بسیاری از شرکت ها می خواهند سفر داده خود را با یک پروژه عظیم فناوری اطلاعات برای جمع آوری و ذخیره داده های زیادی آغاز کنند. سپس بحث به راحتی در مورد معماری فناوری اطلاعات، انتخاب ابزار و نحوه ساخت همه ادغام ها است. این پروژه ها زمان و منابع زیادی را می گیرند.

آنچه به ندرت مورد توجه قرار می گیرد این است ارزش واقعی ما از داده ها می خواهیم. و حتی اگر برنامه ای برای آن داشته باشیم، می توان آن را در طول ماه ها یا سال ها پروژه های معماری، ادغام و لوله کشی فناوری اطلاعات فراموش کرد. این پروژه ها توسط افرادی که می خواهند از داده ها استفاده کنند اجرا نمی شوند. آنها اغلب توسط بوروکرات های IT اداره می شوند.

آقای Ng همچنین اظهار داشت که مردم اغلب بر این باورند که برای توسعه یادگیری ماشینی یا هوش مصنوعی به داده های عظیم نیاز دارید. به نظر می رسد این باور وجود دارد که کمیت می تواند کیفیت را در تجزیه و تحلیل داده ها و هوش مصنوعی جبران کند. یادم می‌آید که با یک شرکت دستگاه‌های پوشیدنی صحبت می‌کردم زمانی که سخنگوی آن‌ها ادعا کرد که برای یافتن هر چیزی مفید برای ساخت مدل‌ها به داده‌های میلیون‌ها نفر نیاز دارید.

موارد استفاده ای وجود دارد که داده های بزرگ ارزشمند هستند. با این حال، واقعیت این است که در بسیاری از موارد استفاده، شما می توانید ارزش قابل توجهی را از مجموعه داده های کوچک استخراج کنید، به خصوص اگر داده ها مرتبط باشند. ما همچنین می‌توانیم به مجموعه‌های داده افقی و عمودی فکر کنیم، مثلاً آیا می‌خواهیم یک نقطه داده از میلیون‌ها نفر را تجزیه و تحلیل کنیم یا نقاط داده‌ای متعدد از تعداد کمی از افراد. با داده های افقی و عمودی، منظور من نحوه سازماندهی آنها در یک جدول نیست، بلکه رویکرد افقی برای جمع آوری چیزی از بسیاری از اشیاء، به عنوان مثال ضربان قلب از میلیون ها نفر، در مقابل رویکرد عمودی داشتن داده های بیشتر از اشیاء کمتر است. به عنوان مثال بسیاری از داده های سلامتی از یک گروه نمونه کوچکتر.

اما آیا به درک بهتر سلامتی، خواب و سلامت فرد کمک می کند؟ نگاه کردن به داده های سلامتی به عنوان مثال، این سوال را به خوبی نشان می دهد (بدون جناس). یک دستگاه پوشیدنی قدم‌ها، ضربان قلب و زمان خواب میلیون‌ها نفر را جمع‌آوری می‌کند. سپس می‌توانیم این داده‌ها را تجزیه و تحلیل کنیم تا مشخص کنیم که آیا گام‌های بیشتر و ضربان قلب بالاتر در طول روز، خواب طولانی‌تری را در آن شب پیش‌بینی می‌کند یا خیر. سپس می‌توانیم مدلی پیدا کنیم که نتایج مشابهی را برای افراد دیگر پیش‌بینی کند.

ما می توانیم مدل دیگری را برای ساخت مدل های تحلیلی در نظر بگیریم. یک فرد از دستگاه‌های پوشیدنی بیشتری استفاده می‌کند، به عنوان مثال، برای جمع‌آوری داده‌های معمول ورزش، قلب و خواب، اما همچنین فشار خون، گلوکز خون، دمای بدن، وزن و برخی از داده‌های بیماری. اکنون ممکن است نتایج متفاوتی در مورد ضربان قلب، قدم و رابطه خواب به دست آوریم. ممکن است ببینیم که رابطه آنها به متغیرهای دیگری بستگی دارد، به عنوان مثال قند خون بالا یا فشار خون، الگوی کارآمدی برای افراد سالم را تغییر می دهد. این یافته ها را می توان از تعداد کمی از افراد تعیین کرد.

مثال‌های بالا برای نتیجه‌گیری در مورد آنچه که برای تجزیه و تحلیل سلامت مرتبط است، نیستند. این نتیجه‌گیری‌ها باید از خود داده‌ها استخراج شوند، اما نشان می‌دهد که چگونه می‌توان رویکردهای متفاوتی را اتخاذ کرد و نتایج کاملاً متفاوتی به دست آورد. داده های پوشیدنی در حال حاضر نمونه خوبی از تفکر کلان داده است. هدف جمع آوری چند نقطه داده از میلیون ها و میلیون ها نفر و سپس آموزش مدل های داده برای نتیجه گیری از آن بوده است، اگرچه ما نمی دانیم این نقاط داده چقدر مرتبط هستند. همچنین می‌توان مدل‌هایی را از داده‌های غنی چند نفر ساخت و در واقع، می‌تواند یک کار مدل‌سازی هوش مصنوعی هیجان‌انگیز و ارزشمند باشد.

البته، مواردی نیز وجود دارد که مدل‌های داده را می‌توان از حجم انبوهی از داده‌ها ساخت، حتی اگر نمی‌دانیم مرتبط هستند یا خیر. مثلا، این پادکست در مورد صندوق های تامینی صحبت می کند که سعی می کنند انواع داده ها را جمع آوری کنند و سپس مدل هایی بسازند تا ببینند آیا می توانند حرکات بازار سهام را پیش بینی کنند یا خیر. این شامل بسیار بیشتر از داده های مالی سنتی برای سرمایه گذاری است. به عنوان مثال، چگونه مردم انواع مختلف غذا را می خرند، محتوای جریانی را تماشا می کنند و اوقات فراغت خود را می گذرانند و سپس «سیگنال های ضعیف» را برای پیش بینی روندها و تأثیر آنها بر بازار سرمایه گذاری پیدا می کنند. بنابراین، در مقایسه با بسیاری دیگر از موارد تجزیه و تحلیل داده، متفاوت است زیرا بر تجزیه و تحلیل جزئیات خاص تمرکز نمی کند، بلکه به طور تصادفی انواع داده ها را جمع آوری می کند تا ببیند آیا می تواند چیزی مرتبط از آن بیابد، به امید یافتن متغیرهای جدیدی که می تواند ارائه دهد. یک مزیت رقابتی

در بیشتر موارد استفاده، استفاده از داده ها و ایجاد هوش مصنوعی در درک نیاز و هدف مهم است. سپس داده های مربوطه را می توان بر اساس نیازهای واقعی و آزمایشی که داده ها مهم هستند انتخاب کرد. داده های کوچک اما مرتبط می تواند یک مدل هوش مصنوعی مفید ایجاد کند. این معمولاً مستلزم در نظر گرفتن زمینه است، نه تنها تعداد زیادی از نقاط داده تصادفی جمع آوری شده با یک مدل ساخته شده. هر داده‌ای که دارید، همیشه می‌توانید یک مدل بسازید، اما این تضمین نمی‌کند که مدل منطقی باشد. شرکت ها و توسعه دهندگان باید بیشتر بر روی داده های مرتبط تمرکز کنند تا کلان داده ها.
​

قبلا در موردش نوشتم راه حل های غیر متمرکز. ابرهای شخصی و برنامه های P2P نمونه هایی از برنامه های کاربردی توزیع شده هستند که در آن مقاله ذکر شده است. اما بیایید یک رویکرد عینی و عملی تر در نظر بگیریم که این برنامه ها چه می توانند باشند و چگونه کار می کنند.

اخیراً برخی از خدمات به من نشان داده شد که اساساً برنامه هایی هستند که کاربران می توانند به صورت محلی در مرورگر خود اجرا کنند و داده ها را به صورت محلی یا در فضای ابری خود کاربر ذخیره می کنند.

1. یک شخص می تواند با شخص دیگری در یک بازی جنگی بازی کند و هر دو نفر آن را فقط در مرورگر خود اجرا می کنند. هیچ سرور مرکزی برای بازی وجود ندارد. زمانی که کاربر پیامی را پخش می کند که مایل است بازی کند، همسان سازی می تواند به صورت کاملاً بدون سرور اتفاق بیفتد.
2. سرویس پیام رسانی بین دو کاربر که از هیچ سرور مرکزی برای اتصالات استفاده نمی کنند بلکه صرفاً از پیام بین دو برنامه استفاده می کنند.
3. دو کاربر می توانند با داشتن هویت خود فقط به صورت محلی یکدیگر را شناسایی کنند و سپس می توانند ارتباطات رمزگذاری شده را بدون هیچ شخص ثالثی شروع کنند.

این سرویس‌ها چندین سؤال فنی را در مورد اینکه آیا قابلیت استفاده برای کاربران اصلی به اندازه کافی خوب است، ایجاد می‌کند. برای مثال، کاربران می‌توانند از قبل با ارسال یک دعوت‌نامه با یک ایمیل سنتی و سپس برقراری ارتباط P2P با اعتبار محلی و ارسال پیام‌ها به‌طور مستقیم یا از طریق سرویس‌های متمرکز مانند ایمیل یا برنامه‌های پیام‌رسان، یک اتصال برقرار کنند.

زمانی که سرویس‌ها از برنامه‌های محلی کاربر و سرویس‌های ذخیره‌سازی ابری یا مشابه کاربر استفاده می‌کنند، ترکیب جالبی رخ می‌دهد. هنگام استفاده از چندین دستگاه، ذخیره و سازماندهی تمام داده های کاربر به صورت محلی دشوار است. با این حال، در صورتی که کاربران سرویس های ذخیره سازی خود را داشته باشند و بتوانند داده ها و برنامه های مورد نیاز را برای استفاده محلی در صورت نیاز از آنجا دریافت کنند، این سناریو تغییر می کند. این ذخیره سازی یک سرویس مرکزی شخص ثالث نیست، بلکه خدمات خود کاربر در یک زیرساخت جهانی گسترده تر است.

پیچیده به نظر می رسد، اما آیا این واقعا مهم است؟ با بلاک چین و کریپتو، ما دیدیم که چگونه کاربران می‌توانند مستقیماً بدون شخص ثالث تراکنش انجام دهند. پرداخت های قابل اعتماد را به صورت ناشناس و بدون مجوز یا سرویس مرکزی برای ردیابی همه تراکنش ها فعال کرده است. می تواند یک سیستم قابل اعتمادتر، حریم خصوصی بهتر و بدون نقطه شکست ارائه دهد.

اما با این خدمات کاربر و اتصالات P2P، ما می توانیم خیلی بیشتر از پرداخت های رمزنگاری ساده انجام دهیم. بیایید چند مثال بزنیم:

1. کاربران می توانند تمام داده های خود را در سرویس های خود نگه دارند، آن داده ها را با برنامه های محلی خود پالایش، غنی سازی و استفاده کنند و سپس برخی از داده ها را مورد به مورد با سایر کاربران یا ارائه دهندگان خدمات به اشتراک بگذارند.
2. امنیت و حریم خصوصی بالا ارتباطات کاربر به کاربر بدون هیچ شخص ثالثی.
3. هویت‌های شخصی که کاربران خودشان آن را مدیریت می‌کنند و مبتنی بر سرویس‌های احراز هویت شخص ثالث نیستند، که در آن دو کاربر می‌توانند مستقیماً یکدیگر را شناسایی کرده و ارتباطات ایمن را شروع کنند.

سوال این است که کدام سرویس ها پیشرفت واقعی ابرهای شخصی کاربر، اپلیکیشن ها و سرویس های P2P خالص را ارائه خواهند کرد و چه زمانی؟ آنها احتمالاً با داده های شخصی، هویت های مستقل، ارتباطات قابل اعتماد و اشتراک گذاری داده ها مرتبط خواهند بود. ما فقط به چند برنامه کاربردی آسان برای استفاده نیاز داریم و پس از آن همه چیز می تواند به سرعت شروع به تکامل کند.

​مقاله برای اولین بار در ظاهر شد مخل.آسیا.

آیا زمانی را به خاطر دارید که فقط تلفن ثابت در خانه وجود داشت؟ یا زمانی که نامه ها را از طریق پست دریافت کردید؟ وقتی تلفن شما زنگ می‌خورد، یک نفر قطعاً به تماس پاسخ می‌دهد و در واقع تماس را جدی می‌گرفت. وقتی نامه ای با نام و مهر روی پاکت دریافت کردید، چیزی بود که می خواستید باز کنید و بخوانید. اکنون تماس‌های خودکاری دریافت می‌کنید که از VoIP استفاده می‌کنند و آنها را واقعاً ارزان می‌کند. ایمیل های زیادی دریافت می کنید که اکثر آنها را حتی باز نمی کنید یا نمی خوانید.

در مورد مخاطبین شبکه های اجتماعی چطور؟ تقریباً برای هر کسی می‌توانید دعوت‌نامه‌های لینکدین یا فیس‌بوک را ارسال کنید و بسیاری از افراد دعوت‌نامه‌های افرادی را که نمی‌شناسند می‌پذیرند. می توان گفت این باعث شده است که مردم ارتباط بهتری برقرار کنند و جهان را دموکراتیک تر کرده است. قبلاً می توانستید سعی کنید وارد یک باشگاه انحصاری شوید و از مخاطبین خود برای کمک به ترتیب دادن یک معرفی مهم جدید استفاده کنید. اما واقعاً مخاطبین رسانه های اجتماعی شما چقدر ارزش ایجاد می کنند؟ نه خیلی، و هر روز کمتر، بحث می کردم.

در یک مقاله قبلی، من چند نفر را نوشتم شبکه های اجتماعی به شبکه های اسپم تبدیل شده بودند. خیلی خوب است که قیمت ها کاهش می یابد و افراد بیشتری به شبکه ها و فرصت ها دسترسی پیدا می کنند. اما این نیز عوارض خود را دارد. همه چیز خیلی شلوغ می شود و همه سعی می کنند از آنها برای اهداف خود استفاده کنند. وقتی اتصالات، ارتباطات و تراکنش ها حداقل یا صفر هزینه دارند، مردم به استفاده درست از آنها فکر نمی کنند. این منجر به وضعیتی می شود که آن شبکه ها و ابزارها ارزش کمتری ارائه می دهند. کمی شبیه این است که دولتی شروع به چاپ پول زیادی کرده است. پول ارزش خود را از دست می دهد و پس از آن نمی توانید با آن چیزهایی بخرید.

اگر مجبور باشیم برای مخاطبین، پیام‌ها و تراکنش‌ها پول بپردازیم، آیا این تغییر می‌کند؟ به احتمال زیاد. این بدان معنا نیست که آنها باید آنقدر گران باشند که شروع به محدود کردن افرادی کند که می توانند از ابزارها استفاده کنند، اما باعث می شود مردم درباره کاری که انجام می دهند فکر کنند. شاید مردم بیشتر از مخاطبین و پیام هایی که دریافت می کنند قدردانی کنند.

واقعاً برای کاربران مهم نیست که چه فناوری تراکنش ها را قابل پرداخت می کند، اما تجربه کاربر مهم است. برای تحقق این امر، پرداخت های خرد بسیار ساده مورد نیاز است. در حال حاضر، به نظر می رسد بلاک چین و توکن ها قوی ترین نامزدها برای تغییر مدل های کسب و کار پیام رسانی و خدمات شبکه های اجتماعی هستند.

این چیزی است که از آن زمان در مورد آن صحبت شده است رونق ICO 2017. بخش گمشده خدمات کاربر نهایی کارآمد و مؤثر بوده است، نه فقط ایده های مفهومی. تصور اینکه ابزارهای ارتباطی کاملاً جدید جایگزین ابزارهای موجود شوند، واقع بینانه نیست. راه حل های جدید برای مدیریت بهتر مخاطبین و پیام ها باید به عنوان مثال با سرویس های ایمیل و پیام رسانی موجود کار کنند.

همچنین می توان ادعا کرد که مردم حاضر نیستند برای این کالاهایی که همیشه به صورت رایگان داشته اند، پول پرداخت کنند. و همه مردم آماده انجام آن نخواهند بود، اما مردم خوشحال هستند که برای چیزهایی که زندگی آنها را بهتر می کند، به آنها کمک می کند و به آنها موقعیت بیشتری می دهد، پرداخت می کنند. نشانه های زیادی وجود دارد که نشان می دهد مردم اکنون به دنبال حفظ حریم خصوصی و کنترل بهتر داده ها و فعالیت های خود هستند و امنیت نیز اهمیت بیشتری پیدا می کند.

مردم همیشه حاضر بوده اند برای باشگاه های انحصاری پول بپردازند. آنها حاضر بوده اند برای صرف شام با سیاستمداران و افراد مشهور هزینه کنند. اگر کسی که نمی‌شناسید بخواهد به شما پیام بدهد، اگر می‌دانید که او برای آن پول پرداخت کرده است، علاقه بیشتری به دیدن پیام خواهید داشت، و این یکی از هزاران پیام «رایگان» نیست. اگر کاربر فقط پیام‌های «پرداخت» را بپذیرد، سطح هرزنامه را نیز کاهش می‌دهد. مخاطبین خوب و پیام های مهم حق بیمه هستند، نه کالا.

ما به زودی شاهد خدماتی خواهیم بود که در آن مردم برای پیام ها، نه برای همه پیام ها، بلکه برای برخی از آنها، به عنوان مثال برای رسیدن به مخاطبین جدید، هزینه پرداخت می کنند. ما همچنین شروع به مشاهده خدماتی خواهیم کرد که در آن افراد باید برای مخاطبین پول پرداخت کنند و آنها باید به طور جدی فکر کنند که واقعاً در کدام مخاطبین می خواهند سرمایه گذاری کنند. اما این خدمات باید همان قابلیت استفاده را ارائه دهند که چت، رسانه های اجتماعی و ایمیل امروز این مفهوم می تواند به یکی از اولین موارد استفاده بزرگ برای بلاک چین و توکن ها تبدیل شود.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.

دلایل مختلفی وجود دارد که چرا در آینده شاهد مدل های توزیع شده بیشتری برای داده ها و پردازش کلی خواهیم بود. می توانیم آنها را به سه دسته اصلی تقسیم کنیم:

1. دلایل فناوری. بسیاری از سرویس‌ها (مثلاً اتومبیل‌های خودران، خانه‌های هوشمند، برنامه‌های دستیار شخصی) به حداقل تأخیر و در دسترس بودن سرویس‌ها همیشه نیاز دارند و برخی از داده‌ها و پردازش‌ها باید محلی باشند.
2. مدل های جدید کسب و کار. مدل‌های توکن مبتنی بر بلاک چین فرصت‌های جدیدی را برای کسب درآمد از راه‌حل‌های توزیع شده باز می‌کنند. نیازی به پردازش و شارژ خدمات در یک مکان مرکزی وجود ندارد و فرصت‌هایی را برای بسیاری از نوآوری‌های مدل کسب‌وکار جدید باز می‌کند.
3. حفاظت از داده ها و الزامات حفظ حریم خصوصی. داده ها در حال تبدیل شدن به یک بدهی برای شرکت ها هستند و آنها می خواهند مدل های بهتری برای استفاده از داده ها با ریسک کمتر پیدا کنند. مصرف کنندگان خدماتی برای استفاده کامل از داده های خود خواهند داشت.

اکنون شاهد چندین فناوری هستیم که این توسعه را واقعی می کند. اول، ما Edge را داریم که با شبکه های 5G وارد عمل می شود. Edge داده ها و پردازش را به کاربران واقعی نزدیکتر نگه می دارد. چالش – آیا فروشندگان شبکه و اپراتورهای مخابراتی طرف‌های مناسبی برای ارائه این راه‌حل‌ها هستند، وقتی غول‌های اینترنتی مانند فروشندگان ابر اکنون بر خدمات و توسعه خدمات تسلط دارند؟

ثانیا، ما مدل های بلاک چین، دفتر کل توزیع شده و توکن داریم. همه اینها به سرعت در حال توسعه هستند، اما چالش های خود را نیز دارند. به راحتی نمی توان گفت که کدام فناوری می تواند طولانی ترین مدت زنده بماند. در این مورد، این تنها فناوری نیست، بلکه داده‌های تراکنش در آن زنجیره‌ها نیز باید زنده بمانند و تصمیم‌گیری در مورد یک فناوری خاص را دشوار می‌کند. در عین حال، این پلتفرم‌های متمرکز را به چالش می‌کشند، زیرا راه‌های کاملاً جدیدی برای توزیع و کسب درآمد از برنامه‌ها و داده‌ها ارائه می‌دهند.

ثالثاً، راه حل های غیرمتمرکز را می توان در راه حل های ابری موجود پیاده سازی کرد. ما البته نمونه‌های ابری منطقه‌ای داریم، اما ابرها راه‌های دیگری را برای غیرمتمرکز کردن خدمات فراهم می‌کنند. به عنوان مثال، هر کاربر می تواند خدمات ابری خود را برای استفاده از داده های خود و اجرای برنامه های کاربردی خود داشته باشد. سپس، برای مثال، با مدل‌های شارژ مبتنی بر توکن، می‌توانند هزینه استفاده از برنامه‌ها را به صورت محلی نیز بپردازند.

از این سه فناوری، Edge چالش های زیادی دارد زیرا برای استفاده از آن به زیرساخت ها و برنامه های کاربردی کاملاً جدیدی نیاز دارد. در حال حاضر ایجاد خدمات غیرمتمرکز با استفاده از زیرساخت های ابری فعلی بسیار آسان تر است. اما راه حل های بلند مدت می تواند داستان دیگری باشد. اختلال در فناوری اغلب شرکت های جدیدی را جذب می کند که کسب و کار را مختل می کنند. به عنوان مثال، آمازون و گوگل به مدل های متمرکز گره خورده اند. آیا زمانی که تمرکززدایی شروع می شود و سایر فروشندگان جدیدترین راه حل ها را ارائه می دهند، می توانند سازگار شوند؟

احتمالاً شاهد دو مسیر توسعه متفاوت برای راه حل های غیرمتمرکز خواهیم بود. اولین مورد توزیع و برنامه های غیرمتمرکز است. این کار با زیرساخت های موجود شروع می شود و راه حل های توزیع شده را ایجاد می کند، مانند سرویس ابر داده خود کاربر و سرویس برنامه. این آهنگ قبلاً دارای برنامه‌های کاربردی است. سپس ما مسیر دوم را برای توسعه یک زیرساخت داده و پردازش غیرمتمرکزتر داریم. این کار زمان بیشتری می برد، اما می تواند ساختار اینترنت را به طور اساسی تغییر دهد.

ما قطعا به سمت خدمات توزیع شده بیشتر حرکت می کنیم. هزاران استارت آپ در حال توسعه خدمات، مدل های داده و برنامه های کاربردی هستند. فروشندگان بزرگ فناوری در مدل‌های نوع Edge سرمایه‌گذاری می‌کنند، میلیون‌ها نفر در حال معامله ارزهای دیجیتال هستند و سرمایه‌گذاران آینده‌نگر، مانند آندرسن هورویتز، سرمایه گذاری های کلانی انجام می دهند. در عین حال، مقررات بر ساخت مدل های داده جدید فشار وارد می کند. بخش هیجان انگیز این خواهد بود که ببینیم چگونه اتفاق می افتد و طرف هایی که آن را انجام می دهند برندگان بزرگ خواهند بود.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.

در دهه 1980، اکثر سازندگان کامپیوتر سیستم عامل های مخصوص به خود و طیف کمی از برنامه ها را داشتند. پذیرندگان اولیه این دستگاه ها را بیشتر به عنوان سرگرمی داشتند تا اینکه واقعاً از آنها استفاده کنند. همه آن داستان ها در مورد موارد استفاده مانند پایگاه داده دستور العمل ها یا محاسبه مالیات شما وجود داشت، اما فقط در صورتی که برنامه خود را کدنویسی کنید. بسیاری از کاربران در واقع برنامه های خود را نوشتند و آنها را با سایر کاربران به اشتراک گذاشتند. در نوجوانی سعی کردم ارزش داشتن کامپیوتر را برای پدرم توضیح دهم. وقتی او احساس نمی کرد که کدنویسی بازی ها یا برنامه های گرافیکی شما دلایل ارزشمندی برای داشتن دستگاه هستند، کار آسانی نبود.

این موضوع چگونه برای ابزارهای پوشیدنی مرتبط است؟ در حال حاضر تولید کنندگان دستگاه های پوشیدنی بیشتری داریم که دستگاه های خود را با عملکرد، مدل های داده و برنامه های کاربردی اختصاصی خود ارائه می دهند. بسیاری از کاربران هنوز پذیرنده‌های اولیه هستند، مانند هکرهای زیستی و علاقه‌مندان به سلامت که راه‌هایی برای استفاده از داده‌ها را کشف می‌کنند.

اکثر کاربران می توانند چند نقطه داده مانند ضربان قلب متوسط ​​و تعداد گام های روزانه را درک کنند. اینها شروع خوبی برای مشاهده و بهبود سلامت شخصی است، اما بخش کوچکی از داده ها و فرصت هایی است که این دستگاه ها می توانند ارائه دهند. برخی از داده های اضافی مانند تغییرپذیری ضربان قلب (HRV) و انواع مختلف خواب (عمیق، REM و نور) برای تفسیر و استفاده روزانه بسیار سخت تر است.

می‌توان پرسید، مانند پدرم که آیا پرداخت 400 دلار برای دستگاهی برای دیدن ضربان قلب و گام‌های روزانه منطقی است؟ یا چرا برای اندازه گیری آهنگ، طول گام و زاویه ضربه پا، بیش از 100 دلار اشتراک ماهانه برای دستگاه اندازه گیری گلوکز یا کفش های گران تر پرداخت کنید. برای بسیاری از افراد، از مواردی مانند دستگاهی استفاده کنید که به شما امکان می‌دهد بدانید چه زمانی به خواب بروید، مانند پایگاه داده دستور العمل‌ها ساده‌لوحانه به نظر می‌رسد.

هر سازنده نیز امتیازهای خاص خود را دارد. به عنوان مثال، امتیاز خواب و آمادگی یک دستگاه با دستگاه دیگر بسیار متفاوت است و هیچ راه آسانی برای ترکیب صحیح داده های دستگاه های مختلف وجود ندارد. یا می توانید برخی از داده ها را به عنوان مثال با Apple Health ترکیب کنید، اما سپس حاوی نقاط داده زیادی است که حتی از داده های موجود در برنامه های خود دستگاه گیج کننده تر هستند.

چه چیزی بازار کامپیوتر را تغییر داد؟ چگونه شروع به مفیدتر شدن کردند؟ این زمانی اتفاق افتاد که بسته های نرم افزاری شروع به ظاهر شدن کردند. چند سیستم عامل، از مایکروسافت و اپل، شروع به تسلط کردند، و هر دو سیستم دارای نرم افزار کافی بودند که توسط اشخاص ثالث تولید می شد. این به صنعت نرم افزار تبدیل شد و نرم افزاری برای رایانه های شخصی ساخت. در واقع، ما شاهد پیشرفت مشابهی در تلفن های همراه بودیم. کسب و کار برنامه های موبایل تنها زمانی شروع به رشد کرد که از سیستم های اختصاصی به دو سیستم عامل اصلی یعنی iOS و Android رسیدیم که فروشگاه های برنامه را قادر ساخت تا از برنامه های کاربردی کسب و کار بسازند.

همانطور که کشف کردیم، پوشیدنی ها فقط برای داده نیستند. آنها همچنین می توانند لوازم جانبی و اقلام مد باشند. یک برند لوکس می تواند ساعت هوشمند یا انگشتر خود را راه اندازی کند، اما برندهای لوکس واقعاً شرکت هایی با فناوری پیشرفته یا داده نیستند. و برای کاربران چندان راحت نیست که هر ساعت، حلقه، سنسور، جفت کفش یا ژاکت فرمت و برنامه داده اختصاصی خود را ارائه دهد. همچنین برای شرکت های کالاهای لوکس بسیار بهتر است که مدل های داده و اکوسیستم های مشترک داشته باشند.

استفاده واقعی و بازار نرم افزار برای داده های پوشیدنی و سلامتی تنها زمانی پدیدار می شود که داده ها را از دستگاه های مختلف به فرمت سازگار دریافت کنیم. وقتی دو یا سه محیط داریم، توسعه دهندگان نرم افزار می توانند نرم افزارها و برنامه های کاربردی بهتری برای استفاده از داده ها برای کمک به افراد در زندگی روزمره خود بسازند. ما نمی‌توانیم انتظار داشته باشیم که هر فردی شروع به تفسیر انواع نقاط داده سلامت کند و سعی کند دستورالعمل‌های Google و آنچه را که بر اساس آنها باید انجام دهد، انجام دهد. یک نیاز ویژه برای داده‌های سلامتی و سلامت این است که حتی از داده‌ها برای بسیاری از اهداف دیگر حساس‌تر است و حفظ حریم خصوصی بسیار مهم است.
​
گفته شده است که بازار اینترنت اشیا در واقع یک تجارت سخت افزاری نیست، بلکه یک تجارت داده و نرم افزار خواهد بود. پوشیدنی ها اساسا حسگرهایی برای جمع آوری داده ها خواهند بود. برخی از حسگرها می توانند دستگاه های مارک دار باشند، برخی دیگر اجزای برچسب سفید در لباس، کفش یا لوازم جانبی. اما استفاده واقعی از داده‌ها نیازمند محیط‌هایی است که کاربر بتواند داده‌ها را با هم ترکیب کند و نرم‌افزاری به کاربران ارائه شود تا به آنها کمک کند زندگی بهتر و سالم‌تری داشته باشند. تجارت و ارزش واقعی داده های سلامتی نرم افزار و برنامه هایی خواهد بود که می توانند انواع داده های پوشیدنی را با سایر منابع داده ترکیب کنند.

Stripe و Coinbase داستان‌های موفقیت بزرگ در فین‌تک با ارزش‌گذاری‌های عظیم بوده‌اند. از سوی دیگر، فروپاشی گرینسیل پایتخت در بریتانیا به عنوان یک شکست برای فین تک تلقی شد. این مثال ها نشان می دهد که بخش فین تک چقدر گسترده است. در واقعیت، گرین‌سیل هیچ ربطی به فین‌تک نداشت، اما می‌خواست آن شعار جذاب را به خودش بچسباند. Greensill یک سرویس مالی زنجیره تامین بود و به دلیل مدیریت ریسک شکست خورد.

ده ها نئوبانک فقط دیجیتالی در جهان وجود دارد. تخمین زده می شود که آنها تقریباً 40 میلیون مشتری دارند. این رقم هنوز هم عدد بسیار کمی است، اما ارزش‌گذاری‌های نئوبانک‌ها به سرعت رشد کرده است. طبق گفته Accenture، یک نئوبانک به طور متوسط ​​برای هر مشتری 11 دلار ضرر می کند، یعنی هزینه ها در مقابل بازده. آنها هنوز برای یافتن یک مدل کسب و کار سودآور تلاش می کنند. حساب های بانکی پایه، مراکز انتفاعی نیستند. وام دهی، سرمایه گذاری، و خدمات تخصصی (مثلاً بانکداری تجاری، گروه های مشتریان خاص) زمینه های رایج تری برای کسب سود هستند. با این حال، آنها بسیار متفاوت از حساب های دیجیتال اصلی هستند، و مدیریت ریسک آنها به طور قابل توجهی متفاوت است. 

برخی از نئوبانک ها مانند N26, وب بانکی و مونزو، فول استک را ارائه می دهند، یعنی مجوز بانکی دارند و عملیات جلویی و پشتی خود را دارند. سپس نئوبانک ها هستند، مانند Revolut و آهک، که هیچ مجوز بانکی ندارند و یک فرانت اند ارائه می دهند اما از مجوزهای بانکی قدیمی و بک اند استفاده می کنند. اگر به مقیاس پذیری و رشد جهانی فکر کنیم، مجوز بانکی بخش پیچیده ای است. گرفتن مجوز بانکداری در هر کشور جدید سرمایه گذاری قابل توجهی است.

ده سال پیش، ما انتظارات زیادی از تامین مالی جمعی و وام دهی همتا به همتا داشتیم. آن خدمات رشد کرده اند اما هنوز به جریان اصلی نرسیده اند. بازار وام دهی P2P تقریباً 25 درصد در سال رشد می کند، اما بخش قابل توجهی از پول از سوی مؤسسات مالی تأمین می شود که از این خدمات به عنوان رابط مشتری استفاده می کنند. یکی از بزرگترین داستان های موفقیت وام دهی P2P، LendingClub، سال گذشته یک بانک را خریداری کرد و تصمیم گرفت پلت فرم وام دهی P2P خود را ببندد.

سرمایه گذاری جمعی مدل های زیادی داشته است. سرمایه‌گذاری جمعی استارت‌آپ‌ها عمدتاً بر تأمین مالی استارت‌آپ و مدل‌های پیش‌سفارش، مانند Kickstarter، تمرکز دارد که به فروش محصولات جدید قبل از در دسترس بودن کمک می‌کند. مدل‌های دیگری نیز وجود دارند که بخش‌های سرمایه‌گذاری در املاک، هنر و سایر دارایی‌ها را می‌فروشند. Kickstarter یک بازار آزمایشی مهم برای محصولات مصرفی جدید بوده است، اما در غیر این صورت، این مدل‌ها از محدودیت‌های نظارتی رنج می‌برند و وارد جریان اصلی نشده‌اند. در تامین مالی جمعی استارتاپی، بریتانیا پیشرو بوده است. با این حال، مهم ترین خدمات Crowdcube و Seedrs هنوز هم مشاغل کوچک هستند و آنها سعی کردند ادغام شوند، اما تنظیم کننده رقابت مانع از ادغام شد.

کریپتوها رکوردهای جدیدی را به ثبت رساندند، به خصوص با افزایش ارزش بیت کوین. NFT ها محبوب شده اند. هنوز نمی توان گفت که این برای خدمات مالی توزیع شده مبتنی بر بلاک چین به چه معناست. بسیاری از احزاب هنوز هم ارزهای دیجیتال را بیشتر کالاهای دیجیتالی و NFT را مانند گواهی‌های دارایی دیجیتال می‌دانند، اما هنوز به عنوان چالشی برای کل سیستم مالی سنتی نیستند. Coinbase که یک IPO موفق را مدیریت کرد، هنوز بیشتر شبیه یک سرویس معاملاتی مرسوم برای «دارایی‌های رمزنگاری» است، نه به عنوان مثال خود یک سرویس مالی توزیع‌شده. 

اگر ارزهای دیجیتال با پرداخت‌های روزانه پذیرفته‌تر و امکان‌پذیرتر شوند و NFT گواهی‌های دارایی و تراکنش‌ها را دیجیتالی کند، استفاده روزمره از آن‌ها تغییر می‌کند. آیا آنها می توانند سرمایه گذاری جمعی و مالی P2P را بهتر فعال کنند؟ برخی از کارشناسان آن را چنین می دانند، اما هنوز نمی توان گفت که چه زمانی دهه گذشته نشان داده است که این مدل ها به راحتی قابل استفاده نیستند. این فقط در مورد فن آوری نیست، بلکه در واقع در مورد ایجاد بازار با عرضه و تقاضای کافی است. و تنظیم کننده ها نیز تاثیر قابل توجهی بر بازار دارند. در برخی کشورها، ممکن است رویکردهای بیشتری مانند ارزهای دیجیتال دولتی را نسبت به ارزهای دیجیتال واقعی ببینیم.

سپس ما یک سوال اساسی در مورد سیستم بانکی داریم. بانک‌ها فقط برای ارائه حساب‌ها، کارت‌های پرداخت و وام دادن وجود ندارند. آنها همچنین نقش اساسی با بانک های مرکزی برای انتشار پول و حفظ اقتصاد دارند. برخی از مردم از آن سیستم انتقاد می کنند و دوست دارند قدرت بانک ها از بین برود. در واقع، کار چندان ساده نیست و دولت ها ترجیح می دهند کنترل خود را بر سیستم های مالی خود حفظ کنند. زمان همه گیری همچنین ارزش فعالیت های محرک دولت را به ما یادآوری کرده است. 

برخی از بانک ها شروع به پذیرش رمزارزها کرده اند، و یکی از VC های پیشرو، Andreessen Horowitz، در حال برنامه ریزی یک میلیارد دلاری برای ارزهای دیجیتال و بلاک چین استو سومین بخش در این بخش است. می توانیم فرض کنیم که راه حل های بلاک چین و توزیع شده دارایی ها و تراکنش های روزانه را تغییر داده و دیجیتالی می کنند. فاز اول احتمالاً دیجیتالی شدن خواهد بود، نه تغییر مبانی سیستم مالی و بانکی. اما هنوز نمی توان گفت که چگونه می توانند بخش مالی و خدمات را در دراز مدت تغییر دهند.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.

اخیر پادکست بحث جالبی در مورد وظایف خرد برای تجزیه و تحلیل داده‌ها و انجام پیش‌بینی‌های خرد دارد، مانند تجزیه و تحلیل یک مجموعه داده خاص از یک منبع و تلاش برای نتیجه‌گیری از آن. این تجزیه و تحلیل سعی در درک یا بهینه سازی یک مشکل یا کار مهمتر ندارد. فقط بر روی یک بخش خاص تمرکز می کند. یک سیستم گسترده تر می تواند ده ها مؤلفه مانند آن داشته باشد.

سپس لایه دیگری برای ترکیب خروجی از آن وظایف خرد وجود دارد. سپس می‌تواند خروجی‌ها و نتیجه‌گیری‌های چند ماژول میکرو AI را ترکیب کند - تمرکز هوش مصنوعی فردی برای مدل‌سازی و توضیح یک مجموعه داده خاص. 

به عنوان مثال، داده‌های کفش دویدن (بله، کفش‌های دویدنی وجود دارند که انواع داده‌ها را جمع‌آوری می‌کنند) از آهنگ، طول گام، زمان تماس با زمین و زاویه ضربه پا برای بهینه‌سازی سرعت دویدن شما. وقتی در مورد عملکرد دویدن خود به طور کلی فکر می کنید، این تنها یک بخش است. همچنین باید به ضربان قلب، سطح انرژی (گلوکز خون)، آمادگی (به اندازه کافی خوابیده اید) و بسیاری چیزهای دیگر فکر کنید. اما ساخت یک هوش مصنوعی عظیم برای بهینه سازی همه این داده ها بسیار پیچیده است و بهتر است ماژول هایی برای هر نیاز و سپس لایه دیگری برای ترکیب همه اینها وجود داشته باشد.

در مورد روبات های نرم افزاری هم همینطور است. یک ربات می تواند اعداد موجودی را در پایان ماه از SAP به سیستم حسابداری شما منتقل کند. تهیه صورت های مالی ماهانه و گزارش ها کار بسیار بیشتری از جمع آوری اعداد موجودی است. روبات‌های دیگر می‌توانند وظایف فردی را انجام دهند و برخی از روبات‌های سطح بالاتر برای جمع‌آوری همه این اطلاعات در کنار هم.

این به این عنوان چیز جدیدی نیست. ماژولار بودن یک اصل اساسی در طراحی نرم افزار برای دهه ها بوده است. با هوش مصنوعی و اتوماسیون، ما اغلب در مورد راه حل های گسترده و پیچیده مرتبط با بسیاری از وظایف و سیستم های اطراف یک شرکت صحبت می کنیم. هنگامی که این حوزه‌ها نیز نسبتاً جدید هستند، هر شرکت و پروژه معمولاً سعی می‌کند سیستم‌های بزرگی بسازد که سعی می‌کند راه‌حلی عالی برای یک فرآیند مهم ایجاد کند. 

هنگامی که ما این میکرو ماژول ها را برای رسیدگی به یک نیاز خاص داریم، می توانیم اصول طراحی را توسعه دهیم. نه برای پیاده سازی از ابتدا، بلکه برای یافتن بهترین مؤلفه ها برای انجام کارهای خرد، استفاده از آنها را بهینه کنید و سپس آنها را به همکاری وادار کنید. این یک نوع عملکرد منابع انسانی و مدیریت است. شما باید بهترین منابع را برای انجام کارهایی که نیاز دارید پیدا کنید و سپس باید آنها را مدیریت کنید. اما این لایه های مدیریتی دیجیتال هستند، یعنی الگوریتم هایی که برای هر نیاز خرد بهترین الگوریتم را انتخاب می کنند و به طور بهینه از آنها استفاده می کنند. الگوریتم ها الگوریتم ها را مدیریت می کنند.

این همچنین اکوسیستم و مدل های تجاری برای هوش مصنوعی و اتوماسیون را تغییر می دهد. شما به عنوان مثال، حوزه های تجاری زیر را دارید:

1. جوامع منبع باز و جمع سپاری راه حل های زیادی برای انواع کارهای خرد ایجاد می کنند. برای هر نیاز می توان چندین نسخه وجود داشته باشد و برای هر مورد می توان مناسب ترین نسخه را انتخاب کرد.
2. شرکت ها و توسعه دهندگان همچنین می توانند فروش قطعات خود را برای نیازهای خرد آغاز کنند. آنها می توانند بر توسعه بهترین راه حل ها برای یک نیاز خاص تمرکز کنند.
3. APIها در هر ماژول زمانی حیاتی‌تر می‌شوند که کار کردن چندین ماژول با هم بدون اصطکاک بیشتر شود.
4. بازارها و خدمات اشتراک گذاری (مانند GitHub) برای به اشتراک گذاری و فروش این اجزا وجود خواهد داشت.
5. این یک لایه تابع مهم جدید خواهد بود که می تواند از میکرو ماژول هایی استفاده کند که به روشی بهینه برای نیازهای مختلف با هم کار می کنند.

گاهی اوقات خوب است که فناوری و ماشین‌ها را با مدل‌هایی از نحوه انجام کار انسان مقایسه کنیم. به خصوص زمانی که قرار است هوش مصنوعی و اتوماسیون وظایفی را انجام دهند که قبلاً انسان ها انجام داده اند. به هر حال مردم از قرن ها برای توسعه مدل ها، نحوه سازماندهی وظایف در سازمان ها استفاده کرده اند. این بدان معنا نیست که می‌توانیم یا باید همان مدل‌ها را در ماشین‌ها کپی کنیم، اما می‌تواند ایده‌هایی در مورد بهترین روش استفاده از ماشین‌ها به ما بدهد. دلایلی وجود دارد که چرا افراد در زمینه های خاص تخصص دارند، چگونه متخصصان مختلف با هم کار می کنند و چگونه لایه مدیریت باید منابع را بهینه کند. هنگام طراحی، استفاده و مدیریت الگوریتم‌ها، ماشین‌ها و فرآیندهای دیجیتالی باید مسائل مشابهی را حل کنیم.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.

مفاهیم شهر هوشمند چند سال پیش شروع به رشد کردند و محبوبیت آنها در حال افزایش است. 5G و Edge نیز به‌عنوان تقویت‌کننده‌های ضروری فناوری برای آن پروژه‌ها دیده می‌شوند، و به همین دلیل است که فروشندگان شبکه و اپراتورها در اکثر پروژه‌ها مشارکت دارند. شهرهای هوشمند دلیل خوبی برای ایجاد زیرساخت های فناوری برای جمع آوری، انتقال و تجزیه و تحلیل همه آن داده ها هستند.

هدف شهرها جمع‌آوری داده‌ها و تجزیه و تحلیل آن‌ها برای بهینه‌سازی خدمات و عملیات برای اهداف بسیاری است، مانند مدیریت ترافیک، حمل‌ونقل عمومی، مصرف برق و تولید، تامین آب، جمع‌آوری زباله، کاهش جرم و جنایت، مراقبت‌های بهداشتی و خدمات اجتماعی. جنبه های زیست محیطی نیز حیاتی تر می شوند. کیفیت هوا، آلودگی صوتی و مصرف انرژی از دیگر مواردی است که شهرها مایل به بهبود آن هستند.

همه اینها عالی به نظر می رسد، اما همانطور که از بسیاری از پروژه های فناوری دیگر می دانیم، تمرکز بر توسعه خدمات برای افراد، تجربه کاربر و نیازها و ارزش های منحصر به فرد آنها بسیار متفاوت است. فراتر از آن، حریم خصوصی و حفاظت از داده ها در حال حاضر مسائل مهمی در این نوع پروژه های داده عظیم هستند. در بدترین حالت، زیرساخت های شهر هوشمند شبیه یک سناریوی واقعی «برادر بزرگ» است.

امکان ساخت شهرهای هوشمندی وجود دارد که به افراد خدمات بهتری ارائه دهند، اما این امر مستلزم آن است که طرفین خدمات را از دیدگاه مصرف کننده توسعه دهند. این مفهوم می تواند به مردم کمک کند خدمات بهتری دریافت کنند، حرکات خود را بهینه کنند، زندگی سالم تری داشته باشند، در زمان و هزینه صرفه جویی کنند و کیفیت زندگی را از بسیاری جهات بهبود بخشند. ده سال پیش، ما مجبور بودیم برای ارائه برنامه های مفید به افراد به توسعه دهندگان برنامه های تلفن همراه تکیه کنیم، زیرا اپراتورها و فروشندگان شبکه قادر به انجام آن نبودند یا انگیزه نداشتند.

اگر بتوانیم داده های شخصی و عمومی را با هم ترکیب کنیم، بسیاری از خدمات نیز ارزشمندتر خواهند شد. حرکات شما همراه با داده‌های ترافیک و حمل‌ونقل عمومی، داده‌های کیفیت هوا با مسیرهای پیاده‌روی و دویدن روزانه، و عادات شخصی شما با اوج مصرف انرژی روزانه تنها چند نمونه هستند. این دو منبع داده با هم می توانند برای فرد و جامعه ارزش ایجاد کنند.

اگر افراد به داده‌های عمومی همراه با داده‌های شخصی خود دسترسی داشته باشند، می‌توان به این امر دست یافت. به این ترتیب، حریم خصوصی قابل احترام و حفظ است. اما اگر خدمات عمومی شروع به نظارت بر افراد کند، بلافاصله با خطرات حفاظت از داده ها و حریم خصوصی روبرو می شویم. همچنین منجر به مدلی می‌شود که شهرها، مقامات و ارائه‌دهندگان خدمات آنچه را که فکر می‌کنند برای افراد مناسب است برنامه‌ریزی کنند، نه اینکه ابزارهایی را برای بهبود زندگی خود به افراد ارائه دهند.

برای مقامات شهری، فروشندگان زیرساخت و شرکت‌هایی که بر پروژه‌ها تسلط دارند، ساختن سیستم‌ها از دیدگاه یک فرد برای آنها آسان یا مساعد نیست. البته سیاستمداران در شوراهای شهر باید به فکر ساکنانی باشند که نماینده آنها هستند، اما کافی نیست. ما همچنین به راه‌حل‌های فناوری و فروشندگانی نیاز داریم که بر ساخت راه‌حل‌ها و خدمات برای افراد تمرکز کنند.

این احتمالاً شامل یک لایه اضافی برای خدمات است. شاید چیزی شبیه به فروشگاه های برنامه ساخته شده برای برنامه های تلفن همراه که کاربران را قادر می سازد از حریم خصوصی خود محافظت کنند و داده های شخصی خود را مدیریت کنند. همچنین می‌تواند بسیاری از طرف‌های دیگر را برای توسعه خدمات برای ساکنان قدرت دهد و به آنها این قدرت را بدهد که تصمیم بگیرند از چه خدماتی استفاده کنند. بهترین خدمات به سختی توسط مقامات و شرکت های بزرگ فناوری که در مورد آنچه فرد می خواهد تصمیم گیری می کنند، ایجاد نمی شوند.
​
شهرهای هوشمند باید بیشتر بر نیازهای ساکنان متمرکز شوند. برنامه های "خوب" و جاه طلبانه زیادی برای بهتر کردن شهرها و زندگی ساکنان وجود دارد، اما برنامه های خوب هرگز کافی نیستند. سؤالات واقعی این است که مشتریان واقعی چه کسانی هستند، چه کسانی می توانند تصمیم بگیرند که از کدام خدمات استفاده کنند و چه کسی داده ها را کنترل خواهد کرد. برای سودمند ساختن این خدمات برای مردم، مفاهیم، ​​فناوری، معماری، داده ها و مدل های تجاری باید برای توانمندسازی افراد طراحی شود، نه فقط برای نظارت و کنترل آنها.

NFT ها گواهی های دیجیتالی در یک دفتر کل دیجیتال یا بلاک چین هستند که ثابت می کند یک دارایی دیجیتال منحصر به فرد است و بنابراین قابل تعویض نیست. NFT ها برای نشان دادن و تایید عکس ها، فیلم ها، صداها و انواع دیگر فایل های دیجیتال استفاده می شوند. هنر در حال حاضر همه تبلیغات را دریافت می کند، اما NFT ها می توانند بسیاری از موارد دیگر از جمله متن، کد نرم افزار یا حتی توییت های توییتر را تأیید کنند. ایده اساسی این است که یک شی دیجیتال را می توان نشانه گذاری کرد و از این طریق منحصر به فرد می شود. در اصل امکان کپی بیشتر از آن وجود ندارد.

برخی از افراد اظهار نظر کرده اند که ارزش و کنایه از NFT ها این است که اگرچه نام آنها غیر قابل تعویض است، اما به راحتی قابل تعویض هستند. آنها می توانند منحصر به فرد باشند، اما تجارت آنها آسان است. و همانطور که می دانیم در صورت وجود تقاضا و عرضه و هزینه های مبادلات به اندازه کافی کم می تواند ارزش و نقدینگی داشته باشد.

بسیاری از ما هنوز می‌توانیم رونق ICO 2017 را به یاد بیاوریم، زمانی که شرکت‌ها شروع به ارائه توکن‌های خود کردند. به طور معمول، آنها استارت‌آپ‌هایی (یا نه حتی استارت‌آپ‌ها، بلکه ایده‌های استارت‌آپی) با طرح‌های تجاری (به نام کاغذهای سفید) بودند. آنها یک توکن را به عنوان یک جزء مهم از برنامه های تجاری خود گنجانده و سپس شروع به فروش آن توکن ها کردند. برخی از پروژه‌ها توانستند پول قابل توجهی جمع‌آوری کنند و در موارد نادر، کسب‌وکار بلندمدتی ایجاد کردند. بسیاری از مردم در ICO شرکت کردند تا یاد بگیرند که چگونه یک توکن بخرند، بدون اینکه به بازگشت سرمایه آن فکر کنند. برخی از مردم بیت‌کوین‌های زیادی داشتند، و برخی برای فروش آن‌ها مشکل داشتند (زیرا نمی‌دانستند چگونه آن‌ها را به دست آورده‌اند) و می‌خواستند به توکن‌های دیگر متنوع شوند.

یک تفاوت اساسی بین NFT ها و ICOها این است که توکن های ICO معمولا فقط برخی از وعده های آینده را نشان می دهند. NFT ها دارایی ها، به ویژه دارایی های دیجیتال را نشان می دهند. به این ترتیب، خریداران می توانند ارزیابی کنند که ارزش دارایی های خود را چگونه می بینند. ارزیابی ارزش هنر همیشه پیچیده است و هنر NFT دقیقاً همان چالش ها را دارد. سپس بسیاری از آیتم های دیجیتال دیگر مانند قطعات موسیقی، آیتم های مجازی در بازی ها و اجزای نرم افزاری وجود دارند که می توانند NFT داشته باشند.

همچنین برنامه‌هایی برای گسترش مفهوم NFT از اقلام مجازی و دیجیتال وجود دارد. همچنین می‌تواند گواهی‌های دیجیتالی برای نشان دادن اقلام فیزیکی وجود داشته باشد، به عنوان مثال، گواهی برای اثبات مالکیت املاک و مستغلات. این بخش نیازمند یک چارچوب قانونی است که امکان استفاده از این نوع گواهی دیجیتال را فراهم کند.

NFT ها همچنین طرح های تامین مالی جمعی را ایجاد کرده اند. افراد و شرکت‌ها می‌توانند بخش‌هایی از کار خود را بفروشند، مثلاً موسیقی، فیلم یا نرم‌افزار. NFTها می‌توانند این بازار را مؤثرتر کنند، اما همه چالش‌های تأمین مالی جمعی را برطرف نمی‌کند، به‌ویژه اینکه چگونه می‌توان ارزش صحیح را پیدا کرد و سپس بازار ثانویه را نقد کرد. همچنین خوب است به یاد داشته باشید که این مدل می‌تواند برای برخی از اقلامی که عرضه و تقاضای کافی دارند کار کند، اما این بدان معنا نیست که NFT به تنهایی آنها را برای هر موردی تضمین می‌کند.

چندین ایده جدید برای طرح کسب و کار مبتنی بر NFT وجود دارد. به عنوان مثال، اگر نرم افزار به عنوان NFT منتشر شود، می تواند یک GitHub جدید، به خصوص برای نرم افزار NFT وجود داشته باشد. شرکت ها و افراد می توانند به داده ها به عنوان بسته های NFT مجوز دهند و شرکت های رسانه ای نیز می توانند محتوای NFT را ارائه دهند.

Ethereumکه مبتنی بر آن است اثبات خطر مدل، رایج ترین راه حل مورد استفاده برای NFT ها است. بلاک چین هنوز سوالاتی اساسی دارد که راه حل ها آینده و ارزش بلندمدتی دارند. هنگامی که نرم افزار بلاک چین به روز می شود، و فورک ایجاد می شود، سازگاری به عقب یک سوال مهم است. سافت فورک به این معنی است که نسخه جدید با عقب سازگار است و هارد فورک به این معنی است که اینطور نیست. اگر نسخه جدید با نسخه قبلی سازگار نباشد، توکن های قدیمی در سیستم جدید کار نخواهند کرد. در پایان، این جامعه هر توکن است که می تواند تصمیم بگیرد که کدام به روز رسانی ها و فورک ها انجام شود. سوال اساسی برای هر راه حل بلاک چین، سازگاری با آینده آن است. در حال حاضر، اتریوم یک شرط مطمئن برای پیاده سازی راه حل های مبتنی بر بلاک چین به نظر می رسد. با بلاک چین های کمتر شناخته شده، پیش بینی آینده آنها دشوارتر است.

مفهوم NFT ملموس‌تر است و ارزیابی موارد را نسبت به ICOها آسان‌تر می‌کند. اما در نهایت، ارزش یک NFT به آیتم های زیربنایی بستگی دارد، بنابراین نمی توان گفت که آیا یک NFT به عنوان چنین چیزی نشان دهنده چیزی ارزشمند است یا فقط وعده های توخالی را نشان می دهد. NFT یک مدل عالی برای مدیریت و تجارت ارزش اقلام دیجیتال است. اما مهم است که به یاد داشته باشید که یک NFT به تنهایی برای یک آیتم دیجیتال ارزش ایجاد نمی کند. اقلام باید دارای ارزش باشند و NFTها به ملموس شدن ارزش کمک می کنند.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.

ضربان قلب در حالت استراحت و دمای بدن بالاتر از علائم اولیه کووید است. به عنوان مثال، موسسات تحقیقاتی و دانشگاه ها توسعه یافته اند نرم افزاری برای استفاده از داده های حلقه Oura برای تشخیص این علائم اولیه. کارفرمایان همچنین برای کارمندان دستگاه های پوشیدنی خریداری کرده اند تا علائم اولیه را تشخیص دهند و به آنها هشدار دهند در صورت وجود علائم هشدار دهنده کار نکنند. این مورد در شرکت ها از خدمات مشتری و مراقبت های بهداشتی گرفته تا تیم های ورزشی حرفه ای است.

تولیدکنندگان پوشیدنی گزارش داده‌اند که بر اساس داده‌هایشان، وضعیت کووید به برخی افراد کمک کرده تا بهتر بخوابند. دلیل ممکن است این باشد که مردم نیازی به عجله به سر کار ندارند و بچه ها را صبح به مدرسه می برند. اما ما همچنین دیده‌ایم که با ادامه وضعیت، افراد بیشتری احساس استرس می‌کنند، یعنی بر اساس داده‌ها، ضربان قلب (HR) بالاتری دارند و همچنین نمی‌خوابند.

این وضعیت همچنین عادات ورزشی را تغییر داده است. مردم پیاده به محل کار نمی روند یا از وسایل حمل و نقل عمومی استفاده نمی کنند، هیچ وقت استراحت روزانه برای صرف ناهار یا قهوه ندارند. متخصصان بهداشت نگران هستند که مردم در طول همه گیری بیش از حد بنشینند. برخی دیگر شروع به ورزش بیشتر کرده اند، نه پیاده روی روزانه بلکه دویدن روزانه. این باعث آسیب های ورزشی بیشتر شده است.

همه اینها مردم را بر آن داشته است تا داده های سلامت و سلامت روزانه خود را زیر نظر بگیرند. مردم همچنین از مراجعه به پزشک یا رفتن به بیمارستان تردید داشتند، اما سلامت خود را با یک ساعت هوشمند برای اندازه گیری ضربان قلب یا نوار قلب (الکتروکاردیوگرام) زیر نظر داشتند. و اگر با پزشک خود تماس زوم داشته باشید، در واقع مفید است که آن داده ها را در دسترس داشته باشید (به اصطلاح). 

همه اینها نشان می دهد که مردم شروع به استفاده بیشتر از این دستگاه ها کرده اند و داده های بیشتری دریافت می کنند، اما این به این سادگی نیست. از تغییر ضربان قلب یا ضربان قلب چه چیزی را باید تفسیر کنم؟ آیا خیلی کم ورزش می کنم یا زیاد؟ آیا کیفیت خواب و ورزش من به یکدیگر مرتبط است؟ ترکیب داده ای که واقعاً نشان دهنده برخی بیماری ها است چیست؟

وقتی افراد داده های بیشتری دریافت می کنند، به این معنی نیست که ناگهان متخصص سلامت، خواب، رژیم غذایی و تندرستی می شوند. ممکن است برخی از افراد وقتی دستورالعمل‌های مراقبت‌های بهداشتی را در گوگل جستجو می‌کنند چنین احساسی داشته باشند، اما ممکن است اوضاع را بدتر کند. این داده ها می تواند برای نظارت بر سلامت و تندرستی مفید باشد، اما برای تجزیه و تحلیل یا در دسترس قرار دادن آن برای متخصصان به نرم افزار بهتری نیاز دارد. 

سال‌هاست که مراقبت‌های بهداشتی موبایل موضوعی داغ بوده است، اما زمان COVID واقعاً آن را به منصه ظهور رسانده است. سازمان‌های مراقبت‌های بهداشتی در پذیرش چیزهای جدید نسبتاً محافظه‌کار هستند، اما این دوره آنها را مجبور کرده است که راه‌حل‌های جدید را به سرعت بیابند. من بسیاری از استارت‌آپ‌های مراقبت‌های بهداشتی تلفن همراه را می‌شناسم که سال‌ها با مشکل مواجه شده‌اند. یکی از مشکلات بزرگ این است که سازمان های مراقبت های بهداشتی به کندی حرکت می کنند و آنها را به مشتریانی دشوار برای استارت آپ های چابک تبدیل می کند. مشکل دیگر دسترسی به داده های قابل اعتماد و دقیق است. بسیاری از این شرکت‌ها راه‌حل‌هایی برای انتقال داده‌ها به پزشک یا بیمارستان ارائه کرده‌اند، اما اغلب افراد مجبورند خودشان داده‌ها را جمع‌آوری کنند، مثلاً قند، فشار خون، ضربان قلب خود را اندازه‌گیری کرده و آن‌ها را در یک برنامه وارد کنند. برخی افراد این کار را چالش برانگیز می دانند و برخی دیگر برای انجام آن تنبل هستند. و کسانی هستند که ممکن است بخواهند اعداد خود را "تعیین" کنند تا از شرمندگی جلوگیری کنند یا خودنمایی کنند.

بنابراین، اکنون داده های بیشتری داریم و راه حل هایی برای انتقال داده ها داریم. اما ما هنوز چند مشکل داریم: 1) حفظ حریم خصوصی و امنیت داده برای داده های حساس سلامتی، و 2) مدل های سیستماتیک تر برای استفاده از داده ها، نه تنها از یک بلکه چندین دستگاه پوشیدنی. این بدان معنی است که ما به راه حل هایی برای جمع آوری و ترکیب داده ها از چندین دستگاه، ترکیب آن داده ها و در عین حال محافظت از حریم خصوصی نیاز داریم. همچنین اگر بتوان این داده ها را در آینده با سایر داده های مراقبت های بهداشتی مانند سابقه سلامت ترکیب کرد، کمک خواهد کرد.

با فناوری ها و مفاهیم جدید، معمولاً سال ها طول می کشد تا پیشرفت کنیم. اغلب به برخی محرک‌های خاص نیز نیاز دارد تا اتفاقات رخ دهد. من اولین چشم انداز عالی فناوری سلامت موبایل را 20 سال پیش با تبلیغات 3G به یاد دارم. اکنون به نظر می‌رسد که همه‌گیری به ما کمک کرده است تا برخی از موانع بزرگ را برطرف کنیم و بازار پوشیدنی نیز به سرعت توسعه یافته است. اکنون باید شاهد توسعه سریع و قابل توجهی با برنامه‌ها و خدمات بیشتر با استفاده مؤثرتر از داده‌های سلامتی باشیم و متعاقباً مراقبت‌های بهداشتی تلفن همراه را تقویت کنیم.

مقاله برای اولین بار در ظاهر شد مخل.آسیا.