۳ گام ساده برای انتخاب رمز عبور قوی
آذر ۲۹, ۱۳۹۶

نبرد اپل و گوگل بر سر فناوری‌های کپی‌ناپذیر

دیجیکالا مگ / یکی از جالب‌ترین نکات تکنولوژی این است که نوآوری‌ها خیلی سریع از گجت‌های گران‌قیمت به گجت‌های ارزان‌قیمت راه پیدا می‌کنند. البته سرقت ایده‌ها در بین شرکت‌های کوچک یا کپی‌برداری شرکت‌های بزرگ از شرکت‌های کوچک‌تر (مانند جریان فیسبوک و اسنپ‌چت) اتفاق چندان جالبی محسوب نمی‌شود. اما بهره بردن شرکت‌های کوچک و گجت‌های ارزان آن‌ها از نوآوری‌های اپل و گوگل خیلی هم خوب است. البته غول‌هایی مانند اپل و گوگل مانند ما فکر نمی‌کنند و با این قضیه مشکل دارند؛ به همین خاطر آن‌ها به‌سختی روی تکنیک‌ها و رویکردهایی کار می‌کنند که به این راحتی‌ها قابل کپی‌برداری نباشند.

کلیدواژه‌ی این روزهای دنیای تکنولوژی، عبارت یادگیری ماشینی است. همانند واقعیت افزوده و واقعیت مجازی، در مورد یادگیری ماشینی هم زمانی تصور می‌کردیم که به این زودی‌ها چشممان به آن نخواهد خورد. هرچند، در سال ۲۰۱۷ حضور یادگیری ماشینی را بیش از هر زمان دیگری می‌توانیم احساس کنیم. اصلی‌ترین چیزی که آیفون ۱۰ و گوشی پیکسل ۲ و ۲ ایکس‌ال را از باقی گوشی‌ها متمایز می‌کند، همین یادگیری ماشینی است. این همان چیزی است که موجب تمایز شرکت‌ها در امروز و آینده می‌شود و شرکت‌هایی که از این بابت عقب بیفتند، در آینده‌ی نزدیک از عرصه‌ی رقابت حذف می‌شوند.

یادگیری ماشینی چیزی نیست که بشود از آن کپی‌برداری کرد و امکان انجام مهندسی معکوس هم در آن وجود ندارد. برای این که شرکت‌ها از لحاظ یادگیری ماشینی به پای غول‌هایی همچون اپل و گوگل برسند، باید به اندازه‌ی آن‌ها از قدرت محاسباتی و داده‌های کاربران بهره ببرند (که احتمالا این‌گونه نیستند) و به اندازه‌ی آن‌ها سرمایه‌گذاری کرده باشند (که احتمالا چنین پولی را ندارد). اگر بخواهیم ساده‌تر بگوییم، برای شرکت‌های بزرگ یادگیری ماشینی همانند جام مقدس است که دست دیگر شرکت‌ها به راحتی به آن نمی‌رسد. پیشرفت یادگیری ماشینی ارتباط مستقیمی با تعداد کاربران و سرمایه‌گذاری عظیم شرکت‌ها دارد و علاوه بر این، به مرور زمان بهتر هم می‌شود. به همین خاطر، رقبای این شرکت‌ها باید به‌سختی تلاش کنند تا فقط در این عرصه باقی بمانند.

ما نمی‌گوییم که یادگیری ماشینی می‌تواند تمام مشکلات صنعت تکنولوژی را حل و فصل کند؛ نکته‌ی مهم این است که یادگیری ماشینی پایه و اساس برخی از ویژگی‌های متمایزکننده‌ی کلیدی است که از همین الان تولید آن‌ها شروع شده.

یادگیری ماشینی در دوربین گوگل پیکسل ۲

یکی از جذاب‌ترین کاربردهای فناوری یادگیری ماشینی در دوربین گوشی‌های پیکسل و پیکسل ۲ صورت گرفته است. دوربین این گوشی‌ها، به خصوص در محیط‌های کم نور، عملکرد فوق‌العاده‌ای دارند. گوگل با بهره بردن از نرم‌افزارهای خاصی موفق شده که فراتر از محدودیت‌های دوربین گوشی‌ها (مانند محدودیت در اندازه‌ی سنسور و لنز) عمل کند و توسعه‌ی چنین نرم‌افزارهایی به‌لطف الگوریتم‌های هوشمند و یادگیری ماشینی محقق شده است.

همان‌طور که از فناوری‌های مربوط به یادگیری ماشینی انتظار داریم، گوگل می‌گوید که دوربین این گوشی‌ها به‌مرور زمان بهتر هم می‌شوند. حتی اگر گوگل برای پیکسل ۲ از همان دوربین پیکسل استفاده می‌کرد، همین گذشت زمان به‌تنهایی موجب بهبود دوربین گوشی می‌شد. یکی از جذاب‌ترین مشخصه‌های یادگیری ماشینی، همین تاثیر گذشت زمان در بهبود نتیجه‌ی نهایی است. یکی از محققان گوگل در همین زمینه می‌گوید که دوربین گوشی‌های پیکسل مانند هر سیستم یادگیری ماشینی دیگری هستند؛ به این نحو که هرچقدر داده‌ی بیشتری به آن‌ها بدهید، نتیجه‌ی نهایی بهتر می‌شود. دو عامل حیاتی برای بهبود این دوربین‌ها، زمان و قدرت پردازش (هم درون گوشی و هم در سرورهای گوگل) است.

گوگل اسیستنت

در نمایشگاه CES امسال، یکی از خبرنگاران از مدیرعامل بخش گوشی هوآوی پرسید که آیا او تصمیم دارد در آمریکا سرویس دستیار صوتی هوآوی را راه بیندازد که او جواب داد: «دستیارهای صوتی گوگل و الکسا خیلی بهتر هستند، ما چگونه می‌توانیم با آن‌ها رقابت کنیم؟» همین جواب کوتاه و صریح چنین مقام بلندپایه‌ای نشان می‌دهد که رقابت با گوگل و آمازون در زمینه‌ی یادگیری ماشینی کار بسیار سختی است. هر دوی این شرکت‌ها بودجه‌ی هنگفتی را صرف پردازش زبان و تشخیص صدا کرده‌اند و حالا به جایی رسیده‌اند که یک شرکت بزرگ همچون هوآوی هم جرئت رقابت با آن‌ها را ندارد. موفقیت گوگل و آمازون، قدرت سرمایه‌گذاری بلندمدت در زمینه‌ی یادگیری ماشینی را نشان می‌دهد.

آیا گوگل اسیستنت یک ویژگی متمایز به حساب می‌آید؟ برای سخت‌افزار نه، چرا که گوگل می‌خواهد این دستیار هوشمند در انواع و اقسام گجت‌ها حضور داشته باشد. اما سرورهای گوگل اسیستنت همچون مجرایی هستند که کاربران را روانه‌ی بخش جستجوی گوگل و دیگر سرویس‌های این شرکت می‌کند و تمام این بخش‌ها تا حدی از یادگیری ماشینی بهره می‌برند. کاری که گوگل اسیستنت می‌کند این است که موجب افزایش نفوذ گوگل روی شرکای سخت‌افزاری‌اش می‌شود. نفوذ گوگل به حدی رسیده که سازندگان گوشی‌های اندرویدی دیگر به راحتی نمی‌توانند پلی استور یا این دستیار هوشمند را از گوشی‌هایشان حذف کنند.

فیس آی‌دی اپل

اپل هم بودجه‌ی زیادی را برای توسعه‌ی یادگیری ماشینی اختصاص داده و همین حالا هم این فناوری به بخش‌های زیادی از نرم‌افزار آیفون نفوذ کرده است. علاوه بر این، اپل چندی پیش از پلتفرم Core ML رونمایی کرد که به توسعه‌دهندگان اجازه می‌دهد از فناوری یادگیری ماشینی در اپلیکیشن‌هایشان استفاده کنند. اما چیزی که سر و صدای زیادی را در مورد یادگیری ماشینی اپل به راه انداخت، بریدگی ایجاد شده در قسمت فوقانی آیفون ۱۰ و تکنولوژی درون آن بود. اپل در این بریدگی انواع و اقسام سنسورها را تعبیه کرده (تقریبا چیزی شبیه کینکت مایکروسافت) و به‌لطف این سنسورها، مشخصه‌ی جدید فیس آی‌دی محقق شده است.

شاید چنین مشخصه‌ای طرفداران و منتقدان زیادی داشته باشد، اما دستاورد فنی چنین کاری را نمی‌توانیم نادیده بگیریم. تقریبا همه‌ی منتقدان عملکرد دقیق این مشخصه را تایید کرده‌اند. این سیستم آنقدر قدرتمند و دقیق هست که در تاریکی مطلق هم کار می‌کند و به‌لطف یادگیری ماشینی، خود را با توجه به تغییرات ایجاد شده در چهره‌ی کاربر تطبیق می‌دهد. اگر بهبودهای معمول ایجاد شده در آیفون ۱۰ را کنار بگذاریم، سیستم فیس آی‌دی مهم‌ترین مشخصه‌ی آیفون ۱۰ محسوب می‌شود؛ و جادوی این سیستم به‌لطف استفاده از فناوری یادگیری ماشینی ممکن شده است.

البته هنوز پیشرفت‌های یادگیری ماشینی به مرحله‌ای نرسیده که به عاملی مهم در فروش گوشی‌ها بدل شود. مشخصه‌ی فیس آی‌دی در اولویت اول خریداران آیفون ۱۰ نیست و این افراد بیشتر جذب طراحی پر زرق و برق این گوشی می‌شوند. هرچند بهترین دلیل برای خریدن گوشی پیکسل، دوربین آن است، اما آمار فروش این گوشی هم چندان بالا نیست. اما باید به این نکته اشاره کنیم که شرکت‌های بزرگ و کوچک سازنده‌ی گوشی‌ها باید از همین حالا روی توسعه‌ی یادگیری ماشینی تمرکز کنند تا در آینده‌ی نزدیک که این امر همه‌گیر می‌شود، از قافله عقب نیفتند. کمپانی‌های چینی شاید در زمینه‌ی سرعت تولید سخت‌افزارها بی‌رقیب باشند، اما این شرکت‌ها، به این راحتی‌ها نمی‌توانند حاصل چندین ماه تحقیق و توسعه در زمینه‌ی یادگیری ماشینی غول‌های تکنولوژی را کپی‌برداری کنند.

تراشه‌های هوش مصنوعی هوآوی و فاجعه‌ی بیکسبی سامسونگ

خارج از اپل و گوگل، شرکت هوآوی از جمله بزرگ‌ترین شرکت‌هایی محسوب می‌شود که در گجت‌هایش به استفاده از تراشه‌ی هوش مصنوعی و یادگیری ماشینی روی آورده است. تراشه‌ی گوشی میت ۱۰ هوآوی از «واحد پردازش عصبی» (NPU) بهره می‌برد که به قول هوآوی به این گوشی «هوش مصنوعی واقعی» اعطا کرده است. با وجود این که هوآوی در زمینه‌ی هوش مصنوعی در جهت درستی حرکت می‌کند، اما رویکرد این شرکت شباهت چندانی با اپل و گوگل ندارد. اپل و گوگل هر دو تلاش می‌کنند که یادگیری ماشینی را در قسمت‌هایی به کار بگیرند که برای کاربر محسوس باشد. اما هوآوی چنین رویکردی را اتخاذ نکرده و از یادگیری ماشینی برای بهبود عملکرد اندروید استفاده کرده است که تاثیر آن فقط در یک بازه‌ی زمانی طولانی مشخص می‌شود. چنین تلاشی در خور ستایش است، اما چنین رویکردی در مقایسه با ویژگی‌های پر زرق و برق گوشی‌های دیگر چندان به چشم نمی‌آید. هوآوی همچنین مدعی است که دوربین میت ۱۰ از هوش مصنوعی بهره می‌برد و می‌تواند به‌طور خودکار کیفیت عکس‌ها را افزایش دهد؛ هرچند در مقایسه با دوربین گوگل پیکسل حرف زیادی برای گفتن ندارد.

شرکت هوآوی این تصور را دارد که صرف حضور یادگیری ماشینی در گوشی برای کاربران کافی است، اما در این جا باید گفت که یادگیری ماشینی به‌تنهایی نمی‌تواند باعث فروش یک گجت شود، بلکه مشخصه‌های جذاب مبتنی بر یادگیری ماشینی می‌توانند چنین کاری را انجام دهند.

یکی دیگر از مثال‌های بارز استفاده از یادگیری ماشینی، توسعه‌ی دستیار صوتی بیکسبی توسط سامسونگ است. شاید اگر گوگل اسیستنت شتاب‌زده و بدون آمادگی و بدون داشتن داده‌های گسترده‌ی مفید ارائه می‌شد، شبیه به بیکسبی از آب در می‌آمد. متاسفانه، همه‌ی کمپانی‌ها در تلاش‌اند که از مواهب یادگیری ماشینی بهره‌مند شوند و به همین خاطر در سال آینده می‌توانیم انتظار انواع و اقسام بیکسبی‌ها را داشته باشیم.

وقتی که به آیفون ۱۰ نگاه می‌کنید، شاید بیش از هرچیزی جذب نمایشگر اولد زیبای آن شوید. این نمایشگر هرچقدر هم گران و خاص باشد، توسط سامسونگ ساخته شده است و در انحصار اپل نیست. اپل در طی این سال‌ها تلاش کرده در زمینه‌ی سخت‌افزار نوآوری‌های زیادی ایجاد کند؛ به طور مثال می‌توانیم به موتور «تپتیک» (Taptic) برای ایجاد بازخورد لمسی، «لمس سه‌بعدی» (۳D Touch) در نمایشگرهای آیفون و تاچ بار در جدیدترین مک‌بوک‌ها اشاره کنیم. اما تمام این نوآوری‌ها می‌توانند مهندسی معکوس شوند و کپی‌های آن توسط دیگران ساخته شود. در سال ۲۰۱۴، اپل تصمیم گرفت که برای تولید نمایشگرهایی از جنس یاقوت کبود مبلغ زیادی را سرمایه‌گذاری کند؛ اما این تلاش اپل به شکست انجامید و شرکت تحت قرارداد اپل هم ورشکست شد.

زمانی سازندگان گوشی‌های هوشمند خیالشان راحت بود که روند کپی‌برداری از نوآوری‌های سخت‌افزاری آن‌ها حداقل چند ماهی طول می‌کشد. اما دیگر چنین روزهایی به خاطره پیوسته است. هم‌اکنون در موقعیتی به سر می‌بریم که سازندگان گوشی‌ها برای متمایز کردن گجت‌هایشان، ناچارند که به سمت یادگیری ماشینی روی بیاورند. به نظر ما دوربین گوشی پیکسل آن چنان که باید و شاید مورد توجه قرار نگرفته و این عمدتا به دلیل ضعف گوگل در عرضه‌ی این گوشی بوده است. همچنین پیش‌بینی می‌کنیم که به‌زودی شاهد کپی‌های بی‌کیفیتی از فیس آی‌دی آیفون خواهیم بود. در سال‌های اخیر، مرز بین نوآورهای حقیقی و کپی‌بردارهای چابک هر روز کم‌رنگ‌تر از دیروز می‌شد؛ اما با اوج گرفتن فناوری یادگیری ماشینی، چنین مرزی دوباره در حال آشکار شدن است.

منبع: The Verge

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *