مسیریاب نشان، خِرد ماشین یا خِرد انسان؟
آیا تا به حال برایتان این سوال پیش آمده است که نرم‌افزارهای مسیریاب زمان رسیدن به مقصد را چطور پیش‌بینی می‌کنند؟ احتمالا تصور می‌کنید که محصولاتی نظیر نشان داده‌های ترافیکی شهر را در اختیار دارند و اطلاعات دقیقی از وضعیت حال حاضر شهر دارند و اعلام زمان رسیدن به مقصد نباید کار سختی باشد. اما وقتی قرار است یک مسیر نیم ساعته را طی کنیم تا به مقصد برسیم، آنها از کجا می دانند که وضعیت ترافیکی حوالی مقصد نیم ساعت دیگر چطور می‌تواند باشد؟ همراهمان باشید تا بیشتر از جزئیات نحوه کار مسیریاب‌ها باخبر شوید.
هرچند که نرم افزارهای پیش رفته‌ای مثل «نشان» وضعیت لحظه‌ای ترافیک و سرعت ماشین‌های در حال حرکت را در اختیار دارند، اما این اطلاعات برای مسیریابی کافی نیست. فرض کنید الان ساعت ۱۲:۴۰ دقیقه است؛ ما در دانشگاه تهران هستیم و تصمیم داریم به دریاچه چیتگر برویم. هرچند که وضعیت ترافیکی شهر در همین لحظه کاملا مشخص است، اما حدودا چهل دقیقه طول می کشد تا به مقصد برسیم. پس باید وضعیت ترافیکی مقصد را از طریقی پیش بینی کنیم تا زمان احتمالی رسیدن به مقصد را اعلام کنیم.
برای پیش بینی وضعیت ترافیکی مقصد، موارد گوناگونی را باید بررسی کرد. برای مثال، ترافیک یک منطقه در ساعت ۱۲:۴۵ روز شنبه، به احتمال زیاد شبیه به ترافیک همان منطقه در ساعت ۱۲:۴۵ شنبه‌ی گذشته خواهد بود. اما پیش‌بینی وضعیت ترافیکی تنها با اتکای صرف به الگوهای تکرارشونده و سوابق تاریخی ترافیکی نیز چندان دقیق نخواهد بود؛ چرا که عوامل پیش‌بینی نشده‌ای مانند تغییر وضعیت جوی، تصادف یا برگزاری همایش نیز ممکن است بر وضعیت ترافیکی تأثیر بگذارند. نکته‌ی جالب دیگر این است که تغییرات جوی تأثیر یکسانی بر وضعیت ترافیکی در نقاط مختلف شهر نمی‌گذارند. برای مثال بارندگی ممکن است در شمال شهر تهران باعث ایجاد ترافیک شود و در جنوب تهران تغییری در وضعیت ترافیکی ایجاد نکند. این تفاوت بین شهرهای مختلف ایران نیز صدق می‌کند. به همین دلیل است که مسیریاب نشان برای انجام پیش بینی دقیق وضعیت ترافیکی، شهرهای ایران را «منطقه به منطقه و محله به محله» تفکیک کرده است و وضعیت ترافیکی هرکدام از این مناطق را با درنظر گرفتن شرایط خاص خودشان پیش‌بینی می‌کند.
بگذارید مثال دیگری از توانایی‌های «نشان» را باهم بررسی کنیم. از چندی پیش سرعتگیرهای سطح شهر روی نقشه نشان به نمایش درآمده اند و چند ثانیه قبل از رسیدن به آنها، نرم افزار بوق کوتاهی پخش می کند تا سرعت را کاهش داده و هنگام عبور از موانع شما، سرنشینان و ماشین آسیب نبینید. اما تشخیص وجود سرعتگیر چطور انجام شده است؟
کار تحلیل دیتای کاربران با بررسی این ایده که عموم مردم قبل از رسیدن به سرعتگیر سرعتشان را کاهش خواهند داد، در تیم نشان شروع شد. اما از آنجایی که در طی روز با در نظر گرفتن ترافیک امکان چنین تشخیصی وجود نداشت، دیتای نیمه شب مورد بررسی قرار گرفت. به کمک هوش مصنوعی نقاط احتمالی سرعتگیر (که چند متر جلوتر از مکان ترمز اکثر کاربران است) شناسایی شد. مکان هایی نظیر تقاطع ها از این دیتا حذف و صحت سنجی وجود سرعتگیرها به کمک خرد کاربران “نشان” راستی آزمایی شد. با ترکیب دیتای به دست آمده توسط ماشین و گزارشات کاربران، تا کنون بیش از ۱۶۰۰۰ سرعتگیر در سراسر کشور ثبت شده است! این دیتا هر روز کامل تر شده تا جایی که تمامی سرعتگیرهای سطح کشورا روی نقشه دیده شوند. شاید نمایش سرعتگیرها روی نقشه در شرایط اقتصادی حال حاضر، کمکی باشد در نگهداری بهتر ماشین و عدم تحمیل هزینه هایی برای تعمیر جلوبندی آن.
با بررسی دو مثال بالا می توان به سوال عنوان متن بهتر پاسخ داد؛ آیا نرم افزارهای پیشرفته و تکنولوژی محوری نظیر نشان، بر پایه خرد ماشین توسعه یافته اند یا خرد انسان؟ شاید بتوان گفت خرد ماشین، بیگ دیتا و دیگر داده ها، ابزارهایی هستند که به کمک خرد انسان (به صورت جمعی یا فردی) راهبری می شنود تا به یک خروجی قابل اطمینان تبدیل گردند. در مثال پیش بینی ترافیکی هرچند داده ها تعیین کننده تصمیم ماشین هستند، اما الگوریتم هایی که توسط متخصصان نشان طراحی شده است، این قدرت تصمیم گیری را به ماشین داده اند. و در مثال سرعتگیر، خرد جمعی کاربران تکمیل کننده دیتای اتخاذ شده توسط هوش مصنوعی ماشین است.
به نظر شما کدام خِرد در عصر حاضر راهگشای امور خواهد بود؟
این محتوا جنبه‌ی تبلیغاتی دارد و توسط شرکت راژمان تولید شده است. دیجی‌کالا مگ هیچ‌گونه مسئولیتی در قبال صحت و کیفیت اطلاعات مطرح شده ندارد.
از نشان استفاده می کنم.عالییییه.