محبوبترینها
نمایش جنگ دینامیت شو در تهران [از بیوگرافی میلاد صالح پور تا خرید بلیط]
9 روش جرم گیری ماشین لباسشویی سامسونگ برای از بین بردن بوی بد
ساندویچ پانل: بهترین گزینه برای ساخت و ساز سریع
خرید بیمه، استعلام و مقایسه انواع بیمه درمان ✅?
پروازهای مشهد به دبی چه زمانی ارزان می‌شوند؟
تجربه غذاهای فرانسوی در قلب پاریس بهترین رستوران‌ها و کافه‌ها
دلایل زنگ زدن فلزات و روش های جلوگیری از آن
خرید بلیط چارتر هواپیمایی ماهان _ ماهان گشت
سیگنال در ترید چیست؟ بررسی انواع سیگنال در ترید
بهترین هدیه تولد برای متولدین زمستان: هدیه‌های کاربردی برای روزهای سرد
در خرید پارچه برزنتی به چه نکاتی باید توجه کنیم؟
صفحه اول
آرشیو مطالب
ورود/عضویت
هواشناسی
قیمت طلا سکه و ارز
قیمت خودرو
مطالب در سایت شما
تبادل لینک
ارتباط با ما
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
آمار وبسایت
تعداد کل بازدیدها :
1827774777
کلان داده ها را فراموش کنید؛ دنیا را کلان الگوریتم ها متحول خواهند کرد
واضح آرشیو وب فارسی:ماهنامه شبکه: شاید درگذشته های دور دغدغه اصلی شرکت های بزرگ، جمع آوری داده ها بود، به طوری که بسیاری از سازمان ها سعی می کردند برای ارائه سرویس ها و خدمات بهتر مبالغ کلانی را خرج کنند تا داده های موردنیاز خود را به هر نحو ممکن جمع آوری کنند، اما در دنیای امروز دیگر جمع آوری داده های خوب از اهمیت بالایی برخوردار نیست، بلکه موضوع مهم این است که چگونه باید از این داده ها استفاده کرد. در پنج سال گذشته به طور متوسط یک میلیون دستگاه در طول شبانه روز آنلاین بوده اند. حضور مداوم این دستگاه های متصل به شبکه های ارتباطی عاملی شد تپیتر سان درگاد معاون بخش تحلیل ها در شرکت گارتنر دراین باره می گوید: «داده ها به طور طبیعی غیرهوشمند هستند، آن ها واقعاً کار خاصی انجام نمی دهند، مگر آن که بدانید چگونه از آن ها استفاده کنید یا چگونه با آن ها رفتار کنید. الگوریتم ها به راستی یک عامل ارزشمند محسوب می شوند. الگوریتم ها کنش را تعریف می کنند. در دنیای امروز الگوریتم های پویا هسته جدیدی از تعامل با مصرف کنندگان را به وجود آورده اند.» همین موضوع باعث می شود تا مفهوم داده های کلان در دل الگوریتم های کلان پنهان شوند. اکنون زمانی است که دنیای فناوری نیازمند یک اقتصاد الگوریتمی است. مطلب پیشنهادی 10 الگوریتم شگفت انگیز که به کشف معماها کمک می کنند الگوریتم چیست؟ الگوریتم به معنای به کارگیری مجموعه قواعدی برای انجام محاسبات است. امروزه بسیاری از سایت ها و سرویس های مشهور دنیای فناوری با استفاده از الگوریتم ها دست به هنرنمایی های خارق العاده ای می زنند. مدیر یک شبکه پخش ویدیویی درباره نحوه الگوریتم هایی که مورداستفاده قرار می دهد چنین گفته است: «چیزی که شما مشاهده می کنید بر مبنای نظارت بر چیزی که قبلاً مشاهده کرده اید به شما نشان داده می شود و هر شخصی که چیزی را مشاهده می کند بر مبنای نظارت بر چیزی که قبلاً مشاهده کرده بوده است به او نشان داده می شود و این روال به طور متوالی ادامه پیدا می کند.» مفهوم کمی پیچیده است؟ روند خیزش و نظارت بر داده های همه کاربران توسط یک سرویس ممکن است پیچیده به نظر برسد، اما واقعیت این است که یک کامپیوتر این کار را به سادگی انجام می دهد. همه این فرآیندهای به ظاهر جادویی با استفاده از الگوریتم های پویا که محاسباتشان را فضای ابری انجام می دهند، به دست می آید. ازجمله نمونه های بزرگ و موفق دیگری که در این زمینه می توان به آن ها اشاره کرد، الگوریتم های مورداستفاده آمازون یا الگوریتم Wave است. الگوریتمی که امروزه هزاران ماشین را در جاده ها هدایت می کند. سان درگاد در این زمینه گفته است «محصولات و سرویس ها بر مبنای الگوریتم ها و سرویس هایشان تعریف می شوند.» جیمز بلیک مدیرعامل شرکت Hello Soda دراین باره می گوید: «در دنیای امروز کلان داده ها نقش یک اسطوره را بازی می کنند. چالش اصلی دنیای امروز این است که بدانید چگونه از داده هایی که به سمت الگوریتم ها روانه می شوند استفاده کرده و چگونه آن ها را تحلیل کنید.» الگوریتم ها این توانایی رادارند تا میلیون ها رکورد را فیلتر کرده تا با وضوح هر چه بیشتر به سوابق دسترسی داشته باشید. این موضوعی است که به ما نشان می دهد اقتصاد دیجیتالی ما چگونه به سمت جلو حرکت می کند.» جیمز بلیک مدیرعامل Hello Soda نقطه ازدست رفته درحالی که بسیاری بر این باور هستند که کلان داده ها، در آینده نقشی محوری در دنیای کسب وکار بازی خواهند کرد، اما واقعیت این است که ارتباطات، روابط و الگوریتم ها آینده کسب وکارها را تعریف می کنند. پروفسور مایکل فینت فیزیکدان اسبق CERN و بنیان گذار بخش تجزیه وتحلیل کلان داده ها در شرکت Blue Yonder و خالق الگوریتم Neuro Bayes دراین باره گفته است: «اگر همچنان درباره کلان داده ها فکر می کنید، باید بدانید در حال خارج شدن از مسیر اصلی هستید به دلیل این که کلان داده ها و کلان الگوریتم ها هر دو از واژه های مفهومی هستند که فرصت های جدیدی را به وجود می آورند. در دنیای امروز هر فردی کلان داده ها را در اختیار دارد، اما داده های خام هیچ گونه ارزشی به همراه نمی آورند.» الگوریتم Neuro Bayes یک مدل یادگیری ماشینی منبع باز است که با استفاده از زبان پیتون نوشته شده است. Neuro Bayes به گونه ای طراحی شده است که میزان بهره وری شمارا در محیط کاری تان به طرز باورنکردنی افزایش می دهد. مایکل فینت دقیقاً می داند در ارتباط با چه موضوعی صحبت می کند. او یکی از موفق ترین الگوریتم های حال حاضر را برای CERN نوشته است. الگوریتمی که در ارتباط با شتاب دهندگی ذرات مورداستفاده قرار می گیرد. الگوریتم او وظیفه پالایش داده ها و جداسازی داده های غیرمرتبط و نه چندان بااهمیت را بر عهده دارد. Neuro Bayes و الگوریتم های مشابه، از دهه 90 میلادی تا به امروز به فیزیک دانانی که در ارتباط با ذرات به مطالعه و تحقیق می پردازند، کمک های فراوانی کرده است. در دنیای علم و پژوهش حقیقت الگوریتم ها بر همگان آشکارشده است، اما به نظر می رسد دنیای کسب وکار به تازگی اهمیت الگوریتم ها را درک کرده است. به طور مثال، الگوریتم مایکل فینت تنها در مرکز تحقیقاتی CERN مورداستفاده قرار نمی گیرد، این الگوریتم امروزه در سراسر خرده فروشی ها برای دو کاربرد اصلی مورداستفاده قرار می گیرد. اول آن که به پیش بینی نیازهای کاربران پرداخته و دوم آن که فرآیند تصمیم گیری را با استفاده از داده های استخراج شده به طور خودکار انجام دهد. مایکل فینت دراین باره گفته است: «بدون شک سال 2016 سالی است که تصمیم گیری ها بیشتر و بیشتر بر مبنای قدرت درک الگوریتم ها پایه ریزی خواهد شد. در دنیای امروز، هرروزه مدل خاصی از داده های تراش یافته تولیدشده و این داده ها مابین دستگاه های متصل به یکدیگر که در قلب اینترنت اشیا به طور شگفت آوری در حال رشد هستند مبادله می شود. به طوری که ما اکنون نیازمند نسل جدیدی از الگوریتم های کاتالیزور هستیم.» جیمی تارنر مدیر ارشد فنی در شرکت نرم افزاری PCA که وظیفه پیش بینی نیازهای مشتریان را بر عهده دارد دراین باره گفته است: «کلان داده ها، تنها یک بخش از داده های خام را تشکیل می دهند، بدون وجود ابزارها شما این توانایی را نخواهید داشت که با استفاده از الگوریتم ها یک مجموعه از داده های خام را صیقل داده و از آن ها سنگ های گران بها تولید کنید.» پایان بازی برای الگوریتم های اقتصادی یک بازی فریبنده است. مشتریان واقعی و کسب وکارها برعکس فرآیندهای قدیمی دنیای نرم افزار که جستجوی آن ها عمدتاً با ناامیدی همراه بود، به راحتی به نیازهای خود دسترسی خواهند داشت و هر آنچه را که می خواهند به دست خواهند آورد، بدون آن که هیچ گونه تأخیری را مشاهده کنند. پروفسور مایکل فینت بنیان گذار شرکت Blue Yonder و خالق الگوریتم NeuroBytes اقتصاد الگوریتمی چیست؟ شان اوون مدیر شرکت Data Science در کلرادو دراین باره گفته است: «یک اقتصاد الگوریتمی شامل کسب وکارهایی است که بهترین محصولات داده ای را تولید می کنند. یک محصول داده ای زمانی بهترین عملکرد را از خود نشان می دهد که توانایی خود یادگیری داشته باشد. به عبارت دیگر زمانی که از آن استفاده می شود، فرآیند استفاده شدن را به عنوان دانشی برای ارتقاء خود استفاده کند. این الگوریتم نباید فقط الگوریتمی باشد که توانایی تولید محصولات داده ای عالی را دارد، بلکه باید توانایی خودکارسازی یادگیری و تطبیق اندازه را از یک حلقه بازخوردی از داده ها داشته باشد.» امروزه همه کارشناسان با این دید به نسل جدید الگوریتم ها نگاه نمی کنند و درنتیجه با آن موافق نیستند. شان اوون در بخش دیگری از صحبت های خود گفته است: «در دنیای امروز، مزیت رقابت به جای آن که بر مبنای الگوریتم ها یا فناوری ها قرار داشته باشد بر مبنای داده ها قرار دارد. ایده ها و ابزارهای مشابه امروزه در دسترس همه قرار دارد. گوگل به طور رایگان اجازه دسترسی به پروژه های منبع بازی همچون هادوپ یا پروژه شخصی خودش موسوم به TensorFlow را می دهد.» این گفته شان اوون درست است. زیرساخت گوگل در هرلحظه در هرکجای جهان می تواند اجاره داده شود، به طوری که هر شرکتی در هر نقطه از جهان با کمترین هزینه به این ابزارها و ایده ها دسترسی خواهد داشت؛ اما در اینجا یک تفاوت بزرگ وجود دارد. داده های گوگل تنها داده های مختص گوگل هستند. جمیز تارنر مدیر ارشد فنی در شرکت نرم افزاری PCA کامپیوتر با کامپیوتر (ماشین با ماشین) بخش عمده ای از الگوریتم های روزانه که در زندگی عادی از آن ها استفاده می کنیم، بر پایه تفسیر داده های ماشینی از رفتار انسان ها عمل می کنند. درنتیجه جای هیچ گونه تعجبی وجود ندارد که چرا این اتفاق در ارتباط با یادگیری ماشین با ماشین به طور مرتب و مکرر رخ نمی دهد. البته در بخش خاصی از دنیای صنعت این اتفاق از مدت ها قبل رخ داده است. امروزه بازارهای مالی بر مبنای این راه کار رفتار می کنند، جایی که برنامه های تجاری در ترکیب با یکدیگر از چنین الگویی تبعیت می کنند. کافی است سری به دنیای بورس زده و با انواع مختلفی از اندیکاتورهایی که در این زمینه مورداستفاده قرار می گیرند آشنا شوید. این اندیکاتورها به راحتی توانایی تعیین فاکتورهایی همچون قله، شیب و نوسان را در معاملات دارند. به طوری که بر اساس یک نقطه Min و Max اولیه و داده های لحظه ای به دست آمده تجزیه وتحلیل هایی ارائه می کنند. امروزه بسیاری از کارگزارها به کاربران این توانایی را می دهند تا اندیکاتورهای موردنیاز خود را طراحی کنند. این موضوع باعث می شود تا این نرم افزارها بر پایه الگوریتم هایی که استفاده می کنند در هر نقطه از شبانه روز توانایی انجام محاسبات خودکار را داشته باشند، به طوری که صاحب اندیکاتور نیاز نداشته باشد در ساعت 4 صبح همچنان پشت لپ تاپ خود بنشیند تا مبادا در ارتباط با سرمایه گذاری خود دچار ضرری شده یا یک معامله پرسود را از دست بدهد. شان اوون بر این باور است که ارتباطات ماشین با ماشین آینده تجارت را تشکیل می دهند. او درباره آینده الگوریتم های هوشمند این گونه گفته است: «روزی را تصور کنید که سامانه گرم کننده خانه شما با شرکت های ارائه دهنده خدمات گاز و برق به مذاکره می نشیند. این سامانه با توجه به این که به طور دقیق از زمان استحمام صبح شما اطلاع دارد و می داند شما چه زمانی در صبح استحمام می کنید، ارزان ترین حمام و مناسب ترین زمان را به شما پیشنهاد می کند.» شان اوون مدیر Data Science یادگیری عمیق چیست؟ در دنیای الگوریتم ها علاقه مفرطی به یادگیری عمیق شبکه های عصبی و سامانه های یادگیری ماشینی باهدف هوشمند سازی ماشین هایی که از قدرت ادراک پذیری و همچنین محاسبه مبتنی بر ادراک پذیری برخوردار باشند، در جریان است. صف ماشین هایی که همانند انسان ها توانایی شطرنج بازی کردن را دارند و با استفاده از محاسباتی قادر به پیش بینی حرکات انسانی هستند، بسیار زیاد شده است. ترنر دراین باره گفته است: «ابزارهای یادگیری عمیق بر مبنای مدل های طبیعی ساخته می شوند، همین موضوع باعث می شود بر آگاهی و دقت این ماشین ها افزوده شود. این روبات ها و ماشین های CNC (سرنام Computer Numerical Control) به راستی ابزارهای مفیدی به شمار می روند». یادگیری عمیق موضوع جدیدی نیست. ایده یادگیری عمیق قدمتی ده ساله دارد. این ماشین ها بر مبنای مدل خاص خود یک بازنمایی میانی از داده های خود را به دست می آورند، مفهومی که تقریباً شبیه فکر کردن انسان ها است. با استفاده از یکسری بهینه سازی های هوشمندانه که در پنج سال گذشته صورت گرفته است، این احتمال وجود دارد که در آینده نزدیک شاهد یک مجموعه از محاسبات فوق العاده پیشرفته و شگفت انگیز درزمینه تشخیص چهره باشیم. این مفهوم در ارتباط با الگوریتم های جدید نیست، اما بیشتر در ارتباط با منبسط تر شدن آن ها متمرکزشده است. چیزی که اکنون در دنیای اقتصاد شاهد آن هستیم. آدرین کار معاون رییس سازمان Global Commercial Sales آیا موضوع تنها بامعنا بودن(Semantics) است؟ دقیقاً. روند فناوری که ما در این مقاله به آن اشاره کردیم، درنهایت تبدیل به یک ابر برند می شوند. پیشرفت های فناوری به ما یک بینش بسیار قدرتمند ارائه کرده اند. این پیشرفت ها باعث شده است تا به یک سؤال مهم در این زمینه برسیم، آیا ما باید درباره عصر جدیدی از الگوریتم ها به جای کلان داده ها فکر کنیم یا خیر؟ این سؤال یک جواب دوپهلو دارد، آدرین کار معاون رییس سازمان Global Commercial Sales دراین باره گفته است: «ما نمی توانیم بگوییم عصر کلان داده ها سپری شده است و اینترنت اشیا اکنون فاز دوم این عصر جدید به شمار می رود. هر دو مفهوم کم وبیش به طور گسترده در دنیای تجارت مورداستفاده قرار می گیرند. الگوریتم ها، دقیقاً آن بینشی را که به آن نیاز داریم در اختیار ما قرار می دهند؛ الگوریتم ها به انسان ها این توانایی را می دهند تا با دقت بیشتری روی موضوع موردنظر خود متمرکز شوند. الگوریتم های سامانمند و معنایی برای خودکارسازی تصمیمات، خلاصه کردن اطلاعات و تمرکز روی مسائل خاص دارای اهمیت هستند. از دیدگاه ما انسان ها این همان بینش مضاعف است. روند توسعه در هر دو بخش تحلیل و تجسم از مهم ترین فاکتورهای زیرساختی الگوریتم ها است.» بهتر و سریع تر الگوریتم ها در ذات خود، چیزی بیش از بینش و دانش نیستند و این دو برای حفظ قدرت در بازار رقابتی ای که بر پایه اقتصاد الگوریتمی در جریان است، ضروری و مهم است. در دنیای امروز کسب وکار، ظرفیت خودکارسازی و رشد بسیار بالا است. ترنر دراین باره گفته است: «ما به جای آن که در فکر سودآوری بیشتر باشیم، باید نابرابری و عدم تعادلی را که در ارتباط با فرآیندهای خودکارسازی و الگوریتم ها به وجود آمده و هرروز در حال افزایش است، موردبررسی قرار دهیم. ما می توانیم از پنج درصد بهره وری بیشتر چشم پوشی کنیم؛ اما در مقابل ابزارهایی در اختیار داشته باشیم که به ما این توانایی را می دهند تا ده برابر سریع تر، بهتر و چالاک تر از قبل باشیم. در هسته همه الگوریتم های اقتصادی که در آینده مشاهده خواهیم کرد، این سرعت است که حرف اول را می زند». بلیک دراین باره گفته است:«داده ها، آزادی و فرصت های بیشتری در اختیار ما قرار می دهند، اما توانایی مسدود کردن دستگاه های ما را نیز دارند. این دقیقاً همان جایی است که یک الگوریتم واقعی مبتنی بر اقتصاد به کمک ما می آید. این الگوریتم ها به ما کمک می کنند که دنیای ما همچنان روبه جلو حرکت کند». =================================== شاید به این مطالب هم علاقمند باشید: CES 2016: کِرم روباتی که به کودکان سه ساله کدنویسی آموزش می دهد CES 2016: توپ اسباب بازی که اصول پایه برنامه نویسی را به کودکان آموزش می دهد + تصویر بهترین کتاب های رایگان آموزش برنامه نویسی وب 2015 + لینک دانلود بهترین ابزارهای CSS مناسب برنامه نویسان وب چهارده زبان برنامه نویسی برای شغل آینده شما ساخت برنامه های ویندوز 10 بدون یک خط کدنویسی اینفوگرافی: انتخاب اولین زبان برنامه نویسی بر اساس زندگی که می خواهید ترفندهای کوتاه و کاربردی در سی شارپ برنامه نویسی بر فراز ابرها انقلاب برنامه نویسی گرافیکی قیام NoSQL ادامه دارد با این سایت زبان SQL را رایگان و کلاسیک بیاموزید
شنبه ، ۲۹اسفند۱۳۹۵
[مشاهده متن کامل خبر]
این صفحه را در گوگل محبوب کنید
[ارسال شده از: ماهنامه شبکه]
[مشاهده در: www.shabakeh-mag.com]
[تعداد بازديد از اين مطلب: 21]
-
گوناگون
پربازدیدترینها