یادگیری زبان خارجی ویژه تورهای خارج از کشور

دپارتمان زبان خارجی پردیس فناوری کیش (کیش تِک) برگزار می نماید .

 

 

دوره های فشرده و سریع یادگیری زبان خارجی ویژه تورهای خارج از کشور با تاکید بر مکالمه تکنیکی در تمامی سطوح

انگلیسی ، اسپانیایی ، فرانسه ، عربی ، ترکیه ای ، آلمانی ، ایتالیایی 

تلفن تماس : 66176196-021

(یک هفته – 12 ساعت)

تلاش کنیم فرهنگ شود

پردیس فناوری کیش-طرح مشاوره تخصصی صنعت- گروه متخصصین کیش تک

تلاش کنیم فرهنگ شود !

چندان تفاوتی ندارد که زمینه فعالیت شما در عصر کنونی چیست ، آنچه دارای اهمیت بسیار است ، دانش و تجربه شما در کار و فعالیتی است که آن را انجام می دهید و این یعنی تخصص شما و حال با توجه به این توضیح باید گفت که شما می توانید در زمینه فعالیتی که دارای تجربه و تخصص هستید بدون اینکه از زمان مفید کاری خود بکاهید ، امکان ارائه و انتقال تجربیات و دانش خود را به صورت مشاوره و آموزش خواهید داشت مانند یک وکیل یا یک پزشک ، اما منظور ما دقیقا تخصص و تجربه شماست که مخاطب ما هستید ، شمایی که یک مکانیک ، جوشکار ، حسابدار ، مدیر ، مهندس راه و ساختمان ، کامپیوتر و یا بیمه و حتی مددکار و متخصص محیط زیست و کشاورزی و یا هر شغل و تخصص دیگری هستید، که امکان ارائه مشاوره را دارید .

شعار ما این است که ” هر فرد با هر تجربه ، دانش و تخصص یک مشاور است .“

ما امکان بهره گیری از تجربیات شما را در قالب مشاوره های حضوری و یا آنلاین همزمان فراهم می کنیم و به ازای هر ساعت مشاوره مبلغ تعیین شده را به حساب شما واریز می کنیم ، علاوه بر آن اگر توانایی برگزاری کارگاه های تخصصی را داشته باشید این فرصت را به شما می دهیم ، البته ناگفته پیداست که اغلب مشاوره ها به تعریف یک پروژه پر درآمد منتهی می شود، که این مورد هم از مزایای این طرح ملی می باشد. ،

حالا شما می توانید برای شروع با مراجعه به سایت مرکز مشاوره تخصصی صنعت IPCCE به نشانی اینترنتی kishindustry.ir قسمت فرم عضویت متخصصین، در عرض چند دقیقه عضو شوید و هم طرح را به صورت کاملتر مطالعه کنید .

یادآوری می کنم شما یک مشاور هستید حتی اگر تحصیلات عالی دانشگاهی نداشته باشید یا دانشجو باشید ، خودتان را باور کنید و به جمع مشاورین ما بپیوندید .

 

***

برای کسب اطلاعات بیشتر می توانید

با تلفن 02166176196 و یا تلگرام 09371463435 با ما در ارتباط باشید .

فرم جذب مشاورین متخصص
www.kishindustry.ir

نشانه‌های ریزش مشتری چیست و چگونه می‌توان از آن جلوگیری کرد.

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت_گروه مدیریت: نرخ ریزش مشتری در کسب‌وکارهای SaaS یا نرم‌افزار به‌عنوان خدمات بسیار حیاتی است و باید با تعیین معیارهای مناسب، مدام تحت بررسی قرار بگیرد.

پیدا کردن مشتری و فروختن محصول به آن‌ها کار راحتی نیست و از دست دادن هر یک از آن‌ها ضربه‌ی بزرگی به کسب‌وکار وارد خواهد کرد. مخصوصا در شرکت‌های نرم‌افزار به‌عنوان خدمات (SaaS) نرخ ریزش مشتری یا Churn تهدید بزرگی برای آن‌ها خواهد بود، به‌طوری‌که تفاوت بین مثبت و منفی بودن نرخ ریزش مشتری تفاوت بین موفقیت‌آمیز بودن یا نبودن کسب‌وکار را مشخص خواهد کرد.

نرخ ریزش یا رویگردانی مشتری، درصد مشتریانی است که طی یک دوره‌ی معین از دست رفته‌اند. نرخ ریزش مشتری برای تمام کسب‌وکارها مخصوصا کسب‌وکارهای SaaS بسیار مهم است به همین دلیل بهتر است صفر یا حتی منفی باشد. در مدل کسب‌وکار SaaS نرم‌افزار به‌صورت یک سرویس یا خدمت به کاربر عرضه می‌شود. در این مدل کاربران بسته به میزان استفاده‌ی خود از محصول هزینه پرداخت می‌کنند.

ضرب‌المثل «پیشگیری بهتر از درمان است» در تمام ابعاد زندگی از جمله پیش‌بینی ریزش مشتری کاربرد دارد و بهتر است پیش از دیر شدن با شاخص‌های مناسب سنجیده شود.

به علائم اولیه توجه کنید.

نرخ ریزش مشتری معمولا هنگام تمدید قرارداد قابل اندازه‌گیری است اما نشانه‌های آن از چند ماه قبل و در ۹۰ روز اول رابطه با مشتری قابل تشخیص است. سه موردی که باید همیشه در نظر داشته باشید عبارت‌اند از:

نحوه‌ی آشنایی با محصول: زمانی‌که صحبت از نرخ ریزش مشتری به میان می‌آید، ۹۰ روز اول بعد از خریداری محصول بسیار حیاتی هستند. رفتار مشتری و نحوه‌ی استفاده از محصول باید در این مدت به‌طور دقیق بررسی شوند. تعداد مجوزهای فروخته‌شده و همچنین افرادی که از محصول استفاده می‌کنند را تحت نظر داشته باشید. هر تفاوتی میان این دو عدد نشان‌دهنده‌ی مشکل بزرگی است. همچنین وظایف مشخصی را برای بهره‌گیری کاربران از محصول تعریف کنید، انجام نشدن وظایف نشانه‌ی خوبی نیست.

تعامل هر کاربر با محصول: علاوه‌بر بررسی نحوه‌ی آشنایی کاربر با محصول در ۹۰ روز نخست، به نحوه‌ی استفاده از محصول نیز دقت کنید. آیا کاربران به‌طور مرتب از محصول استفاده می‌کنند؟ آیا ویژگی‌های جدید و پیشرفته‌ی آن را با گذشت زمان پیدا می‌کنند؟ ماهیت تیکت‌هایی که برای پشتیانی استفاده می‌کنند چیست؟ سوالات آن‌ها مربوط‌به ویژگی‌های ابتدایی است یا ویژگی‌های پیشرفته‌ی محصول؟ آیا بعد از استفاده از ویژگی خاصی تعداد کاربران کاهش پیدا کرده است؟

وسعت استفاده از محصول در سازمان مشتری: یکی دیگر از مواردی که بعد از فروش محصول باید در نظر گرفته شود، ردپای استفاده از آن است. البته این موضوع به ماهیت نرم‌افزار بستگی دارد اما به‌طور کلی اگر می‌بینید تنها گروه مشخصی از کاربران با محصول تعامل می‌کنند، مخصوصا زمانی‌که محصول برای همه‌ی کارمندان خریداری شده باشد نشانه‌ی خوبی نیست. همچنین اگر عمق استفاده‌ی کاربران از محصول زیاد نباشد یعنی جای نگرانی وجود دارد.

دلایل ریزش مشتری را پیدا کرده و از آن‌ها جلوگیری کنید

چگونه می‌توان از بروز چنین اتفاقاتی جلوگیری کرد؟ زمانی‌که متوجه چنین واکنشی از سوی مشتری شدید، باید چه کاری انجام دهید؟ راه‌های جلوگیری از ریزش مشتری عبارت‌اند از:

ارزش‌ها را به‌طور واضح تعریف کنید: اینکه مشتری چگونه ارزش‌های کسب‌وکار شما را تعریف می‌کند و اینکه انجام چه کارهایی باعث تولید این ارزش‌ها می‌شود را مشخص کنید. برای تعیین ارزش‌ها می‌توانید از نحوه‌ی رفتار بهترین مشتری‌های خود و تشویق سایر مشتری‌ها به انجام آن استفاده کنید.

زمان ارزیابی را کاهش دهید: هنگام ارزیابی نحوه‌ی یادگیری مشتری‌های جدید خیلی مهم است که گزینه‌ی زمان را در نظر بگیرید. تعیین زمان مناسب برابر است با سرمایه‌گذاری عاقلانه در تجربه‌ی کاربری، ایمیل‌های آموزشی، راهنمایی‌های داخل برنامه‌ای و آموزش مشتری‌ها. برای انجام این کار از تیم فنی و بازاریابی کمک بگیرید و بهترین زمان برای فرایند یادگیری مشتری را مشخص کنید.

تهیه‌ی آموزش شخصی‌سازی‌شده: برای آموزش نحوه‌ی استفاده از محصول، نباید بیش از اندازه روی محصول تمرکز کرد بلکه باید هدف آن یعنی کمک به مشتری را در نظر گرفت. با سفارشی کردن مسیر یادگیری هر شخص باتوجه‌به سمت و دانشی که دارد، می‌توان نرخ ریزش مشتری را کاهش داد.

آموزش مشتری را به‌طور مرتب ادامه دهید: اگرچه ۹۰ روز اول استفاده از یک محصول بسیار مهم و حیاتی است اما تجربه‌ی کاربری بعد از گذشت یک سال به‌دلیل استخدام نیروی جدید یا تغییر سمت کارمندان به‌طور کامل تغییر می‌کند. بنابراین بهترین کار این است که مشتری‌ها را به‌طور پیوسته آموزش دهید. به‌عنوان مثال هر موقع کاربر جدیدی به سیستم اضافه شد آموزش استفاده از محصول را به‌طور خودکار برای او ارسال کنید.

تنها یک منبع قابل اطمینان داشته باشید: هنگام ارزیابی حساب کاربری مشتری، برای هر موردی که مهم به نظر می‌رسد امتیاز در نظر بگیرید. به‌عنوان مثال برای میزان استفاده از محصول، پذیرش آموزش از سوی مشتری، حجم تیکت‌های ارسال‌شده و وفاداری مشتری امتیاز تعیین کنید. سپس پیش از فروش محصول، افرادی که قصد استفاده از آن در یک سازمان را دارند مشخص کنید و داده‌های جمع‌آوری‌شده از اندازه‌گیری این معیارها را بسنجید.

دلایل ریزش مشتری را مشخص کنید: ریزش مشتری برای هر کسب‌وکاری اتفاق می‌افتد و اجتناب‌ناپذیر است. مهم‌ترین کاری که بعد از ترک هر مشتری باید انجام دهید این است که دلیل آن را مشخص کنید. برای این کار شرایط را با دقت تحلیل کنید و از داده‌های جمع‌آوری‌شده برای رشد سازمان خود به‌عنوان یک شرکت مشتری محور استفاده کنید. پیدا کردن دلایل ریزش مشتری و اصلاح کردن آن بهترین راه جلوگیری از این اتفاق در آینده است.

نرخ ریزش مشتری منفی، ایده‌آل است.

نرخ ریزش مشتری یک بازی بدون برد و باخت نیست. مهم‌ترین کار این است که جلوی آن را در همان مراحل ابتدایی عرضه‌ی محصول بگیرید. با تعیین معیارهای مناسب و نظرسنجی از همه‌ی اعضای تیم می‌توان نرخ ریزش مشتری برای یک کسب‌وکار نرم‌افزار به‌عنوان خدمات را به نرخ ایده‌آل یعنی منفی رساند.

تیم‌های کوچک بیشتر از تیم‌های بزرگ کارایی دارند

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه مدیریت:

پژوهشگران دانشگاه‌های نورث وسترن و شیکاگو معتقدند «سایز تیم» در ایده‌پردازی، نوآوری و تحقیق‌و‌توسعه، نقش بسیار مهمی بازی می‌کند.

دستاورد برندگان جایزه‌ی نوبل فیزیک ۲۰۱۷ که کشف بزرگ قرن ۲۱ نامیده شد، از دو سال قبل آغاز شده بود. سال ۲۰۱۵ پروژه‌ی رصدخانه موج گرانشی با تداخل‌سنج لیزری یا LIGO سرانجام هدف اصلی خود را کشف کرد: امواج گرانشی یا به بیان ساده، ارتعاشاتی که از برخورد دو سیاهچاله در بافت فضا و زمان ایجاد می‌شوند.

پژوهشگران آزمایش لایگو را از جهات مختلف توجه‌برانگیز می‌دانند و یکی از این زوایا، قدرت تیم‌ها در مواجهه با سخت‌ترین چالش‌های قرن ۲۱ است. طی سال‌های اخیر، یکی از بزرگ‌ترین تغییرات جهانی در بخش نوآوری، رشد تیم‌های بزرگ در تمام زمینه‌های تحقیق و توسعه بوده و نرخ پژوهشگران، کاشفان، مخترعان منفرد و همچنین تیم‌های کوچک، تا حد زیادی کاهش‌یافته است.

کاهش تعداد تیم‌های کوچک، نقش مهمی در سیاست‌های علمی و نوآوری ایفا می‌کند، زیرا تیم‌های بزرگ را موتورهای بهینه‌ی بزرگ‌ترین پیشرفت‌های آینده معرفی می‌کند؛ اما آیا تیم‌های بزرگ و کوچک، بسته به نوع نوآوری، متفاوت با یکدیگر عمل می‌کنند؟ این همان موضوعی است که داشون وانگ، استادیار دانشکده‌ی مدیریت Kellogg دانشگاه نورث وسترن و جیمز ای ایوانز، استاد جامعه‌شناسی دانشگاه شیکاگو، آن را در تحقیقات فوق دکترای پژوهشگری به نام لینگ‌فی وو مورد آزمون و بررسی قراردادند. آن‌ها میلیون‌ها مقاله، پتنت و پروژه‌های نرم‌افزاری را موردمطالعه قرار دادند و برخی از نتایج و دستاوردهای خود را در نشریه‌ی Nature، منتشر کردند و به‌طور خلاصه دریافتند که گرچه تیم‌های بزرگ، مهم‌ترین عامل پیشرفت و توسعه‌ی علوم به شمار می‌روند، ولی وجود تیم‌های کوچک برای تحول و ساختارشکنی ضروری است. نتایج تحقیقات یادشده، دلالت‌های بسیار مهمی در حوزه‌ی علم و نوآوری به همراه دارد.

مزیت و تأثیر تیم‌های بزرگ

در طول دهه‌ها تحقیق در مورد تیم‌ها و مشارکت‌ها، ثابت‌شده که تیم‌های بزرگ درزمینه‌ی تحقیق و توسعه و وظایف خلاقانه، مزایای فزاینده‌ای نسبت به تیم‌های کوچک دارند. این مزایا در صنایع و عرصه‌های مختلف، از مطالعات علمی گرفته تا نمایش‌های موسیقی برادوی، مستند شده است.

به‌ندرت می‌بینیم که اکتشافات و اختراعاتی که از سطوح بالای تأثیرگذاری برخوردار هستند، توسط یک دانشمند (یک فرد) کسب‌شده باشند. چنین دستاوردهایی غالباً از طرف شبکه‌های نوآورانی ارائه می‌شود که در تیم‌های بزرگ‌تر، متنوع‌تر و پیچیده‌تر با یکدیگر همکاری می‌کنند. این روند، می‌تواند به نتیجه‌ی مهمی اشاره کند: در مبحث تیم‌سازی، تیم بزرگ‌تر تیم بهتری است.

یکی از مهم‌ترین دلایل نیاز ما به تیم‌های بزرگ، این است که تیم‌های کوچک نمی‌توانند به برخی از دستاوردهای مطلوب برسند. به‌عنوان‌مثال، در آزمایش LIGO که جایزه‌ی نوبل را از آن خود کرد، دو پرتو لیزر بین دو تونل چهار کیلومتری (که در خلأ واقع‌شده بودند) شلیک شد. هدف آزمایش، کشف و آشکارسازی متغیری به سایز یک‌هزارم قطر پروتون بود. هزینه‌ی آزمایش لایگو، بیش از هر پروژه‌ی دیگری بود که تاکنون بنیاد ملی علوم بودجه‌ی آن را تقبل کرده است. جای تعجب نیست که در گزارش این تحقیقات، نام بیش از هزار محقق ثبت‌شده است.

شواهد دیگری نیز حاکی از آن هستند که تیم‌های بزرگ، برای کشف و اختراع بهینه‌سازی نشده‌اند؛ به‌عنوان‌مثال، تیم‌های بزرگ به‌احتمال بیشتری با مشکلات هماهنگی و اختلافات ارتباطی رو‌به‌رو می‌شوند؛ تصور کنید هر یک از اعضا، طبق یک روش یا فرضیه‌ی غیرمتعارف عمل می‌کند، یا مسیر خود را به‌قصد پیروی از یک رهبری جدید، تغییر می‌دهد. از طرف دیگر تیم‌های بزرگ ریسک‌گریز هستند، زیرا از آن‌ها انتظار می‌رود که جریان همیشگی موفقیت را ادامه دهند. تیم‌های بزرگ درست‌مانند سازمان‌های بزرگ، متمایل‌اند که روی بلیت‌های مطمئن‌تر (مثل بازارهای قدرتمند) متمرکز شوند. در مقابل تیم‌های کوچک، مثل شرکت‌های خصوصی کوچک، چیز کمتری برای از دست دادن دارند و به‌احتمال بیشتر، فرصت‌های جدید و نامطمئن را امتحان می‌کنند.

آیا ممکن است روایت‌هایی که صرفاً بر تیم‌های بزرگ تکیه می‌کنند، ناقص باشند؟ تحقیقات وانگ و ایوانز نشان می‌دهد که اندازه‌ی تیم، اساساً ماهیت کار و ظرفیت تولیدی یک تیم را تعیین می‌کند. به‌علاوه، تیم‌های کوچک از مزایای حیاتی خاصی بهره می‌برند که تیم‌های بزرگ از آن بی‌بهره‌اند.

تیم‌های بزرگ توسعه می‌دهند، تیم‌های کوچک متحول می‌کنند

پژوهشگران به‌منظور بررسی اثرات اندازه‌ی تیم، بیش از ۶۵ میلیون مقاله، پتنت و محصولات نرم‌افزاری را که بین سال‌های ۱۹۵۴ تا ۲۰۱۴ منتشرشده بود، مورد تجزیه‌وتحلیل قراردادند. آن‌ها کار تیم‌های بزرگ را با گروه‌های کوچک‌تر مقایسه کردند، با این توضیح که تیم کوچک، به‌عنوان تیمی معرفی شد که فقط از چهار یا پنج عضو تشکیل‌شده باشد. تحول و ساختارشکنی صنعت نیز با معیار دیگری سنجیده شد: اینکه یک کار مشخص، تا چه حد حوزه‌ی خود را به بی‌ثباتی دچار می‌کند. (پارامترهای معرفی‌شده در این تحقیقات به‌عنوان معیارهای خلاقانه‌ای شناخته شدند که راه را برای کارشناسان و تحقیقات بعدی هموار کردند.)

تجزیه‌وتحلیل‌های وانگ و ایوانز، به کشف یک الگوی تقریباً جهانی منجر شد: درحالی‌که تیم‌های بزرگ، در عرصه‌ی توسعه‌ی ایده‌ها و طرح‌های فعلی موفق بودند، همتایان کوچک‌تر آن‌ها، به‌احتمال بیشتری با ارائه‌ی ایده‌ها، اختراعات و فرصت‌های جدید، سبک تفکرات فعلی را متحول می‌کردند.

از زاویه‌ی دیگر، تیم‌های بزرگ در حل مسئله عالی عمل می‌کنند؛ درحالی‌که تیم‌های کوچک، به‌احتمال بیشتری مشکلات جدید را کشف می‌کنند تا تیم‌های بزرگ به حل آن‌ها بپردازند. اگر می‌خواهید ایده‌های مشهور یا ایده‌های گذشته را توسعه دهید، از تیم‌های بزرگ استفاده کنید. در عوض تیم‌های کوچک، از امکانات و ایده‌های مبهم پیشین، الهام می‌گیرند و از راهکارها یا روال‌های قدیمی فراتر می‌روند. تیم‌های بزرگ، مثل برخی از استودیوهای فیلم‌سازی هستند که روایت جدیدی خلق نمی‌کنند، بلکه ادامه‌ی یک فیلم یا داستان را در دست تولید می‌گیرند. به‌گفته‌ی محققان، زمانی‌که اندازه‌ی تیم از یک نفر به ۵۰ عضو رشد می‌کند، سطوح تحول و ساختارشکنی به‌شدت کاهش می‌یابد.

آزمون‌ها و توضیحات زیادی وجود دارند که در تقابل نتایج تحقیقات وانگ و ایوانز قرار می‌گیرند. به‌عنوان‌مثال می‌توان استدلال کرد که برخی از افراد خاص، فقط با تیم‌های کوچک یا فقط با تیم‌های بزرگ کار می‌کنند و این امر، خروجی هر تیم را تحت تأثیر قرار می‌دهد. اما زمانی‌که وانگ و ایوانز، شیوه‌ی کار یک فرد مشخص را در تیم کوچک و بزرگ مقایسه کردند، شاهد تفاوت‌های سیستماتیکی بودند که نتایج تحقیقات آن‌ها را تائید می‌کرد. نکته‌ی مهم دیگری که در تحقیقات فوق ثابت شد، این بود که تفاوت‌ بین تیم‌ها، ناشی از انواع موضوعات مختلفی نیست که تیم‌های بزرگ و کوچک روی آن کار می‌کنند. همه‌چیز به ‌اندازه یا سایز تیم بستگی داشت نه سطح کارآمدی اعضای تیم و نوع مشکلات.

پشتیبانی از تیم‌های کوچک

تحقیقات وانگ و ایوانز، چندین دلالت کلیدی به همراه داشت. به‌طورکلی، تیم‌های بزرگ، اهمیت خود را در زمینه‌های متعددی (مانند کارهای مقیاس‌پذیر مرتبط با پتنت‌ها، توسعه‌ی نرم‌افزار و نظیر آن) حفظ می‌کنند. اما اگر حمایت از کارکنان، صرفاً به تیم‌های بزرگ محدود شود، شکوفایی اکولوژی علم و فناوری و رشد ایده‌های نوآورانه نیز متوقف خواهد شد.

به مثال اول این مطلب برگردیم: گرچه پروژه‌ی لایگو (LIGO)، شاهکاری بود که هیچ تیم کوچکی نمی‌توانست آن را به دست آورد، اما برمبنای توسعه‌ی دقیق فرضیات سال‌های دور حاصل‌شده بود. درواقع لایگو براساس تئوری بسیار متحول‌کننده‌ی «نسبیت عام» ساخته شد که دقیقاً ۱۰۰ سال قبل ارائه‌شده بود. نوامبر سال ۱۹۱۵ یعنی زمانی‌که آکادمی علوم پروس با «مهم‌ترین کشف قرن بیست و یکم» آشنا شد، این تحقیقات فقط یک نویسنده داشت: آلبرت اینشتین. ایده‌ی امواج گرانشی و اندازه‌گیری آن‌ها، بخش علوم را به جلو هدایت می‌کند، اما نه به شیوه‌ای متفاوت. 

اغلب آژانس‌های سرمایه‌گذاری، باتوجه‌به مزایای ملموس تیم‌های بزرگ، حمایت از این تیم‌ها را ترجیح می‌دهند، حتی اگر طی‌های کوچک نیز به همان اندازه واجد شرایط باشند. اما اگر تیم‌های کوچکی که با معرفی راهکارها و مسیرهای جدید، تفکرات فعلی را متحول می‌کنند، موردحمایت قرار نگیرند چه می‌شود؟ این احتمال وجود دارد که نرخ نوآوری به‌عنوان موتور رشد اقتصادی، پایین بیاید. بدون تیم‌های کوچک، ما هرگز مشکلات جدیدی را کشف نمی‌کنیم که حل آن‌ها را به تیم‌های بزرگ بسپاریم، یا هرگز محصولات جدیدی نخواهیم داشت که تیم‌های بزرگ آن‌ها را توسعه دهند.

بنابراین ما برای انرژی‌بخشی و حیات بلندمدت نوآوری، ضرورتاً به هر دو نوع تیم نیاز داریم: درحالی‌که تیم‌های کوچک، نوآوری و تحولات ساختارشکن را ارائه می‌کنند، تیم‌های بزرگ‌تر نیز در توسعه‌ی وسیع ایده‌ها یا حوزه‌های خاص، نقش اساسی دارند.

همه‌ی مفاهیمی که در این مطلب مطرح شدند، در دنیای کسب‌وکار نیز مصداق دارند. در سال‌های اخیر، باور عمومی بر این بوده که اضافه کردن یک نفر یا سه عضو دیگر به تیم، همیشه انتخاب درستی است یا لااقل، آسیب خاصی به همراه ندارد. اما تحقیقات نشان می‌دهد که این حرف درست نیست. ساخت تیم‌های بزرگ‌تر یا گسترش مقیاس تیم، تمرکز و دستاورد اعضا را از راهکارهای تحول‌گرا، به راهکارهای توسعه‌گرا تغییر می‌دهد. گاهی اوقات پروژه‌های نوآورانه‌ای که می‌خواهند با اقدامات منحصربه‌فرد، یک صنعت را متحول کنند، باید اندازه‌ی تیم خود را کوچک‌تر کنند.

جف بزوس در نقل‌قول مشهوری گفته بود: «اگر نمی‌توانید یک تیم را با دو پیتزا سیر کنید، تیم شما بسیار بزرگ است.» بی‌شک ما برای حل مشکلات فزاینده و پیچیده‌ی جهانی، به تیم‌های بزرگ و چند رشته‌ای نیاز داریم. درعین‌حال به شرکت‌ها و تیم‌های کوچک‌تر هم نیاز داریم، زیرا آن‌ها با جستجوی دقیق امکانات فعلی، نوآوری‌های ساختارشکن سال‌های آتی را شناسایی می‌کنند. اگر می‌خواهیم عملکرد کلی صنایع و کسب‌وکارها را بهبود دهیم، باید اطمینان حاصل کنیم که انواع تیم‌ها، با هماهنگی و هارمونی متقابل کار می‌کنند. 

این مطلب را در یک جمله جمع‌بندی می‌کنیم: تیم‌های بزرگ‌تر، همیشه بهتر نیستند. شاید نخستین سؤالی که رهبران آینده‌ی کسب‌وکار باید به آن پاسخ دهند تا ظرفیت‌های شرکت‌های خود را قابل بهره‌برداری کنند، شناسایی اندازه‌ی مناسب تیم، بسته به نوع کار آن‌ها است.

روشی تازه برای تولید سوخت از زباله‌های پلاستیکی

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه محیط زیست:

پژوهشگران روشی جدیدی کشف کردند که می‌تواند ۲۵ درصد از زباله‌های پلاستیکی را به سوخت تبدیل کند.

کاهش مصرف و استفاده‌ی مجدد و بازیافت، این راهکارها کفایت نمی‌کنند. وقتی نوبت به بحران مواد زائدپلاستیکی می‌رسد، هنوز به‌دنبال راه‌هایی برای مسدودسازی این جریان هستیم. به‌زودی، ممکن است بتوانیم «تبدیل» (Rewind) را نیز به این فهرست اضافه کنیم. «تبدیل» روش جدیدی است که با استفاده از آن می‌توان پلی‌پروبلین، قسمتی از ضایعات پلاستیکی را به هیدروکربن مایع تبدیل کرد. این روش شاید راه‌حل نهایی نباشد؛ اما ایجاد سوخت از زباله باعث ایجاد انگیزه‌ی اقتصادی جدیدی برای کاهش رفتارهای نادرستمان دربرابر محیط‌زیست می‌شود.

شیمی‌دانان در دانشگاه پردو در ایالات متحده‌ی آمریکا، راه‌حل هوشمندانه‌ای برای تبدیل پلیمرها به مایع کشف کرده‌اند که تقریبا ۲۵ درصد از زباله‌های پلاستیکی را تشکیل می‌دهند. سپس، حاصل این کار را به‌ نوعی محصول شبیه به دیزل تبدیل می‌کنند که به‌عنوان مخلوط سوخت استفاده می‌شود. لیندا وانگ، مهندس شیمی، دراین‌باره می‌گوید:

فناوری تبدیل ما این ظرفیت را دارد که سود صنعت بازیافت را افزایش و میزان پسماند پلاستیکی را کاهش دهد.

روش آن‌ها به خصوصیت عجیبی از آب وابسته است. آب وقتی هم‌زمان هم فشرده و هم گرم می‌شود، می‌تواند به‌گونه‌ای رفتار کند که انگار در یک لحظه هم مایع است و هم گاز. این مرحله‌ی «فوق‌بحرانی» با رساندن دمای آب برای چندین ساعت به نزدیک ۵۰۰ درجه‌ی سلسیوس به‌دست می‌آید؛ در حالی‌که فشاری معادل ۲۳ مگاپاسکال به آن وارد می‌شود.

در این شکل، آب می‌تواند به‌عنوان ترکیبی از حلال و کاتالیزور عمل کند تا باردیگر شکل‌گیری مولکولی پلیمرهای پلاستیک را تغییر دهد و پلاستیک را با کمک اتم‌های هیدروژنی اهدا شده به مایعی از زنجیره‌های متوسط هیدروکربن تبدیل کند که «نفتا» نامیده می‌شود. این فرایند که «مایع‌سازی هیدروترمال» نامیده می‌شود، برای بسیاری از فرایند‌های دیگر مانند ارتقای نفت خام سنگین و حذف آلاینده‌ها از نفت استفاده شده است. این فرایند قبلا برای پلی‌اتلین استفاده شده بود؛ اما نتایج ناکافی و ناامیدکننده بود و درنتیجه، وانگ و گروهش را برآن داشت تا از آن برای مورد دیگری استفاده کنند.

آن‌ها توانستند بیش از ۹۰ درصد از پلی‌پروپیلن مدل را به محصولاتی مانند نفتای سوختی تبدیل کنند. ادامه‌ی بررسی‌ها نشان می‌دهد این فرایند به‌طور بالقوه از روش‌هایی مانند سوزاندن یا حتی بازیافت با محیط‌زیست سازگارتر و ازلحاظ مصرف انرژی کارآمدتر است.

تبدیل بسته‌های تراشه‌های قدیمی به سوخت فسیلی ممکن است قلب طرفداران محیط‌زیست را لبریز از شادی نکند؛ ولی خواسته‌ی ما برای نفت مایع ارزان می‌تواند باعث افزایش ارزش مواد پلاستیکی ناخواسته‌ای شود که درغیر این‌صورت به محیط‌زیست راه پیدا خواهند کرد.

وانگ معتقد است:

استراتژی ما ایجاد نیروی محرکه‌ای برای بازیافت یا تبدیل الیاف پلی‌اتیلن به طیف گسترده‌ای از محصولات باارزش شامل پلیمرها یا نفتا (ترکیبی از هیدروکربن‌ها) یا سوخت‌های پاک است.

نیروی محرکه‌ی فعلی برای بازیافت از زمانی سرد شده که چین دروازه‌های خود را روی زباله‌های جهان بسته است. درواقع، کمتر از ۲۰ درصد از پلاستیکی که استفاده می‌کنیم، برای تولید محصول جدید بازیافت می‌شود. این میزان کمی بیشتر از میزانی است که سوزانده می‌شود و ممکن است مانع از ورود میکروپلاستیک‌ها به اقیانوس‌ها شود؛ اما مسلما باعث انتشار گازهای گلخانه‌ای می‌شود.

وانگ گفت:

دفع زباله‌های پلاستیکی، چه ازطریق بازیافت و چه ازطریق دورریختن، به‌معنای پایان داستان نیست. این زباله‌های پلاستیکی به‌آرامی از بین می‌روند و میکروپلاستیک‌های سمّی و مواد شیمیایی را به آب‌ها و زمین وارد می‌کنند. این فاجعه است؛ زیرا به‌محض اینکه این آلودگی‌ها وارد اقیانوس‌ها شوند، هرگز قادر نخواهیم بود آن‌ها را کاملا از اقیانوس‌ها بازیابی کنیم.

تبدیل پلاستیک به محصولی مقرون‌به‌صرفه که آسیب‌های زیست‌محیطی مشابه‌ای به‌وجود نمی‌آورد، به سرمایه‌گذاری بیشتر در صنعت بازیافت می‌تواند منجر شود. همچنین، درحالی‌که این‌کار به تولید دی‌اکسیدکربن می‌انجامد؛ درعوض، از خفه‌شدن لاک‌پشت به‌وسیله‌ی زباله‌های پلاستیکی مانع می‌شود.

این موضوع ممکن است این‌طور به‌نظر برسد که ما تهدید جهانی را با دیگری مبادله می‌کنیم؛ اما در‌حال‌حاضر، دفن زباله‌های پلاستیکی در زمین نیز سهمی در ورود گازهای گلخانه‌ای به جوّ دارد. به‌عنوان منبع سوخت متمرکز، ممکن است حتی امیدی برای مدیریت و جذب این گازها وجود داشته باشد و شاید بتوان دوباره آن‌ها را به پلاستیک تبدیل کرد.

راه‌حل نهایی این خواهد بود که اعتیاد خود را به استفاده از پلاستیک‌ها کاملا با رد یا استفاده‌ی مجدد یا شاید جایگزینی این دسته از محصولات با محصولات جایگزین‌ بادوام و مقرون‌به‌صرفه از بین ببریم. در‌عین‌حال، هنوز با مشکل بزرگی مواجه هستیم که ممکن است دهه‌به‌دهه بزرگ‌تر ‌شود. تبدیل پلاستیک به سوخت ممکن است بهترین پاسخ برای حل این مشکل نباشد؛ اما این راه‌حل ممکن است به ما مسیر یافتن راه‌حل‌های بهتر را نشان دهد. این پژوهش در انتشارات انجمن شیمی آمریکا منتشر شده است.

افراد سالخورده بیشتر تحت تاثیر حباب رسانه‌های اجتماعی قرار می‌گیرند

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه خدمات اجتماعی:

نتایج پژوهش‌ها نشان می‌دهد که مشکل اخبار جعلی و گمراه‌کننده، همگام با افزایش سن افراد جامعه، بزرگ‌تر می‌شود.

 

مشکل انتشار اخبار گمراه‌کننده بسیار فراگیر و ریشه‌دار است. انتشار مکرر اخباری درمورد درز اطلاعات شخصی میلیون‌ها کاربر شبکه‌های اجتماعی مختلف و استفاده‌ی غیرقانونی برخی از شرکت‌ها از این اطلاعات موجب شده است که مردم نسبت‌به باوری که قبلا درمورد مقابله‌ی سیلیکون‌ولی دربرابر انتشار اخبار جعلی داشتند، دلسرد شوند. علت مرکزی بحث انتشار اطلاعات و اخبار گمراه‌کننده، مدل تجاری است که در قلب خود اینترنت جای گرفته است؛ یک مدل تجاری که دارای ویژگی‌های زیر است:

۱. ایجاد خدمات مبتنی بر وب مرزی- اعتیادی که دارای اثر شبکه‌ای هستند (اثر شبکه‌ای تاثیری است که مصرف‌کننده‌ی کالا یا خدمات بر ارزش آن دارد. وقتی اثر شبکه‌ای وجود دارد، ارزش یک محصول یا خدمت به تعداد مصرف‌کنندگان آن بستگی دارد).

۲. جمع‌آوری کنترل‌نشده‌ی اطلاعات شخصی ازطریق آن سرویس‌ها برای ایجاد پروفایل‌های رفتاری.

۳. توسعه و پیاده‌سازی الگوریتم‌های مبهم که با انتخاب محتواها ما را هدف تبلیغاتی قرار می‌دهند.

این اعمال ساده هستند؛ آن‌ها از استقلال فردی ما سوء‌استفاده کرده و به‌خوبی با پدیده‌ی «شناخت انگیزشی» جور در می‌آیند. براساس ایده‌ی شناخت انگیزشی، عملکرد افراد در زمینه‌ی درک، تعامل و عمل در محیط اطرافشان درجهت دستیابی به مطلوب‌ترین نتیجه برای خود آن‌ها، دچار اریبی است. این پدیده که در زمینه‌های اجتماعی مختلف آشکار می‌شود شامل غلو در زمینه‌ی ارزیابی خود برای صفات شخصیتی مثبت و گرایش به مصرف و صحه‌گذاشتن بر اطلاعات جدیدی است که با سیستم اعتقادی فرد سازگاری دارد.

در قلمرو دیجیتال، مسئله‌ی انتشار اطلاعات گمراه‌کننده توسط چیزی ایجاد می‌شود که می‌تواند فرم جدیدتری از شناخت انگیزشی محسوب شود: «حباب فیلتر رسانه‌های اجتماعی». پلتفرم‌های رسانه‌های اجتماعی برای این ساخته می‌شوند که براساس جمع‌آوری اطلاعاتی درمورد ما، محتواهایی را ترویج کنند که احتمال مشارکت ما در آن‌ها بالاترین حد باشد. همان‌طور که شناخت انگیزشی، ما را پشت این پلتفرم‌ها آنلاین نگه می‌دارد، ما به‌طور فزاینده درون حباب‌های فیلتر کشیده می‌شویم زیرا یک پلتفرم خاص تشخیص می‌دهد که ما چه نوع فردی هستیم؛ یک تماشاگر فوتبال یا اینکه یک فرد گوشه‌نشین. طراحان الگوریتم می‌خواهند تا وقتی می‌شود، ما را پشت پلتفرم آنلاین نگه دارند و آن‌ها می‌دانند برای انجام این کار باید محتواهایی را به ما نشان دهند که احتمال توافق ما با آن‌ها بیشترین حد باشد.

درک عواملی که موجب رشد این حباب‌ها می‌شوند، کلید درک نقش آن در کاهش درگیری بین افراد یا گروه‌هایی است که دیدگاه‌های مخالفی دارند. برای مثال، یک عامل بالقوه، احساس گزارش شده از تنهایی است؛ یک ناسازگاری درک شده بین عمق ارتباط اجتماعی که فرد انتظار دارد و چیزی که او حقیقتا تجربه می‌کند، همان که در همه‌ی گروه‌های سنی یافت می‌شود.

پیش‌بینی شده است که جمعیت افراد دارای سن ۶۰ و بالاتر تا سال ۲۰۵۰ به دو میلیارد برسد. از طرفی، نظرسنجی‌های اخیر نشان‌دهنده‌ی افزایش ناگهانی در شمار افراد مسنی است که از این پلتفرم‌ها استفاده می‌کنند. بر این اساس، ضروری است که ما درمورد نحوه‌ی مشارکت این افراد در این پلتفرم‌ها آگاهی بیشتری کسب کنیم و در عین حال بدانیم چگونه عوامل مختلفی که روی این بخش از جامعه تأثیرگذار هستند، مانند احساس تنهایی می‌توانند رفتار آنلاین آن‌ها را تحت‌تاثیر قرار دهند. براساس یک شاخص تنهایی و در یکنظرسنجی (در آمریکا) مشخص شد که ۳۶ درصد از افراد دارای سن ۶۹-۶۰ و ۲۴ درصد از افراد دارای سن ۷۰ و بالاتر تنها هستند. وقتی ما پیامدهای مضر تنهایی روی سلامت جسم و روان و مخصوصا تاثیرات آن روی عملکردهای شناختی را درنظر بگیریم، این وضعیت، وضعیتی هشداردهنده است.

پژوهشگران در یک مقاله‌ی مروری نشان دادند توانایی خودتنظیمی افراد تنها کمتر است، آن‌ها نسبت‌به تهدیدهای اجتماعی محیطشان حساس‌تر هستند و توجه بیشتری به محرک‌های اجتماعی منفی دارند. این مجموعه ویژگی‌ها که عمدتا درجهت جلوگیری از درگیری و به حداقل رساندن ناامیدی متمایل هستند، ممکن است موجب میل این افراد به منابع اطلاعاتی شود که منعکس‌کننده‌ی جهان‌بینی خودشان باشند.

شواهد اخیر نشان می‌دهند که درمقایسه با افراد جوان‌تر، افراد سالخورده‌تر، احتمال بیشتری وجود دارد که به انتشار اخبار جعلی بپردازند. همراه‌با رشد پیش‌بینی‌شده این بخش از جمعیت در دهه‌های پیش رو، ما باید درک خود را از عواملی که روی روش‌های تعامل افراد سالخورده با این پلتفرم‌ها تاثیر می‌گذارند، بیشتر کنیم و از نحوه‌ی تاثیر این پلتفرم‌ها روی عملکرد این افراد در جامعه آگاه شویم.

اکتشافات جدید هابل در مورد شرایط اقلیمی اورانوس و نپتون

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه نجوم:

براساس تصاویر دریافتی جدید از تلسکوپ فضایی هابل، الگوهای متغیر و جدیدی روی دو سیاره‌ی نپتون و اورانوس کشف شده است.

پژوهش‌های کمتری روی بخش خارجی منظومه‌ی شمسی انجام شده است، اما در هفته‌های گذشته پژوهشگرها به‌دنبال حل رازهای این دو سیاره‌ رفته‌اند. درست در روز سال نو، فضاپیمای نیوهرایزنز ناسا برای اولین‌بار با یک جرم یخی به نام اولتیما تول مواجه شد. ستاره‌شناس‌ها یک قمر ناشناخته‌ی دیگر را هم در اطراف نپتون کشف کردند کههیپوکمپ نامیده شد.

براساس تصاویر جدید تلسکوپ فضایی هابل، انواع الگوهای آب و هوایی را می‌توان در جو اورانوس و نپتون پیدا کرد؛ اما از این یافته‌ها چه نتیجه‌ای می‌توان گرفت؟

نپتون و اورانوس، غول‌های یخی منظومه‌ی شمسی هستند. برخلاف غول‌های گازی یعنی مشتری و زحل میزانهیدروژن و هلیوم در اورانوس و نپتون کمتر است؛ از سوی دیگر تراکم موادی مثل متان، آب و آمونیاک بیشتر است.

اورانوس تنها سیاره‌ی منظومه‌ی شمسی است که به‌دلیل انحراف محوری شدید، به پهلو می‌چرخد. تابستان در نیم‌کره‌ی شمالی اورانوس ۲۱ سال طول می‌کشد و نور خورشید در این مدت به‌صورت پیوسته بر قطب شمال این سیاره می‌تابد؛ درحالی‌که قطب جنوب سیاره در تاریکی مطلق قرار می‌گیرد.

گمان می‌رود دلیل انحراف محوری شدید اورانوس، برخورد با یک جرم بزرگ هم‌اندازه با زمین باشد که در اوایل شکل‌گیری این سیاره رخ‌ داده است. چنین برخوردی منجر به آزادسازی منابع عظیم گرما از این سیاره شده است و شکل‌گیری لایه‌ای از ذرات شد که نقش عایق را در این سیاره ایفا می‌کند (از خروج جریان گرمای داخلی این سیاره به فضا جلوگیری می‌کند).

از سوی دیگر نپتون هم که از چنین برخوردی جان سالم به در برده، از جریان گرمای داخلی برخوردار است. با اینکه اورانوس ۳۳ درصد به خورشید نزدیک‌تر است، هر دو سیاره دمای یکسانی دارند (تنها با چند درجه‌ی اختلاف).

شرایط آب‌وهوایی اورانوس

نبود جریان گرمای داخلی قابل‌توجه در اورانوس به‌معنی جو آرام‌تر اورانوس نسبت به جو نپتون است. در جو اورانوسی در زمستان، سردترین جو منظومه‌ی شمسی است. وقتی فضاپیمای وویجر ۲ در سال ۱۹۸۶ از اورانوس عبور کرد، این سیاره به شکل یک دیسک آبی یکنواخت بود. بااین‌حال دانشمندان متوجه شدند این دنیای به‌ظاهر مرده و سرد، جو به‌شدت پویایی دارد.

اما در تصاویر جدید دریافتی از تلسکوپ فضایی هابل، ابر سفید در قطب شمال این سیاره دیده شده که احتمالا ترکیبی از آمونیاک و یخ متان است. در لبه‌ی این سیستم ابری عظیم، یک ابر کوچک‌تر از یخ متان وجود دارد که دور لبه‌ی ابر بزرگ‌تر می‌چرخد. احتمالا این ساختارهای ابری، فصلی هستند و بر اثر تابش پیوسته‌ی نور خورشید به قطب شمال سیاره به وجود آمده‌اند.

دورتادور استوای اورانوس هم یک نوار باریک ابری وجود دارد (تصویر ذیل)، اگرچه علت باریکی این نوار ابری هنوز مشخص نیست. سرعت باد در اورانوس به‌شدت بالا است و به ۹۰۰ کیلومتر بر ساعت هم می‌رسد این سرعت می‌تواند ابرها را تا یک مسافت طولانی جابه‌جا کند. جو تمام سیاره‌ها از یک سیستم مدور عرضی جغرافیایی تشکیل شده است که نوار ابری را وارد عرض‌های جغرافیایی گسترده‌تر می‌کند. در نتیجه می‌توان گفت، علت باریکی ابرها وجود الگوهای چرخان یا عدم ثبات شیمیایی آن‌ها است.

اگر بتوان به بازدید از اورانوس پرداخت، سرعت باد در فشار جوی برابر با سطح زمین به ۲۵۰ متر بر ثانیه می‌رسد که سه برابر از طوفان نوع پنج زمین سریع‌تر است. دما در این بخش اورانوس به منفی ۲۰۰ درجه‌ی سانتی‌گراد می‌رسد پس لباس گرم به همراه داشته باشید!

آب‌وهوای نپتون

سرعت و شدت بادهای نپتون دو برابر بادها و طوفان‌های اورانوس است. سرعت بادهای فراصوتی نپتون به بیش از ۲۰۹۲ کیلومتر بر ساعت می‌رسد و این سیاره دارای سیستم‌های طوفانی متعدد است. مشهورترین ویژگی طوفانی این سیاره، لکه‌ی سیاه بزرگ است که در سال ۱۹۸۹ توسط کاوشگر وویجر ۲ ثبت شد. مساحت این طوفان عظیم برابر یا یک‌ششم اندازه‌ی زمین است.

طوفان سیاه بزرگ نپتون

در آخرین تصاویر هابل، یک سیستم طوفانی متفاوت نزدیک به قطب شمال این سیاره رویت شده است که با ابرهای روشن تشکیل‌شده از کریستال یخی متان، احاطه شده بودند. دلیل تیرگی بیشتر این لکه‌ها نسبت به نقاط اطراف این است که این لکه‌ها حفره‌ها یا روزنه‌هایی به لایه‌های عمیق‌تر جو نپتون هستند، درست مانند چشم طوفان زمین که مانند روزنه‌ای برای رصد سطح زمین عمل می‌کنند.

به نظر می‌رسد این سیستم‌های طوفانی غول‌آسا مانند طوفان‌های مشتری و زحل بر اثر جریان گرمای داخل سیاره به وجود آمده باشند که از زمان تولد آن یعنی در ۴.۵ میلیارد سال پیش باقی مانده است. بازهم در اینجا بازدید از نپتون به‌دلیل دمای مشابه اورانوس و البته سرعت باد دو برابر اورانوس، مشکل‌ساز می‌شود. درواقع نپتون بادی‌ترین سیاره در منظومه‌ی شمسی است.

غول‌های یخی متداول‌ترین انواع سیاره‌های خارجی هستند (سیاره‌هایی که به دور ستاره‌هایی غیر از خورشید می‌چرخند). با دستیابی به اطلاعات بیشتر در مورد اورانوس و نپتون می‌توان به درک بهتری از سیاره‌های خارجی در کل کیهان رسید.

البته، بازدید انسان از این سیاره‌ها می‌تواند برنامه‌ی ایده‌آلی باشد اما متأسفانه علاوه‌بر مشکل مسافت، دماهای بسیار پائین و طوفان‌ها و بادهای قوی شرایط را برای بازدید انسان نامساعد می‌سازند؛ بنابراین فعلا باید به مشاهدات تلسکوپی، مانند تلسکوپ هابل در مورد این غول‌های یخی بسنده کرد.

رو نمایی روسیه از پهپاد انتحاری خود

پردیس فناوری کیش-طرح مشاوره تخصصی صنعت- گروه خدمات عمومی:

روسیه جدیدترین پهپاد انتحاری خود را در نمایشگاه IBEX دبی رونمایی کرد.

به گزارش خبرآنلاین، پهپاد کامیکازه(انتحاری) موسوم به KYB ساخت کارخانه معروف اسلحه‌سازی کلاشنیکف است که سیستم‌های راداری را دور زده و بمبی به وزن 2.8 کیلوگرم را به خود بسته و با خوردن به هدف، منفجر می‌کند.

این پهپاد انتحاری قابلیت پرواز به مدت 30 دقیقه را با حداکثر سرعت 128 کیلومتر بر ساعت را دارد.سرگئی چیمیزوف رئیس گروه تسلیحاتی Rostec می‌گوید این سلاح بسیار دقیق و مؤثر بوده و سیستم‌های دفاع هوای سنتی قادر به زدن آن نبوده و هدف‌های پنهان را به‌راحتی می‌زند.

به گفته وی بدون در نظر گرفتن حوزه‌های مخفی، قادر به پرواز در ارتفاع پایین و بالا است.

عرضه هوش مصنوعیPlaNET به صورت متن باز توسط گوگل

پردیس فناوری کیش_طرح مشاوره تخصصی صنعت و مدیریت_گروه فناوری:

PlaNet نام هوش مصنوعی گوگل است که جهان اطراف خود را با مطالعه‌ی تصاویر شناسایی و درک می‌کند. گوگل، این برنامه را به‌صورت متن‌باز عرضه کرد.

یادگیری از طریق درک نتایج هوش مصنوعی، با نام Reinforcement Leraning شناخته می‌شود. این نوع از یادگیری با بهره‌گیری زمان، داده و قدرت پردازشی زیاد، یکی از بهترین روش‌ها برای بهبود فرایند تصمیم‌گیری کارگزارهای هوشمند است. البته، روش فوق همیشه هم کاربردی نیست؛ چرا که رویکردهای آموزشی بدون مدل خاص برای آموزش هوش مصنوعی، شاید به هفته‌ها زمان برای آموزش نیاز داشته باشند. آن نوع از آموزش، کارگزارها را به‌نوعی به کار می‌گیرد که رخدادها را به‌صورت مستقیم از مشاهدات دنیای اطراف پیش‌بینی کنند.

جایگزینی که برای روش بالا پیشنهاد می‌شود، آموزش هوش مصنوعی بر اساس مدل مشخص است. در آن روش، کارگزارهای هوش مصنوعی به مدلی از جهان پیرامون خود دست پیدا می‌کنند که بر اساس آن، رخدادهای آتی را پیش‌بینی خواهند کرد. البته، برای پیش‌بینی رخدادها در محیط‌های شناخته‌نشده، آن کارگزارها باید مدل‌های خود را بر اساس تجربه طراحی کنند. گوگل با همکاری deepmindمحصولی به‌نام Deep Planning Network یا PlaNET معرفی کرد که مدلی از دنیا را با نگاه کردن به ورودی‌های تصویری شکل می‌دهد و از آن برای برنامه‌ریزی‌های آتی استفاده می‌کند.

گوگل ادعا می‌کند محصول جدیدش در حوزه‌ی هوش مصنوعی، توانایی حل چالش‌های متنوع تصویری را دارد. هوش مصنوعی جدید، با دقت بالا عمل می‌کند و نسبت به نمونه‌های بدون مدل، پیشرفت‌های قابل توجهی داشته است. شایان ذکر است کد منبع PlaNET توسط گوگل در گیت‌هاب به اشتراک گذاشته شد.

دانیار هافنر یکی از مولفان مقاله‌ی مرتبط با معماری هوش مصنوعی جدید گوگل و از محققان کارآموز در بخش هوش مصنوعی آن شرکت است. او می‌گوید که PlaNET با بهره‌گیری از مدل‌های یادگیری دینامیکی از ورودی‌های تصویری کار کرده و از مدل‌های مذکور برای کسب تجربه‌های جدید، استفاده می‌کند. به‌علاوه، پلنت با استفاده از مدل دینامیکی پنهانی فعالیت می‌کند تا درکی از خصوصیات انتزاعی دنیای پیرامون خود همچون سرعت اجسام، به‌دست بیاورد. مدل مورد استفاده، وضعیت آینده‌ی داده‌های ورودی را پیش‌بینی کرده و تصویر و نتیجه‌ای برای درک آنها ایجاد می‌کند.

هوش مصنوعی پلنت، با مدل‌سازی پیش‌بینی رخدادهای پیش روی خود، فرایند یادگیری را انجام می‌دهد. به‌علاوه، برنامه‌ریزی این کارگزار هوشمند نیز با سرعت بالایی انجام می‌شود. به‌هرحال در فضاهای با متغیر پنهان، پلنت تنها به تصویرسازی نتایج آینده نیاز دارد و بدون بهره‌گیری از تصاویر، نتیجه‌ی یک رخداد را حدس می‌زند.

هوش مصنوعی پلنت برخلاف نمونه‌های قبلی، بدون نیاز به شبکه‌ای از سیاست‌گذاری‌های یادگیری، فعالیت می‌کند. درواقع، محصول جدید، فعالیت‌ها را بر اساس طراحی انتخاب می‌کند. به‌عنوان مثال، این کارگزار هوشمند می‌تواند تصور کند که موقعیت و فاصله‌ی یک توپ تا دروازه، بر اثر رخدادهای مختلف، چه تغییراتی می‌کند. همه‌ی این موارد، بدون نیاز به تصویرسازی انجام می‌شود. چنین قابلیتی، به پلنت امکان می‌دهد تا در هر بار انتخاب رویداد، ۱۰ هزار نتیجه‌ی عملکرد توسط آن بررسی شود.

گوگل می‌گوید در آزمایش‌هایی که روی PlaNET انجام شد، محصول جدید نسبت به نمونه‌های بدون مدل‌سازی همچون A3C و D4PG عملکرد بهتری از خود نشان داد. یکی از آزمایش‌ها، تحلیل حرکت رباتی بود که روی زمین نشسته و به‌مرور ایستادن و راه رفتن را می‌آموزد. وظیفه‌ی دیگر، توسعه‌ی مدلی بود که چند آینده‌ی احتمالی را پیش‌بینی کند.

وقتی کارگزار هوشمند PlaNET در محیط‌هایی تصادفی بدون دانستن وظیفه‌ی اصلی قرار گرفت، ۶ وظیفه را بدون مدل‌سازی و تنها پس از ۲ هزار بار تلاش یاد گرفت. انواع دیگر هوش مصنوعی که توانایی مدل‌سازی ندارند،‌ برای درک محیط‌های جدید نیاز به حدود ۵۰ برابر تلاش و سعی‌و‌خطای بیشتر دارند. هافنر و دیگر فعالان پروژه‌ی حاضر، اعتقاد دارند که با افزایش قدرت پردازشی می‌توان حتی مدل‌های پیچیده‌تری را نیز توسط PlaNET توسعه داد. او در پایان برای توضیح کامل‌تر PlaNET می‌گوید:

نتایج ما، نشان‌دهنده‌ی آینده‌ی روشن مدل‌های یادگیری دینامیک، در ساخت کارگزارهای هوشمند با روش‌های یادگیری نتیجه‌ای هستند. ما تحقیقات بیشتری انجام خواهیم داد که روی مدل‌های دقیق‌تر یادگیری دینامیک متمرکز هستند. به‌علاوه، وظایف سنگین‌تر مانند محیط‌های سه‌بعدی نیز در تحقیقات آتی به‌کار گرفته خواهند شد.

ما از نتایجی که استفاده از این نوع آموزش به‌همراه خواهد داشت، شگفت‌زده هستیم. به‌عنوان مثالی از آن نتایج می‌توان یادگیری چندوظیفه‌ای، برنامه‌ریزی سلسله‌مراتبی و کشف نتایج بر اساس تخمین‌های نامطمئن را بیان کرد.

فراخوان همکاری در همایش بین المللی نقش مشاوره در راهبرد مدیریت توسعه و رشد اقتصادی و صنعتی در ایران

با توجه به برگزاری همایش بین المللی نقش مشاوره در راهبرد مدیریت توسعه و رشد اقتصادی و صنعتی در ایران
در تاریخ 3 اردیبهشت که به عنوان مهمترین رویداد در عرصه مشاوره تخصصی در حوزه های متنوع دانشگاهی و صنعتی به صورت بین رشته ای می باشد،دبیرخانه این همایش از اساتید ،دانشجویان و عموم علاقه مندان جهت عضویت در کمیته های علمی و اجرایی همایش دعوت به همکاری می نماید،شایان ذکر است با توجه به عنوان و رویکرد همایش مذکور کلیه رشته ها و مقاطع تحصیلی امکان حضور و همکاری در این رویداد را دارند.
جهت کسب اطلاعات بیشتر به سایت  http://ipcce.ir/  مراجعه 
و یا با شماره تلفن:02166176196-02166493527 دبیرخانه همایش تماس حاصل نمایید.