• طبقه بندی مقالات
    • فناوری های راهبردی برتر سال 2019
      فناوری های راهبردی برتر سال 2019
      مقدمه
      روندهای فناوری های راهبردی، دارای پتانسیل ایجاد اختلال (برهم زنندگی) و در عین حال دستیابی به فرصت های مهم و قابل توجه هستند. رهبران و تصمیم گیرندگان کلیدی کسب و کارها و همچنین فناوری های نوآورانه، جهت تشخیص فرصت ها، مبارزه با تهدیدات و ایجاد مزیت رقابتی، می بایستی روندها را ارزیابی نمایند.
      پیشرفت در زمینه فناوری های نوین همچون اشیاء خودمختار، محاسبات کوانتومی، بلاکچین، ابزارهای تحلیلگر هوشمند و.. از جمله پیشرفت های فناوری در عصر حاضر به شمار می آید. شرکت تحقیقاتی و مشاوره ای گارتنر1 مجموعه ای از 10 فناوری راهبردی برتر سال 2019 را در قالب سه موضوع هوشمندی، دیجیتال و مش2 معرفی می کند که در ادامه به بررسی روندهای مذکور خواهیم پرداخت.
      پیش از بررسی روندهای برتر معرفی شده توسط گارتنر، به بررسی سه موضوع هوشمندی، دیجیتال و مش می پردازیم:

      • هوشمندی: به بررسی این موضوع می پردازد که هوش مصنوعی (AI) با تمرکز خاص بر یادگیری ماشین و با نفوذ بر تمامی فناوری های موجود، چه عملکردی خواهد داشت. بهره برداری از هوش مصنوعی میدان نبردی بزرگ برای ارائه دهندگان فناوری درسال 2022 خواهد بود و استفاده از آن برای اهداف خوش تعریف و هدفمندی است که به تولید سیستم های منعطف، روشنگر و خودمختار بیانجامد.
      • موضوع دیجیتال بر ترکیب دنیای دیجیتالی و فیزیکی تمرکز کرده و تجربه ای دیجیتالی، در عین حال طبیعی، پیشرفته و همه جانبه ایجاد می کند. با افزایش نمایی میزان داده ای که توسط اشیاء تولید می شود، توان پردازشی برای تحلیل جریان های داده ای و ارسال اطلاعات خلاصه شده به سیستم های مرکزی به سمت لبه سوق پیدا می کند. روندهای دیجیتالی با استفاده از فرصت هایی که از AI در اختیار می گیرد، نسل بعدی کسب و کارهای دیجیتال را هدایت کرده و اکوسیستم های کسب و کار دیجیتال را ایجاد می کنند.
      • مش به استفاده از ارتباطات بین مجموعه ای در حال گسترش از افراد و کسب و کارها - و همچنین دستگاه ها، محتوا و خدمات - به منظور ارائه نتایج کسب و کار دیجیتال اشاره دارد. مش به قابلیت های جدیدی نیاز دارد و با استفاده از آنها، اصطکاک کاهش یافته، امنیت در راستای این ارتباط برقرار شده و به رویدادها پاسخ داده می شود.

      روندهای ارائه شده در ذیل هر یک از این سه موضوع طبقه بندی شده و در حال تکامل است، اما مهم تر از همه، روندهای منفرد و فن آوری های مرتبط با آن می باشد که به جهت تحقق چشم انداز کلی در شبکه هوشمند دیجیتالی، با هم ترکیب می شوند. به عنوان مثال، هوش مصنوعی در قالب اشیا و سیستم های خودکار و هوش افزوده3 همراه با اینترنت اشیا، محاسبات لبه و دوقلوهای دیجیتال برای ارائه فضاهای شهری هوشمند و یکپارچه استفاده می شود. تاثیر تلفیق روندهای چندگانه به منظور ایجاد فرصت های جدید و جلوگیری از تداخلات احتمالی، ده روند فناوری های راهبردی در سال 2019 را پیشنهاد می دهد.
      علاوه بر روندهای منفرد ذیل هر کدام از موضوعات اصلی، دو روند گسترده نیز در لیست 2019 وجود دارد که هر سه موضوع را شامل می شود که به شرح زیر می باشد:
      • اخلاق دیجیتالی و حریم خصوصی در حال تبدیل شدن به عناصر حیاتی تصمیم گیری در هر فن آوری می باشد. تا سال 2021، سازمان هایی که مخاطرات پذیرش4 فناوری را درنظر نگرفته و در حفاظت از حریم خصوصی با کمبودهایی مواجه هستند، 100٪ بیشتر از رقبائی که این مخاطرات را در نظر می گیرند، متحمل هزینه خواهند شد. بهترین شیوه عمل این است که نه تنها بر روی آنچه که می بایستی انجام شود، تمرکز داشت، بلکه تمامی این فناوری ها از جمله کاربردهای خاص هوش مصنوعی، ایجاد دوقلوهای دیجیتال با هدف بازاریابی و.. از منظر اخلاقی نیز موردتوجه قرار گیرند.
      • محاسبات کوانتومی (QC) یک روند در حال ظهور است که بین سالهای 2023 تا 2025 تاثیر قابل توجهی خواهد داشت. محاسبات کوانتومی به طور معمول در مجموعه ده روند برتر حاضر قرار نگرفته به این دلیل که انتظار می رود ظرف پنج سال آتی جزء روندهای تاثیرگذار در حوزه تجاری باشد. با این حال پیشرفت های اخیر QC، چالش های درک و استفاده از آن در مسائل تجاری، آن را به یکی از روندهای مهم در نقشه راهبردی سازمان تبدیل کرده است. در صورت تحقق پتانسیل QC تحول گسترده ای در تمامی جوانب شبکه های هوشمند دیجیتال خواهیم داشت.

      10 روند برتر فناوری های راهبردی سال 2019
      شکل1، لیست ده روند فناوری های راهبردی را که هنوز بصورت گسترده شناخته شده نبوده ولی تاثیر گسترده ای در بخش صنعت و پتانسیل و ایجاد اختلال و برهم زنندگی دارد را نشان می دهد. از سال 2023، فن آوری های مربوط به این روندها به سطحی از بلوغ رسیده و از نقاط بحرانی عبور کرده و تغییرات قابل توجهی را تجربه خواهند کرد. بررسی تاثیر ده فناوری راهبردی برتر در حوزه کسب و کار موجب به دست آوردن فرصت هایی جهت ارتقاء محصولات موجود، ایجاد محصولات و امکانات جدید و مدل های نوین کسب و کار می شود.


      1- اشیاء خودمختار
      اشیاء خودمختار5 از AI برای به کار انداختن خودکار عملکردهایی که قبلا توسط انسان انجام می شد بوجود آمدند، خودکار بودن آنها فراتر از اتوماسیون ارائه شده توسط مدل های برنامه ریزی سخت 6 است. اشیاء خود مختار از هوش مصنوعی برای ارائه رفتارهای پیشرفته ای بهره می گیرند که موجب می شود فرد به طور طبیعی با محیط اطراف و افراد ارتباط برقرار کند. اشیاء خودمختار انواع مختلفی دارد و در محیط های مختلف با سطوح مختلف توانایی، هماهنگی و هوش، عمل می کند.


      اشیاء خود مختار اغلب به شکل یک دستگاه فیزیکی در دنیای واقعی عمل می کنند. نمونه هایی مانند ربات ها، هواپیماهای بدون سرنشین و وسایل نقلیه خودمختار هستند. عناصر IOT-AI مانند تجهیزات صنعتی و لوازم مصرفی نیز نوعی از اشیای خودمختار هستند. اشیای خودمختار ممکن است در زمین، هوا و یا در دریا کار کند، اما هر دستگاه فیزیکی برای عملیات خود مشابه یک انسان، رفتار می کند . به عنوان مثال:
      • ربات ها به طور مستقل از انسان با درجه ای از حرکت عمل می کنند.
      • مولفه های IOT که مستقل از انسان بوده و از هوش مصنوعی استفاده می کنند، اغلب حرکت کم دارند و یا بدون حرکت عمل می کنند.
      • هواپیماهای بدون سرنشین که از طریق انسان و از راه دورکنترل می شوند.
      • وسایل نقلیه خودمختاری که ممکن است حامل انسان یا محموله باشند.
      با بررسی راه‌هایی که قابلیت‌های خودکار هوش مصنوعی می‌توانند هر دستگاه فیزیکی را در سازمان و یا محیط مشتری به دست آورند، چنین نتیجه می شود که اگر چه اشیای خودمختار، امکانات هیجان انگیزی را ارائه می دهند، اما نمی توانند با وسعت هوش انسانی و یادگیری عمومی، پویا و هماهنگ شوند. مثال هایی از سناریوهای تجاری عبارتند از:
      • پیشگیری از جرم از طریق ربات های خودمختار حراست؛
      • کشاورزی پیشرفته؛
      • حمل و نقل امن تر خودرو.
      اشیای خودمختار شامل مواردی است که تنها در دنیای دیجیتال بدون هیچ گونه ظهور فیزیکی کار می کنند. پیش بینی می شود که در صورت ارتباطات چند بعدی و چند منظوره، اشکال جدید تعاملات، از جمله دستیاران مجازی و عوامل خودمختار، تبادل اطلاعات و داده ها را تسهیل کنند. تا سال 2022، بیش از 50 درصد از همه افرادی که در اکوسیستم های Industry 4.0 همکاری می کنند از دستیاران مجرب یا عوامل مستقل استفاده خواهند کرد تا به طور طبیعی با محیط اطراف و با مردم ارتباط برقرار کنند.
      همه اشیای خودمختار در طیفی از نیمه خودمختاری تا استقلال کامل قرار می گیرند. کلمه "autonomous"، زمانی که برای توصیف اشیای خودمختار استفاده می شود، نیاز به تفسیر پیدا می کند. هنگامی که گارتنر از این اصطلاح برای توصیف اشیای خودمختار استفاده می کند، به این معنی است که این اشیاء می توانند در یک محیط بدون نظارت کار کنند. موارد خودمختار ممکن است سطوح مختلف خودمختاری داشته باشند. به عنوان مثال، یک جاروبرقی خودگردان ممکن است خودمختاری و هوشمندی محدودی داشته باشد، درحالی که یک هواپیمای بدون سرنشین می تواند به طور خودکار از موانع گذر کرده و از طریق پنجره ها و درها به سمت ساختمان ها پرواز کند. سطوح خودمختاری اغلب برای ارزیابی وسایل نقلیه مستقل مورد استفاده قرار می گیرد.
      با توسعه اشیاء خود مختار، انتظار می رود از اشیاء هوشمند منفرد به گروهی از اشیاء هوشمند مشترک برسیم. در این مدل، اگر یک هواپیمای بدون خلبان یک زمین بزرگ را بررسی کند و متوجه شود که برای برداشت آماده است می‌ تواند یک برداشت کننده خودمختار" را ارسال کند، ربات‌ها و هواپیماهای بدون سرنشین بر روی وسیله نقلیه می‌توانند تحویل نهایی بسته را انجام دهند. ارتش در حال پیشروی در این مسیر است و استفاده از هواپیماهای بدون سرنشین برای حمله و یا دفاع از اهداف نظامی را مورد مطالعه قرار می‌دهد. مثال های دیگر عبارتند از:
      • استفاده اینتل از یک هواپیمای بدون سرنشین برای مراسم افتتاحیه بازی های المپیک زمستانی در سال 2018.
      • طرح دبی برای استفاده از وسایل نقلیه خودمختار مانند هواپیماهای بدون سرنشین برای انجام امور نظارتی پلیس.

      2- تحلیل های پیشرفته
      تحلیل های پیشرفته7 بر روی یک بخش خاص از هوش پیشرفته متمرکز است. تجزیه و تحلیل پیشرفته در واقع استفاده از یادگیری خودکار ماشین برای توسعه، مصرف و به اشتراک گذاری محتوای تجزیه و تحلیل شده می باشد ، شامل:
      • تهیه داده های افزوده.
      • تجزیه و تحلیل پیشرفته به عنوان بخشی از آنالیز و هوش کسب و کار (BI).
      • علم داده افزوده و یادگیری ماشین.
      تجزیه و تحلیل پیشرفته نشان دهنده موج سوم قابلیت های پلت فرم داده های تحلیلی است . تجزیه و تحلیل های مدرن و سکوهای BI با توجه به بینش تجزیه و تحلیلی که در کاربران ایجاد می کنند، در حال تغییر هستند. علوم داده و سکوهای یادگیری ماشین، ساخت مدل‌های یادگیری ماشین را آسان‌تر کرده‌ است. با این حال ، بسیاری از فعالیت‌های مرتبط با آماده‌سازی داده‌ها، یافتن الگوهای داده‌ها، مدل‌های یادگیری ماشین روی داده بزرگ و پیچیده و به اشتراک گذاری همچنان فعالیت‌های بسیار مشکلی هستند. به طور معمول، کاربران به صورت پیشفرض برای بررسی فرضیه های مغرضانه خودشان، یافته های کلیدی را از دست می دهند و نتیجه گیری های نادرست و ناقص خود را به دست می آورند. این امر ممکن است بر تصمیمات و نتایج تاثیر بگذارد. تجزیه و تحلیل پیشرفته، امکان اکتشاف فرضیه های بیشتر و شناسایی الگوهای پنهان را فراهم می کند. با این حال، باید توجه داشت که غرض ورزی ها در الگوریتم های هوش مصنوعی صورت نمی گیرد. قابلیت های تجزیه و تحلیل پیشرفته به یکی از اشکال کلیدی آماده سازی داده ها، مدیریت داده ها، تجزیه و تحلیل مدرن، مدیریت فرآیند کسب و کار، فرایند کاوی8 و پایگاه داده های علمی، به سرعت در حال پیشرفت است. به عنوان مثال، در برنامه های منابع انسانی، امور مالی، فروش، بازاریابی، خدمات مشتری، تهیه و مدیریت بخش های دارایی تعبیه می گردند تا تصمیمات و اقدامات همه کارکنان و نه فقط تحلیلگران و دانشمندان داده را بهینه سازی کند.

      تعداد دانشمندان داده واجد شرایط، برای برآورده کردن نیازهای علم داده و یادگیری ماشین کافی نیست؛ شهروندی علم داده مجموعه‌ای از توانایی‌ها و عملکردها است و کاربرانی را شامل می شود که کار اصلی آن‌ها خارج از زمینه آمار و تجزیه و تحلیل بوده و برای استخراج بینش پیشگویانه و تشریحی از داده‌ها توانمند شده اند به عنوان شهروند دانشمند داده9 نامیده می‌شوند. در سال ۲۰۲۰ ، تعداد شهروندان دانشمند داده‌ پنج برابر سریع‌تر از تعداد کارشناسان دانشمند داده‌ رشد خواهد کرد.
      گارتنر انتظار دارد که در چند سال آینده ، شهروندی علم اطلاعات به سرعت به عنوان روشی برای توانمندسازی و مقیاس گذاری قابلیت‌ های علم اطلاعات در سراسر سازمان گسترش یابد. گارتنر پیش‌بینی می‌کند که تا سال ۲۰۲۰ بیش از ۴۰ درصد از وظایف مرتبط با علم داده خودکار خواهند شد، که منجر به افزایش بهره‌وری و استفاده وسیع‌تر از سوی شهروند دانشمند داده‌ می‌شود. گارتنر همچنین پیش‌بینی می‌کند که تا سال ۲۰۲۴، کمبود دانشمند داده دیگر مانع اتخاذ علم داده و یادگیری ماشینی در سازمان‌ها نخواهد شد. این رشد، که با تجزیه و تحلیل‌های پیشرفته به کار می‌افتد، تحلیل‌های موجود را تکمیل و توسعه می‌دهد و هوش تجاری و سکوی علوم داده و برنامه‌های تجاری را نیز توسعه می‌دهد. این کار با ایجاد بینش‌هایی از تجزیه و تحلیل پیشرفته برای طیف وسیعی از تحلیلگران کسب‌وکار، تصمیم گیران و کارگران عملیاتی در سراسر سازمان انجام خواهد شد.
      این کار نیازمند منابع جدیدی از کسب‌وکار و فرصت‌هایی برای استفاده از دانش داده‌های شهروندان برای تکمیل و همکاری با تجزیه و تحلیل مدرن کاربر و BI و ابتکارات علمی داده‌های کارشناسان می باشد. با توجه به بهبود بهره‌وری علوم داده با مهارت همچنان سازمان‌ها نیازمند متخصص دانشمند داده برای اعتبارسنجی و عملیاتی سازی مدل‌ها، یافته‌ها و برنامه‌های کاربردی خود هستند.
      تجزیه و تحلیل‌های پیشرفته یک ویژگی کلیدی تحلیل است که در همه اشیاء خودمختار گنجانده شده و با کاربران به خصوص دستیاران خودمختار با استفاده از واسط ‌های محاوره‌ای تعامل دارد. این روش در حال ظهور ، به افراد اجازه پرس و جو، کشف داده در مورد بینش های طبیعی (صدا یا متن) از طریق دستگاه های همراه و دستیاران شخصی را می دهد. با این حال، این تنها استفاده اولیه از تحلیل امور خود مختار است. تحلیل پیشرفته، عملکرد یک متخصص علم داده را در هر نوع کاری، خودکار می‌سازد. برای تحلیل یک کار خودکار، تحلیل افزوده یکی از راه های کاربردی می باشد.
      بنابراین استفاده بیشتر از یادگیری ماشین و مدل های خودکار و انسانی، به دلیل بایاس کمتر، موجب خطای کمتر شده و زمان کاوش داده ها را کاهش داده و به آنها اجازه می دهد تا زمان بیشتری را برای درک مناسب از داده ها در نظر بگیرند. این کار امکان دسترسی به دیدگاه های تحلیلی متداول و توصیه های هدایت شده برای بهبود تصمیم گیری و اقدامات را فراهم می کند.
      تحلیل پیشرفته به عنوان بخشی از استراتژی تحول دیجیتال، امکان ارائه بینش های پیشرفته تر را به طیف گسترده ای از کاربران - از جمله شهروند دانشمند داده و در نهایت - کارکنان عملیاتی و توسعه دهندگان نرم افزار - با استفاده از منابع کمیاب دانشمند داده ممکن می سازد. با توجه به قابلیت های تحلیلی و نقشه های پیشرفته تحلیل BI، پایگاه داده های علمی، فرایند آماده سازی داده ها به خصوص از نظر تنظیم اولیه و تهیه داده مورد نیاز، نوع داده ها و تعداد متغیرهایی که می توان آنها را تجزیه و تحلیل کرد و انواع و دامنه الگوریتم های پشتیبانی شده را مجددا راه اندازی نمود. ارزیابی زبان های پشتیبانی شده و ادغام تجزیه و تحلیل های افزوده با ابزار های موجود و فرآیندهای حکمرانی هوش مصنوعی نیز از اقدامات مورد نیاز این بخش می باشد.
      با استفاده از فرصت های ایجاد شده توسط تحلیل‌ افزوده(پیشرفته) برای تکمیل تحلیل‌های موجود و BI، ابتکارات علم داده‌ها و کاربردهای تحلیلی، تشخیص الگوی داده‌های خودکار می‌تواند به کاهش فاز تحلیل و بهبود بهره‌وری علوم اطلاعات پیشرفته کمک کند.
      ایجاد یک راهبرد جهت بهره مندی از تاثیر تحلیل داده‌ها و قابلیت‌های آن، افزایش سرمایه‌گذاری در سواد اطلاعاتی لازم بوده و تا سال ۲۰۲۰ تحلیل افزوده محرک اصلی داده و سیستم‌ های تحلیلی خواهد بود. همچنین خودکارسازی وظایف علم داده‌، شهروند دانشمند داده‌ را قادر خواهد ساخت تا حجم بیشتری از آنالیز پیشرفته را نسبت به متخصص دانشمند داده‌ تولید کند.

      3- توسعه مبتنی بر هوش مصنوعی
      توسعه مبتنی بر هوش مصنوعی10، تکامل ابزارها، فن آوری ها و بهترین شیوه ها را برای تعبیه قابلیت های AI در برنامه ها بررسی می کند، همچنین استفاده از هوش مصنوعی برای ایجاد ابزارهای هوشمند در روند توسعه در سه بعد مورد بررسی قرار می‌گیرد :
      • ابزارهای مورد استفاده برای ساخت راه حل های AI از ابزارهای دانشمند داده (زیرساخت، چارچوب و سکوی AI) ابزارهایی که جامعه توسعه دهندگان حرفه ای (سکوها و سرویس های AI) مورد استفاده قرار می دهد.
      • ابزارهایی که برای ساخت راه حل های مبتنی بر AI استفاده می شوند و وظایف خودکار مربوط به توسعه راه حل های AI را بهبود می بخشند.
      • ابزارهای هوش مصنوعی با استفاده از خودکارسازی توابع مرتبط با توسعه کاربردی (AD)، موجب ارتقاء تخصص در حوزه کسب‌وکار و خودکارسازی فعالیت‌ها و توسعه کاربردی می شوند.



      بازار به سرعت در حال تغییر است، از آنجایی که دانشمندان داده حرفه ای باید با توسعه دهندگان نرم افزار همکاری کنند تا راه حل هایی را برای بهبود بیشتر AI ایجاد کنند، توسعه دهندگان حرفه ای می توانند به تنهایی با استفاده از مدل های از پیش تعریف شده به عنوان یک سرویس کار کنند. توسعه دهنده را با اکوسیستم الگوریتم ها و مدل های AI و همچنین ابزارهای توسعه ای آشنا کرده و برای تلفیق قابلیت های AI و مدل ها در یک راه حل، کمک فراوانی می کند.
      برخی از خدمات AI مدل های کاملی هستند که یک توسعه دهنده به سادگی می تواند به صورت یک تابع فراخوانی کند، پارامترهای مناسب و داده ها را منتقل کرده و نتیجه را بدست آورد. دیگر موارد ممکن است با سطح بالاتری آموزش داده شوند اما برای تکمیل آموزش نیاز به اطلاعات اضافی دارند. به عنوان مثال ممکن است یک مدل برای تشخیص تصویر از پیش آموزش داده شود اما نیازمند مجموعه داده های آموزشی برای تشخیص یک مجموعه خاص از تصاویر باشد. مزیت مدل های آموزش یافته این است که نیاز به میزان زیادی مجموعه داده های کوچک برای آموزش دارند.
      نه تنها تکامل این سکوهای هوش مصنوعی و مجموعه‌ های خدمات هوش مصنوعی دامنه وسیع تری از توسعه دهندگان را قادر می‌ سازد تا راه‌حل‌ های پیشرفته هوش مصنوعی را ارائه دهند، بلکه باعث تولید محصولات پیشرفته تر همراه با کاهش ضایعات و ناکارآمدی می شود. رقابت شدید میان مایکروسافت، گوگل، آمازون، آی بی ام و ارائه دهندگان عمده چین به شدت به AI می انجامد. اکثر این خدمات از طریق ابر ارائه می شوند، بنابراین سازمان ها باید تصمیم بگیرند:
      • به جای انتخاب فعلی از زیرساخت استاندارد ابری (IaaS)/ سکوی ابری(PaaS) اجازه انتخاب از ارائه دهندگان خدمات هوش مصنوعی را داشته باشند.
      • اتخاذ رویکرد استفاده از خدمت ترکیبی یا چند ابری، ارائه دهندگان بیشتری را به منظور افزایش سکوی استاندارد IaaS / PaaS فراهم می کند.
      رقیبان برای شکست مایکروسافت / آمازون در تلاش هستند، مخصوصا گوگل به شدت به تمایز خود ادامه خواهد داد. آنها این کار را با خدمات PaaS سطح بالا نظیر سرویس های AI انجام می دهند تا بتوانند خدمات IaaS / PaaS زیرساخت خود را استفاده کنند. سایر ارائه دهندگان خدمات تخصصی AI که دارای پلت فرم IaaS / PaaS نیستند، باید از چالش های عملکرد و یکپارچه سازی کار با ارائه دهندگان اصلی IaaS / PaaS آگاه باشند. انتظار می رود از سال 2021 اکوسیستم های فعلی به سرعت به عنوان وندورهایی در این منطقه به رقابت بپردازند.
      مجموعه ای از خدمات AI می بایستی جهت استفاده از خدمات ارائه دهندگان خارجی تعیین شوند. سپس معماری برای چگونگی تخصیص تیم تحقیقاتی اطلاعات سازمان به صنایع سفارشی، دامنه ها و خدمات خاص AI توسعه یافته و به عنوان بخشی از اکوسیستم سرویس AI برای توسعه دهندگان ارائه شوند. این تصمیم، خدمت ابری را پیچیده تر خواهد کرد، زیرا مستلزم انتخاب سکوهای اساسی، چارچوب ها و زیرساخت ها برای ساخت، آموزش و استفاده از این مدل ها می باشد. انتظار می رود تقاضای بالقوه برای تعریف مدل های سفارشی به روش استاندارد، به طوری که بتوان آنها را در محیط های مختلف مستقر کرد، انتخاب شود.
      به دلیل تکامل سریع این خدمات، رقابت شدید بین ارائه دهندگان خدمات و هزینه مدیریت بسیار ناهمگون خدمت AI ، می بایستی چارچوب و سکوی راهبردی انتخاب شود. برای مقابله با این چالش ها، همکاری با تیم های علم داده و توسعه کاربردی و همچنین گروه های نوآوری در فناوری، از راه حل های پیشرفته و نوینی است که بسیار اهمیت دارد.
      با بکارگیری هوش مصنوعی برای فرآیند توسعه خودکار علوم داده، پس از تست، فرصت‌ها و پیچیدگی ها بروز می‌کند. از سال 2019، توسعه و تست، به سهولت این توابع کمک خواهد کرد. سیستم های مذکور دانش و تخصص فنی و سهولت در خودکارسازی را فراهم می کند. تا سال ۲۰۲۰، انتظار می رود بیشتر از مهندسین نرم‌افزار مجازی برای تولید کد استفاده شود. در طی سال ۲۰۲۰، روند تحلیلی تقویت ‌شده با افزایش کارکرد دانشمند داده‌ ها برای توسعه دهنده حرفه‌ای و همچنین کاربر کسب‌وکار تاثیر خواهد گذاشت. AutoML گوگل یک نمونه از این تحلیل است که توسعه دهندگان را قادر به تولید خودکار مدل‌های جدید بدون دخالت یک متخصص داده‌ ای حرفه‌ای می‌کند. تا سال ۲۰۲۲، حداقل ۴۰ درصد از پروژه‌ های توسعه برنامه‌های کاربردی، توسط توسعه دهندگان هوش مصنوعی بصورت تیمی انجام خواهد شد. پیشرفت های کوتاه مدت بر جنبه های عملکردی اولیه AD تأکید دارند. با گذشت زمان، تمرکز از توسعه کد به توسعه راه حل ها نظیر تخصص در دامنه کسب وکار که شامل جنبه های غیرکارکردی نیز می باشد؛ تغییر خواهد کرد. از سال 2022، دانشمندان داده مجازی پیشرفته و تحلیلگران کسب وکارهای مجازی برخی از این راه حل ها را ارائه می دهند. در طی سال 2023 نیز برخی از آنها توسط معماران مجازی ارائه خواهد شد. از سال 2025 به بعد، معماران راه حل مجازی و توسعه دهندگان راه حل نیز چنین خواهند کرد. آنها چنین توانایی هایی را از طریق توسعه دهندگان کاربردی، راه حل های بهبود یافته هوش مصنوعی و همچنین از مدیریت فرآیند کسب و کار و روند در حال ظهور "دوقلو دیجیتال سازمان" ارائه خواهند نمود. فراهم کنندگان فناوری نیز انواع توسعه افزوده11 را فراهم می کنند.
      در نهایت، محیط های توسعه بسیار پیشرفته AI، با خودکارسازی هر دو جنبه های کارکردی و غیر کارکردی کاربردها، باعث ایجاد دوره جدیدی از "توسعه دهنده برنامه های کاربردی شهروندان"12 خواهد شد. در عصر جدید، غیرحرفه ای ها نیز قادر خواهند بود از ابزارهای هوشمند مبتنی بر AI برای ایجاد راه حل های جدید استفاده کنند. ابزارهایی که غیر حرفه ای ها را قادر می سازند برنامه های کاربردی بدون برنامه نویسی را تولید کنند جدید نیستند، اما ما انتظار داریم که سیستم های AI دارای سطح جدید انعطاف پذیری باشند و به آنها قدرت ایجاد راه حل های بسیار پویا، باز و پیچیده را فراهم کنند.

      4- دوقلوی دیجیتال
      دوقلوی دیجیتال13 یک موجودیت یا یک سیستم در دنیای حقیقی است. دوقلوی دیجیتال پیاده سازی شده یک شی نرم ‌افزاری یا یک مدل است که یک جسم فیزیکی منحصر به فرد را نشان می‌دهد. داده‌ های حاصل از دوقلوهای دیجیتال چندگانه می‌توانند برای یک دیدگاه مرکب در میان تعدادی از نهاده‌ ای جهان واقعی مثل یک کارخانه برق یا یک شهر تجمیع شوند . مفهوم دیجیتال یا سیستم ‌های دیجیتالی جدید نیست.
      سابقه آن به نمایش طراحی به کمک کامپیوتر و یا پروفایل های فیزیکی مشتریان بر می‌گردد. برخی از کاربردهای دوقلوهای دیجیتال به شرح زیر است:
      • استحکام مدل ها با تمرکز بر اینکه چگونه از نتایج کسب و کار خاص پشتیبانی کند.
      • اتصال دیجیتال در زمان واقعی برای نظارت و کنترل به دنیای واقعی
      • استفاده از تجزیه و تحلیل داده های بزرگ و AI برای ایجاد فرصت های کسب و کار جدید
      • توانایی برقراری ارتباط با آنها و ارزیابی سناریوهای "What if"
      امروزه دوقلوهای دیجیتال در زمینه پروژه های IoT منافع خود را دنبال می کنند. اگر دوقلوهای دیجیتال به خوبی طراحی شوند می توانند به طور قابل توجهی تصمیم گیری های سازمانی را بهبود بخشند. آنها با همتایان واقعی دنیای خود ارتباط دارند و برای درک وضعیت سیستم، پاسخ به تغییرات، بهبود عملیات و ارزش افزوده استفاده می شوند.


      تا سال ۲۰۲۰، بیش از ۲۰ میلیارد سنسور متصل و نقاط پایانی وجود خواهند داشت و دوقلوهای دیجیتال بالقوه برای میلیاردها شی ایجاد خواهند شد. مزایای آن شامل بهینه‌ سازی دارایی ، تمایز رقابتی و تجربه کاربر در تقریبا تمام صنایع می باشد. تا سال ۲۰۲۱ ، نیمی از شرکت ‌های بزرگ صنعتی از دوقلو های دیجیتال استفاده خواهند کرد که منجر به افزایش ۱۰ درصدی اثربخشی این سازمان‌ها خواهد شد.
      سازمان‌ها در ابتدا به سادگی دوقلوهای دیجیتال را به اجرا در خواهند آورد . آن‌ها در طول زمان ، توانایی خود برای جمع‌آوری و تجسم داده‌ های صحیح، استفاده از تجزیه و تحلیل درست و قوانین و پاسخ موثر به اهداف کسب‌وکار را تکمیل خواهند کرد. مدل های دوقلوی دیجیتال گسترش می یابد، به طوری که تامین کنندگان به طور فزاینده ای این مدل ها را به عنوان بخش جدایی ناپذیر از پیشنهادات خود ارائه می دهند.
      دوقلوهای دیجیتال می توانند فرصت های کسب و کار قابل توجهی را ایجاد کنند:
      • بهبود تعمیر و نگهداری و قابلیت اطمینان
      • فرایند کسب و کار / بهینه سازی دارایی
      • کسب درآمد از داده ها و مدل ها
      • تحقیق و توسعه
      • مدل های کسب و کار جدید
      دوقلوهای دیجیتالی بر اساس این مفهوم ساخته شده‌اند که اگر مدل‌های دارایی مجازی با هم، هم‌زیستی داشته و به دارایی‌های حقیقی متصل می‌شوند، آن‌ها دوقلو هستند. با این حال، این مفهوم به دارایی‌ ها یا اشیا محدود نمی‌شود. عناصر دیجیتال در دنیای واقعی در امتداد بسیاری از ابعاد رشد می‌کنند، مانند دوقلوهای دیجیتال، این موجودیت ‌های دیجیتال دیگر اغلب از ساختارهای فراداده و مدل اشیایی در دنیای واقعی فراتر رفته و از آن جدا شده‌اند و یا در اغلب موارد فقط با آن ارتباط دارند. در طول زمان، این نمایش‌های دیجیتالی / مدل‌های دیجیتالی بیشتر به همتایان جهان واقعی خود متصل خواهند شد . آن‌ها با مدل‌های پیچیده‌ تر مبتنی بر هوش مصنوعی، همانند دوقلوهای دیجیتال برای دارایی‌ها، القا می‌شوند. موارد زیر برای شبیه‌سازی پیشرفته ، عملیات و تجزیه و تحلیل مورد استفاده قرار خواهند گرفت:
      • مدل های آتی از انسان ها، می توانند شامل داده های پزشکی بیومتریک و پزشکی باشند.
      • دوقلوهای دیجیتال یک سازمان ، تعریف جزئیات فرآیندهای کسب و کار و تعاملات اکوسیستمی.
      • مدل های پیچیده مکان ها (ساختمان ها، شهرها) و مردم، فرایند ها و چیزهایی که فضاهای هوشمند را پشتیبانی می کنند.
      دوقلو دیجیتال یک سازمان (DTO) تجسم وابستگی متقابل بین توابع، فرآیندها و شاخص های کلیدی عملکردی را برای ارزش گذاری نشان می دهد. DTO یک مدل نرم افزاری برای یک بخش از یک سازمان است. این مدل با اتکا به اطلاعات عملیاتی ، سازمان را قادر می سازد تا مدل کسب و کار خود را با وضعیت کنونی خود متصل ، منابع را در اختیار داشته و با پاسخ به تغییرات ، ارزش مورد انتظار مشتری را فراهم سازد.
      DTOs ، مانند دوقلوهای دیجیتال، پتانسیل ایجاد دید، ایجاد آگاهی موقعیتی و حمایت از تصمیمات سازمانی را بهبود می بخشد. چهار عنصر اصلی یک DTO عبارتند از:
      • مدل عملیاتی سازمان فیزیکی.
      • داده های مربوط به اجزای سازمان و در مورد آن.
      • انحصاری و ترتیب یک به یک (بین دوقلو دیجیتال و سازمان).
      • توانایی نظارت بر اجزای مرتبط سازمان
      DTO ترکیبی از عملیات و نظام مختلف است. ساختن نمونه کسب و کار برای استفاده از DTO نیازمند دید خارجی از نقطه نظر عملیات داخلی، رهبری و مهمتر از همه، شجاعت است.
      دوقلوهای دیجیتال وسیله ای برای پایان دادن هستند - آنها به ایجاد ارتباط با داده ها در اطراف فرآیند کمک می کنند. افراد با DTO کار می کنند تا تصمیم ها و اقدامات را بر اساس اطلاعات جمع آوری شده از طریق دوقلو دیجیتال دنبال کنند. مدل گرافیکی DTO یک راه برای اتصال همه حوادث، داده ها و اطلاعات مربوط به فرآیندها و همچنین رفتار افراد به عنوان منابع درون DTO است. DTO ها می توانند راه های کسب و کار قابل توجهی را ارائه کنند:
      • تحول تجارت الکترونیکی.
      • گسترش مفهوم دیجیتال دوتایی IoT.
      • فرایند کاوی

      5- لبه توانمند 14
      محاسبات لبه یک توپولوژی محاسباتی را توصیف می کند که در آن پردازش اطلاعات و جمع آوری و تحویل محتوا به منابع و مخازن این اطلاعات نزدیک تر می شود. محاسبات لبه از مفاهیم شبکه مش و پردازش توزیع شده نشات می گیرد. همچنین تلاش می کند تا ترافیک و پردازش محلی را با هدف کاهش ترافیک و تاخیر، حفظ کند. به همین ترتیب، مفهوم تحویل محتوای لبه برای سال های زیادی وجود داشته و در مفهوم "جایی که داده پردازش شود" بین روش های بسیار متمرکز (مانند یک سیستم اصلی یا یک سرویس ابری متمرکز) و روش های غیرمتمرکز (مانند رایانه های شخصی و دستگاه های تلفن همراه) در نوسان است. ارتباطات و چالش های زمانبندی، محدودیت های پهنای باند و قابلیت های بیشتری که در لبه به کار رفته اند، مدل های توزیع شده هستند. مزایای استفاده از قدرت پردازشی و هزینه های کم عملیات در مقیاس فوق العاده، همراه با پیچیدگی مدیریت و هماهنگی هزاران نقطه پایانی جغرافیایی، به مدل متمرکز منجر می شود.
      بیشتر تمرکز فعلی بر محاسبات لبه برگرفته از نیاز به سیستم های IoT برای تبدیل قابلیت های قطع یا توزیع شدگی به جهان IoT برای صنایع خاص مانند تولید و خرده فروشی می باشد. استفاده گسترده از توپولوژی و برنامه های صریح و معماری شبکه هنوز معمول نیست. سیستم های مدیریت شبکه باید در نظر گرفته شوند تا مکان های لبه و تکنولوژی های لبه های خاص را شامل شوند. محاسبات لبه بسیاری از مسائل مانند هزینه های WAN بالا و زمان تأخیر غیرقابل قبول را کاهش می دهد. توپولوژی محاسبات لبه ویژگی های کسب و کار و فناوری اطلاعات دیجیتال را به طور منحصر به فرد در آینده نزدیک نشان می دهد.
      بسیاری ابرها و محاسبات لبه را به عنوان رویکرد رقابتی می بینند. آنها استقرار عمومی ابر را برای بهره گیری از اقتصادهای متمرکز با مقیاس بالا را با پردازش محاسبات لبه به لبه فشار می بینند. اما این یک سوء برداشت از دو مفهوم است. محاسبات ابر یک شیوه محاسباتی است که در آن قابلیت های فناوری انعطاف پذیر، قابل تحمل، به عنوان یک سرویس با استفاده از فن آوری های اینترنتی ارائه می شود. محاسبات لبه، جنبه توزیع شدگی را به سبک ابر ارائه می دهد. محاسبات ابری و لبه به عنوان مفاهیم مکمل و نه رقابتی در نظر گرفته می شود.

      برخی از پیاده سازی های ابر از رویکردی استفاده می کنند که عملکرد را به سمت لبه توزیع می کند. مایکروسافت آفیس 365 را بر روی دستگاه لمسی نصب می کند. Azure Stack یک زیرمجموعه خدمات Azure را در سرورهای ابر پخش شده خارج از مراکز ابری مایکروسافت نصب می کند. در ژوئیه 2018، گوگل به زودی پیاده سازی سرویس های Google Kubernetas Engine را در خانه ها به تصویر می کشد. آمازون خدمات خود را به بازار IoT با AWS Greengrass گسترش می دهد. انتظار می رود که این رویکرد بیشتر به کار گرفته شود زیرا فروشندگان ابر در بازار IoT بیشتر فعالیت می کنند و ارائه دهندگان خدمات IoT ، روش ابر را مدیریت می کنند تا راه حل های آنها به طور موثر مدیریت شود. اگر چه IoT یک رقیب قوی برای یک رویکرد از ابر به لبه می باشد، این رویکرد برای تلفن همراه و محیط دسکتاپ نیز مفید خواهد بود. به اصطلاح، اجرای لبه های پشته های نرم افزاری hyperscaler ، یک سری راه حل ها را از هسته به لبه ایجاد می کند.
      از سال 2028، افزایش پایدار در تعبیه سنسور، ذخیره سازی، محاسبه و قابلیت های پیشرفته AI در دستگاه های لبه بوجود می آید. با این حال، لبه یک مفهوم ناهمگن است. محدوده آن از سنسورهای ساده و دستگاه های لبه تعبیه شده به دستگاه های محاسباتی لبه مانند تلفن های همراه و دستگاه های لبه بسیار پیچیده مانند وسایل نقلیه مستقل وصل است. انواع دستگاه های لبه استفاده شده در سناریوهای مختلف می توانند عمرهای مختلفی از یک سال تا 40 سال داشته باشند ، این عوامل همراه با فشارهایی که توسط فروشندگان برای ایجاد قابلیت های بیشتر برای دستگاه های لبه وارد می آید، چالش مدیریتی و یکپارچه سازی پیچیده را ایجاد می کنند.
      لبه به طیف وسیعی از دستگاه های پایه می پردازد از جمله دستگاه های لبه های تعبیه شده ساده (مانند لوازم و دستگاه های صنعتی)، دستگاه های ورودی / خروجی لبه (مانند بلندگوها، صفحه نمایش ها)، دستگاه های محاسباتی لبه (مانند تلفن های هوشمند، رایانه های شخصی) و دستگاه های پیچیده لبه تعبیه شده (به عنوان مثال، اتومبیل، ژنراتور برق). این سیستم های لبه به طور مستقیم یا از طریق سرورهای لبه واسط یا دروازه ها با سرویس های Back-end hyperscale باهم ارتباط برقرار می کنند.
      اتصال دستگاه ‌های لبه با یکدیگر و خدمات پایه یک جنبه اساسی از IoT و دوقلوهای دیجیتال است. برای گسترش میلیون ها نقاط پایانی و پتانسیل لازم برای انتقال مقادیر زیادی از داده‌ ها، 5G یک تکنولوژی ارتباطی مهم برای محاسبات لبه باشد.
      5G نسل بعدی تلفن همراه پس از 4G است. چندین سازمان استاندارد جهانی آن را تعریف کرده اند ، اتحادیه بین المللی مخابرات (ITU)، پروژه مشارکت نسل سوم (3GPP) و موسسه استاندارد ارتباطات اروپا (ETSI) ، مشخصات مخابراتی رسمی ITU، حداکثر خروجی های downlink و uplink را به ترتیب 20 گیگابیت بر ثانیه و 10 گیگابیت در ثانیه، زمان تاخیر کمتر از 5 میلی ثانیه و مقیاس پذیری وسیع را تعریف کرده است. معماری سیستم جدید شامل برش شبکه اصلی و همچنین محاسبات edge است. 5G به سه جنبه ارتباطات و فن آوری اطلاعات اشاره دارد که هر کدام خدمات جدید متمایزی احتمالی مدل های جدید کسب و کار (مانند تأخیر به عنوان یک سرویس) را پشتیبانی می کنند:
      • پهنای باند تلفن همراه پیشرفته (eMBB)، که اکثر ارائه دهندگان احتمالا اولین بار آن را اجرا خواهند کرد.
      • ارتباطات اندک با کمترین زمان تاخیر (URLLC).
      • ارتباطات نوع وسیعی از دستگاه (mMTC)، که به مقیاس مورد نیاز محاسبات لبه IoT می پردازد.
      استفاده از فرکانس‌های بالاتر و ظرفیت گسترده نیازمند استقرار متراکم با استفاده مجدد فرکانس بالاتر است. در نتیجه، انتظار می رود که بیشتر استقرارهای 5G در ابتدا بر روی جزایری بدون پوشش ملی مداوم و متمرکز صورت گیرد، به طور معمول، تا سال ۲۰۲۲ ، آن‌ها به پوشش جغرافیایی فعلی 4G در کشورهای توسعه‌یافته دست نخواهند یافت.
      تا سال 2020، 4 درصد از سرویس دهندگان خدمات تلفن همراه مبتنی بر شبکه (CSPs) شبکه تجاری 5G را به صورت تجاری راه اندازی خواهند کرد. بسیاری از CSP ها در مورد ماهیت مورد استفاده و مدل های کسب و کار که ممکن است 5G را مدیریت کنند، آگاهی ندارند. ما انتظار داریم که از سال 2018 تا سال 2022، سازمانها از 5G عمدتا برای حمایت از ارتباطات IOT، ویدیو با کیفیت بالا و دسترسی بی سیم ثابت استفاده کنند.
      شناسایی مواردی که قطعا نیاز به عملکرد بالا یا چگالی‌های بالاتر 5G برای نیازهای محاسباتی لبه دارند، اهمیت بالایی دارد، نقشه بهره‌ برداری برنامه‌ریزی‌ شده سازمان چنین مواردی را بر خلاف انتظار گسترده توسط ارائه کنندگان تا سال ۲۰۲۳ در نظر می‌گیرد. جایی که شکاف‌ها وجود دارند، چون ممکن است استفاده خاص از 5G مقرون به صرفه تر باشد. نمونه ‌هایی از آنها عبارتند از: نمونه هایی از جمله لپ تاپ های کم قدرت (LPWA)، مانند NarrowBand Internet of Things (NB-IoT)، Long Range (LoRa)، Sigfox و Wireless Wireless Smart Wi-SUN (Wi-SUN) .

      6- تجربه همه جانبه15
      در سال ۲۰۲۸ ، تغییر چشمگیری در نحوه ادراک کاربران در دنیای دیجیتال و نحوه تعامل آن‌ها اتفاق خواهد افتاد. سکوهای تعاملی در حال تغییر روش تعامل مردم با دنیای دیجیتال خواهند بود. واقعیت مجازی (VR)، واقعیت تقویت‌شده (AR) و واقعیت ترکیبی(MR) روشی را ایجاد می کنند که مردم، دنیای دیجیتال را درک ‌کنند. این تغییر ترکیبی، در هر دو مدل ادراک و تعامل منجر به تجربه همه‌جانبه کاربر در آینده می‌شود. بخصوص در واقعیت ترکیبی (MR) کاربر با اشیاء دیجیتال و دنیای واقع تعامل می کند در حالی که در جهان فیزیکی حضور دارد .
      VR و AR تکنولوژی های جداگانه اما مرتبط هستند. MR هر دو رویکرد را برای در نظر گرفتن دنیای فیزیکی به شیوه ای قوی تر گسترش می دهد. اگرچه جنبه بصری تجربه مهم است، اما مدل های حسی دیگر مانند لمس (بازخورد لمسی) و صدا (صوتی فضایی) نیز برای تجربه‌کردن وجود دارد. این موضوع با MR امکان پذیر است و در آن کاربر می تواند با اشیاء دیجیتال و دنیای واقعی در حین حضور در دنیای فیزیکی ارتباط برقرار کند.
      VR یک محیط سه بعدی کامپیوتری ایجاد می کند که کاربر را احاطه کرده و به شیوه ای طبیعی به اقدامات فرد پاسخ می دهد. این امر معمولا از طریق یک صفحه نمایش سرپوشدار همه جانبه (HMD 16) صورت می‌پذیرد که کل میدان دید کاربر را مسدود می کند. این محفظه تشخیص حرکت و یا کنترل دستی ردیابی دست و بدن را فراهم می کند و شامل بازخورد لمسی نیز می شود. همچنین، موقعیت‌ یابی مکانی یک یا چند شرکت کننده را که در اتاق های جداگانه قدم می زنند را نیز ممکن می سازد. سیستم های مبتنی بر اتاق مفهوم عمیق تری ارائه می دهند تجربه سه بعدی را برای شرکت کنندگان مختلف یا تجربه ای که در آن یک نفر می تواند در یک اتاق جدا قدم بزند را ارائه می دهد.
      AR یک کاربرد بلادرنگ از اطلاعات به شکل متن، گرافیک، ویدیو و دیگر توسعه های مجازی تجمیع شده با اشیا دنیای واقعی است. این مدل با استفاده از یک صفحه نمایش سرپوش دار یا تجهیزات موبایل ارائه می شود. پوشش عناصر دنیای مجازی در پس‌زمینه جهان واقع، AR را از VR متمایز می‌کند. هدف AR افزایش تعامل کاربران با محیط فیزیکی واقعی است تا جدا کردن این تعاملات از محیط فیزیکی. این تعریف به طور کلی برای MR نیز صدق می کند. به طور کلی، MR افراد را قادر می سازد با اشیاء مجازی تعامل کنند.
      علاقه و هیجان بالا منجر به چندین کاربرد VR می‌شوند. کاربردهای مشتری‌محور سرگرمی‌ های پیشرفته ای را فراهم می کنند، که از آن جمله می‌ توان به بازی‌های ویدیویی و فیلم‌های ۳۶۰ درجه اشاره نمود. در نتیجه ی این فناوری ها، مدل کسب و کارها تغییر کرده و خدمات میدانی، دورکاری، جایگزین شکل قدیمی کسب وکارها می شوند. قابلیت ردیابی موقعیت کاربران در محیط های مختلف، امکان ایجاد برنامه های کاربردی و عملی بیشتری را فراهم می کند و با بهره برداری از رفتارهای افراد و تحلیل آنها می توان به مزیت های ملموسی در کسب و کار رسید.
      گوشی های هوشمند همچنین می توانند یک پلت فرم موثر برای VR و AR تلفن همراه باشند. همانگونه که ARCore و ARKit، Cardboard و Daydream گوگل و Gear VR سامسونگ از اسمارت فون به عنوان پلتفرم محاسباتی خود نیز استفاده می کنند. گرچه این رویکرد در مقایسه با روش های قوی تر مبتنی بر صفحه نمایش سرپوش دار دارای محدودیت های قابل توجهی است، اما یک نقطه ورود گسترده در دسترس و مقرون به صرفه برای استفاده گاه به گاه است.
      با بلوغ فن‌آوری، MR تجربه همه‌جانبه کاربر خواهد شد. MR یک تکنولوژی جذاب فراهم می‌ کند که افراد را قادر می‌ سازد تا با دنیای خود تعامل داشته باشند، اگرچه پتانسیل VR، AR و MR تاثیرگذار است، چالش‌های بسیاری نیز وجود خواهد داشت. برای مثال، نیاز به ارزش کسب‌ و کار برای کاربر هدف در محیط‌های مختلف مانند خانه، در یک ماشین، در محل کار ، با مشتری یا سفر را بررسی کنید . تا سال ۲۰۲۲ ، ۷۰ درصد شرکت ‌ها در حال آزمایش فن‌آوری ‌های همه منظوره برای مصرف کنندگان خواهند بود و ۲۵درصد آن‌ها را برای تولید به کار خواهند گرفت.
      یک سکوی تعاملی، یک مدل طراحی سطح بالا و موتور اجرایی را فراهم می کند که در آن تعاملات کاربر و دستگاه اتفاق می افتد. همانطور که اصطلاح "تعامل" نشان می دهد، این رابط ها عمدتا در زبان طبیعی گفتاری یا نوشتاری، کاربر پیاده سازی می شود. به مرور زمان مکانیسم های ورودی / خروجی (I / O) برای بهره برداری از بینایی، طعم، بویایی و لامسه برای تعامل چند کاناله اضافه می شود. استفاده از کانال های حسی گسترش یافته از قابلیت های پیشرفته مانند تشخیص احساسات با استفاده از تحلیل بیان چهره و وضعیت سلامت انسان از طریق تجزیه و تحلیل بویایی مقدور خواهد شد. اما بهره برداری از این کانال های حسی پس از سال 2023 کم و محدود خواهد شد. پلتفرم تعاملی بیشتر در موارد ذیل قابل پیاده سازی است:
      • VPAs مانند آمازون الکسا، سیری اپل، دستیار گوگل و کورتانا مایکروسافت
      • دستیاران مجازی مشتری (VCAs 17)، مانند Ameleia آیپی ست، عامل مجازی واتسون و VCAs از راه حل های مصنوعی، تعاملات، فناوری اطلاعات بعدی و نکات ظریف و دقیق آن.
      • چارچوب چت بات، مانند آمازون لکس، جریان گفتگو از گوگل، دستیار IBM Watson و چارچوب مایکروسافت بات.
      تعاملات در پلتفرم تعاملی معمولا غیر رسمی و دو طرفه است. تعامل ممکن است یک درخواست یا سؤال ساده (مانند "پیش بینی آب و هوا" یا "چه زمانی است؟") با یک نتیجه ساده یا پاسخ باشد. به طور متناوب، ممکن است یک تعامل ساختار یافته (مانند تعامل مورد نیاز برای رزرو یک رستوران یا اتاق هتل) باشد. با بلوغ تکنولوژی، درخواست های بسیار پیچیده نیز امکان پذیر خواهد شد. به عنوان مثال، پلت فرم تعاملی ممکن است بتواند شهادت ها را از شهود جنایت جمع آوری کند و در نتیجه از مظنون تصویر ایجاد کند.
      اختلاف در استفاده از این پلتفرم ها، هنگامی ایجاد می‌شود که کاربران نیاز دارند بدانند که رابط کاربر چه حوزه‌ ای را درک می‌کند و قابلیت ‌های آن در آن حوزه چیست. چالشی که با آن مواجه می‌شوند این است که کاربران باید به روش بسیار ساختار یافته ارتباط برقرار کنند. این اتفاق اغلب منجر به یک تجربه ناامید کننده می‌شود چرا که به جای قادر ساختن یک تعامل دوطرفه قوی بین فرد و رایانه، اغلب سکوهای محاوره‌ ای به طور عمده یک پرس و جو یا سیستم ‌های کنترل هستند که یک واکنش بسیار ساده را تولید می‌کنند. در طول زمان، پلت فرم‌های محاوره‌ای بیشتر با اکوسیستم‌های رو به رشد خدمات شخص ثالث ادغام خواهند شد که کارآیی این سیستم‌ها را به طور نمایی افزایش می‌دهد. تفاوت اصلی بین پلت فرم ‌های محاوره‌ای، توانمندی مدل‌های تعامل آن‌ها و API و رویدادی است که برای دستیابی به آن و ارایه خدمات شخص ثالث برای ارایه نتایج پیچیده استفاده می شود.
      از سال 2020، فروشندگان نرم افزار به طور فزاینده، سکوهای تعاملی را در برنامه کار خود خواهند داشت. آنها این کار را انجام می دهند تا یک کانال مستقیم را برای کاربران خود پشتیبانی نمایند؛ نه به این معنا که یک پلت فرم مکالمه ای که کنترل آن را ندارند، در اختیار آنها قرار گیرد. انتظار داریم در سال 2023 یک گفتگوی عمومی بواسطه جنگ های مداوم بین فروشندگان نرم افزار و ارائه دهندگان سیستم عامل وجود داشته باشد. تغییر در تجربه کاربر باعث بسیاری از فرصت های جدید کسب و کار دیجیتال می گردد، اما همچنین چالش های امنیتی و مدیریت IT بسیار مهمی را نیز ایجاد می کند. تحقق بخشیدن به تجربه مداوم، همه جانبه و تعاملی کاربر، نیاز به درک عمیق تری از حریم خصوصی و دسترسی دارد. دستگاه هایی که "همیشه در حال گوش دادن" هستند ممکن است اطلاعات را از کاربران بدون رضایت خود آنها جمع آوری کنند.
      با گذشت زمان، از فکر کردن در مورد دستگاه های فردی و تکنولوژی های UI جدا شده و به یک تجربه چند کاناله و چندجمله ای تغییر خواهیم کرد. تجربه چند منظوره مردم را با دنیای دیجیتال در سراسر صدها دستگاه لبه که آنها را احاطه کرده است، متصل می کند. این تجربه شامل ابزارهای رایانه ای سنتی، پوشیدنی، اتومبیل، سنسورهای محیطی و لوازم مصرفی خواهد بود. ثبت تجربه چند کاناله از تمام حواس انسان و با استفاده از حسگرهای پیشرفته کامپیوتر (مانند گرما، رطوبت و رادار) در مجموعه ای از دستگاه های چند منظوره صورت خواهد گرفت. این فضای چند حسی یک تجربه محیطی را ایجاد می کند که در آن فضا اطراف ما "کامپیوتر" را به جای دستگاه های فردی تعریف می کنند. در واقع محیط کامپیوتری است.
      ادغام VR و AR با چندین تلفن همراه، لوازم پوشیدنی، اینترنت اشیاء و محیط های غنی از سنسور و پلتفرم تعاملی، برنامه های کاربردی فراگیر را بیش از تجربه های جداگانه و تک نفره گسترش می دهد. اتاق ها و فضاها با اشیا فعال می شوند و اتصال آنها از طریق شبکه مش ظاهر می شود و در ارتباط با دنیای مجازی همه جانبه به کار می رود. یک انبار را تصور کنید که نه تنها می تواند حضور کارگران را تشخیص دهد، بلکه همچنین به آنها کمک می کند که وضعیت تجهیزات خود را درک کنند و از لحاظ بصری می توانند بخش هایی را که نیاز به جایگزینی دارند مشخص کنند.
      عبارت " تجربه محیط همه‌جانبه" در ۱۰ سال آینده و فراتر از آن ظاهر خواهد شد. تولید داده از تمامی جوانب زندگی انسان و توسعه گسترده ی برنامه های کاربردی و سکوها که توسط سازندگان مستقل صورت خواهد گرفت، با چالش یکپارچه سازی روبه رو خواهد بود. هیچ معادلی در اینترنت و وب با شناسه ‌های مخصوص آن، فرمت ها و پروتکل‌ها برای ایجاد یکپارچگی آسان در این فضاها وجود ندارد، انتظار نداشته باشید. به جای آن برنامه ها و خدمات خودکار منتظر اکوسیستم‌های اختصاصی از تجهیزات باشید.
      تمرکز بر استفاده هدفمند از سکوهای تعاملی و دیگر کانال‌های تعامل تخصصی، همچنین AR / VR و سایر کانال‌های برداشت قابل پیش بینی است . بهره گیری از کانال های حسی مختلف و تحلیل محیط های گسترده تر، در آینده صورت خواهد گرفت . استفاده از دستیاران مجازی و عوامل مستقل همراه با توسعه دوقلوهای دیجیتال و این تجربه همه‌جانبه، روندی هوشمند را دنبال خواهند کرد.

      7- زنجیره بلوکی
      زنجیره بلوکی18 نوعی لیست توزیع شده است. یک فهرست توزیع شده، لیستی است که از لحاظ تاریخی مرتبا منتشر می شود و پرونده های معاملات امضا شده و غیرقابل برگشت دارد که توسط همه شرکت کنندگان در یک شبکه به اشتراک گذاشته شده است. هر رکورد شامل یک مهر زمانی و لینک مرجع برای معاملات قبلی است. با استفاده از این اطلاعات، هر کسی که دارای حق دسترسی است، می تواند یک تراکنش را در هر نقطه ای از تاریخ، متعلق به هر شرکت کننده، ردیابی کند. زنجیره بلوکی و دیگر تکنولوژی های مدیریت توزیع شده، اعتماد به محیط های نامنظم را باز می گرداند و نیاز به یک مقام مرکزی قابل اطمینان را از بین می برند.
      زنجیره بلوکی با حذف حساسیت های کسب‌وکار، ارزش کسب‌وکار را تامین می‌کند. این کار با ایجاد دفتر مستقل از کاربردها و شرکت کنندگان و تکرار دفتر در یک شبکه توزیعی برای ایجاد یک سابقه معتبر از رویدادهای مهم صورت می گیرد. هر کسی با یک سطح خاص از دسترسی مجاز است اطلاعات مشابهی را در همان زمان ببیند. زنجیره بلوکی همچنین یک معماری قابل اعتماد توزیع‌شده را امکان پذیر می‌سازد که به احزاب غیرقابل اعتماد اجازه می‌دهد تا معاملات تجاری انجام دهند و بااستفاده از گستره متنوعی از دارایی‌ها، ارزش آفرینی کنند.
      زنجیره بلوکی یک جایگزین برای مدل اعتماد متمرکز است که اکثر رکوردهای ارزش را پوشش می دهد. امروزه اعتماد به بانک ها، واحدهای مسکونی، دولت ها و بسیاری از موسسات دیگر را به عنوان قدرت های مرکزی با "نسخه ی واحد حقیقت" در پایگاه های داده ایمن نگه می داریم. مدل اعتماد غیرمتمرکز، هزینه های اضافی (کمیسیون ها، هزینه ها و ارزش زمانی پول) به معاملات را کاهش می دهد. زنجیره بلوکی مدل اعتماد جایگزین را فراهم می کند و با استفاده از یک بلوک عمومی، نیاز به مجوزهای مرکزی در انجام معاملات ارزی را حذف می کند.
      نیروهای زنجیره بلوکی نیروهای EA و رهبران نوآوری های فناوری، مبادله ارزش در دنیا را به اعتماد متمرکز تبدیل می کنند. امکان سوء استفاده و کلاهبرداری در بلاکچین در ابتدا در صنعت خدمات مالی متمرکز بود. اما زنجیره بلوکی برنامه های کاربردی بالقوه فراوانی دارد از جمله خدمات دولتی، مراقبت های بهداشتی، تولید، زنجیره تامین، توزیع محتوا، تأیید هویت و ثبت نام عنوان.
      زنجیره بلوکی وعده داده است تا صنایع را با ایجاد اعتماد، ارائه شفافیت و کاهش درگیری در اکوسیستم های تجاری و به طور بالقوه کاهش هزینه ها، کاهش زمان معامله و بهبود جریان نقدینگی، تغییر دهد. دارایی ها می تواند با منشا آنها ردیابی شود، به طور قابل توجهی کاهش فرصت های جایگزینی با کالاهای تقلبی بوجود می آید. ردیابی دارایی نیز در سایر زمینه ها، مانند ردیابی مواد غذایی در یک زنجیره تامین، به راحتی می تواند منشأ آلودگی را شناسایی کند یا قطعات جداگانه را برای کمک به بازپرداخت محصول، ارزشمند سازد. حوزه دیگری که زنجیره بلوکی بالقوه در آن حضور دارد مدیریت هویت است. قراردادهای هوشمند می توانند در بلاکچینی که مبتنی بر رویداد می باشد، برنامه نویسی شوند؛ برای مثال، زمانی که کالا دریافت می شود، پرداخت صورت می گیرد.
      بسیاری از ارائه دهندگان فن آوری و طرح های پیشنهادی توسط کنسرسیوم، راه حل هایی را ارائه و انجام می دهند که تمام ویژگی های بلاکچینی را اجرا نمی کنند. این پیشنهادات الهام گرفته از زنجیره بلوکی اغلب بر اساس تکنولوژی های سنتی و غیر بلاکچینی است و عمدتا زیرساخت های پیام رسانی موجود یا پایگاه داده های توزیع شده بدون تمرکز زدایی به عنوان یک اصل کلیدی طراحی، در نظر گرفته می شود. به طور کلی، آنها تنها از سه مؤلفه اصلی مفهوم زنجیره بلوکی استفاده می کنند: نسخه ای از یک دفتر اسناد متمرکز و یا فروشگاه داده توزیع شده یا تکراری، رمزنگاری و یک لایه پیام. آنها تقریبا به طور انحصاری برای استقرار خصوصی یا سازمانی همراه هستند و فاقد نشانه گذاری و عدم تمرکز هستند.
      این راه حل های الهام گرفته از زنجیره بلوکی به عنوان وسیله ای برای دستیابی به کارایی عملیاتی با خودکار سازی فرآیندهای کسب و کار یا دیجیتالی کردن سوابق است. آنها همچنین توانایی به اشتراک گذاشتن اطلاعات بین نهادهای شناخته شده را افزایش می دهند و همچنین به طور بالقوه فرصت های ردیابی دارایی های فیزیکی و دیجیتال را بهبود می بخشند. سازمان هایی که بر روی راه حل های الهام گرفته از زنجیره بلوکی متمرکز شده اند قادر به حل چالش های فناوری و کسب و کار هستند که راه حل های پیشین آن نمی توانستند اجرایی باشند (مانند کاهش تقلب، به اشتراک گذاری، تکرار و توزیع داده ها موثر (امن))
      رویکردهای الهام گرفته از زنجیره بلوکی، یک سازمان را قادر می سازد که زنجیره بلوکی ادامه پیدا کند، در حالی که از تغییرات بالقوه گران و سخت در مدل کسب و کار و فرایند اجتناب می کند. با این حال، چنین رویکردهایی ارزش واقعی زنجیره بلوکی را از دست می دهند و ممکن است افزایش توقف در فروش را به همراه داشته باشند. سازمان هایی که این گزینه را انتخاب می کنند، باید محدودیت ها را درک کنند و آماده باشند تا در طول زمان برای کامل کردن راه حل های زنجیره بلوکی حرکت کنند. آنها همچنین باید متوجه باشند که نتایج مشابهی کارآمدتر و دقیق تر با استفاده از تکنولوژی های غیر بلاکچین نیز به دست می آید.
      راه‌حل‌های زنجیره بلوکی کامل با چالش‌های کلیدی مواجه هستند که تحویل راه‌حل‌های مقیاس پذیر و باثبات آن را تا سال ۲۰۲۳ با مشکل جدی روبرو می کند. تکنولوژی‌ها و مفاهیم زنجیره بلوکی نابالغ هستند، درک ضعیفی از آن موجود است و در عملیات ‌های کاری در مقیاس بزرگ و عملیاتی، درک نشده و اثبات نشده اند. به خصوص با عناصر پیچیده تری است که از سناریوهای پیچیده‌تر پشتیبانی می‌کنند این مسئله به خوبی روشن است.
      علیرغم چالش ها، پتانسیل قابل توجه این فناوری، موجب می شود که احتمالا ارزیابی زنجیره بلوکی را شروع کنید، حتی اگر در چند سال آینده تکنولوژی آن را نپذیرید. زنجیره بلوکی در سال 2030 ارزش کسب و کار 3.1 تریلیون دلار تولید خواهد کرد. یک رویکرد عملی برای تقاضای توسعه بلاکچین به شرح ذیل است:
      • درک روشنی از فرصت کسب و کار و تاثیر بالقوه در صنعت.
      • درک روشن از قابلیت ها و محدودیت های فن آوری زنجیره بلوکی.
      • معماری اعتماد.
      • مهارت های لازم برای پیاده سازی فن آوری.
      ایجاد زبان روشن و تعاریف برای بحث های داخلی در مورد ماهیت تکنولوژی بسیار مهم می باشد شناخت اطلاعات مربوط به بلاکچین، کمک می کند که در تعامل با فروشنده ها با پیشنهادات نامطمئن با احتیاط برخورد شود. دقیقا مشخص کنید که اصطلاح "blockchain" چگونه به شکل داخلی و توسط ارائه دهندگان آن در حال استفاده است.
      از راهکارهای اجماع و بلاکچین و همچنین منابع مجاز برای تحولات مدیریتی در محیط توزیع شده استفاده کنید. اما قبل از شروع یک پروژه توزیع شده، اطمینان حاصل کنید که تیم شما مهارت های تجاری و رمزنگاری را درک می کند ، اینکه چه چیزی ممکن است و چه چیزی امکان پذیر نیست. نقاط تجمیع با زیرساخت های موجود برای تعیین سرمایه گذاری های لازم و نظارت بر تکامل و بلوغ پلت فرم را تشخیص دهید.


      8- فضاهای هوشمند
      فضای هوشمند19 یک محیط فیزیکی یا دیجیتال است که در آن انسان و سیستم های فعال با تکنولوژی در اکوسیستم های باز، متصل، هماهنگ و هوشمند در تعامل هستند. عناصر چندگانه - از جمله افراد، فرآیندها، خدمات و چیزهای دیگر - در یک فضای هوشمند جمع می شوند تا تجربه ای غریزی، تعاملی و خودکار برای یک مجموعه هدف از سناریوهای شخصی یا صنعت ایجاد کنند.
      این روند تا حدودی در اطراف عناصری مانند شهرهای هوشمند، محل کار دیجیتال، خانه های هوشمند و کارخانه های متصل به هم وجود داشته است. ما اعتقاد داریم که بازار در حال وارد شدن به یک دوره تحول سریع فضای هوشمند است و فناوری به عنوان بخشی جدایی ناپذیر از زندگی روزمره ما یعنی کارکنان، مشتریان، مصرف کنندگان، اعضای جامعه یا شهروندان تبدیل شده است. روند مرتبط با هوش مصنوعی، گسترش دستگاه های لبه ی متصل به اینترنت اشیا، توسعه دوقلوهای دیجیتال اشیا و سازمان ها و تکامل بلاکچینی باعث افزایش فرصت هایی برای راه اندازی راه حل های متصل، هماهنگ و هوشمند در محیط های هدف می شود.
      سازمان های مجزا مدت طولانی از فناوری ها برای اهداف خود با سیستم هایی معمولا بسته و جدا از یکدیگر استفاده می کنند. در حالی که سیستم ها با هماهنگی پویا تر حرکت می کنند، سازمان ها از هوش مصنوعی و سایر تکنولوژی ها برای ایجاد یک سطح بسیار انعطاف پذیر و مستقل برای هماهنگی بین سیستم ها استفاده می کنند. این امر به این معناست که پدیده اینترنت اشیا محاسبات را از دسکتاپ های جداگانه و دستگاه های تلفن همراه به جهان اطراف ما هدایت می کند. تغییرات در تجربه کاربر نیز تغییر می کند، چگونه افراد با یکدیگر و با سیستم در یک فضای هوشمند ارتباط برقرار می کنند. فضاهای هوشمند در امتداد پنج بعد اصلی در حال تحول هستند:
      • باز بودن20. باز بودن به میزان دسترسی به عناصر در یک فضای هوشمند اشاره دارد. به عنوان مثال، در یک مدل بسته، برنامه های کاربردی یا سیستم های فردی در یک فضای هوشمند می توانند از یکدیگر جدا شوند بدون اینکه داده ها به اشتراک گذاشته شوند. به طور خلاصه، اگر داده ها به اشتراک گذاشته شود، می توان آن را به صورت کنترل شده و اختصاصی به اشتراک گذاشت. در مقابل، در یک مدل باز، سیستم ها از وجود یکدیگر آگاه می شوند و داده ها با استفاده از مکانیزم های استاندارد، به مخاطبان گسترده ای دسترسی پیدا می کنند.
      • همبستگی21. همبستگی به عمق وسعت و استحکام ارتباط بین عناصر در یک فضای هوشمند اشاره دارد. همبستگی ارتباط نزدیکی با باز بودن دارد. در صورت عدم ارتباط، دسترسی به هیچ یک از عملکردها یا داده های یک برنامه در فضای هوشمند، به غیر از رابط کاربر پیش فرض وجود ندارد. چنین سیستمی بسته می شود. با افزایش مکانیزم دسترسی به ویژگی ها، داده ها و عملکرد نرم افزار، درجه باز بودن افزایش می یابد. افزایش ریزدانگی ویژگی های در دسترس، داده ها و توابع نیز باعث افزایش همبستگی می شود. روندهایی مانند اینترنت اشیا، پلتفرم های اینترنت اشیا، دوقلوهای دیجیتال، محاسبات لبه ای، API ها و درگاه های API و معماری سرویس و برنامه های مش (MASA) همگی مشارکت بیشتری در فضای هوشمند دارند.
      • هماهنگی22. هماهنگی به عمق و استحکام هماهنگی بین عناصر در یک فضای هوشمند اشاره دارد. هماهنگی یک جنبه فعال تر از فضاهای هوشمند است که بر روی ارتباطات ایجاد می شود. در حالی که همبستگی به فرصت برای اتصال عناصر مختلف نگاه می کند، هماهنگی به سطح واقعی تعامل و همکاری بین عناصر نگاه می کند. به عنوان مثال، دو برنامه کاربردی که در یک فضای هوشمند هستند که اعتبارهای مشترکان را به اشتراک گذاشته اند، نمره هماهنگی بسیار کم دارند. با این حال، اگر آنها داده ها را به اشتراک گذاشتند و اجرای دقیقی را در یک فرایند هماهنگ کردند، آنها نمرات هماهنگی بسیار بیشتری خواهند داشت. روندی همچون MASA، API ها و رویدادها نیز در هماهنگی نقش دارد. بنابراین زنجیره بلوکی، مکانیسمی را برای کاهش چشم گیر اصطکاک تجاری بین عناصر در یک فضای هوشمند از طریق یک سرفصل مشترک و قراردادهای هوشمند ارائه می دهد.
      • هوش23. هوش، به استفاده از یادگیری ماشین و دیگر تکنیک های هوش مصنوعی اشاره دارد تا اتوماسیون را به فضای هوشمند هدایت کند و خدمات را برای تقویت فعالیت های افراد در آن به ارمغان بیاورد. هوش می تواند خود را در قالب اشیای خودمختار یا هوش افزایی، از جمله تحلیل های پیشرفته، آشکار سازد. یک جنبه مهم استفاده از هوش مصنوعی برای:
      o کمک به کاربران در فضای هوشمند
      o به کارگیری تجربیات همه جانبه به منظور ارتقاء چگونگی درک و تعامل کاربران با عناصر دیگر در فضای هوشمند.
      • محدوده 24. محدوده به وسعت یک فضای هوشمند و شرکت کنندگان آن اشاره دارد. یک فضای هوشمند با محدوده بسیار کم، بر یک تیم واحد در یک بخش از یک سازمان بزرگ تمرکز خواهد کرد. فضای هوشمند با محدوده ای حتی وسیع تر ممکن است شامل عناصری خارج از سازمان با اکوسیستم شرکت کنندگان باشد. باز بودن، همبستگی و هماهنگی مرحله ای را برای افزایش دامنه یک فضای هوشمند تعیین می کند. هوش، دسترسی ساده و مدیریت خودکار را افزایش می دهد به طوری که دامنه فضای هوشمند افزایش می یابد.


      در فواصل زمانی طولانی، فضاهای هوشمند تکامل خواهند یافت تا محیط های هوشمند را فراهم سازند که در آن جوامع متعدد فعالیت های خود را در اکوسیستم های دیجیتال هماهنگ کنند و موارد استفاده یا خدمات متفاوتی را ارائه دهند. در هنگام ظهور نهایی یک محیط هوشمند، مدل های غنی دیجیتال دوقلو از مردم، فرایندها و چیزهایی در یک شهر وجود خواهد داشت. سازه های مبتنی بر رویداد، نقاط تجمیع از پیش تعیین شده سخت افزاری را جایگزین خواهند کرد. دستیارهای مجازی و نمایندگان مستقل، فعالیت ها را بر روی سیستم های چندگانه در داخل سازمان و یا نهادهای دولتی و در بین نهادهای مختلف نظارت و هماهنگ می کنند. مبادلات داده ها باز و استفاده از بلاکچین باعث کاهش اصطکاک بین بازیکنان مختلف در اکوسیستم و سیستم هایی که آنها استفاده می کنند می شود. امکان ارتقاء کلیه زیرساخت ها و امکانات موجود به محیط های موجود اضافه خواهد شد.
      در همین حال، افرادی که در اکوسیستم های هوشمند فعال هستند، با استفاده از ابزارهای پیشرفته لبه اینترنت اشیا و تجربیات همه جانبه پیش خواهند رفت. به نظر می رسد که فناوری در اطرافشان موج خواهد زد. به جای استفاده از رایانه ها، کل دنیای اطراف آنها کامپیوترشان است. این فضای هوشمند، تا سال 2028 ادامه نخواهد یافت. با این حال، سازمان ها می توانند آن را خیلی زودتر در سناریوهای صنعت با مجموعه ای از افراد و فرآیندهای هدفمند و با محدودیت بیشتر تعریف کنند. عناصر مجزا به سرعت در سال 2023 تکامل خواهند یافت و این مرحله جدید فضاهای هوشمند را ایجاد خواهد کرد.
      شهرهای هوشمند، نمونه ای وسیع از تغییر سیستم های جدا شده به محیط های هوشمند را نشان می دهند. چشم انداز شهرهای هوشمند، ایجاد شفافیت در کیفیت زندگی شهری، ارتقاء مشارکت شهروندان و توسعه خود است. شهر هوشمند یک چارچوب یا یک دعوت برای همکاری است، نه مجموعه ای از فن آوری ها و استراتژی های تجاری. این همکاری و اکوسیستم مربوط به توسعه خدمات متنی را برای کاربران در محیط شهری توصیف می کند. شهرهای هوشمند طراحی شده برای دستیابی به اهداف کلان و تمرکز بر اکوسیستم های هوشمند شهری تلاش می کنند.
      در موج اول شهرهای هوشمند، ارائه دهندگان فناوری، سازمان های کاربر نهایی را برای سرمایه گذاری در POC های شخصی برای اینترنت اشیا، مدیریت دارایی یا صرفه جویی در هزینه ها هدایت می کردند. در حال حاضر، در موج دوم، یک تغییر برای جلوگیری از پیچیدگی عظیم POC های فردی و تجمیع عقبگرد از سیستم های جدید در سیستم های موجود وجود دارد. تمرکز بیشتر بر روی سیستم های متصل و هماهنگ با قابلیت های باز و قابل گسترش است.
      اکوسیستم های هوشمند نیز در مناطق بازسازی شهری، مناطق صنعتی و مکان های در نظر گرفته شده توسعه می یابند. در این موارد، تمرکز بر کسب و کار و یا مورد استفاده هدف قرار دادن توسعه املاک و مستغلات و یا تجربه زندگی جدید برای اهداف ترکیبی جامعه و شبکه های اجتماعی است. در اقتصادهای در حال ظهور، پارک های صنعتی که جوامع تجاری، مسکونی و صنعتی را ادغام می کنند، با استفاده از چارچوب های هوشمند اکوسیستم های شهری با مشارکت دولتی و خصوصی منجر به توسعه فن آوری و تجربه می گردند تمام بخش ها به پلت فرم های همکاری اجتماعی و جامعه با فناوری اطلاعات و تبادل اطلاعات پیوند دارند. شهرهای هوشمند و محله های سبز به طور فزاینده ای توجه بیشتری را از توسعه دهندگان املاک و مستغلات که می خواهند پروژه های هوشمند شهری دیجیتالی و را ایجاد کنند جلب می کنند. این شهرهای هوشمند سبز، چشم انداز شهر را به یک نقشه راه طراحی و پیاده سازی برای ارائه یک اکوسیستم فضایی هوشمند تبدیل خواهند کرد.
      فضاهای هوشمند، تکامل طبیعی از سیستم‌های مستقل تا محیط ‌های هوشمند و جامع هستند. آن‌ها تکنولوژی‌ها و روندهای زیادی را کنار هم قرار می‌دهند تا یک تجربه برای شخصیت هدفمند یا سناریوهای صنعتی ایجاد کنند . شهرهای هوشمند، یکی از تجلیات این مفهوم، با محیط‌های کاری دیجیتال، کارخانجات هوشمند، کشاورزی هوشمند و بیمارستان‌های هوشمند در افق دید خود هستند.
      فضاهای هوشمند نتیجه روندهایی هستند که نمی توان آنها را نادیده گرفت. می توان برای آزمایش این مفهوم، از فضاها با مقیاس کوچک استفاده کرد و سپس به تدریج این فضا را به محیط های بزرگتر گسترش داد.


      9- اخلاق دیجیتالی و حفظ حریم خصوصی
      اخلاق دیجیتالی و حفظ حریم خصوصی25، از جمله نگرانی های روزافزون افراد ، سازمان ها و دولت ها می باشد. مصرف کنندگان این آگاهی را دارند که اطلاعات شخصی آنها ارزشمند است و خواستار کنترل آن هستند. سازمان ها افزایش خطر امنیت و مدیریت اطلاعات شخصی را تشخیص می دهند و دولت ها قوانین سختگیرانه ای را برای اطمینان از انجام آنها به اجرا در می آورند.
      در حالی که بخش خصوصی به طور فزاینده ای توسط قانون حفظ حریم خصوصی محدود می شود، سرویس های امنیتی و انتظامی کنترل های بسیار کمتری را دارند. پلیس از تشخیص چهره برای شناسایی افراد در زمان واقعی استفاده می کند. آنها از شناسایی عددی شمارنده 26 (ANPR) برای ردیابی وسایل نقلیه استفاده می کنند. همچنین از داده های ردیاب های تناسب اندام برای تعیین موقعیت و نرخ ضربان قلب مردم در زمان جرم استفاده می کنند. آنها حتی از تشخیص چهره برای باز کردن قفل تلفن مشکوک در طول یک تحقیق استفاده می کنند. با استفاده از بیلیون ها اطلاعات پایانی جمع آوری شده، برای اجرای قانون، می تواند اینکه شما کجا هستید، چه کاری انجام می دهید و حتی چه فکری می کنید را تشخیص دهد.
      مردم به طور فزاینده ای نگران این هستند که چگونه اطلاعات شخصی آنها توسط سازمان ها در بخش دولتی و خصوصی مورد استفاده قرار می گیرد و این واکنش در مقابل سازمان هایی است که به طور جدی به این نگرانی ها پاسخ نمی دهند.
      هر گونه بحث در مورد حریم خصوصی باید در زیر مجموعه ای از اخلاق دیجیتالی و اعتماد مشتریان، مؤلفان و کارکنان باشد. در حالی که حفظ حریم خصوصی و امنیت یکی از اجزای پایه ای در ایجاد اعتماد هستند، اعتماد در واقع بیش از یک جزء است. همانطور که توسط واژه نامه ی آکسفورد تعریف شده است، "اعتماد" اعتقاد محض به قابلیت اطمینان، حقیقت یا توانایی فرد یا چیزی است. اعتماد پذیرش حقیقت مطلب بدون مدرک یا تحقیق است. در نهایت، موقعیت سازمان در خصوص حریم خصوصی باید با موقعیت وسیع تری در زمینه اخلاق و اعتماد به وجود آید. انتقال از حریم خصوصی به سوی اخلاق، گفتگو ها را فراتر از اینکه "ما سازگار هستیم" به سمت "آیا ما کار درستی انجام می دهیم" حرکت می دهد، حرکت از سازمان های سازگار با رعایت اخلاق به سازمان های اخلاقی می تواند به عنوان سلسله مراتب قصد 27 توصیف شود:
      • دیدگاه ذهنی
      • کاهش ریسک
      • ایجاد تغییر
      • به دنبال ارزش های خود


      10- محاسبات کوانتومی28
      یک محصول یا سرویس محاسبه کوانتومی مقرون ‌به ‌صرفه و قابل ‌اعتماد می‌تواند یک صنعت را متحول کند. یک نمونه آن داروسازی است که در آن تقسیم ‌بندی مشتریان یا جمعیت‌ ها می‌تواند در دولت‌ های محلی، خطوط هوایی، خرده‌ فروشی و خدمات مالی انجام شود. در عرض دو سال گذشته ، تحقیقات گارتنر در مورد محاسبات کوانتومی ، بیش از سه برابر شده‌ است، سه عامل زیر این توجه را به خود جلب می‌کند:
      • تهدید محاسبات کوانتومی برای رمزنگاری.
      • کنجکاوی در مورد قابلیت ها و فریم های زمانی محاسبات کوانتومی برای برنامه های خاص.
      • استفاده بالقوه از محاسبات کوانتومی به عنوان یک مزیت رقابتی.
      محاسبات کوانتومی نوعی از محاسبات غیر کلاسیک است که بر روی حالت کوانتومی ذرات زیر اتمی (برای مثال، الکترون‌ها و یون‌ها)عمل می‌کند که اطلاعات را به عنوان عناصری از بیت های کوانتومی (qubits) نشان می دهند. یک کیوبیت می‌تواند تمام نتایج ممکن را به طور همزمان تا قبل از خوانده شدن نگه دارد. کیوبیت را می توان با ملک شناخته شده به عنوان پیچیدگی با کیوبیت های دیگر مرتبط دانست، الگوریتم های کوانتومی کیوبیت های ارتباطی را در حالت تعریف شده خود کنترل می کنند. محاسبات کوانتومی یک فرایند بسیار موازی است که با اضافه کردن کیوبیت های اضافی به صورت عمودی مقایسه می شوند.
      یک کتابخانه را تصور کنید که شامل کتاب های مختلفی است که تا به حال نوشته شده اند. یک کامپیوتر معمولی هر کتاب را به صورت پی‌درپی برای جستجوی یک عبارت خاص می‌خواند. اما کامپیوترهای کوانتومی همه کتاب ‌ها را به طور همزمان می‌خوانند. اجرای موازی و مقیاس پذیری نمایی کامپیوترهای کوانتومی به این معنی است که آن‌ها در مقابل مسایل بسیار پیچیده رویکرد سنتی درحالیکه یک الگوریتم سنتی خیلی طول می‌کشد تا یک راه‌حل پیدا کند. آنها با برنامه‌های ویژه شامل یادگیری ماشین، بهینه‌سازی مسیر، آنالیز تصویر، بیوشیمی و کشف مواد، علوم مواد و شکستن کدها (به عنوان عامل فاکتور اصلی) می توانند سریع تر عمل کنند.
      صنایعی مانند خودرو، مالی، بیمه، داروسازی، سازمان های نظامی و تحقیقاتی، بیشترین پیشرفت را در محاسبات کوانتومی به دست آورده اند. برنامه های کلیدی بالقوه محاسبات کوانتومی عبارتند از:
      • بهینه سازی.
      • علم مواد.
      • علم شیمی.
      • داروسازی شخصی29.
      • زیست شناسی.
      محاسبات کوانتومی در آینده دور، پروتکل‌های مبادله کلید رمز نگاری امروزی را به خطر خواهد انداخت. رمزنگاری ایمن کوانتومی در حال ظهور است، با نرم افزار اجرا می شود و باید یک ابتکار استراتژیک میان مدت برای سازمان هایی باشد که میخواهند داده های خود را در طول چند دهه محافظت کنند. مؤسسه ملی استاندارد و فناوری 30 تصمیم گرفته است که شروع به ایجاد استانداردهای رمزنگاری postquantum کند. موسسه ملی استاندارد و فناوری میزبان یک رقابت باز برای انتخاب الگوریتم های توصیه شده استاندارد سازی رمزنگاری کوانتومی است و انتظار می رود که یک نسخه آن در سال 2021 ارائه شود.
      آژانس امنیت ملی 31 دستور داده است که کارمندان و فروشندگان امنیت ملی ایالات متحده باید "در آینده ای نه چندان دور" شروع به تعمیر مجدد رمزگذاری خود کنند تا از تهدید کامپیوترهای کوانتومی محافظت کنند. از آنجاییکه اطلاعات امنیت ملی در دهه های مختلف محافظت می شود، آژانس می گوید قبل از اینکه این ماشین ها وارد شوند، باید رمزگذاری جدیدی داشته باشیم. موسسه ملی استاندارد و فناوری به دنبال الگوریتم های جایگزینی برای RSA و رمزنگاری منحنی بیضوی است و شروع به صدور راهنمایی هایی جدید برای طول کلید و هش کرده است. محاسبات کوانتومی محصولات امنیتی که رمزگذاری و هش کردن دارند را ارزیابی خواهد کرد.
      محاسبات کوانتومی نه تنها تهدیدی برای مکانیسم امنیتی فعلی است؛ همچنین دارای قابلیت بالقوه برای بهبود امنیت نیز می باشد. در مراقبت های بهداشتی، رمزگذاری همگرا به عنوان یک راه حل مطلوب برای حریم خصوصی و برای پردازش داده های محرمانه ظاهر شده است. Homomorphism یک ویژگی از برخی از انواع رمزنگاری مقاوم در برابر کوانتوم است که اجازه می دهد عملیات محاسباتی (افزودن و ضرب) بر روی متن رمزگذاری شده انجام شود و نتیجه آن عملیات در متن رمزگشایی ظاهر شود. این پشتیبانی از پردازش داده هایی است که حتی زمانی که آنها را می گیرند نمی توانند بخوانند.
      رایانه های کوانتومی رایانه های عمومی نیستند. در عوض، آنها شتاب دهنده ای هستند که قادر به اجرای تعداد محدودی از الگوریتم ها با دستورات بزرگ در مقایسه با رایانه های معمولی هستند. به دلیل ماهیت پیچیده و تجربی سخت افزار QC، ما به جای خرید یک کامپیوتر کوانتومی از کوانتوم به عنوان یک سرویس از فروشندگانی مانند IBM و D-Wave Systems استفاده می کنیم. فعالیت های قابل توجهی را از ارائه دهندگان مانند 1QBit، Alibaba ابر، سیستم های D-Wave، گوگل، آی بی ام، مایکروسافت، QC Ware، QinetiQ و Rigetti Computing در اختیار دارد. که در بسیاری از آزمایشگاه های دانشگاه و شرکت های بزرگ تحقیقاتی انجام شده است. پیش از این ما انتظار داشتیم که محاسبات کوانتومی در 10 یا چند سال آینده به بلوغ بازار برسد، اما این برآورد تا پنج تا 10 سال تجدید نظر شده است.
      این پیشرفت ها و همچنین تاثیر بالقوه محاسبات کوانتومی برای کاربردهای کلیدی، این روند را برای سازمان هایی که به دنبال حل مشکلات پیچیده خاصی توسط برنامه ریزی استراتژیک بلند مدت هستند، آسان می سازد، با این حال، آزار و اذیت های قابل توجهی وجود دارد و چالش های زیادی باقی می ماند:
      • خطاهای کوانتومی
      • Decoherence 32
      • کمبود زبان های توسعه استاندارد.


      فعالیت در حال افزایش است و همچنان در محاسبات کوانتومی ادامه خواهد داشت. در سپتامبر 2018، Rigetti، سرویس ابر محاسبات کوانتومی را با یک پردازنده 128 گیگابایتی را معرفی کرد. گوگل یک تراشه 72 کیلوبیتی دارد و آی بی ام QC را به عنوان یک سرویس (QCaaS) و یک پردازنده 50 کیلوبیتی ارائه می دهد. D-Wave همچنین QCaaS را با دسترسی به اقیانوس (محیط SDK D-Wave) ارائه می دهد، همچنین کد زنده و نمونه های صنعت را که با مشکلات الگوریتم کوانتومی حل می شود، ارائه می دهد. مایکروسافت در حال کار بر روی qubit topological است. این توسعه دهندگان از قلمرو اصلی در توسعه زبان های برنامه نویسی محاسبات کوانتومی استفاده می کنند. مسابقه کامپیوتر کوانتومی آغاز شده است.
      با افزایش درک این که چگونه می‌تواند در مشکلات کسب‌وکار دنیای واقعی کاربرد داشته باشد، در حالی که تکنولوژی هنوز در کشور ها نوظهور است برنامه‌ریزی برای محاسبات کوانتومی را آغاز کنید. مشکلات دنیای واقعی را با در نظر گرفتن تاثیر احتمالی بر امنیت شناسایی کنید محاسبات کوانتومی در آن پتانسیل خوبی دارد، اما این عادت که در چند سال آینده در هر کدام از این مناطق انقلابی رخ خواهد داد را باور نکنید. بیشتر سازمان‌ها باید از سال ۲۰۲۲ کنترل و نظارت داشته باشند و شاید از سال ۲۰۲۳ یا ۲۰۲۵ از آن بهره‌برداری کنند. سازمان هایی که دارای ابر رایانه ای قابل توجه و الگوریتم های کوانتومی خاص هستند، می توانند مزیتی ارائه دهند ممکن است امروزه با استفاده از QCaaS آزمایش نور را شروع کنند. دنبال کنندگان این مسیر پیشرفت می کنند و به دنبال پیشرفت واضح در برخورد با نرخ خطا، زمان انسجام، و محیط توسعه و الگوریتم توسعه محاسبات کوانتومی هستند. با استفاده از برنامه های پشتیبانی مشتریان فروشندگان محاسبات کوانتومی برای شناسایی فرصت ها برای ارائه ارزش عملی به سازمان، کمک بسیاری می کند، تا سال 2023، 20 درصد از سازمان ها برای پروژه های محاسبات کوانتومی برنامه ریزی می کنند درحالیکه امروزه به کمتر از 1 درصد می رسد.
      محاسبات کوانتومی در حال رشد است و به احتمال زیاد از سال ۲۰۲۸، هم در پیشرفت ‌های تکنولوژی و هم در کشفیات الگوریتمی ظهور می‌کند. معماری های برنامه‌نویسی و ابزارها اختصاصی هستند و با رشد صنعت تغییر خواهند کرد. توسعه الگوریتم کوانتوم، نقطه ضعف آن در پذیرش می باشد. محدوده و کاربرد آن ارزش محاسبات کوانتومی را برای کسانی که صبر می‌کنند، افزایش می‌دهد. قبل از خرید و به‌کارگیری آن در تولید، منتظر بلوغ آن باشید ، اما محاسبات کوانتومی را نادیده نگیرید، به طور فعال بر پیشرفت صنعت نظارت و فرصت‌ها و چالش‌های بالقوه مخرب آن را پیش‌بینی می کند. شناسایی و وابستگی موجودی به الگوریتم های رمزنگاری آسیب‌پذیر کوانتومی و آماده‌سازی آن‌ها برای کاهش یا جایگزینی آن‌ها با ایجاد فهرستی از وابستگی‌های برنامه از الزامات است. با بررسی موارد استفاده، شناسایی دامنه اثرات رمزنگاری محاسبات کوانتومی حوزه های سرمایه گذاری و درک اینکه چگونه رقبا در حال آماده سازی هستند، بسیار با اهمیت می باشد.

      پی نوشت:

      1- Gartner
      2- Mesh
      3- Augmented intelligence
      4- Compliance risk
      5- Autonomous Things
      6- Rigid
      7- Augmented Analytics
      8- Process mining
      9- Citizen Data Scientist
      10- AI-Driven Development
      11- Augmented development
      12- Citizen application developer
      13- Digital Twins
      14- Empowered Edge
      15- Immersive Experience
      16- head-mounted display
      17- Virtual Customer assistants
      18- Blockchain
      19- Smart Spaces
      20- Openness
      21- Connectedness
      22- Coordination
      23- Intelligence
      24- Scope
      25- Digital Ethics and Privacy
      26- Automatic number plate recognition
      27- hierarcy of intent
      28- Quantum Computing
      29- Personalized medicine
      30- NIST
      31- NSA
      32- هنگامی که یک سیستم کوانتومی کاملا از محیط جدا نمی شود، اما با محیط اطرافش تماس می گیرد، انسجام با گذشت زمان کاهش می یابد. این فرآیند "کوانتومی" نامیده می شود.

      کلمات کلیدی

      شورای عالی فضای مجازی ، مرکز ملی فضای مجازی ، معاونت راهبری فنی ، فناوری های راهبردی ، گارتنر ، 2019 ، دیجیتال ، مش ، دوقلوهای دیجیتال ، اخلاق دیجیتال، محاسبات کوانتومی ، اشیا خود مختار، تحلیل های پیشرفته ، شهروند دانشمند داده ، هوش مصنوعی ، توسعه ، لبه ت

      منبع اصلی مقاله


      منبع درج


      منابع


      نظر کاربران
      نام:
      پست الکترونیک:
      شرح نظر:
      کد امنیتی:
       
تمامی حقوق برای مرکز ملی فضای مجازی محفوظ است. هر گونه کپی‌برداری از مطالب با ذکر منبع بلامانع است.