چرا همه باید Machine Learning یاد بگیرن؟

بیگ دیتا، هوش مصنوعی، اینترنت اشیاء. در چند سال اخیر این عناوین هستن که تیتر روزنامه های کوچک و بزرگ میشن و امروزه ماشین لرنینگ یا یادگیری ماشین تقریبا زمزمه گوش هممون هست. مایک تئودورسکو در این مقاله توضیح میده چطور کسب و کار و زندگی مشتریان رو تحت تاثیر قرار داده.

30 سال پیش ایده ربات ها و یادگیری ماشین به تنهایی خودش ترسناک‌ترین داستان علمی تخیلی و کابوس همه آدما بود، "ترس اینکه ربات ها زمین رو تصرف کنن". اما امروزه، یادگیری ماشین تقریبا بسیار رایج شده و به سختی می‌تونیم از زندگیمون تفکیکش کنیم. کامپیوتر ها و سیستم ها میتونن چیزی که در تلویزیون می‌بینیم، چیزی که می‌خریم، حرف هایی که می‌زنیم و اینکه چه احساسی داریم رو درک کنن و حس کنن و از اون برای پیش بینی حرکت بعدیمون استفاده کنن!

مایک تئودورسکو، دانشجوی Harvard Business School می‌گوید: با توجه به گسترش روز افزون زمینه یادگیری ماشین، این دانش تقریبا در دسترس هر شرکتی هست، شرکت هایی که از اون استفاده می‌کنن تا ابعاد مختلف کسب‌و‌کارشون رو جلو ببرن.

علم یادگیری ماشین به ناگهان گسترش پیدا کرده و کمتر خودش به عنوان یک زمینه تخصصی شناخته میشه، چون هر علمی که روی زمین وجود داره، کم کم داره با این علم مخلوط و به اون وابسته میشه و جدای از اون زمینه‌های علمی ناقص محسوب میشن - تئودورسکو

در یکی از مقالات جدید دانشگاه هاروارد، تئودورسکو آخرین روش های یادگیری ماشین رو از دیدگاه فنی بررسی کرده ولی بدونید، لازم نیست که شما دقیقا یادگیری ماشین رو یاد بگیرید تا بتونید از اون استفاده کنید. همونطور که گفتم، یادگیری ماشین به تنهایی معنی نداره و در تخصص های مختلفه که معنی پیدا می‌کنه. به صورت ساده، یادگیری ماشین مخلوطی از علوم و در عین حال بخشی از اونهاست؛ علم داده، علم کامپیوتر، ارزیابی و کشف داده‌ها که به کامپیوتر‌ها یاد میده چطور الگو‌ها و شرایط رو تشخیص بدن و شرایط و الگو‌های جدید رو برای تصمیم‌گیری های آینده پیش‌بینی کنن.

ما در یک انقلاب صنعتی نوین، تحت هدایت الگوریتم ها هستیم - تئودورسکو

ما همیشه با شرایطی مواجه شدیم که مثلا دیجی کالا یا آمازون به ما میگن که "ممکنه از این محصول خوشت بیاد" وقتی که داری اجاق گاز برقی میخری و بهت مایکروویو پیشنهاد میده. یا وقتی یوتیوب یا نت فلیکس بهمون پیشنهاد میده حتما سریال فرندز رو ببینیم چون با سلیقمون میخونه.

تو به الگوهای رفتاری و طرز عملکرد در گذشته رو می‌بینی و براساس اون درباره آینده صحبت می‌کنی و اینکه آینده برات چه چیزی رو به ارمغان میاره - تئودورسکو

تحلیل مشتری مثل آب خوردن

در حالی که یادگیری ماشین هر روز بیشتر از دیروز گسترش پیدا میکنه، الگوریتم‌‌ها هم ما رو بهتر از خودمون میشناسن و به مرور بهتر هم میشن. بگذارید یک نمونه جالب و یک داستان بامزه براتون بگم. یادگیری ماشین دقیقا همونی هست که باعث شد یک روز یک پدر با عصبانیت لباس‌هایی که فروشگاه برای تولد دختر جوانش ارسال کرده بود را به فروشگاه برگردونده بود. لباس‌ها مناسب افراد باردار بود و اونجا بود که پدر فهمید از داماد و دخترش نوه دار شده و غافل‌گیری که خانواده برای پدر ترتیب دیده بودند دیگه غافل‌گیر کننده نبود. (مقاله چگونه شرکت‌ها، راز های شما را قبل از شما می‌فهمند!)

نمونه‌های زیادی مثل داستان بالا وجود دارن که حکایت‌های شنیدنی از زبان فروشنده‌هایی هستن که از یادگیری ماشین استفاده کردن. از طرفی برای غافل‌گیر کردن خریداران و دادن حس خوب خرید درست و انتخاب درست، باید راز‌های افراد را قبل از خود اینکه خودشان بدانند متوجه شوند و از طرفی باید حریم خصوصی افراد را حفظ کرده و برخورد‌های تند مشتریانشان رو با جون و دل بپذیرن، چون ممکنه عصبانیت پدر داستان بالا رو پیدا کنن... تئودورسکو می‌گوید: "داستان بالا دقیقا همون جا هست که شرکت‌ها بخاطر دقت زیاد ماشین‌ها و الگوریتم‌هاشون، ضربه میخورن و برخورد‌های تندی رو تجربه میکنن"

کاربرد های اخیر یادگیری ماشین بیشتر به زبان و کلام و سخن و حرف‌های افراد اهمیت میدن و اونها رو بررسی میکنن. تولد این علم، برمیگرده به دهه 1940 میلادی، تقریبا زمان جنگ جهانی دوم، که آلان تورینگ، ریاضی‌دان انگلیسی، راهی برای تحلیل توصیفی متون و کلمات و دلایل گفته شدنشون رو کشف کرد. از اون موقع زمینه تخصصی تحلیل و آنالیز نوشته‌ها به عنوان یک علم ظهور کرد و الان به جایی رسیده که با استفاده از تحلیل نوشته‌ها و نحوه قرارگیری کلمات و میزان استفاده از هر کلمه و نحوه استفاده از اون، میتونن نویسنده نوشته رو شناسایی کنن!

در نمونه های جدیدتر یادگیری ماشین به جایی رسیده که با تحلیل ساختار و نحوه قرارگیری کلمات و نوشته و تحلیل اون میتونه احساسات احتمالی پشت حال و هوای فرد موقع نوشتن اون مطلب رو هم تحلیل و ارزیابی کنه.

در واقع داغ‌ترین موضوع درباره یادگیری ماشین، در دوره ای که درش هستیم، فهم، درک و شناخت احساسات هست - تئودورسکو

اتفاق هایی مثل ارزیابی و تحلیل نظرات کاربران در سراسر اینترنت درباره برند و شرکت و بررسی وجود کلمات کلیدی مثبت و منفی در اونها، الان یکی از خواسته‌ها و تمایلات اصلی شرکت ها هست.

برای تحلیل و بررسی سخنان کاربران و درواقع استفاده از یادگیری ماشین در ارزیابی حس مشتریان، نیازی نیست یک شرکت بزرگ و البته ثروتمند باشید. مدیران الان میتونن از ابزار‌های بسیاری که در اینترنت وجود دارند استفاده کنند و نظرات کاربران رو در توئیتر و تلگرام و اینستاگرام و یلپ و گوگل پلی و در تمامی پلتفرم های جمع‌آوری و ارزیابی کنند و تغییر احساسات مشتریان رو به دقت تحلیل کنن.

امروزه مرزی که بین افرادی که میتونستن تا متخصص تحلیل داده رو در کنارشون داشته باشن تا مشتریانشون رو تحلیل کنن با مردم عادی، از بین رفته و تقریبا مرزی وجود نداره! - تئودورسکو

خب، در آخر داریم به کجا میریم؟

قدم بعد از تحلیل و ارزیابی احساسات و سخنان مشتریان، عمل کردن و اصلاح است. - تئودورسکو

در 5 سال آینده، شما میتونید در حساب کارگزاریتون در بورس نگاه کنید و براساس اخبار و متون و نظرات مردم در اینترنت، تحلیل ماشین رو در جهت پیش‌بینی مثبت یا منفی بودن سهمتون بفهمید!

در واقع بخش مالی و شرکت‌ها و بانک‌ها و بورس‌ها، جاهایی هستن که در آینده استفاده از یادگیری ماشین در اونها و ارزیابی و پیش‌بینی الگو‌ها و الگوریتم‌ها برای عمل در آینده، بسیار رایج و معمول خواهد شد. اینکه یک مشتری از کارت بانکیش چطور و چگونه و در چه زمان‌هایی استفاده می‌کنه و تراکنش‌های مالی اون چطور خواهد بود، چه زمانی مقروض میشه، وام می‌گیره یا چه زمانی میتونه وامش رو پرداخت کنه و ...

یادگیری ماشین میتونه در یادگیری ماشین‌ها و ربات‌ها کمک کنه تا خطوط مونتاژ رو اصلاح کنه و تعمیرات یا توقف خط تولید جلوگیری کنه. میتونه پیش‌بینی کنه چه زمانی، چه خطر‌هایی خط تولید رو تهدید می‌کنه و قبل از رخ دادن اونها بشه پیش‌بینی کرد و جلوی اونها رو گرفت.

در همه حرف‌هام قطعا نتیجه گرفتید که مشخصه که ماشین‌ها و ربات‌ها به این زودی دنیا و زندگی ما رو تسخیر نمیکنن ولی یادگیری ماشین، چرا اون تقریبا تمام زندگی ما میشه. یادگیری ماشین به مرور زمان از عجیب و شگفت انگیز بودنش کاسته میشه و کم کم یک از یک علم دست نیافتنی به یک علم معمول و لازم تبدیل میشه که 20 سال دیگه مجبور میشیم در مدارس اون رو درس بدیم، چیزی که همه باید اون رو یاد بگیرن، لازمه زندگی!

برای کسب‌و‌کار ها البته علم داده و قدرت تحلیل داده به عنوان اهرم قدرت و پیشتازی در رقابت شناخته خواهد شد.(شاید الان هم شناخته بشه) شرکت‌ها کم کم باید علاوه بر بهینه سازی خط تولید و ساختار و شیوه فعالیت خودشون به کارشناس های داده و تحلیل‌گران داده فکر کنن. اینکه بتونن تشخیص بدن یک مشتری یا کارمند چه زمانی قراره جذبشون بشه یا ترکشون کنه، چطور هر دلاری که برای تبلیغات صرف میشه مفید باشه و صرف کنه و چطور از ابزار‌ها و منابع موجود به بهترین نحو استفاده بشه. همه ی این موارد در آینده نه چندان دور به علم یادگیری ماشین و تحلیل داده نیاز داره.

به طور خلاصه اگر بخوام بگم، برای اینکه بتونید در دهه آینده رقابت کنید و در رقابت زنده بمونید، باید به سرمایه‌گذاری در تکنولوژی‌های داده محور فکر کنید، علومی مثل تحلیل داده و یادگیری ماشین و اینترنت اشیاء.

من انتظار دارم که بیگ دیتا در دهه آینده همه گیر بشه. کسانی که الان روی اون سرمایه‌گذاری نمیکنن، عقب میمونن و کنار گذاشته میشن، ما در یک انقلاب صنعتی جدید هستیم که تحت هدایت الگوریتم‌ها و داده است. - تئودورسکو

منبع: دانشگاه کسب و کار هاروارد، مقاله ای از پروفسور Mike Teodorescu و خلاصه شده توسط Michael Blanding با عنوان Will Machine Learning Make You a Better Manager

ترجمه: طاها معینی