نخ و بازار!
ایشان این را هم گفتند که این نخ ثابت نیست. در طول زمان بالاتر می‌رود. چیز‌هایی بوده‌اند که زمانی باید برنامه‌نویس بهشان فکر میکرده و مسئله‌هایی که باید حلشان میکرده، اما حالا دیگر نه. مثلاً آن موقع (زمستان ۸۴) مثال سیستم‌های ذخیره‌سازی و فایلینگ را زدند که زمانی درسش در دانشگاه هم تدریس می‌شده (گرچه هنوز هم در بعضی دانشگاه‌ها میشود) اما الان دیگر تدریس نمی‌شود و رونقی ندارد. چرا؟ چون به قول ایشان: «منتقل شده به زیر نخ».
اما دو نکته خیلی مهم: اول اینکه تفاوت بین نرم‌افزارها، موفقیت یک سیستم و محبوبیت آن در برابر شکست دیگران را (تا حد بسیار زیادی) این فناوری‌های بالای نخ هستند که رقم می‌زنند. چرا؟ چون آنچه پایین نخ هست تقریباً جزء مشترک همه سیستم‌ها محسوب میشود. با فناوری‌های پایین نخ که معمولاً به طور آماده در اختیار برنامه‌نویس هست و کارش را تسهیل میکند نمی‌توان سیستم‌ها را از هم متمایز نمود.
و نکته دوم: هر چه این نخ بالاتر برود به نفع ما هوش مصنوعی خوانده هاست. چرا؟ چون بالا رفتن نخ یعنی توجه بیشتر به هوشمندی. یعنی آنچه تا بحال دست برنامه‌نویس را از توجه به جنبه‌های هوشمند نرم‌افزارش (مثلاً قرار دادن موتور جستجو، روش‌های نوین ورودی گرفتن مثل گفتار) باز می‌داشت حالا به زیر نخ منتقل شده یا اینکه خیلی راحت‌تر حل میشود. پس سیستم‌ها و نرم‌افزارها باید با جنبه‌های هوشمندشان با هم رقابت کنند.
حالا فکر کنم خیلی راحت‌تر میشود استدلال کرد که با تخصص‌های هوش مصنوعی هم امکان پیدا کردن شغل وجود دارد و آنچه دانشجوی هوش مصنوعی در دوره ارشد یاد میگیرد در بازار کار هم به دردش خواهد خورد.
به عنوان اولین نمونه دم دست به نرم‌افزار (اپلیکیشن) مترجم گوگل برای آندروید نگاه کنید. در نسخه‌های جدید، هم امکان تشخیص گفتار به آن اضافه شده هم تشخیص متون موجود در تصاویر و هم تشخیص متن دست‌نویس. و دقت همه‌شان هم در حد state-of-the-art خوب است. این یعنی به جز متخصص پردازش زبان طبیعی (برای انجام خود ترجمه) هم متخصص پردازش گقتار و هم پردازش تصویر و بینایی ماشین در توسعه آن نقش داشته‌اند.
حالا به چند نمونه دیگر، این بار از شرکت‌های نوپا (استارت‌آپ) که در این حوزه فعالیت میکنند توجه کنید:
- Vidinoti: روی واقعیت افزوده در گوشی‌های موبایل کار میکند. قلب کار، پردازش تصویر است و بازیابی سریع تصاویر و شناخت (recognition) مکان‌های قبلا دیده.
- Croppola: یک ایده خیلی ساده. عکستان را به ما بدهید تا بهترین برش (crop) را برای آن پیدا کنیم! اما با همین ایده شرکت زده‌اند و درآمد کسب میکنند.
- KeyLemon:
شرکتی تاسیس شده توسط گروهی از استادان و فارغ‌التحصیلان EPFL که کار بازشناسی چهره میکنند.
- Koemei: روی جستجو و بازیابی ویدئو در سرویس‌های ابری کار میکند.
- Klewel
: روی ضبط و پخش و streaming
ویدئو کار میکند.
- Prediggo: کمی غیر پردازش سیگنالی تر. خدمات Recommendation به سایت‌ها و شرکتها ارا‌ئه میدهد.
- Pix4D: روی پردازش عکسهای هوایی و ترکیب (Stitching) آنها با هم کار میکند.
این لیست را می‌توان نامحدود ادامه داد. در تمامی این شرکتها آنچه رخ داده این است که یک دانشجو، بعد از گرفتن مدرک دکترایش، با همکاری استاد راهنما و جذب سرمایه، شرکتی تاسیس کرده تا ایده تز دکترایش (یا موضوعی بسیار نزدیک به آن) را تجاری‌سازی کند. بعد از تاسیس، از بین فارغ‌التحصیلان قوی کارشناسی ارشد و کارشناسی که به همان مباحث آشنا باشند،نیرو گرفته و کار را پیش برده. حفظ ارتباط با استاد راهنما هم باعث میشود که بتوان مسئله‌های مبتلابه شرکت را به عنوان پروژه (ترمی، کاراموزی، فوق لیسانس، حتی برای شرکت‌های پا گرفته و عظیم تر تز دکترا) دانشگاهی تعریف کرد تا دانشجویان علاقمند روی آنها کار کنند و حقوق هم بگیرند. با همین پروژه ها می توان نیروهای مستعد بالقوه را شناسایی و نسبت به جذب آنها اقدام کرد. چرخ شرکت این‌گونه می چرخد و پا میگیرد و کسی هم ضرر نمی کند. برد-برد برای همه.
