پنج شنبه, 15 خرداد 1399
شناخت رفتار و هوشمندی

مساله شناخت و شکل‌گیـری فراینـدهای ذهنـی انسان در نقش کاربر یا مصرف‌کننده موضوعی جذاب است که مورد توجه محققان حوزه‌های مختلف خدمات و صنعت قرار گرفته است.

قابلیت پیش‌بینی و حدس رفتار انسان در موقعیت‌های مختلف می‌تواند موجب ایجاد مزیت‌هایی شود که بهره‌برداری از آنها به عنوان برگی برنده برای هر نام تجاری دارای اهمیت ویژه است. هوش مصنوعی به عنوان شاخه‌ای از علوم کامپیوتر به این موضوع می‌پردازد که ماشین‌ها تـا چـه انـدازه می‌توانند از رفتـار انسان نسخه‌برداری یـا آنهـا را شـبیه‌سـازی کننـد. بـر اسـاس چنـین رویکردی، پژوهشگران علوم کامپیوتر و هوش مصنوعی با استفاده از نظریه‌ها و روش‌هـای مطالعـاتی علـوم شناختی می‌توانند در جهت بهبود ایده‌ها و روش‌های نظری و عملی هوش مصـنوعی در شـبیه‌سـازی و پیاده‌سازی رفتارهای هوشمند گام بردارند.

رفتار مصرف‌کننده یکی از مهم‌ترین حوزه‌های مورد توجه هوش مصنوعی است که در دهه‌های اخیر مورد بحث و تحقیق قرارگرفته است. سازمان‌ها همیشه خواهان فهم نحوه تصمیم‌گیری مصرف‌کننده بوده‌اند تا بتوانند در طراحی محصولات و خدمات خود از آن استفاده کنند.

داشتن درک صحیح از مصرف‌کنندگان و فرایند مصرف، مزیت‌های متعددی در بر دارد. این مزیت‌ها شامل کمک به مدیران در جهت تصمیم‌گیری، تهیه یک مبنای شناختی از طریق تحلیل مصرف‌کنندگان، کمک به قانون‌گذاران و تنظیم‌کنندگان برای وضع قوانین مربوط به خریدوفروش کالا و خدمات و در نهایت کمک به مصرف‌کنندگان در تصمیم‌گیری بهتر است.

زمینه‌های متعددی را می‌توان نام برد که در آنها استفاده از هوش مصنوعی منجر به بهبود عملکرد کسب و کارها و بهبود شاخص‌های مورد نظر در صنایع و خدمات می‌شود. در حوزه‌های اقتصادی، کسب‌وکار و کارآفرینی نیز می‌توان روی هوش مصنوعی به ‌عنوان ابزاری قدرتمند برای تسهیل امور حساب کرد.

سیستم‌های توصیه‌گر

سیستم‌های توصیه‌گر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‌ترین گزینه (داده، اطلاعات، کالا و غیره) می‌کنند. در حقیقت سیستم توصیه‌گر در میان انبوه داده‌ها و رشد روزافزون اطلاعات با درکی درست از علاقه کاربر، اولویت‌ها و سابقه رفتاری او، پیشنهادهای مناسبی می‌دهد.

به لطف گسترش اینترنت و کاربرد روزافزون آن جامعه ما دستخوش تغییرات بسیار سریع شده است. دیگر نیاز به مراجعه حضوری برای خرید یک وسیله نیست، حتی می‌توان اقلام روزمره را هم از طریق فروشگاه‌های اینترنتی سفارش داد و در محل خود تحویل گرفت. اگر قصد آماده کردن یک ساندویچ را در خانه داشته باشید همین که سفارش نان باگت می‌دهید احتمالاً شاهد خواهید بود که یک سس با تخفیف مناسب هم به شما پیشنهاد می‌شود. اینکه کاربران با علاقه‌مندی‌های مشابه چه چیزهای دیگری سفارش داده‌اند، علاقه شما در سوابق خریدهای قبلی به یک نشان تجاری خاص که در سیستم‌های توصیه‌گر مورد تحلیل و پالایش قرار می‌گیرد، کمک می‌کند خریدی انجام دهید که هم از نظر قیمت و هم به لحاظ زمان در بهترین شرایط ممکن باشد.

البته این تنها کمک به شما نیست، از آن سو، فروشگاه اینترنتی هم با بررسی و پالایش سوابق خرید مشتریان خود درمی‌یابد که برای مثال بین خرید نوشابه، سس، نان باگت و ژامبون همبستگی وجود دارد؛ یعنی احتمالاً موجودی انبار این اقلام با همدیگر تمام خواهد شد پس برای حفظ رضایت مشتریان و البته صرفه‌جویی در هزینه‌های حمل‌ونقل و سفارش کالا و تامین موجودی انبار خود نیاز است که کمی هوشمندانه‌تر تصمیم بگیرد و اقلامی را که مشتریان با همدیگر سفارش می‌دهند از قبل تامین کند که هم جنسش جور باشد و هم حداقل هزینه را صرف هزینه حمل کند. این شاید کاربردی ساده حاصل از پالایش فاکتورهای خرید مشتریان یک فروشگاه آنلاین یا فیزیکی باشد که می‌تواند مزیت‌های اقتصادی و زمانی را برای مشتری و صاحب کسب و کار فراهم کند. باید توجه داشت اهمیت موضوع وقتی بیشتر می‌شود که این فروشگاه شعب زنجیره‌ای زیادی در سطح کشور داشته باشد و آن وقت دیگر حمل و نقل و لجستیک و تامین نیاز به اقلام مختلف بخشی مهم در زنجیره تامین آن خواهد بود. بدون ذکر نام خاصی باید گفت شبیه به این تجربه در فروشگاه‌های زنجیره‌ای مختلفی در ایران اجرا شده است.

خب حالا خود را در سایت یک کتابفروشی یا یک فروشگاه فیلم آنلاین تصور کنید احتمالاً با تحلیل کلماتی که جست‌وجو می‌کنید به سرعت ژانر مورد علاقه شما کشف می‌شود و بعد از گذشت چند ثانیه در نوار کناری سایت پیشنهادهای جذابی را مشاهده می‌کنید که دقیقاً مطابق سلیقه شماست، یک رمان جدید از نویسنده محبوب شما که اخیراً ترجمه شده یا فیلمی از کارگردانی که به او علاقه دارید. اینها همگی کاربردهایی از سیستم‌های توصیه‌گر هستند که بر مبنای الگوریتم‌های مبتنی بر کاربر، محتوا، دانش یا آیتم کار می‌کنند. نمونه‌ای از این سیستم‌های توصیه‌گر را سایت ریکامندر (recommender.ir) در حوزه‌های مختلف کسب‌وکار راه‌اندازی کرده است. ریکامندر به کمک هوش‌ مصنوعی و استفاده از کلان‌داده به تشکیل یک پروفایل کاربردی از تمامی کاربران می‌پردازد. سلیقه کاربران را بدون سوال‌ و جواب کشف کرده و آنها را به سمت آنچه می‌جویند راهنمایی می‌کند. به این ترتیب می‌توان انتظار داشت یک بازدیدکننده به مشتری تبدیل شود و وفاداری‌اش به خدمات و محصولات نیز افزایش یابد و در نتیجه فروش کسب‌وکار مورد نظر افزایش یابد.

ریکامندر تنها یکی از نمونه‌های موفق اجراشده در بخش سیستم‌های توصیه‌گر است که در ایران اجرا شده است و با یک جست‌وجوی ساده می‌توان نمونه‌های موفق دیگری هم را یافت.

ناگفته پیداست که نقش سیستم‌های توصیه‌گر در کشف علاقه‌مندی‌های کاربر می‌تواند مبنایی برای تبلیغات و بازاریابی هوشمند باشد پس دیگر جای تعجب نیست وقتی می‌بینید که با جست‌وجوی واژه‌ای خاص صندوق ایمیل شما پر از پیشنهادهای مرتبط با آن شود. این شیوه نیز یکی از نمونه‌های بازاریابی دیجیتالی است که امروزه توسط اکثر شرکت‌ها و کسب‌وکارهای موفق اجرا می‌شود.

هوش مصنوعی در حوزه‌های مختلف دیگری از جمله مدیریت منابع انسانی نیز کاربرد دارد. انتخاب بهترین فرد متقاضی فرصت شغلی ارائه‌شده در یک شرکت از میان چند هزار متقاضی آن شغل نیز می‌تواند کارکردی از هوش مصنوعی باشد که با پالایش شاخص‌ها و فاکتورهای کلیدی آن شغل از بین رزومه‌های ارسالی اتفاق افتد. به نظر می‌رسد شرکت‌های موفق نیازمند توجه جدی به جذب سرمایه‌های انسانی ارزشمند و حفظ و نگهداری آنها در بازار به عنوان یک مزیت رقابتی هستند.

ارائه خدمات بهینه به مشتریان و به بیان دیگر مدیریت ایده‌آل روابط مشتریان نیز از دیگر حوزه‌های کاربردی هوش مصنوعی است که باعث افزایش رضایت کاربران و مشتریان یک کسب‌وکار می‌شود. ارائه خدمات و پیشنهادهای متناسب با اولویت‌های کاربر ناشی از تحلیل سوابق رفتاری او می‌تواند علاوه بر رضایت مشتری او را به یک مبلغ برای آن کسب و کار تبدیل کند و موجب جذب مشتریان جدید دیگری شود.

مدیریت پرتفوی یا سبد سرمایه‌گذاری یکی دیگر از حوزه‌های کاربرد هوش مصنوعی در کسب‌وکار است که به‌ ویژه در شرکت‌های نوپا اهمیت خاصی دارد. روبات‌هایی که بر مبنای هوش مصنوعی برنامه‌ریزی شده‌اند می‌توانند با دریافت حجم کمی داده به شما در مدیریت سرمایه کسب و کارتان کمک کنند و در حقیقت نقش مشاور مالی شما را ایفا کنند.

روبات‌های مشاور با استفاده از الگوریتم‌های خاص فعالیت می‌کنند که مطابق با اهداف تعیین‌شده از سوی سرمایه‌گذار، طراحی می‌شوند. در طراحی الگوریتم‌های این روبات‌ها به درجه ریسک‌پذیری سرمایه‌گذار توجه شده است. راب برگر، ستون‌نویس مجله فوربس، در خصوص سودمندی استفاده از این مشاوران مجازی می‌گوید: «روبات‌های مشاور، سرمایه‌گذاری را به کاری ساده تبدیل کرده‌اند.»

هوش مصنوعی و رفتار کاربر در بازارهای مالی

بازارهای مالی به ویژه بورس از جمله حوزه‌هایی است که اخیراً‌ هوش مصنوعی در آن راه پیدا کرده است و شرکت‌های بزرگ حوزه بازارهای سهام و ارز از این ابزار برای تجزیه و تحلیل داده‌ها استفاده می‌کنند. با استفاده از هوش مصنوعی و بخش‌ها و ابزارهای مهم آن مانند «یادگیری ماشین» (Machine Learning) و یادگیری عمیق (Deep Learning) می‌تواند میلیون‌ها داده‌ بهنگام را که به صورت آنی اتفاق می‌افتد، تجمیع کند و بسیاری از همبستگی‌ها را که با روش سنتی نمی‌توان به دست آورد، با استفاده از هوش مصنوعی به راحتی طبقه‌بندی و استنتاج کرد.

در بورس ایران که در حال حاضر یکی از بازارهای جذاب و مورد اقبال سرمایه‌گذاران است نیز می‌توان از قابلیت‌های هوش مصنوعی استفاده کرد. انتخاب یک سهام در بازار سرمایه نیاز به تجزیه و تحلیل دقیق و زیادی دارد که این کار را هوش مصنوعی انجام می‌دهد. در حقیقت رفتار کاربر و استراتژی‌های کاربردی بورس و ابزار پیش‌بینی آن با جمع‌آوری داده‌ها و رصد اخبار می‌تواند سهم ایده‌آل را معرفی و اهداف صعودی و نزولی آن برای سرمایه‌گذاری را معرفی کند. الو بورس (aloboorse.com) حاصل کار یکی از شرکت‌های نوپای ایرانی در همین بخش است که با استفاده از ۵۱۲ استراتژی مبنایی بازار بورس اقدام به تحلیل بیش از ۵۰۰ سهم بازار بورس و اوراق بهادار ایران کرده و علاوه بر حفظ سرمایه سهامداران در گام اول که اهمیت مبنایی دارد کسب سودهای معقول از این بازار را امکان پذیر کرده است. نباید فراموش کرد که این فناوری نیز از میزان دقت و صحت خاصی برخوردار است و هرچه ابزار آن تکامل یابد قطعاً می‌توان انتظار نتایج بهتر و دقیق‌تری از آن را داشت اما به هر حال یک پیشگویی کامل و بی‌نقص را نمی‌توان به صورت کامل انتظار داشت و همواره درصدی از خطا را باید در پیش‌بینی‌های این حوزه لحاظ کرد.

اکنون معامله‌گران، کانال‌های کسب اخبار متعددی دارند که از طریق آنها می‌توانند داده‌های سهام مورد نظر خود را پایش کنند اما استخراج اطلاعات از این داده‌های ساختارنیافته بسیار با اهمیت است و به همین دلیل این فناوری جدید اهمیتی روزافزون برای معامله‌گران پیدا کرده است. این روند حتی برای وال‌استریت نیز یک فناوری جدید به شمار می‌رود چرا‌که آنها هم هنوز هم در این فرایند متکی به روش سنتی انسان‌محور هستند. با استفاده از علوم هوش مصنوعی از جمله یادگیری ماشین و یادگیری عمیق یا سلسله‌ مراتبی می‌توان اطلاعات مربوط به این داده‌های ساختاربندی نشده را ساختاربندی کرد و دیدگاه‌های راهنمای بسیاری را برای معامله‌گران فراهم کرد که پیش از این ممکن نبود.

نتایج حاصل از به‌کارگیری هوش مصنوعی که همگی از تحلیل و پالایش رفتار کاربر، مشتری، مصرف‌کننده یا هر عنوان دیگر ناشی می‌شود، اهمیت ویژه‌ای در جهان رقابتی امروز دارد و قطعاً کسب و کارها و در بعد کلان‌تر آن کشورهایی را که برای بهره‌مندی از آن برنامه‌ریزی می‌کنند باید برندگان دنیای امروز و فردا دانست.

شاید تعبیر پوتین رئیس‌جمهوری روسیه در خصوص هوش مصنوعی بتواند به درک درستی از اهمیت ویژه سرمایه‌گذاری و پرورش نیروی انسانی متخصص در این حوزه کمک کند. پوتین می‌گوید: کشوری که سردمدار هوش مصنوعی باشد، رهبری دنیا را در دست خواهد داشت.

منبع: peivast

0 دیدگاه

یک نظر ارسال کنید