نورومارکتینگ یکی از روشهای مدرن ثبت و اندازه گیری واکنش کاربران نسبت به محصولات، تبلیغات،نرم افزار یا وبسایتها است و همانطور که از نام “نورومارکتینگ" بر میآید از تلفیق تکنیکهای مارکتینگ با دانش نوروساینس انجام میشود. محققان در تلاشند که با استفاده از نورومارکتینگ متوجه شوند که کاربران بر چه اساسی تصمیم میگیرند. به عنوان مثال چه عاملی باعث میشود که آنها در انتخاب یک محصول بین نمونههای مشابه، بر اساس تشخیص شخضی تصمیم بگیرند یا چه مشخصههایی در یک محصول، توجه آنها را جلب میکند. همچنین کدام بخش از مغز در تصمیمات آنها نقش اصلی را ایفا میکند.
دو ابزار اصلی در نورومارکتینگ وجود دارد: ابزارهای سنجش فیدبکهای مغزی از جمله دستگاه ثبت EEG و دستگاههای ردیاب چشمی. کاربرد اصلی دستگاههای EEG حذف اثرات ایدهآلگرایانهی پر کردن پرسش نامه در اشخاص است. همانطور که میدانید اشخاص در پرسش نامهها، به صورت ایده آل پاسخ میدهند یا بنا بر شرایطی که حاکم است، ممکن است به سوالات صادقانه جواب ندهند. اما در عمل، بر مبنای نیاز واقعی خود اقدام به واکنش، انتخاب یا خرید میکنند.
از مدرن ترین تجهیزات ثبت EEG گجتهای پوشیدنی هستند که به صورت پرتابل و در ابعادی بسیار کوچک (در اندازه هدفونهای رایج) بر روی سرکاربر قرار میگیرند و بدون نیاز به دانش تخصصی میتوان به کاربری مورد نظر از آنها دست پیدا کرد.
شرکت چالشگران ادراک ناب (نوروچلنج) به عنوان اولین و تنها دارنده محصولات سخت افزاری و نرم افزاری در حوزه گجتهای پوشیدنی ثبت و تحلیل EEG، صنعت نورومارکتینگ در ایران را با جدید ترین تکنولوژیهای روز متاثر نموده است.
برای سنجش اثرگذاری و علاقه مند بودن مشتریان به هر کدام از محصولات از تلفیق روشهای فیلم برداری، ردیابی چشمی و گجت پوشیدنی استفاده میشود.
برای انجام این کار لازم است که جامعه آماری (مناسب با هدف نورومارکتینگ) در نظر گرفته شود. سن، جنس، تعداد نمونه ها، سطح تحصیلات و دیگر شاخص ها بر اساس موضوع تحقیق مشخص میشوند.
کاربردها:
با استفاده از نورومارکتینگ میتوان خدمات جامع و متنوعی را ارائه نمود، برخی از این کاربردها به شرح زیر هستند:
تمایز بین دو برند اگر صاحب کسب و کار قصد مقایسه بین دو برند از محصولات خود یا محصولات خود با رقیب را دارد میتواند از تلفیق خدمات نورومارکتینگ و تحقیقات بازار برای این کار استفاده کند.
انتخاب شعار، لوگو، رنگ برند برای این کار با تحقیقات نورومارکتینگ میتوان به طور دقیق تشخیص داد که برای افراد مخاطب آن شعار، لوگو یا برند کدام یک از موارد انتخابی جذاب تر است.
مقایسه بین دو محصول اگر قصد داریم بین دو محصول با ویژگیهای کلی یکسان مقایسه انجام دهیم، مثلا برای تشخیص لیبل مناسب برای محصول، بسته بندی مناسب، شکل ظاهری جذاب تر ودیگر ویژگی هایی که می تواند در محصول اهمیت داشته باشد.
بررسی اثرگذاری تبلیغ قبل از فراگیر شدن تبلیغ میتوان با روشهای نورومارکتینگ میزان اثرگذاری تبلیغ را بررسی نمود تا بتوان به بهترین و موثرترین روش تبلیغی وارد بازار شد.
بررسی وضعیت UX به خصوص در وبسایت ها و اپلیکیشنها
بررسی تبلیغات بیلبوردی برای اینکه بتوانیم میزان خروجی های احتمالی در تبلیغات بیلبوردی در سطح شهر را بررسی نماییم، با استفاده از واقعیت مجازی و تلفیق آن با فرآیندهای اندازه گیری در نورومارکتینگ می توانیم به بهترین خروجی دست پیدا کنیم.
سنجش میزان مقبولیت قیمت گذاری در بین مشتریان بر این اساس و با استفاده از تکنیک های سنجش میزان خوشایندی می توان دریافت که واکنش احتمالی خریداران پس از ورود محصول با قیمت تعیین شده چه خواهد بود.
بررسی چیدمان فروشگاه در این حالت برای اینکه بتوانیم به مطلوبترین چیدمان در فروشگاه، به خصوص فروشگاه های زنجیره ای برسیم، از تکنیک های ویژه نورو مارکتینگ استفاده می شود. به این ترتیب پیش از انجام هزینه های گزاف برای چیدمان، بهترین سبک و طراحی بر اساس دید مشتریان اصل می شود.
بازاریابی محتوا با استفاده از این سنجش می توان بهترین محتوا برای بازاریابی های محتوا را مشخص کرد. موثرترین عناوین را پیدا کرد، جذاب ترین مخاطب برای مخاطب را تولید کرد و مشتریان بیشتری را جلب کرد.
نوروچلنج چه خدماتی برای نورومارکتینگ ارائه می کند؟ نوروچلنج در سه حوزه اصلی می تواند خدمات نورومارکتینگ را ارائه کند.
هفته آگاهی از مغز امسال با برگزاری رویدادی تحت عنوان ” مغز شعبده باز” از روز شنبه نهم ماه جاری رسما در کشور آغاز می شود.
هفته آگاهی از مغز امسال با شعار” مغزت را بشناس “، با پیامی از سوی دکتر محمد تقی جغتایی مشاور عالی ستاد توسعه علوم و فن آوری های شناختی و دبیر هفته آگاهی از مغز ،رسما آغاز شود.
این رویداد با توجه به شرایط پاندمی کووید ۱۹ ، بصورت آنلاین و از طریق وب گاه آپارات و پخش زنده اینستاگرام در ساعت نوزده روز شنبه نهم ماه جاری در دسترس علاقمندان و دانش پژوهان به ساختار و عملکرد مغز قرار می گیرد.
رویداد ” مغز شعبده باز ” که با حضور شش تن از متخصصان و کارشناسان حوزه دانش مغز، بصورت عمومی و رایگان برگزار می شود، از طریق آدرس وب گاه آپارات و اینستاگرام پیوست تقدیم علاقمندان شناخت جهان شگفت انگیز مغز می شود.
منظور ترویج و ارتقای دانش علوم شناختی و گسترش آگاهی و شناخت نسبت به ساختار ، عملکرد و توانمندی های مغز، امسال همزمان با هفته جهانی آگاهی از مغز ، ویژه برنامه های متنوعی برگزار می شود.
هفته آگاهی از مغز امسال برای ششمین سال متوالی و همزمان با این رویداد جهانی با حمایت ستاد توسعه علوم و فن آوری های شناختی و مشارکت و همکاری سازمان ها ، مراکز علمی ، آموزشی و نهادهای مردمی ، از نهم تا پانزدهم اسفندماه برگزار می شود.
در هفته آگاهی از مغز تلاش می شود با اجرای برنامه های گوناگون آموزشی و علمی نسبت به ارتقای بهداشت و توانمند سازی مغز و راه های جلوگیری از کاهش توانایی مغز با همکاری سازمان های مختلف از جمله آموزش و پرورش، شهرداری تهران، سازمان بهزیستی، وزارت بهداشت، وزارت علوم و سازمانهای مردم نهاد اطلاع رسانی شود.
محققان دانشگاه سان فرانسیسکو موفق به ساخت یک رابط کاربری بین مغز و کامپیوتر شدند که در مغز کاشته می شود. این صفحه الکترونیکی که روی مغز قرار می گیرد نیازی ندارد تا بعد از هربار استفاده مجددا کالیبره شود. از این تکنیک می توان برای کنترل پروتز های دست و پای مصنوعی یا کنترل یک ویلچر استفاده کرد که برای افراد معلول مزیت بزرگی حساب می شود.
در سال های اخیر ساخت رابط های کاربری مغز-کامپیوتر پیشرفت چشمگیری داشته ولی نکته ی منفی همیشه ، نیاز به کالیبره کردن روزانه این رابط ها بوده است. ساخت هوش مصنوعی که بتواند با سیستم پیچیده یادگیری مغز به درستی ارتباط برقرار کند تا به حال موفقیت آمیز نبوده است. یکی از عوامل موفقیت این تحقیق جدید استفاده از یک ماتریس الکترودی (Electrocorticography) (یا به اختصار ECoG) می باشد. این صفحه الکترودی که حدودا اندازه ی یک دفترچه یادداشت است در مقابل رابط کاربری های مغز-کامپیوتر قبلی برای کاشته شدن در مغز کمتر به مغز آسیب می رساند زیرا دستگاه های قبلی باید وارد مغز می شدند اما این صفحه الکترودی روی مغز قرار می گیرد. همچنین مدل های قبلی ممکن است در داخل بافت مغز اندکی جا به جا شوند که باعث می شود سیگنالی که مخابره می کنند ناپایدار شود. همچنین دستگاه های قبلی چون وارد مغز می شوند سیستم ایمنی بدن را تحریک می کنند ولی صفحه الکترودی که محققان دانشگاه سان فرانسیسکو ساخته اند روی مغز قرار می گیرد و کمتر سیستم ایمنی را تحریک می کند.
در این تحقیق یک بیمار که دست ها و پاهایش فلج شده بود داوطلب شد ، پس از کاشت الکترود بیمار باید یک نشانه گر را روی یک صفحه ی کامپیوتر حرکت میداد. یک الگوریتم یادگیری ماشین نیز برای کمک به بیمار طراحی شده بود که حرکت نشانه گر را برای بیمار راحت تر کند. در ادامه جلسات متعددی برگزار شد تا بیمار و الگوریتم بیشتر باهم هماهنگ شوند و در نهایت داوطلب می توانست بلافاصله بعد از متصل شدن به کامپیوتر حرکت نشانه گر را کنترل کند. Karunesh Ganguly یکی از محققان این تیم می گوید ما به این تحقیق به چشم ایجاد یه همکاری و هماهنگی بین دو سیستم یادگیری یعنی مغز و کامپیوتر نگاه می کنیم که در نهایت این سیستم بتواند مانند یک دست یا پا یک عضو از کاربر شود.
ایلان ماسک صاحب شرکت های Tesla و SpaceX جزو موسسان شرکت NeuraLink نیز می باشد. شرکت NeuraLink شرکتی فعال در حوزه نوروتکنولوژی می باشد که الکترود های بسیار باریکی ( ۰٫۱ قطر موی انسان ) تولید می کند. هدف نهایی این شرکت کاشت این الکترودها در مغز انسان است به طوری که این الکترودها هم بتوانند مغز را تحریک کنند و هم اطلاعاتی از مغز دریافت و ارسال کنند.
در این صورت می توان از این الکترود ها برای درمان آسیب های مغزی ، نابینایی ، از دست رفتن حافظه ، بی خوابی و مشکلات دیگر استفاده کرد. همچنین این الکترود ها رابط بین انسان و ماشین خواهند بود به عنوان مثال ایلان ماسک می گوید از طریق این الکترودها میتوان با مغز ماشین تسلا را کنترل کرد ، بازی های رایانه ای را با مغز انجام داد و یا کسی که نخاعش آسیب دیده است می تواند دوباره راه برود. البته هنوز شرکت نورولینک تا رسیدن به این اهداف راهی طولانی در پیش دارد.
اخیرا نورولینک یک نمونه از دستگاه خود را داخل سر یک خوک کاشته است و نتایج خوبی از زیست سازگاری الکترود دریافت کرده. ایلان ماسک گفته است که این دستگاه را می توان از مغز خارج هم کرد بدون اینکه آسیبی به مغز وارد شود همچنین خوکی را نشان داده که گفته شده الکترود در مغزش کاشته شده و پس از مدتی خارج شده و اکنون این خوک هیچ تفاوتی با خوک های دیگر ندارد.
شرکتی گجت هوشمندی طراحی کرده است که به صورت هوشمند و خودکار فشارخون و ضربان قلب را اندازه میگیرد
مانیتور جدید ، که مورد تایید لازم اتحادیه اروپا قرار گرفته است ، اکنون روش های بیشتری برای ردیابی سلامتی قلبی و عروقی شما ،پیون فشار خون ،جانشین مانیتور فشار خون همراه است. نسبت به دستگاه های پیش نمایش آن ارائه می دهد. همچنین متصل به BPM است
است وتوانایی اندازه گیری فشار خون را تا حد بالینی دارد . علاوه بر فشار خون ، اکنون دارای طراحی سنتی دکمه سر دست ( الکتروکاردیوگرام ) را نیز انجام می دهد و می تواند برای شناسایی شرایط جدی برای سلامت قلب مانند فیبریلاسیون ECG قرائت های دهلیزی مورد استفاده قرار گیرد .
یکی دیگر از ویژگی های جدید استتوسکوپ دیجیتالی است که وینینگز می گوید می تواند به تشخیص زودرس بیماری دریچه قلبی کمک
کند . این مربوط به آسیب رسیدن به یکی از چهار دریچه قلب است که می تواند نیاز به
مداخله جراحی داشته باشد .
دستگاه بسته بندی شده سنسور که شامل یک میکروفون دیجیتالی نیز هست ، توسط کاربر قرار میگیرد که دکمه کاف را روی بازوی فوقانی قرار دهد و دکمه اندازه گیری را فشار دهد. سپس در طی ۹۰ ثانیه هر سه اندازه گیری را انجام می دهد و داده ها را به برنامه Withing health mate ارسال میکند
خواندن فشار خون روی دستگاه با باز خورد کد گذاری شده نشان داده می شود که فشار خون طبیعی ، متوسط یا خیلی زیاد است . برای همین باید ۲۰ ثانیه دست خود را روی سنسور استیلی قرار دهید
سنسور بر روی سینه با دستگاه به مدت بیست ثانیه برای گوش دادن و ارزیابی قلب شما دارد .
این محصول دیتای دریافتی را به نرم افزار تلفن همراه اندروید و آی او اس میفرستد و در اپلیکیشین قابل نمایش است. وهمچنین قابل اشتراک با پزشک متخصص خود است
۱۰۰ ثانیه اندازه گیری با یک بار شارژ است.
نسخه جدید این محصول دارای دارای صفحه نمایش میباشد که اطلاعات کلی فرد را نمایش دهد که در این صورت نیازی به تلفن همراه نداریم که اطلاعات از طریق بلوتوث جابه جا شود
ویژگی اصلی این گجت هوشمند ارائه دقیق ضربان قلب و فشار خون است .
شرکت هایی در سراسر چین هستند از سنسورهای امواج مغزی برای آموزش کارگران و بررسی آمادگی روانی استفاده می کنند. بیش از دهها کارخانه کارگران خود را ملزم به پوشیدن وسایلی می کنند که از هوش مصنوعی برای نظارت بر احساسات خود استفاده می کنند. در حالی که مقامات می گویند این موجب صرفه جویی در پول می شود ،این مساله برای کارگران بسیار نگران کننده است.
سنسورها بصورت بی سیم در لبه کلاه ایمنی کارگران شرکت برق و کلاه های راهبران قطارهای با سرعت بالا تعبیه شده اند. دستگاه ها امواج مغزی کارگران را ردیابی می کنند ، ضربه ها و غرق شدن در فعالیت های عاطفی مرتبط با وحشت ، خستگی ، اندوه و سایر احساسات را شناسایی می کنند. به گزارش مورنینگ پست، برخی از شرکت ها همچنین سنسورهایی را به هدست های VR اضافه کرده اند تا نحوه پاسخگویی کارآموزان به محیط های مجازی مدلسازی شده برای فضاهای کاری را مشاهده کند.
بنا به گزارش ها، استفاده از این دستگاه ها توسط شرکت های تامین برق و شرکت های الکتریکی برای کارگران در مشاغل “پرخطر” تصویب شده است، مانند راهبران قطار یا کارمندان شرکت برق که در حال نصب و تعمیر قطعات شبکه هستند.دستگاهی این چنین، خستگی در راهبران تشخیص می دهد و اگر فکر کند که در حال افت عملرکد ذهنی هستند، آلارم می دهد.
این دستگاه ها نه تنها حوادث را کاهش می دهند بلکه به گفته مسئولان شرکت، میزان سود شرکت را نیز افزایش می دهد. یکی از مسئولین اجرای برنامه “نظارت عاطفی” را در شرکت برق دولتی گرید ژجیانگ اجرا می کند به Morning Post گفت که از زمان شروع استفاده شرکت از این دستگاه ها در سال ۲۰۱۴ ، ۳۱۵ میلیون دلار سود شرکت افزایش یافته است. البته ، نظارت اجباری شناختی پیامدهای نگران کننده ای برای کارگران دارد.
به عنوان مثال ، این سیستم می تواند به مدیریت نشان دهد که یک کارگر خاص استرس دارد یا اینکه به صورت کلی برای کار مناسب نیست. در این صورت شرکت ها می توانند از کارگران بخواهند که برای یک ساعت استراحت کنند یا اینکه آن ها را برای کل روز معاف کنند یا حتی آن ها را به موقعیت شغلی دیگری منتقل کنند. حال چه اتفاقی می افتد اگر یک تشخیص false positive برای یک کارگر سالم رخ دهد؟ شرکت ها مدعی شده اند که به این روش میلیون ها دلار صرفه جویی کرده اند، اما چه تعداد کار گر را بخاطر تشخیص این دستگاه ها از دست داده اند یا اینکه آن ها را به اجبار به استراحت فراخوانده اند.
“Qiao Zhian ، استاد روانشناسی مدیریت در دانشگاه پکن ، به Morning Post گفت:” نباید از ذهن انسان برای سودآوری بهره برداری شود. ” وی گفت: “هیچ قانون و مقرراتی برای محدود کردن استفاده از این نوع تجهیزات در چین وجود ندارد. ممکن است کارفرما انگیزه شدیدی برای استفاده از این فناوری برای سودآوری بالاتر داشته باشد و معمولاً کارکنان در موقعیتی نیستند که بتوانند اختیاری در استفاده یا استفاده نکردن از این دستگاه ها داشته باشد “
یکی از ابزارهای اصلی در نورومارکتینگ، دستگاه های ثبت EEG یا همان سیگنال مغزی هستند. این دستگاه ها نمون های مختلفی دارد، از یک کاناله تا ۲۵۶ کاناله که هر کدام کاربردهای خاص خود را دارا هستند.
بهترین ابزارها برای نورومارکتینگ دستگاه های پوشیدنی یا گجت ها هستند که به صورت هدبند هایی بر روی سر قرار میگیرند و می تواند سیگنال مغزی را اندازه گیری کنند.
این اندازه گیری به خودی خود دارای اهمیت نیست و تحلیل این سیگنال ها مهم تر است.
یکی از تحلیل هایی که می توان برای این سیگنال ها داشت، اندازه گیری میزان تمرکز (توجه) است.
تعیین درصد توجه کاربر
در این حالت بر اساس اینکه کدام بخش ازموضوع مورد سنجش توجه کاربر را به خود جلب کرده است، می توان به صورت ثانیه ای فیدبک کاربر را اندازه گیری کرد و تشخیص داد کدام بخش برایش جذاب تر بوده است. در این حالت عددی بین صفر تا ۱۰۰ به عنوان خروجی نهایی برای کاربر لحاظ می شود. هرچه این عدد بالاتر باشد، میزان توجه سوژه بیشتر است.
دستگاه های فیلم برداری و ردیابی چشمی
اگر به منظور مقایسه دو محصول با
یکدیگر، نورومارکتینگ انجام می شود، تنها استفاده از روش های فیلم برداری معمولی و
تخمین زمان صرف شده برای هر کاربر بر روی آن محصول، می تواند در ترکیب با گجت،
خروجی مطلوب را ایجاد کند.
اما اگر داخل یک محصول در حال بررسی
جزییات هستیم، به دستگاه ردیاب چشمی نیاز پیدا میکنیم. دستگاه های eye
tracking تولید شده توسط شرکت tobii
هستند که در حال حاضر در ایران نیز قابل استفاده هستند. شکل زیر نمونه ای از این
ردیاب را نشان می دهد.
ترکیب زمانبندی این دو بخش با یکدیگر
می تواند به نورومارکتر اعلام کند که فرد مشاهده کننده، به چه محصولی بیشتر علاقه
مند بوده است؟ کدام بخش محصول برای او جذاب تر بوده است؟ توجه کاربر به کدام بخش
از محصول معطوف شده است و آن بخش چه تاثیری در محصول دارد؟
یکی از ابزارهای اصلی در نورومارکتینگ، دستگاه های ثبت EEG یا همان سیگنال مغزی هستند. این دستگاه ها نمون های مختلفی دارد، از یک کاناله تا ۲۵۶ کاناله که هر کدام کاربردهای خاص خود را دارا هستند.
بهترین ابزارها برای نورومارکتینگ دستگاه های پوشیدنی یا گجت ها هستند که به صورت هدبند هایی بر روی سر قرار میگیرند و می تواند سیگنال مغزی را اندازه گیری کنند.
این اندازه گیری به خودی خود دارای اهمیت نیست و تحلیل این سیگنال ها مهم تر است.
یکی از تحلیل هایی که می توان برای این سیگنال ها داشت، اندازه گیری میزان احساس است.
شناسایی احساس به صورت کلی در دو بعد خوشایندی/
نا خوشایندی (Valence) و برانگیختگی/
غیربرانگیختگی (Arousal) انجام می شود.
نمودار زیر بیان این احساسات و نمونه ای از
احساسات که در هر کدام از مختصات می توانند قرار گیرند را نشان می دهد:
سنجش احساس در موارد زیر برای نورومارکتینگ کاربرد دارد:
تعیین لوگو، رنگ سازمانی، شعار و قیمتگذاری.
مقایسه بین دو برند، مقایسه محصولات
بررسی تبلیغ، بیلبورد و چیدمان فروشگاه در هر یک از موارد ذکر شده، احساس و رغبت مخاطب نسبت به موارد ذکر شده مورد بررسی و سنجش قرار میگیرد. خروجی هایی که بر این اساس ارائه می شوند به نحو زیر هستند:
شرکتهای دانشبنیان ایرانی در نمایشگاه فناوری های برتر چین (CHTF) حضور می یابند
مشاور معاون علمی و فناوری رییس جمهوری با بیان اینکه یک هیات تجاری و فناور متشکل از شرکتهای دانش بنیان، فناور و خلاق ایرانی عازم چین می شوند، گفت: بازدید و حضور در نمایشگاه فناوری های برتر چین (CHTF) یکی از مهم ترین برنامه های این سفر است. این نمایشگاه بزرگترین و با نفوذ ترین نمایشگاه علمی و فناوری است.
به گزارش مرکز ارتباطات و اطلاع رسانی معاونت علمی و فناوری ریاست جمهوری، پرویز کرمی درباره حضور یک هیات تجاری در چین، عنوان کرد: با حمایت مرکز تعاملات بین المللی علم و فناوری معاونت علمی ،یک هیات بلندپایه تجاری و فناوری ایرانی ۱۹ تا ۲۳ آبان ماه سال جاری به ریاست معاون علمی و فناوری رییس جمهوری به کشور چین سفر می کنند تا شرایط همکاریها و تعاملات بین دو کشور را بررسی کنند.
مشاور معاون علمی و فناوری رییس جمهوری افزود: این هیات تجاری و فناوری که متشکل از نمایندگان شرکت های دانش بنیان است، در این سفر با شرکت های متناظر چینی دیدارهای دو جانبه خواهند داشت و نشست های رو در رو برگزار می کنند.
دبیر ستاد فرهنگ سازی اقتصاد دانش بنیان در ادامه اهداف این سفر را مورد توجه قرار داد وگفت: این سفر با هدف بازارسازی و صادرات برای محصولات دانش بنیان” ایران ساخت” در فراسوی مرزها انجام می شود.
کرمی در ادامه تصریح کرد: با توجه به رویکرد معاونت علمی و فناوری و صندوق نوآوری و شکوفایی برای کمک به صادرات محصولات دانشبنیان “ایران ساخت” و ایجاد و تقویت برندهای ایرانی، یک هیات تجاری به ریاست معاون علمی و فناوری رییس جمهوری و جمعی از مدیران شرکت های دانش بنیان با حمایت مرکز تعاملات بین المللی علم و فناوری و صندوق نوآوری و شکوفایی به کشور چین اعزام می شود.
مشاور معاون علمی و فناوری رییس جمهوری درباره برنامه این سفر فناوری تجاری گفت: بازدید از نمایشگاه فناوری های برتر چین (CHTF) یکی از مهم ترین برنامه های این سفر است. این نمایشگاه بزرگترین و با نفوذ ترین نمایشگاه علمی و فن آوری در زمینه های مختلف مانند نسل جدید فناوری اطلاعات، سوخت و انرژی های جدید سیستمهای الکترونیک، زیست فناوری، حفاظت از محیط زیست است.
دبیر ستاد فرهنگ سازی اقتصاد دانش بنیان افزود: حضور شرکت های دانش بنیان ایرانی در این نمایشگاه معتبر جهانی کمک موثری در معرفی محصولات و توانمندی های ایران به جهان است. محصولاتی که می توانند یک بازار جهانی و مقبول داشته باشند.
کرمی با بیان اینکه این نمایشگاه هر ساله به میزبانی مشترک وزارتخانه ها و کمیسیون های دولتی چین و شهرداری شهر شنزن در این شهر برگزار می شود گفت: این نمایشگاه بعد از سال ها توسعه و پیشرفت به یکی از مهمترین رویداد های فن آوری در جهان مبدل شده و نقش مهمی در ارتقاء همکاری ها ومبادلات علمی، اقتصادی و تکنولوژیکی میان کشورهای مختلف دنیا را ایفا می کند.
وی درباره محورهای این نمایشگاه، اظهار داشت: فناوری اطلاعات و ارتباطات، انرژی های جدید، سیستم های الکترونیک و اپتوالکترونیک و صفحه نمایش های لمسی از جمله محورهای اصلی این نمایشگاه بین المللی است.
دبیر ستاد فرهنگ سازی اقتصاد دانش بنیان معاونت علمی و فناوری ریاست جمهوری با اشاره به دیگر اهداف اعزام شرکت های تجاری ایرانی به چین، گفت: از دیگر اهداف اعزام این شرکت ها به چین به مواردی چون شرکت در نشست های تجاری رو در رو با شرکت های چینی در شانگهای و شنزن، بازدید از پارک صنعتی سوژو، ایجاد پاویون ملی ایران و بازدید از نمایشگاه فناوریهای پیشرفته چین اشاره کرد.
اندازه گیری های مانیتور انعطاف پذیر بدن ، نوار قلب ، تنفس ، ضربان قلب
به طور مداوم برای هفته ها
نظارت مستمر و طولانی مدت در مورد فعالیتهای فیزیولوژیکی می تواند به پزشکان ، سرپرستان و دانشمندان اطلاعات دقیق درمورد سلامتی شخص را ارائه دهد. کودکان، ضعیف و سالخورده و افراد با انواع و اقسام شرایط اغلب در پوشیدن و استفاده از سنسورهای موجود بر بدن بدن مشکل دارند. اکنون محققان این شرکت برای اندازه گیری انواع سیگنالهای فیزیولوژیکی دستگاه قابل توجهی را طراحی کرده اند که می تواند برای مدت طولانی بر روی پوست پوشیده شود.
این دستگاه از یک بستر کششی با الکترودهای داخلی قابل انعطاف و لوازم الکترونیکی
مناسب از جمله یک باتری قابل شارژ کوچک در بالا تشکیل شده است. این دستگاه الکتروکاردیوگرافی
(ECG) ، ضربان قلب ، ضربان تنفس
و همچنین داده های حرکت از شتاب سنج را دقیقاً مانند آنچه در ردیاب های فعالیت مبتنی
بر مچ دست است فراهم می کند.
این دیتای دریافتی را به رایانه یا تلفن هوشمند مجاور منتقل می کند و امکان بارگیری مداوم و نظارت بر داده های بیمار را فراهم می آورد.
این دستگاه قبلاً روی حیوانات و انسانها آزمایش شده است و ارتباط نزدیکی با دستگاههای کنترل موجود نشان می دهد ، اما به عنوان مثال می تواند در حالی که کاربر در حال راه رفتن و بالا رفتن از پله ها است ، بررسی کند. علاوه بر این ، نیازی به ژل لازم نیست تا سیگنال های ECG را به دقت انتخاب کند ، که این خود یک دستاورد چشمگیر است.
کوین ماهر ، متخصص قلب و عروق کودکان که با جورجیا تکنیک گفت ، “تولید
داده های مداوم از سیستم های تنفسی و قلبی عروقی می تواند امکان استفاده از تشخیص های
پیشرفته را برای تشخیص تغییرات در وضعیت بالینی ، پاسخ به درمان ها و اجرای مداخلات
اولیه فراهم کند.” پروژه. “دستگاهی که به معنای واقعی کلمه هر نفسی را که
کودک به دنبال دارد می تواند اجازه تشخیص زودتر و مداخله را قبل از بروز شدیدتر بیماری
فراهم کند.”
محققان در حال کار بر روی نسخه کوچکتر و پیشرفته تر مانیتور هستند و امیدوارند که در آینده آینده برنامه ریزی مطالعات بالینی و تجاری سازی را آغاز کنند.
در ابتدا باید بدانید که یک شبکه عصبی چگونه کار میکند. عمل پردازش در شبکههای عصبی با عبور دادن دادهها از میان شمار زیادی از لایههای محاسباتی انجام میشود. این لایههای محاسباتی شامل عناصر پردازشی یا گرههایی موسوم به نورون هستند که با یکدیگر در ارتباط اند. با این روش پردازش، شبکههای عصبی میتوانند در انبوهی از دادهها، الگوهایی را بیابند. نورونها، ورودی را از همسایگان بالادستی خود دریافت میکنند و یک سیگنال خروجی را محاسبه کرده و برای نورونهایی در پاییندست ارسال میکنند و نتایج، بین لایهها دستبهدست میشود تا اینکه نتیجه نهایی به لایه خروجی برسد. در این ساختار پردازشی، میزان اهمیت هر ورودی و تأثیرگذاریاش در نتیجه نهایی در قالب یک مقدار که به آن «وزن» میگویند، تعریف میشود. میزان اهمیت این ورودیها یا مقادیر این وزنها در جریان فرآیندی موسوم به آموزش شبکه عصبی تنظیم میشود. با نفوذ بیشتر دادهها به لایههای عمیقتر، شبکه اطلاعات پیچیدهتری را میآموزد و لایه خروجی، پیشبینی نهایی شبکه را تولید میکند که بر اساس محاسبات لایههای پیشین بهدست آمده است. اگر بخواهیم به آنچه توضیح دادیم با دید ریاضی نگاه کنیم، با یکسری عملیات ماتریسی یا به بیان بهتر با ضربهای ماتریسی ـ برداری و به بیان سادهتر با مجموعهای از ضربها و جمعها سر و کار داریم .
پیادهسازی شبکههای عصبی روی سختافزارهای محاسباتی امروزی چندان بهصرفه نیست که بخش زیادی از این ناکارآمدی به طراحی این سختافزارها مربوط است. سختافزارهای امروزی الکترونیکی بوده و مبتنی بر معماری فوننویمان (Von Neumann) هستند . پیادهسازی شبکههای عصبی در معماری فوننویمان نیازمند برداشت و ذخیرهسازی مکرر دادهها است و در یک شبکه عصبی پیاده شده بر چنین سختافزاری، شاهد رفتوآمد دیوانهوار دادهها بین پردازنده و حافظه خواهیم بود و این یعنی مصرف برق زیاد. تا به امروز برای طراحی معماریهای الکترونیکی که مناسب پیادهسازی شبکههای عصبی مصنوعی باشند و سرعت محاسباتی بالا و توان مصرفی بهینهای را عرضه کنند، تلاشهای زیادی شده است.
هرچه ساختار شبکه عصبی، چه نوع مرسوم الکترونیکی و چه گونههای
جدید، پیچیدهتر میشود، مقادیر بسیار بیشتری از توان الکتریکی را میبلعد. بهمنظور
یافتن راهکاری برای برطرفکردن این مشکل اساسی، مراکز پژوهشی و شرکتهای فناور
بزرگ نظیر گوگل، آیبیاِم، تسلا، هوواوی و سامسونگ به توسعه شتابدهندههای هوشمصنوعی (AI accelerators) اقدام کردهاند؛
تراشههای ویژهای که سرعت و بهرهوری آموزش و آزمودن شبکههای عصبی را بهبود میدهند.
برای مصرف انرژی تراشههای الکتریکی از جمله همین شتابدهندههای هوش مصنوعی، از
نظر تئوری محدودیتی وجود دارد، یعنی تا حد مشخصی میتوان این مصرف توان را کاهش
داد.
یک شتابدهنده شبکه عصبی برای اینکه
بتواند در این زمینه بر رقبایی نظیر پردازندههای گرافیکی پیروز شود باید مصرف
توان را بهطور قابلتوجهی پایین بیاورد تا استفاده از آن توجیهپذیر باشد. علاوه
بر این، چنین شتابدهندههایی باید سریع، قابل برنامهریزی و جمعوجور بوده و
بتوان آنها را روی شمار بیشتری از نورونها اعمال کرد (مقیاسپذیری). در حال حاضر
مدارهای مجتمع با کاربرد خاص (ASIC) بهترین گزینه برای توسعه شتابدهندههای شبکه عصبی هستند.
نمونههای پیشرفته چنین تراشههایی قادرند مصرف انرژی را به حدود ۱ پیکوژول بر MAC سرنام برسانند
که حدود یک بیستم مصرف توان پردازندههای مدرن گرافیکی است. با اینحال حتی با
بهترین معماری، بخش زیادی از انرژی صرف جابهجایی دادهها میشود، نه پردازش.
راهکارهایی نظیر استفاده از مِمریستور برای برطرف کردن این مشکل مطرحشده که
راهکارهای بیعیب و نقصی نیستند. در نتیجه برای دستیابی به بهرهوری سختافزاری در
حوزه یادگیری ماشین، نمیتوان فقط به معماریهای الکترونیکی متکی بود.
راهکار
نوری
شبکههای عصبی کاملا اپتیکی میتوانند جایگزین بسیار مناسبی برای پیادهسازیهای الکترونیکی یا اپتیکی-الکترونیکی باشند به عقیده برخی از محققان میتوان تبدیلات خطی و حتی تبدیلات غیرخطی را با سرعت نور اجرا کرد و با سرعتهای بالا که شاید به فراتر از ۱۰۰ گیگاهرتز هم برسند و با کمترین میزان مصرف توان، آنها را در شبکههای نوری ارزیابی کرد. حالا بهخوبی مشخص شده که میتوان با یک لنز و بدون اینکه ذرهای توان مصرف شود تبدیل فوریه را اجرا کرد یا برخی از عملیات ماتریسی را بهطور اپتیکی بدون مصرف توان انجام داد. بااینحال، ابعاد فیزیکی قطعات اپتیکی نظیر فیبرها و لنزها، پیادهسازی شبکههای عصبی را با مشکل مواجه میکند، زیرا در شبکههای عصبی به تعداد زیادی نورون نیاز داریم و ابعاد این قطعات، کوچکسازی سختافزار پردازشی نهایی را دشوار میکند. رایانش با نور و ساخت تراشههای نوری، چالش برانگیز است. تلاشهای گذشته در این زمینه با شکست روبهرو شده که از دلایل آن میتوان به دشوار بودن شبیهسازی عملکرد ترانزیستور با ادوات نوری و رفتار کموبیش غیرقابل پیشبینی نور اشاره کرد. اما رایانش نوری برتری خود را در حوزه یادگیری عمیق بهخوبی نشان میدهد. محققان معتقدند: «تراشههای نوری برای انجام عملیات ضرب ماتریسی که در یادگیری عمیق نقش مهمی ایفا میکند، بسیار مناسب هستند.»
ضرب ماتریسی روی سختافزار نوری برای ضرب ماتریسی که در حقیقت مجموع مقادیر وزندهی شده است، ابتدا مقادیر، به سیگنالهای نوری تبدیل میشوند. هرچه عدد بزرگتر، شدت نور هم بیشتر. تراشه نوری، عملیات ضرب ماتریسی مورد نظر را به قطعات کوچکتری میشکند و هر قطعه را به یک سلول از تراشه میسپارد. برای درک عملکرد هر یک از این سلولهای محاسباتی، دو جریان آب را تصور کنید که به درون این سلول پردازشی جاری میشوند و نمایانگر پرتوهای نوری ورودی هستند. این سلولها نظیر شبکهای از حوضچهها و پمپها عمل میکنند. بهطوریکه پرتوها را تقسیم، سرعت آنها را کم و زیاد کرده و دوباره آنها را ترکیب میکنند. با کنترل کردن سرعت پمپها، این واحد پردازشی میتواند مقادیر مختلفی از آب را به هریک از جریانهای خروجی هدایت کند. در تراشه نوری، کانالهای سیلیکونی با دمای قابل تنظیم، عملکردی شبیه همین پمپها دارند. اتمهای سیلیکون وقتی حرارت میبینند کمی پخش میشوند و این، سرعت نور عبوری را تغییر میدهد. پرتوهای نوری که از چنین ساختاری و با سرعتهای مختلف عبور داده میشوند یکدیگر را تقویت یا تضعیف میکنند. یک کامپیوتر معمولی میزان حرارت را به گونهای تنظیم میکند که پرتوی حاصل در خروجی هر سلول معادل مجموع وزندهی شده ورودیها باشد. در حقیقت، گرمکنندهها وزن ورودی را مشخص میکنند و با تغییر دادن سرعت پرتوهای ورودی، به آنها وزن میدهند. در ادامه به مثالهایی از تحقیقات صورت گرفته میپردازیم. همانطور که خواهید دید، این مثالها مبتنی بر تحقیقات دانشگاه اِمآیتی است و حتی دو شرکتی که از آنها یاد خواهد شد، شرکتهایی هستند که تأسیس آنها حاصل تحقیقات دانشگاه اِمآیتی بوده است.
Ryan Hamerly از آزمایشگاه تحقیقات الکترونیک میگوید: « محققان به دنبال فناوری هستند که قابلیت محاسباتی فراتر از محدودیتهای بنیادین مصرف انرژی داشته باشد.» او میگوید شتابدهندههای فوتونیک امیدبخش هستند، اما آنچه محققان اِمآیتی به دنبال آن هستند ساخت شتابدهنده فوتونیکی است که بتوان از آن برای شبکههای عصبی بزرگ استفاده کرد. Hamerly معتقد است: « اگر شتابدهنده فوتونیک توانایی پردازش بیش از صد نورون به ازای هر لایه را نداشته باشد، پیادهسازی شبکههای عصبی بزرگ با استفاده از آن معماری دشوار خواهد شد. در این روش پس از ضرب نوری ماتریسها، یک سیگنال خروجی الکتریکی ( و نه نوری) تولید میشود. نتیجه استفاده از این روش صرفهجویی قابلتوجه در فضای روی تراشه است. بنابراین تراشه قابلیت مقیاسپذیری بالایی دارد، بهطوریکه پیادهسازی شبکههای عصبی که در هر لایه خود بیش از یکمیلیون نورون دارند با چنین دستاوردی امکانپذیر میشود. بر اساس نتایج شبیهسازی، محققان اینطور نتیجه گرفتند که از نظر مصرف توان، این شتابدهنده برتری بسیار قابل توجهی نسبت به رقبای الکترونیکی و حتی نوری خود دارد. در حال حاضر، تقاضای رو به افزایشی برای اجرای شبکههای عصبی بزرگ روی مرکز دادهها وجود دارد و از جمله کاربردهای چنین شتابدهندهای کاهش مصرف انرژی در مراکز داده است.
شرکت Lightmatter
در سال ۲۰۱۴ نیکلاس هریس و همکارش
در جریان تحقیقات مربوط به دکترای خود در دانشگاه اِمآیتی روی ترکیب فناوری
اپتیک با رایانش کوانتومی کار میکردند. یک سال بعد این دو علاوه به رایانش
کوانتومی بر حوزههایی دیگر از جمله هوش مصنوعی متمرکز شدند. هریس و همکارش
مهندسانی بودند که اطلاع زیادی از راهاندازی کسبوکار نداشتند. به همین دلیل
تصمیم گرفتند، دورهای آموزشی در زمینه کارآفرینی را در دانشکده مدیریت اِمآیتی
بگذرانند و این فرصتی شد تا با توماس گراهام آشنا شوند. شرکتکنندگان در این دوره
باید ایدههای تجاری را در قالب ویدیوهایی معرفی میکردند. گراهام ویدیویی را که
هریس در زمینه رایانش نوری ساخته بود، دید و این ایده توجهاش را جلب کرد. این سه
تصمیم گرفتند در رقابت کارآفرینی اِمآیتی شرکت کنند و همه تلاششان را برای بهدست
آوردن پاداش ۱۰۰هزار دلاری این رقابت به کار بستند و با هم یک طرح کسبوکار ارائه
کردند و در نهایت موفق شدند در سال ۲۰۱۷ با کنار زدن شمار زیادی از رقبا پاداش را
به دست آوردند. برنده شدن در این رقابت راه را برای سفر به سیلیکونوَلی، و ملاقات
با سرمایهگذاران بیشتر هموار کرد. در تراشهای که این استارتآپ توسعه داده بهجای
واحد MAC که بخشی متداول در شتابدهندههای هوش مصنوعی است و وظیفه
انجام عملیات ضرب و جمع متوالی را برعهده دارد، از واحد اپتیکی موسوم به تداخلسنج
ماخ-زندر استفاده شده است.
البته متقاعد کردن سرمایهگذاران چندان هم ساده نبوده و آنها برای سرمایهگذاری روی چنین تراشهای به دلایل خوب نیاز داشتند. توماس گراهام به یاد میآورد که سرمایهگذاران میگفتند: « ثابت کنید که آنچه طراحی کردهاید چیزی بیش از یک پروژه تحقیقاتی است.» و حالا آنها موفق شدهاند اعتماد شرکتهای فناور مهمی را جلب کنند. دستیابی به چنین تراشهای آنقدر جذاب بوده تا شرکتی نظیر آلفابت از این استارتآپ حمایت کند. این گروه هدفشان این است که تراشهشان با فریمورکهای محبوب هوش مصنوعی نظیر TensorFlow گوگل کار کند. هریس میگوید: «در مراکز داده دو جنبه بسیار مهم وجود دارد؛ حجم عملیاتی که در هر ثانیه انجام میشود و بهرهوری مصرف انرژی؛ یعنی اینکه در هر ثانیه و به ازای هر وات چه میزان پردازش انجام میشود.» او مدعی است راهکارشان بیش از ده برابر راهکارهای فعلی کارآیی دارد. شرکت او ۲۳ کارمند دارد و هریس معتقد است، در بازه زمانی ۵ تا ۱۰ ساله این تراشه عملیاتی خواهد شد. به گفته هریس، تلاش زیادی میشود که چنین دستگاههایی قابلیت اتصال و اجرا ( plug and play ) داشته باشد و بتوان از آنها به همان روشی که از پردازندههای گرافیکی استفاده میشود، در سامانههای پردازشی بهره برد
شرکت Lightelligence
استارتآپ Lightelligence نمونه اولیهای از تراشه نوری ارائه کرده که میزان تأخیر را در مقایسه با سختافزارهای مرسوم تا ده هزار برابر بهبود داده و مصرف توان را به میزان قابلتوجهی کاهش میدهد. این شرکت توسط Yichen Shen راهاندازی شده است. او با همکاری گروهی از محققان اِمآیتی و از جمله نیکلاس هریس مقالهای در زمینه پردازندههای نوری نوشت ،و به تحقیق در زمینه پردازش نوری شبکههای عصبی پرداخت. او Lightelligence را ماهها بعد تاسیس کرد و استادش از نخستین کسانی بود که به هیئت مدیره شرکت پیوست. Soljacic معتقد است: « خیلی بهندرت اتفاق میافتد که استادی در دوران کاری خود به دانشجویی نظیر Yichen برخورد کند، حتی در اِمآیتی. او یک آیندهنگر تمامعیار و یک پیشگام در حوزه استفاده از مدارهای مجتمع اپتیکی برای هوش مصنوعی است.» روی این تراشه مدارهای نوری شبیه فیبرهای نوری که سیگنالها را منتقل میکنند، پیاده شده است. هدف طراحان این است که این تراشه قادر به اجرای فریمورکهایی نظیر Tensorflow شرکت گوگل، Caffe2 فیسبوک و Pytorch باشد. این شرکت مدعی است، عملکرد این تراشه در انجام ضربهای ماتریس برداری و سایر عملیات خطی که عامل مهمی در مدلهای هوش مصنوعی محسوب میشوند، بر اساس آزمون MNIST یک مدل یادگیری ماشین مرجع برای آزمودن کارآیی شبکههای عصبی نزدیک به ۱۰۰ بار سریعتر از تراشههای الکترونیکی پیشرفته امروزی است. این شرکت تا به امروز موفق شده چندین میلیون دلار سرمایه را به خود جلب کند و بیش از ۲۰ کارمند دارد که شماری از آنها از مراکز تحقیقاتی نظیر کلمبیا، جورجیاتِک و برکلی به این شرکت پیوستهاند و از میان آنها میتوان به دکتر Gilbert Hendry اشاره کرد که سمتهای مختلفی در شرکتهای گوگل و مایکروسافت داشته است
یکی از تحلیلگران مؤسسه VLSI Research که نوآوریهای حوزه طراحی تراشهها را بررسی میکند، معتقد است که تمایل به تراشههای نوری جدید روبه افزایش است که این مدیون گامهایی است که برای طراحی و تولید دستگاههای مورد استفاده در شبکهها برداشته شده است. از سوی دیگر، ساخت تراشههای نوری به نسبت سادهتر است و ارزان تمام میشود و این نکته مهم باعث میشود که شرکتهای نوپا با رغبت بیشتری روی طراحی و توسعه چنین تراشههایی کار کنند. با این حال، شرکتهایی نظیر Lightelligence با چالشهایی مواجه هستند. به عقیده مدیر استارتآپ OURS Technology حتی اگر چنین تراشهای آنطور که ادعا میشود کار کند، تولید انبوه آن دشوار است. بستهبندی و آزمودن تراشهای با طراحی کاملا جدید چالش بزرگی است، بهویژه اینکه ابزارهای مناسبی برای طراحی نرمافزار چنین تراشههای نوری موجود نیست ( که این خود میتواند برای استارتآپهای دیگر محرکی باشد تا روی توسعه چنین نرمافزارهایی کار کنند و این خلأ را بپوشانند). به عقیده او اگرچه نور ویژگیهای جذابی برای استفاده در رایانش دارد، اما مدارهای الکترونیکی را که لازم است از آنها در کنار اجزا نوری در تراشه استفاده شود نظیر راهاندازهای لیزر، مدارهای گیرنده فوتون و مدولاتورهای الکترونیکی روند طراحی را پیچیده میکنند.
علی پرتویی، یکی از بنیانگذاران شرکت نِروانا، (استارتآپی که روی تراشههای عصبی کار میکرد و بعدها توسط شرکت اینتل خریداری شد) علاقهمند به سرمایهگذاری روی تراشههای نوری است. او که در کنار سرمایهگذارانی نظیر اوبر و مایکروسافت روی شرکتی تازه تأسیس به نام Luminous Computing سرمایهگذاری کرده است میگوید: «من همیشه سرمایهگذاری روی گروههای جوان و خلاق را به سرمایهگذاری در شرکتهای بزرگ و تثبیت شده ترجیح میدهم. چنین سرمایهگذاریهایی بسیار پرخطرند، اما ارزشاش را دارند. چون اگر فرصت را از دست بدهیم و چنین رقابتی به سرانجام برسد، دیگر برای سرمایهگذاری خیلی دیر شده است.