استراتژی تحول دیجیتال غول‌ها از مسیر فناوری‌های شناختی

پلتفرم‌های توسعه (Development Platforms) و PaaS (پلتفرم به عنوان سرویس) ابزارهای فناوری‌های شناختی و تولیداتی نوآورانه هستند که شرکت‌های حوزه فناوری از آن‌ها در مسیر تحول کسب‌وکار خود، بیشترین بهره را برده‌اند. بطور ویژه، فناوری‌های شناختی در یک دهه گذشته کانون سرمایه‌گذاری و هدف‌گذاری شرکت‌های حوزه فناوری بوده‌اند.

 

پلتفرم‌های توسعه

منظور از پلتفرم در حالت کلی، سخت افزاری رایانه‌ای به همراه سیستم عامل الحاقیِ آن است. پلتفرم بستری برای همکاری و به اشتراک‌گذاری زیرساخت‌ها، نرم‌افزارها و هر ابزار فناورانه دیگری است که می‌تواند از طریق اینترنت، موجب تسهیل فعالیت‌های صنعتی یا اجتماعی سازمان‌ها و جوامع شود.
پلتفرم توسعه، مجموعه‌ای از استانداردها و ابزارهاست که به توسعه‌دهندگان امکان می‌دهد به‌ سرعت یک اپلیکیشن را بسازند، آزمایش کنند و توسعه دهند. در واقع، پلتفرم توسعه، پلتفرمی برای سازندگان نرم‌افزارها و کسانی است که ابزارهای مبتنی بر فناوری و اینترنت را توسعه می‌دهند. پلتفرم‌های توسعه اگر بدرستی طراحی شوند، می‌توانند کاتالیزورهای قدرتمندی در ایجاد همکاری در اکوسیستم غنی از منابع و اعضای فعال آن باشند. این بسترهای اینترنتی از اصلی‌ترین و البته ضروری‌ترین ابزارهای کنونی هستند که بیشترین کمک را به توسعه نرم‌افزارهای کسب‌وکاری می‌کنند.
بطور ویژه، پلتفرم‌های توسعه‌دهنده فناوری‌های شناختی به ‌سرعت در حال رشد هستند؛ هدف این پلتفرم‌ها ایجاد شبکه‌ای فعال و مشتاق از توسعه‌دهندگان و سازمان‌هایی است که به قدرت نرم‌افزاری این افراد نیاز دارند. در این شبکه، ابزارهای شناختی مانند یادگیری ماشین و بینایی ماشین از کاربردی‌ترین اهرم‌ها هستند.

 

پلتفرم‌های توسعه فناوری شناختی

پلتفرم فناوری RealSense از شرکت اینتل

RealSense یک پلتفرم توسعه فناوری و بسته توسعه نرم‌افزاری است که توسعه‌دهندگان را به ابزارها و منابع موردنیاز برای توسعه نرم‌افزارهای مبتنی بر فناوری شناختی، ارتباط می‌دهد. در هسته RealSense دو شرکت فناوری وجود دارند که اینتل در سال 1391 آن‌ها را خریداری کرده است:

1. Omek Interactive: یک شرکت فعال در حوزه بینایی ماشین و تعریف پلتفرم است که بر پایه داده‌های حاصل از دوربین‌های سه‌بعدی پایه‌گذاری شده‌اند.
2. Indisys: یک شرکت فعال در پردازش زبان طبیعی با پیش‌زمینه فعالیت در زبان‌شناسی محاسباتی، هوش مصنوعی، علوم شناختی و یادگیری ماشین است.

هدف اینتل، فراهم‌آوردن قدرتمندترین پلتفرم در محاسبات شناختی است. این پلتفرم تغییری همه‌گیر در ارتباط انسان و رایانه است که به توسعه‌دهندگان امکان می‌دهد تا فناوری‌های شناختی مانند ردیابی اثر انگشت، تجزیه و تحلیل چهره، تشخیص گفتار، تقسیم‌بندی پیش‌زمینه و مواردی از این دست را در برنامه‌های خود ادغام کنند.

CUDA و Digits2 از شرکت انویدیا

انویدیا (NVidia) یک شرکت فعال در تولید واحدهای پردازنده گرافیکی (GPUs) و نرم‌افزارهای مورد استفاده در صنعت بازی‌های رایانه‌ای است. این شرکت، سخت‌افزارها و نرم‌افزارهای متعددی را در حوزه فناوری‌های شناختی منتشر کرده است. بیشترین تمرکز و سرمایه‌گذاری این شرکت بر روی واحدهای پردازنده گرافیکی سریع‌تر و برپایه اصول یادگیری عمیق است.
در سال 1393، انویدیا ابزارهای توسعه فناوری‌های شناختی Digits2 و CUDA را معرفی کرد. Digits یک ابزار توسعه یادگیری عمیق تعاملی و مختص دانشمندان و محققات حوزه داده است که به‌منظور توسعه سریع و استقرار شبکه‌های عصبی عمیق بهینه‌سازی شده است. از طرفی، CUDA یک کتابخانه شتاب‌یافته از توابع اولیه، برای ایجاد و آموزش شبکه‌های بزرگ‌تر و پیچیده‌تر از شبکه‌های عصبی عمیق است.
در حوزه سخت‌افزار نیز، انویدیا در سال 1393 Tegra X1 را معرفی کرد که یک تراشه (Chip) مورد استفاده در گوشی‌های همراه است که قدرت پردازش یک ترافلاپی (واحد اندازه‌گیری قدرت پردازش) را داراست. در این تراشه‌ها، از اصول یادگیری عمیق و بینایی ماشین استفاده می‌شود.

 

جنگ ابرها: فناوری شناختی PaaS

PaaS (پلتفرم بعنوان سرویس) شیوه‌ای از ارائه خدمات فناوری ابر محور است که در آن، شرکت سومی پلتفرم نرم‌افزاری مختص طراحی اپ‌ها را در اختیار توسعه‌دهندگان اپ قرار می‌دهد.
آنچه تحت عنوان «مبارزه تسلیحاتی» در فناوری‌های شناختی یاد می‌شد، سال‌ها پیش و بین ابرشرکت‌های حوزه فناوری (گوگل، آمازون، مایکروسافت، آی‌بی‌ام، فیسبوک و اپل) در میدان سرمایه‌گذاری روی تحقیق و توسعه راهبردی شکل گرفت. اکنون، این جنگ به بازاری هزار میلیارد دلاری در حوزه فناوری‌های شناختی تبدیل شده که در خط مقدم آن، یادگیری ماشین مستقر شده است.

سرویس‌های وب آمازون (AWS) مبتنی بر یادگیری ماشین

آمازون از سال‌ها پیش خدماتی مانند زیرساخت بعنوان سرویس (IaaS) و نرم‌افزار بعنوان سرویس (SaaS) را ارائه می‌داده و یادگیری ماشین بعنوان سرویس (AWS) خدمتی بود که از بطن این دو استخراج شد.
بطور سنتی، ساخت اپلیکیشن‌ها (بخصوص انواع با کاربرد صنعتی مانند شبیه‌سازها و همزادهای دیجیتال) نیازمند داشتن تخصص در آموزش مدل با الگوریتم‌های یادگیری ماشین و دانش آمار و تحلیل داده بوده است. چنین نیازمندی‌هایی هم ارز با استفاده از نیرو و ساعت کار بسیار زیادی بودند. پلتفرم آمازون، گشایشی به کاهش پیچیدگی‌ها و انجام خودکار بخش‌های قابل‌توجهی از فرایند ساخت اپلیکیشن بود.
ارزش بازار AWS در سال 1401 به عدد باورنکردنی 65 میلیارد دلار رسیده است. همین عدد به‌تنهایی نشان از نفوذ سرویس‌های ابری در صنایع مختلف و آینده روشن فناوری‌های شناختی دارد. یکی از اصلی‌ترین خدمات AWS ارائه مدل‌های پیشگویی برای صنایع مختلف مانند صنایع نفت و گاز و معدن است.

پلتفرم یادگیری ماشین آژر از شرکت مایکروسافت

مایکروسافت نیز مانند آمازون، سرمایه‌گذاری کلانی روی فناوری‌های شناختی و مبتنی بر یادگیری ماشین کرده است. محصولی که قرار است این سرمایه‌گذاری‌ها را به بار بنشاند آژر (Azure) نام دارد. آژر، پلتفرمی چندوجهی است که به فرایندهای طراحی و تولید برنامه‌ها سرعت می‌بخشد و همکاری بین توسعه‌دهندگان برنامه‌ها را در مقیاس وسیعی ارتقا داده است.
در دومین گام برای تسخیر دنیای پلتفرم‌های ابری، مایکروسافت شرکت Revolution Analytics Inc را خرید. این پلتفرم منبع-باز مبتنی بر نرم‌افزار تحلیل آماری R است که قابلیت‌های تحلیل و داده‌کاوی عمیق‌تری به آژر داده است. با استفاده از پلتفرم مایکروسافت، برنامه‌های مختص مکان‌یابی (مانند گوگل ارث)، تحلیل آنی داده‌ها (مانند داده‌های حاصل از حسگرهای اینترنت اشیاء) و انواع دیگر، سریع‌تر، منعطف‌تر و بسیار ساده‌تر تولید و توسعه می‌یابند.
ارزش آژر 140 میلیارد دلار تخمین زده شده است. مهم‌ترین علت رشد روزافزون این پلتفرم ابری، قابلیت‌های بالا و در دسترس آن برای استفاده در تحول دیجیتال صنایع مختلف است. برای مثال، آژر به معدن‌کاران کمک می‌کند داده‌های تولیدشده در سراسر زنجیره ارزش خود را جمع‌آوری و مدیریت کنند و در موارد حیاتی مانند تصمیم‌گیری درباره تعمیر و نگهداری تجهیزات معدنی بکار بگیرند.
بطور کلی پلتفرم‌های ابری PaaS می‌توانند مزیت‌های زیر را به صنایع مختلف ارائه کنند:

• مقیاس‌پذیری؛ تخصیص منابع و توزیع محصولات با سرعت بالا و با استفاده از تعریف مدل‌های اختصاصی
• کاهش هزینه‌های سرمایه‌ای
• کاهش زمان تحویل محصول یا خدمات با تخصیص بموقع منابع به بخش‌های مختلف سازمان
• اجرایی کردن فرایندهای سلف-سرویس با کاهش هزینه‌های اداری
• کاهش نیازهای مهارتی
• پشتیبانی از همکاری و فعالیت‌های تیمی
• امکان اضافه‌کردن سریع کاربران جدید