معرفی کتاب سیستمهای توصیه گر |‌ مایکل شریگ

مایکل شریگ در کتاب سیستمهای توصیه‌گر (Recommendation Engines) جمله‌ای دارد که آن را بارها تکرار می‌کند: «هر چیزی یک توصیه است.»

درک حرف شریگ دشوار نیست. حتماً شما هم محصولات متعددی را در این سال‌ها بر اساس تبلیغات بنری در وب‌سایت‌ها و اپلیکیشن‌ها و یا بخش «محصولات مرتبط» در فروشگاه‌های آنلاین خریده‌اید. محصولاتی که حتی شاید دنبال‌شان نبوده‌اید. اما به شما پیشنهاد شده‌اند و نهایتاً تصمیم گرفته‌اید آن‌ها را بخرید.

علاوه بر این، کافی است به یکی از شبکه‌های اجتماعی سر بزنید، تا با انبوهی از پیشنهادها روبه‌رو شوید. شبکه‌های اجتماعی در این زمینه جسورتر از قبل هم شده‌اند. پلتفرمی مثل اینستاگرام را در نظر بگیرید. قبلاً پیشنهادها به صفحهٔ‌ اکسپلور محدود بود. اما اکنون پیشنهادهایش را لابه‌لای اکانت‌هایی که دنبال می‌کنید می‌گنجاند. دیگر مواجهه با پیشنهادهای اینستاگرام یک «انتخاب» نیست. بلکه یک «اجبار ناگزیر» است.

سهم پیشنهادها در زندگی ما فراتر از این‌هاست. بسیاری از ما ما فیلم‌ها، خبرها، موزیک، کتابها، پزشک، هتل و حتی دوست و همکارمان را بر اساس «پیشنهادهای الگوریتمی» انتخاب می‌کنیم.

چرا راه دور برویم؟ بسیاری از کسانی که امروز عضو متمم هستند، نخستین بار آن را با پیشنهاد/توصیهٔ گوگل پیدا کرده‌اند. یعنی پس از این‌که عبارتی را جستجو کرده‌اند، به پیشنهاد گوگل به متمم آمده‌اند و مانده‌اند و تا امروز کنار هم هستیم.

همین حضور فراگیر سیستم‌های توصیه‌گر در زندگی فردی و اجتماعی ما انسان‌ها باعث شده انتشارات دانشگاه MIT یکی از کتاب‌های سری دانش پایه (Essential Knowledge) خود را به سیستمهای توصیه گر اختصاص دهد.

این کتاب با عنوان موتورهای توصیه‌گر (Recommendation Engines) و به قلم مایکل شریگ (Michael Schrage) منتشر شده است.

مایکل شریگ کیست؟

شریگ، پژوهشگر ارشد مدرسهٔ کسب‌و‌کار Sloan (وابسته به دانشگاه MIT) است و بیشتر در نقطهٔ‌ تلاقی کسب‌و‌کار، نوآوری، تکنولوژی، و جامعه فکر می‌‌کند و می‌نویسد.

او در دنیای مشاوره مدیریت هم فردی شناخته‌شده و تأثیرگذار است به کسب‌و‌کارها در زمینهٔ اقتصاد رفتاری، تعیین و بازنگری شاخص‌های کلیدی عملکرد (KPI)، مدیریت فرصت‌های نوآوری و طراحی محصولات نوآورانه مشاوره می‌دهد (+). گوگل، مکنزی و متا از جمله مشتریان شریگ هستند (+).

آن‌چه شریگ را از دیگر تحلیل‌گران و مشاوران مدیریت متمایز می‌کند این است که با تکنولوژی و جنبه‌های فنی و فلسفی آن بسیار آشناست و می‌تواند در مرز مدیریت و تکنولوژی قدم بزند. یعنی هم رویکردها و مدل‌های مدیریتی و اهمیت‌شان را می‌داند و هم نقش، جایگاه و تأثیر تکنولوژی‌های جدید (از جمله یادگیری ماشین و هوش مصنوعی) بر دنیای کسب‌و‌کار را درک می‌کند.

او این فرصت را داشته که از آموزش‌های دونالد میچی (Donald Michie)، از شاگردان شناخته‌شدهٔ آلن تورینگ، نیز بهره ببرد و هم‌زمان ضمن آشنایی با مدیران حوزهٔ‌ تکنولوژی، مسیر علمی و آکادمیک این حوزه را هم به‌خوبی می‌شناسد.

مایکل شریگ؛ عکاس: Ramón Areces (منبع)

مخاطب کتاب سیستمهای توصیه گر

این کتاب برای مخاطب عام اما عمیق و علاقه‌مند نوشته شده است. یعنی کسی که نمی‌خواهد یک سیستم توصیه‌گر را طراحی و پیاده‌سازی کند. اما دلش می‌خواهد پاسخ سوال‌های زیر (و موارد مشابه آن‌ها) را بداند:

• سیستم توصیه‌گر چیست و چگونه کار می‌کند؟
• ما در کجای زندگی شخصی و شغلی خود با پیشنهادهای این سیستم‌ها مواجه می‌شویم؟
• آیا همه وب‌سایت‌ها و اپلیکیشن‌ها می‌توانند از سیستم‌های توصیه‌گر استفاده کنند؟
• از چه الگوریتم‌هایی در سیستم‌های توصیه‌گر استفاده می‌شود؟
• برای طراحی یک سیستم توصیه‌گر ساده به چه نوع داده‌هایی نیاز است؟
• آینده سیستم‌های توصیه‌گر چگونه خواهد بود؟

بنابراین اگر صرفاً می‌خواهید با یکی از کاربردهای هوش مصنوعی و علم داده در زندگی روزمره و کسب‌و‌کار آشنا شوید و بهتر بدانید دنیای اطراف‌تان چگونه کار می‌کند، احتمالاً این کتاب برایتان جذاب خواهد بود. هم‌چنین اگر کارآفرین یا مدیر یک کسب‌و‌کار هستید و به‌شکلی با سیستم فروش سر‌و‌کار دارید، با مطالعهٔ این کتاب می‌توانید تشخیص دهید که آیا سیستمهای توصیه‌گر به درد کار شما می‌خورند یا نه. واضح است که برای پیاده‌سازی این سیستمها باید از افراد یا تیم‌های متخصص‌ استفاده کنید. اما لااقل به زبان مشترکی دست پیدا می‌کنید و می‌توانید همکاری بهتری شکل دهید.

در کنار نکاتی که تا این‌جا گفته شد، برخی نکات دیگر هم در مورد سیستمهای توصیه گر در این کتاب گفته شده که چند نمونه از آن‌ها را با هم مرور می‌کنیم. این نکات بیش از آن‌که جنبهٔ‌ فنی داشته باشند، ویژگی‌ها و قابلیت‌های سیستم‌های توصیه‌گر را یادآوری می‌کنند و اگر مدیری قصد داشته باشد چنین سیستم‌هایی را برای کسب‌و‌کار خود به‌کار بگیرد، خوب است به آن‌ها توجه داشته باشد:

دوگانهٔ ارزش و قیمت

ترجمه کتاب موتورهای توصیه گر

کتاب موتورهای توصیه‌گر مایکل شریگ هنوز به فارسی ترجمه نشده است. بنابراین، اگر معیارمان صرفاً کیفیت محتوا باشد، می‌شود آن را در فهرست کتابهای پیشنهادی برای ترجمه قرار داد.

اما این نکته را هم باید گفت که چنین کتابی احتمالاً بازار چندانی ندارد. یعنی بعید است در مقیاس گسترده بتوان آن را فروخت. بنابراین احتمالاً ترجمهٔ آن صرفاً برای ناشرانی جذاب است که یا تعهد خاصی به نشر علم داشته باشند و یا این‌که قصد داشته باشند مجموعه‌ای از آثار مرتبط با هوش مصنوعی، پلتفرمها و علم داده را برای مخاطبان خاص عرضه کرده و برند خود را در این حوزه تثبیت کنند.

چند تذکر دربارهٔ بخش معرفی کتاب متمم

متمم سایت فروش کتاب نیست. و جز کتاب «از کتاب» محمدرضا شعبانعلی - که خود متمم آن را منتشر کرده - صرفاً به معرفی، بررسی و نقد کتاب می‌پردازد.

صِرف معرفی کتاب در متمم لزوماً به معنای تأیید محتوای آن کتاب نیست. پس حتماً متن معرفی را کامل بخوانید. ممکن است نقاط ضعف برخی کتابها پررنگ‌تر از نقاط قوت‌شان باشد. ضمن این که معرفی کتاب در متمم لزوماً به این معنا نیست که آن کتاب جزو منابع تدوین درس‌ها بوده است. جز در مواردی که صریحاً به این نکته اشاره، در باقی موارد صرفاً ممکن است با هدف آشنایی کلی با موضوع یا نویسنده و یا نقد کتاب به آن پرداخته شده باشد.

متمم برای معرفی کتابها هیچ نوع هزینه‌ای دریافت نمی‌کند و صرفاً اهداف آموزشی خود را مد نظر قرار می‌دهد.

دسته‌بندی کتاب های مدیریت

دسته‌بندی کتاب های روانشناسی و توسعه فردی

مطالب، فایل‌ها و کتابهای مربوط به کتابخوانی

پاراگراف فارسی | جملات منتخب کتابها

ترتیبی که متمم برای خواندن مطالب سری علم داده به شما پیشنهاد می‌کند: