اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: خدمات رایانش ابری و اتوماسیون

علیرغم  وجود مشکلات و چالش های سال 2020، باز هم فرصت بکارگیری هوش مصنوعی و خدمات رایانش ابری در حوزه‌های مختلف وجود داشت. به نظر سال 2021 می‌تواند شاهد رشد فزاینده این فناوری و استفاده هرچه بیشتر از گرایش‌های آن باشد. گرایش‌هایی که انتظار می‌رود بیشتر از همیشه مورد توجه قرار گیرند؛ خدمات رایانش ابری، افزایش بکارگیری پردازش زبان طبیعی، هوش مصنوعی و علوم داده، تحلیل محتوا توسط هوش مصنوعی، مدیریت داده‌های انباشته، پردازش کوانتومی و غیره هستند.

مجله Analytics India سالانه گزارشی درباره ترندهای هوش مصنوعی و علوم داده منتشر می‌کند و در آن به موارد جذابی که در آینده باید به آن‌ها توجه کرد، اشاره می‌کند. در گزارش این دوره، افراد برجسته حوزه هوش مصنوعی و علوم داده درباره ترندهای سال 2021 اظهار‌نظر کرده‌اند. هوشیو این گزارش را در 5 بخش تهیه کرده و در این مطلب بخش اول ارائه شده است. بخش‌های بعدی به زودی منتشر خواهند شد.

ابرها از تجزیه و تحلیل‌های کاربردی پشتیبانی می‌کنند

«خدمات رایانش ابری و محاسبات پیشرفته در استراتژی‌های مدیران اطلاعاتی اهمیت زیادی دارند؛ زیرا قرار است در زمینه مدیریت تیم‌های کسب‌و‌کار کمک کنند و در بالا بردن سرعت و ارائه راه‌حل بحران‌ها مفید باشند. مهندسان هوش مصنوعی ابری که می‌توانند مدل‌های هوش مصنوعی را در مقیاس ابری مستقر کرده و آن‌ها را با سیستم‌های فناوری اطلاعات ادغام کنند، با تقاضای قابل توجهی مواجه خواهند شد».

سریکانت ولاماکانی – موسس، مدیر اجرایی گروه و نایب رئیس Fractal Analytics

•  •  •  •  •

«برای فعال کردن یک نیروی دورکار قوی، سازمان‌ها به سرعت مطلوب برای استفاده از فناوری‌های جدید نیاز دارند. ایجاد زیرساخت جدید فناوری اطلاعات بر روی سیستم‌های قدیمی در مراکز داده دیگر راه‌حل مناسبی به نظر نمی‌رسد. در این شرایط خدمات رایانش ابری راهگشا خواهند بود. مهم است در شرایطی که با افزایش کارگران دورکار مواجه هستیم، امنیت را به عنوان نکته بنیادی برای استفاده از فناوری جدید، مورد توجه قرار دهیم».

روهیت سانهی – مدیر مهندسی سیستم  Juniper Networks India

•  •  •  •  •

«در روزهای آینده، تجزیه و تحلیل‌ها از طریق خدمات رایانش ابری خواهند بود. در حالی که تجزیه و تحلیل‌های غیربحرانی و دپارتمانی به ابر منتقل شده‌اند، سرمایه‌گذاری‌های فعلی موجب تسریع پروسه استفاده از ابر به عنوان نقطه اتکاء خواهند شد. این امر با انجام محاسبات لازم، تجزیه و تحلیل بدون سرور و جداسازی الاستیکی محاسبه تسهیل می‎شود».

مورالیدهار راماپای – مدیر اجرایی Maveric Systems

•  •  •  •  •

«تا سال 2022، خدمات رایانش ابری برای 90% نوآوری در داده‌ها و تجزیه و تحلیل‌ها، ضروری خواهند بود. رهبران تجزیه و تحلیل داده‌ها باید تمرکزشان را روی بهینه‌سازی قیمت‌ها و دیگر هزینه‌ها مانند تغییر و نوآوری مربوط به انتقال به ابر بگذارند و از فشارهای ناشی از این انتقال بکاهند».

نیشانت راتهی – مدیر و موسس NeoSOFT Technologies

•  •  •  •  •

«استفاده از خدمات رایانش ابری برای تجزیه و تحلیل و نه فقط با اهداف معاملاتی، باعث بهره‌وری بیشتر خواهد شد. در سال 2021 شاهد تنظیم مجدد ابر با افزایش حافظه و بهبود پهنای باند شبکه برای تسهیل تجزیه و تحلیل در دنیای واقعی خواهیم بود. پیش‌بینی می‌شود که استفاده از هوش مصنوعی مبتنی بر ابر بین سال‌های 2019 و 2023 تا  حدود 5 برابر افزایش یابد».

روهیت مانگلیک – موسس و مدیر EduGorilla

•  •  •  •  •

«با همه‌گیری کرونا، نیاز به یک اکوسیستم ابری بیش از پیش آشکار شده است. استفاده از خدمات رایانش ابری، مخصوصا یک ابر ترکیبی به شرکت‌ها این امکان را می‌دهد تا در مقابل رویدادهای غیرقابل پیش‌بینی، سازگاری بیشتری داشته باشند. همچنین از طریق نرم‌افزار اختصاصی، تلاقی ابرهای خصوصی و عمومی را ایجاد می‌کند تا تعاملات یکپارچه بین سرویس های مختلف را تسهیل کند. در این سال، ما چندین ارائه‌دهنده بزرگ ابر عمومی را مشاهده کردیم که در حال توسعه ابزارهایی برای ایجاد اتصال بی‌نظیر بین سرورهای داخلی و زیرساخت‌های ابر هستند. دلیل قدرتمندتر بودن یک ابر هیبریدی این است که به کسب‌و‌کارها کنترل بیشتری بر داده‌های خود می‌دهد و در عین حال باعث انعطاف‌پذیری بیشتر فعالیت‌های آن‌ها می‌شود».

سوهاله کاپور – موسس Absolutdata

•  •  •  •  •

«در ادامه جریانات سال 2020، شاهد افزایش استفاده از خدمات رایانش ابری ترکیبی خواهیم بود. در حالی که اکثر سازمان‌ها شرایط جدید دورکاری را پذیرفته‌اند، سازگاری با دفتر کارهای مجازی و ضبط‌های ابری مجازی برای کنفرانس‌ها، بیشتر خواهد شد. در واقع با طغیان داده‌ای که شرکت‌ها در سال 2020 شاهد آن بوده‌اند و در سال 2021 نیز ادامه خواهد داشت، اتخاذ یک مدل ابر ترکیبی برای تنظیم سیاست مدیریت داده ابری، یکی از تصمیم‌گیری‌های حیاتی سازندگان خواهد بود».

رانگاجاگانات – مدیر Agora

•  •  •  •  •

«انتظار می‎رود در سال 2021 شاهد افزایش استفاده از فناوری مخزن داده ابری ترکیبی باشیم. سازمان‌هایی که داده‌های خود را در چندین مخزن داده ابری ذخیره می‌کنند، موفق‌تر خواهند بود. بهتر است این ذخیره‎سازی توسط شرکت ارائه‌دهنده خدمات ابری‌ای باشد که امکان تعامل با آن‌ها وجود داشته باشد، حاضر به ارائه گزارش‌های تحلیلی متنوع درباره داده‌ها باشند، رابط کاربری بهینه‌شده داشته باشند تا ‌تحلیل کارامدتر باشد و در نتیجه در زمان و هزینه صرفه‌جویی شود و در نهایت خدماتش را بر اساس موارد مصرف خاص ارائه دهد».

آنکور شارما – رئیس بخش تجزیه و تحلیل Instamojo

•  •  •  •  •

«سازگاری ابرها چند برابر شده است. بخش‌های سنتی هند مانند مراقبت‌های بهداشتی، ساخت، آموزش و غیره، همچنین فناوری‌های مختلفی مانند فناوری هوش مصنوعی و علوم داده و یادگیری ماشین را برای دستیابی به کارایی عملیاتی ارزیابی می‌کنند. با افزایش مصرف، تولید هم افزایش می‌یابد و همچنین هزینه اشتراک ابر هم کاهش می‎یابد. این امر به سود استارتاپ‌ها و صنایع خواهد بود تا در گسترش فناوری اطلاعات خود موفق‌تر باشند».

ساچین وینگانکار – رئیس بخش ابر Web Werks Data Centers

•  •  •  •  •

اتوماسیون و ماشین‌های هوشمند، نقش‌های اساسی بر عهده خواهند داشت

«فناوری‌هایی مانند اتوماسیون پروسه رباتیک (RPA Robotic Process Automation) به خودکار کردن اقدامات کم‌ارزش، از جمله جمع‌آوری و پردازش داده‌ها، کمک می‌کند تا راهی سریع‌تر برای استفاده از داده‌ها برای تمرکز بر فعالیت‌های با ارزش مانند تجزیه‌و‌تحلیل و مدل‌سازی فراهم شود. نقاط داده‌ای مانند GST پایانه‌های POS ممکن است به منظور ارائه راهکار و فرصت‌هایی به سازمان‌های فین تک و کمک به تجزیه و تحلیل ریسک، کشف تقلب و در نتیجه ارائه توصیه‌های متناسب با منابع، تهیه شوند.

ماریون روسل – رئیس بخش علوم تصمیم‌گیری Capital Float

•  •  •  •  •

«اتوماسیون فرایندهای تجاری با توجه به شرایط منحصربه‌فردی که در سال 2020 پشت سر گذاشتیم، یک انگیزه فوق‌العاده‌ و بالاترین اولویت در لیست هر مدیری است. همچنین استفاده از اتوماسیون هوشمند پیشرفت متقابل شاهد فناوری‌های مختلف مانند عوامل مکالمه مجازی، موتورهای موجود مبتنی بر پردازش زبان طبیعی، بینایی ماشین توسط هوش مصنوعی پیشرفته و تنظیمات ربات در مقیاس بزرگ خواهد بود».

بیسواجیت بیسواس – دانشمند ارشد داده در Tata Elxsi

•  •  •  •  •

«تحقیقات ما نشان می‌دهد که 70.5٪ سازمان‌ها CX را مهم‌ترین عامل تحول دیجیتالی خود ذکر می‌دانند. پیش‌بینی می‌شود استفاده از چت‌بات‌ها و ربات‌های پردازش زبان طبیعی مبتنی بر هوش مصنوعی بیشتر شود و در نتیجه آن تعاملات اولیه کسب‌و‌کار با مشتریان بهبود خواهد یافت. اتوماسیون همچنین نقشی اساسی در ابتکارات مربوط به تجربه کارمندان خواهد داشت. در اینجا، ما می‌توانیم شاهد پیشرفت و افزایش استفاده از اتوماسیون فرآیند رباتیک، هوش مصنوعی و یادگیری ماشین باشیم».

کاستوب چاندرا – مدیر بخش مارکتینگ و فروش دیجیتالی شرکت هندی NTT Ltd

•  •  •  •  •

«اتوماسیون در سال 2021 اجتناب‌ناپذیر خواهد بود. هرچه سازمان‌های مهندسی بیشتری زیر‌ساخت‌های خود را به ابر منتقل کرده و معماری میکروسرویس‌ها را در پیش بگیرند، چالش بعدی که آن‌ها با آن روبه‌رو خواهند شد این است که نحوه مدیریت و همگام‌سازی با یک سیستم توزیع نشده و ناپایدار را کنترل کنند. از آنجایی که اتوماسیون در گذشته به عنوان ابزاری نوظهور دیده می شد، برای بقا در سال 2021 ضروری خواهد بود».

مایک تریا – رئیس پلتفرم Atlassian

•  •  •  •  •

«یکی از روندها، هوش مصنوعی دقیق‌تر خواهد بود. من فکر می‌کنم انسان‌ها در سلول اصلی خود تنبل هستند. ما می‌خواهیم زندگی خود را ساده و سریع‌تر کنیم و هوش مصنوعی و علوم داده مهم‌ترین عوامل ایجاد آن خواهند بود. ما در حال حاضر از هوش مصنوعی و علوم داده برای انجام بسیاری از کارها استفاده می‌کنیم و در آینده کارهای بیشتری هم انجام خواهیم داد. هوش مصنوعی فرایند غربالگری نامزدها، تعامل با کارمندان در پورتال شرکت و راهنمایی آن‌ها به پاسخ سوالات متداول، ساده‌سازی داده‌ها و ارائه اطلاعات مفید به کاربران و موارد دیگر را به صورت خودکار انجام می‌شود».

آنکیت کاشیاپ – موسس Vasitum

•  •  •  •  •

«استفاده از محصولات دیجیتالی در اطراف ما روز به روز بیشتر می‌شود. با این حال بسیاری از آن‌ها کاملا ایستا، غیرشخصی و غیرهوشمند هستند. هوش مصنوعی و علوم داده که در این محصولات جاسازی شده است، باید بعد از بازبینی در ساختار محصول و برنامه ریزی MVP1 درج شوند».

نیتین سارین – رئیس بخش تجزیه و تحلیل مشتریان در Wells Fargo

•  •  •  •  •

«نگهداری و حاکمیت داده‌ها عناصر اصلی معماری داده‌های یک شرکت هستند. این‌ها ابزارهای اتوماسیون هستند که به دانشمندان داده کمک می‌کنند تا راه‌حل‌های مربوط به مسائل داده را زودتر پیدا کنند. اخیراً یادگیری ماشین و هوش مصنوعی که امکان ایجاد ابزارهای جدید علوم داده را فراهم می‌کند، بیشتر مورد استفاده قرار می‌گیرند و این دو توانایی خودکارسازی انواع کارهای تکراری را دارند. به همین دلیل است که دوره‌های اتوماسیون انواع یادگیری ماشین مانند PyTorch  حدود 542%، TensorFlow حدود 458% و OpenCV حدود 300% رشد داشته‌اند».

اروین آناند – مدیر عامل Udemy India

•  •  •  •  •