ماه: سپتامبر 2021


روندهای آینده‌ی یادگیری ماشین




 

 

یادگیری ماشین یکی از شاخه‌های هوش مصنوعی است که در آن الگوریتم‌هایی تولید می‌شوند تا از کامپیوترها برای درک داده‌ها و تصمیم‌سازی بر اساس آنها استفاده نماید. به دلیل آن که ابزارهای تست نرم‌افزارهای تولیدی از این فن‌آوری استفاده می‌نمایند، صنعت انفورماتیک و تولید نرم‌افزار، اقبال زیادی به این فن‌آوری نشان داده است. تحلیلگران معتقد هستند یادگیری ماشین در سال‌های 2022 و 2023 به اوج شکوفایی خود خواهد رسید. در آینده‌ی نزدیک، شاهد این روندهای اصلی در این فن‌آوری خواهیم بود.

 

یادگیری ماشین و اینترنت اشیاء

این یکی از روندهایی است که متخصصین مدت‌هاست منتظر آن بوده‌اند. با همه‌گیرشدن نسل پنجم شبکه‌های مخابراتی (5G)، سخت‌افزارها قادر به نشان دادن عکس‌العمل‌های سریع‌تر و ارسال/دریافت حجم بیشتری از داده‌ها هستند. این افزایش چشمگیر حجم داده‌ها از سمت اشیاء مختلف، زمینه را برای فرآیندهای یادگیری ماشین فراهم می‌نماید که برای ساخت مدل به داده‌های زیادی نیاز دارد.

 

یادگیری ماشین به صورت خودکارسازی شده

یادگیری ماشین به‌صورت خودکار یا Automated ML به افرادی که تخصص زیادی در زمینه‌ی یادگیری ماشین ندارند اجازه می‌دهد از مدل‌هایی استفاده کنند که توسط دیگران طراحی شده است و بدون تسلط به جزئیات علمی روش کارکرد مدلها، از آنها برای تحلیل داده‌های خود استفاده نمایند.

 

بهبود امنیت سایبری

با افزایش تعداد سخت‌افزارهایی که به اینترنت متصل هستند، حجم داده‌های انتقالی و درگاه‌های ورود آنها به اینترنت افزایش یافته است. به طور طبیعی این حجم افزوده شده به نگرانی‌ها در خصوص امنیت سایبری افزوده است و مدل‌های طراحی شده توسط یادگیری ماشین برای پیشگیری از حملات سایبری در حال رواج هستند. این روند، باعث خواهد شد یادگیری ماشین بیش از پیش در زمینه‌ی پیشگیری از حملات سایبری و برای تشخیص الگوهای جدید رفتاری این حملات استفاده شود.

 

اصول اخلاقی در هوش مصنوعی

با همه‌گیری هوش مصنوعی در زمینه‌های مختلف، یکی از روندهای آینده در این زمینه موضوع اصول اخلاقی در عملکرد سیستم‌های هوشمند است. عدم توجه به این اصول به نتایجی مانند شکست برخی پروژه‌های طراحی و تولید اتومبیل‌های بدون سرنشین می‌انجامد. «جانبداری» یا Bias یکی از نمونه کاستی‌هایی است که در مدل‌های هوش مصنوعی دیده می‌شود. پدیده‌ای که به یکی از دو دلیل زیر اتفاق می‌افتد:

– توسعه‌دهندگان مدل‌های هوش مصنوعی، داده‌های استفاده شده در آموزش مدل‌ها را با «جانبداری» انتخاب می‌کنند. مثلا به جای انتخاب ترکیبی واقعی از جمعیت در ساخت مدل، تنها به انتخاب گروهی خاص بسنده می‌کنند.

– ملاحظات لازم برای ساخت مدلی که بدون جانبداری، داده‌ها را تحلیل نموده و به بهترین نتیجه بینجامد به درستی لحاظ نشده‌اند.

 

یادگیری ماشین، ابزاری برای دقیق‌ترین پیش‌بینی‌های داده‌محور در آینده است. این فن‌آوری به متخصصین بازاریابی، صاحبان کسب وکار و فعالان صنعت انفورماتیک اجازه می‌دهد تصمیمات درست در توسعه و تولید محصولات جدید را اتخاذ کنند. با به‌کارگیری هوش مصنوعی، رایانه‌ها یاد می‌گیرند، به خاطر می‌سپرند و نتایج دقیقی تولید می‌نمایند. روندهای فوق، نقش اساسی این فن‌آوری در آینده را دو چندان خواهند نمود.

 

 

 

منبع:

https://www.analyticsinsight.net/top-machine-learning-trends-for-2022-and-beyond/

 

مطالب مرتبط:

نقش هوش مصنوعی، یادگیری ماشین و اینترنت اشیاء در تحول دیجیتال

برترین 25 شرکت نوپا در سال 2020 در استفاده از یادگیری ماشین


هفت روند فن‌آوری که تحول دیجیتال در صنایع مالی را سرعت می‌بخشند.




 

 

امروزه، حدود دو میلیارد نفر از جمعیت جهان با بانک‌های سنتی بی‌ارتباط هستند. از سوی دیگر، جهان در حال حرکتی سریعی به سمت تحول دیجیتال است. تحولی که کار را برای این جمعیت دشوارتر می‌سازد. خوشبختانه، فن‌آوری‌های بانکداری موبایلی در حال رشد و تکامل هستند تا راه حلی برای این مشکل ارائه نمایند. هفت روندی که در این نوشتار آمده‌اند فن‌آوری‌هایی هستند که تحول دیجیتال سازمان شما را تسریع می‌نمایند.

 

فین‌تک‌ها ماندگار هستند.

شاید ده سال پیش، حتی تصور آنچه امروز توسط فین‌تک‌ها صورت می‌گیرد غیرممکن بود اما امروزه کیف‌پول‌های دیجیتال، خدمات پرداخت موبایلی، نرم‌افزارهای موبایلی چندکاره، تنها نمونه‌هایی از دست‌آوردهای این بازیگران جدید عرصه‌ی مالی هستند. امروزه، 75% جمعیت جهان، به نوعی از گونه‌ای از خدمات فین‌تک‌ها استفاده می‌نمایند اما در حال‌حاضر این خدمات به سطحی پایه‌ای مانند انتقال وجه محدود می‌شود.

 

هوش مصنوعی حاکم بر فن‌آوری‌های مالی خواهد بود.

امروزه هوش مصنوعی در ابعاد مختلف زندگی ما (از ماشین لباس‌شویی گرفته تا تلویزیون‌های هوشمند) ورود کرده است. ارزش اصلی هوش مصنوعی در استارت‌آپ‌های مالی، امکان ارائه‌ی خدماتی است که کاربران می‌توانند آنها را به صورت خود- محور تکمیل نمایند. این مهم باعث شده است خدمات ارائه شده توسط فین‌تک‌ها بدون نیاز به منابع انسانی گسترده ارائه شود. این امکان، کاملا با الگوی رفتاری نسل جدید مشتریان همخوانی دارد زیرا آنها تمایل زیادی به استقلال در انجام فعالیت‌ها داشته و ترجیح می‌دهند بدون دخالت عوامل انسانی، فرآیندهای مالی مورد نیاز خود را تکمیل نمایند.

 

خودکارسازی فرآیندها به وسیله‌ی ربات‌ها

هدف خودکارسازی فرآیندها به وسیله‌ی ربات‌ها یا Robotic Process Automation خودکارسازی تمامی فرآیندهایی است که قابل خودکارسازی هستند. به عنوان نمونه، می‌توان از فعالیت‌ها و فرآیندهایی مانند دریافت اطلاعات هویتی مشتریان، احراز هویت، پاسخگویی به سوالات متداول، ارزیابی ریسک مشتریان و گزارش‌گیری نام برد. به اختصار، این گونه خودکارسازی، باعث صرفه‌جویی مالی و زمانی زیادی خواهد شد. با پیشرفت‌های اخیر در فن‌آوری هوش مصنوعی، ربات‌ها فرآیندهای جدید را نیز فراگرفته و آنها رو خودکار می‌نمایند. بکارگیری چنین امکانی بانک‌ها را به سازمان‌هایی پویاتر و نزدیک‌تر به فین‌تک‌ها تبدیل می‌نماید.

 

همکاری بانک‌ها و فین‌تک‌ها بسیار رایج شده است.

با تصویب قوانین بانکداری باز، سطح همکاری بانک‌ها و فین‌تک‌ها بسیار رشد کرده است. بانک‌های بسیاری در مشارکت با فین‌تک‌ها خدمات مالی متنوعی را در اختیار مشتریان خود قرار می‌دهند و از سوی دیگر فین‌تک‌ها با اتکا به زیربنای ارائه شده توسط بانک‌ها وارد عرصه‌ی بانکداری نوین شده‌اند. یکی دیگر از این نمونه مشارکت‌ها، مفهوم «بانکداری بدون شعبه» است که در آن فین‌تک‌ها شعب دیجیتال برای مشتریان ایجاد می‌نمایند. شعبی که بر پایه‌ی زیرساخت یک یا چند بانک امکان انجام عملیات بانکی را در اختیار مشتریان قرار می‌دهد.

 

زنجیره‌ی بلوکی

با وجود این که مفهوم زنجیره‌های بلوکی مفهوم خیلی جدیدی نیست، همه‌گیری استفاده از رمزارزها باعث گسترش استفاده از این مفهوم شده است. به عنوان یکی از موثرترین روش‌های یافتن ردپای تراکنش‌های مالی، بسیاری از موسسات مالی استفاده از فن‌آوری زنجیره‌ی بلوکی را آغاز نموده‌اند. این فن‌آوری به نوعی به هر کسی اجازه می‌دهد عملیات مالی انجام دهد زیرا تمام افراد عضوی از این زنجیره هستند. به گفته‌ی Harvard Business Review، زنجیره‌ی بلوکی به همان اندازه، سیستم بانکی را تحت‌تاثیر قرار می‌دهد که اینترنت فعالیت‌های تولید محتوا را تحت‌تاثیر خود قرار داد.

 

داده‌های انبوه، ارزشی فراتر از پول دارند.

داده‌ها همواره بخشی غیرقابل‌ اجتناب از هر کسب و کاری بوده‌اند اما در دهه‌ی اخیر، ارزش داده‌ها به صورت غیرقابل تصوری افزایش یافته است. دلیل این موضوع ساده است. در گذشته ابزارهای محدودی برای جمع‌آوری اطلاعات از فرآیندهای مختلف و مشتریان وجود داشته است اما امروزه به دلیل افزایش حجم تجارب دیجیتال، حجم داده‌های تولید شده در این فرآیندها به شدت افزایش یافته است. به همین نسبت، اهمیت ابزارهای جمع‌آوری داده‌ها و نیاز به دانشمندان داده، برای پردازش و تحلیل این داده‌ها افزایش شدیدی یافته است. در اختیار داشتن بینشی از رفتار مالی مشتریان، دیدی وسیع‌تر و امکاناتی بیشتر در اختیار سازمان‌ها قرار می‌دهد.

 

نوآوری در خدمات پرداخت موبایلی

بخش مهم دیگر تغییرات در زیست‌بوم خدمات مالی در زمینه‌ی سیستم‌های پرداخت موبایلی رخ داده است. جدا از بازیگران اصلی صنایع مالی که هر یک به گونه‌ای به این موضوع پرداخته‌اند، بسیاری از دیگر سازمان‌ها که در زمینه‌ی خدمات مالی فعالیت نمی‌کنند نیز برای ایجاد روش‌های پرداخت ساده‌تر و مدیریت هزینه‌کرد به تکاپو افتاده‌اند. به کمک فن‌آوری‌های جدیدی مانند پرداخت بدون تماس (مانند NFC) و تشخیص چهره، سیستم‌های پرداخت موبایلی حتی از پرداخت‌های کارت‌های اعتباری نیز امن‌تر شده‌اند و شاید بتوان گفت در آینده‌ی نزدیک، هیچ‌کس کارتهای فیزیکی را همراه نخواهد داشت. شاید ده سال پیش تولید یک نرم‌افزار موبایلی پرداخت نیاز به سرمایه‌گذاری و انرژی بسیار زیادی داشت در حالی که امروزه و با استفاده از ابزارهای نیمه‌آماده، تولید چنین نرم‌افزارهایی به سهولت و سرعت انجام می‌پذیرد.

 

منبع:

https://thinksmobility.com/7-emerging-technology-trends-that-will-accelerate-your-digital-transformation/

 

مطالب مرتبط: 

در صنایع مالی، زمان بارش نوآوری رسیده است.
هوش مصنوعی، بهبود آینده‌ی تحول دیجیتال
تبدیل موفقیت به بخشی جدایی‌ناپذیر از تحول دیجیتال
تجربه‌ی مشتریان و تحول دیجیتال در دوران همه‌گیری در حال ادغام هستند.