لعبة الحجم: مراجعة كتاب للبيانات الضخمة - هل الحجم مهم والبيانات الصغيرة

مقدمة خفيفة مخادعة للبيانات الضخمة ، حيث يقوم الذكاء الاصطناعي بالتفكير الثقيل

أي شيء مرتبط منطقيًا بأي شيء آخر يقوم بتوليد البيانات وكلما زاد ندرة النقد في الاقتصاد ، زادت ثراء هذه الاتصالات.

البيانات الضخمة: هل الحجم مهم؟
مؤلف: تيماندرا هاركنيس
الناشر: بلومزبري سيجما
الصفحات: 304
سعر: 499

البيانات الصغيرة: القرائن الصغيرة التي تكشف عن اتجاهات ضخمة
مؤلف: مارتن ليندستروم
الناشر: هاشيت الهند
الصفحات: 245
سعر: 399

أين يمكنك أن تجد أندر زهرة في العالم؟

الإجابة المختصرة على السؤال المطروح على غلاف كتاب الممثل الكوميدي والرياضيات تيماندرا هاركنيس هي: بالطبع ، الحجم لا يهم. لا يهم أبدًا ، باستثناء أفلام King Kong و Godzilla. في كل الأمور الأخرى ، فإن النهج هو المهم. يتم تعريف نهج البيانات الضخمة من خلال استراتيجيات التخزين والمعالجة الموزعة والمتوازنة على نطاق واسع. حجم مجموعة البيانات ثانوي ، لكن الأشياء تبدأ بالفعل في الظهور عند زيادة سرعة وحدات التخزين.

تشير هاركنيس ، التي تتمتع بلمسة خفيفة مبهجة ، إلى أن حجم البيانات الموجودة هناك - والتي تتخيلها على أنها أقراص صلبة تيرابايت معبأة في حقائب على عربة أمتعة المطار - تنمو بسرعة كبيرة بحيث تصبح الأرقام قديمة بحلول الوقت الذي تكون فيه نشرت. أي شيء مرتبط منطقيًا بأي شيء آخر يقوم بتوليد البيانات وكلما زاد ندرة النقد في الاقتصاد ، زادت ثراء هذه الاتصالات. إذا تم إعادة شحن بطاقة السفر عن طريق محفظة إلكترونية متصلة بحساب مصرفي ورقم هاتف محمول (الذي يُبلغ باستمرار عن بيانات الاتصال والموقع) ، فسيتم إنشاء بيانات كافية لملف تعريف المالك.

سيصبح المنحنى أكثر حدة مع بدء إنترنت الأشياء. السيارات المتصلة بالإنترنت ، والثلاجات ، وعلامات الأمتعة ، ومنصات الشحن وما شابه ذلك ستولد بيانات مثل الرغوة ، ويتم كتابة الخوارزميات لتعدينها. وهنا يكمن الاختلاف التشغيلي الرئيسي بين الأساليب الإحصائية التقليدية ومقاربات البيانات الضخمة: تعتمد الأخيرة كليًا على الذكاء الاصطناعي الذي يتعلم مع تقدمه. أنت تقوم أولاً بتوجيهه في أساسيات التعرف على الأنماط ، وبينما يحسن نفسه ، يجب أن يصل نظريًا إلى نقطة حيث يحرث عبر بحر البيانات بحثًا عن أنماط لم تكن تتوقع العثور عليها ، ولكنك ستهتم بها.

ومن المثير للاهتمام أن الذكاء البشري لمعلم العلامات التجارية مارتن ليندستروم يبحث عن أنماط مشابهة إلى حد ما. نظرًا لأنه يتم استبعادها من مجموعات عينات صغيرة نوعًا ما ، يمكن التعامل مع استنتاجاته على أنها قصصية أو كبصيرة ، اعتمادًا على فائدتها. في الفئة الأولى ، كانت ملاحظته غير العادية التي تلائم المسافرين من رجال الأعمال في المطارات ويميلون إلى جعل بطاقات صعودهم متجهة للأسفل في جيوبهم. لأنهم يريدون إخفاء حقيقة أنهم يقودون الاقتصاد. هذا له قيمة ترفيهية ممتازة ، ولكن لا فائدة. يعود هذا الشرف إلى ملاحظة Lindstrom التي يبدو أنها استدارت حول Lego ، والتي كانت تفقد قوتها بسبب الإشباع الفوري الذي توفره الألعاب الرقمية. سأل أحد مشجعي ليغو البالغ من العمر 11 عامًا عن أغلى ما يمتلكه. اتضح أن زوجًا من الأحذية الرياضية القديمة تم تجريفه بالزاوية الصحيحة تمامًا ليعلن للعالم أن مالكهما كان بطلًا في التزلج على الألواح. من الإشباع ، حولت Lego تركيزها إلى دليل مرئي على الإنجاز ، مثل النماذج باهظة الثمن من Millennium Falcon التي يلعب بها حتى الكبار.

تحديد أنواع أوراق شجرة القيقب

بصيرة ، لا تثق ليندستروم في البيانات الضخمة. لأنه في يوم من الأيام ، سيحل الذكاء الاصطناعي محل المعلمين البشريين. التعرف على الأنماط أكثر موثوقية من البصيرة. إنها مهارة بشرية فطرية تتعلمها الآلات الآن. يلمح هاركنيس إلى العمل الرائد لعالم الأوبئة البريطاني جون سنو ، الذي استخدم تقنيات إحصائية لتتبع تفشي الكوليرا عام 1854 في لندن إلى مضخة يدوية واحدة في سوهو. اليوم ، تعمل أنظمة الذكاء الاصطناعي على التغلب على عمليات البحث على Google للحصول على المشورة الطبية ، والتي يتم من خلالها تحديد واجهات موجات الاقتراب من الأوبئة ، مما يمنح الخدمات الصحية عمقًا استراتيجيًا. يتم استخدام البيانات الضخمة بالفعل من قبل الشركات والحكومات وستؤثر على عالمنا بطرق لا يمكن تصورها حتى الآن. إذا كان لطيفًا ، فسيظل مجال البصيرة البشرية.