بازی آزاد

چگونه شغلی که می خواهیم را بدست آوریم؟

امروزه اکثر جوانان مشغول به کارهایی می شوند که دوست ندارند. هرکس لیاقت این را دارد که به کاری بپردازد که از انجام دادن آن لذت می برد. از این رو در ادامه راهکارهایی برای یافتن کار مورد علاقه تان آورده شده است:

یافتن کار مورد علاقه

به این فکر کنید که در چه چیزی خیلی خوب هستید؟

اغلب افراد به کاری که خوب عمل می کنند، علاقمندند. از این رو با توجه به علایق تان به دنبال کار بگردید. دیگر اینکه به سابقه ی کاری تان فکر کنید و ببینید چه چیزی از آن را دوست داشته یا نداشته اید؟

با کسانی صحبت کنید که شغل های متفاوتی داشته اند

قبل از انتخاب شغل باید تحقیقات زیادی انجام دهید. یکی از بهترین تحقیقات این است که از کسانی سوال کنید که قبلا در شغل مورد نظرتان کار کرده اند. اینگونه افراد را می توان در میان افراد فامیل یا اینترنت پیدا کرد.

• ساعات کاری، نقاط قوت و چالش برانگیز کار را بپرسید.
• نظر آنها را درباره ی کاری که می خواهید بکنید جویا شوید.

کارآموزی کنید

مدت زمانی را در جایی مشغول به کار شوید که دوست دارید تا از نزدیک شرایط کار را ببینید و با چشم خود آن را ارزیابی کنید. حتی اگر پولی در ازای آن نگیرید ارزش تجربه ای را دارد که بدست می آورید.

تست شخصیت شناسی بزنید

برای این کار می توانید به روان شناسان یا اینترنت مراجعه کنید. گاهی این تست ها زوایایی از شخصیت تان را نشان می دهند که نمی دانید. مراقب باشید که در این تست ها باید بر اساس آنچه که هستید پاسخ دهید نه آنچه که فکر می کنید باید باشید.

• این تست به شما نشان می دهد که در چه محیط هایی بهتر می توانید کار کنید: محیط های شلوغ یا آرام. مثلا اگر شما برونگرا هستید طبیعتا تمایل تان به بودن در کنار مردم خواهد بود.
• برونگراها از تدریس، فروش، مدیریت هتل، رستوران، کار یا داروسازی لذت می برند.
• درونگراها از کارهایی مانند کارهای اداری، حسابداری، نویسندگی و ویراستاری لذت می برند.

سبک زندگی مناسب خود را بسازید

اگر از رفتن به سفرهای گران قیمت خوش تان می آید باید شغلی را انتخاب کنید که درآمد زیادی داشته باشد و قطعا باید تلاش تان هم راستا با انتظارات تان افزایش یابد.

اگر به فکر ازدواج و فرزند هستید باید کاری را انتخاب کنید که با مشغول شدن به آن از زمانی که باید در اختیار خانواده باشید کم نکند.

یافتن کار

صبور باشید

برای یافتن کاری که مورد علاقه تان است باید صبر و تحمل زیادی داشته باشید و در صورت امکان از دیگران نیز کمک بگیرید.

رزومه ی عالی بنویسید

در رزومه باید تمام توانایی ها و تخصص هایتان نوشته شود. شیوه ی نوشتن یک رزومه ی خوب را می توان از اینترنت و یا هر منبع دیگری دریافت کرد فقط از اعتبار منبع اطمینان حاصل کنید.

در رزومه حتما توانایی هایی که مربوط به شغل مورد نظرتان هست را ذکر کنید.

پوشه ای از کارهای تان آماده کنید

اگر از دستاوردها یا کارهایی که انجام داده اید گزارشاتی را آماده کنید و به هنگام درخواست مصاحبه گر آن را ارائه کنید فردی حرفه ای نشان داده می شوید.

برای مثال اگر شما معلم هستید می توانید پوشه ای از گواهی تاییدیه ای که از محل کار سابق تان دریافت کرده اید، مدارک مربوط به دوره هایی که گذرانده اید، نمونه کار دانش آموزان یا طرح درس تان فراهم کنید.

رزومه تان را پخش کنید

انجمن ها یا وبسایت هایی که مربوط به شغل تان هستند می توانند در یافتن کار مناسب به شما کمک کنند. یکی از معروف ترین وبسایت ها لینکدین است که رزومه تان را در اختیار شرکت های متقاضی می گذارد و در صورت نیاز با شما تماس برقرار می کنند.

روابط تان را گسترش دهید

اکثراً از طریق آشنایی با افراد جدید یا دوستانی که در شرکت ها مشغول به کارند استخدام می شوند. تا می توانید روابط تان را گسترش داده و در حفظ آنها کوشا باشید.

صاحبان کار ترجیح می دهند کسی را استخدام کنند که کارمندان وفادارشان پیشنهاد می کنند.

تا زمانیکه کار جدیدی پیدا نکردید از کارتان استعفا ندهید

دو هفته قبل از اینکه از کار بیرون بیایید به مدیرتان اطلاع دهید تا رابطه تان همچنان حفظ شود. هرگز پل های پشت سرتان را خراب نکنید. چه کسی می داند؟ شاید دوباره به همین کار بازگشتید یا به تاییدیه ی آنها برای تکمیل رزومه تان نیاز داشتید.

واقع بین باشید

ممکن است به کاری علاقه داشته باشید که توانایی انجام دادنش را نداشته باشید. مثلا اگر رویای تان مدیر عامل شدن یک شرکت خاص است باید بدانید طی یک شب به آن نمی رسید اما قدم به قدم با تلاش و کوشش خواهید رسید.

• مدارک مورد نیاز شغل مورد نظرتان چیست؟
• در ابتدا شغل هایی را انتخاب کنید که نهایتا به نقش مورد نظرتان ختم می شوند. مثلا اگر می خواهید در آینده پرستار شوید باید از دستیار دکتر شروع کنید.

مصاحبه ی موفقیت آمیز

تمرین کنید

از یکی از دوستان یا افراد خانواده بخواهید نقش مصاحبه کننده را بازی کند. پاسخ های سوالات را بلند دهید زیرا در آمادگی شما اثرگذار است.

لباس رسمی بپوشید

لباس شما نشان دهنده ی افکار و رفتارتان است. پس برای نشان دادن جدیت تان لباس رسمی بپوشید تا نشان دهید آدم مناسبی برای آن کار هستید.

• لباسی نزدیک به یونیفورم کارمندان شرکت مورد نظر بپوشید.
• اگر شک دارید که چه بپوشید بهتر است پوشیده باشید تا اینکه غیر رسمی ظاهر شوید.

در مورد شرکت تحقیق کنید

تاریخچه، ماموریت ها، وظایف، موسس و هر چه که به شرکت ربط دارد را بیابید تا برای سوال هایی که از شما می پرسند آمادگی بیشتری داشته باشید.

در همه مصاحبه ها شرکت کنید

بهترین منبع دریافت اطلاعات، مصاحبه با یک شرکت است. تا می توانید با شرکت هایی که با رزومه ی شما موافقت و به مصاحبه دعوت می کنند ملاقات کرده و اطلاعات جمع کنید. خیلی جزئیات وجود دارد که شما نمی دانید.

در اتمام مصاحبه تشکر کنید

روز پس از مصاحبه از طریق ایمیل از کسی که با شما مصاحبه کرده تشکر کنید زیرا تاثیر مثبت خوبی بر نظر او می گذارد.

پیشرفت تان ارزیابی کنید

اگر با انجام دادن همه ی این کارها، به شغل مورد نظر دست نیافتید لیستی از اشتباهاتی که کرده اید یادداشت کنید تا بتوانید از آنها درس بگیرید و دوباره تکرار نکنید.

• رزومه تان را بازبینی کرده و اگر اشتباهی دارد رفع کنید.
• در مورد مصاحبه ای که داشته اید با افراد قابل اعتماد صحبت کنید و نصیحت آنها را گوش دهید.

The post appeared first on .

چگونه شغلی که می خواهیم را بدست آوریم؟

مغز چگونه مانع دستیابی انسان به موفقیت می شود؟

گاهی روال دنیا حتی بر وفق مراد افراد با استعداد هم نیست. با اینکه خیلی تلاش می کنند که به نتیجه برسند اما باز هم نمی رسند. مردم دلایل متفاوتی را برای آن می بینند: برخی فکر می کنند قربانی شده اند، برخی ریشه ی مشکل را در نقص مهارت های شان می دانند. اما دانشمندان دلیل دیگری برای آن می شمارند: مغز.

دانشمندی به نام Sebastian Bailey که موسس Mind Gym (باشگاه مغز) در ایالات متحده است در تمام سال های کاریش به این دقت کرده که چگونه ذهن مردم آنها را از موفقیت باز می دارد. او لیسانس روانشناسی و علوم شناختی را از دانشگاه لندن و PhD اش را از دانشگاه بریستول گرفته و یکی از پرفروش ترین کتاب های وال استریت را با عنوان «با متفاوت فکر کردن، دستاوردهای بیشتری داشته باشید» به رشته تحریر درآورده است.

امروزه او مشاور شرکت هایی مانند مایکروسافت و استارباکس است و به آنها در حل مشکلاتی که از این قبیل کمک می کند:

• مدیریت اجرایی
• توسعه ی رهبری و مدیریت
• جنبه ی انسانی تغییر
• ایجاد علاقه در کارمندان
• خدمات مشتری

شرکت Bailey نحوه ی عملکرد کسب و کار را با تغییر فکر و زندگی مردم، متحول می کند. او معتقد است هر کس می تواند شانسش را با تغییر طرز فکرش تغییر دهد. در زیر 5 چالشی که برای مغز تان به وجود می آید به همراه راه حل شان از زبان Bailey توضیح داده می شوند:

1. فکرمی کنید نمی توانید بهتر از این عمل کنید

Bailey:

این موقعیت را تصور کنید. کاری به شما محول می شود که تا به حال آن را انجام نداده اید یا دوست تان شما را وادار به ورزشی می کند که تا به حال تجربه نکرده اید. مغز شما در این حال دو گونه جواب می دهد:

A: کاملا واضح است که من از پس این کار برنمی آیم. من اصلا استعداد این کار را ندارم.

B: باید برای این کار تلاشم را بیشتر کنم. با پشتکار حتما از پس آن برمی آیم.

اگر A را انتخاب کنید واضح است که طرز تفکر شما ثابت است. احتمالا فکر می کنید که همه ی استعدادهای تان به هنگام تولد با شما ایجاد شده اند و هرگز نمی توانید مهارت جدیدی کسب کنید. از نظر شما به افراد موفق موهبت هایی داده شده که به شما داده نشده است.

اگر B را انتخاب کنید طرز تفکر پویایی دارید. احتمالا فکر می کنید که می توانید توانایی های تان را با تمرین و تلاش گسترش دهید. شما متوجه این امر می شوید که افراد موفق با تلاش و صبر زیاد به مقام های بالا می رسند.

2. حافظه یا خاطرات تان شما را فریب می دهند

کدام یک مرگبار تر است؟ کوسه یا اسب؟

اکثر مردم می گویند: کوسه، زیرا همیشه از اخبار شنیده اند که کوسه مرگبار تر است و احتمالا هیچ یک مرگ ناشی از حمله اسب را سراغ ندارند، چون تا به حال نشنیده اند که اسب بتواند انسان را بکشد.

اگر جواب تان اسب بوده باشد، احتمالا دانشی دارید که دیگران از آن بی خبرند. در واقع مرگ و میر های ناشی از اسب دو برابر کوسه است.

این اشتباه به خوبی این حقیقت را توضیح می دهد که ذهن آنچه را که مدام شنیده و به خاطر می آورد را آسان تر می یابد.

مغز انسان برای تصمیم گیری سریع نیاز به میانبر هایی دارد و هر آنچه که برای آن نزدیک تر باشد را در اختیار فرد می گذارد.

مراقب تمایلات و خاطرات مغزتان باشید تا بتوانید در زمان مناسب تصمیم درستی بگیرید.

3. خیلی زود تسلیم می شوید

زمانی که با سختی مواجه می شوید چه می کنید؟ مبارزه یا فرار؟

دونده های ماراتن، سیاست مدار ها و کارآفرینان به هنگام رویارویی با مشکلات یک وجه مشترک دارند: «قدرت خاصی برای مقابله با مشکلات وجود دارد که مردم نام های متفاوتی به آن می دهند: مصمم، سرسخت و… اما کارآفرینان آن را  عزم می نامند».

خانم Angela Duckworth عزم را ویژگی برجسته ی همه ی افراد بسیار موفق می داند. برای پرورش عزم در خود باید ویژگی هایی مانند تعهد به تمام کردن آنچه شروع کرده اید، توانایی برگشتن به مسیر زمانی که با شکست مواجه می شوید و میل به پیشرفت در گذر زمان با پشتکار زیاد را در خود نهادینه کنید.

پس زمانی که خواستید تسلیم شوید به یاد بیاورید که تلاش سخت امروز، موفقیت فردا را به بار می آورد.

4. خیلی به خود آسان می گیرید

آیا همیشه در محل کار تان آرام هستید؟ آیا به شما استرس نیز وارد می شود؟ آیا زیاد کار می کنید یا حوصله تان سر می رود؟

اگر جواب شما مثبت است احتمالا به اندازه ی کافی به شما استرس وارد نمی شود. استرس مفید برای همه لازم است زیرا با تغییر ماهیت عواملی که ممکن است باعث عملکرد ضعیف فرد شوند (مثلا موانع را به عنوان چالش نشان می دهد) و تغییر درک شما از شایستگی های تان (مثلا به جای جمله ی «نمی توانم» بگویید «من می توانم این کار را انجام دهم») می تواند باعث حرکت شما به سمت موفقیت شود.

5. خیلی به خود سخت می گیرید

تصور کنید که شما در آزمون اسخدامی شرکت کرده و قبول شده اید. مصاحبه ی کاری تان نیز عالی پیش رفته است. به منزل می روید و بعد از یک هفته متوجه می شوید که کار را به کس دیگری واگذار کرده اند. واکنش شما چه خواهد بود؟

A: کاملا واضح است که من خیلی خوب نیستم و هرگز شاغل نخواهم شد.

B: باید تلاشم را بیشتر کنم. هیچ دلیلی وجود ندارد که من نتوانم بهتر شوم.

A جوابی است که عموم مردم می دهند و هیچ کمکی به شما نخواهد کرد درحالیکه جواب B مد نظر انسان های موفق است.

جمله ی معروف هملت از این قرار است: «چیزی به نام بد یا خوب وجود ندارد، بلکه ما فکر می کنیم که اتفاقی بد یا خوب است.» افکار بد تان را به خوب تبدیل کنید. شاید آن کار مناسب شما نبوه است. حالا فرصت این برای شما فراهم شده که دنبال کاری بگردید.

متاسفانه مردم زمانی که به مانعی برمی خورند عکس العمل خوبی نشان نمی دهند. به هنگام برخوردن با مشکلات به یک سال بعد فکر کنید. چقدر این اتفاق در یک سال بعد برای شما اهمیت خواهد داشت؟

از فرصت ها برای یادگیری استفاده کنید. هر شکست می تواند درس های زیادی برای شما به ارمغان بیاورد.

The post appeared first on .

مغز چگونه مانع دستیابی انسان به موفقیت می شود؟

مارک زاکربرگ چگونه زیر مجموعه های فیسبوک را می خرد؟

در طی هفته منتهی به تصمیم گیری مارک زاکربرگ مبنی بر خرید 2 میلیارد دلاری شرکت آکیلس وی آر، او از برندان آیریب که آن زمان مدیرعامل کمپانی مورد بحث بود، پیامی نگران کننده دریافت کرد. گوگل هم قصد داشت تا این استارتاپ فعال در حوزه فناوری نوظهور واقعیت مجازی را خریداری کند.

مورد مشابهی در ارتباط با مذاکرات دو هفته ای فیسبوک با واتس اپ صورت پذیرفت، شرکتی که زاکربرگ با مبلغ 19 میلیارد دلار در سال 2014 خریداری کرد. گوگل باز هم با مبلغی بالاتر می خواست واتس اپ را از چنگ زاکربرگ در آورد.

اما پیروز هر دو نبرد فیسبوک بود و در کمتر از چند هفته توانست قراردادها را نهایی کند، پیش از آنکه گوگل بتواند به خود بجنبد.

ماجرای کمپانی زنیمکس مدیا، مالک شرکت های نام آوری نظیر Bethesda Softworks و id Software که آثاری همچون DOOM، فال آو 4 و The Elder Scrolls V: Skyrim را خلق کرده اند، با فیسبوک همچنان ادامه دارد.

زنیمکس مدعی شده که جان کارمک، مدیر ارشد فنی شرکت آکیلس وی آر، از تجهیزات و امکانات زنیمکس برای توسعه فناوری هدست استفاده کرده است. کارمک پیش از آنکه به آکیلس وی آر برود در id Software مشغول به کار بود و به نوعی وی را پدر معنوی سبک تیراندازی اول شخص بازی های ویدیویی می خوانند.

در جریان شکایت های زنیمکس، زاکربرگ بالاخره روز سه شنبه در دادگاه ایالت دالاس حاضر شد و اظهاراتی متفاوت و نادر از اینکه به چه طریقی استارتاپ ها و شرکت های دیگر را خریداری می کند به اشتراک گذاشت.

در ادامه، 4 استراتژی و توصیه مهم زاکربرگ در زمینه خریداری شرکت های بزرگ را که Business Insider از رونوشت اظهارات او طی جلسه دادگاه به دست آورده را مطالعه می کنید:

1. رابطه سازی کن

زاکربرگ هم معتقد است که پیش از یک شریک، باید دوست جدید پیدا کند.

به همین دلیل، وقتی می خواهد یک خرید بزرگ انجام دهد، ابتدا با موسسین و مدیران تصمیم گیرنده شرکت مورد نظر طرح رفاقت می ریزد و با آن ها دوستی برقرار می کند.

اینطور نیست که زاکربرگ امروز تصمیم بگیرد شرکتی را بخرد و همان روز هم به سراغش برود و طرح را نهایی کند. خیر، او از سال ها قبل همه این شرکت ها را زیر نظر می گیرد و به دقت بررسی می کند.

او در رابطه با همین سیاست خود می گوید: «من با آن ها رابطه ایجاد می کنم. حداقل این کار را در رابطه با اینستاگرام و واتس اپ کردم. از سال ها قبل، با موسسین و تصمیم گیرنده های کمپانی مورد نظر ارتباط برقرار می کنم تا زمانی که بحث خرید پیش آمد، آن ها فکر کنند که خب ما با یکدیگر اشتراک فکری بسیاری داریم و می توانیم سریع تر به پیش حرکت کنیم.»

در مورد کمپانی های رقیب قطعا چنین احساسی نیست: «این مسئله از لحاظ رقابتی برای ما بسیار مهم است و دلیل آنکه قرارداد با ما نهایی می شود همین است. به جای آنکه به سراغ رقیبان مان بروند، پیش ما می آیند و اتفاق خوبی هم رقم می خورد به طوری که دیگران آرزو می کنند ای کاش این قرارداد را می توانستند به دست آورند.»

2. اشتراکات را بررسی کن

زاکربرگ می گوید تنها دلیلی که آن ها موفق شدند آکیلس را با مبلغی کمتر از 4 میلیارد دلار (رقمی که ابتدا پیش بینی شده بود) بخرند این بود که نگرشی مشترک بین دو کمپانی شکل گرفت که همه آن را پذیرفتند.

او ادامه می دهد: «مهم ترین مسئله، یکی کردن و ایجاد اشتیاق در مورد نگاه مشترک و جذابیت کنار یکدیگر کار کردن است. یا اینکه آن ها سخت افزار را بسازند و ما تجربه را، اینکه چطور چنین اتفاقی می تواند بهتر از جداگانه کار کردن باشد.»

زاکربرگ ادامه می دهد: «اگر این قرارداد قرار است اتفاق افتد، به این خاطر نیست که ما پول زیادی پیشنهاد می دهیم، اگرچه ما می خواهیم پول منصفانه ای به آن ها به شرکتی بدهیم که بیشتر از مقداری است که آن ها به تنهایی می توانند انجام دهند. بلکه آن ها باید واقعا احساس کنند که این اتفاق سبب کمک کردن به آن ها می شود.»

در حقیقت نگاه مشترک یک فریب نیست، بلکه باید کاملا دو طرفه ایجاد شود: «اضطراب بسیاری در این قراردادها وجود دارد. یعنی، اگر شما قرار است 19 میلیارد دلار یا 2 میلیارد دلار بابت یک شرکت بپردازید، باید همه جوره به آن باور داشته باشید.»

3. بعضی مواقع از تاکتیک ترس استفاده کن

اگرچه زاکربرگ دوست دارد نقاط اشتراک را کنار هم گذاشته و بگوید که ترکیب دو شرکت چه اتفاقات خوبی را می تواند در پی داشته باشد اما او اعتراف می کند که گاهی اوقات استارتاپ های کوچک را از اینکه بخواهند به تنهایی کار را ادامه دهند می ترساند.

او می گوید: «من کمتر این کار را انجام می دهم، اما فکر می کنم اگر در تلاش هستید تا دیگران را راضی کنید که به شما ملحق شوند، کمک کردن به آن ها برای درک مشکلاتی که بدون شما برای شان طی زمان پیشرفت پیش می آید، تاکتیک ارزشمندی است.»

فیسبوک چند سال پیش به اوان اسپیگل پیشنهاد داد تا شرکت اسنپ را 3 میلیارد دلار بفروشد اما اشپیگل رد کرد. مشخص نیست که چنین سیاستی را آیا زاکربرگ در قبال با وی پیش گرفته یا نه.

4. سریع تصمیم بگیر و خرید کن

وقتی که مدیر توسعه جهانی فیسبوک، امین ذوفنون به زاکربرگ اخطار داد که انجام ارزیابی بایسته قانونی بر سر خرید آکیلس طی یک آخر هفته مقداری خطر به همراه دارد، زاکربرگ به او اهمیت زمان را یادآور شد.

موسس فیسبوک می گوید: «وقتی که می خواهید قراردادی را منعقد کنید و شرایط هم بسیار رقابتی شده، اغلب شما زمان زیادی ندارید.»

این خط فکری با شعار قدیمی فیسبوک هم تراز است. همین مسئله باعث شده که آن ها پیروز باشند و رقبای شان نتوانند دست بالا را در چنین معاملاتی به دست آورند.

زاکربرگ می گوید: «برخی از خریدهای بزرگ تری که ما انجام دادیم، مثل اینستاگرام و واتس اپ، که هر کدام بیش از یک میلیارد دلار بودند، ما باید سریع حرکت می کردیم، چون کمپانی ها، چه گوگل، چه اپل و توییتر و هر شرکت دیگری، در تلاش بودند تا با صحبت، شرکت را به خرید راضی کنند.»

او ادامه می دهد: «و گاهی اوقات، اگر شرکتی بداند ما چقدر پیشنهاد داده ایم، آن ها رقم را بالاتر می برند. بنابراین حرکت سریع تر نه تنها شانس ما برای نهایی کردن قرارداد را بیشتر می کند، بلکه جلوی پرداخت مبالغ بیشتری نسبت به پیشنهاد رقبا را هم می گیرد.»

راکبرگ معتقد است به جای بررسی چندین ماهه یک قرارداد، آن ها انعطاف و حرکت سریع را در دستور کار خود قرار داده اند و به این موضوع هم افتخار می کنند.

The post appeared first on .

مارک زاکربرگ چگونه زیر مجموعه های فیسبوک را می خرد؟

ربات ها چگونه خواندن و فکر کردن را یاد می گیرند؟

همیشه درباره ی این صحبت می کنیم که رایانه ها ما را درک می کنند. از گوگل می خواهیم تا نتیجه ی یک جستجو را به ما نمایش داده و یا از دستیار هوشمند کورتانا می خواهیم کاری را برایمان انجام دهد. اما «درک کردن» مفهومی بسیار پیچیده است؛ مخصوصاً زمانی که آن را برای رایانه ها به کار می بریم.

یکی از شاخه های  زبان شناسی محاسباتی که پردازش طبیعی زبان (NLP) نامیده می شود، در حال کار روی این مشکل است. این که رایانه ها چگونه یاد می گیرند که مسائل را «بفهمند». این حوزه در حال حاضر از جذابیت زیادی برخوردار بوده و زمانی که برای اولین بار بدانید چگونه کار می کند، خواهید دید که تقریبا در تمام حوزه های رایانه ای اثر گذار است.

توجه داشته باشید که این مقاله حاوی چند مثال کوچک از واکنش یک رایانه به گفتار است، مثل زمانی که از دستیار هوشمند سیری چیزی می خواهید. تبدیل یک گفتار واضح به فرمتی که توسط رایانه قابل فهم باشد، تشخیص گفتار نامیده می شود. موضوعی که NLP چندان علاقه ای به آن ندارد (حداقل در بحث ما!).

NLP تنها موقع خواندن متن وارد ماجرا می شود. هر دو فرآیند برای بسیاری از اپلیکیشن ها ضروری است، اما باید بدانید که این دو مسئله بسیار متفاوت از هم هستند.

تعریف فهمیدن یا ادراک رایانه ای

قبل از این که بدانیم یک رایانه چگونه به یک زبان طبیعی پاسخ می دهد، نیاز داریم تا تعریف چند چیز را بدانیم. اول از همه، باید تعریف مشخصی از زبان طبیعی داشته باشیم. هر زبانی که به طور رایج توسط مردم استفاده می شود در این دسته قرار می گیرد. زبان هایی چون کلینگون، اسپرانتو و یا زبان های برنامه نویسی جزوی از این دسته نیستند.

شما از زبان طبیعی به هنگام گفتگو با یکی از دوستان تان استفاده می کنید. همچنین ممکن است از آن برای صحبت با دستیار دیجیتال شخصی خود استفاده نمایید. بنابراین منظورمان از واژه ی درک و فهم چیست؟ توضیحش کمی مشکل است. تا به حال فکر کرده اید که منظور از «فهمیدن» یک جمله دقیقا چیست؟

احتمالاً در پاسخ می گویید این بدان معناست که در لحظه، محتوای مشخصی از پیام شنیده شده را در ذهن داشته باشید. اما منظور از «درک» یک مفهوم ممکن است این باشد که می توانید آن مفهوم را برای اعمال دیگر نیز به کار ببرید. تعاریف فرهنگ لغات از این کلمه مبهم هستند و هیچ پاسخ دقیقی برای آن وجود ندارد؛ موضوعی که قرن ها مورد بحث فلاسفه و اندیشمندان مختلف بوده است.

اما برای تعریف ادراک رایانه ای، ما می گوییم فهمیدن و ادراک توانایی استخراج دقیق معانی از یک زبان طبیعی است. به همین منظور یک رایانه نیاز دارد تا عیناً یک جریان گفتاری را پردازش کند، آن جریان را به واحد های معنادار تبدیل کرده و قادر باشد به شکل مفید به این مفاهیم پاسخ دهد.

بدیهی است که این توضیحات کمی برایتان مبهم باشند؛ با این حال بهترین تعریفی است که در این مطلب محدود می توانیم ارائه دهیم. اگر یک رایانه بتواند شبیه به انسان عمل کرده، مفید باشد و بتواند به یک جریان ورودی از زبان های طبیعی پاسخ مناسب دهد، می گوییم این رایانه قادر به درک کردن و فهمیدن است. تعریفی که در ادامه از آن استفاده خواهیم کرد.

یک مشکل پیچیده

فهم زبان های طبیعی در قالب عامیانه و محاوره ای برای یک رایانه بسیار مشکل است. به عنوان مثال باید به سیری جمله ای مشابه «Siri, give me directions to Punch Pizza» را بگویید. این در حالی است که یک فرد عادی این جمله را به صورت «Siri, Punch Pizza route, please» بیان می نماید.

در مثال اول سیری ممکن است کلمات کلیدی مثل «give me directions» را از جمله ی شما جدا کرده و سپس فرمانی را اجرا کند که مربوط به جستجوی عبارت «Punch Pizza» است.

اما در جمله ی دوم سیری اقدام به جدا کردن «route» به عنوان یک کلمه ی کلیدی کرده و پس از آن می داند که «Punch Pizza» جایی است که در واقع می خواهیم به آن برویم و از توجه به کلمه ی «Please» خودداری می کند.

یک هوش مصنوعی ایمیل را تصور کنید که آن ها را خوانده و پس از آن تصمیم می گیرد که آیا ایمیل های دریافتی حاوی محتوای اسپم می شوند یا خیر. یا یکی دیگر از آن ها را در نظر بگیرید که با مانیتور کردن پست های یک شبکه ی اجتماعی میزان علاقه مندی به یک کمپانی خاص را می سنجد.

در همین خصوص نویسنده ی این مطلب، آقای دن آلبرایت می گوید یک بار روی پروژه ای کار می کرده که در آن موظف بودند به یک رایانه آموزش دهند تا نسخه های پزشکی (که دارای انواع مختلف بودند) را خوانده و از آن ها اطلاعات جمع آوری نماید. 

این بدان معنا بود که سیستم می بایست با مخفف ها، ترکیبات عجیب، غلط های املایی گاه و بی گاه و طیف گسترده ای از انواع تفاوت های دیگر در نسخه مواجه شده و آن ها را درک می کرد؛  وظیفه ی بسیار پیچیده ای که گاهاً ممکن است برای یک انسان هم دشوار باشد چه برسد به یک ماشین.

تنظیم یک الگو

در این پروژه ی تیمی آلبرایت موظف بود به رایانه آموزش دهد تا کلمات خاص و روابط بین کلمات را تشخیص دهد. اولین مرحله ی این فرآیند، به شناساندن اطلاعات موجود در هر نسخه به رایانه مربوط می شد. بنابراین آن ها به تفسیر نسخه ها پرداختند.

نتیجه نهایی چیزی نبود جز ایجاد تعداد زیادی نهاده و رابطه. به عنوان مثال جمله ی «Ms. Green’s headache was treated with ibuprofen» فقط بخش کوچکی از این نسخه ها بود. Ms. Green به عنوان یک شخص حقیقی، headache به عنوان یک علامت و نشانه و ibuprofen به عنوان دارو برچسب گذاری شده بودند.

پس از آن Ms. Green به وسیله ی یک رابط به headache مرتبط می شد. در نهایت نیز ibuprofen توسط کلمه ی ارتباطی TREATS به headache متصل شده بود.

آن ها به همین صورت هزاران نسخه را برچسب گذاری کردند. در نهایت نیز کد تشخیص، درمان، علائم، علل اساسی و هر چیزی که فکر می کنید به شاخه ی پزشکی مربوط باشد را نوشتند. دیگر تیم های تفسیر نیز کار کدنویسی اطلاعات دیگر مانند ترکیبات را انجام دادند. در نهایت مجموعه ای کامل از نسخه های پزشکی به وجود آمد که یک هوش مصنوعی قادر به خواندن آن ها بود.

رایانه تنها می تواند ببیند که ایبوپروفن قادر به درمان سردرد است، اما وقتی این اطلاعات را یاد می گیرد قادر است آن را به یک مفهوم معنی دار برای ما تبدیل کند. یک هوش مصنوعی قطعاً می تواند مانند یک انسان این اطلاعات را به ما نشان دهد. اما آیا این مورد شامل درک کردن نیز می شود؟ بار دیگر می گوییم که این یک سوال فلسفی است.

یادگیری واقعی

در این مرحله رایانه به سراغ نسخه ها رفته و تعدادی الگوریتم یادگیری ماشینی را به کار می گیرد. برنامه نویسان روش های مختلفی را برای برچسب گذاری روی بخشی از گفتار، تجزیه و تحلیل روابط و همچنین برچسب زدن نقش های معنایی توسعه می دهند. در اصل هوش مصنوعی «خواندن» یک نسخه را یاد می گیرد.

محققان در نهایت با دادن یک نسخه پزشکی و درخواست برچسب زدن به هر نهاده و رابطه، این سیستم را تست می نمایند. وقتی رایانه عیناً تفسیری که انسان تحویل می دهد را تولید کرد، می توان گفت که حالا این سیستم یاد گرفته که چگونه نسخه های پزشکی را بخواند.

پس از آن از این سیستم برای جمع آوری میزان زیادی آمار و اطلاعات مانند: کدام داروها برای درمان مورد استفاده قرار می گیرند، کدام موارد در درمان مؤثرتر هستند، علل بروز یک سری علائم و غیره استفاده می شود. در پایان این روند، هوش مصنوعی قادر خواهد بود به سوالات پزشکی بر اساس مشاهداتی که از نسخه ها داشته است، پاسخ دهد.

ضمنا یک هوش مصنوعی برای یادگیری این موارد به هیچ وجه وابسته به کتاب های درسی، شرکت های داروسازی و یا درک مستقیم نیست.

یادگیری عمیق

اجازه دهید به مثال دیگری رجوع کنیم. شبکه های عصبی پروژه ی DeepMind گوگل در حال یادگیری خواندن اخبار و مقالات هستند. مانند هوش مصنوعی پزشکی که در بالا دیدید، محققان از این سیستم می خواهند تا اطلاعات مختصر و مفید را از متن های بلند تر استخراج کند.

آموزش هوش مصنوعی در زمینه ی اطلاعات پزشکی به اندازه ی کافی سخت بود. بنابراین حالا می دانید که توانمند سازی یک هوش مصنوعی برای خواندن اخبار و مقالات تا چه اندازه نیاز به تفسیر داده دارد. استخدام آنالیزور و به دست آوردن اطلاعات کافی یقینا فرآیند بسیار وقت گیری بوده و هزینه های گزافی دارد.

بنابراین تیم  DeepMind منابع دیگری چون وبسایت های خبری و به طور دقیق CNN و Daily Mail را به کار می گیرند. اما چرا این سایت ها؟ چون آن ها فهرستی نقطه دار از خلاصه ی مقالاتشان تهیه می کنند که به سادگی از خود مقاله قابل استخراج نیستند. این بدان معناست که هوش مصنوعی به واسطه ی آن چیزی برای یادگیری دارد.

محققان اساساً به هوش مصنوعی می گویند که در این مکان یک مقاله وجود دارد که شامل اطلاعات بسیار مهمی است. پس از آن آن ها از سیستم می خواهند تا همان نوع اطلاعات را بدون فهرست نقطه دار از مقاله ی مورد نظر استخراج نمایند. این سطح از پیچیدگی را می توان با به کارگیری شبکه های عصبی عمیق کنترل کرد که نوعی بسیار پیچیده از سیستم یادگیری ماشینی هستند.

یک هوش مصنوعی با خواندن چه کاری می تواند انجام دهد؟

احتمالا حالا درک خوبی از این که چگونه یک رایانه «خواندن» را فرا می گیرد پیدا کرده اید . شما یک متن حجیم دارید؛ کافیست موارد مهم را به رایانه بگویید و از چند الگوریتم یادگیری ماشینی برای استخراج اطلاعات استفاده کنید. اما با یک هوش مصنوعی که اطلاعات را از متن استخراج می کند چه کارهایی می توان انجام داد؟ با مثال تفسیر نسخه های پزشکی و خواندن اخبار و مقالات که آشنا شدید.

اما کارهای دیگری هم هست، برنامه متن باز P.A.N را برایتان مثال می زنیم. P.A.N می تواند با خواندن اشعار، تشبیهات ادبی را از آن استخراج کرده و به تجزیه و تحلیل آن ها بپردازد. محققان اغلب از یادگیری ماشینی برای تجزیه و تحلیل حجم انبوه داده ها در شبکه های اجتماعی استفاده می کنند. این مورد توسط کمپانی ها برای درک احساسات کاربران، دیدن این که مردم راجع به چه چیزی صحبت می کنند و همچنین یافتن الگوهای مفید برای بازاریابی مورد استفاده قرار می گیرد.

محققان همچنین از یادگیری ماشینی در جهت تحت نظر قرار دادن رفتار ایمیل ها استفاده می نمایند. ارائه دهندگان سرویس ایمیل نیز می توانند از آن برای فیلتر کردن ایمیل های اسپم، انتقال آن ها از صندوق پستی به جایی دیگر و طبقه بندی برخی پیام ها بر اساس الویت استفاده کنند. قابلیت خواندن و ادراک هوش مصنوعی در ساخت چت بات های خدمت رسان نیز بسیار حیاتی است.

در آخر می توان گفت که با بهبود و پیشرفت یادگیری ماشینی، احتمالات نیز به همان میزان افزایش می یابند. در حال حاضر رایانه ها در بازی شطرنج و همچنین بازی های ویدیویی هوشمند تر و بهتر از انسان هستند. به زودی نیز در خواندن و یادگیری بهتر می شوند. آیا این اولین قدم به سوی یک هوش مصنوعی قوی است؟ باید منتظر ماند و دید.

The post appeared first on .

ربات ها چگونه خواندن و فکر کردن را یاد می گیرند؟

چگونه بفهمیم که مرورگر اینترنت چه اطلاعاتی را درباره ما می داند؟

در بازدید از یک وبسایت، مقدار قابل توجهی از اطلاعات شما به طور خودکار و بدون کسب هیچ گونه اجازه ای در آن به اشتراک گذاشته می شود. اگر کنجکاو هستید بدانید که چه اطلاعاتی از شما در این وبسایت ها وجود دارد کافیست با یک کلیک ساده به این مورد دست یابید. تا پایان مقاله با ما همراه باشید.

Webkey

سرویس  (مخفف جمله ی What Every Browser Knows About You به معنای هر آن چه که یک مرورگر درباره ی شما می داند) تمام اطلاعاتی که یک وبسایت به هنگام بازدید شما از آن، درباره تان می داند را به شما نشان می دهد. این اطلاعات که به طور خودکار و بدون کسب مجوز به اشتراک گذاشته می شود شامل موارد زیر است:

• موقعیت مکانی شما به صورت تقریبی
• سیستم عامل نصب شده روی رایانه
• مشخصات سخت افزاری رایانه
• آدرس صفحه ای که در حال بازدید از آن هستید
• شبکه های اجتماعی که در حال حاضر وارد آن ها شده اید (شامل شبکه های اجتماعی چون فیسبوک، گوگل، دراپ باکس، توییتر و آمازون)

Panopticlick

بنیاد (Electronic Frontier Foundation (EFF به عنوان دیده بان حریم خصوصی وبسایتی به نام  ایجاد کرده است. این وبسایت شما را آگاه می سازد که مرورگر اینترنت تان در حال فاش کردن چه اطلاعاتی در مورد شما بوده و ضمنا قادر خواهید بود که میزان امنیت مرورگر را نیز از طریق آن بسنجید.

این وبسایت به شما اجازه می دهد تا بدانید که آیا مرورگرتان Tracker ها را مسدود می کند یا خیر؟ آیا به نرم افزارهای شخص ثالث اجازه می دهد که این تبلیغات و ترکرها را مسدود کنند؟ و این که آیا مرورگر شما را از fingerprinting محافظت می کند؟ در این خصوص بنیاد EFF اصطلاح fingerprinting را این گونه توضیح می دهد:

Browser fingerprinting روشی است برای ردیابی مرورگرهای وب که در عوض استفاده از روش های سنتی مثل آدرس IP و کوکی ها، در آن از تنظیماتی استفاده می شود که مرورگر در اختیار وبسایت ها قرار داده است.

Click

 یکی دیگر از وبسایت های جالبی به شمار می رود که به وسیله ی آن می توانید بفهمید مرورگرتان چه چیزهایی درباره شما می داند. این وبسایت قادر است تمامی حرکات ماوس شما را ردیابی و خارج شدن از یک وبسایت را توسط شما شناسایی کند. این سرویس قابلیت تشخیص زمان دقیق هر گونه حرکت روی صفحه ی نمایش را نیز دارد.

کلیک همچنین طی فرآیندی به شما اعلام می کند که چه مقدار اطلاعات توسط شما به اشتراک گذاشته شده است. تنها کافیست روی گزینه ی Achievements واقع در بالا و سمت راست سایت کلیک کنید. پس از آن می توانید 100 ها مورد در این خصوص را مشاهده نمایید.

ردیابی شدن و تحت نظر بودن اصلا حس خوبی نیست. اما راه هایی وجود دارند که بتوانید با این موضوعات و به خصوص روش Browser fingerprinting مقابله کنید.

بنیاد EFF استفاده از افزونه های مختلف چون  ، یا EFF’s ، استفاده از مرورگر در حالت خصوصی یا مد ناشناس و یا حتی استفاده از یک مرورگر امن مانند  را به کاربران توصیه می کند.

شما از چه روش هایی برای جلوگیری از افشای اطلاعات خود توسط مرورگر استفاده می کنید؟ تجربیات خود را در این خصوص با ما در قسمت نظرات به اشتراک بگذارید.

The post appeared first on .

چگونه بفهمیم که مرورگر اینترنت چه اطلاعاتی را درباره ما می داند؟