Big Data دشمن فروشنده‌هاست

امروز تقابل بزرگی بین مهندسان و فروشندگان در حال روی دادن است.

مهندسان در تلاش هستند تا ماشین‌هایی بسازند که فروشندگان را حذف کند.

آن‌ها تلاش می‌کنند با ایجاد پلتفرم دیجیتال و با استفاده از تحلیل داده و Big Data جایگاه فروشندگی را منقرض کنند.

الان جنگ بزرگی بین ماشین و انسان در حال روی دادن است.

مثلاً بازار سنتی و فروشنده آن در یک سو و پلتفرمی مثل دیجی‌کالا یا آمازون در سوی دیگر در نظر بگیریم. مردم در آینده از کدام خرید می‌کنند؟

کارهای سطح پایین مثل  فروختن یک محصول ساده یا کالای سوپرمارکتی قابل اعطا به ماشین است. چرا؟ چون فروشنده‌ای که امروز آن کالا را می‌فروشد هیچ ارزش افزوده‌ای به فروش اضافه نمی‌کند. او مثل یک ربات دم فروشگاه ایستاده تا فقط پول کالا را دریافت کند. پس حتماً با یک ماشین یا سایت فروشگاهی تعویض خواهد شد.

این اتوماسیون در فروش از محصولات سطح پایین شروع شده و محصولات سطح بالا و پیچیده مثل خدمات وکالت یا آموزش کشیده می‌شود.

ما به عنون فروشنده فکر کنیم: آیا کار ما را یک ماشین می‌تواند انجام بدهد؟ آیا کار ما را یک نفر دیگری می‌تواند انجام بدهد؟ یعنی غیرقابل جایگزین هستیم؟

من نمی‌گویم نقش فروشندگی منقرض می‌شود بلکه حرفم این است که فروشنده‌ی ضعیف که فقط نقش ربات انسان‌نما را بازی می‌کند قطعاً در آینده از بین خواهد رفت.

داده‌های زیاد به تنهایی نمی‌تواند نقش‌های انسانی را حذف کند ولی Big Data یا داده‌های عظیم می‌تواند. فروشنده‌ی که ادعا می‌کند بین از ۱۵ سال تخصص در زمینه خود دارد در برابر Big Data شکست می‌خورد و کمرش می‌شکند.

هیچ انسانی نمی‌تواند در برابر ماشینی که داده‌های حجیم را پردازش می‌کند دوام بیاورد و شکست می‌خورد.

در گذشته داده بود ولی Big Data‌ نبود.

شرکت‌های غول پیکری مثل گوگل و آمازون و تلگرام در آینده خیلی از کسب و کارها را نابود خواهند کرد چون Big Data دارند. کسب و کارها و سرویس‌های زیادی در آن‌ها ادغام خواهند شد. هیچ انسان به تنهایی نمی‌تواند در برابر تحلیل اطلاعات حیرت انگیزی که پشت این سیستم‌ها اتفاق می‌افتد کمر راست کند.

نقشه حرارتی قیمت مسکن در تهران

در یک جستجوی اینترنتی  به سایت کیلید رسیدم. یک بخش از آن، نقشه قیمت مسکن در تهران بود. برایم جالب و خلاقانه آمد.

برای دیدن نقشه کامل روی لینک کلیک کنید و نقشه حرارتی قیمت را فعال کنید. (روی موبایل نشان نمی‌دهد)

قیمت خرید و اجاره در تهران. رنگ قرمز نشان دهنده قیمت بالاتر است

سایت کیلید هم وب‌سایت آینده‌داری به نظر می‌رسد.

مطلب مرتبط: ایده کسب و کار: موتور پیشنهاد قیمت (مسکن)

.

قیمت‌گذاری خدمات با استفاده از هوش مصنوعی

شاید برای شما اتفاق افتاده باشد (یا شاهد باشید) بعضی از مردم کرایه‌ی مسیر را، قبل از سوار شدن به مسافرکش شخصی با اسنپ یا تپ‌سی چک می‌کنند؟

 

 

با آمدن تاکسی‌های اینترنتی اتفاق جالبی افتاد: نرخ جابجایی یک مسافر از نقطه A به نقطه B مشخص شد. قیمتی که قبلاً مشخص نبود یا مردم عادی خبرنداشتند.

چون داده‌های زیادی روی پلتفرم‌های دیجیتال جمع می‌شود می‌توان از این‌ داده‌های حجیم یا Big Data استفاده کرد و قیمت خدمات ارائه شده توسط پلتفرم را تخمین زد. فکر کنید چقدر داده‌های حمل و نقل شهری روی دیتابیس شرکت‌های مثل تپ‌سی یا اسنپ  ذخیره می‌شود و از این حجم اطلاعات چه استفاده‌های زیادی می‌شود کرد. یک نمونه اینکه این شرکت‌ها می‌توانند مرجع قیمت‌‌گذاری برای نرخ خدمات حمل و نقل مسافر درون‌شهری باشند.

قبلاً در مطلبی جداگانه درباره قیمت‌گذاری مسکن با استفاده از هوش مصنوعی توضیح دادم. اینک می‌توانیم از داده‌های عمومی (Public Data)  مثل آگهی‌های سایت دیوار  استفاده کنیم و قیمت مسکن در مناطق مختلف شهر را حدس بزنیم. مسکن بیشتر چیزی از جنس کالا هست ولی می‌خواستم اینجا در مورد کشف قیمت خدمات صحبت کنم.

قیمت‌گذاری در کل یک مساله سخت و پیچیده است به خصوص قیمت‌گذاری خدمات.

مثلاً فرض کنید من یک طراح سایت هستم برای راه اندازی یک سایت چقدر باید دریافت کنم؟ آیا نرخ دقیقی وجود دارد؟ یا یک تعمیرکار لوازم خانگی هستم چقدر باید برای تعمیر یک ماشین لباس‌شویی دریافت کنم؟ یا راننده‌‌ام، برای حمل بار از شهر الف به شهر ب چقدر کرایه از مشتری مطالبه کنم؟

اگر کالاها را در نظر بگیریم در خیلی از موارد یک قیمت مشخص وجود دارد که در سراسر کشور یکسان هست. مثلاً قیمت یک پفک در همه جای کشور ۲ هزارتومان هست. ولی برای خدمات نمی‌توان یک قیمت ثابت و واحد پیشنهاد داد. خدمت نسبت به کالا پیچیدگی بیشتری دارد. پارامتر‌های زیادی در آن دخیل هستند. هر خدمت خود یک پروژه هست و از یک مشتری به مشتری دیگر فرق می‌کند. مثلاً برای یک نقاش ساختمان هر ساختمانی که رنگ می‌کند با ملک قبلی فرق می‌کند و نمی‌توان نرخ ثابت تعیین کرد.

عصر ما عصر داده هست و با ورود تکنولوژی جدید مثل GPS و اینترنت اشیا  و گوشی‌های هوشمند بسیاری از اطلاعات مشتریان  قابل دریافت و ذخیره سازی.

اصلاً شاید یکی از دلایلی که پلتفرم‌های دیجیتال پدید آمدند به این خاطر بود که داده‌های دنیای فیزیکی را یکجا جمع‌آوری کنند. اطلاعاتی که قبلاً ذخیره نمی‌شد یا امکان ذخیره نبود.

مثلاً پلتفرم نیروی انسانی مثل پونیشا یا Fiverr را در نظر بگیرید الان مترجمی که روی این پلتفرم کسب درآمد می‌کند می‌تواند قابل ردیابی و اندازه‌گیری باشد. اینکه چند پروژه انجام داده، یا دیگران چقدر از کار او راضی هستند و چند ستاره به او داده‌اند یا زمان تحویل و تاخیر آن چقدر بوده. اینها همه داده‌های و اطلاعاتی هستند که قبلاً جایی ذخیره نمی‌شد ولی با آمدن تکنولوژی و پلتفرم‌های دیجیتال امکان ذخیره هر نوع اطلاعاتی وجود دارد.

حال نوبت این می‌رسد که یک مدل هوش مصنوعی تعریف کنیم و این داده‌های را به آن بدهیم و خروجی‌ِ قیمت خدمات بگیریم.

مثلاً در پلتفرم دیجیتال ما ثبت شده که حسن اقا، نقاش ساختمان، برای یک متر نقاشی، یکبار ۵۰ هزارتومان بار دوم ۶۰ هزارتومان و بار nام ۴۵ هزارتومان دریافت کرده که میانگین می‌شود ۵۵ هزارتومان. حال اگر میانگین تمام نقاشان ساختمان را حساب کنیم می‌توانیم با تقریب خوبی بگوییم نرخ یک متر نقاشی ساختمان در ایران فلان قدر است.

به نظرم بخشی از مدل‌های هوش مصنوعی نهایتاً کارشان دادن یک عدد به عنوان خروجی هست. مثلاً گوگل را در نظر بگیرید. یک مدل هوش مصنوعی است که یک URL را می‌گیرد و یک عدد به آن تخصیص می‌دهد. هر URL که عدد بیشتری داشت رتبه‌ بهتری می‌گیرد. پس اینجا هم با یک عدد  که همان قیمت است مواجه هستیم.

 

سایر مطالب مرتبط با هوش مصنوعی و بیگ‌دیتا:

کاربرد اینترنت اشیا در بهبود رانندگی مردم

کاربرد هوش مصنوعی در شناسایی مزاحمان پیامکی

گوکل چطور مکان شما را تشخیص می‌دهد؟

عطش شرکت‌های تکنولوژی برای جمع آوری اطلاعات

 

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)

عطش شرکت‌های تکنولوژی برای جمع آوری اطلاعات

در یکی از مطلب قبلی با عنوان گوکل چطور مکان شما را تشخیص می‌دهد؟ توضیح دادم گوگل چطور مکان جفرافیایی کاربران را تشخیص می‌دهد حتی بدون اینکه خود کاربران متوجه باشند.

در واقع گوگل برای به حرکت درآوردن و سرپا نگه داشتن ماشین بزرگ هوش مصنوعی خود نیازمند حجم بسیار زیادی از اطلاعات است.

یادم می‌آید چندسال پیش گوگل ماموریت خود را  سازمان دهی اطلاعات جهان نامگذاری کرده بود.

 

 

تمام تلاش گوگل و شرکت های دیگر تکنولوژیک در این است که بتوانند داده های بیشتری از کاربران جمع آوری کنند. مکان جغرافیای کاربران هم از پرطرفدارترین اطلاعاتی است که گوگل به دنبال جمع آوری آن است. در اصل مکان جغرافیایی “نقطه اتصال” دنیای دیجیتال با دنیای فیزیکی است.

اخیراً خبری منتشر شد که گوگل مختصات دکل‌های مخابراتی نزدیک دارندگان گوشی‌های اندروید را به صورت مخفیانه جمع آوری می‌کند. ممکن است بپرسید مکان دکل‌های مخابراتی یا همان که ما می‌گوییم BTS  چه ارزشی دارد؟

با داشتن مختصات تنها سه دکل مخابراتی نزدیک شما می‌توان مکان دقیق گوشی مشخص را تعیین کرد. این مساله اصطلاحاً Triangulation یا مثلث سازی نامیده می‌شود. با اپلیکیشن های مثل Network Signal Info و OpenSignal می‌توانید cell tower های اطراف خود را ببیند.

 

اگر مکان سه ایستگاه مشخص باشد فاصله شما با هر ایستگاه با داشتن زمان رفت و برگشت سیگنال قابل محاسبه است. این اطلاعات حتی زمانی که سیم کارت روی گوشی نصب نیست باز رد و بدل می‌شود

 

نکته جالب اینکه این اطلاعات حتی در حالتی که GPS گوشی خاموش است و حتی گوشی فاقد سیم کارت است قابل جمع آوری و ارسال است.

البته مشخص است که چرا گوگل از این اطلاعات استفاده می‌کند. بیش از ۹۰ درصد درآمد گوگل از تبلیغات اینترنتی است و هر چه قدر این تبلیغات دقیق و هدفمند باشند درآمد گوگل بیشتر می‌شود.  اگر گوگل اشتباهاً تبلیغات وکیلی که در نیویورک کار می‌کند را به کاربر فرانسوی نشان دهد یعنی گوگل به درآمد خودش آسیب زده است.

گوگل همچنین برای بالا بردن کیفیت نتایج جستجو اقدام به شخصی سازی (personalization) جستجو برای افراد می‌کند مثلاً اگر شما در شهر زاهدان باشید و به دنبال یک رستوران بگردید گوگل نزدیک ترین رستوران را به شما نشان می‌دهد. این نزدیکی در شعاع ۱۵ مایلی یاا ۲۵ کیلومتری مکانی است که شما در آن قرار دارید ولی گوگل از کجا می‌داند شما در زاهدان هستید؟ گوگل به نحوی مکان شما را پیدا می‌کند یا حدس می‌زند.

حتی اخیراً به حدی دقت گوگل زیاد شده است که اعلام کرده سرویس‌های محلی گوگل مثل google.nl  یا google.ca  یا google.com.af عملاً هیچ تاثیری روی نتایج جستجو ندارند و شما هر جا دنیا باشید گوگل به طور اتوماتیک مکان شما را تشخیص می‌دهد و نتایج را متناسب با مکان شما نشان می‌دهد.

اگر هدف‌ جمع آوری اطلاعات از کابران محدود به تبلیغات باشد قابل تحمل است ولی آیا امکان دارد اطلاعات شخصی ما در اختیار نهادهایی غیر از گوگل و ماکروسافت و فیس بوک قرار گیرد؟

اپراتورها و شرکت ارائه کننده اینترنت به تمام اطلاعاتی که ما ارسال می‌کنیم دسترسی دارند و از آن نگهداری می‌کنند. با اینکه اعلام می‌شود این کار غیرقانونی و غیرممکن است. مثال‌های زیادی می‌توان از بین اخبار رسانه‌ها پیدا کرد که نشان می‌دهد این کار اتفاق می‌افتد.

یک مثال بسیار دور و نامانوس بزنم. سال ۹۱ به آقای لاریجانی در قم حین سخنرانی حمله شد و سال بعد ۹۲  گزارشی از رسیدگی به این حادثه منتشر شد. گویا در این اتفاق معترضان با پیامک همدیگر را سازمان دهی می‌کردند. در بخشی از گزارش آمده کل اس ام اس هایی که در شهر قم و در همان ساعت ارسال شده توسط کارشناسان بررسی شد. حدود ۳۵ هزار پیامک. حتی عین پیام هم آمده است. اگر پیامک‌ها جایی ذخیره نمی‌شوند چطور ممکن است بعد از چند ماه آن‌ها را تجزیه و تحلیل کنند؟

 

اخیراً در حال جستجو در سایت TED بودم که به یک ویدیویی جالب رسیدم. در ارائه آقای Malte Spitz توضیح می‌دهد اتحادیه اروپا در سال های اخیر قانونی را تصویب کرده که اپراتورهای موبایل و شرکت های ارائه کنندگان خدمات اینترنت تمام اطلاعات کاربران را به مدت ۶ تا ۲ سال در سرورهای خود نگهداری کنند. او برای اینکه به اطلاعات شخصی خودش که توسط اپراتور بزرگ آلمانی جمع‌آوری کرده دست پیدا کند علیه شرکت شکواییه تنظیم می‌کند و پس از کش و قوس های فراوان نهایتاً سی دی تمام اطلاعات خود را برای ۶ ماه اخیر چنگ می‌اورد ولی با کمال تعجب می‌بیند که در واقع تمام زندگی او توسط اپراتور جمع اوری شده. از جمله جاهایی که رفته و پیام هایی که به دیگران فرستاده. خود ویدیوی که ۱۰ دقیقه است را می‌توانید در سایت TED ببینید ولی من ۳ دقیقه  از آن را اینجا قرار دادم.

 

لینک دانلود ویدیو – حجم ۱۸ مگ

همانطور که در ویدیو توضیح می‌دهد آقای Spitz و دوستانش همه اطلاعات را روی یک نقشه پیاده سازی می‌کنند و امروز می‌توانید از سایت zeit.de آنرا ببینید. اینکه دقیقاً کجا رفته و چه کارهایی کرده. با کلیک بروی دکمه play‌ می‌توانید شهرهایی که او رفته را ببینید.

 

او در ارائه خود به نکته‌ی جالبی اشاره می‌کند. اگر هر ارتباط بین دو نفر را به صورت یک خط نشان دهیم وقتی کسی یا فرد دیگری تماس می‌گیرد یک شبکه عظیم ارتباطات ایجاد می‌شود. هر چه قدر تماس شما یا یک نفر بیشتر باشد قطر خطوط بیشتر و بیشتر می‌شود.

حال چه استفاده‌هایی که نمی‌شود از این داده ها کرد. مثلاً اینکه نقاط پررنگ احتمالاً لیدرهای جامعه هستند و …

 

هر نقطه یک فرد است و تماس بین دو فرد با یک خط مشخص شده است. هر چه ارتباطات فرد بیشتر باشد چگالی خطوط افزایش پیدا می‌شود. نقاط پررنگ افراد پرطرفدار را نشان می‌دهد

 

نتیجه اینکه اگر موبایل به ظاهر دستگاهی مفید و ضروری به نظر می‌رسد شاید در نگاه بدبینانه دست بند و قلاده ی باشد بر گردن انسان که کنترل آن در اختیار شرکت ها و دولت ها است.

 

مطلب مرتبط: مروری بر یک ویدیو از TED

 

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.