مسیریاب نشان، خِرد ماشین یا خِرد انسان؟
به گزارش مجله روگذر، آیا تا به حال برایتان این سوال پیش آمده است که نرم افزارهای راستایاب زمان رسیدن به مقصد را چطور پیش بینی می نمایند؟ احتمالا تصور می کنید که محصولاتی نظیر نشان داده های 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 راستا نیم ساعته را طی کنیم تا به مقصد برسیم، آن ها از کجا می دانند که وضعیت ترافیکی حوالی مقصد نیم ساعت دیگر چطور می تواند باشد؟ همراهمان باشید تا بیشتر از جزئیات نحوه کار راستایاب ها باخبر شوید.
هرچند که نرم افزارهای پیش رفته ای مثل نشان وضعیت لحظه ای ترافیک و سرعت ماشین های در حال حرکت را در اختیار دارند، اما این اطلاعات برای مسیریابی کافی نیست. فرض کنید الان ساعت 12:40 دقیقه است؛ ما در دانشگاه تهران هستیم و تصمیم داریم به دریاچه چیتگر برویم. هرچند که وضعیت ترافیکی شهر در همین لحظه کاملا معین 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 آنالیز کرد. برای مثال، ترافیک یک منطقه در ساعت 12:45 روز شنبه، به احتمال زیاد شبیه به ترافیک همان منطقه در ساعت 12:45 شنبه گذشته خواهد بود. اما پیش بینی وضعیت ترافیکی تنها با اتکای صرف به الگوهای تکرارشونده و سوابق تاریخی ترافیکی نیز چندان دقیق نخواهد بود؛ چرا که عوامل پیش بینی نشده ای مانند تغییر وضعیت جوی، تصادف یا برگزاری همایش نیز ممکن است بر وضعیت ترافیکی تأثیر بگذارند. نکته جالب دیگر این است که تغییرات جوی تأثیر یکسانی بر وضعیت ترافیکی در نقاط مختلف شهر نمی گذارند. برای مثال بارندگی ممکن است در شمال شهر تهران باعث ایجاد ترافیک گردد و در جنوب تهران تغییری در وضعیت ترافیکی ایجاد نکند. این تفاوت بین شهرهای مختلف ایران نیز صدق می نماید. 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 نموده است و وضعیت ترافیکی هرکدام از این مناطق را با درنظر دریافت شرایط خاص خودشان پیش بینی می نماید.
بگذارید مثال دیگری از توانایی های نشان را باهم آنالیز کنیم. از چندی پیش سرعت گیرهای سطح شهر روی نقشه نشان به نمایش درآمده اند و چند ثانیه قبل از رسیدن به آنها، نرم افزار بوق کوتاهی پخش می نماید تا سرعت را کاهش داده و هنگام عبور از موانع شما، سرنشینان و ماشین آسیب نبینید. اما تشخیص وجود سرعتگیر چطور صورت گرفته است؟
کار تحلیل دیتای کاربران با آنالیز این ایده که عموم مردم قبل از رسیدن به سرعتگیر سرعتشان را کاهش خواهند داد، در تیم نشان آغاز شد. اما از آنجایی که در طی روز با در نظر دریافت ترافیک امکان چنین تشخیصی وجود نداشت، دیتای نیمه شب مورد آنالیز نهاده شد. به یاری 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 یاری خرد کاربران نشان راستی آزمایی شد. با ترکیب دیتای به دست آمده توسط ماشین و گزارشات کاربران، تا کنون بیش از 16000 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 مالی حال حاضر، یاریی باشد در نگهداری بهتر ماشین و عدم تحمیل هزینه هایی برای تعمیر جلوبندی آن.
با آنالیز 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 یاری 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 معین 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؟
منبع: دیجیکالا مگ