ماه: آوریل 2020


6 برنامه که کمک میکنن حواستون در حین کار پرت نشه




 

میدونم من از اون آدمای خوش شانسی هستم که میتونم از خونه کار کنم… وقتی نباید از این که نمیتونم تمرکز کنم خجالت بکشم… من از اونایی هستم که عاشق “برنامه ی منظم روزانه” هستن… دلم برای رفتن به محل کارم تنگ شده… برای میز کار کوچولوم… احوالپرسی با همکارام و سربسر اونا گذاشتن…

یه چیز دیگه که دلم براش تنگ شده اینه که بتونم ساعتها روی کارم تمرکز کنم. منظورم اون جوریه که گرسنگی و شبکه های اجتماعی و لباس شستن و سریال دیدن و … حواسمو پرت نمیکرد. ممکنه شما همه ی علائم منو نداشته باشین ولی قبول کنین که کارکردن از خونه و تمرکز روی کار خیلی سخته.

خبر خوب اینه که مثل همه چیزای دیگه تو زندگی… برای این موضوع هم یه عالمه App موبایلی وجود داره… من میخوام 6 تا از اونها رو براتون لیست کنم.

 

اسم App های پیشنهادی من اینهاست:

Forest ، Hocus Focus ،  Mindful Browsing، Freedom، Motion، Focus Keeper

 

منبع:

https://mashable.com/article/apps-to-help-you-stay-focused/


موسسه ی دلویت: آینده ی بانکداری: بینش سال 2020




 

موسسه ی  دلویت که یکی از چهار غول حسابداری و حسابرسی دنیاست، در این مستند، آینده ی بانکداری در سال 2020 را از دید خود ترسیم مینماید. در بخشی از این مستند، این موسسه در زمینه ی “رشد از طریق نوآوری” دیدگاه های آینده نگر خود را بیان می‌نماید. این نوشته، برداشتی مختصر از بخش “هوش مصنوعی و موقعیتهای استفاده از تکنولوژیهای شناختی” را در اختیار شما قرار می‌دهد.

تحلیل شناختی روشی نوین برای برخورد برای کشف اطلاعات و تصمیم سازی است. این روش که از الگوی تفکر و تصمیم گیری انسان ها الهام گرفته است، تلاش میکند پلی بین حجم نا متناهی داده های در اختیار و تصمیمات عملی برای فعالیتها بنا کند. امروزه تکنولوژی های “پردازش زبان طبیعی یا Natural Language Processing”، “یادگیری ماشین یا Machine Learning” و هوش مصنوعی مفاهیمی در لایه های آزمایشگاهی نیستند بلکه به ابزارهای بالقوه ای برای تصمیم سازی در لحظه تبدیل شده اند.

تکنولوژی های شناختی متعددی با هدف شبیه سازی روش تفکر و تصمیم گیری انسان ها به کمک آنها آمده اند تا از انبوه داده های موجود بهره بگیرند. ما در این نوشته، چهار مورد اصلی از آنها را مرور می‌کنیم.

  • پردازش زبان طبیعی: پردازش گفتار و استخراج اطلاعات از متون به وسیله ی ساختاریابی در میان آنها
  • تولید محتوا به زبان طبیعی یا Natural Language Generation
  • یادگیری ماشین – شبکه های عصبی یا Neural Networks – یادگیری عمیق در شبکه های عصبی یا Deep Learning
  • دید ماشین یا Computer Vision – تشخیص تصاویر

از دید نویسنده این تکنولوژی ها در بانکها و موسسات مالی می‌توانند  چهار هدف اصلی را برآورده کنند.

  • ایجاد تعامل بیشتر
  • خودکار سازی
  • کسب بینش یا Insight
  • درک و شکل دهی استراتژی ها

در موضوع اول، بسیاری از موسسات مالی “راه حلهای افزایش تعامل شناختی” را در دستور کار خود قرار داده اند تا با ساخت مدل از رفتار و نیاز کاربران بتوانند پاسخهای شخصی سازی شده ی دقیقی را در اختیار آنها قرار دهند و به این وسیله، آنها را به تعامل حداکثری دعوت کنند.

نمونه هایی از پیاده سازی این ایده را میتوان در بانکهای زیر مشاهده کرد:

  • بانک Santander اعلام کرده است که تراکنش های امن مالی را با استفاده از فن آوری تشخیص کلام از طریق نرم افزار موبایلی بانکی خود در اختیار مشتریان قرار می‌دهد.
  • بانک سلطنتی اسکاتلند ابزار Luvo که یک دستیار هوشمند است را در جهت تعاملات مرکز تماس راه اندازی نموده است.
  • دستیار هوشمند Nina که توسط سوئدبانک در سوئد راه اندازی شده است توانسته در سه ماهه ی اول به سی هزار پرسش کاربران در ماه پاسخ دهد و در 78 درصد موارد مشکلات کاربران را مرتفع نماید.

در موضوع خودکاری سازی هوشمند فرآینده ها فن آوری هایی مانند یادگیری ماشین و تشخیص خودکار متن (Optical Character Recognition) در بخش ستادی بانکها میتواند فعالیتهایی که قوانین مشخصی بر آنها حکم فرماست را در احجامی قابل توجه انجام دهد. به عنوان نمونه میتوان از تشخیص خودکار متن و فن آوری درک متون استفاده کرد تا به صورت خودکار، اطلاعات جامعی از فرم های افتتاح حساب استخراج نمود و بخشی از فرآیند شناخت مشتری یا KYC را خودکار ساخت.

شرکت Fonetic در همکاری با بانک BBVA راه حلی را برای تشخیص خودکار تقلب و تخلف در فعالیتهای بورسی این بانک طراحی نموده است. شرکتهایی مانند Narrative Science توانسته اند با دریافت داده های حسابی یا درآمدی افراد و موسسات، آن ها را به یک گزارش مکتوب قابل ارائه به مشتری تبدیل نمایند.

در خصوص موضوع سوم “کسب بینش”، هدف بانکها از بکارگیری چنین فن آوری هایی تشخیص الگوهای مشخص و روابط موجود از میان میلیاردها منبع داده ای به صورت لحظه ای است تا از آن دید و بینش صحیحی از مشتریان خود خلق کنند. ابزارهای مدیریت مالی شخصی یا Personal Finance Management یکی از محصولاتی است که با همین دید و برای افزایش بینش مشتریان به میزان و محل هزینه کرد خود، به ایشان در صرف هوشمند تر منابع مالی خود کمک می‌کند.

بانک UBS با تحلیل داده های 85 میلیون الگوی رفتاری از مردم سنگاپور توانسته است به سرویسی دست یابد تا بر اساس رفتار دقیق یک مشتری بانک، یکی از محصولات مدیریت ثروت خود را به وی پیشنهاد نماید. همچنین بانک DBS سیستم پردازش سریع و هوش مصنوعی شرکت IBM به نام Watson را برای پیشنهادهای مدیریت ثروت به مشتریان متمول خود آماده سازی نماید.

در زمینه ی موضوع چهارم یعنی تشخیص و شکل دهی استراتژی ها، فن آوری های نامبرده شده به کمک بانکها آمده اند تا با پردازش عظیم داده های موجود، همه ی جنبه های کسب و کار موسسات مالی را تا سطح کوچکترین بعد بررسی و تحلیل نمایند. این فن آوری ها به بانکها اجازه می‌دهند تا به دقت مشتریان خود را بشناسند و ابعاد نیازمندی، ارزشها، نوع کسب و کار و انتظارات ایشان را درک کنند. این شناخت به بانکها اجازه می‌دهد تا در لحظه در خصوص ارائه ی یک محصول به یک مشتری تصمیم بگیرند یا بسته به شناخت حاصل شده از مجموع مشتریان خود، سیاستهای خود را تنظیم نمایند.

موسسه ی مالی Goldman Sachs در شرکتی به نام Kensho سرمایه گذاری کرده است که قادر است پاسخ به 65 میلیون ترکیب پرسشی را استخراج نماید. این شرکت با ترکیب بیش از نود هزار اتفاق یا عملکرد (مانند افت سهام یک شرکت، سیاستهای جدید اقتصادی دولت، وضعیت بهداشت و …) به موسسات مالی اجازه می‌دهد بر اساس برآیند پردازشی این داده ها، پاسخ پرسش های خود را دریافت نموده و در سیاست گذاری خود از آنها بهره بگیرند.

 

 

https://www2.deloitte.com/content/dam/Deloitte/in/Documents/financial-services/in-fs-deloitte-banking-colloquium-thoughtpaper-cii.pdf