فیوتاک: فصل دوم اپیزود بیستم

هوش مصنوعی در میدان عمل

در این اپیزود ارغوان میرشکار میزبان علی منصور، مدیر سابق تیم هوش مصنوعی دیجی‌کالا و رضا فهمی، مدیر رشد محصول دیجی‌کالاست.

در این اپیزود؛ ارغوان میرشکار میزبان علی منصور، مدیر سابق تیم هوش مصنوعی دیجی‌کالا و رضا فهمی، مدیر رشد محصول دیجی‌کالاست.

معرفی

این گفتگو با حمایت ویژه دبیرخانه برنامه ملی آینده نگاری علم و فناوری ایران و همراهی مجموعه ویکست و انجمن مدیریت فناوری و نوآوری ایران و با تهیه‌کنندگی صابر خسروی تهیه و تولید شده است.

علاوه بر نسخه صوتی، می‌توانید نسخه تصویری این گفتگو را نیز در یوتیوب و آپارات بشنوید.

ویدئو
پادکست
متن گفتگو

ارغوان میرشکار: سلام ارغوان میرشکار هستم اینجا فیوچر تاک و اومدیم در مورد آینده و فناوری های آینده صحبت کنیم تو این قسمت ما د تا مهمان داریم بر حسب اتفاق حالا توضیح میدن مهمانم که چی شد چرا این اتفاق افتاد و معرفیشون من میسپارم به عهده خودشون به خاطر اینکه تایتل های خیلی سختی دارن برای گفتن خیلی خوش اومدید

علی منصور: ممنونم سپاسگزارم از شما خیلی خوشحالم که در خدمتتون هستم علی منصور هستم پروداکت لید اسبق هوش مصنوعی تیم دیجی‌کالا تیم در حقیقت پروداکت دیجی‌کالا و اینکه الان به عنوان مشاور با شرکتهای مختلفی همکاری می‌کنن و الان هم در یک استارتاپ فین تکی انگلیسی مشغول به کار هستم و قبلا هم سابق همکاری با رضا جان رو داشتم که حالا رضا خودشو معرفی بکنه و خیلی خوشحالم که اینجا با رضا در حقیقت داریم برنامه رو صحبت می‌کنیم در مورد مسائل مربوط به ایی

رضا فهمی: سلام به مخاطبین و شما منم رضا فهمی هستم هد پروداکت روس دیجی‌کالا در مورد اینکه الان با همدیگه داریم ضبط می‌کنیم م به نظر من ایده باحالی شد یعنی اصلا قرار نبود که هر کدوم قرار بود اپیزودی جداگونه داشته باشیم ولی دیدیم که هم من با علی همکاری خیلی باحالی داشتیم قبلاً با هم زیاد دیالوگ می‌کردیم به نظرم جذاب میومد و اینکه علی هم از دنیای پروداکت میاد منم شاید بکگراند فنی بیشتر داشته باشم گفتیم شاید ترکیب این دو تا خیلی غنی‌تر بشه جذاب‌تر بشه

علی منصور: ما یه پلاتی هم در این مورد مثلاً قبلاً فکر کرده بودیم یعنی دوست داشتیم که همیشه یه پادکستی رو با همدیگه داشته باشیم که به صورت خیلی اتفاقی حالا امروز خودتون دیگه در جری هستیم به خاطر اون داستان تغییر تو تایم برنامه اینجوری شد که من الان پیش رضا باشم و در مورد قض صحبت بکنیم

ارغوان میرشکار: خیلی هم عالیه مطمئنم که برنامه جذابی میشه حالا داشتیم صحبت می‌کردیم که با این عوض شدن برنامه چه تایتل رو انتخاب کنیم که راجع بهش صحبت کنیم اتفاق نظر داشتیم که یعنی گفتید که بیاین بگیم ای آی چت جی‌پی‌تی نیست خب ایی وقتی تجربتی نیست پس چیه

علی منصور: ببینید نکتهی که وجود داره اینه که وقتی در مورد ایی صحبت می‌کنیم همه الان اولین چیزی که به نظرشون میاد اینه که چت جی‌پی‌تی خب بریم مثلاً بر فرض یه چت باد بنویسیم شروع کنیم ازش استفاده کردن جزی اآ تصویر نمی‌دونم ریالی استیک درست بکنیم نمی‌دونم به کاستومر جواب بدیم در حالی که

گوینده نامشخص: صدای اینو بذاریم رو اون

علی منصور: آره صدا رو عوض بکنیم مرحوم هایده رو بنده خدا رو زابرا بکنیم ه ولی نکتهای که وجود داره اینه که خب این ایی یک تکنولوژی که از قبل هم بوده حالا اینکه ما الان ال ام ها در حقیقت دارن خیلی بلد میشن قطعا یک اتفاق و یک انقلاب هست ولی همه ایی این نبوده و قبلا هم ای بوده و این اتفاق باعث شده که در حقیقت ما یه جورایی توی تایم لاینی که برای ای آی وجود داره داریم اسکیپ می‌کنیم یک سری مراحل رو یعنی ما از اون کلان دادههای که وجود داشته از اون بیگ دیتایی که وجود داشته ما استفاده بهنه نکردیم خیلی جاها توی شرکت‌ها اصلاً گدر نشده جمع نشده اون دیتا بعد رو اون دیتای تحلیل انجام نشده و ما از مزایای اینکه خیلی هم بزرگ هست و اصلاً چیز کوچیکی نیست

علی منصور: که حالا تو صحبتمون احتمالاً اشاره می‌کنیم رضا جان خیلی می‌تونه اشاره بکنه بالاخص ما اینو در حقیقت داریم میس می‌کنیم و بعد الان چون که یه تب و تابی وجود داره اینکه از چت جی‌پی‌تی استفاده بکنیم و نگاه می‌کنیم می‌بینیم خب آمازون داره استفاده می‌کنه شاپیفای داره استفاده می‌کنه و ما هم اینجوری میش مییم خب ماهم پس باید استفاده بکنیم در حالی که ما قدم اولش رو اول باید درست برداریم و اینکه اگر می‌خوایم از اینجا هم بریم جلو و اگر داریم این استپ داریم میس می‌کنیم اگر داریم یه قدم جهشی میخونیم میریم باید بدونیم که کانسر نمون چیه اگر من دم از چت جی‌پی‌تی استفاده می‌کنم اینکه مثلاً یک مدل بلک باکس باشه اینکه اینترپل نباشه قابل تفسیر نباشه ریزالت و نتایجی که داره به ما ارائه میده خودش می‌تونه کلی دردسر واسه ما

علی منصور: ایجاد بکنه و دیدن این جوانب ماجرا باعث میشه که من به شخصه یه ذره رویکرد انتقادی پیدا می‌کنم به داستان که بگم که در حقیقت اآ چت جی‌پی‌تی نیست ای آی صداگذاری روی عوض کردن صداها نیست ای تصویر تولید کردن نیست کما اینکه اینها هم هست یعنی اینها می‌تونه استفاده بشه قطع به یقین الان پرفورمنس فقط اینا نیست پرفورمنس خیلی می‌تونه افزایش بده من حقیقتش حالا سعی می‌کنم یه مقدار کوتاهتر بگم این تیکه رو ولی اشاره جالبه که بهش بکنیم که الان بازار کار خیلی داره متأثر میشه یعنی الان شما در شرکتهای خارجی لیفهای سنگین می‌بینین تهدید نیروهای سنگین می‌بینید که بخش بزرگش به خاطر ایی نه لزوما اینکه حالا مثلا نیرو حجمش کم بشه تغییر در حقیقت سهمیه بندی نیروهاست یعنی نیروها دارن در حقی شما می‌بینید که مثلاً ۱۰ هزار نفر تعدیل میشن

علی منصور: باز دوباره ۱۰ هزار نفر جذب میشن ولی اون ۱۰ هزار نفره داره با یه دینامیک جدیدی اضافه میشه به سیستم داره با یک ترکیب بندی جدید اضافه میشه و خب این نشون میده که داره اون پشت اتفاقاتی میفته تو پرفورمنس تو لوجستیک توی مارکتینگ توی کانتنت همه اینا دارن تغییر می‌کنن ولی ما میچسبیم به یک ظواهر ماجرا که روی سایت ما یه چت پات داشته باشیم بیاد مثلاً با کاربر چت بکنه که من بتونم مثلا بهش یه پیشنهاد خرید بدم و قص لحاظ این که من یه ذره مقاومت می‌کنم نسبت به این داستان و می‌گم این اپلیکیشن فقط یک اپلیکیشن یعنی یکی از کاربردهای ایی می‌تونه باشه

رضا فهمی: من یه نکته هم اضافه کنم علی فکر کنم وقتی دیگی می‌گیم ما اینو میس کردیم یا ما این فلان منظور اکوسیستم داخلی ایرانه دیگه وقتی داریم در مورد استفاده از ایی صحبت می‌کنیم فقط یوز کیس مثلا استفاده کردن از چت جی‌پی‌تی و ال ما نیست فکر کنم بیشتر

علی منصور: ب ب دقیقا همینطور

رضا فهمی: من یه نکته دیگه هم اضافه بکنم اینه که خب یه بار بیایم نگاه بکنیم که اصلاً کلا اآ چی اصلاً چت جی‌پی‌تی یه بار ببینیمش من حالا قبل شرو برنامه هم صحبت کردیم که مخاطب چه جور مخاطبی خیلی فنی صحبت بکنیم یا نه من یه ذره سعی میکن توصیف یه کم ساده تری داشته باشم ببین عقیده ح میخوام بگم من ولی عقیده همه کسای که دارن تو این حوزه کار می‌کنن ایا چیزی جز یه سه گانه اگه تصویر کنیم داده پرسینگ پاور و الگوریتم ها ا این سه تا کنار همدیگه اون پدیده ایی رو دارن توصیف می‌کنن و بعد وقتی حالا داده که مشخص چیه احتمالاً پراس سینگ پورم خیلی خوش تعریفه ولی الگوریتم مثلا الگوریتم ای آی که داریم در موردش صحبت می‌کنیم چیز عجیب و غریبی نیست

رضا فهمی: همون آمار و همون ریاضی که یه لول پیشرفته تر شده حتی تو ی کیس خود چتی بیتی هم میشه در مورد ی مثال زد ببین مثلاً فرض کنید که مثلاً من بگم این محیط مثلا این جمله منو تصور کنید می‌گم این این محیط چقدر تاریکه میشه یکم بعد نمی‌گم کلمات بعدشو چه کلماتی تو ذهن شما میاد می‌گه آقا یه کم نورشو بیشتر کن یه کم چراغها رو روشن کن یکم محیط عوض کن اینا میاد دیگه مثلاً نمی‌گیم که یه کم مثلاً رونالدو نمی‌گیم یکم مثلاً چه می‌دونم اسب آبی آره یه سری کلمات عجیب غریب نمی‌گیم ی یه جمله‌ی یه سکوسی از کلمات رو داریم می‌گیم و بعد سکوس بعدی رو ذهن مخاطب داره تخمین می‌زنه که احتمالاً چه کلماتی بعدش قراره بیاد همین کارو داره چچ بیتی می‌کنه

رضا فهمی: یعنی چی یعنی من بیام بگم آقا ا اینکه وقتی من گفتم اینجا چقدر تاریکه میشه یک کم کلمات بعدی احتمالاً از بین میلیون‌ها کلمهای که وجود داره کدوم کلمات احتمالا بیشترین احتمال رو دارن برای رخ داد عملا داریم [عبارت نامفهوم در زیرنویس] دار میفته دار دقیقا داریم در مورد احتمال صحبت می‌کنیم ولی حالا یه موقعی هستش مثلا ما داریم در مورد احتمال اینکه مثلا من تاس میندازم به چه احتمالی عدد سه میاد این احتمال این نیست احتمال آمار احتمال خیلی می‌تونه ککس پیچیده تری رو داشته باشه حالا [عبارت نامفهوم در زیرنویس] اون [عبارت نامفهوم در زیرنویس] قراره تخمین زده بشه جملی که داریم می‌گیم اینجا یه سری کلمات و قراره کلمات بعدی اون کلماتی بیان که احتمال در حقیقت رخ دادشون بیشتر باشه یعنی وقتی من یه پراتی رو به چت ج بیتی مینویسم عملا

رضا فهمی: داره اون سکوسی که می‌تونه اتفاق بیفته کلماتی که میتون هم میفته دقیقا احتمالش رو در حقیقت پیشبینی می‌کنه حالا تو توی کانتکست چت جی‌پی‌تی تو کانتکست ال ما اینجا داده‌ها و اون چیزی که قراره احتمال رخ دادشون تخمین زده بشه کلماتند اصطلاحاً تو حوزه ان ال پی میشن ولی توی کانتکست هاهای دیگه مثلاً فرض کنید مثلا فرض کنید تصویر ما فرض کنید یه عکس از مثلا آسمون ببینیم یه فیلمی رو دیدین دیگه یه سری اپلیکیشن تو ای هستش که مثلا می‌گن آقا سین های بعدش رو پیشبینی می‌کنه مثلاً صحنههای بعدی رو پی

گوینده نامشخص: فارسی رو استفاده کن که م دچار مشکل نشه

رضا فهمی: یه یه تصویری رو داریم بعد می‌خوایم مثلاً یه جایی رو بگیم که آقا بعد این تصویر چه اتفاقی میفته خب ما خودمون اگه مثلا یه عکسی از یه آسمون ببینیم بعد بگیم این یه فیلمه یه چند چند فریم از آسمون ببینیم فریم بعدی احتمالاً یه سگ پشمالو نیست بازیکن فوتبال نیست احتمالاً همون آسمونه یه ذره دوربینه داره تکون میخوره ابرا جابهجا میشه دقیقا این این یعنی چی یعنی که یه سری داده وجود داره من دارم می‌گم گیون اینکه ا اینا رو من بدانم حالا بعدی رخداد بعدی چه چه چیزی می‌تونه باشه احتمال اتفاق افتادن چه رنگ‌هایی چه پیکسلای چه دیتا هایی اونجا بیشتر از همست و بعد من میرم سراغ اینکه اونو پیشبینی بکنم پس اساساً اگر ما قائل باشیم به اینکه ایی چیزی جز یک آمار و متدهای ریاضی و آماری پیشرفتهای که بر

رضا فهمی: روی یه حجم بزرگی از ده ها دیپلو میشه توسط خب ما مثلا فرقش با آمار کلاسیک چیه ما احتمالاً اونجا میتونستیم با یه حجم داده محدود در ابعاد محدود کار بکنیم حالا اینو به شدت گسترده تر بکنیم میلیون‌ها بیلیون ها تریلیون ها داده و ابعاد به شدت پیچیده تر که روش‌های آمار کلاسیک حالا جواب نمیده بریم سرا قدرت پردازش اون جوابگو نخواهد بود پس پس پس کل ای آی چیزی جز یک روش قدرتمند ریاضی و آماری پیشرفته نیست آیا این به این معنای که پس اصلا الان ا چرا یه فیلده یه چیز جداگونه است همون ریاضی و ایناست ما می‌تونیم اونجوری صحبت بکنیم چرا داریم جداش می‌بینیم به خاطر اینکه فرض کنید ما یه من مثال مثلاً چاقو رو بزنیم مثلا ابزارهای کار دیدین مثلا ابزارهای کارهای متفاوتی وجود داره چاقوهای متفاوتی وجود دار چاقویی

رضا فهمی: داریم برای جراحی کردن چاقویی داریم برای برش یه سری اشیا دیگه چاقوی میوه خوری هم داریم آیا اگه من دارم یه ابزار پیچیده و مربوط به ی کانتکست خاصی رو طراحی می‌کنم این به این معناست که چاقو میوه خوری دیگه نمیخوام نه اتفاقاً بیشترین استفاده چاقو چاقوی میوه خوریه در اکثر خونه‌ها پس ما داریم در مورد این صحبت می‌کنیم که یک ابزاری اومده ماها رو ایبل کرده که یک سری مسئله جدید یک سری فضاهای جدید رو بتونیم مدل بکنیم حل بکنیم این به معنای از بین رفتن مسائل قبلی نیست به معنا اینکه یک در جدیدی باز شده است این فکر می‌کنم نقطه شروع بحث باشه می‌تونه ما رو ببره به جای جلو ترک اوکی پس پس اگه اساساً ما داریم ایی رو به عنوان یک سری روش‌های پیشرفته یه آماری و ریاضی در ابعاد داده‌های

رضا فهمی: بزرگتر با پیچی های بزرگتر فقط نگاه می‌کنیم این میشه یه جمعبندی که پس ایی اینه فقط چت جی‌پی‌تی نیست قبل از چت جی‌پی‌تی قبل از ال ام ها هم اآ وجود داشته کاربردش بوده الانم هست و در آینده هم همین خواهد بود قرار نیست اها تمام کانتکست رو پیش بگیرن و وقتی اینجوری به قضیه نگاه بکنیم میفهمیم که پس تو یه سری کارهای دیگه هم می‌تونی با ایی بکنی ی سری کارهای خیلی جالب دیگه هم می‌تونی با ایی بکنی که اگه تو این تیکه رو اسکیپ بکنی فقط صرفاً ال امو ببینی فقط به این فکر کنی که خب من اگه بخوام قراره از ایها استفاده کنم برم یه چت بات بیارم بالا یا از ال ام از چ جی بیتی استفاده کنم مسائلم حل کنم عملاً یه موج از تکنولوژی رو اسکیپ کردیم که

علی منصور: من فکرم اینجاست که مثلاً این موجی که داره میس میشه واقعیتش اینه که هزینه داره واسه سازمان‌ها یعنی اینجوری نیستش که ما ساده ازش بگذریم در مورد صحبت رضا هم بگم که میگفت که در حقیقت این ایی قبلشم بوده و این دارا یک موج جدیدی منم اعتقادم ب اینه که واقعا چت جی‌پی‌تی و امثال هام یه مارکتینگ خیلی قوی روش انجام شد قطعاً این محصول یه محصول انقلابی بود ولی چرا چی شد که مثلاً بر فرض با یه فاصله خیلی کوتاهی ما مثلا جمنی هم دیدیم که بلافاصله اومد چون اینا وجود داشت یعنی فقط تایم تو مارکته زمان ورود به بازاره در حقیقت یه ذره اینا رو دیفرنت کرد و مثلاً اینجوری بود که عقب افتادن و احتمالا گوگل هم اگر مثلاً چت جی‌پی‌تی نبود مثلاً دیگه

علی منصور: ۶ ماه بعدش میخواست به هر حال چنین محصول بیار بالا و این پیشرفته یهو خلق ساعه ی شبه اتفاق نمیفتاد پس در نه ایی همونجا بود یعنی این دانش وجود داشت اینکه حالا شما کامرز بکنید بدون مثلا این رفتار جنس رفتار شرکتهای سیلیکون ولیه دیگه ی شما منتظر رگولاتوری نمیمونن همونطور که مثلا از سی تیو مثلا چیز پرسیدن اپن پرسیدن که مثلا شما از ویدیوهای مثلا یوتیوب استفاده می‌کنین واسه ترین کردن و این حرفا اینجوری بود که نمی‌دونم شک دارم یعنی اصلا دغدغشون این نبوده که مثلا بخوان حالا این پیش نیازو این عواقبش در نظر بگیرن و رفتن جلو اونجا کامرالی کردنه و مارکتینگ کردنه زود اینا رو انداخت تو بازار و الان اینطوریه که الان هشتم سایت پربازدید دنیاست مثلاً چت جی‌پی‌تی من حرفای رضا رو اینطوری میتونم فریز بکنم و ریک کپ بکنم

علی منصور: که مسئله رو اینجوری ما می‌تونیم ساده تر ببینیم و واقعی‌تر ببینیم اینکه در حقیقت از امثال ابزارهای مثل چچی پیتون بخوایم استفاده بکنیم حالا الان می‌تونیم در مورش صحبت بکنیم اول بگیم که چیز عجیب و غریبی نیست قبلاً هم بوده ما میتونستیم از اآ و از این دیتا تو زمین‌های مختلف استفاده بکنیم الان یه ابزار جدید به ما داده حالا همون اتفاقاتی که قبل وجود داشت مثل مثلا پرسونال مثل ریکمن شن چیزایی که حالا توی سایت ما داشتیم ارائه میدادیم همین چیزا حالا الان یه ابزار دیگه داره که شما می‌تونید بسنجید ببینید که حالا من اگه از مثلا برفرض چت جی‌پی‌تی استفاده بکنم از ای پیی های چت جی‌پی‌تی بخوام استفاده بکنم یا سایر ایپی آی هایی که وجود داره هاکینگ فیس و امثال چه عواقبی ما داره که اینجا اونجایی میشه

علی منصور: که ما نباید سراسیمه تو داستان بیفتیم که بریم سراغ این ماجرا من حالا چون یه ذره روی کردم پروداکت میه و تیکه فنی رو سعی می‌کنم بذارم که رضا دقیق تر تو اون دامین مسلطه صحبت بکنه اینجا شما یه اشاره بکنم که استفاده کردن از این ابزارها در حقیقت به ما یه ریسکی رو داره تحمیل می‌کنه اونم اینکه شما نمی‌دونید داره چه اتفاقی میفته بلک باکس وجود داره یعنی شما بر فرض حالت عادی یه مفهومی رو من بگم اینترپل بودن قابل تفسیر بودن شما یک نیازی رو دارید من به عنوان پروداکت منیجر یک نیازی رو در مشتریم دیدم در بیزینس دیدم و دارم این نیاز رو میارم تو تیم فنی مطرح می‌کنم می‌گم قراره که با این اینپوت با این استراکچر ازش جواب بگیرم و این دیتا هامه حالا میخوام به یک جوابی برسم اینکه

علی منصور: شما وقتی این رو مسئله رو تفهیم می‌کنید برای تیم فنی و شروع می‌کنن میرن سراغ اینکه اینو حلش بکنن حالا د تا فرض کنیم اپروچ وجود داره دیگه یه اپروچ اینکه شما مثلاً بیاید خودتون سلوشن های این هس رو دولپ بکنین توسعه بدین داخل شرکت بخواین برین سراغش یا اینکه بخواید مثلاً از یک ایپی آی استفاده بکنید که خب برای استارتاپ‌های کوچیک حالا صحبتی که منم با رضا قبل ششم انجام میدادم برای یک استارتاپ کوچیک می‌تونه معنی دار باشه که من منتظره این نباشم که بخوام مثلاً برفرض برم دیگه هزینه واسه من کم شده هد ایکم کم شده نمی‌خواد برم سرمایه‌گذاری هنگفتی رو تیم فنیم بکنم کامپیوترش پاور عجیب غریب داشته باشم سرور داشته باشم این اتفاق نمی‌تونه لازم نیست

علی منصور: واسه من بیفته من با یه مثلا بر فرض شاید ام انجینیر فول استک و مثلا یک کسی که به دواپس مسلط هست با یه پروداکت منیجر میتونم کار مثلا در بیارم و به یک جمعبندی برسم از همون ایپی استفاده بکنم اما این اتفاق تو یک شرکت بزرگتر شاید به این راحتی نباشه اپروچ باشه که خودشون یک چیز داخلی دولپ بکنن و باید یک ترید آفی رو ادرس بکنن یک ترید آفی رو بهش بپردازن که من قراره یک در حقیقت مدل قابل تفسیر داشته باشم نتایجش بتونم ازش دفاع بکن کنم برای کاربرمی استیک هولدر م برای ذی‌نفع بتونم بگم که چرا داره این ریکمن شن ارائه میشه یا اینکه نه بگم یک مدل بلک باکسی وجود داره ما بهش اینو دادیم اینو داد دیگه کاریش نمی‌شه کرد و خب فقطم به اینجا بسنده نمی‌شه

علی منصور: کرد این مسئله وقتی که شما بلک باکس باشه جنس اتفاقی که در حقیقت داره میفته باز این تو صحبتهای قبل جلسه داشتیم با رضا صحبت می‌کردیم این که شما ترید آف عجیب غریبی رو باید بهش بپردازی وقتی شما یک شرکت کوچیکی هستین یک مثلاً فروشگاه آنلاین کوچیکی هستین که ۵ هزار تا کالا داری ۲۰۰ تا مثلا فروشنده داری مشتر تعداد محدودی هستن شما دغدقه ندارین که اون ۲۰۰ تا فروشنده شما چه اتفاقی داره براشون میفته با هم رقابت دارن می‌کنن توی فضای نسبتاً معمول و منطقی حالا یکی قیمتشو میاره پایین یکی مثلا تخفیف میذاره یکی دلیوری شو رایگان می‌کنه هر داستانی که می‌تونه داشته باشه با هم یه رقابتی می‌کنن و اون ۲۰۰ نفر خیلی واس شما هدک نیست میریم توی اسکیل بزرگتر توی مقیاس بزرگتر مثل دیجیک حالا شروع می‌کنیم

علی منصور: صحبت کردن یهو شما ۴۰ هزار تا فروشنده داری دیگه اینجا ۴۴۰ هزار تا فروشنده رو شما نمی‌تونی بگی من یه مدلی داشتم بلک باکس بود الان داره مثلاً بیشتر از اون مثلاً ۱د تا فروشنده من داره می‌فروشه و شما دیگه اینجا دغدغه اینو دارید که من باید بتونم پلتفرم مو بتونم خنسا نگه دارم پلتفرم نباید بایاس بشه من پلتفرم اصلاً وظیفه پلتفرم اینه که خنسا بمونه و بتونه عدالتو حفظ بکنه و این حفظ کردن این عدالته با مدل بلک باکس در نمیاد شما باید پاسخگو باشین باید بتونین تیون بکنید باید بتونید در حقیقت یه جورایی یک سری رگولاتوری یک سری چیزایی که به عنوان نگهدارنده پلتفرم دارید اعمال می‌کنید قوانین تونو روش بتونید اعمال بکنید و این اتفاق در حقیقت این جنسی داره رخ میده که شما یک ترید آفی رو به عنوان پروداکت منیجر

علی منصور: می‌بینید و حالا باید تصمیم بگیرید که من از این استفاده بکنم یا از این استفاده نکنم ولی در عین حال می‌گم اون هده که هزینه کمتر شده و می‌تونه در حقیقت یک فروشگاه کوچیک با یک تیم کوچیک الان بحث استارتاپهای میلیون دلاری مثلا سه چهار نفره هم مطرحه دقیقا دارن ایی از سرویس رو استفاده می‌کنن و دارن همون خدماتو ارائه میدن ولی باز این تا یه جایی می‌تونه اسکل بشه که میشه حالا اون دغدقه که شاید حالا رضا بتونه بهتر بهش اشاره بکنه

رضا فهمی: من یه چیزی رو شفاف بکنم واسه اینکه ح احتمالا مخاطب یهو وسط بحثمون افتاده باشه اینکه ما داریم در مورد چی صحبت می‌کنیم یه بار دیگه برگردیم شفاف بکنیم اینکه اولاً داریم در مورد این می‌گیم می‌گیم اپلیکیشن هایی که قراره ساخته بشه توسط توسعه دهنده‌ها توسط بیزینس که از ایی قراره استفاده بکنن پس یه نکتهی که وجود داره طبق صحبت قبلیمون اینه که آقا فضای امکانت رو از فضای اینکه از چت بات من استفاده کنم و از ال ام استفاده کنم و اینا اونا خوبه اونا درسته اونا ترن الان و استفاده‌های زیادی میشه اونا هست ولی تو خیلی فضای بزرگتری رو داری که می‌تونی ازش استفاده کنی پس این اولین تیکی بعد قسمت دوم حالا چیزی که علی داره بهش اشاره می‌کنه اینکه اوکی من الان میخوام از ایی استفاده کنم تو هر کانکسی یه موقعی هست

رضا فهمی: مثلا ایی فقط در توی ریکمن شن سیستم و اینا که ورود نکرده تو پردازش تصویر توی پردازش صوت توی بازارهای مالی حالا من خودم بکگراند اون طرفیه بیشتر توی بازارهای مالی توی پیشبینی آب و هوا توی مسائل آنالیز مثلاً چه می‌دونم مسابقات ورزشی هر هر مثالی که می‌خوایم در موردش صحبت بکنیم هر جایی که داریم در موردش وارد میشیم می‌خوایم از ایی استفاده بکنیم خب بسم الله شروع کنیم از ا استفاده کردن چیکار می‌کنیم اینجا من سه سه دسته می‌کنم یکی اینکه می‌گیم خب یه جایی که بهمون یه سلوشن رو بده از سرویس به عنوان ایپی آی استفاده کنیم ایپی آی اپن‌ای‌آی استفاده کنیم نمی‌دونم ایپی آی یه کس دیگه‌ای رو استفاده بکنیم که من احتمالاً این این سلوشن درسته یا غلطه می‌گم بستگی به سایز مسئله سایز بیزینسی که داری ازش استفاده می‌کنی پیچیدگی

رضا فهمی: مسئلت داره احتمالاً برای بیزینسی کوچیک همونجوری که علی اشاره کرد تو مقیاس کوچیک بله سلوشن کار می‌کنه یه موقعی هست بعد میری حالا میگی من میخوام مسئله تو در حقیقت خودم مدل خودمو توسعه بدم تو سازمان خودم بستگی به حالا اندازه سازمانم یا نیاز سازمانم یا نیاز شرکت میخوام یه مدلی رو توسعه بدم یه مدل هوش مصنوعی رو دوباره اینجا تو این حالت دوم ما می‌تونیم بریم می‌گیم آقا سولوشن که مثلاً خیلی دیدم اینو دیگه مثلا پیپر که گوگل رفته ایمپلنت کرده آورده رو برم ایمپلنت کنم بیارم یا مدل آمادهای که اونجا استفاده شده رو بیارم استفاده بکنم بلک باکس و بتونم ازش استفاده کنم یا یه الگوریتمی رو من تو دانشگاه خوندم دیتاها رو بریزم داخلش و ریزالت آورد و اینا یه حالت سومی هم وجود داره که نه من من نقدم به حالت

رضا فهمی: دوم اول بگم اصلا من چراشو باید مثلاً سؤاله چرا مثلاً با این کارو من بکنم یعنی من چرا باید این هاس بیام دولپ بکنم یک چیزی رو وقتی که اون بیرون آماده وجود داره یا اینجوری هزینش برای من زیاد میشه باید یک آورده‌ای داشته باشه دیگه خب برگردیم سراغ اون که پس اول اشاره کردیم ایی چیه یه سه گانه پروسس اینگ پاور داده الگوریتمها است بله ما فقط در مورد الگوریتمها داشتیم یعنی وقتی داریم در مورد اینکه یه پیپر رو یا یه روشی رو که آقا تو گوگل یا مایکروسافت اومده استفاده کرده یا یه جای دیگهای رو برداریم همین جوری بلک باکس ازش استفاده کنیم کانتکست رو گم کردیم داده رو گم کردیم آقا این مسئله برای چه سطحی از پیچیدگی بوده با چه داده‌ای ترین شده آیا همون مسئله که درسته اسمش مثلاً همون

رضا فهمی: چیزیه که من دارم ازش استفاده می‌کنم دیشن انجین که توسط آمازون استفاده شده یا رشن انجین که توسط دیجیک دیوار یا جا دیگه داره استفاده میشه چه می‌دونم یه مسئله دیگه بازار مالی مثلا تو بازار مالی که این پدیده خیلی در حقیقت بلدم هست یه یه حرفی رو آقای دی پرادو میزنه دی پرادو یکی از پیشروهای کوانی اینستنت و بحث در حقیقت ترید کردن اینستنت با استفاده از ایی و اپروچ های کوتی بعد یه کتاب داره ادونس ماشین لرنگ فایننس توی فصل اولش به صراحت میاد می‌گه که ببین هرچی پیپر و اپروچ و اینا که خوندی که میان می‌گن آقا از این مدل هوش مصنی من استفاده کردم انقدر مثلا بهرهوری رو بیشتر کردم انقدر مثلا ریترن یا مثلا بازدهی رو بیشتر کردم و تو می‌خوای از اون الان استفاده کنی ا همه رو بریز

رضا فهمی: دور همش آشغاله و واقعا همینه ها یعنی می مثلاً میگی آقا یه اپروچ ماشین لرنینگ تو وجود داره یه اپروچ مثلاً هوش مبتنی بر هوش مصنوعی وجود داره پیپر چاپ شده تو الجرم چاپ شده معتبر م هست بعد همونو برمیداری میاری با داده‌های خودت در حقیقت رام می‌کنی ایمپلنت میکن استفاده می‌کنی می‌بینی اصلا هیچ نتیجه‌ای و هیچ رزالی نداره حالا توی بحث فایننس خیلی دیگه حالت اکستریم مشه ولی واقعاً توی مسائل دیگه هم همینه یعنی ما اگر ندونیم کانتکست رو ندونیم داده‌ها رو بعد یه چیز دیگه هم اشاره کنم بهش اینکه گفتم هوش مصنوعی تو اون سه گانه داده پراس پاور و الگوریتم این داده رو میخوام خیلی بهش اشاره بکنم داده شما وقتی دارین یعنی یه مدلی که یک جای دیگری از دنیا توسعه داده شده با یک توضیع متفاوتی ویژگی‌های متفاوتی و این

رضا فهمی: الگوریتم تو اون داده تو اون کانتکست جوا داده و وقتی من دارم در مورد کارای هوش مصنوعی صحبت می‌کنم تو اون سه گانه وقتی همونو میارم توی مسئله خودم توی کانتکست خودم خب اوکی الگوریتم همونه احتمالا پراس پورم برای ترین کردن ایرو نمی‌گیم برای استفاده کردن افس م یکیه ولی دادش متفاوته کاربر ایرانی حالا مثال ریکمن شن ایک کامرس یا چه می‌دونم مثال‌های همین همین ریکمن شنو فعلاً بریم کاربر رفتاری که کاربر ایرانی توی پلتفرم ای کامرس ایرانی در حقیقت انجام میده خیلی متفاوته با کاربری که در حقیقت توی آمازون یا توی خارج از کشور داره رفتارش انجام میده ی همون بازار مالی رو من مثال بزنم وقتی شما یه الگوریتمی رو تو یک بازار مثلاً نفتی بازار نفت جهانی داری در حقیقت می‌بینی که کار کرده خیلی نتایج خیلی خوبی داده بعد میاری همینو

رضا فهمی: تو استاک مارکت ایران می‌بینی اصلاً هیچ ربطی به همدیگه نداره به خاطر اینکه داده اون فرق می‌کنه توضیح داده‌های اون فرق می‌کنه توضیح داده‌های تو فرق می‌کنه اینجا اونجایی به وجود میاد اینجا اون قضیه به وجود میاد که آقا اون دسته از آدما که قراره مدل خودشونو توسعه بدن الگوریتم خودشونو توسعه بدن دیگه بلک باکس استفاده کردن دیگه موضوعیت نداره یعنی موضوعیت چه جوری بگم نداره شاید این پدیده حالا مخاطب اینه که مثلاً احتمالاً با تیم فنی که مبتنی بر ایی اینا ب کار کردن این جمله رو زیاد شنیده باشن که مثلا چون خودمم اینجوری بودم یی خودمم با تیمای فنی که تجربه خودمو دارم می‌گم مثلا ما کار می‌کردیم مدلو میاوردیم مثلا یه نتیجهای میداد بعد مدل نتیجش که میده استیک هولدر میومد ی کسی که می‌خواد از این در حقیقت محصول استفاده کنه

رضا فهمی: میومد میگفت آقا این این چیه که مدل گفته می‌گه نمی‌دونیم دیگه الگوریتمهای پیچیده دیپ لرنینگ اینو گفته به ما مثلا بعد دیگه تو قابل دفاع نیست و تو نمیفهمی که چه اتفاقی افتاده وقتی نفهمی چه اتفاقی افتاده پدیده هایی که بعدش ممکنه اتفاق بیفته رو هم نمی‌دونی کانس نمی‌دونی توسعه نمی‌تونی بدی و ان تا اتفاق دیگه که حال میشه در مورد صب

علی منصور: سؤال پرسم اول که یه بخش سوم صحبتات که اون اپروچ سومی بود موند ولی همچنان واسم سؤاله که ببین تو وقتی که میری از مدل‌های در حقیقت آماده بیرونم استفاده می‌کنی تو قطعا باید ب اونو واسه مدل خودت لوکالیزه حالا ریفاین کردن وجود داره بحث مثلا حالا این تکنیک رگ وجود داره که تو بخوای مثلا از همین دیتای خودت رو در حقیقت داشته باشی که ترین بکنی رو دیتای خودت که بتونی جواب معنیدار رونت بدی توی حوزه کانتکست خودت خب این چیزا وجود داره و یه نکته بعدی اینکه تو ممکنه تو یک مثلا برفرض الگوریتم دیپ لرنینگ رو هم توی داخل سازمان خودت دولپ بکنی و باز همچنان همون بلک باکس وجود داشته باشه تو اینو چه‌جوری می‌خوای ادرس بکنی یعنی من می‌خوام بگم اولا که یک تو اگه بگی اونا بلک باکس من می‌گم

علی منصور: خب اوکی من اینا رو اصلاً میگی برا دیتای ما کار نمی‌کنن می‌گم اوکی برای دیتای خودمون ما روش‌هایی وجود داریم که لوکالیزه کانتکست دیتای خودمونو به مدل بخوریم قطعاً این دیده شده دیگه این مسئله فقط مسئله ما که نیست اولین بار مطرح نمی‌شه که دو اینکه خود ما هم می‌تونیم بلک باکس تولید بکنیم که همون که تجربش ما داشتیم دیگه با همدیگه توی خود مجموعه دیجی‌کالا هم بود دیگه خیلی وقتا مثلاً یک سری چیزا بود که استیک هولدر کاربر مثلاً سؤال ایجاد میشد این چرا داریم ما این ریزالت میدیم و جواب بعض این بود که خب مدل اینو گفته میخوام بگم لزوماً این همسه همچنان اینجوری نیست

علی منصور: که تو بلک باکسو باز بکنی تو همچنان وقتی در مورد ی پلرین صحبت می‌کنی احتمالا بلک باکس تا حد بسیار زیادی واست وجود داره میخوام بگم که همچنان من به جوابم نرسیدم از صحبتهای تو که چرا من باید باز همچنان برم سراغ این هوسه من چرا باید خودم مدل توسعه بدم آره چرا من خودم باید توسعه مدل داخلی داشته باشم و اینکه مثلا بر فرض دغدغه در حقیقت ادرس کردن مشکلات بزرگتر یک پلتفرم واسم قابل توجیه تره تا اینکه بخوام بگم مثلا این داستان بلک باکس و دیتای ایرونت مثلا به این داستان داریم در مورش صحبت می‌کنیم

رضا فهمی: اوک ببین من توی د تا بخش اول این د تا رو تقسیم می‌کنم یکی اینکه برای اینکه اول شفاف کنیم بحث رو ما مسائلی که باهاش در حقیقت درگیر هستیم برای اینکه بتونیم از تکنولوژی ایی و سلوشن هایی داده محور و اینا استفاده کنیم که بتونیم مسائل حل بکنیم ما اول اول د تا د تا بخشش کنیم که یه سری مسائل داریم حالا اسمش تفاوت مسائل کامپلکس ورس مسائل هارد تفاوت مسائل پیچیده و سخت پچ یه موقع هستش یه مسئله‌ای من دارم که مثلاً فرض کنید توی کانتکست کامپیوتر ویژن یا بینایی ماشینه می‌گیم آقا دوربین مثلاً یه نفر که میاد جلوی دوربین بتونه شناسایی کنه اینه این فرد کیه خب احتمالاً مدل‌های اولیه که چندین سال پیش قبلا م بوده الگوریتم ش اینا میومدن یه نفر باید ی شرایط مشخصی وجود داشت اگه فرد ۱۰

رضا فهمی: متر اونورتر در حقیقت باشه نمیتونم تشخیص بدم با در فاص دقیقا زاویه صورت نور نویز تصویر فلان اینا همه پرفورمنس الگوریتم مشخص می‌کنه اونو که حل شد یه لول مسئله سخت‌تر میشه می‌گن خب حالا الان فاصله می‌تونه بیشتر بشه اگه زاویه صورتش اینجوری بود اگه یه سه چهار تصویر داشت اگه کلاه سرش بود بازم باید بتونی تشخیص بدی بعد دوباره هی مسئله سخت‌تر و سخت‌تر و سخت‌تر میشه اینجا ولی ولی ولی چه مسئله‌ی رو قراره جواب بده اینکه یه نفر بیاد شناسایی تصویر بکنه یا اینکه مثلا مسئله تشخیص اشیا در تصویر که آقا این ال من یه تصویر میدم بگو به من این داخلش چیه و فلان یه جواب مشخصی یه جواب مشخصی داره مسئله سخته مسئله شما هر چقدر لول سختی رو می‌تونی بیشتر بکنی نویز و نمی‌دونم زاویه همین چیزای که به شما

رضا فهمی: گفت ولی جوابش مشخصه جواب مشخصه شما میگین که آقا این این من وقتی یه نفر اومد به من بگو که چه اتفاقی میفته بعد ما یه لول میریم اونورتر حالا فر اینجا من دسته بندی می‌کنم مسائل سخت یه لول میریم اون طرف میشه مسائل کامپلکس مسائل کامپلکس چه چه ویژگی دارن مسائل چند وجهی اساساً اصلا شما بگین که یه گادی وجود داره یک الههی وجود داره میاد می‌گه که آقا من جواب شما رو می‌دونم هوش مصنوعی که با دقت ۱۰۰ همه چی درست جواب میده اصلا جواب درست مشخص نیست من یه مثالی که همیشه با هم میزنیم سر لیستینگ مثلاً فرض کنید که ما لیستینگ

گوینده نامشخص: به نظر می کانتکست بگو که

رضا فهمی: اصلا م مسله فرض کنید که مثلا ی یه سری حالا توی مثال ای کامرس آمازون دیوار دیجی‌کالا همشون این مسئله رو ممکنه داشته باشن اینکه شما فرض کنید که من یه نوع لیستینگ داشته باشم قیمت‌ها رو یه جوری بچینم یعنی کالاهایی رو بیارم بذارم جلوی کاربر و از بین میلیون‌ها کالا فرض کنید ۱۰ میلیون کالا دارین نمی‌دونم ۱۰۰۰۰ تا کالا دارین فرض کن ۱۰۰۰ تا کالای هندسفری دارین کاربر بهت می‌گه آقا هندسفری به من بده خب من ۱۰۰۰۰ تا هندسفری دارم می‌دونم که کاربرمی رو که نگاه نمی‌کنه تش ۱۰۰ تا نه ۲۰۰ تا کالا رو نگاه می‌کنه ۲۰۰ تا کالای اولی که می‌خوای به کاربر نشون بدی اگر کالایی باشه که سریع‌تر فروخته میشه

رضا فهمی: کالایی باشه که ارزونتره کالایی باشه که توسط فروشنده که معتمد تره گذاشته باشی همه ای ویژگیهای مختلفی دارن بعد میان می‌گن که آقا من د تا الگوریتم دارم یه الگوریتم دارم که مثلاً مثلاً فرض کنید که اگه اینو بذارید ظرف یک ماه یک میلیارد تومن میفروشه ۲۰۰۰ تا کالم فروخته میشه یه الگوریتم دیگه دارم ۲ میلیارد تومن بفروشه ۱۰۰ تا کالا فروخته میشه یعنی یه الگوریتم اول تومنی بیشتر به شما سود میده تعداد کالای کمتر الگوریتم دوم تومنی کمتر تعداد کالای بیشتر کدوم رو می‌خواین کدوم یکی از این الگوریتم الگوریتمی بهین است جواب اصلا دیگه ربطی به چت بیتی و ای آی و این ر کمندی شن و اینا نداره یعنی شما باید به این فکر کرده باشید که چه چه استراتژی رو می‌خواین سبری کنید بعد حالا بیاین یه مثلاً مثالی که علیز در

رضا فهمی: مورد فروشنده‌ها به عنوان یک پلتفرمی که حالا مثلاً شما فروشنده هم دارید مثلاً فرض کنید دیجی‌کالا یکی از پیچیدگی‌هایی که در حقیقت ایک کامرس دیجی‌کالا رو انقدر مسئله بزرگی می‌کنه یا آمازون در حقیقت دوباره همین تو ی اسکیل بین مللی در حقیقت همینو داره یه کامپلکس تی دیگه‌ی می‌تونید به مسئله اضافه کنید اینکه خب من الان این ۲۰۰۰ تا کالا رو از ۱۰ تا فروشنده بفروشم یا از ۰۰ تا فروشنده اصلاً این دغدغه هست برای من د دقه نیست حالا این مسئله فرض کنید مثال در حقیقت ر کمندی شن من مسئله بازار مالی هم دوباره مثال بزنم فرض کنید شما یه متد یه الگوریتمی دارین حالا این چه الگوریتم باشه چه یه فرم دستی باشه باز صادقه من میخوام بیشتر در مورد تفاوت مسئله کامپلکس ارت بگم اینجا یه الگوریتمی دارین میا وقتی میسنجیم میگین

رضا فهمی: که آقا مثلا ته سال یا یک یک در حقیقت روش معام معاملاتی دارین میگین ته سال این روش معاملاتی a ۱۰۰ سود کرد روش دوم ۵۰ سود کرد ولی ولی وقتی بازش می‌کنیم می‌بینیم روش ا به شدت ول تیل ریسک زیاد داره هر روز یه دارایی داره یه روز ۳۰ سود یه روز ۵۰ ضرر یه روز ۱۰ سود یه روز ۵ یکی دیگه آروم آروم داره میره اونی که آروم آروم داره میره ۵۰ سود داده اونی که به شدت وال تیله ۱۰ سود داده کدوم بهتره از اساسا پس اصلا صورت مسئله تبدیل میشه به یک مسئله چند وجهی اساساً مسئله تبدیل میشه

رضا فهمی: به یک مسئله چند وجهی خب حالا اینجا ربطش به داستان ما چی بود اون سوالی که علی پرسید و نکتهای که گفت اینکه ما از سولوشن های آماده استفاده بکنیم یا نیاز داریم که این هاوس خودمون در حقیقت روش‌ها و مدلهای خودمونو توسعه بدیم اگه من بخوام به این جواب بدن می‌گم خب اول مسئله چیه اگه مسئله مثلاً تشخیص چهره است اگه مسئله تشخیص کپچا مسئله تشخیص شی در تصویر احتمالاً آره الگوریتم آماده می‌تونی استفاده بکنی اگه مسئلت یه مسئله چند وجهیه قراره از یک ایجنت رونمایی کنی قراره از یک استراتژی رونمایی کنی بهره برداری بکنی اونجا اصلاً داستان یه چیز دیگه میشه و بعد اونجا تازه کانتکست معنی پیدا می‌کنه

رضا فهمی: کاربر تو چه جوریه داده تو چه ویژگی‌هایی داره که آیا می‌تونی از یک مدل خارجی استفاده بکنی بیاری اینجا در حقیقت همون ریزالت که اون طرف گرفته رو تو داشته باشی احتمالاً نه به اضافه اینکه حالا اون قسمت دوم میخواستم اشاره کنم به اضافه اینکه ما اون یه بخش دیگه کلید واژه استفاده کردی تو صحبت تو بخش اول اینترپل تی اون در مورد اون فکر کنم خیلی بشه دیپ شد یکی اینکه این نکته مهمه که خیلی موقع‌ها ما از اآ استفاده نمی‌کنیم واسه اینکه یک جواب نهایی داشته باشه یه خروجی نهایی داشته باشه ما اتفاقاً از ابزارهای ای آی تو پرانتز ای آی گفتیم دیگه تولکیت یا مجموعه‌ی از الگوریتم‌های پیچیده اس که الگوریتم پیچیده و ساده آماری قدیم و بعد و اینا که داره استفاده میشه

رضا فهمی: از از تفسیر کردن تفسیر پذیر تفسیر پذیر بودن اون مدلا و تفسیر کردن نتایج و روابط می‌خوایم استفاده بکنیم یه مثال بزنم مثلاً توی دیجی‌کالا ما یه حالا توی تیم رشد یه صورت مسئله‌ای که وجود داشت و داره همچنان صورت مسئله خب مهمی هم هست قیمت ارسال برای قیمت ارسال کالا برای کاربرا وقتی یه کاربر میاد یه بسته‌ی رو در حقیقت میگیره و می‌خواد که براش ارسال بشه شما می‌تونید سیاست‌های مختلفی داشته باشید برا قیمتگذاری بگید آقا مثلاً من ۵۰ تومن می‌گیرم ارسال می‌کنم ۶۰ تومن می‌گیرم ارسال می‌کنم تحت هر شرایطی بعد نگاه می‌کنید می‌بینید که خب مثلاً می‌تونه کاربر دیرتر یه قیمت کمتری رو بگیره زودتر یه قیمت بیشتری رو بگیره یه سلوشن مثلاً می‌تونید بگید که کاربر تشویق کنید که بگید آقا اگه تو قیمت کالات رو سبد رو بیای بیشتر از من

رضا فهمی: خرید بکنی من تو رو این سنتی وایز می‌کنم تشویق می‌کنم که از من بیشتر خرید بکنی و من هزینه ارسال و رایگان می‌کنن که خیلی این حالت نرمالی اغلب این کارو می‌کنن دیگه یه کف خرید میذارن که تو خب این عدد چقدر با شه چه جوری طراحی بشه مثلا من همینجوری بگم مثلاً بالای ۱۰ میلیون تومن رایگان خرید بکنی رایگان میدم یا مثلاً من اگه قرار باشه که بگم هر چقدر دیرتر تو از من تحویل بگیری من قیمت ارزونتر بهت میدم چقدر باید کمتر بگیری مثلا من اگه روز اولی که می‌تونستم به تو بدم فرض کنید ۸۰ تومن باشه فرداش ۵۰ تومن بگیرم یا ۷۰ تومن بگیرم چه جوری باید اینو ت کرد احتمالاً باید داده‌های کاربرا رو نگاه کرد ببینیم چقدر از کاربرا وقتی ما مثلاً ظرفیت پردازش دیجی‌کالا مثلا پر بوده و نتونستیم

رضا فهمی: به کاربر بگیم آقا ۳ روز دیگه تحویل میدیم ۱۰ روز دیگه تحویل میدیم چقدر کاربرا تمایلش برای خرید از بین رفته چقدرش مونده چقدر کاربرا حاضرن زودتر پرداخت کنن قیمت بالاتر برای اینکه اینا رو به دست بیارید و عدد اپتیموم ی اپتیم میزی شن تونو انجام بدین خب نمی‌تونیم همینجوری در حقیقت ن شود ب شهودی بریم نیاز داریم به اینکه روابط بین این پدیده‌ها رو اندازهگیری کنیم و بررسی بکنیم اینجا از یه سری اپروچ و یه سری روش‌های آماری پیشرفتهای که الان دیگه اونا رو می‌گیم ایی از اونا باید استفاده بکنیم و خب اینو مثلا یه همچین سولوشن رو ما نمی‌تونیم بریم بگیم که مدل ایپی بگیریم استفاده کنیم

علی منصور: ا من یه جورایی ر کپن جمعبندی کنم صحبت شما رو ببینید حالا باز یه گریزی میزنم به نقش پروداکت منیجر اینکه پس ما اولین کاری که در حقیقت در مواجهه با این نیاز و این درخواست حالا بعضا از سمت مدیران ریز میشه مطرح میشه که آقا مثلا ما می‌خوایم اآ استفاده کنیم چرا ما از اآ استفاده نمی‌کنیم چرا مثلا ما نمیریم سراغ هوش مصنوعی چرا از چت جی‌پی‌تی و نمی‌دونم امثالها استفاده نمی‌کنیم قدم اول احتمالا اینه که من باید مسئله رو تشخیص بدم که مسئله من یک مسئله پیچیده است یا یک مسئله سخته و این کار پروداکت منیجر احتمالا می‌تونه باشه این وسط که بدونه که در حقیقت من کجا نیاز دارم که اینترپل باشه واسه اون مدل اون سلوشن که دارم انتخاب می‌کنم و بعد با توجه به همه این داستان‌ها و اون تفاوت

علی منصور: حالا مثلاً کانتکست متفاوت اون راهکارهایی که داریم ارائه میدیم اینها رو در حقیقت مطرح می‌کنه و حالا اینجا تصمیمگیری در خصوص اینکه من این تکنولوژی رو این هس بخوام دلپ بکنم یا بخوام از مدل آماده بیرون استفاده بکنم با در نظر گرفتن یک سری شرایط یعنی تو مثلا باید بدونی که من میتونم مثلا توی جزء داستان از یک مثلاً مدل آماده استفاده بکنم ولی بدونم که من دینامیک سیستمم داره تغیر میکن می‌کنه که اون سیستم تینک اینگی که در حقیقت حالا درمش صحبت می‌کنیم اینکه مثلاً من بدونم اگر من دارم از این استفاده می‌کنم یه تیکه غیر قابل تفسیر بلک باکسی دارم به سیستمم اضافه می‌کنم بدونم عواقبش چیاست قراره من کجاها سورپرایز بشم قراره کجا دینامیک منو به هم بریزه و اینجا در حقیقت میشه

علی منصور: استفاده کردن از یک ابزار آماده ولی با در نظر گرفتن کنسرن ها و اون شرایطی که وجود داره برای اینکه تو بدونی که بازیت به هم نمی‌خوره یا اگه مثلاً یک جایه که به قول تو یک چیز حیاتیه واسه من یک تیکه حیاتی بیزینس منه من نمی‌تونم اینو برم ریلای کنم اعتماد بکنم به یک سیستم بیرونی و بدونم که اونجا میشه واسه من یک نیاز اینکه من میخوام این هس دولپ بکنم پس من جمع‌بندی حرفتو اینجوری می‌بینم استفاده کردن مشروط یا اینکه انقدر این کر بیزینس منه هسته بیزینس منه که من مجبورم خودم اصلاً برم اینترپل اصلاً بنویسمش از بی بسمله

رضا فهمی: آره فقط ی یه نکته‌ای هم به این اشاره بکنم اون سایز کمپانی و اون شرایطی که تو توش هستی و یه موقعی هستش مثلاً آره مثلاً یه یه استارتاپ ه ه ده نفر تازه داره شروع میشه نامیک سیستم که ادرس می‌کنی صحبت می‌کنی داینامیک سیستم مثلاً شرکت مثلا ۲۰ نفره با یه داینامیک سیستمی که مثلا مثل دیجیک ۴۰ میلیون یوزر داره ۴۰ هزار تا فروشنده داره ۱۵ میلیون کالا داره اصلا متفاوت میشه دقی اصلا کلا اساساً ما حکم کسی که با داده کار می‌کنه یه حساسیتی وجود داره که من من می‌ترسم از اینکه حکم بدیم بگیم آقا همیشه این سولوشن جواب برو همیشه از مدلای آماده استفاده کن یا همیشه از ایپی آی استفاده کن یا همیشه برو خودت توسعه بده نه واقعاً برای همینم هستش که حالا داشتیم در موردش م این نکته رو

رضا فهمی: میگفتیم که انیک تینگ یکی از نیازهای در حقیقت مهم و شاید یکی از مهارتهای مهمیه که تو سازمانها باید در حقیقت پرورش داده بشه خصوصاً مخصوصاً در دوره جدید که الان شما با یک عالم از سلوشن های بل باکس با یک عالمه از رویکردهایی که ممکنه در حقیقت وقتی ازش استفاده می‌کنید نه بدونید چه جوری نشون نه چه جوری قدم بعدی رو برید نه بدونید کسکوس چیه چه اتفاقاتی میفته

علی منصور: ولی تحصیل گره یعنی تو اقوا گره اینجوری که تو میگی آقا مثلا من برم سراغ این داستان من یه تیم مثلا عریض و طویل نمی‌دونم ۲۰۳۰ نفره دارم میتونم اینو مثلا خلاصش بکنم برسونم به ۵ نفر و یک سیستم بیرون استفاده بکنم هزینه هاهم صرفهجویی می‌کنم خ چرا نرم سراغش و این اینجاست که در حقیقت احتمالا ایران دچار این اشتباهی میشن که خب اوکی من این کارو بکنم چرا هزینه بیخود بکنم سربار واسه چی واسه خودم دارم ایجاد می‌کنم

ارغوان میرشکار: ولی نکته‌ای که کلاً وجود داره تا اینجا اینه که ما اول بدونیم این تکنولوژی یا ابزاری که اومده چیه و چه جوری کار می‌کنه اون سگانه شو بشناسیم و بدونیم که به طور فنی چجوری کار می‌کنه و اینکه اصلا چرا می‌خوایم ازش استفاده کنیم می‌خوایم سربار عملیاتی رو بیاریم پایین‌تر می‌خوایم جذب یوزر بیشتری داشته باشیم و اینجاست که اون مهارت تحلیلی که گفتید به کار میاد دیگه یعنی درست فکر کنیم و توی دام یه سری بایاس نیفتیم که می‌خوایم از این تکنولوژی چرا چگونه استفاده کنیم

علی منصور: یه نکتهی که وجود داره ببخشید من حرفتون شاید قطع کردم اینو با بگم اینجا به نظرم خوبه اینکه رضا که این صحبتو می‌کنه که در حق اینقدر ترید آفو میاره وسط می‌گه که من باید اون یه میلیارد خوبه یا اون مثلا د میلیارد فروختن خوبه با تعداد کمتر تعداد بیشتر تجربه حداقل من و رضا با هم توی همکاری تیمی که با هم داشتیم این بود که وقتی شما می‌رسید به هسته داستان می‌رسید به مسئله اصلی تازه اینجا ابهامات شروع می‌کنه مطرح شدن یعنی تازه اصلاً می‌بینید از مسئله اصلاً ابزار نبود مسئله جواب دادن به این سولاته این چرای رو اگه شما نتونی جواب بدی اصلاً ابزار فرقی نمی‌کنه اگر شما انقدر اینو ندونی اصلاً برو چت چی پتی استفاده کن برو ایپی آی از بیرون بگیر این کارو باهاش بکن چون اون سوال اصلیه رو

علی منصور: باید جواب بدی که اینجا به قول شما اون تحلیل قدرت تحلیل اون مهارت تحلیل و اون فهم دیتای در حقیقت م مرح میشه و میشه مهارت کلیدی این دوره

رضا فهمی: همیشه مسئله مقدم تر از بر راه کاره ولی متسفانه الان چت جی‌پی‌تی باعث شده که راهکار مقدم این فک مکنم اصلا این محصل گفتگو هم این یه تیکه رو روشن بکنه خودش خیلیه که ما همیشه مسئله مقدم تر را یه کتی از اندیشن هستش که می‌گه من ۹۵ درصد زمانم وقتم میزارم به خود مسئله فکر می‌کنم شما وقتی مسئله رو درست مت مجه بشید راهکار به وجود میاد راهکار هست حالا راهکار یه موقعی بستگی به شرایط داده تون کمه از مدل‌های سبکتر از راهکارهای ساده‌تر دادون پیچیده تره معیارهای موفقیت پیچیده‌تر بیشتری می‌خواین استفاده بکنید اهدافتون به وجود میاد اینا رو ستاب می‌کنید بعد دیگه راهکار به وجود میاد ولی این خطره کجا به وجود میاد وقتی که ما راهکار رو و سلوشن رو مقدم بر مسئله بدونیم ما اآ صرف ایی الان داریم استفاده می‌کنیم

رضا فهمی: یعنی من باید بگم من به عنوان یک مدیر عامل یک شرکت باید بگم تو تیم ایی هست ما داریم از اآ استفاده می‌کنیم ممکنه یک چی می‌گن وجه برندینگ داشته باشه جذاب باشه شما تو مارکت می‌تونید در حقیقت به عنوان پیشرو ختو پوزیشن بکنی بعداً کمک می‌کنه به جذب مثلاً نیروهای تلنت داخل شرکت داخل کشور ولی نکتش اینجاست که ته داستان باز وقتی میایم تو خلوت خودمون من قراره یه سؤالی از شما پرسم باید ب من جواب بدی باید بگی که چرا من اصلا قراره که اینو انتخاب بکنم یا اونو انتخاب بکنم من هر جفتشو می‌تونم انجام بدم

علی منصور: حس من اینجوری میشه که من بعضی موقع حالا مثلا با رضا صحبت می‌کردم با تیم صحبت می‌کردیم بحثمون این بود که انگار که ما میریم یهو وارد کاکپیت مثلا یک هواپیمایی میشیم بعد یهو شما می‌بینی انقدر کنترل و اونجا دکمه و اینا وجود داره که اصلا شما ممکنه دچار فلج بشی یعنی اصلا اون قدرت تحلیلی رو اگه نداشته باشی میگی خب اوکی الان من می‌تونم همه کار بکنم تا قبل از این فکر می‌کردی که مسئله اینه که آقا من چرا فلان کارو نمی‌تونم بکنم ی شما پرده رو می‌زنی کنار میگی ببین همه چی می‌تونی انجام بدی حالا بگو چی می‌خوای مثل اینه که شما مثلاً یه غول چراغ جادو پیدا می‌کنی دست میمالی روش میاد بیرون بعد می‌گه خب چی می‌خوای از من سه تا آرزو کن حالا این سه تا آرزو حالا می‌مونی که

علی منصور: تو باید بری از تو لیست آرزوهات سه تا رو سلکت بکنی بگی آقا این این این و اینکه تو این به این سه تا در حقیقت جواب بدی تازه میشه مسئله تو یعنی اصلاً غول چراغ جادو الان هست اومده بیرون ولی حالا چی بخوای ازش نکته الان اینجوری می پیش میره

ارغوان میرشکار: الان بخوایم راجع به این صحبت کنیم تو ادامه بحث که باتل نکای قضیه کجاست یعنی از ما می‌دونیم الان باید هوش مصنوعی بفهمیم ابزارش و اینکه چه جوریه و چرا می‌خوایم ازش استفاده کنیم ولی همون بلک باکسها که خیلی راجع بهش حرف زدیم شاید یه باتل نک باشه که ما میایم یه مسئله رو می‌بینیم براش تو ذهنمون م یه راه حلی پیدا می‌کنیم ولی این زمان حل مسئله زمانبره دیگه بعد یا به خودمون وسط راه میاییم که از اون هدف اصلیمون دور شدیم و داریم مثلاً یه کار دیگه‌ای می‌کنیم درگیر این شدیم که صرفاً مثلاً تیم ایمونو بزرگ کنیم و مثلاً ای آی به روزتری داشته باشیم اینا با تجرب تجربیاتی هم که دارین کجاست که آدما منحرف میشن از این مسیر اصلی یعنی طبق همین که یکی از مشکلات شاید این باشه که ازیاد

ارغوان میرشکار: انتخاب داریم و باید تو ذهن خودمون حداقل یک سری آبجکتیو داشته باشیم که بدونیم به چیا باید نه بگیم تو این مسیرمون تا اون مسئله رو حل کنیم اینا معمولاً کجاهاست که اتفاق میفته اون باطل نک قضیه که یهو منحرف میشی که از یه ابزار مفید یه استفاده نادرست کنی یی به جای اینکه مثلاً هزینه رو بیاری پایین برای بیزینس هزینه رو ببری بالا و کلاً مسیرتو اشتباه بری

گوینده نامشخص: شما میگی ب

علی منصور: ببین واقعیت ماجرا حالا من یه ذره سعی می‌کنم سؤال اونجوری که واسه خودم راحت‌تره جواب بدم به این داستان من این رو توی در حقیقت استراتژی داشتنه می‌بینم یعنی دقیقاً صحبت شما این که میگی من یک جا باید نه بگم به یک داستانی من اونو تو استراتژی می‌بینم که اصلاً تعریف استراتژی هم همینه خیلی وقتا به یه چیزای خیلی هیجان انگیز و جذابی باید نه بگی بگی همون مسیرو پیش بری من اینطوری می‌بینم که ما اگر خودمونم بذاریم جای بیزینس اونر ها دغدغه در حقیقت کسب‌وکار رو هم داشته باشیم آره منطقه که ما یه زمانی برای با در نظر گرفتن همه اون کنسرن با در نظر گرفتن همه اون دغدغه‌ها و اون نگرانی‌ها و اون ترید آف ها و دیدن سیستماتیک داستان که خیلی مهمه یعنی تو بدونی که من دارم یه جا رو دست

علی منصور: می‌زنم قراره که یه اثر پروانه‌ای داشته باشه یه جای دیگه دوباره به هم بخوره داستانش با در نظر گرفتن اونها به عنوان یک راهکار موقت بعضاً میشه رفت سراغ ابزارهای آماده استفاده کرد ولی بدونیم که در حقیقت اینا موقت و باید به شدت حواسمون باشه که کجاها داره در حقیقت اثر میذاره من نمیتونم بگم مثلاً ما تیمو تعطیل بکنیم یه دونه ابزار از بیرون بیاریم خیلی هم عالی ریکمن شن این ریکمن شن دیگه اصلا من برای چی باید مثلا یه تیم مثلا ۲۰ نفره داشته باشم بدونیم که توی شورت ترم برای اینکه تو رقابت عقب نیفتیم برای اینکه در حقیقت بتونیم دغدغه بیزینس رو مرتفع بکنیم باید استفاده بکنیم از سلوشن های آماده و بعد از این داستان می‌تونیم بریم سراغ اینکه شروع کنیم حالا اون چیز اینترپل اون مدل اینترپل قابل تفسیر رو در

علی منصور: حقیقت پیاده‌سازی بکنیم و بر اساس اون آموخته هایی که از اون سیستم قبلی داشتیم یعنی ما باید اینجاست که در حقیقت باز دوباره بحث دیتا مطرح میشه شما اون مدلو استفاده می‌کنی دیتاشو می‌گیری و می‌بینی اصلاً رفتار چی بوده استفاده می‌کنی برای اینکه مدل این هس خودت رو بتونی بهبود بدی من مدلی می‌بینم که ما می‌تونیم از این ابزارها حتی تو سیستم‌های بزرگی مثل دیجی‌کالا و لارج اسکیل استفاده بکنیم ولی بعدش در حقیقت احتمال داره که ما اثر روی سیستم داشته باشیم بعد مشاهده گری بکنیم دیتاشو تحلیل بکنیم و بتونیم از این استفاده بکنیم لسن لرن داشته باشیم که بتونیم مدل خودمونو بیاریم بالا ترکیبشو من می‌بینم و در عین حال دغدغه بیزینس اونر ها می‌بینم دغدغه برندینگ شونم من حتی می‌بینم تو این داستان و به نظرم با این کار میشه

علی منصور: از اون باتل نکا دور زد یعنی من همچنان نیاز به تیم فنیم مو دارم ولی از ابزارم استفاده می‌کنه

رضا فهمی: درست منم میخوام کامنت بذارم اول این نکتهی رو بگم حالا ما هی داریم می‌گیم که چیتی نیست و نمی‌دونم بلک باکس نباشین [عبارت نامفهوم در زیرنویس] باشیم و فلان و اینا باز میخوام تاکید کنم که داریم در مورد استیجی صحبت می‌کنیم که تو دیگه الان آشنایی یعنی یه تیم داری مستقر مجموعه از دیتا ساینتیست ماشین لرنگ انین ریسرچ وجود دارن میخوان یک سلوشن رو برای یک مسئله‌ی به شما بدن این تصویر با کسی که حالا یه کمپانی تازه شروع کرده استارتاپی که تازه شروع کرده آیا به این معنیه که آقا من هر موقع میخوام برم از ای آی استفاده کنم یا مثلاً از راهکارهایی که مبتنی بر هوش مصنوعی دادست استفاده کنم باید برم س ساعت تحلیل کنم و همه چی همه چی قدم به قدم بفهمم نه نه ما ا اون اون اون اونو

رضا فهمی: در موردش صحبت نمی‌کنیم اون یه تصویر دیگه است اتفاقاً اونجا امتحان کردن از هرچی سلوشن که شما در حقیقت دامنه ابزارهایی که می‌تونی ازش استفاده کنی هی گستد تر بکنی بفهمی چه کارایی می‌تونی بکنی اون یک صورت مسئله دیگه است ما وارد مرحلهای میشیم ی می‌خوایم نور بندازیم روی جایی که متخصصین داده ما طراحان محصول هوش مصنوعی کمپانیهای که روی این تکنولوژی میخوان در حقیقت سرمایه‌گذاری بکنن اینکه صرفاً از یک محصول مبتنی هوش مثنی و مبتنی بر داده استفاده بکنن بلک باکس استفاده بکنن چه ریسک‌هایی رو براشون داره اگه من بخوام یک ویژگی رو بذارم بیشترین چیزی که میخوام بهش اشاره بکنم نگاه تحلیلی ما باید بازوی نگاه تحلیلی رو قدرتمندتر بکنیم و کانتکست رو بهتر بشناسیم هر موقعی تو هر کانتکست حالا برای اون تصویری که صحبت کردیم هر موقعی که یک یک نتیجه‌ی

رضا فهمی: داد مدلمونه می‌تونه یک مدل پیچیده دیپ لرنینگ باشه می‌تونه استفاده کردن از خروجی یک پراتی که نوشتیم باشه می‌تونه الگوریتمهای ساده رگرسیون و رندم فارس و یا چیزای حالا مختلف که می‌تونه در حقیقت توسعه داده باشه باشه این این سوالو بپرسیم که اگر از مدل یا از الگوریتم از این جعبه جادویی که ازش نتایج رو کشیدیم بیرون نتایج رو وقتی داریم نگاه می‌کنیم بپرسیم که چرا این نتیجه چرا این پاسخ رو به سوال ما داد وقتی ما بتونیم جواب این سؤال رو بدونیم که چه جوری می‌تونیم جواب این سؤ رو بدونیم اون که توانایی تحلیل مون رو بیشتر بکنیم اینم چیزی نیستش که مثلاً یه پدیده‌ای باشه که ما مثلا وجود نداره می‌خوایم ی پدیده انتزاعی نه کلی ریسرچ وجود داره کلی در حقیقت روش وجود داره برای اینکه دقیقا پاسخ بدم به این سوال

رضا فهمی: که مدل‌ها رو تفسیر پذیر بکنن چه روش‌هایی که فضت درون خودشون این ابزار به شما میدن اصطلاحا وایت باکس اپروچ خیلی راحت به شما می‌گن که آقا مثلا من این تصمیم رو گرفتم این مدل هوش مصنوعی این خروجی رو داد به شما به این دلایل حالا به این دلایل دارم خیلیی میتون دن کن زنجیره می‌تونید دنبال کنی که چه اتفاقاتی اف اده مشکل یا اگه پدیدهای وجود داره تو ترینینگ تو افرست تو کجاست یا اینکه بلک باکس این مدل حالا بلک باکس م خیلی فنی صحبت نکنیم مدل هوش مصنوعی از چندین تا قسمت در حقیقت داره استفاده می‌کنه اینکه یه جایی داره داده هاتون توصیف می‌کنه

رضا فهمی: فیچر اسپیس تون یه جای خود مدل است که داره تصمیم میگیره کل اینو بلک باکس بگیریم ما می‌تونیم هر جایش رو در حقیقت دست بذاریم و بدونیم این خروجی که ازش داریم استفاده می‌کنیم به چه دلیلی در حقیقت این خروجی رو داره به ما میده و روحیه پرسشگری داشته باشیم که این اتفاقی که الان افتاده چرا افتاده این نتیجهای که مدل داره میده این تکنولوژی هوش مصنوعی تو هر کانتکست داره به من خروج میده چرا این خروجی رو داده اگه چیکار بکنم این خروجی عوض میشه شرایط رو عوض بکنم یک یک واقعا یک فرایند علمیه دیدیم مثلا ما ریسرچ ساینتیست مثلاً اصلاً تو کانتکست ایی بذاریم کنار فیزیک برق شیمی مثلاً وقتی آزمایش می‌کنن می‌گن که آزمایش ۱ و هفتم این بود نتایجش آزمایش ۱۰۸ این بود نتایجش یه ترک رکوردی وجود داره بعد برمیگردن

رضا فهمی: شروع می‌کنن آنالیز کردن نتایج همین اتفاق باید اینجا هم بیفته برای اینکه ما بتونیم بفهمیم که چه اتفاقی داره داخل

علی منصور: یه سؤال بپرسم به عنوان یه بیزینس اونر اگر مثلاً بخوام به این داستان نگاه بکنم برام خیلی ترسناکه من احساس می‌کنم که ی یه ریسرچ لبی باز کردم اینجا در حقیقت قراره که بچه‌ها بیان آزمایش ص هشتم رو انجام بدن و من هنوز دارم هزینه می‌کنم برای اون نیروها که نیروهای گرون قیمتی هم هستن و خروجی حالا چی شد یعنی میخوام بگم که اینم یه ذره ترسناک میشه برای پوینت آ ویو یک بیزینس هونه رو دارم می‌گم کسی که داره سرمایه‌گذاری می‌کنه این داستان

رضا فهمی: یه متمم بذاریم باز بگیم اشاره کنیم به اون بیزینسی که تو اون استیجی بود که اصلاً نیاز به این شرایط داشتا یعنی اون بیزینس کوچیک و اینا که اصلاً وارد این این دسته بندی ما نمیشد ولی تو اسکیل بزرگتر تو استارتاپهای بزرگتر ما تو اکوسیستم ما مثلا دیجی‌کالا دیوار شیپور می‌گه این هزینه اتفاق افتاده ولی باید با این مدل بره جلو باید فرصت بدی و این هزینه رو باید بگی که این هزینه رو من گذاشتم واسه این داستان کهی بعد حالا اینجا یه سری نکات دیگهای هم به وجود میاد اینکه ما متدولوژی توسعه مدل‌های هوش مصنوعی با متدولوژی توسعه نرم‌افزار فرق می‌کنه ۱ یعنی شما اونجوری که مثلاً یه نرم‌افزار رو توسعه می‌دادین یه پروداکت سافتی رو توسعه می‌دادین که آقا یه نیازمندی وجود داره بعد این نیازمندی تبدیل میشه

رضا فهمی: به احتمالاً یه چند تا راهکار بعد تست می‌کنی و میری بالا دیگه دقیقاً این اینجا این داستان این شکلی نیست خیلی موقع‌ها ما می‌بینیم مثلاً می‌شنویم که آقا من من نمی‌تونم هیچ تایمی به تو بدما مثلاً اگه مثلاً توی تیمهای نرم‌افزاری دور هم جمع میشدن مثلاً فرض کنید متدولوژی شون اسکرام بوده بعد میومدن پوینت دادن میگفتن آره آره چند وقت دیگه من اینو دلیور می‌کنم بعد همین قالبو می‌خواین توی تیم‌های مبتنی بر توسعه هوش مصنوعی و داده استفاده کنی می‌گن نمی‌تونیم نمی‌دونیم همچین چیزی بگیم قدم اول اولا بفهمیم که پس پس چرا نمی‌تونه بکنه چرا این اتفاق نمی‌تونه بیفته اپروچ م واسش وجود داره یعنی حالا اینجا نمیخوام در مورد اپروچ صحبت بکنیم اپروچ واسه اینکه ریسکشو کمتر بکنیم وجود داره خروجی بگیریم با ریسک کمتر وجود داره

علی منصور: همین ولی دغدقه های دیگه هم داره من حالا بازم یه اشاره مثلا بکنم باز در مورد همین تفاوته چون یه ذره حالا باز مدیر محصولی به داستان نگاه بکنم که شما مثلا وقتی متریکا رو داری چک می‌کنی یه مثلا می‌بینی که توی یه مثلا بازه زمانی حالا شاید مید ترم یا لانگ ترم می‌بینی که مثلا بر فرض متریک های تو همه چی خوب بوده تو یه تستی گرفتی ا بی تستی گرفتی همه چی اوکی پیش رفته بعد یهو می‌بینی شروع می‌کنه دیکلا کردن شروع می‌کنه متریک افتادن حالا اینجا دیگه یک مثلاً مدیر محصول سافتور خیلی دغدغه و درگیری س این داستانو نداره احتمالاً مثلا باید بره یه دیزاین جدید مثلا بیاره یا مثلا یه یوزل تستی بگیره یه ریسرچ بکنه ببینه مثلا مشکل از کجاست ولی توی مثلا محصول ایی تو مثلا ممکنه بحث مدل

علی منصور: دریفت و دیتا دریفت و پیدا بکنی اینا دغدقه توون میشه که اصلا بدونی اص این خود این دریفت داره از چه جنسیه این گرجی مثلا به خاطر اینکه مدل ترینش مشکل داره ترین نشده یا اینکه مثلا تو بفرض سیزن لیتی داره روش اثر میذاره این به خاطر فصلی بودن اتفاقاته که مثلاً تو دیجی‌کالا خیلی میدیدیم ما یا م مثلا شما رو کتگوری خاص ممکنه فصلی بودن رو ببینی و ممکنه اون مدل کار نکنه درست و این دغدقه هاییست که در حقیقت به عنوان یک پروداکت منیجر باز دوباره توی محصول ای آی خیلی مهم میشه و اصلا فرق می‌کنه دنیاش یعنی دنیاش اصلا یه چیزیست که شما هیچ موقع این جنس دغدقه رو نباید داشته باشی ولی توی هوش مصنوعی اینم مثلا باید رصد بکنی و ببینی تو لانگ ترم چه اتفاقی داره واسه همون محصولی که به نظر موفق بده و ایبی تستو پاس کرده اتفاق داره واسش میفته

رضا فهمی: این این ا تیکه رو اون قسمت داده باز دوباره اشاره می‌کنه بهش دیگه یعنی مثلا ما داریم می‌گیم الگوریتم پراس پاور داده تو ایی که داره با ی با داده‌هایی که در ۶ ماه گذشته در حقیقت مدلت توسعه دادی و ساختی یه ریزالت میگیره همون سیزنی که داری بهش اشاره می‌کنی یا انواع بایاس ها مثلا حالا یکی از راهکارها میشه اینه که ما واقعا یه کم یه ذره عمیق تر بشیم بایاس ها رو بشناسیم ریسکها رو بشناسیم مثلاً بایاس که توی دیتا به وجود میاد با بایاس که مدل ممکنه اتفاق بیفته واسه چه تفاوتی وجود داره سیزن لیتی چه اصلا مفهومش چیه تو چه کانتکست به وجود میاد تو چه کانتکست به وجود نیاد باز دوباره برگردیم سراغ اون مسئله هارد و کامپلکس مث تو مسائل هارد شاید مثلاً سیزن لیتی حالا یه جور دیگه‌ی

رضا فهمی: نمود پیدا بکنه به این معنی که داده‌های سری زمانی داشته باشی و مدلت بر اساس اون توسعه بده و این مشکلات به وجود بیاد اونجا نداشته باشی ولی اینجا داری تو مثلاً داده هات فرض کن من مثال دوباره ریکمن شن یا سرچ چن جین یا اصلاً هر هر چیز دیگه‌ای که از این جنس رو میشه نگاه کرد میای میگی آقا من داده‌های کاربران در ۶ ماه گذشته در یک سال گذشته رو می‌گیرم بر اساس اون یک مدلی توسعه میدم و مسئله مو حل می‌کنم بعد اون ۶ ماه گذشته مثلاً دلار مثلاً چه افکتی روش گذاشته بله مسائل اجتماعی مسائل اجتماعی چه افکتی روش گذاشته نمی‌دونم اصلاً خیلی ساده بخوام بگم خیلی خیلی اپروچ ساده بگم بیایم بگیم آقا ما یه مدلی داریم نگاه می‌کنیم

رضا فهمی: که مثال چه کالاهایی برای کاربران جذاب بوده ما اینا رو بیاریم بذاریم خیلی دارم ساده می‌کنم مسئله رو چه کالاهایی جذاب بوده برای کاربرا بیایم اینا رو بذاریم مثلاً توی صفحه هوم پیجمون به کاربرا پیشنهاد بدیم بعد مثلا اگه اون ۶ ماه فصل سرد بوده فرض کنید سایت شما هم سایت پوشاک باشه من مثال دارم میزنما بعد می‌بینید که کاربر همه مثلاً لباس زمستونی لباسی گرم دوست دارن بعد اینو برمیداری می نشون میدی تو تاب سون بعد می‌گه که این چقدر کار نمی‌کنه چرا چرا مدلم کار نکنه در صورتی که خب به خاطر این الگوریتم همون الگوریتم هستا دادههای که بهش بی کردی مربوط به یک فصلی بوده که الان فصل عوض شده و اتفاقات دیگه افتاده اینم باز مثال بود میخواستم بگم کلاً یه مهم‌ترین ابزارم برای اینکه بتونیم این این چالشو رد بکنیم نگاه انالیتیکس

علی منصور: حالا یه مثال دیگه بزنم ولی یه نیم نگاهی هم به زمان داشته باشیم شما به بگین که چقدر زمان داریم چون من و رضا می‌تونیم تا ابد با هم صحبت بکنیم ولی یه مثال دیگه این وسط بزنم این کهه مثلا حالا جزو کیسهای بود که خود رضا هم فک کنم توی فرایند توسعه محصول خیلی براش مهم بود اینکه در مد دیتا باز دوباره اهمیت دیتا اینکه تو توسعه محصول هوش مصنوعی شما مثلا ب فرض ممکنه که بیان روی یک مدلی رو ترین بکنن روی دیتا و بعد مثلا بیان روی یک کتگوری هایی شروع بکنن یه دیتا ستی به عنوان تست استفاده بکنن و شما باید دغدقه تون این باشه که آیا مثلا این دیتاست من داره ررز نتور خوبی از کل جامعه من هست

علی منصور: یا نه یعنی این دیتایی که من سلکت کردم این کتگوری ویژگی خاصی ندارن که مثلاً به عنوان اوت لایر باشن و داره مثلاً مدل من روش خوب کار می‌کنه بعد وقتی میرم روی مثلاً کتگوری هاهای دیگه وقتی در مورد کتگوری دیگه صحبت می‌کنم فرض کنید شما مثلا ما ۵ تا کتگوری رو داریم سلکت می‌کنیم از بین ۲۰۷

ارغوان میرشکار: منظور کتگوری

علی منصور: آره دسته بندی کالایی یعنی شما فرض کنید که ما ۱۵ میلیون کالا داریم میشکنه به ۲۷۰۰ تا زیرمجموعه و اون زیرمجموعه‌ها در حقیقت من باید سلکت خوبی داشته باشم ازش و سلکت منصفانه و غیر بایستی باشه که وقتی مدل رو می‌گم داره خوب کار می‌کنه میخوام ببرم روی پرو اکشن پیاش بکنم یهو سورپرایز نشم یعنی من با بدونم که اون دیتاست تست منم در حقیقت یک نماینده خوبی از کل جامع هست یعنی باز این دغدقه هایی که میخوام بگم توی توسعه محصول تفاوت داره اتفاق میفته حالا اینجا یه ذره نزدیکی من و رضا با همه دیگه چون محصولی داریم به داستان بازی نگاه می‌کنیم باز یه ذره فنی تر ولی باز جنس محصوله حالا دیگه زمانم شما یه یادآوری به ما بکنید

ارغوان میرشکار: آ ما حدود ۲۰ دقیقه دیگه زمان داریم می‌تونیم گفتگو کنیم از صحبتهای شما یه لاین باز موند که قر راجع به سه تا نحوه استفاده از ایی توی مدل توی سازمان حرف زدیم که یکیش مدل‌ها بود یکیش این هاوس بود یهس سومی موند

گوینده نامشخص: ج من آرزو می‌کردم که ز یادت باشه اشاره کردیم بهش در حقیقت اون اپروچ سوم میشه دیگه اپروچ که شرکتهای غول فناوری دارن در حقیقت استفاده می‌کنن دیگه یعنی شما واقعا اونجا اونجا دیگه واقعا ریسرچ لب داری بله اصلا اگه زیر پی اچ دی فکرکنم نداری اصلا دیگه کسایی که دارن اونجا مدل دولپ می‌کنن همه دیگه کسای که دکترا دارن تو این حوزه و دارن کار کاملاً علمی می‌کنن آزمایش ۱ هشتم س بله ب و این نکته رو بگم ا که دارن در واقع علم تولید می‌کنن دیگه یه این این نکته رو بگم در مورد ایران اینکه این تیکه شاید حالا با همدیگه ی تفاوت نگاهی داشته باشیم من و علی واقعاً تو ایرانم امکانپذیر هست

گوینده نامشخص: یعنی به نظر من ما محققین و ریسرچ رایی که تو ایران داریم من خودم افتخار این داشتم که با خیلیا کار بکنم تو همین دیجی‌کالا توی اکوسیستم مون خود رضا یکی از این افرادیست که در حقیقت اثرگذاره ها یعنی حالا شاید رضا انقدری در حقیقت شناخته شده نباشه ولی از نظر من واقعا یکی از تلنت این حوزه است که خودش اثرگذاره توی اکوسیستم

ارغوان میرشکار: پس براون مثالم بزنین از ریسرچ

رضا فهمی: چشم چشم ا این این امکانش واقعا وجود داره یعنی ب برگردم تو اون سهگانه داده الگوریتم و در حقیقت پروسس پاور اینجا اون ضرع سوم که در مورد صحبت نکردیم پراس پاور احتمالا باتل نک میشه که دیگه اصلا بحث در حقیقت کمکهای دولتی و نمی‌دونم اصلا یره اینو میخوام اشاره بکنم که آیا ما تو ایران گفتیم از ایپی اینا استفاده بکنن یا یه سری مدل آماده استفاده بکنن بیارن خودشون در حقیقت چه تو لول الگوریتم چه تو لول در حقیقت پیپر چه مدل آماده بیاریم استفاده کنیم گفتیم باید حتما حواست باشه مدل رو بفهمی چه اتفاقاتی داره میفته تو حالت سوم که آقا دیگه من اصلا باید بیام اینجا ریسرچ بکنم و سولوشن و راهکار خاص خودم رو بدم شبکه‌های عصبی خودم رو طراحی بکنم اپروچ های خاص خودمونو طراحی بکنیم آیا این واقعا امکانش امکان پذیر نیست

رضا فهمی: تو ایران من می‌گم هست چی لولش آیا ما می‌تونیم به اندازه دنیا در حقیقت بریم جلو یعنی مثلا انتظار خروجی که مثلا از ریسرچ لبی توی مثلا آمازون یا مایکروسافت مثلا ما انتظار داشته باشیم تو دیوار و نمی‌دونم دیجی‌کالا و شرکتی داخلی ما خودمونم اونو داشته باشیم من به نظرم د تا باتل نک اساسی وجود داره یکی پراس سینگ پوره تو پرانتز یه چیزی بگم یه تو پادکست بیل گیتس و سمتم این این میخوام اهمیت پراس پاور بهش اشاره بکنم یه بحثی شده بود در مورد اینکه میخوان یه در حقیقت سازمانی مثل سازمان که در حقیقت مانیتور می‌کنه

رضا فهمی: فعالیتهای هسته کشورها رو برای هوش مصنوعی داشته باشن که مثلا بگن یه سازمان آژانس مثلا آژانس ب هوش مصنوعی بعد و بیاد یه سری مثلا رولیشن بذاره یه سری محدودیتها بذاره که هر کشور م مثلا از هوش مصنوع اینا چه چقدر می‌تونن استفاده کنن بعد بلگ از ازمت من می‌پرسه که به نظر تو اصلا شدنیه اصلا چه جوریه این چیزی که می‌گیم اصلا مگه میشه محدودیت گذاشت یا نه من جوابی که سمتم دادو اینجا می‌گم اون اونجا تفسیر سمتم دیگه مدیرعامل اپن دیگه می‌گه ببین ما دیگه عملاً تا همین سه گانه دیگه الگوریتم تقریباً رد شد برا ی یعن دیگه میدونن فرمول چیه یه شبکه عصبی با ی این ویژگی ها احتمالاً داره اتفاق میفته داده هم که مشخصه داده هم تو نت هست دیگه

رضا فهمی: اینجا حالا بحث این به وجود میاد که چقدر شما دسترسی به داده داشته باشین هر چقدر شما پلتفرم هایی داشته باشین که داده های خاص خودتون رو داشته باشه در حقیقت قدرت قدرتمند تر خواهید بود قطعاً داده که فیسبوک داره رو ما کمپانی نداریم که اندازه اون داده داشته باشه جایی که مثلا بحث آیتی و اینترنت اشیا هست دیگه مگا دیتاها ی که اونجا مثلا وجود داره که بخوان پلتفرم داشته باشن پروسس بکنن احتمالاً فرق می‌کنه دیگه دقیقا حالا یه چیزی اینجا میمونه اون زل سوم پروسس اینگ پاور که اون محدودیت محدود کننده است اصلاً اسکیل پراس سینگ پاور من عدد رقم الان حضور ذهن ندارم بگم ولی اسکیل پراس پاوری که مثلاً قدرت پردازشی که شرکتهای غول فناوری انداختن پای این قضیه و اسکلی که ما داریم توی شرکت بزرگمون هم چه دیجی‌کالا چه فکر می‌کنم شرکتی دیگه

رضا فهمی: هم حالا من نگاه کردم اینجوری باشه شوخیه یعنی برای اینکه شما بتونید الان مدل خاص خودتونو توسعه بدید ریسرچ لور داشته باشید با دانشگاه در حقیقت تعامل داشته باشید مدل توسعه بدین اون قدرت پردازشی شوخیه اخیرا بود فک کنم یه شرطبندی کرده بودن گفته بودن که نمی‌شه در حقیقت خیلی زمان بره بخوان سری بکنن مثلا جیپی رو ایلان ماس که چند هزار تا رو سری کرد و در حقیقت گذاشتم پای کار واقعاً اردر یه اردر فک کن تعداد کل مثلاً جی پیو های مثلا کل ایرانو جمع بزنی فکر کنم مثلا یک دهم اونم نمی‌شه عدد ندارم ولی احتمالاً شهود می‌گه آره حرف داره ی ده که شاید یکد سمال من اونجا میگفت چی میگفت که ببین داده که هست احتمالاً الگوریتم هم که هست

رضا فهمی: بعد شما تصور کنید که الان مثلا همین چت چیبی بی تی یا مثلاً مدل‌های ال امی که الان داره توسعه داده میشه شرکتهای مختلفم برا خودشون مدلهای خاص خودشونو دارن الان محدود کننده شون همون پروسس اینگ پاور است یعنی شما هر چقدر قدرت پردازشی بریزی مدل قدرتمند تری دارید مدلی دارید که اون ا اول صحبتمون بود که میگفتیم احتمال یه سری سکوس بفهمه اون سکوس به جای ۱ تریلیون هزاران تریلیون رو می‌تونه بفهمه روابط خیلی خیلی پیچیده تر می‌تونه بفهمه هر چقدر شما پروسس پاور بچینید بریزید پاش مدل قدرتمند تری رم خواهید داشت پس انقدر اون تو اون اسکیل انقدر مهم میشه ما کجایی کاریم تو ایران این گپه بین ما افتاده یعنی ما هم داده احتمالا نداریم و هم پراس پامون واقعا اصلا قابل مقایس نی

علی منصور: این داده نداشتنه خودش اصلاً داستان عجیبی یعنی اصلاً تو رو به اون مرحله بعدی نمیرسونه یعنی اصلاً اینکه از هوش مصنوعی من استفاده بکنم خودش میره زیر سؤالی

رضا فهمی: آره فقط یه نکتهی اینجا وجود داره آیا همه کاربردهای هوش مصنوعی که حالا کل این جلسه هم در مورد این داشتیم صحبت می‌کردیم محدود میشه به توسعه توسعه ال ام ها آیا کاربرد دیگه هوش مصنوعی وجود نداره توی کانتکست های دیگه‌ای کارهای خفنی اینجا اجا نمی‌شه انجام داد که اون طرف داره انجام میشه به نظر من میشه

علی منصور: یی تو می‌خوای یه ج اون بلاکر پروسس پاور رو دور بزنی

رضا فهمی: ره دقیقا ما اینجا باید به یک در حقیقت مزیت رقابتی ما یه جای دیگه می‌تونه قرار بگیره نه ما ریسرچ خیلی خوبی داریم توی ایران به نظر من دانشگاه هامون واقعا توی حالا من خودم هوش مصنوعی خوندم یعنی کامپیوتر و هوش مصنوعی بوده بگردم و دیدم دیگه بها که دارن کار می‌کنن تو این حوزه از من خیلی قویتر و آدمای کار درستی که همه خروجش که داری میبین خارج از کشور رو هوا میبرنش و هم آدمای به شدت قدرتمندی داریم یعنی ریسرچ خیلی خوبی داریم و هم تو ابعاد خودمون فضا رو داریم یعنی مثلا داده و نمی‌دونم در حد خودمون پراس پاور که مسائل امروزمون رو در حقیقت داره جوابگو میشه

رضا فهمی: در اون حد داریم اینکه ما بریم به سمت توسعه مدل بریم به سمت این اتیتیود به وجود بیاد که آقا ما الان اینجا می‌تونیم ریسرچ لب داشته باشیم بریم به اون سمت به نظر من ی یه قدم مهمیه که اگه مثلا استارتاپهای تک ما در همکاری با مثلا دانشگاه داخلی بتونن اونو آنبلاک کنن یا مثلا در حقیقت قفلشو باز دوره رو بزنن یه سری صورت مسله وجود داری که واقعاً می‌تونه تو ایران خیلی خوب حل بشه مدل بشه و تولید علم بکنه یعنی با این مایندست متفاوتی تهدید و به فرصت تب

علی منصور: بله بله یه سری مسائل متفاوت یعنی من برداشتم از صحبتهای رضام همینه و فکرم می‌کنم در واقع همین اتفاق داره میفته مثلاً تو حوزه ال ام هام احتمالاً ما خیلی به خاطر این داستان حرفی واسه گفتن نداشته باشیم یعنی ما اون پروسس اینگ پاور رو وقتی نداریم خیلی نمی‌تونیم ادعای پیشرو بودن بکنیم به نظرم و واقعیتش اینه که خیلی بلاک کرد ولی تو یه سری مسائل دیگهای که در حقیقت نیاز به اون حجم از پروسس اینگ پاور وجود نداره قطعاً مسائل خودمونو می‌تونیم حتی بهتر از شرکتهای گنده مثلا مثل آمازون و گوگل و امثال هام حل بکنیم منم با این قضیه هم صفهم یعنی حالا رضا اشاره کرد گفت اختلاف نظر داریم اختلاف نظرم تو یه جای دیگه هست ولی خب به هر حال این رو من قبول دارم یعنی لزوما اینجور نیست

علی منصور: که بگیم که حالا اگر یه ریکمن شنی رو مثلا توی مقاله آمازون استفاده کرده ما هم مثلا دیگه سقف ما میشه همونی که اونجا بوده نه لزوما اتفاق نمیفته و میشه در حقیقت پا رو فراتر گذاشت

رضا فهمی: من یه مثال بزنم از یه کاری که ما توی میراز من شرکت اولی که در حقیقت بعد دانشگاه بهش اضافه شدم شرکت میراث تکنولوژی بود کارش اصلا پروید کردن تکنولوژی های ایی و بیگ دیتا و سرویس دادن به شرکتهای دیگه بود بعد ما یه با همین عطی دیدم اونجا بچه‌ها واقعا کار می‌کردن که آنلاک کنن این داستان رو و برن سمت ریسرچ و کار بینالمللی کردن مثلا ما کارآموز میگرفتیم از دانشگاه خوب کش از شریف و دانشگاه تهران و اینا گفتیم مثال بزنم یه صورت مسئله توی ان ال پی وجود داره نچرال لنگ پروسس بحث همین پردازش متون طبیعی بحث سنتیمنت انسیس میخوام بگم کانتکست مون چه جوری فرق می‌کنه مثلا تو دیجی‌کالا فکر کنم از این داره استفاده میشه

علی منصور: بله برا کامنتها

رضا فهمی: بله بله که ی یه نفر یه کامنتی میذاره یه ایی بیاد تشخیص بده که این الان مثلاً کامنت مثبتی بوده کامنت منفی بوده یا کامنت فلان تو زبان فارسی ما یه صورت مسئله‌ی که داریم اینه که آیرونی یا طعنه خیلی وجود داره یعنی مثلا سالشو قبل جلسه داشتیم با هم ریویو می‌کردیم که اتفاق افتاده مثلاً یادمه که یه ما اون موقع یه محصولی داشتیم روش کار می‌کردیم که بحث مدیا مانیتورینگ بود که در حقیقت توییت‌ها و نمی‌دونم کامنتهای اینستاگرام ای شروع کنه پالایش کردن گزارش بده در مورد یه برندی مثلا اسنپ بیاد بگه آقا یه پدیده اتفاق افتاده چقدر دقیقا بیاد ببینه که مردم در حقیقت نسبت بهش چه حسی دارن یادمه یه مثالش که اصلا پروژه تعریف شد سر دلار بود یه نفر توییت کرده بود به دولت مثلا تیکه انداخته بود گفته بود

رضا فهمی: که دلارم شد مثلا سی و خورده ترک کوندی بابا چند تا علامت خنده خب این الان مثلا این آیرونی داره توش دیگه یعنی تیکه داره میندازه صورت قضیه انگار که مثبته ولی داره پشتش و ما این روحیه تنز پردازی و تنه انداختن توی تویت توییتر فارسی که دیگه اصلا خوراکمونه این این رو تشخیص دادنش و قدم برداشتنش شد یه صورت مسئله اصلا آ دیتک شن توی زبان فارسی درست یه قدم کوچکی کانتکست خیلی خاصه و ولی باز بچهها اومدن شروع کردن ریسرچ کردن یه مدل دادن پیپر دادن پیپر هم چاپ شد و خیلی تجربه خوبی بود نمیخوام بگم که مثلا همه همین کارو بکنن ولی واقعا میشه از همین صورت مسئله ها پیدا کرد چرا اگه یه کاری رو مایکروسافت و نمی‌دونم آمازون و اینا میاد همون کاری که داره توی شرکتشون انجام میشه نتیجش جالب میشه

رضا فهمی: ی پروژه رو تعریف می‌کنن و تبدیل میشه به یه پیپر خب چرا ما توی شرکت خودمون نکنیم ما این همه صورت مسئله داریم توی استارتاپهای خودمون که می‌تونه تبدیل بشه به پیپر و ریسرچ و و واقعاً هم جذابه

ارغوان میرشکار: برداشت من اینه که ما باید مدل مواجهه خودمونو داشته باشیم با این تکنولوژی که ببینیم واقعا مسئله در سطح لوکال و تو کشور خودمون چیه و ازش استفاده کنیم حالا برای جمعبندی اگر نکته‌ای هست بفرمایید هم از دید شما هم آقای فهمی

علی منصور: من فکر می‌کنم که در حقیقت باز یه برگشتی میزنم به اون گریزی می‌زنم به اون تیکه اول صحبتمون که ما یه سری قدما رو داریم اسکیپ می‌کنیم داریم رد می‌کنیم این قدما قدمای در حقیقت شاید به نظر برسه که واجب و لازمی نیست ولی استفاده کردن از این دیتا در همون سطح مسئله آماری و فهم این داستان خیلی به بیزینس می‌تونه کمک بکنه یعنی لزوماً ما قرار نیست ای آی رو صرف اآ استفاده بکنیم قبل این داستان می‌تونیم از این تحلیل‌ها استفاده بکنیم و اون تحلیل‌ها در حقیقت تازه ما رو می‌بره سمت مسائل اصلی سازمان یعنی ما تازه اصل موضوع رو درک می‌کنیم و باید جواب گوش باشیم و بتونیم جواب به اون سوالهایی که ایجاد میشه

علی منصور: بدیم ته داستان اینجوریم که آره ایی خوبه آره چت جی‌پی‌تی خوبه آره جنتی ایی چیز جذابیه ولی ما خیلی راه داریم تا اینکه بخوایم در حقیقت بریم سراغ استفاده بالغانه از این داستان حالا هر چیزی رو که ما توی ایران وارد میشه می‌گیم که باید اون فرهنگش م بیاد نمی‌دونم باید زمینه بسترسازی بشه بنده خدا شوخی می‌کرد می‌گفت انقدر بسترسازی کردن همه خوابن حالا حکایت داستان ماهم اینجوری نشه ا بسترسازی لازمه اون در حقیقت فرهنگی هم لازمه ولی خب واقعیتش اینه که اگر می‌خوایم استفاده هوشمندانه و بهینه ازش بکنیم باید اون داستان رو سوادش رو داشته باشیم تو حوزه تحلیل دیتا جمع کردن دیتا و اینکه بخوایم دید تحلیلی که حالا رضام بهش اشاره کرد جزو مهار تست به نظر من خیلی مهم‌تر از خود اون داستان ای ممکنه یک سازمانی از ای استفاده نکنه

علی منصور: ولی به بهینه‌ترین حالت ممکنش داره از دیتا استفاده می‌کنه و بهش کمک می‌کنه که که خروجی بگیره سودآور باشه تو رقابت حتی با کسی که داره ایی پروید می‌کنه هم ازش جلو بیفته و به نظر من نباید تو این هیاهو گم شد و نباید گم کرد این مسیر اصلی رو شما استفاده از دیتا مهمه براتون نه اینکه حتما از ایی استفاده بکنید

گوینده نامشخص: خیلی ۱ پ۱۵ سال پیش مثلا ۱۷ ۱۸ سال پیش فکر می‌کنم طب نانو تکنولوژی خیلی بله بله همه چی نانو ب در این ح دیگه تو مترو هم که میرفتی میگفتی جراب مثلا نانو ی همه چی دیگه نانو شده بود فکر می‌کنم کل بحث ما اینه که نریم به اون سمت ی دیگه همه چی رو یه لیبل ایی بزار فقط دیگه نگاه کامرشیال داشته باشیم بهش مارکتینگ ترک آقایه

رضا فهمی: ی طبیعی ماهم روش استفاده بکنیم یه فرصتی وجود داره برای اکوسیستم استارتاپی ایران برای شرکتهای داخلی برای دانشگاه‌ها برای ریسرچ که ما حالا تو زمینه‌های مختلف در حقیقت توی تکنولوژیهای مختلف ممکنه یه اختلافات خیلی زیادی داشته باشیم با دنیا یه یه افرا استراکچر عجیب غریبی رو در حقیقت ما نداشته باشیم مثلا تو خودروسازی مثلا چه می‌دونم توی طراحی هواپیما خب نداریم دیگه خیلی فاص دار توی اآ اون قسمت پروسس اینگ پاور و اینا که هست ولی واقعیتش اینه که اونقدر گپه وجود نداره ماها می‌تونیم به اون در حقیقت تکنولوژی به نحو احسنت ازش استفاده کنیم این حالا تصویر کلی جامعهای اگه بخوایم بگیم نگاه اجتماعی ولی توی خود کسب‌وکارها و توی سازمان‌ها هم صورت مسئله مقدمه به راهکار این فکر می‌کنم کل بینده صحبت این باشه حتی به نظرم کفایت می‌کنه صورت مسئله خیلی مقدمه به راهکار

علی منصور: و اینجا جایی میشه که حالا آدمایی که تخصص حوزه پروداکت دارن طراحی محصول دارن ارزششون دو چندان بیشتر مشخص میشه که کنار تیم فنی قرار بگیرن تیم فنی و و اینجا یه جاییه به خاطر همه اون پیچیدگی‌هایی که گفتیم نمی‌تونیم خیلی خطکشی کنیم اوکی تو یه توسعه دهنده فنی تو یک توسعه دهنده پروداکت تو یک توسعه دهنده بیزنس هر کسی کار خودشو بکنه پاسکاری کنه به همدیگه نه اینجا جاییه که احتمالاً هم پروداکت منیجر ها و توسعه دنده‌های محصول باید دانش داشته باشن نسبت به کانتکست هم توسعه دهنده‌های فنی و کسایی که دارن اینجا به عنوان نیروی فنی کار می‌کنن باید محصول رو بشناسن استراتژی رو بشناسن بیزینس بشناسن مالتی اسپکت بشناسن

رضا فهمی: هم بیزینس باید ریسک‌های در حقیقت استفاده کردن از این مدل رو بشناسه د همه ای ارم گفتیم به معنای اینکه از ایی استفاده نکنید نیست دیگه از اینکه از ایی درست‌تر استفاده بکنیم الان که داریم هزینه رو میدیم الان که داریم میریم به سمتش خب بیایم درست تر و دقیق تریم سمتش

ارغوان میرشکار: بسیارم عالی مرسی ازتون مرسی که زمان گذاشتید و خیلی گفتگو جذابی شد

گوینده نامشخص: ممنون از سپاسگزارم مرسی از اینکه این آرزوی قدیمی ما رو آره جامعه عملش بشونی آره و اینکه حالا شاید خدا رو چ شاید من ض با همدیگه که فیت دادیم خیلی هم عالی مرسی ازتون سپاسگزار ش ممنون وقتی گ ش امیدوارم مفید بوده باشی ممنون مرسی

نظرات

دیدگاهتان را بنویسید

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

درباره این قسمت:

گفتگوهای مشابه:

نیم‌نگاه سوم: تاملی در باب مرگ دولت در اقتصاد ایران به روایت دکتر محمدی

نیم‌نگاه دوم: دکتر بیرانوند و اضمحلال نظام آموزش عالی در ایران

نیم‌نگاه اول: ترامپ، عربستان و هوش مصنوعی

نیم‌نگاه

پراپ‌تاک ۴: پراپ‌تک چیست به روایت دکتر کیارش عباس‌زاده

پراپ‌تاک ۳: آینده اقتصاد صنعت ساختمان در گفتگوی دکتر عباس‌زاده با دکتر سنگینیان