فونیکس - هدر اخبار
کد مطلب: ۱۴۴۵۰۳

یادگیری ماشینی و تصویر حیرت‌آور آینده

یادگیری ماشینی و تصویر حیرت‌آور آینده

به تجزیه و تحلیل کلان‌داده‌ها برای رسیدن به اطلاعاتی معنادار، داده‌کاوی (Data Mining) می‌گویند. از این تحلیل‌ها می‌شود سود زیادی کسب کرد. اما پیش از آن که به کسب سود فکر کنیم، باید به فکر ابزاری کارا برای داده‌کاوی باشیم. یادگیری ماشینی یا machine learning یکی از همین ابزارها است. ابداع یادگیری ماشینی، کلان‌داده را

به تجزیه و تحلیل کلان‌داده‌ها برای رسیدن به اطلاعاتی معنادار، داده‌کاوی (Data Mining) می‌گویند. از این تحلیل‌ها می‌شود سود زیادی کسب کرد. اما پیش از آن که به کسب سود فکر کنیم، باید به فکر ابزاری کارا برای داده‌کاوی باشیم. یادگیری ماشینی یا machine learning یکی از همین ابزارها است. ابداع یادگیری ماشینی، کلان‌داده را از یک تهدید به فرصتی ارزنده تبدیل کرد. فرصتی که اکنون بازاری ۱۳۰ میلیارد دلاری دارد و هر روز نیز بزرگ‌تر می‌شود.

با ما همراه شوید تا سفری داشته باشیم در دنیای یادگیری ماشینی و ببینیم چگونه این فناوری دنیای آینده را به طور کامل متحول خواهد کرد.

یادگیری ماشینی چیست؟

وقتی کامپیوتر اختراع شد، امکان برنامه‌نویسی برای انجام کارها، پیشرفت مهمی حاصل کرد. به کمک کامپیوترها قادر شدیم فرایند‌های زمان‌گیر و پیچیده را به سادگی انجام دهیم.

کامپیوتر لپ‌تاپ قدیمی گذشته آینده

صنعت کامپیوتر در چند دهه اخیر پیشرفتی شگغت‌انگیز داشت

اما هیچ کامپیوتری نمی‌توانست یاد بگیرد و ما مجبور بودیم به‌جای کامپیوتر فکر کنیم. دانشمندان سال‌ها تلاش کردند تا امروز کامپیوترها را به اندازه‌ای هوشمند کنند که بتوانند فکر کنند و یاد بگیرند.

کامپیوترها می‌توانند در یک زمان کوتاه، داده‌های فراوانی را بخوانند و بنویسند. انسان‌ها به دلیل محدودیت‌هایشان چنین توانایی‌ای ندارند. کامپیوتر به وجود آمد تا همین محدودیت‌ها را بردارد. امروز تقریبا برای انجام تمام کارهایمان به کامپیوتر نیاز داریم.

سرنوشت جوجه اردک زشت

بزرگ‌ترین تفاوت ما با کامپیوتر این است که ما یاد می‌گیریم. ما می‌توانیم تحلیل کنیم. می‌توانیم از بین داده‌های فراوان و به ظاهر نامرتبط الگوهای معنادار پیدا کنیم. می‌توانیم با ترکیب این الگوها ارتباطات مخفی بین پدیده‌های گوناگون را دریابیم. و البته تمام این کارها را با کامپیوتر انجام می‌دهیم.

اگر بتوانیم کامپیوترهایی بسازیم که قدرت تحلیل داشته باشد، گام بزرگی برداشته‌ایم. یادگیری ماشینی برای کامپیوتر‌ها امکان پیدا کردن الگوهای مخفی را بین داده‌های گوناگون فراهم می‌کند. این ابزار کاربرد فراوانی برای تحلیل کلان‌داده‌ها دارد.

کلان‌داده‌ جوجه اردکی زشتی بود که یادگیری ماشینی از آن‌ قویی زیبا ساخت.

یادگیری ماشینی از اولین ابزارهای تحلیل کلان‌داده‌ها بود. پیش از آن کلان‌داده‌ها یک تهدید بودند. با ابداع یادگیری ماشینی این داده‌های حجیم به یک فرصت بزرگ تبدیل شدند. کلان‌داده‌ جوجه اردکی زشتی بود که یادگیری ماشینی از آن‌ قویی زیبا ساخت.

یادگیری ماشینی مهم است!

تولید داده‌ها در اینترنت شتاب‌دار است. در حال حاضر نیمی از مردم کره زمین کاربر دنیای آنلاین هستند. میزان تولید این داده‌ها با گسترش اینترنت اشياء بیشتر هم خواهد شد. امروزه مهم‌ترین منبع تولید داده‌ها در اینترنت، کامپیوتر و تلفن همراه شما است. با گسترش اینترنت اشیاء، هر وسیله‌ای که به اینترنت متصل شود، داده تولید خواهد کرد.

خودروی خودران داده‌هایی در مورد میزان مصرف سوخت، مسیرهای طی شده، سرعت حرکت و ترافیک شهری ایجاد می‌کند. یخچال داده‌هایی در مورد عادت‌های غذایی، میزان مصرف مواد خوراکی و متوسط ماندگاری مواد غذایی به وجود می‌آورد. حسگرهای پزشکی در مورد ضربان قلب، میزان کالری مصرفی، مقدار تحرک و وضعیت سلامتی شما داده می‌سازد.

با گسترش اینترنت اشیاء، هر وسیله‌ای که به اینترنت متصل شود، داده تولید خواهد کرد.

از سویی روزانه حجم زیادی داده آفلاین نیز تولید می‌شود. تراکنش‌های بانکی به دلیل رشد اقتصادی جهانی و افزایش جمعیت بیشتر خواهند شد. این‌ها داده‌های ارزشمندی هستند که در دنیای آفلاین تولید می‌شوند.

این داده‌ها دنیای کلان‌داده‌ها را وسعت می‌بخشند. تحلیل این داده‌ها و یافتن الگو‌ها و ارتباطات بین بخش‌های مختلف، یا داده‌کاوی بدون توانایی یادگیری ماشینی غیر ممکن است.

toddler1

ربات‌ها در آینده می‌توانند سلیقه شخصی داشته باشند.

به کمک یادگیری ماشینی دیگر لازم نیست که ما کامپیوترها را برای یافتن الگوهایی خاص برنامه‌ریزی کنیم. کامپیوترها با استفاده الگوریتم‌های یادگیری می‌توانند کشف کنند که باید به دنبال چه الگوهایی باشند. از این طریق کامپیوترها به تنهایی قادر خواهند بود الگوهای جدیدی بیابند که ما از آن‌ها بی‌خبر بودیم.

خستگی‌ناپذیرهای باهوش

در دنیای کنونی هوش مصنوعی یک مگاترند است و قرار است در آینده‌ای نه چندان دور به یکی از مسائل مهم جهان تبدیل شود. البته هوش مصنوعی چیزی جدید نیست. ولی دانشمندان در چند سال اخیر توانسته‌اند کامپیوترهایی بسازند که باهوش باشند. افزوده شدن توانایی یادگیری به کامپیوترها همان چیزی است که از هوش مصنوعی یک مگاترند می‌سازد. یادگیری ماشینی از ابزارهای مهمی است که به کامپیوترها و ربات‌ها توانایی یادگیری می‌دهد.

پس از این باید منتظر ظهور ربات‌هایی باشیم که با نگاه کردن به انسان یاد می‌گیرند. ربات‌هایی که می‌توانند کارهای پیچیده و غیرتکراری انجام دهند. ربات‌هایی انسان‌نما که احساسات ما را می‌فهمند. این ربات‌ها می‌توانند کشاورز، کارگر، آشپز، خدمتکار، پرستار یا راننده بشوند و به کمک یادگیری ماشینی رفته‌رفته سطح توانایی‌های خود را ارتقا دهند، بدون آن که به استراحت نیاز داشته باشند.

چه کسانی از یادگیری ماشینی سود می‌برند؟

بسیاری از شرکت‌ها با حجم عظیمی از داده‌ها کار می‌کنند. این صنایع ارزش ابزارهای یادگیری ماشینی را خوب می‌فهمند. شرکت‌ها با تحلیل هم‌زمان این اطلاعات و کاویدن الگوهای درون آن‌ها، می‌توانند بازدهی و سود خود را افزایش دهند و رقبا را پشت سر بگذارند.

یادگیری ماشینی کاربرهای گوناگونی در صنایع مختلف دارد. اما اگر شما صاحب یک شرکت نباشید، باز هم از منافع یادگیری ماشینی بی‌نصیب نخواهید بود. اگر تلفن‌همراه شما بتواند اشتباهاتتان را یاد بگیرد، اگر تخت‌خوابتان با عادت‌های خواب شما آشنا بشود، اگر سیستم تهویه مطبوع خانه بتواند سلیقه شما را با دمای هوای بیرون تطبیق بدهد، علاوه بر شرکت‌های فروشنده موبایل، تخت‌خواب و تهویه مطبوع، شما هم از منافع یادگیری ماشینی بهره‌مند می‌شوید.

به بیان دیگر یادگیری ماشینی قرار است دنیا را به جایی بهتر تبدیل کند و رفاه را برای همه به ارمغان بیاورد. هرچند درست مانند دیگر شاخه‌های علمی، یادگیری ماشینی می‌تواند کابردهایی منفی و مخرب هم داشته باشد.

رشد اقتصادی و امنیت مالی

بانک‌ها و شرکت‌های فعال در حوزه مالی از فناوری یادگیری ماشینی برای دو هدف استفاده می‌کنند. پیدا کردن بینش تجاری درست و کشف و جلوگیری از تقلب .

با داشتن بینش درست تجاری می‌توان فرصت‌های سرمایه‌گذاری را پیدا کرد. همچنین می‌توان به سرمایه‌گذاران کمک کرد که بدانند دقیقا روی چه چیزی سرمایه‌گذاری کنند. به همین دلیل یادگیری ماشینی می‌تواند باعث رشد چشمگیر اقتصاد و بهبود وضع عمومی جهان، با کم‌ترین آسیب ممکن به محیط‌زیست بشود. همچنین ممکن است زمینه‌هایی برای سرمایه‌گذاری‌ پیدا شود که پیش از این به طور کامل از آن‌ها غافل بودیم. زمینه‌هایی مثل یک استارت‌آپ کوچک یا هنرمندی گمنام.

شرکت‌ها و سازمان‌های مالی با استفاده داده‌کاوی می‌توانند رفتار مشتری‌ها را تحلیل کنند. همچنین آن‌ها می‌توانند ابزارهای نظارت مجازی طراحی کنند که بتواند وقوع معاملات مشکوک به تقلب را در زمان انجام معامله یا حتی قبل از آن شناسایی کنند.

دولت‌هایی باهوش‌تر و موثرتر

سازمان‌های دولتی مثل صندوق‌های بازنشستگی و سازمان‌های بیمه نیاز خاصی به ابزارهای یادگیری ماشینی دارند. آن‌ها داده‌های زیادی از منابع گوناگون دریافت می‌کنند. این داده‌ها می‌توانند برای به دست آوردن درکی درست برای برنامه‌ریزی‌های کوتاه و بلندمدت استفاده شوند. یادگیری ماشینی آینده آمار و برنامه‌ریزی را به طور کامل تغییر خواهد داد.

تحلیل داده‌های سلامتی افراد می‌تواند بازدهی صنعت بیمه را افزایش بدهد. این افزایش بازدهی باعث ذخیره پول بیشتر و در عین حال ارائه خدمات بهتر به متقاضیان می‌شود.

یادگیری ماشینی آینده آمار و برنامه‌ریزی را به طور کامل تغییر خواهد داد.

با استفاده از ابزارهای یادگیری ماشینی همچنین می‌توان از تقلب و جعل مدارک بیمه جلوگیری کرد. پول صرفه‌جویی شده از این مجرا در مسائلی مثل آموزش، بهداشت و درمان و خدمات بازنشستگی خرج می‌شود.

ماشین‌ها در خدمت سلامتی عمومی

یادگیری ماشینی یکی از ابزارهای داغ و مهم در حوزه سلامتی است. با استفاده از حسگرهایی که به بدن وصل می‌شود و به مدد اینترنت اشیاء که در آینده شاهد توسعه وسیع آن خواهیم بود، می‌توان اطلاعات زیادی از وضعیت سلامتی افراد به دست آورد. مزیت چنین حسگرهایی امکان دریافت آنی و به‌روزرسانی دائمی اطلاعات سلامتی افراد است.

با استفاده از تحلیل این داده‌ها که به کمک ابزارهای یادگیری ماشینی ممکن است، می‌توان توزیع بیماری‌ها در سطح کشور، میزان شیوع و نیازهای دارویی هر منطقه را به دست آورد.

ربات امداد حادثه هوش مصنوعی

ربات‌های امدادگر باید بتوانند شرایط حادثه را تحلیل کنند

با مقایسه این اطلاعات با اطلاعات دیگری همچون وضعیت آب و آلودگی هوای آن منطقه، راه‌های ارتباطی، میزان دسترسی و سطح سواد امکان برنامه‌ریزی دقیق و بهینه برای اقدام‌های سریع و بلندمدت فراهم می‌شود.

این فناوری همچنین می‌تواند به پزشکان و فعالان حوزه سلامت، تحلیل‌هایی در مورد بیماری‌هایی که می‌تواند در یک منطقه در آینده شایع شوند، ارائه دهد. با داشتن چنین ابزارهایی فرآیند تشخیص و درمان بیماری‌ها بسیار ساد‌ه‌تر می‌شود.

مقایسه اطلاعات حاصله از تحلیل‌ این داده‌‌ها و اطلاعات دیگری در مورد رژیم غذایی و تغییرات اقلیمی منطقه می‌تواند در تشخیص عوامل بیماری نیز بسیار موثر باشد.

توجه کنید که باکتری‌ها و ویروس‌ها توانایی یادگیری و تطبیق دارند. آن‌ها می‌توانند به مرور زمان در مقابل داروها مقاوم شوند یا با مخفی‌کردن علائم، فرایند تشخیص و درمان را سخت کنند. یکی از اهداف یادگیری ماشینی ساختن داروهایی است که می‌توانند رفتار بدن بیمار و عامل بیماری‌زا را تحلیل کنند و خود را تعلیم دهند. این داروها بسیار باهوش‌تر از میکروب‌ها خواهند بود.

بازاریابی و فروش

احتمالا پیش از این با ویدئوهایی تبلیغاتی که در سایت یوتیوب قبل از ویدئوی مورد نظر شما پخش می‌شود، مواجه شده‌اید. اگر این تبلیغ درباره کالایی است که شما دوست دارید یا قبلا قصد داشتید آن را تهیه کنید، شما تماشاگر یکی از نتایج تحلیل‌ ابزارهای یادگیری ماشینی بوده‌اید.

اگر امروز می‌خواهید یک کامپیوتر نو بخرید و برای این کار بارها در موتور جستجوی گوگل یا با استفاده مرورگر گوگل کروم، کالای مورد علاقه‌تان را بررسی کرده‌اید، احتمالا ویدئوی تبلیغاتی که سایت یوتیوب در آینده برای شما پخش خواهد کرد در مورد خرید کامپیوتر خواهد بود.

فعالیت‌های کاربران اینترنت در اکثر سایت‌ها ثبت و به سرور سایت ارسال می‌شود. این داده‌ها تحت عنوان کوکی ( Cookie ) ذخیره و به سرور فرستاده می‌شوند.

تحلیل این داده‌ها هم باعث می‌شود سایت‌ها سود کنند و کاربران محتوای مورد علاقه خود را ببینند. همه این‌ها به مدد ابزارهای یادگیری ماشینی ممکن است.

در دنیای آفلاین نیز تحلیل چنین داده‌هایی مفید است. اگر شما یک تامین کننده عمده کالا هستید با دانستن اطلاعات درستی از میزان فروش در شهرهای مختلف یا مناطق گوناگون یک شهر، می‌توانید تسهیلات بهتری را برای تامین کالا در مناطق مختلف فراهم کنید.

هنوز ابزارهای مناسبی برای جمع‌آوری این داده‌ها وجود ندارد. اما با گسترش اینترنت اشیاء چنین داده‌هایی تولید خواهند شد.

یادگیری ماشینی و مسئله انرژی

کشف میدان‌های جدید نفت و گاز، تحلیل مواد معدنی زمین، پیش‌بینی احتمال خرابی حسگرها، دستگاه‌های حفاری و استخراج، پمپاژ و توزیع بهینه نفت و گاز. همه این‌ها مثال‌هایی از کاربردهای یادگیری ماشینی در صنایع نفت و گاز هستند. این کاربردها هر روز بیشتر می‌شوند.

پالایشگاه‌ها، سکوهای نفتی، چاه‌های نفت و واحدهای پتروشیمی تعداد زیادی حسگر دارند. این حسگرها با یک کامپیوتر مرکزی کنترل می‌شوند. حجم داده‌هایی که این حسگرها تولید می‌کنند بسیار زیاد است.

با اضافه کردن حسگرهای دیگری که بتوانند تغییرات وضعیت تجهیزات را هم تشخیص دهند، داده‌های مفید دیگری تولید خواهند شد. با ترکیب داده‌های این حسگرها و حسگرهای معمولی و البته تحلیل آن‌ها، می‌توانیم میزان تخریب قطعات را تعیین کنیم و پیش از وارد شدن صدمات انسانی و خسارت‌های مالی ، آن‌ها را تعمیر و تعویض کنیم.

همین موضوع می‌تواند حامل‌های انرژی را ارزان‌تر کند. از طرف دیگر این فناوری می‌تواند مصرف انرژی را هم بهینه کند. همین اتفاق به تنهایی می‌تواند تصور ما از آینده را به طور کامل تغییر دهد.

تحولی عظیم در حمل‌ونقل

تحلیل داده‌ها برای تعیین الگو‌ها و یافتن ترند‌های گوناگون حوزه ترابری همچون نوع اجناس، مقصد‌های پرطرفدار و شهرهای مبدا عمده تامین کننده کالا از کلیدی‌ترین کاربردهای یادگیری ماشینی در صنایع ترابری و حمل‌ونقل است. با استفاده یادگیری ماشینی می‌توان مسیرهای بهینه حمل کالا در داخل و خارج شهر را تعیین کرد و مشکلات احتمالی را در مسیرهای مختلف یافت و از وقوع آن‌ها پیشگیری کرد. همه این موارد سود حاصله را برای صنعت حمل‌ونقل، عمده‌فروشان، خرده‌فروشان و مشتریان افزایش می‌دهد. علاوه بر این، امنیت حمل‌ونقل درون‌شهری و برون‌شهری هم ارتقا خواهد یافت.

حمل‌ونقل آینده هوشمند ترافیک امنیت

قدرت تمرکز ماشین‌ها می‌تواند حوادث رانندگی را کاهش دهد

اگر بتوانیم هر کالایی را در نهایت امنیت به هر جایی که می‌خواهیم بفرستیم، به سادگی می‌توانیم با فقر و کم‌یابی‌های محلی مبارزه کنیم.

اهمیت یادگیری ماشینی در آینده بیشتر خواهد شد. توسعه یادگیری ماشینی و ترکیب آن با روش‌های دیگری همچون یادگیری عمیق (Deep Learning) منجر به تولد ابزارهاییی قدرتمندتر می‌شود. ما در نقطه عطفی در تاریخ فناوری زندگی می‌کنیم. نقطه عطفی بین دنیای غیرهوشمند و دنیایی سراسر هوشمند. یادگیری ماشینی تنها آغازی است برای تحولی بنیادی در آینده جهان.

نظرات

مخاطب گرامی توجه فرمایید:
نظرات حاوی الفاظ نامناسب، تهمت و افترا منتشر نخواهد شد.