مشخص است که دستاوردهایی که در حوزه هوش مصنوعی به دست آمده، توانایی استفاده در حوزه بلاک چین و ارزهای دیجیتالی را دارا هستند. دستاوردهایی نظیر رباتها و دستیاران رایانهای هوشمند از جمله آنها هستند. استفاده از رباتها و چنین دستیارانی میتواند در حل باگهای موجود در زمینه قراردادهای هوشمند، بازرسی دوباره آنها و حتی اصلاح، کمکهای شایانی را انجام دهد.
اگر به دنبال فهم درستی از چگونگی عملکرد، یادگیری و دانش افزایی هوشهای مصنوعی هستید، ابتدا باید به درک درستی از شبکهی عصبی مصنوعی برسید. این موضوع بهروزترین حوزه در ارتباط با یادگیری دستگاههاست.
شبکههای عصبی و الگوریتمهای پردازش زبانهای طبیعی، این امکان را به ماشینها (دستگاهها) میدهند تا درست به مانند انسانها مسائل مختلفی را یاد بگیرند. این گونه یادگیری با الهام از شبکه عصبی در انسانها و امواج الکتریکی که میان محرک، پردازش و خروجی رد و بدل میشود، ایجاد شده است. در انسانها محرک میتواند تصویری باشد که ما در چشممان میبینیم یا عصبی باشد که در دستمان قرار دارد و خروجی نیز واکنشمان به نور، لمس یا احساس گرما خواهد بود. بهعبارتدیگر شبکههای عصبی دیدگاهی اکتشافی را وارد مبحث یادگیری ماشینها کردهاند. در واقع در این روش شکست نوعی ابزار برای رسیدن به یادگیری مطرح میشود.
هدف اصلی شبکههای عصبی بخشیدن قدرتی به ماشینهاست تا به مانند انسان بتوانند بهوسیله آزمونوخطا، قدرت یادگیری و منطق کسب نمایند.
شبکههای عصبی چندلایه (MLP)
در شبکههای MPL، یا پرسپترون های چندلایه (Multilayer perceptron)، نودها به شکلی که در پایین آورده شده، با تمام نودهای دیگر ارتباط برقرار میکنند، این کار تا زمان ادامه خواهد یافت که شبکه بهصورت کامل به هم متصل شود. به عنوان مثال، از جمله نرمافزارهای پرسپترون چندلایه پردازش زبانهای طبیعی میتوان به برنامههایی اشاره کرد که ترجمههای ماشینی انجام داده یا صداهای مختلف را شناسایی میکنند.
شبکههای عصبی پیچشی (CNN)
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
لایههای همگشتی (کانولوشن) از یک عملکرد همگشت برای وارد کردن نتایج بهدست آمده به لایه بعدی استفاده میکنند. از همین رو در برنامههایی نظیر برنامههای مترجم یا رباتها، نتایج بسیار قابل قبولی را از خود به نمایش میگذارند.
شبکهای عصبی LSTM
به عبارت ساده، شبکههای LSTM، از سلولهایی وابسته استفاده میکنند که بسته به شرایط میتوانند به صورت حافظههای کوتاه یا بلند مدت مورد استفاده قرار گیرند. خروجی چنین شبکههایی نیز وابسته به نوع این سلولهاست. در مواردی که دادههای ورودی ترتیبی تاریخی دارند، استفاده از LSTM میتواند بسیار کار آمد باشد.
دستیارهای مجازی (Assistants) چه چیزهایی هستند؟
حال که از انواع پروسههای یادگیری و کاربردهای آنها مطلع شدید، باید به سراغ اصل مطلب برویم.
معمولاً هرگاه از دستیار صحبت میشود، ناخودآگاه ذهن ما به سمت مراحل نصبی میرفت که در دهه نود میلادی و کمی بعدتر از آنها استفاده میشود. مراحلی که کمکهای شایانی را به کاربران برای نصب یک نرمافزار میکرد. اصلاً آنها را به یاد دارید؟ مشخصاً آنها را به یاد دارید. امروزه از آن مراحل با عنوان رابطهای کاربری یاد میشود. تنها فرق نمونههای امروزی آنها این است که، امروز انواع مختلفی از دستیارها در محصولات مختلفی که به دستمان میرسد، وجود دارند. نمونه بسیار عینی آنها را میتوان در شبکههای اجتماعیای نظیر تلگرام مشاهده نمود که از رباتهای ارتباطی استفاده میکنند.
انواع دستیار
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
چهار دسته بندی مهم برای دستیارها وجود دارد که بسته به نوع هوش مصنوعی به کار رفته، قدرت منحصربهفردی را به کاربر برای ارتباط میدهند.
بسته به نوع دستیار، احتمال کم یا زیادی وجود دارد که هوش مصنوعی تصمیمی نامناسب را اتخاذ کند. در اینجا منظور از تصمیم نامناسب، عملی است که با هدف کاربر در تضاد باشد. همانطور که پیشتر مشاهده کردیم، قدرت پیش بینی یک ماشین نیز بسته به الگوریتمهای ماشین و نوع دادههای کسب شده متفاوت خواهد بود. قبل از اینکه به شرح انواع دستیارها بپردازیم باید ذکر کنیم که درک و فهم درستی از نقاط قوت و ضعف دستیارانی که بر پایه هوش مصنوعی کار میکنند، ضروری است.
اولین مشکلی که در ارتباط با دستیاران مجازی با آنها مواجه میشویم آن است که قطعیت پیش بینیهای آنها صد در صد نیست و یک هوش مصنوعی بنا بر طرح ریزیهای انجامشده و منطقی که در آن به کار رفته است، تلاش میکند تا بهترین نتیجه را برای کاربر به ارمغان بیاورد. بهعبارتدیگر، هدف یک هوش مصنوعی بسته به عملکرد آن متفاوت خواهد بود. گرچه، استفاده از مشوقهای مناسب و مکانیزمهای بازی گونه برای موفقیت هر هوش مصنوعیای لازم است.
مشکل دوم در میان، آن است که توسعهدهنده هیچگاه نمیتواند، نقاط اتکای کافی برای جلوگیری از اشتباهات کاربران نا وارد را ایجاد کند. چراکه متخصصین از علم کافی بهرهمند هستند، این یعنی یک هوش مصنوعی میتواند فراتر از فهم انسان پا گذارد و این در حالی است که ممکن است سازنده آن از درک کافی برای فهم اهداف و منطق آن برخوردار نباشد.
حال که با این مشکلات آشنا شدید، زمان آن رسیده که به انواع مختلفی از دستیارها بپردازیم:
1- اوراکلها (واسطههای فضای مجازی و حقیقی): سیستمهای پرسش و پاسخ (تنها قادر به خوانش اطلاعاتند)
اوراکل ها (Oracles) را میتوان رابط میان کاربر و ماشین دانست. معمولاً یک اوراکل پاسخها و دستورالعملهای لازم را در ارتباط با سؤال یک کاربر در مورد یک برنامه خاص فراهم میکند.
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
اوراکل ها میتوانند محدود به یک دامنه خاص باشند، یعنی هر پاسخ دارای یک منشأ ریاضی باشد. اوراکلهایی نیز وجود دارند که دارای خروجیهای محدودی هستند. این نوع از اوراکل ها، تنها قادرند تا جوابهایی در محدوده: «بله، خیر، نامشخص» ارائه نمایند. در پایان نیز اوراکلهایی هستند که میتوانند حاشیه امنیتی را در ارتباط با پاسخ ایجاد نمایند و جوابی به سؤال مطرحشده نداشته باشند. رباتهای تلگرامی را میتوان از این دسته اوراکل ها دانست. چرا که در این رباتها کاربران میتوانند با درخواست اطلاعاتی در ارتباط با موضوعی خاص، با گروهی مشخص تبادل اطلاعات داشته باشند.
2- جینیها: سیستمهای اجرای دستور (قابلیت خوانش و ویرایش)
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟جینیها (Genies) دومین لایه از ابزارها و دستیارها هستند. این گونه از دستیارها دارای درجهای خاص از درک اطلاعات توسط کاربراناند. معمولاً این سیستمها بر اساس منطق کاربر، اعمال خاصی را انجام میدهند که میتوانند بر اساس زبانی طبیعی باشد. ازجمله آنها بازهم میتوان به رباتهای تلگرام اشاره نمود. در بیشتر موارد، برقراری ارتباط با جینی به صورت دستور یا پرسش و پاسخ صورت میگیرد و سیستم بر اساس خروجی موردنظر کاربر، عملی را اجرا خواهد کرد. در یک جینی امکان ایجاد قابلیت تخریب امن نیز وجود دارد که موجب میشود تا خروجیهای نا مناسب در سیستم رخ ندهند. با این حال چنین سیستمهایی در معرض خطاهای انسانی قرار دارند از همین رو نسبت به اوراکل ها آزادی عملی بیشتر در اختیار کاربر است.
3- سوورین (Sovereigns): عملیاتهایی مستقل و آزاد (با اهدافی شناختهشده و ناشناس)
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
از آن جهت که این سیستمها با دستورالعملهای محدودی ساختهشدهاند تا به هدفی مشخص دست یابند، سوورین ها را میتوان معمولاً به تکنیکهای زبان طبیعی مرتبط دانست. این هوش مصنوعی میبایست به وسیله مدلهایی مانند مونتکارلو اطلاعات را یاد گیرد و به وسیله آزمونوخطا، پر بازدهترین راه را برگزیند.
4- ابزارهای هوشمند مصنوعی: سیستمی که برای نمایش رفتاری هدف محور ساخته نشده
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
این قبیل ابزارها به منظور پروسههای آزاد اطلاعات ساختهشدهاند. ساخت یک ابزار هوش مصنوعی به این منظور صورت میگیرد که بدون نیاز به استفاده کنندهای مشخص، رفتارهایی از روی سازوکار نمایش دهد. این مسئله میتواند در کادرهای جستجو موجب نمایش نتایجی اشتباه شود. این ابزارها به کاربران این امکان را میدهند تا با تعیین پارامترها و زمینه موردنظر، اقدام به جستجو نمایند. این روش در کسبوکارهایی مانند گوگل، بیگ کوئری یا IBM استفادهشده است.
اهمیت تصویرسازی از اطلاعات
حالا که با بسترهای شبکههای عصبی و اهداف آنها آشنا شدید و تفاوتهای میان انواع مختلف دستیارهای مجازی را فهمیدید، باید بدانید که جای چه چیزی در بحث ما خالی است.
اگر جواب شما، تصویرسازی از اطلاعات بوده، باید بگوییم که کاملاً درست حدس زدهاید.
آیا هوش مصنوعی میتواند به همهگیر شدن ارزهای دیجیتال کمک کند؟
آخرین نقطه میان کاربر و هوش مصنوعی، نوع نمایش اطلاعات است. با اضافه کردن المانهای تصویری مانند عکسها، نمودارها و جداول، فهم اطلاعات توسط انسانها بهمراتب آسانتر خواهد شد. از همین رو استفاده از دادههای تصویری در ابزارهای مبتنی بر هوش مصنوعی و استفاده از رباتهایی مانند سیستمهای NLP بسیار مهم است. چنین راهی، سریعترین و کارآمدترین روش برای انتقال اطلاعات از یک ماشین به یک انسان است.
پلتفرمهایی مانند بلاک چین، DappRadar، Ethplorer و Coin360 در بحث استفاده از دادههای تصویرسازی شده، به موفقیتهای بسیاری دست یافتهاند. این قبیل از اطلاعات بیشتر از زمینه ارزهای دیجیتالی و بازار آنها کاربرد دارد. با وجود این، به عقیده من استفاده از گزینههای بیشتر ضروری است. درصورتیکه از دادههای تصویری بر روی سیستمهای نظیر سوورین ها و اوراکل ها بیشتر استفاده شود، میتوان اطلاعات بهمراتب پیچیدهتری را برای کاربران مهیا نمود.
در حال حاضر پروژههای زیادی در ارتباط با بلاک چین وجود دارند که میتوان از هوش مصنوعی در آنها استفاده نمود

با توجه به سوءاستفاده از اطلاعات هویتی و سیم کارت هایی که بدون آگاهی افراد به نامشان ثبت شده، باید با مراجعه به سامانه استعلام تعداد سرویس های مشترکین اپراتورهای مخابراتی نسبت به قطع آن اقدام کنید.

بازاریابی ایمیلی یکی از اشکال بازاریابی الکترونیکی است که به آن هدف قرار دادنِ مشتری بالقوه از طریق پست الکترونیکی نیز گفته میشود.
بازاریابی از گذشتههای دور معنا و مفهوم خود را در میان مردم ثابت کرده است و با رشد و گسترش فناوری نیز توانسته خود را در قالب این دنیای پررمز و راز به اثبات برساند و حتی میتوان گفت، توانسته انواع و اقسام مختلفی از روش ها را برای افراد و یا بنگاه ها عرضه کند. یکی از این روش ها ایمیل مارکتینگ یا بازاریابی ایمیلی است. ایمیل مارکتینگ یا بازاریابی ایمیلی به هر نوع بازاریابی اطلاق میشود که از طریق ایمیل انجام گردد، به بیان ساده تر شما میتوانید در این روش از طریق ارسال ایمیل کار خودتان را ارائه و در ضمن افراد را دعوت به کار و خود را از زوایای مختلف توضیح دهید.
باید بدانید؛ ایمیلی که به شکل emarketing معرفی شده است، میتواند شامل یک نامه برای فروش محصول، یک نامه برای توضیح پشتیبانی و ارائه خدمات به مشتری و یا توضیح کار یا دعوت به کار باشد. در دنیای امروز که همه افراد از اینترنت برای همه کارها استفاده میکنند، از طریق ایمیل مارکتینگ میتوانید جامعه مشتریان گسترده تری داشته باشید و شاید دیگر لازم نباشد تا بازرگانان بنشینند و منتظر بمانند تا مشتریان آنها و سایت و محصولات را در اینترنت جستوجو و سپس به سراغ آنها بیایند بلکه خود شرکت ها، از طریق ارسال ایمیل میتوانند خود و محصولات و خدماتشان را به افراد معرفی و نقاط تماس و ارتباط را معرفی کنند.
حتی میتوانند از این طریق به دنبال نیروی کار بگردند. حسن این روش این است که بسیار سریع، راحت، ارزان و فراگیر است و طی یک فرآیند ساده و کم هزینه میتوانید کل کسب و کار را به افراد زیادی معرفی کنیم. در واقع میتوانیم بازاریابی ایمیلی را یکی از اشکال بازاریابی الکترونیکی حساب کنیم، اما این روش را باید از زوایایی که مشکل به حساب میآیند بررسی کنیم:
چگونه اطمینان حاصل کنیم که پیام به دست مخاطب رسیده است؟
برخورد و پاسخ مخاطب چیست؟
چگونه بین ایمیل مارکتینگ و اسپم تفاوت قایل شویم؟
بررسی مزایا و معایب ایمیل مارکتینگ در مقایسه با سایر روشهای بازاریابی
همانطور که می دانید، بازاریابی ایمیلی به هدف قرار دادنِ مشتری بالقوه یا بالفعل از طریق پست الکترونیکی گفته میشود و اغلب با بهکارگیری داده کاوی (Data Mining) میتوان از بازاریابی ایمیلی برای تحت تاثیر قرار دادن مشتری استفاده کرد، به طور کلی ایمیل مارکتینگ، فرم تکامل یافته و دیجیتالی شیوه سنتی بازاریابی پُستی است.
در ادامه میخواهیم به مزایا و معایب Email Marketing نسبت به دیگر روشهای بازاریابی اشاره کنم:
معایب ایمیل مارکتینگ
تنها نقطه ضعفی که برای بازاریابی ایمیلی میتوان برشمرد، نرخ اسپم ایمیلها توسط کاربران است که به صورت منفی روی نرخ تحویل (Delivery) اثر میگذارد. البته این ضعف، تا حدی با قابلیت Opt-in کردن کاربران به منظور دریافت ایمیل روی موضوعاتی که به آنها علاقه دارند، کمرنگ شده است، اما هنوز تا نقطه ایدهآلی که تنها محتوای مرتبط و مورد علاقه هر گیرنده به Inbox او ارسال شود، خیلی فاصله داریم.
مزایای ایمیل مارکتینگ
بازگشت سرمایه (ROI):
به زبان ساده ROI یعنی چه مقدار پول به ازای هر ریالی که یک شرکت خرج میکند به جیب آن شرکت باز میگردد. بازگشت سرمایهی ایمیل مارکتینگ را میتوان به طور دقیق محاسبه کرد و ثابت شده است اگر بازاریابی ایمیلی به درستی انجام شود، این بازگشت سرمایه بسیار بالا خواهد بود. در سالهای اخیر Email Marketing به عنوان مؤثرترین تاکتیک بازاریابی آنلاین شناخته شده است.
مقایسه بازگشت سرمایه ایمیل مارکتینگ با انواع بازاریابی
ارزان و سریع: ایمیل مارکتینگ به طور قابل توجهی نسبت به روشهای دیگر بازاریابی ارزانتر و سریعتر است. در سادهترین حالتِ ایمیل مارکتینگ، به یک لیست و یک آدرس ایمیل نیاز است.
انعطاف پذیری: همانطور که پیشتر هم گفتیم، ایمیل مارکتینگ هیچ محدودیتی ندارد. هر نوع محتوایی را میتوان از طریق ایمیل ارسال کرد: متن، عکس، ویدئو، فایل و لینک. شما هر نوع زنگ، سوت و علامت خطری که بخواهید را میتوانید ضمیمه ایمیل کرده و کمپین Email Marketing خود را اجرا کنید.
رفتار مصرف کننده: با پیشرفت تکنولوژی، فراهم کنندگان سرویسهای ایمیل (ESPs) به راحتی میتوانند اطلاعاتی در مورد رفتار گیرندهی ایمیل به فرستنده بدهند. در نتیجه، سازمانها و شرکتهایی که در حجم بالا Email Marketing انجام میدهند میتوانند با خرید این سرویسها از رفتار حجم کثیری از مصرفکنندگان نسبت به بازاریابی ایمیلی خود مطلع شده و از آن بهره گیرند.
هدفگیری مستقیم: بازاریابان ایمیلی این امکان را دارند که پیغام هدفگیری شده و حتی پیامهای شخصیسازی شده برای افراد مختلف بفرستند. به عنوان مثال اگر خانمی از یک برند کفش در گذشته خرید کرده باشد، بازاریاب با توجه به اینکه از علاقه آن خانم به آن برند کفش مطلع است، میتواند یک ایمیل حاوی بن خرید برای او بفرستد. این در حالی است که بیشتر کانالهای بازاریابی، به صورت مکرر محتوای تبلیغاتی خود را به جامعهای ارائه میکنند که درصد بالایی از آنها، هیچ علاقهای به محصول پیشنهادی ندارند.
بستر آزمایش محتوا: از Email Marketing میتوان به عنوان یک روش مقرونبهصرفه برای تست محتواهای مختلف استفاده کرد و از دادهی تست شده از طریق ایمیل مارکتینگ در کانالهای دیگر بازاریابی بهره برد.
ضرورت: این که برای ثبت نام و وارد شدن به هر شبکه اجتماعی به یک آدرس ایمیل نیاز است این حقیقت را در ذهن شما نمایان نمیسازد که حتی در همین لحظه هم به ازای هر فرد حداقل یک آدرس ایمیل وجود دارد! مردم حتی در شلوغترین روزها که وقت سر زدن به شبکههای اجتماعی خود را هم ندارند ایمیل خود را چک میکنند، پس میتوان گفت ایمیل مارکتینگ از بازاریابی شبکههای اجتماعی هم میتواند مؤثرتر باشد، البته به شرط استفاده صحیح!
ارتباط موضوعی: قابلیت Opt-In کردن ایمیل (کاربران با مشترک شدن یا Subscribe در یک سرویس انتخاب میکنند که روی موضوعات مورد علاقه خود ایمیل دریافت کنند) به بازاریابان ایمیلی این امکان را داده است که پیغام مرتبط، شخصیسازی شده به کاربران علاقمند به یک موضوع بفرستند.