دکتر میرعماد سلیمانیان در خصوص کاربرد کلان داده و یادگیری ماشین در شناخت بهتر بازار مباحثی را مطرح کرد.
دکتر میرعماد سلیمانیان صبح امروز در نخستین انجمن علمی پارکهای علم و فناوری و مراکز رشد ایران در خصوص کاربرد کلان داده و یادگیری ماشین در شناخت بهتر بازار مباحثی را مطرح کرد.
عضو هیات علمی دانشگاه ubc کانادا استفاده از تمام ابزارهای داده برای رسیدن به شناخت بهتر از مشتریان را مورد توجه قرار داد و صحبت‌های خود را در دو بخش یادگیری ماشین و کلان داده و روند رسیدن به تحولی که در انقلاب صنعتی چهارم هست و یادگیری مارکتینگ در هوش مصنوعی بیان کرد.
به گفته میرعماد سلیمانیان از پنج سال پیش صحبت‌هایی درباره هوش مصنوعی و تغییراتی که بر روی بیزینس‌ها می‌گذارد، شنیده می شود و در اطراف ما شرکت‌های متعددی که با کلان داده یا هوش مصنوعی کار می‌کنند، شکل گرفته است؛ به عنوان نمونه می توان شرکت دیجی کالا را یک شرکت داده محور تعریف کرد که بخشی از ارزش‌های تولیدی آن مبتنی بر هوش مصنوعی پیاده شده است.
این استاد دانشگاه می گوید که در ابتدا باید به این فکر کنیم که در چه زمینه‌ای می توانیم هوش مصنوعی را تعریف کنیم؛ امروزه بحث‌هایی در رابطه با جایگزینی پردازش ماشین به جای انسان‌ها می شود .
وی معتقد است که پیشرفت‌های حوزه هوش مصنوعی مبتنی بر پیشرفت‌های پیش بینی است و در سال ۱۹۹۵ که اینترنت جاری‌سازی و عمومی شد، اتفاق نوینی شکل گرفت و مایکروسافت در همان سال ویندوز ۹۵را ارائه داد؛ در آن زمان دیگر از اینترنت به عنوان تکنولوژی جدید و مهیج صحبت نمی کردند بلکه صحبت از اقتصاد جدید شد و این موضوع که به نوعی قواعد گذشته قابل کاربرد نیست و باید برای تشریح اتفاقات جدید قواعد جدید جایگزین کنیم، مطرح شد.
گروهی از اقتصاد دانان این موضوع را مطرح کردند که با اقتصاد جدید سرو کار نداریم ما می توانیم اصول همان اقتصاد را پیاده کنیم اما باید درک درستی از هزینه‌ها و تغییرات آن داشته باشیم تا بتوانیم اتفاقات را توضیح دهیم.
به عنوان نمونه با اینترنت هزینه‌ها کاهش یافت که براساس علم اقتصاد، کاهش هزینه سبب جذابیت محصول می‌شود؛ پس از آن موزیک و تصاویر همه به مسئله پردازش ماشین بازتعریف شدند و ما از محیط آنالوگ به محیط دیجیتال آمدیم.
به گفته وی وقتی پیش بینی ارزان می شود کاربردهای بیشتری از پیش بینی مورد استفاده قرار می‌گیرد، مثلا قبلا برای دریافت وام به بانک مراجعه می کردیم الان اطلاعات شغلی و غیره در اختیار کامپیوتر قرار می گیرد و با هوش مصنوعی پیش بینی پرداخت پول از سوی مشتری صورت می گیرد.
در فعالیت شرکت های بیمه یا تشخیص پزشکی هم مسئله پیش بینی بسیار جذاب است چون با عدم قطعیت سروکار دارند و استفاده از هوش مصنوعی سبب کاهش هر روزه هزینه پیش بینی می‌شود.
شاید در دوره‌ای بحث اتومبیل خودران مطرح نبود اما امروزه موضوع اتومبیل خودران را به مسئله پیش بینی تبدیل کردند،علاوه بر این، کم شدن هزینه پیش بینی و ارزان شدن کمک به جذاب شدن آن کرده است؛ نکته قابل توجه کاهش سایر موارد مانند کاهش هزینه و افزایش تقاضای عمومی نسبت به محصول می شود.
وی پیش بینی را بخشی از پروسه تصمیم گیری می‌داند که اجزای مکمل آن داده‌ها هستند که دارای اهمیت است؛ وقتی هزینه پیش بینی کاهش می‌یابد ارزش داده افزایش می‌یابد و اضطراب و نگرانی که آیا ماشین یا هوش مصنوعی جایگزین انسان می‌شود، مطرح است.
میرعمادسلیمانیان معتقد است که هوش مصنوعی در حوزه پیش بینی و انسان در قضاوت دخیل است و کلان داده جز مکمل پیش بینی است؛ از طرفی در اوایل دهه ۱۹۸۰ با به وجود آمدن اسکنرها، شرکت‌ها به سمتی رفتند که به اطلاعات و رفتار مشتریان دسترسی پیدا کردند که سبب به وجود آمدن انقلاب در صنعت شد.
در حال حاضر می توانیم بگوییم که ۳جنبه مهم تاثیر گذار کلان داده در حوزه مارکتینگ، شامل حجم داده، سرعت جمع کردن داده و تنوع داده است به این صورت که داده در صورت‌های مختلف در اختیار ما قرار می گیرد.
با توجه به اینکه هدف مارکتینگ فهم درست رفتار مشتریان و تعامل شرکت با آن‌هاست بنابراین تمام رفتارها باید تبدیل به ارزش شود و بحثی که در یادگیری ماشین است این که در کاربردهای مارکتینگ چقدر کلان داده و هوش مصنوعی مهم هستند.
تعاملی میان ارزش مدل و ارزش داده وجود دارد، ما تحلیل‌های توصیفی از پدیده‌ها و پیش‌بینی و تجویز می توانیم داشته باشیم که هر کدام اقتضائات خود را دارد که براساس همان اقتضائات حوزه داده و چارچوب‌ها و الگوریتم‌ها متفاوت خواهد بود.
نظرات