یادگیری ماشینی، آخرین حلقه تکامل دیجیتال - مجله سرگرمی

یک مؤسسه معتبر مالی پیش بینی نموده است که داده های فراوری شده در اقتصاد دیجیتال طی سه سال آینده، بیشتر از کل داده های فراوری شده در 30 سال اخیر خواهد بود.

البته می توان این داده ها را مانند یک گنج پنهان درنظر گرفت که ارزش بسیار زیادی در آن نهفته است.

گرچه دستیابی به این گنج کار آسانی نیست؛ داده ها از پیچیدگی های خاص خود برخوردارند و معمولا به شکلی بسیار بی نظم در دسترس ما قرار می گیرند.

برای این که بتوان الگوهای نهفته در آنها را شناسایی کرد، باید مرتب و سپس تفسیرشان کرد. بهره برداری عملی از یافته های حاصل نیز گام بعدی این جهت به شمار می رود.

ساتیا نادلا، مدیرعامل مایکروسافت جمله معروفی دارد: هر شرکتی، یک شرکت نرم افزاری است. یکی از دلایل نادلا برای این باور این موضوع است که نرم افزارها امروزه مسؤول بخش قابل توجهی از عملکرد شرکت ها هستند.

این به آن معنا نیست که باید به داشتن یک نرم افزار برای انجام امور مختلف بسنده کنیم، اما شاید تلنگری باشد که باعث گردد دیدگاه مان را نسبت به نرم افزارها متحول کنیم.

انتها عصر پیشتازی نرم افزارها

در جهانیی که انبوهی از نرم افزارهای متن باز در آن عرضه شده است، دیگر کد یک نرم افزار مانند گذشته ارزشمند نیست.

امروزه برخورداری از نرم افزار اختصاصی برای شرکت ها یک مزیت آنچنانی به شمار نمی رود. در مقابل، شاهد این هستیم که تفسیر داده های موجود به منظور بهبود عملکرد کسب وکارها و افزایش بهره وری و کارایی است که به عنوان برگ برنده در جهانی نرم افزاری درحال مطرح شدن است.

شرکت های پیروز نرم افزاری آینده آنهایی نیستند که بسته های نرم افزاری به مشتریان می فروشند. برنده واقعی در بازار آینده کسب و کارهای نرم افزاری شرکت هایی خواهند بود که امکان تفسیر داده های موجود را به وسیله مدل های یادگیری ماشینی (machine leaning) در اختیار مشتریان شان قرار بدهند.

تحول در جهانی نرم افزار

البته جهانی نرم افزار، پیش از این نیز با دگرگونی های عظیم اینچنینی روبه رو بوده است. یکی از عظیم ترین این دگرگونی ها، حرکت از سیستم سنتی فروش محصولات نرم افزاری به سمت الگویی نوین موسوم به نرم افزار اجاره ای (SaaS) بود.

نرم افزارهای اجاره ای بر بستر سرورهای ابری عمل می نمایند. کاربر به جای خرید و نصب نرم افزار روی سیستم خود، می تواند از آن روی سرورهای ابری استفاده کند.

هزینه این روش برای مشتریان معمولا کمتر است و همچنین با مشکلاتی مثل به روزرسانی نرم افزاری روبه رو نخواهند بود.

الگوی نرم افزار اجاره ای طی سال های اخیر با استقبال قابل توجهی روبه رو شده و مؤسسه پژوهشی گارتنر پیش بینی نموده که درآمد بازار نرم افزارهای اجاره ای تا سال 2021 تا 120 میلیارد دلار افزایش خواهد یافت.

الگویی اختصاصی برای تفسیر داده ها

اما شاید در جهانیی که در آن ماهیت نرم افزار تا این حد نسبت به قبل تغییر نموده است، احتیاجمند یک دگرگونی اینچنینی باشیم. بعضی کارشناسان بر این باورند که به زودی شاهد ارائه خدمتی جدید با عنوان یادگیری ماشینی اجاره ای (MLaaS) باشیم.

در نرم افزار اجاره ای، خدمت مورد نظر بر بستر ابری به کاربر ارائه می گردد اما در یادگیری ماشینی اجاره ای، ابزارها و توان پردازشی لازم برای تحلیل داده های موجود در اختیار مشتری قرار می گیرد.

به این ترتیب، شرکت های پیشتاز حوزه فناوری اطلاعات به جای فروش نرم افزار، خدمات یادگیری ماشینی برای تحلیل بانک های داده مشتریان و شناسایی الگوهای نهفته در داده های آنها ارائه خواهند کرد.

البته ورود این خدمت جدید می تواند بازار فناوری نرم افزاری را به سمتی دیگر پیش ببرد. تا همین اواخر، حاشیه سود فروش نرم افزارها بالا بود.

یک شرکت می توانست نرم افزاری را توسعه دهد و میلیون ها نسخه از آن بفروشد اما در یادگیری ماشینی اجاره ای دیگر یک محصول واحد به مشتریان ارائه نمی گردد، بلکه راه چاره هایی مبتنی بر احتیاج آنها تهیه می گردد و در اختیارشان قرار می گیرد.

شاید بتوان الگوی یادگیری ماشینی اجاره ای را همچون لباسی دانست که توسط یک خیاط به صورت خاص برای ما آماده می گردد. خیاط ابتدا ابعاد بدن مشتری را اندازه گیری می نماید و لباسی متناسب را می دوزد. این فرایند درست برخلاف رویکرد فراوری انبوه لباس است.

در روش یادگیری ماشینی اجاره ای، مشتری ابتدا باید داده هایش را در اختیار الگوریتم (خیاط) قرار دهد تا الگوهای مناسب (لباس) از دل این داده ها استخراج گردد و در اختیارش قرار گیرد.

دوران گذار

در حال حاضر بعضی شرکت ها و سازمان های عظیم از روش مشابهی استفاده می نمایند. بسیاری از بانک های عظیم جهان تیم های تحلیل داده دارند که الگوریتم های لازم را برای تفسیر اطلاعات توسعه می دهند. با این وجود، این شیوه هنوز به طور گسترده در صنایع مختلف استفاده نشده است.

در گذار به این مرحله، با دردسرهای مختلفی روبه رو خواهیم بود. نرم افزارها معمولا در اختیار واحد فناوری اطلاعات شرکت ها و سازمان ها قرار می گیرند، اما یادگیری ماشینی اجاره ای برای این که بتواند به بهترین نتیجه برسد باید علاوه بر واحد فناوری اطلاعات، کارکنان بخش های عملیاتی سازمان را نیز درگیر کند.

ساده سازی فرآیند جمع آوری و سازماندهی داده ها، دستیابی به مدلی برای استفاده ساده تر از آنها و نیز آموزش کارکنان برای بهره گیری از این خدمات جدید از جمله مهم ترین چالش هایی است که شرکت های نرم افزاری باید با آن دست وپنجه نرم نمایند.

اما گذار به مرحله استفاده گسترده از یادگیری ماشینی اجاره ای می تواند نتایج شیرین زیادی داشته باشد. مثلا حوزه مبارزه با پولشویی را در نظر بگیرید.

فرآیندهای کنونی برای شناسایی پولشویی معمولا احتیاجمند صرف زمان و انرژی زیادی از سوی کارشناسان و بازرسان این حوزه است اما بهره گیری از یادگیری ماشینی اجاره ای به دولت ها این امکان را می دهد تا با بهره گیری از الگوهای معین در تفسیر داده ها، موارد مشکوک را به سرعت شناسایی نمایند.

در واقع این فناوری می تواند بار زیادی از روی دوش کارشناسان این حوزه بردارد و در مقابل، وقت آنها را برای انجام امور مهم تر آزاد کند.

نتیجه گیری

داده را نفت دوران دیجیتال هم می نامند. درست همان طور که استخراج و پالایش نفت تمدن بشری را در یک قرن اخیر به سرعت به پیش برده است، می توان از فناوری یادگیری ماشینی اجاره ای انتظار تاثیری مشابه را در جهانی دیجیتال داشت.

به نظر می رسد در آستانه یک تحول عظیم در جهانی نرم افزار باشیم، چرا که با گسترش استفاده از انواع نرم افزار، این محصولات دیگر نمی توانند ارزش گذشته خود را داشته باشند. در مقابل، با توسعه ابزارهای لازم برای تحلیل انبوه عظیم داده های دیجیتالی که شرکت ها و سازمان ها در اختیار دارند، می توان به جهانی جدیدی از فرصت ها قدم گذاشت.

صالح سپهری فر - مشاور کسب و کارهای نوآور/ ضمیمه کلیک روزنامه خبرنگاران

سهند بلاگ: سهند بلاگ: با سهند بلاگ از وبسایت و وبلاگ رایگان بهره ببرید