هوش مصنوعی چیست؟
هوش مصنوعی(Artificial Intelligence) به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند.
تجارت الكترونیك یا E-Commerce عبارت است از تكنولوژی های محاسبات و ارتباطات در تجارت بین برخی یا تمام قسمت های یك تجارت و مشتریان آن . تكنیك های هوش مصنوعی بطور گسترده در توسعه سیستم تجارت الكترونیك همچنین استفاده می شوند. حوزه تجارت الكترونیك می تواند دسته بندی شود به تجارت الكترونیك B2C و تجارت الكترونیك B2B . برحسب تكنیك های هوش مصنوعی مرتبط در این حوزه. در این مقاله ما برخی تكنیك های هوش مصنوعی مهم را نشان می دهیم كه در طراحی و توسعه سیستم های تجارت الكترونیك مفید هستند.
هوش مصنوعی در انواع متفاوت تجارت الكترونیك
دیدگاه های هوش مصنوعی در توسعه سیستم‌های تجارت الكترونیك B2B و B2C مفید هستند . تجارت الكترونیك B2B دارای تقریبا 80 درصد اشتراك بازار تجارت الكترونیك مجموع است و B2C بقیه این سهم را از آن خود دارد. اما بیشتر توجه در هوش مصنوعی برای توسعه تجارت بر تبادلات و بازار B2C متمركز شده است.
در تجارت الكترونیك B2C هوش مصنوعی عمدتا استفاده می شود برای محصول و مسائل و امور توصیه ای، مذاكراتی، حراج، حل مسائل زمان بندی دنیای واقعی و افزایش مقیاس پذیری سرورها، تولید پاسخ خودكار و تصمیم گیری روی دسته بندی و قیمت‌گذاری اجناس و غیره.در تجارت الكترونیك B2B هوش مصنوعی عمدتا استفاده می‌شود برای مدیریت زنجیره‌ای تامین و تدارك تكنولوژی‌های هوش مصنوعی یعنی موجودیت‌ها(Ontologies) از هر دو نوع سیستم‌های تجارت الكترونیك استفاده می‌شوند. بخش زیر این جزئیات را شرح می‌دهد.
هوش مصنوعی در مزایدات On-Line
امروزه تقریبا 2000 سایت On-Line حراج در اینترنت وجود دارد. بیشتر مزایدات On-Line مقدار-مشترک هستند(Common-Value) .برای مثال مزایده‌هایی برای ماشین‌ها یا کامپیوترها تکنیک‌های معرف نمایندگی قابل تنظیم عمومی استفاده می‌شوند برای نمایش کاربران در مزایدات مستقیم. این نمایندگان (معرف ها) می توانند تنظیم، مقدار دهی و نظارت از یک رابط On-Line شوند.عموما لعنت و نفرین شخص برنده (Winner’s Curse) اتفاق می افتد اگر یک مزایده کننده دارای خطای مثبت بزرگ در ارزیابی‌اش باشد. اگر یک مشتری بتواند ارزیابی کننده این بخش بطور صحیح باشد بنابراین او می تواند از نفرین و لعن برنده احتراز کند. برای ارزیابی این بخش بطور صحیح تر نیاز دارد به یافتن یا تخمین زدن قیمت بازاری این اقدام چون قیمت بازاری مشتری را قادر می کند به ارزیابی صحیح تر این قلم جنس . کاربر می تواند برای قیمت بهینه یک قلم جنس در مزایده شرکت کند اگر ارزش بازاری قلم جنس را پیشگوئی کند.اطلاعات جمع آوری شده از سایت های مزایده ای متفاوت فراهم کننده اطلاعات مفید در باره مقدار بازاری این قلم است. اما این وظیفه مشکلی برای یک کاربر است یعنی کارکردن با سایت های مزایده ای چندگانه بطور همزمان . دیدگاه های هوش مصنوعی برای کمک به مشتریان استفاده می شوند برای جمع آوری اطلاعات و اهداف پیشگوئی. این دیدگاه ها مبتنی هستند بر تکنولوژی های عامل. آنها یکی کننده تعدادی عوامل مزایده کننده و یک عامل ارشد برای هماهنگ کردن آنها هستند. کارگزارهای مزایده کننده متفاوت واگذار می‌شوند به سایت های مزایده‌ای متفاوت. این کارگزاران (معرف ها) بطور همزمان قیمت‌های یک قلم جنس را در چند سایت مزایده‌ای نظارت کرده و در بین خودشان هماهنگ می‌کنند. با کمک کارگزار ارشد برای رسیدن به یک مقدار تخمین قلم لازمه. در واقعیت یک کاربر تخمین زننده یک قیمت بازاری مبتنی بر اطلاعات قیمتی جمع آوری شده توسط این کارگزاران است.
هوش مصنوعی در تجارت الكترونیك B2C
در این بخش برخی دیدگاه های مهم هوش مصنوعی را نشان می دهیم كه در توسعه سیستم‌های تجارت الكترونیك B2C استفاده می شوند.
هوش مصنوعی در تولید واکنش‌های خودکار، دسته‌بندی و قیمت‌گذاری اجناس
با فراهم کردن پاسخ‌های خودکار نیاز اشخاص ماهر به پاسخ دادن پرس و جوهای مشتریان حذف می‌شود. اگر یک تولید کننده دارای اجناس متفاوت باشد بنابراین او می تواند آنها را دسته بندی و قیمت‌گذاری به روش های متفاوت کند. از قبیل قیمت‌گذاری در هر مقاله ، دسته‌بندی خالص یا ترکیبی و غیره. برای جلب مشتریان بیشتر تولید کننده مجبور است به تصمیم‌گیری با ملاحظه آنکه چه اجناسی را می تواند پیشنهاد کند، چگونه پیشنهاد کند و چگونه این اجناس باید همراه با هم دسته‌بندی شوند و غیره . بسته‌های تلویزیونی ماهواره ای متفاوت بالیست‌گیری‌های قیمتی متفاوت که برای ما قابل دسترس هستنددر بازار مثال‌هایی از این هستند. قیمت گذاری مناسب و تصمیم گیری های دسته بندی حیاتی هستند برای توسعه و افزایش مشتری و نیز افزایش سود(Customer-Based) . مرسوم بر این است که انسان این تصمیم ها را می گیرد . تصمیم گیری خودکار ساده کننده تصمیم‌گیری مشکل ساز انسان است. تکنیک‌های دسته بندی بطور وسیع برای این وظایف استفاده می‌شوند. ارتباطاتی از قبیل زیر کلاس، سوپر کلاس و غیره بین کلاس‌های متفاوت اشیاء در سیستم‌های دسته‌بندی ساختمان استفاده می‌شود. دیدگاه‌های تئوری تصمیم گیری نیز در تصمیم گیری مناسب مفید هستند.
هوش مصنوعی در تجارت الکترونیک B2B
SCM عامل کلیدی برای بازارهای B2B موفق است. در نتیجه کلیدی است برای تجارت الکترونیک B2B . افزایش تجارت الکترونیکی بیشتر اهمیت SCM را روشن کرده است. مانند فرآیندهای مهندسی مجدد شرکتها همانطوری که On-Line حرکت داده می‌شوند. زنجیر تغذیه یک شبکه ورودی‌های تجاری شبه مستقل یا مستقل مسئول فراهم آوری، تولید و فعالیت‌های توزیع است مطابق با یک یا خانواده‌های بیشتر تولیدات مربوطه. یک زنجیر تغذیه جامع تجارت می‌کند برای تسهیم کردن اطلاعات بلادرنگ و بطور چشمگیر کاهش دادن هزینه‌های حامل. این برای تجارت الکترونیک B2B خیلی مهم است. تعدادی دیدگاه برای حل مسئله SCM مبتنی بر هوش مصنوعی قابل دسترس هستند. بیشتر آنها مبتنی بر کارگزار بوده و هر کارگزار مسئول یک یا فعالیت‌های بیشتر SCM است. بیشتر دیدگاه های کارگزاری برای تجارت الکترونیکی متمرکز بر معلومات تبادلاتی، معلومات لازم برای توافق بر قیمت ، تاریخ تحویل، مقدار محصولات و غیره هستند و این دیدگاه ها با این مشکل به عنوان CSP مرکزی برخورد می‌کنند. این بدلیل آن است که امروزه ارتباطات در زنجیره تغذیه ای بین زوج های اعضاء نمی‌باشد بلکه بین تمام اعضای یک زنجیر تغذیه داده شده است. در دیدگاه های CSP مرکزی مسئله SCM روی یک CSP نگاشت می‌شود و یک الگوریتم CSP مناسب برای حل آن استفاده می گردد. برخی دیدگاه‌های مبتنی بر کارگزاران می‌توانند حفظ کنند.معلومات و دانسته‌های آنسوی تبادلات باشد و می تواند دانسته‌های SCM را یکی کند. برخی دیدگاه های مبتنی بر کارگزار برای حل مسئله SCM می‌تواند مدل ساز بشریت یا سازمان‌ها باشد. این مدل‌ها برای اهداف شبیه‌سازی و تحلیل ریسک سود استفاده می شوند. سیستم‌هایی وجود دارند که استفاده کننده کارگزاران برای زیر قراردادها هستند. در سیستم‌های نیمه قرار دادی مختصات زنجیر تغذیه منتقل می‌شود به زنجیر تغذیه مجازی در یک سیستم چند کارگزاری از طریق مذاکرات در میان کارگزاران نرم افزار. تبادلات اطلاعات در سیستم‌های B2B و B2C حیاتی است. موجودیت‌ها برای این استفاده می‌شوند. آنها در بخش بعدی شرح داده می‌شوند.
نتیجه گیری
این مقاله نشان دهنده برخی تکنیک‌های هوش مصنوعی مهم است مه مفید در توسعه سیستم‌های تجارت الکترونیک هستند . ما تکنیک‌های هوش مصنوعی را تقسیم به 3 دسته کرده ایم: موارد استفاده شده در تجارت الکترونیک B2C ، موارد استفاده شده در تجارت الکترونیک B2B ، و موارد استفاده شده در هر دو نوع آنها. مطابق با یک گزارش چاپ شده در Dataquest یک پروژه درآمدی سراسری برای تجارت الکترونیک انتظار می‌رود که 380 میلیارد دلار آمریکا تا سال 2003 باشد. تنها در ایالات متحده این پروژه 147 میلیارد دلار آمریکا است و در اروپا 115 میلیارد دلار آمریکاست. در حال حاضر بیشتر و بیشتر افراد و سازمان‌ها تشخیص دهنده نیاز تکنیک‌های هوش مصنوعی در کاربردهای تجارت الکترونیک هستند. ما امیدواریم که در آینده هوش مصنوعی یک نقش بزرگتری در توسعه سیستم‌های تجارت الکترونیک ایفا نماید. ما انتظار داریم پژوهش و توسعه در استعمال تجارت هوش مصنوعی برای B2B صورت گیرد. تکنیک‌های هوش مصنوعی ترکیبی با XML ، UML و تکنولوژی‌های شی‌گرای دیگر می‌توانند به تکنیک‌های مفید‌تری برای تبادل اطلاعات در تجارت الکترونیک منجر شوند. بقیه نتیجه‌گیری‌ها متمرکز است بر اینکه چگونه کاربردهای هوش مصنوعی آینده برای تجارت الکترونیک بتوانند ارزیابی شوند. یکی از اهداف پایه هوش مصنوعی عبارت است از ساختن سیستم‌هایی که بتوانند تقلید کننده رفتار بشر باشد توسط افزودن اجزاء هوش مصنوعی ، یک سیستم تجارت الکترونیک باید برای کاربرانش طبیعی‌تر رفتار کند. مثلا سیستم‌های توصیه کننده شبیه هر تکنولوژی دیگر هوش مصنوعی نیز باید افزایش دهنده کارایی/کارکرد یک سیستم تجارت الکترونیک باشد. کارایی بر حسب تولید راه‌حل‌های ظریف و معرف منبع سیستمی کمتر است. مثلا تکنیک های Client خبره و راه‌حل‌های مبتنی بر هوش مصنوعی SCM کمک به رسیدن به این هدف می‌کنند. توسعه موجودیت‌های مستقل دامنه ای پیچیده خیلی مهم برای ارتباطات موفق با سیستم‌های تجارت الکترونیک هستند. در نتیجه هر پژوهش هوش مصنوعی که بتواند افزایش دهنده این بعد باشد مفید است. در نتیجه گیری طبیعی بودن ،کارایی و فراهم آوری رابط بهتر برای ابعاد مهم هستند که می توانند در ارزیابی و سنجش کاربردهای هوش مصنوعی برای تجارت الکترونیک استفاده شوند.
منبع: https://favaltd.com
