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.
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.
رایورز - مطابق اخبار رسانهها، به تازگی یک طرح ویژه و جدید برای اینترنت اشیاء ارائه شده است که بر اساس آن قرار است تا پردازش اصلی بهجای انجام شدن در یک واحد جداگانه، به حافظه سیستمهای کامپیوتری انتقال یابد و به این ترتیب سرعت عملکرد دستگاههای کوچک بهمراتب بالاتر خواهد رفت.
به گزارش وبسایت خبری تحلیلی the inquirer، شرکت بوفینز (Boffins) بهتازگی طرح ویژهای را ارائه کرده است که در صورت عملیاتی شدن، میتواند موجب شکلگیری یک انقلاب در صنایع کامپیوتری شود.
بر اساس این طرح که توسط تیمی متشکل از دانشمندان سنگاپوری و آلمانی ارائه شده است قرار است تا بار پردازشی سیستمهای کامپیوتری دیگر بر دوش واحد پردازش مرکزی یا همان سی.پی.یو نباشد.
بر اساس این طرح انقلابی میتوان از حافظه رم (RAM) بهعنوان محلی برای پردازش دادههای کامپیوتری استفاده کرد و به این ترتیب ممکن است بهزودی دیگر رم، تنها بهعنوان حافظه جانبی پردازشی بهحساب نیامده بلکه با ارتقاء شغلی بسیار ویژهای به هسته پردازشی سیستمهای کامپیوتری بدل گردد.
گفتنی است مطابق جزئیات این طرح، این سیستم بر روی رمهای معمولی موجود در بازار قابل اعمال نیست و برای این کار نسل جدیدی از حافظهها در حال طراحی است که البته واحدهای طراحی سختافزار مختلفی بر روی ساخت آن کار میکنند.
این نسل جدید از رمها با نام ReRAM شناخته میشوند که نسلی از رم هستند که برخلاف سایر نمونههای فعلی موجود در جهان، حافظه موقت بهحساب نمیآیند.
در صورت تحقق این پروژه میتوان انتظار داشت که سرعت افزایش و هزینه و مصرف انرژی کامپیوترها بهصورت چشمگیری کاهش یابد و در عین حال از نظر اندازه نیز شاهد کوچکتر شدن کامپیوترها باشیم که همگی این مؤلفهها از نیازهای اصلی برای پروژه اینترنت اشیاء بهحساب میآیند.
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.»
مایکروسافت به این جمعبندی رسیده است که سیستمعامل برای مدت طولانی یک صحنه نبرد بزرگ نخواهد بود و در نتیجه مهم است که سهم هر چه بیشتری از بازار کلاود (آژر و آفیس 365) را از آن خود کند. برای نیل به این هدف مایکروسافت باید سهم مهمی در بازار نرمافزارهای مبتنی بر پلتفرم لینوکس را به دست آورد. اگر کنجکاو هستید درباره ارزش واقعی یک شرکت اطلاعاتی به دست آورید بهتر است، استراتژیهای فروش و ضررهایی که یک شرکت متحمل شده است را مورد بررسی قرار دهید.
مایکروسافت روی مباحث آموزش، اطلاعرسانی و ارتقا قابلیتهای دو محصول آژر و آفیس 365 کاملا متمرکز شده است. مایکروسافت به مشتریانی که در نظر دارند مجوز مربوط به نرمافزارهای آفیس و ویندوز را ارتقا دهند، پیشنهاد میکند از آژر همراه با تخفیفهای ویژه استفاده کنند. اخباری که در ارتباط با مایکروسافت منتشر میشوند، نشان میدهند این شرکت به طور کامل رویکردهای خود در ارتباط با ویندوز را تغییر داده و در حال بازتعریف تازهای از سیستمعامل خودش است. مایکروسافت در نظر دارد یکسری تعاملات میان مولفهای میان ویندوز و آژر را پیادهسازی کند. به طوری که در بعضی موارد مردم بتوانند به یکسری ویژگیهای آژر به طور رایگان دسترسی داشته باشند.
ویژگیهایی که در نهایت شما را متقاعد سازند به جای بهکارگیری ویندوز روی سرورهای شخصیتان از راهکارها و سرویسهای پیشنهادی مایکروسافت استفاده کنید. این برنامهریزی همچنین در ارتباط با نمایندگیهای فروش (شرکتها و افرادی که به شما در به دست آوردن ارزش افزوده مرتبط با محصولات مایکروسافت کمک میکنند) نیز به مرحله اجرا درخواهد آمد.
دوران سیستمعاملهای تکمحوری رو به اتمام است
یک سیستمعامل تنها به دلیل اینکه پلتفرمی را در اختیار برنامههای کاربردی قرار میدهد، حائز اهمیت است. برنامهها برای کسبوکارها پولسازی کرده و بهرهوری شخصی را به همراه میآورند. مایکروسافت به شکل کارآمد و شاخصی موفق شده است از ویندوز و پلتفرم برنامههای مبتنی بر داتنت کسب درآمد کند. اما در نقطه مقابل تولیدکنندگان مختلف همچون سان، اچپی و... هر کدام موفق شدهاند سهمی از بازار سرورها به دست آورند. این شرکتها موفق شدهاند یک پلتفرم توسعه نرمافزاری ساده و کاربردی را برای کامپیوترهای شخصی به وجود آورند. زمانی که لینوکس و سرورهای مبتنی بر معماری x86 اینتل کار خود را شروع کردند موفق شدهاند بخشی بزرگی از بازار یونیکس را تحت تملک خود درآورند. به طوری که در طول این سالها هر یک از این شرکتها همچون سان کنترل بخشی از بازار را به دست گرفتند. اما در مقابل مایکروسافت تصمیم گرفت بر مبنای رویکرد دیگری عمل کرده و از سمت کامپیوترهای شخصی مبتنی بر معماری x86 به سمت سرورهای مبتنی بر x86 حرکت کند.
لینوکس تا حد زیادی با موفقیت در مراکز داده یونیکسی جایگزین شده و در خارج از سازمانها نیز توانسته است به خوبی در دنیای کسبوکار ورود پیدا کند. رایگان بودن یکی از مهمترین فاکتورهایی است که بسیاری از کسبوکارها را ترغیب میکند از لینوکس به جای ویندوز استفاده کنند. رایگان بودن، دسترسی آزاد و قابلیتهای رو به رشد موجود در لینوکس و همچنین برنامهنویسان حرفهای که میدانند چگونه باید برنامههای کاربردی را برای لینوکس بنویسند، باعث فراگیر شدن لینوکس در مقیاس گسترده و به شکلی کاربردی شده است. اکنون چند سوال بزرگ مطرح میشود: اگر به جای ساتیا نادلا مسئولیت آژر و ویندوز را بر عهده داشتید، سیاست خود را به سمت کلاود متمایل نمیساختید؟ زمانی که سرویسهای وب آمازون به فروش 10 میلیارد دلاری نزدیک میشوند و تقریبا 10 برابر بیشتر از آژر سودآور هستند و هر ساله یک رشد 64 درصدی را تجربه میکند، اما در مقابل مجوزهای ویندوز یک رشد تک رقمی را تجربه میکنند چه تصمیمی اتخاذ میکردید؟ در شرایطی که AWS صرفنظر از سیستمعاملی که از آن استفاده میکنید یک زیرساخت ابری سرراست را برای برنامههای کاربردی در اختیارتان قرار میدهد، بازهم تصمیم میگرفتید پول خود را در پلتفرم ویندوز سرمایهگذاری کنید با این هدف که برنامههای بیشتر عرضه کنید یا در مقابل به سمت لینوکس حرکت میکردید؟ در چنین شرایطی دربها را باز نمیکردید و به هر برنامه مستقلی اجازه نمیدادید روی لینوکس در پلتفرم آژر اجرا شود؟ هر چند اتخاذ این رویکرد برای ساتیا نادلا دردناک است، اما واقعیت این است که مایکروسافت راه چاره را در این دیده است که به جای متوقف شدن روی یک سیستمعامل به سراغ زیرساختهای ابری و آن هم زیرساختی برود که بسیاری از مردم به آن علاقهمند هستند. یک گام رو به جلو و هوشمندانه! این دقیقا همان رویکردی است که مایکروسافت با پیوستن به بنیاد لینوکس آنرا اجرایی کرده است.