انقلاب چهارم صنعتی : ظهور اقتصاد خودمختار – قسمت دوم

در قسمت اول به بررسی انقلاب های صنعتی گذشته و زمینه سازی های صورت گرفته برای وقوع انقلاب صنعتی چهارم پرداختیم. در این قسمت، با مفاهیم اینترنت اشیا، هوش مصنوعی و دفتر توزیع مشترک که اصلی ترین شاخه های انقلاب چهارم صنعتی هستند آشنا می شویم.

اینترنت اشیا ( IOT )

نتیجه عمده ی عصر دیجیتال ، تولیدات انبوه داده است. عقیده ای مشترک بین همه ی مردم است که داده را ” نفت جدید ” می دانند. دو طبقه بندی از داده ها وجود دارد : داده های عمومی و داده های خصوصی.

اینترنت بزرگترین و منحصر به فرد ترین چاه نفت داده های عمومی است. منحصر به فرد از این نظر که یک منبع بی انتها و روز افزون است. داده های خصوصی بیشتر در سرورهای خصوصی ، به ویژه در فضای ابری متمرکز است و حاوی اطلاعات حساسی است که مردم یا نمی خواهند آزادانه به اشتراک بگذارند یا نمی خواهند دیده شود. جای تعجب نیست که بزرگ ترین شرکت های دنیا، شرکت های داده محور مانند گوگل ، فیسبوک ، آمازون و بایدو هستند.

بیشتر داده های جمع آوری شده ، امروز از طریق استفاده از برنامه های کاربردی گرد آوری می شوند؛ مانند گوگل که جمع آوری داده ها را بر اساس نتایج جستجو انجام می دهد یا فیسبوک که داده ها را بر اساس پروفایل شبکه اجتماعی شخصی جمع آوری می کند یا حتی آمازون که جمع آوری داده ها را براساس خرید های آن ها انجام می دهد.

اساسا شرکت ها از برنامه هایی استفاده می کنند که مصرف کنندگان تمایل به استفاده از آن ها را دارند و سپس داده ها را براساس فعالیت خود ، جمع آوری می کنند. همچنین برنامه های منبع بازی وجود دارد هرکسی از جمله مالکان فروشگاه ، ورزشکاران یا افرادی که با پروژه های باز سروکار دارند ، داده های معیار را می توانند از این برنامه ها به دست آورند.

 برای رسیدن به هوشی قادر به قضاوت سریع مانند انسان ، باید به داده های زمان واقعی ( Real-Time ) دسترسی داشته باشید. تا همین اواخر، دسترسی به داده های زمان واقعی دشوار بود. اما امروزه به لطف برخی نوآوری های بزرگ در فناوری مانند انواع سنسور و محرک های پیشرفته ، این موضوع امکان پذیر گشته است. مانند سنسورهایی که دما ، مکان ، سرعت ، شتاب ، عمق ، فشار، سطح خون ، کیفیت هوا ، رنگ ، اسکن عکس ، اسکن صدا ، بیومتریک ، نیروی الکتریکی و نیروی مغناطیسی را اندازه گیری می کنند.

طبیعتا ، انسان ها نیاز به اندازه گیری چنین معیار هایی دارند. اما به دلیل تولید انواع سنسورها و محرک های ارزان قیمت و در عین حال دقیق ، این سرعت در حال افزایش است. آن ها نه تنها در محیط قرار می گیرند بلکه در ماشین آلات صنعتی و همچنین در داخل بدن یا روی بدن انسان به صورت گجت های پوشیدنی نیز قرار می گیرند.

اگر قرار است یک اقتصاد خودمختار وجود داشته باشد ، باید رودخانه ای از اطلاعات در زمان واقعی ، آن را تغذیه کند. تنها راه موثربودن عملکرد خودمختار، این است که بتواند با قضاوت مطمئن و به سرعت پاسخ دهد.

توانایی داشتن در نظارت بر جزئیات پیچیده در زمان واقعی ، تجهیزات آن و محیطی که در آن کارگران ( انسان یا ربات ) فعالیت می کنند در بسیاری سطوح می تواند تحول آفرین باشد؛ اما این امر ، هنوز به صورت عمده امکان پذیر نشده است.

اساساً همه چیزاعم از فیزکی یا غیر فیزیکی ، در حال تبدیل به صورت داده آنلاین در یک وب به هم پیوسته هستند که از این رو اینترنت اشیا نامیده می شود. در ادامه حواس انسانی هم ، شکل دیجیتالی به خود می گیرد. با این وجود ، داده های خام ، تنها به خوبی مکانیزم فیلترکردنی است که آن ها را تجزیه و تحلیل می کند. بدون تجزیه و تحلیل مناسب ، برنامه ها همانند حیواناتی هستند که از غریزه خود خارج شده اند. به همین دلیل ، هوش مصنوعی جزء مهمی از اتوماسیون است.

هوش مصنوعی ( AI )

اگرچه داده مانند سوخت مورد نیازبرای هوش است ، اما مغز هم مانند موتوری است که داده ها را می گیرد، آن ها را با داده های قدیمی مقایسه می کند، آن ها را دسته بندی ، قضاوت می کند، و در نهایت عملیات را در دنیای واقعی آغاز و بازخورد داده ها را ذخیره می کند.

مغز انسان ، قدری شگفت انگیز و قدرتمند است که هنوز هم برای دانشمندان یک رمز و راز باقی مانده است. مغز بخشی از بدن است که انسان را ، از بقیه ی موجودات در زمین ، متمایز می کند. در نتیجه، این عضو به عنوان یک فناوری پیچیده است که برای تسلط بر آن ، زمان قابل توجهی مورد نیاز است.

با این حال ، پیشرفت هایی در زمینه هوش مصنوعی آغاز شده است که به شرکت ها ، توانایی اجرای نرم افزار هایی را می دهد که به نوعی از هوش انسان تقلید می کند. به گفته ی آدلین ژو، یکی از پیشگامان در زمینه ی هوش مصنوعی ، هفت نوع هوش مصنوعی وجود دارد :

1. کنش : دستگاه هایی که بر اساس قوانین داده شده ، مانند ردیاب دود یا کروز کنترل عمل می کنند
2. پیش گویی : دستگاه هایی که قادر به تجزیه تحلیل داده و تولید پیش بینی های احتمالی براساس داده هستند؛ مانند تبلیغات هدفمند و محتوای پیشنهادی .
3. یادگیری : دستگاه هایی که براساس پیشگویی ها ، قادر به قضاوت هستند؛ مانند خودروهای خودران ، که براساس داده های حسگر تصمیم گیری و عمل می کنند.
4. خلق کردن : دستگاه هایی که به منظور تولید داده ، ساخته شده اند؛ مانند طراحی یک قطعه ی هنری ، معماری ساختمان یا نواختن موسیقی .
5. مرتبط سازی : دستگاه هایی که براساس تجزیه وتحلیل چهره ، متن ، صدا و زبان بدن ، احساسات را در می یابند؛ مانند برنامه های تبدیل صدا به متن و فناوری تشیخیص چهره .
6. تسلط : دستگاه ایی که اطلاعات را از طریق دامنه ها پردازش می کنند ؛ مانند تشخیص این که چهار تصویر مختلف ، همگی ایده یا کلمه ی یکسانی را نشان می دهند

۷٫ تکامل : دستگاه هایی که می توانند خود را از نظر نرم افزاری یا سخت افزاری، ارتقا دهند ؛ مانند انسان هایی که در آینده قادر خواهند بود تا هوش را در مغزشان مانند نرم افزار دانلود کنند

بحث اصلی تکامل در این مورد است که نرم افزار قادر به گرفتن داده هایی جدید است و می تواند آن ها را با پایگاه داده های غول پیکر اطلاعات ذخیره سازی شده مقایسه و پردازش کند. سپس قضاوت هایی انجام دهد که منجر به عکس العمل و دریافت بازخوردهایی می شود که می تواند در یادگیری از آن ها استفاده شود.

تمام این فرایند چیزی بیشتراز یک الگوریتم نرم افزاری نیست که هرچه داده های بیشتری می بیند بیشتر توسعه می یابد. جای تعجب نیست که هوش مصنوعی در حال حاضر به مرکز تمرکز اصلی گوگل تبدیل شده است.

اگرچه ممکن است اکثر مردم ، پخش آهنگ از پاندورا یا پیشنهاد فیلم در یوتیوب را به عنوان هوش مصنوعی قبول نداشته باشند، این دقیقا همان چیزی است که هوش مصنوعی ارائه می کند.

سرورهای یوتیوب ، پهنه ی وسیعی از فیلم ها را بر روی پلتفرم خود ارایه می دهد. کاربران ، برروی ویدیوهای که می خواهند تماشا کنند ، کلیک می کنند و در نهایت بازخورد های خود را بر جا می گذارند. مثلا وقتی امتیاز مثبت یا منفی به ویدیو می دهید یا فراداده ای را به طور غیر ارادی در مورد مدتی که ویدیو را تماشا کرده اید برجا می گذارید. حاصل این بازخورد ها ، برای به روز کردن الگوریتم های نرم افزاری استفاده می شود.

هوش مصنوعی همچنین می تواند فعالیت افراد و ارجاعات در داده های دیگر کاربران مانند ویدئوهای مشابه را دنبال کند و گزینه های بهتری را به کاربران ارائه دهد. این الگوریتم خود تکامل ، به طور موثر، براساس داده های ورودی تغییرمی کند. ازاین نوع هوش مصنوعی ، با عنوان یادگیری ماشین یاد می شود.

اکثر پیشرفت های اخیر به واسطه توسعه ی شبکه های عصبی مورد استفاده برای یادگیری عمیق ، حاصل شده است. شبکه های عصبی ، زیرمجموعه ی یادگیری ماشین است که بر الگوریتم های مدل سازی شده از مغز انسان ، تمرکز می کند. به خصوص ، در زمینه ی شناسایی الگو ها و طبقه بندی اطلاعات با مقایسه ی آن ها بر مبنای اطلاعات شناخته شده.

یادگیری عمیق ، نوعی شبکه ی عصبی است که دارای لایه هایی براساس مفاهیم مرتبط یا مجموعه ای از تصمیم گیری هاست. به طوری که پاسخ به یک سوال ، منجر به سوالات مرتبط عمیق تر می شود، تا زمانی که داده ها به درستی شناسایی شوند.

ایده ی اصلی طراحی این الگوریتم های نرم افزاری ، تصمیم گیری مبتنی بر داده به جای مداخله ی انسان است. نرم افزارها ، امروزه فعالیت های ساده را براساس ورودی ها انجام می دهند. اما نرم افزار هوش مصنوعی ، براساس توانایی خود در پذیرش مجموعه ی بسیار بیشتری از ورودی ها ، فعالیت هایی را درسرتاسر صنایع انجام می دهد و درعملیاتی که انجام می دهد تکامل می یابد.

نرم افزار هوش مصنوعی ، هوشی است که به صورت دیجیتال ، در پهنه ی عمومی وسیع تری ، به عنوان فناوری ارائه شده است. بیشتر مردم تنها ربات ها را به عنوان هوش مصنوعی می شناسند. در حالی که پیشرفت های جذابی در این زمینه وجود دارد. نرم افزار، کلید همه ی پیشرفت ها است، همانطور که بدن بدون سر امکان فعالیت ندارد.

در حال حاضر، صنایع بسیاری از نرم افزار های هوش مصنوعی ، برای افزایش بهره وری خط تولید خود استفاده می کنند. به عنوان مثال ، SAP HANA  یک پایگاه داده هوش مصنوعی است که قادر به دریافت تمام اطلاعات یک شرکت ، پردازش اطلاعات و تشخیص ناهنجاری هاست.

شرکت هایی مانند Walmart  از SAP HANA  استفاده می کند. زیرا می تواند سوابق معاملات پر حجم خود را با یک اشاره و درعرض چند ثانیه ، پردازش کند. تنها به علت کاهش نیروی های کاری که کارشان تطابق حساب ها در سیستم های مختلف است ، استفاده از این سیستم باعث صرفه جویی مالی می شود.

همچنین این سیستم خطا ها را قبل از وقوع آن ها تشخیص داده که منجر به پیگیری آن خطا ها توسط شرکت می شود. و همینطور به دلیل توانایی استفاده از داده های زمان واقعی مرجع با سیلوهای بزرگ داده های موجود ، به پیش بینی بودجه کمک می کند. منهای برخی نظارت های مدیریتی ، شرکت ها با این سیستم می توانند از پس فعالیت های داخلی خود بر آیند.

دولت ها همچنین ، از فناوری هوش مصنوعی ، برای بهبود شهر ها استفاده می کنند. به عنوان مثال ، سیستم حمل و نقل در شهر پیتسبورگ که در آن به جای اتکا بر چرخه های از پیش برنامه ریزی شده ، چراغ قرمز ها به سنسورهایی مجهز شده اند که ترافیک را کنترل می کنند و در زمان واقعی پاسخگو هستند تا جریان تردد را به حداکثر برسانند.

همچنین در این شهر بسیاری از خودرو های خودمختاری که در حال آزمایش هستند ، از سنسورهای تعبیه شده برای نظارت بر محیط و همچنین تغذیه ی داده های سنسورهای ترافیک ، برای عملکرد مستقل استفاده می کنند.

 با توجه به این که دریافت اطلاعات از یک کالا ، اکنون به لطف وجود داده های فراوان و الگوریتم های هوشمند ، امکان پذیر شده است ، آخرین مرحله ، ایجاد زیرساخت هایی برای برقراری ارتباط در زمان واقعی برای به حداقل رساندن اصطکاک و فرسودگی است. این زیرساخت جدید ، در واقع همان فناوری دفتر کل توزیع شده ( DLT ) است.

فناوری دفتر کل توزیع شده ( DLT )

هوش انسان ها بسیار شگفت انگیزاست، زیرا می توانند با یکدیگر همکاری کنند. به این معنی که مخزن اجتماعی دانش ، نتیجه ی ارتباط یک هوش با هوشی دیگر است. وجود مانع بین دو سیستم هوشمند ، سرعت رشد را کاهش می دهد، زیرا از ایجاد ارتباط جلوگیری می کند. هرچه ارتباطات بیشتری اتفاق بیفتد ، چیزهای هوشمند تری نیز ایجاد می شود. برای به حداکثر رساندن ارتباط در جامعه ، همه ی سیستم ها باید بتوانند به راحتی با یکدیگر تعامل داشته باشند تا داده ها و ارزش ها بتوانند بتوانند آزادانه در جامعه تبادل شوند. شالوده ایده آل برای یک اقتصاد خودمختار، به پایگاه داده نیازدارد. یک لایه پردازشی ؛ یک لایه ی معاملاتی و یک لایه ی اتصال که به همه ی سیستم ها امکان دریافت ورودی و ارسال خروجی به دیگر سیستم ها را بدهد.

برای این کار، اینترنت باید ایمن باشد ، در زمان واقعی کار کند و در صورت لزوم ، گزینه های مطمئنی را ارائه دهد. همچنین باید برای همه ی طرف های درگیر، رسید فراهم کند، با قانون همکاری کند و از ارزش آن ، به درستی کسب درآمد کند. سرانجام برای تسهیل تاثیرات شبکه ی مورد نیاز، برای حداکثراتصال ، باید بدون نیاز به مجوز و عمومی باشد.

پیش از هرچی، درک اصطلاح فناوری دفتر توزیع شده مهم است که یک اصطلاح کلی برای خانواده ای از فناوری ها در زمینه ی دفترهای توزیع شده ی مشترک و پایگاه داده های غیر متمرکز است.

بلاک چین و دیگر فناوری ها در زمینه ی دفتر توزیع مشترک ( DLT )

بلاک چین به عنوان شناخته شده ترین DLT ، یک لایه ی ذخیره سازی شده ی مشترک است که می تواند معاملات خود را پردازش کند و نتایج را در یک دفتر مشترک ، ذخیره سازی کند .

بلاک چین توسط یک شبکه ی توزیع شده از رایانه ها تامین می شود که همه از یک نرم افزار منبع باز استفاده می کنند. علاوه بر راه اندازی اولیه و نگهداری دوره ای توسط هر یک از اعضایی که یک برنامه جداگانه را اجرا می کنند، بلاک چین ، یک شبکه ی کاملا خودکار است که می تواند به اجماع کامل برسد. این در حالی است که هیچ جایی برای بازیگران مخرب باقی نمی ماند.

درواقع ، می تواند این گونه استدلال شود که بلاک چین به عنوان یک فناوری ، دارای بیشترین امنیت پایگاه داده در سراسر جهان است. برای یک بلاک چین عمومی ، هیچ نیازی به مرجع مرکزی نیست. هر کسی می تواند بدون واسطه از شبکه استفاده کند و برنامه هایی را روی آن ایجاد کند و معاملات از طریق ارتباط همتا ( P2P ) انجام شوند.

دقیقا مشابه نحوه ی اشاعه اینترنت برای انتقال داده به علت ماهیت بدون نیاز به مجوز آن، بلاک چین های عمومی می تواند به عنوان پایگاه داده ی غالب و رسانه ای مبادله ای ، برای اقتصاد انسان و ماشین ، یک انفجار شبکه ای داشته باشند.

 بلاک چین ها معمولاً از طریق توافق شبکه و این که چه کسی برای کمک به دستیابی به آن ، پاداش می گیرد متفاوت اند. انواع ساز و کار های اجماع بلاک چین ، مانند اثبات انجام کار در بیت کوین ( POW ) ، اثبات تفویض شده سهام ( DPoS )  در EOS ، تحمل خطا ی بیزانس ( DBFT ) تحمل تفویض شده خطای بیزانس ( PBFT ) در stellar و اثبات سهام ( POS ) ، که هنوز به طورکامل محقق نشده است، اما اتریوم در تلاش است تا در این حوزه اولین باشد.

همچنین بلاک چین های مجاز مانند IBM Hyperledger وجود دارد که فقط به افراد خاصی اجازه می دهد که از شبکه استفاده کنند؛ درست شبیه یک کنسرسیوم خصوصی. در مورد سودمند بودن بلاک چین های مجاز، درصورت مقیاس پذیری و اجازه ی حریم خصوصی شک و تردید زیادی وجود دارد. شبیه به بحث در مورد مقایسه اینترانت در مقابل اینترنت.

آن چه احتمالاً رخ خواهد داد این است که زنجیره های مجاز، مورد استفاده ی خاص خود را پیدا خواهند کرد. اما در نهایت ، بلاک چین های عمومی ، به شاهراه های اصلی اتصال برای انتقال ارزش در سرتاسر جهان تبدیل می شوند.

اشکال دیگری از DLT نیز وجود دارد که پیشنهاد هایی مشابه بلاک چین را ارائه می دهند. این اشکال شامل نمودارهای چرخشی مستقیم ( DAG ) مانند LTOA و NANO یا فناوری هایی مانند Hashgraph است که به جای توافق کامل شبکه ، از پروتکل های شایعات استفاده می کنند.

موضوع اصلی این است که همه ی پایگاه داده ها ، داده ها را در یک شبکه ی توزیع شده ی مشترک ، ذخیره و پردازش می کند، همان طور که استادان دارایی دیجیتال ، آن را به عنوان “منبع طلایی حقیقت ” بیان می کنند.

در قسمت بعد، با مفهوم قرارداد های هوشمند و آرکل ها آشنا شده و دیگر گرایشات مهم در این زمینه را بررسی خواهیم کرد.

بیشتر بخوانید :