از دانشمندان گوگل با استفاده از کامپیوتر کوانتومی این شرکت موفق شدند، مولکول هیدروژن را با موفقیت شبیه‌سازی کنند. رایان رابوش یکی از دانشمندان گوگل در این ارتباط گفته است: «این دستاورد نشان می‌دهد که ما به درجه‌ای از توانمندی در رایانش کوانتومی دست یافته‌ایم که حتا قادر به شبیه‌سازی سامانه‌های شیمیایی بزرگ‌تر و پیچیده‌تری هستیم.» بر همین اساس سایت فوربس مقاله جالبی را درباره آینده رایانش کوانتومی منتشر کرده است.

این دستاورد حیرت‌انگیز موتور جستجو به ما اعلام می‌دارد که ما اکنون می‌توانیم انقلابی در زمینه طراحی سلول‌های خورشیدی، کاتالیزورهای صنعتی، باتری‌ها، دستگاه‌های الکترونیکی منعطف، داروها، مواد و... به وجود آوریم. با پیشرفتی که این مدل ابررایانه‌ها در سال‌های اخیر تجربه کرده‌اند، بدون شک سرمایه‌گذاری و تحقیقات در این حوزه از دنیای فناوری با شتاب بیشتری دنبال خواهد شد. بر همین اساس گوگل، علی‌بابا، بایدو، آمازون و دیگر غول‌های فناوری و همچنین دولت‌ها در رقابت شدیدی با یکدیگر قرار دارند تا این فناوری را به بهترین شکل ممکن طراحی کرده و از آن استفاده کنند. به تازگی کمیسیون اروپا بودجه‌ای نزدیک به یک میلیارد یورو برای این فناوری اختصاص داده است. بودجه‌ای که در زمینه تحقیق، توسعه و سرمایه‌گذاری در فناوری‌های کوانتومی مورد استفاده قرار خواهد گرفت. علاوه بر فعالیت‌هایی که به آن‌ها اشاره شد، شرکت گوگل ماه گذشته میلادی اعلام داشت که برای محافظت از مرورگر کروم خود از فناوری امنیتی مبتنی بر رایانش کوانتومی استفاده خواهد کرد. سرگی بلوسوف، مدیرعامل و بنیان‌گذار شرکت امنیت داده‌های آکرونیس در این ارتباط گفته است: «این فناوری خاصی است که روند طراحی و توسعه آن به سرعت در حال انجام است. همین موضوع باعث می‌شود که ما به سختی بتوانیم تاثیر فناوری کوانتومی در بخش صنعت را که همواره با خلاقیت و ابتکار عامل انسانی رابطه مستقیمی دارد و از رشد بسیار سریعی برخوردار است، پیش‌بینی‌ کنیم.» بلوسوف که همچنین ریاست بخش اجرایی شرکت پاراللز را عهده‌‌دار است در بخش دیگری از صبحت‌های خود گفته است: «در مقطع فعلی رایانش کوانتومی و به ویژه اندازه شناسی کوانتومی (quantum metrology) و امنیت کوانتومی جزء آن گروه از موضوعاتی هستند که وابستگی کاملی به دنیای علم دارند و بر همین اساس توسعه و پیشرفت آن‌ها می‌تواند گاها سریع یا برعکس کند به پیش برود. اگر این فناوری بتواند توسعه پیدا کند، تغییرات بسیار بزرگی به واسطه آن رخ خواهد داد. به همین دلیل است که شرکت‌هایی همچون گوگل، علی‌بابا و آمازون جزء آن گروه از سرمایه‌گذارانی هستند که در این حوزه از علم پیشتاز هستند.»

 کامپیوترهای کوانتومی بر مبنای مهار اتم‌ها یا پدیده مکانیک کوانتوم که بر مبنای ذرات قرار دارد عمل می‌کنند. کامپیوترهای دسکتاپ امروزی بر مبنای دنیای دودویی صفرها و یک‌ها به ماشین‌ها اعلام می‌دارند چگونه باید کارهای خود را انجام دهند. در حالی که در دنیای کامپیوترهای کوانتومی این قوانین مکانیک کوانتوم هستند که در قالب کیوبیت‌ها قادر به شبیه‌سازی حالت‌های صفر، یک یا هر دو حالت هستند.

برای سال‌های متمادی نگرشی که بر دنیای فناوری حاکم بود بر مبنای این دیدگاه قرار داشت که به کارگیری گسترده این فناوری چندین دهه به طول خواهد انجامید. با این‌حال، تعدادی از کارشناسان صنعت در پیش‌بینی‌های خود تجدیدنظر کرده‌اند. بلوسوف در این ارتباط گفته است: «من به شخصه از هفت سال پیش این حوزه از علم را به دقت مورد بررسی قرار دادم. در آن زمان فکر می‌کردم، برای آن‌که بتوانیم یک محصول کاربردی را بر مبنای رایانش کوانتومی طراحی کنیم راه طولانی در پیش خواهیم داشت. در آن زمان پیش‌بینی کرده بودم که این فناوری حداقل به 20 تا 40 سال زمان نیاز خواهد داشت تا به شکل کاربردی در دسترس ما قرار گیرد. اما از دو سال پیش و با توجه به پیشرفت‌هایی که در حوزه فناوری به دست آمده است، با قاطعیت نمی‌توان پیش‌بینی‌هایی را در خصوص این فناوری بیان کرد. در نتیجه این احتمال وجود دارد که ظرف پنج تا ده سال آینده تغییرات عظیمی را شاهد باشیم. به عقیده شخصی من این روند در کمتر از ده سال به شکوفایی خواهد رسید.»

بلوسوف درباره این‌که شرکت‌ها در چه زیرشاخه‌هایی از این فناوری سرمایه‌گذاری بیشتری انجام خواهند داد گفته است: «به نظر من اندازه‌شناسی کوانتومی، رمزنگاری همراه با قابلیت‌های این فناوری در حوزه مدل‌سازی نسل جدیدی از مواد بخش‌های هیجان‌برانگیزی هستند که شرکت‌ها و دولت‌ها سرمایه‌گذاری‌های سنگینی روی آن‌ها انجام خواهند داد. در اندازه شناسی کوانتومی انتظار می‌رود، دستگاه‌هایی با حس‌گرهای بسیار دقیقی در حوزه الکترونیک، مغناطیس، میدان‌های گرانشی، دما و زمان بر مبنای این فناوری ساخته شوند. این جهان از سیگنال‌ها و تغییرات مختلفی ساخته شده است که اندازه‌شناسی کوانتومی قادر است به دقیق‌ترین شکل ممکن آن‌ها را اندازه‌گیری کند. در حوزه امنیت، رایانش کوانتومی حریم خصوصی واقعی را برای مردم به ارمغان خواهد آورد. در دنیای کنونی مردم واقعا اطلاع ندارند که سال‌ها است حریم خصوصی آن‌ها از میان رفته است و این ارتباطات کوانتومی هستند که یکبار دیگر امنیت را برای آن‌ها به ارمغان خواهد آورد.»

---

برچسب: 

• رایانش کوانتومی - محاسبات کوانتومی - اندازه شناسی - quantum metrology - امنیت کوانتومی

حشرات سایبروگی به یاری پژوهشگران می‌آیند

سوسک‌ها و پروانه‌های نقشه‌بردار

10 دى 1395

• حمیدرضا تائبی

• شاهراه اطلاعات

دانشمندان برای کاوش‌ در مناطق حساس و عمدتا خطرناک چاره‌ای ندارند جزء این‌که از فناوری‌های پیشرفته استفاده کنند. در این مناطق عامل طبیعی با مخاطرات جانی بسیاری روبرو است و عامل کاملا ماشینی نیز محدودیت‌هایی دارد. در چنین شرایطی عامل سوم که همان زیست‌روبات‌ها هستند به میدان وارد شده و به یاری پژوهشگران می‌شتابند.

یک تیم از پژوهشگران دانشگاه ایالتی کارولینای شمالی موفق به توسعه گونه خاصی از زیست‌روبات‌ها شدند. این حشرات سایبورگ شده به مناطق خطرناک، ساختمان‌های مخروبه و مناطقی که بر اثر حوادث طبیعی دچار تخریب شده یا رانش زمین باعث به وجود آمدن مسیر صعب‌العبوری شده مسافرت می‌کنند و نقشه‌ای از این مناطق تهیه می‌کنند. این پروژه ماحصل کار گروهی ادگار لوباتون استادیار مهندسی برق و کامپیوتر دانشگاه کارولینای شمالی و دکتر آلپر بزکورت استاد رشته مهندسی بیوالکترونیک دانشگاه کارولینای شمالی است. این دو پژوهشگر با موفقیت توانستند حس‌گرهایی را به بدن سوسک‌ها متصل کرده و از ویژگی‌های طبیعی این حشرات برای نقشه‌برداری از زمین‌های سخت بهره بردند.

 این دو پژوهشگر در ارتباط با طرح خود گفته‌اند: «پیشنهاد ما این است که گروهی از این حشرات سایبروگ شده را از طریق هواپیماهای بدون سرنشین در محل‌های خطرناک آزاد کنیم. زمانی که این حشرات در مناطق سخت رها می‌شوند، از استقامت بدنی بالایی برخوردار هستند و قادر هستند در این مناطق به خوبی دوام بیاورند. در ادامه حس‌گرهایی که به این سوسک‌ها متصل شده است به راحتی قادر هستند داده‌های لازم که به منظور نقشه‌برداری محیطی به آن‌ها نیاز است را به دست آورند. برای کنترل این حشرات و اطمینان یافتن از این موضوع که این حشرات سایبورگی در مناطق موردنظر سرگردان نمی‌شوند، ما این قابلیت را در اختیار داریم تا امواج رادیویی را از فاصله 20 متری هواپیمای بدون سرنشین برای این حشرات ارسال کنیم.»

داده‌هایی که از این حس‌گرها جمع‌آوری می‌شوند، در ادامه از طریق نرم‌افزاری که دانشگاه کارولینای شمالی آن‌را طراحی کرده است ترجمه شده و در ادامه یک نقشه محیطی دقیق از این مناطق ترسیم می‌شود.

همچنین برای نقشه‌برداری از مناطق بزرگ‌تر نیز می‌توان همین فرآیند را به صورت مرحله به مرحله انجام داد. در این حالت هواپیمای بدون سرنشین پیش از آن‌که به سمت مقصد بعدی حرکت کنند، صبر می‌کند تا این حشرات نقشه‌برداری از بخش‌های کوچک‌تر را تکمیل کنند و داده‌های مربوطه را به دست آورند. در ادامه داده‌های به دست آمده از بخش‌های مختلف در کنار یکدیگر قرار می‌گیرند و به این شکل نقشه‌برداری از ناشناخته‌ترین مناطق زمین نیز امکان‌پذیر می‌شود.

لوبوتان در این ارتباط گفته است: «از این دستاورد می‌توان در ارتباط با ساختمان‌های در حال ریزش و مناطقی که سیگنال‌های موقعیت‌یاب جهانی در آن مناطق به خوبی جواب نمی‌دهد استفاده کرد. سینگال رادیویی که از طریق هواپیمای بدون سرنشین ارسال می‌شود تا حد بسیار زیادی قادر هستند در ساختمان‌های آسیب‌دیده نفوذ کرده و به این شکل زیست‌روبات‌ها را در کنار یکدیگر نگه دارند.»

تا به امروز از زیست‌روبات‌ها عمدتا در ارتباط با نقشه‌برداری از مناطق و بخش‌های کوچک استفاده می‌شد. اما دستاورد جدید دانشگاه کارولینای شمالی می‌تواند افق‌های تازه‌ای در زمینه نقشه‌برداری در مقیاس‌های بزرگ‌تر پدیدار سازد. این پروژه بر اساس مطالعات قبلی که در آن یک ریزتراشه به شکل کوله‌پشتی به سوسک‌ها متصل می‌شد و از راه دور سوسک‌ها را کنترل می‌کرد، طراحی شده است. 

---

برچسب: 

• سایبورگ - فناوری - بیوالکترونیک - زیست‌روبات‌ - حشره - روبات

از بین رفتن هزاران شغل با گسترش هوش مصنوعی

26 آذر 1395

رایورز - هوش مصنوعی مسلماً در آینده، یکی از ارکان رونق اقتصادی ایالات متحده خواهد شد، اما اگر خدمات اجتماعی پیشرفت نکند، میلیون‌ها نفر از کارکنان آمریکایی، مشاغل خود را از دست خواهند داد.

این عبارت، خلاصه‌ای از گزارش کاخ سفید است که اثرات اقتصادی هوش مصنوعی و افزایش اتوماسیون را بررسی می‌کند. به گزارش Mashable، در این گزارش که روز سه‌شنبه منتشر شد، مزایای بالقوه و همچنین معایب افزایش نقش هوش مصنوعی در زندگی انسان‌ها بررسی شده است.

از جمله معایبی که می‌توان برای هوش مصنوعی برشمرد این است که به‌واسطۀ هوش مصنوعی، افراد زیادی شغل خود را از دست می‌دهند.

طبق این گزارش، راه حل پیشنهادی برای حل این معضل، سرمایه‌گذاری بیشتر در بخش آموزش و پرورش و بخش شبکه امنیت (تأمین) اجتماعی است تا بدین وسیله بتوان کارکنان آمریکایی را برای تحولات آینده آماده ساخت.

این گزارش ابتدا با تأکید بر حرکت رو به‌ جلوی جامعه به سمت هوش مصنوعی، اهمیت فناوری هوش مصنوعی را برای رشد و رونق اقتصاد یادآور شد و اذعان داشت که پیشرفت در فناوری هوش مصنوعی، پتانسیل فوق ‌العاده‌ای برای کمک به ایالات متحده دارد.

این پتانسیل به آمریکا کمک می‌کند تا جایگاه خود را به عنوان پیشگام در حوزه نوآوری حفظ کند. جیسون فورمن (Jason Furman)، رئیس شورای مشاوران اقتصادی طی تماسی که با خبرنگاران داشت، گفت همان‌گونه که می‌دانید، بزرگ‌ترین نگرانی ما در حوزۀ اقتصاد این است که رشد و رونق کافی و همچنین رشد کافی در بهره وری نداریم.

هیچ چیز مثل هوش مصنوعی نمی‌تواند به ما در افزایش بهره وری و افزایش درآمد و دستمزد کمک کند. این گزارش هیچ بحثی در مورد انواع خاص فناوری هوش مصنوعی نمی‌کند. تشخیص کلاهبرداری و دفاع سایبری از جمله زمینه‌هایی هستند که هوش مصنوعی می‌تواند در پیشبرد آن‌ها کمک به سزایی داشته باشد.

در حال حاضر دقیقا مشخص نیست که کدام صنایع تحت تأثیر هوش مصنوعی قرار می‌گیرند ولی این گزارش بیان می‌دارد که کارگرانی که تحصیلات کمتر، مهارت کمتر و دستمزد پایین‌تری دارند، بیشتر در معرض تهدید از دست دادن شغلشان هستند.

این گزارش پیشنهاد می‌دهد که پیشرفت در حوزۀ آموزش- که باید از تحول در آموزش کودکان آغاز شود- و افزایش سرمایه گذاری در آموزش شغلی و برنامه‌های بازآموزی به کارکنان کمک می‌کند تا مهارت‌های موردنیاز خود را در مشاغل مرتبط با هوش مصنوعی افزایش دهند.

همچنین برای افرادی که در اثر پیشرفت‌های هوش مصنوعی، کار خود را از دست می‌دهند، باید شبکه امنیت اجتماعی تقویت گردد. این کار در پیشرفت خدماتی نظیر بیمه بیکاری، کمک در جهت کاریابی و حداقل دستمزد بالاتر متجلی می‌شود.