دولت چین، با دوربین‌های خود، افراد را در چند دقیقه شناسایی می‌کند

یکی از مطالب قبلی به کنترل شرکت‌های تکنولوژی روی کاربران وجمع آوری اطلاعات شخصیاشاره کردم. طبیعتاً وقتی شرکت‌های خصوصی به خود حق این کار را می‌دهند نباید از دیگران انتظاری بیشتری داشت.

اخیراً شبکه بی‌بی سی گزارش داده دولت چین در حال ساخت بزرگترین و پیشرفته‌ترین سیستم دوربین های مداربسته دنیاست. در شهر guiayang پلیس در حال آزمایش این سیستم است. به طوری که تمام تصاویر شهروندان در بانک اطلاعاتی پلیس شهر جمع آوری شده است. برای بررسی عملکرد این سیستم خبرنگار بی بی سی تصویری از چهره‌ی خود را در اختیار پلیس قرار می‌دهد تا کارایی سیستم سنجیده شود. چقدر طول می‌کشد تا موقعیت او را شناسایی شود.

در ویدویی زیر که به زبان انگلیسی است می‌توانید نتیجه  این آزمایش را مشاهده می‌کنید. ادامه نوشته صرفاً ترجمه بخشی از  ویدیو است.

 

 

در چین دوبین‌های مداربسته در همراهی با با تکنولوژی هوش مصنوعی به صورت گسترده استفاده می‌شود. بعضی از دوربین‌ها می‌توانند چهره فرد را تشخیص دهند و بعضی دیگر حتی قادرند جنسیت، سن و قومیت فرد را از روی تصاویر گرفته شده تعیین کنند.

فقط یک کارخانه در hangzhou‌ یک میلیون دوربین مداربسته تولید و به فروش رسانده است. چین بزرگترین سیستم دوربین‌های مداربسته در جهان را داراست. تخمین زده می‌شود حدود ۱۷۰ میلیون دوربین CCTV در سراسر کشور نصب شده که این تعداد تا سال ۲۰۲۰ به بیش از سه برابر افزایش خواهد یافت.

کارشناس شرکت Dahua Technolgy می‌گوید: ما می‌توانیم چهره هر کس را با کارت شناسایی او تطبیق ‌دهیم و تمام حرکات و مکان‌هایی که در طول هفته اخیر رفته را استخراج کنیم. ما خودرو هر کس را با چهره او لینک می‌دهیم و حتی نزدیکان و کسانی که بیشتر با آن‌ها رفت و آمد می‌کند را شناسایی می‌کنیم. با افزایش تعداد دوربین‌ها قادریم تشخیص دهیم شما با چه کسانی بیشتر ملاقات می‌کنید.

Sudworth گزارشگر بی بی سی برای آزمایش این سیستم از نقطه نزدیک سی تی سنتر شروع به حرکت می‌کند تا پی برد سیستم چقدر طول می‌کشد تا او را شناسایی کند؟ قبلاً تصویر او به عنوان یک عنصر نامطلوب به سیستم اعلام شده.

چند دقیقه طول نمی‌کشد که دوربین موجود در محوطه چهره را تشخیص داده و صدای زنگ اتاق کنترل بلند می‌شود و ماموران بالافاصله او را دستگیر می‌کنند تمام این مراحل فقط ۷ دقیقه طول می‌کشد.

منبع (+)

ایده کسب و کار: موتور پیشنهاد قیمت

وقتی قراره ما یک چیزی دست دوم را بفروشیم مثل ماشین یا خونه یا موبایل معمولاً به این مشکل برمی‌خوریم که چقدر روی آن قیمت بگذاریم. مثلاً من چند وقت پیش می‌خواستم یک تبلت قدیمی را بفروشم مونده بودم چقدر قیمت بزارم. مجبور بودم سایت‌های آگهی را زیررو کنم تا حدود قیمت‌ها را بفهمم یا اینکه منتظر بمونم مشتری زنگ بزنه و قیمت پیشنهاد کنه.

به همین خاطر ما اگر یک سیستم کامپیوتری داشته باشیم که به ما قیمت حدودی پیشنهاد بده خیلی خوب میشه. مثلاً من مشخصات تبلت خودم را بهش بدم و اون به پایگاه داده‌اش مراجعه کنه و بگه که این تبلت بین ۳۵۰ تا ۴۰۰ قیمت گذاری میشه.

 

خوب ورودی این سیستم چی‌ میتونه باشه؟

این روزها که پلتفرم‌های مثل دیوار یا شیپور یا ایسام رشد می‌کنن حجم بسیار زیادی از اطلاعات روی اون‌ها تولید می‌کنند که هیچ استفاده‌ی ازش نمیشه و بعد از مدتی هم از روی پلتفرم حذف میشه و میره.

اگر فرض کنیم که هر آگهی که در سایت‌های خرید و فروش عرضه می‌شه به صورت یک رکود باشه اگر همه‌ اطلاعات را با هم ادغام و تجمیع کنیم چه خروجی‌های خوبی ازشون استخراج میشه. حتی اخیراً دیوار مختصات جغرافیایی ملک را هم پشتیبانی می‌کنه که خیلی عالیه.

 

 

حالا فقط یک مشکلی که وجود داره برداشتن اطلاعات با scarping از روی سایت‌ است که یک کار قانونی نیست چون این اطلاعات دارایی‌های هر پلتفرم هستند و راضی نیستن که کس دیگری از اون‌ها استفاده کنه.

در اصل ما داریم از یک پلتفرم بزرگتر کولی (piggyback) می‌گیریم

ولی یک سوال اینکه که صاحبان و مدیران این جور شرکت‌ها آنچنان سرشون شلوغه که اصلاً به فکر این نیستند که از اینقدر اطلاعات که در پایگاه‌های دادشون ذخیره شده استفاده کنن. شاید هم به اندازه ما باهوش نباشن.

از طرفی ما نمی‌خواهیم که ایمیل و شماره تلفن مردم را جمع آوری کنیم که بهشون فردا ایمیل یا اس ام اس مزاحمت آمیز بفرستیم ما فقط می‌خواهیم یک میانگین از قیمت‌های محصولاتی پیدا کنیم که مردم روی پلتفرم قرار می‌دن.

ما می‌خواهیم از داده‌های رایگانی که روی این پلتفرم‌ها وجود داره برای هدفی غیر از خرید و فروش استفاده کنیم.

حال فرض کنیم این سیستم ایجاد شده و در قالب یک سایت یا اپلیکیشن طراحی شده. اولاً خوبی این نوع کسب و کارها اینه که کلود بیس (Cloud Based) هستند یعنی همه اطلاعات روی سروهای ما قرار نداره پس نرم افزار نیست که یک کسی بگیره و کرک کنه.

از طرفی می‌تونیم مدل کسب و کار اون را به صورت اشتراک (subscription) در نظر بگیریم یعنی اشتراک ماهانه یا سالانه به مشتریان بفروشیم. هر وقت هم وقتشون تمون شد خدمت رسانی ما به اون‌ها قطع میشه.

یک مزیت این کسب و کارها هم اینکه که با استفاده بیشتر کاربرها از اون سیستم بهبود پیدا می‌کنه. یعنی وقتی کسی از سیستم استعلام می‌کنه که یک مدل گوشی سونی ساخت ۲۰۱۶ با مشخصات فلان و بهمان چه قیمتی داره سیستم یک سری ورودی‌های جدید گرفته که می‌تونه برای محاسبات بعدی ازشون استفاده کنه.

یعنی خوبی این نوع کسب و کار اینه که فول آنلاین است و همه اطلاعات ورودی کاربر ذخیره میشه.

یک پلتفرم خرید و فروش املاک و مستغلات تو آمریکا هست به نام zillow که دقیقاً همین کاری می‌کنه. این پلتفرم که هر ماه ۲۰۰ میلیو ن بازدید داره اطلاعات ۱۱۰ میلیون ملک را در پایگاه اطلاعاتی خودش داره. zillow سرویسی داره به نام zestimate که باهاش می‌تونید قیمت خانه خودتان را هنگام فروش تخمین بزنید. اون‌ها از هوش مصنوعی و اطلاعات دولتی برای تخمین‌های دقیق استفاده می‌کنند.

در کلیپ دو دقیقه‌ی زیر سیستم قیمت گذاری ملک zestimate توضیح داده شده است (زبان انگلیسی)

 

دانلود ویدیو ۵ مگ

 

درس مرتبط در متمم: موتورهای پیشنهادکننده و توصیه‌گر (Recommendation Engines)

تهیه ویدیو از محیط ویندوز (بدون نیاز به نرم افزار)

اگر اهل تولید محتوا باشید شاید نیاز پیدا کنید از صفحه نمایش و محیط نرم افزار ویدیو تهیه کنید. یا شاید پیش بیاید بخواهید یک کلیپ از فیلم سینمایی مورد علاقه خود روی کامپیوتر ذخیره کنید. برای این کار نرم افزارهای زیادی وجود دارد ولی معمولاً کار کردن با آن‌ها سخت و پچیده است.

اگر سیستم عامل شما ویندوز ۱۰ باشد شرکت ماکروسافت یک ویژگی در آن قرار داده که بدون نیاز به نرم افزار اضافی می‌توانید از محیط ویندوز فیلم بردارید.

برای اینکار کافی تنها کافی است دکمه های ترکیبی Win + Alt + R (در حالی که Win  و Alt را نگه داشتید روی R کلیک کنید) را بفشارید یک پنجره به صورت زیر باز می‌شود

 

 

کافی است تیک Yes, this is a game را بزنید. بلافاصله ضبط ویدیو شروع می‌شود:

(اگر ظاهر نشد بار Win + Alt + R  را فشار دهید)

با کلیک کردن روی آیکن میکروفن می‌توانید صدای خود و محیط اتاق را روی فیلم ذخیره کنید. مثلاً ممکن است در حال ارائه یک ارائه پاورپوینت باشید یا آموزش یک نرم افزار.

بعد از اینکه کار شما تمام شد کافی است باز دکمه‌های Win + Alt + R را فشار دهید ویدیوی مورد نظر در  مسیر  Username\Videos\Captures ذخیره شده است.

عیب این روش این است که حجم ویدیوهایی که تهیه می‌شود زیاد است به همین خاطر می‌توانید از نرم افزار Handshake که در پست قبلی برای کاهش حجم ویدیو معرفی کردم استفاده کنید.

برای تنظیمات بیشتر می‌توانید از دکمه Win + G استفاده کنید.

آیا همه باید اپلیکیشن بزنند؟ چالش داشتن یا نداشتن اپلیکیشن برای کسب و کارها

– تصمیم گرفتید برای کسب و کار خود اپلیکیشن طراحی کنید؟

– به نظرتان مشتریان به اپلیکیشن شما نیاز دارند؟

–  پول زیادی کنار گذاشتید و قرار است بهترین برنامه نویس را استخدام کنید؟

حرف شما قبول ولی اجازه بدهید کمی به سمت دیگر ماجرا یا واقعیت بازار نگاه کنیم. فرض کنیم بهترین اپلیکشین جهان را از نظر کارایی، زیبایی و سرعت طراحی کنیم ولی آیا کسی از آن استفاده خواهد کرد؟ به بیان دیگر آیا صفحه نمایش کوچک  ظرفیت این همه اپلیکیشن را دارد که هر روز در دنیا ارائه می‌شوند؟ شواهد نشان می‌دهد بیشتر اپلیکیشن‌هایی که توسط کسب کارها  و استارت آپ‌ها ساخته می‌شود توسط کاربران نادیده گرفته می‌شود.

اجازه بدهید نگاهی به آمار بیاندازیم.

مردم اپ جدید نصب نمی‌کنند

نمودار زیر نشان می‌دهد اکثریت مردم در ماه هیچ اپلیکیشن جدیدی نصب نمی‌کنند.

 

نمودار نشان می‌دهد حدود ۵۱ درصد از مردم  هیچ اپ جدیدی را در ماه نصب نمی‌کنند. تنها ۱۳ درصد یک اپ جدید و ۱۱ درصد ۲ اپ جدید در ماه نصب می‌کنند.

 

۶۴ درصد افراد در ماه “زیر یک اپلیکیشن” نصب می‌کنند. پس چون هر ماه حدود ۶۰ هزار اپ جدید به بازار معرفی می‌شود احتمال اینکه اپلیکشین جدید شما نصب شود بسیار بسیار ضعیف است

 

بیشتر  وقت مردم در اپلیکیشن های مشهور می‌گذرد

اگر فرض محال اپلیکشین شما به نحوی وارد گوشی کاربران شود تا زمانی که جزو ۱۰ اپ برتر نباشید احتمال وقت گذاشتن کاربران تقریباً صفر است. نمودار زیر نشان می‌دهد مجموع وقتی که کاربران روی اپلیکشین های ۱۱ تا ۹۹ ام می‌گذراند جمعاً ۴ درصد است. یعنی اگر شما جزو ۱۰ اپلیکیشن اول نباشید عملاً زیر نیم درصد کاربر روی آن وقت می گذراند.

 

مقدار وقتی که کاربران موبایل و تبلت روی اپلیکیشن های برتر می‌گذارند. زنگ قرمز مربوط به تبلت و رنگ آبی مربوط به موبایل است. کاربران نصف وقت خود را روی تنها روی اپلیکشین برتر #۱ می‌گذارند. این عدد برای تبلت حدود ۶۵ درصد است. اپلیکیشن های یازدهم به بعد جمعاً ۴ درصد وقت کاربران را به خود اختصاص می‌دهد. با فرض وجود ۲۵ اپ روی هر موبایل و ۱۰۰ دقیقه وقتی که هر روز کاربر به طور متوسط روی اپ ها صرف می‌کند عملاً به هر اپ بعد از رتبه ۱۱ “تنها ۱۵ ثانیه” می‌رسد.

همانطور که می‌بیند ۸۰ درصد وقت کاربران روی ۳ اپ برتر می‌گذرد. که مطمئنا در کنار غول‌های تکنولوژی شما جزو آن‌ها نخواهید بود.

 

قانون هشتاد بیست

شاید بتوان با قانون ۲۰ ۸۰ این مساله را تفسیر کرد. آمارها نشان می‌دهد که هر کاربر بطور متوسط در ماه از ۳۰ نرم افزار استفاده می‌کند و از طرفی قانون بیست هشتاد می‌گوید ۸۰ درصد وقت کاربران روی ۲۰ درصد این اپ ها خواهد بود. چون ۲۰ درصد ۳۰ اپ می‌شود ۶ اپ.

یعنی قانون بیست هشتاد می‌گوید ۸۰ درصد وقت کاربر تنها روی ۶ اپ خواهد بود.

 

۱۰ اپلیکیشن برتر 

حال که از ۱۰ اپلیکشین برتر صحبت رانده شد ببینم نام آن‌ها چیست.

۱۰ اپلیکیشنی که مردم آمریکا بیشتر از آن استفاده می‌کنند. همانطور که می‌بینید ۸۰ درصد آن‌ها متعلق به شرکت‌های فیسبوک و گوگل است.

 

همانطور که می‌بیند بیشتر اپ ها متعلق به شرکت های فیس بوک و گوگل هستند (البته در آمریکا) گفتیم تقریباً صد در صد وقت کاربران روی ۱۰ اپلیکشین برتر می‌گذرد. به همین خاطر یک استراتژی می‌تواند این باشد که به جای نوشتن یک اپلیکیشن مستقل bot درون برنامه‌ی طراحی کنیم مثل ربات برای فیس بوک مسنجر یا تلگرام.

 

گروه بندی اپلیکیشن‌ها

از طرفی ۶۰ درصد وقت کاربران روی شبکه های اجتماعی موسیقی ویدیو و بازی صرف می‌شود. اگر اپ شما خارج از این دسته بندی است پس باید بیشتر دقت کنید.

هر دسته‌بندی چقدر وقت کاربران را می‌گیرد. نمودار نشان می‌دهد مردم هفتاد درصد وقت خود را روی شبکه ‌های اجتماعی، موسیقی، ویدیو، بازی، عکس و پیام رسان هاصرف می‌کنند.

 

افزایش استفاده مردم از اپ های موبایل

ولی خبرها خوبی هم هست. آمارها نشان می‌دهد مصرف اپ های موبایل در سال ۲۰۱۷ نسبت به ۲۰۱۶ بیست و پنج درصد افزایش یافته است که و به رقم حیرت انگیز ۲۰۰ میلیارد ساعت در سه ماه اول ۲۰۱۷ رسیده است. (چه بازار خوبی!)

مصرف مردم از موبایل نسبت به سال قبل ۲۵ درصد افزایش پیدا کرده است

 

از طرفی مصرف روزانه کاربران از اپلکیشن های موبایل حدود ۲ الی ۳ ساعت است که این آمار هم در حال افزایش است.

 

مقدار مصرف “روزانه” مردم کشورهای مختلف از اپ های موبایل. (برای سالهای ۲۰۱۵ ۲۰۱۶ ۲۰۱۷) همانطور که مشاهده می‌کنیم مردم کره جنوبی هر روز بیش از ۳ ساعت از موبایل خود استفاده می‌کنند و این مقدار نسبت به سه سال گذشته افزایش پیدا کرده است.

 

نتیجه گیری

با توجه به آمار تلخ و شیرین بالا به نظر می‌رسد اپلیکیشن هایی که بازار گسترده و مصرف عمومی را هدف گرفته‌اند (مثل سوشال مدیا) احتمال شکست آن‌ها بسیار زیاد است.

اما از طرفی چون مصرف موبایل در حال افزایش است اگر کسب و کار ما قرار است یک نیاز خاص را مرتفع کند یا یک بازار گوشه‌ی یا نیش را هدف گرفتیم شاید بتوان به موفقیت آن همچنان امیدوار بود.

 

منابع:

گزارش appannie.com از مصرف موبایل در کشورهای مختلف به زبان انگلیسی

گزارش comscore.com از اپل موبایل در آمریکا سال ۲۰۱۷ به زبان انگلیسی

 

 

کاربرد هوش مصنوعی در شناسایی مزاحمان پیامکی

معضل تبلیغات مزاحم و دریافت اس ام اس های تبلیغاتی در ایران یکی از مشکلاتی هست که از گذشته بوده و به نظر نمی‌رسد در آینده نزدیک هم به طور کامل قابل حل شدن نباشد.

به طور متوسط هر روز ما یک یا چند پیامک تبلیغاتی دریافت می‌کنیم که به صورت عمده و بی‌هدف ارسال شده است.

 

کاری هم از دست ما بر نمی‌آید تا جلوی دریافت پیامک‌های مزاحم و بی‌ربط و تبلیغاتی موسسات و شرکت‌ها و فروشگاه‌ها را بگیریم.

مثلاً همین چند روز پیش اس ام اس را دریافت کردم که در انتهای آن گفته شده بود اگر نمی‌خواهید این پیامک را دوباره دریافت کنید با کلمه off آنرا اعلام کنید.

به نظرم این کمترین حق یک کاربر است که بتواند دریافت کردن یا نکردن پیام‌های تبلیغاتی را خودش انتخاب کند.

این سنت حداقل در ایمیل مارکتینگ توصیه شده که با گذاشتن دکمه‌هایی مثل لغو اشتراک یا unsubscribe در انتهای ایمیل های تبلیغاتی به کاربران این اجازه را بدهید که قرار گرفتن در mail list شما را خود انتخاب کنند.

اساساً فرستادن پیام های تبلیغاتی اعم از پیامک و ایمیل بدون امکان لغو آن خود معیاری از بی‌سلیقه و بی‌کیفیت بودن خود برند و شرکت هم هست.

همانطور که در مطلب قبلی هم با عنوان رنگ رخساره خبر می‌دهد از سر درون اشاره کردم بین رفتارها کوچک و بزرگ ما رابطه وجود دارد و از نشانه‌ها و رفتارهای کوچک و ریز می‌توان کل مدل ذهنی یک برند یا انسان را درک کرد.

ما از بیرون شرکتی که پیامک‌های تبلیغاتی می‌فرستد را نمی‌شناسیم و کیفیت خدمات و کالای ارائه شده آن ‌ها را نمی‌دانیم ولی با احتمال زیاد می‌توانیم پیش بینی کنیم شرکتی که این نوع تبلیغات ارسال فله‌ی پیامک را جزو استراتژی تبلیغاتی خود قرار داده و آزار و اذیت و مزاحم مردم برایش ارزشی ندارد مطمئناً در ارائه خدمت هم کوتاهی خواهد کرد و مشتری از آن برند ناراضی برخواهد گشت.

حال صورت مسئله را تشریح کردیم

چه باید کرد؟

اخیراً دولت تصمیم گرفته که با ارسال کنندگان پیامک های تبلیغاتی مزاحم برخورد جدی‌تری کند و سامانه‌ی با عنوان ۱۹۵ را برای اینکار اعلام کرده است ولی به نظر می‌رسد این سیستم آنچنان هوشمند نباشد. یعنی از هوش مصنوعی در آن بهره برده شده باشد.

یکی از معروفترین کاربردهای هوش مصنوعی و بیگ دیتا در جهان شناسانی  تقلب و تخلف یا fraud در سیستم هاست. از سیستم های بانکی گرفته تا تخلف مجرمان در شهر.

طوری که پتیر ثیل موسس پالانتیر یکی از معروفترین شرکت های تحلیل داده و big data در جهان می‌گوید:

“وقتی این روزها واژه بیگ دیتا را می‌شنوی که بر سر زبان‌ها افتاده باید تقریباً به fraud یا تقلب فکر کنی. چون اصل مساله این است که از بین اطلاعات و داده های حجیم یک سری الگوها و معنی پیدا کنی و در بیاوری. در واقع چالش اصلی این است. وگرنه بیگ دیتا جمع کردن داده زیاد پشت سر هم نیست.

 

 

آیا فکر کردیم چطور Gmail ایمیل های اسپم را شناسایی می‌کند؟

چطور تشخیص می‌دهد این فرستنده دوست شما و ارسال کننده دیگر مزاحم و فرستنده ایمیل قلابی یا تبیلغاتی یا کلاهبرداری ؟

این کار در اصل با هوش مصنوعی و یادگیری ماشین توسط گوگل صورت می‌گیرد.

سیستم هوش مصنوعی جیمیل طوری یادگرفته که بتواند تشخیص دهد امروز پیامی که به inbox شما ارسال شده را در پوشه اسپم قرار دهد یا نه؟

البته این یادگیری کامل و این سیستم بی‌نقض نیست چون بعضاً اتفاق نمی‌افتد ایمیل دوست مان به اشتباه اسپم  تشخیص داده شده سیستم به اشتباه آن را در پوشه spam قرار داده. شما بعد چند روز ممکن است  این قضیه را بفهمید.

 

 

نکته بسیار جالب اینکه هر بار که ما یک ایمیل را با فشار دادن دکمه spam اسپم می‌کنیم در اصل برای گوگل داده رایگان ایجاد می‌کنیم و  به سیستم یادگیری ماشین جیمیل کمک می‌کنیم بهتر و دقیقتر در آینده عمل کند.

یعنی داده های عظیمی که توسط کاربران جیمیل هر روز با فشار دادن دکمه spam یا خارج کردن یک ایمیل از پوشه اسپم ایجاد می‌شود و از طرفی طراحی یک سیستم هوش مصنوعی به عنوان دریافت کننده این اطلاعات این قدرت را به گوگل می‌دهد که با دقت بسیار بالایی ایمیل های اسپم را شناسایی کند.

قبلاً هم در مطلبی اشاره کردم که وجود داده به عنوان سوخت و هوش مصنوعی به عنوان خودرو باعث می‌شود این سیستم حرکت کند و پیش بینی انجام دهد.

حال اگر همین ایده را روی سیستم پیامک کشور هم پیاده کنیم می‌توانیم با دقت بالایی مزاحمان تلفنی و پیامکی را شناسایی کنیم

البته اگر یک سیستم هوش مصنوعی پیاده سازی شود و مردم بتوانند شماره های مزاحم را به سیستم اعلام کنند می‌توان امید داشت در آینده شماره های مزاحم و افرادی که پیامک های تبلیغاتی ارسال می‌کنند توسط سیستم یادگیری ماشین detect یا شناسایی شده و جلو کار آن‌ها گرفته شود.

وگرنه با سیستم های سنتی و غیر هوشمند مقابله با یک صنعت بزرگ تبلیغاتی به نام outbound marketing کار دشوار و ناممکنی خواهد بود.

 

آپارات، یوتیوب و تحلیل اطلاعات

امروز شنیدم که مدیر آپارات گفته است:

“ما یک ویدیو تولید می‌کنیم و آن را روی آپارات بارگذاری می‌کنیم تعداد بازدیدهای آن کمتری از زمانی است که همان را روی یوتیوب قرار می‌دهیم”

و نتیجه می‌گیرند که اقبال مردم از یوتیوب بیشتر از آپارت است. یا مسئولان به مشکلات آپارات توجهی ندارند.

من یک پاسخ به مدیر آپارات داشتم:

عزیزم علت اینکه یک ویدیوی روی یوتیوب بیشتر از آپارات دیده می‌شود، علاقه مردم به یوتیوب نیست.

به خاطر این نیست که بازدیدکننده شما کمتر از یوتیوب است.

شما دومین سایت پربیینده ایران هستید.

همان جایگاهی که یوتیوب در کشور ترکیه دارد

شما دقیقاً در جایگاه یوتیوب قرار گرفته‌اید و نمی‌توانید ادعا کنید بازدید کننده ما کم است.

شاید علت این مشکل:

ضعف نگاه داده محور و نداشتن موتور تحلیل اطلاعات روی آپارات هست.

یعنی به زبان ساده: کاربری که به پلتفرم‌ شما مراجعه می‌کند نمی‌تواند چیزی که دنبال آن هست را پیدا کند.

ولی موتور تحلیلی که در پشت یوتیوب هست وقتی ویدیوی A را می‌بینی فوری ویدیو B و C و D را هم به تو نشان می‌دهد که مرتبط هست.

هدف یوتیوب این است که تو از پشت کامپیوتر یا موبایلت بلند نشوی

و هر چه فیلم و ویدیوی که فکر می‌کند به دردت می‌خورد را به خورد تو دهد.

ولی آپارات این ویژگی را ندارد.

به خاطر اینکه موتور تحلیل اطلاعات دارد.

به خاطر اینکه نمی‌تواند ویدیوهای مشابه نشان دهد.

به طور نمونه من سخنرانی استیو جابز در دانشگاه استنفورد را در هم در آپارات و هم در یوتیوب مثال می‌زنم.

 

 

از دو ویدیوی اول بگذریم که تبلیغات است بقیه‌ی ویدیوهایی که به عنوان مشابه نشان داده شده همه کپی همان فایل در یک کانال دیگر هستند.

ولی مقایسه کنید با یوتیوب که ویدیوهای مرتبط را نشان داده طوری که احتمال کلیک شدن و دیده شدن آن‌ها بیشتر است.

 

به همین خاطر است که یوتیوب می‌تواند یک ویدیو را بارها و بارها به خلق‌الله نشان دهد تا آن را مشاهده کنند

ولی در آپارت محتوا دفن می‌شود یا به کاربران بی‌ربط نشان داده می‌شود.

مهم نیست آپارات یا یوتیوب باشیم و یا هر پلتفرمی دیگر.

باید از اطلاعات و داده در سیستم خود استفاده کنیم.

 

کاربرد اینترنت اشیا در بهبود رانندگی مردم

ما همیشه، در گذشته و حال، شاهد یک فرهنگ خاص در کشورمان بودیم

از خانواده گرفته تا مدرسه و محل کار:

برای اینکه افراد کاری را انجام دهند از مکانیسم تنبیه، جریمه، ترس و زور استفاده می‌کنیم

مثلا:

از توبیخ و تنبیه و حربه اخراج برای افزایش عملکرد یک کارمند بهره می‌جوییم.

از ترس برای اینکه مردم دیندار و مذهبگرا شوند

و از زور برای اینکه جوانان از اخلاق پیروی کنند.

یا از جریمه برای اینکه قانون پذیری رانندگان افزایش پیدا کند.

حال که بارها و بارها در بین صحبت‌هایمان اشاره می‌کنیم که: امروز با دیروز بسیار فرق کرده و همه از پیشرفت خارق العاده جهان سخن می‌گویند.

چطور می‌توانیم بجای روش‌های سنتی و استفاده از قوای قهریه از راهکارهای جدید استفاده کنیم؟

چطور می‌توانیم در عوض اجبار دیگران، طوری برنامه ریزی کنیم که خود او با علاقه و اراده خود به انجام همان کار مبادرت ورزد؟

مثلاً تکنولوژی‌های نوین در این زمینه چطور می‌تواند کمک کنند؟

به مثال رانندگی برگردم، امروز تجهیزات و امکانات جالب و ارزان قیمتی برای رصد لحظه به لحظه وسیله نقلیه وجود دارد:  مثل GPS یا دروبین‌های ثبت سرعت.

پلیس از دوربین‌ های مدار بسته برای کنترل ترافیک استفاده می‌کند.

ولی باز شاهد تخلفات رانندگی هستیم. رفتار و مدل ذهنی پلیس هم قهری است و تغییری نکرده. و از تکنولوژی برای اعمال همان جریمه و تنبیه بهره می‌برد.

چه ایده‌ی می‌توان به کار بست که خود رانندگان تخلف و قانون گریزی نکنند؟

چکاری می‌توان کرد که هر کس حتی در شب تاریک و جاده باریک و خلوت هم فکر تخلف به ذهن او خطور نکند؟

شاید این معادله اصلاً نیازی به پلیس نداشته باشد و باید راهکار را در جایی دیگر جستجو کنیم: بیمه و یا GPS یا اینترنت اشیا

بله. به نظرم در آینده یکی از سازمان‌هایی که می‌تواند در کاهش تخلفات رانندگی نقش بسیار موثری داشته باشد همین سازمان‌های بیمه‌گر هستند.

اجازه بدهید ایده خود را توضیح دهم:

معمولاً در بیمه کردن خودرو رانندگانی که بهتر و سالمتر رانندگی می‌کند مشمول تخفیف و  سایر رانندگان  نرخ عادی یا گرانتر را پرداخت می‌کنند.

یعنی برای یک شرکت بیمه، دانستن کیفیت رانندگی افراد بر سودآوری و کاهش هزینه‌های پرداختی آن‌ها تاثیر زیادی دارد.

وقتی بیمه می‌داند که من راننده بسیار بدی هستم و هر لحظه ممکن است خسارت زیادی به وسیله نقلیه خود وارد کنم با اعمال حق بیمه بیشتر جلوی ضرر و زیان خود را می‌گیرد

حال بیمه‌ها می‌توانند طرحی پیاده کنند که هر فردی به دلخواه خود یک دستگاه GPS بروی خودرو خود نصب کند. طوری که همه اطلاعات خودرو اعم از سرعت، محل توقف، میزان استفاده و سایر موارد به سیستم مرکزی که همان شرکت بیمه هست به صورت ماهانه یا روزانه ارسال شود.

حتی می‌توانند از سنسور و اینترنت اشیا برای نظارت بر موتور و عمر قطعات خودرو استفاده کرد.

بیمه‌ها می‌توانند با تحلیل این اطلاعات به رفتار رانندگان و کیفیت خودرو پی ببرد.

و مثلاً رانندگان پرخطر یا پرمصرف یا بی‌دقت یا خودروهای بی‌کیفیت را شناسایی کنند و از آنها حق بیمه بیشتری مطالبه کنند.

ولی بیشترین مزیت این سیستم، کشف رانندگان خوب است. یا کسانی که از خودروی خود استفاده محدودی می‌کنند. این افراد شناسایی می‌شوند و به آن‌ها تخفیف اعطا می‌شود یا حق بیمه کمتری پرداخت می‌کنند.

 تحلیل اطلاعات مکانی و استفاده از GPS یک رتبه‌بندی از رانندگان به ما نشان می‌دهد.

تا دیگر به صورت یکسان و کمونیستی با همه برخورد نکنیم

بعد از این ماجرا دیگر افراد سعی می‌کنند تخلف نکنند و احیاناً رانندگی پرحادثه نداشته باشند. چون می‌دانند که سیستمی آن‌ها را رصد می‌کند و اعمال و رفتارشان در پرونده آن‌ها ثبت می‌شود

همان طور که می‌دانیم تکنولوژی قرار نیست در حد فرستادن کلیپ گربه و پیگیری سلبریتی‌ها باقی بماند

تکنولوژی راه رسیدن به همان مدینه فاضله‌ است.

همان دنیای بدون بدی و خطای و اشتباه. که همه هر روز آرزوی آن را در سر می‌پرورانیم

دنیای بدون خلاف و خلافکارها.

دنیای آدم‌های خوب و رفتارهای پسندیده.