Hogyan kereshető a lehető világok legjobbika?

2016. január 25. 10:49
A múlt héten derült ki a Google súlyos összegeket fizetett az Apple-nek, hogy az iOS eszközein az ő keresője legyen az alapbeállításban. Keresni kell, vannak alternatív változatok is, mint a Bing, Yahoo!, és feljövőben van a DucDuckGo is, de a legtöbben mégis a Facebook Graph Search-öt használják meglepő módon.

A Facebook Graph Search  2013-ban indult, de az internetezők egy kis hányada használja ezt az új közösségi média alapú keresést a hétköznapokban. Gyakorlatilag, a szokásos ironikus mémgyártáson kívül még nem sokat sikerült vele bizonyítaniuk más keresők felé (a Google mindent visz az egyszeri felhasználónál még ma is, ha nem Facebookon él kizárólag), mindenki kissé kételkedve és gyanúsan vizsgálja a jelenséget. Pedig több figyelmet érdemelne, mert komolyabb dolgokra is lehet használni a Mark Zuckerberg keresőjét és annak jövőbeni felhasználásának a lehetőségeit. Aki viszont rögvest profitált a jelenségből, az a WolframAlpha, hiszen piacra dobta a Facebook profilok alapos és meghökkentően részletes feltárását. Ha valaki használta már a tudományos keresőt, az nem fog csodálkozni az eredményen. Egy többoldalas, és hosszú és szinte zsigerekbe menően részletes Facebook személyiség köszön vissza önmagunkról benne. A legtöbben első olvasatra ezen meg is lepődnek, a legjobb részek pedig a mellékelt grafikonokban rejlenek, melyek a közösségi hálóban betöltött szerepünkről árulkodnak. Kissé szárazan, ahogy a tudományos értekezésekből megszoktuk, de megkapjuk a magunkét, hiszen a virtuális világban mindenki hazudik egy kicsinyég, igaz intelligensen teszi azt. De ahhoz a kényelemhez, amire rászoktattak minket a Facebookon a Graph Search bőven elég, hiszen nem is kell már kimozdulnunk erről a felületről, jön a Fácse saját böngészője és nemsokára hozzánk is az Instant Articles megoldása.

 
Ezért is a kedvence a jövő pszichológus hallgatóinak a nagy közösségi háló, hiszen egy új és közös nyelv megteremtésének az ígéretét hordozza magában. Valójában a közösségi médiában való keresésnek szemantikus alapon kellene állnia. Erre eddig is voltak kezdeményezések már a Google-nél, de valljuk be vegytisztán csak a Graph Search próbálja megvalósítani azt. A jelenlegi keresések ugyanis szintetikus elemzés alapján történnek, vagyis kulcsszavak és több száz paraméter alapján logikai műveletek elvégzésével. De tegyük fel mi történik akkor, ha megtanítunk szemantikus módszerekkel „gondolkodni” egy keresőt? Az algoritmus nem az egymás után következő kulcsszavak alapján, hanem az indexben megadott kontextus alapján próbálja meg értelmezni a szöveget és magát a keresést. Az adatbázis így maga már több milliónyi „entitást” ismer, melyek lehetnek emberek, tárgyak, helyek stb.. Ha belegondolunk a Facebook éppen erre tett egy úttörő kísérletet, a benne felhalmozott adatbázis gyakorlatilag az iterációk analógiáját használja fel, hiszen a hasonlóságokra épít, mintákat vételez tulajdonképpen a benne élő egyedekről, azok virtuális szokásairól és viselkedéseiről (elég sokan lettek már ehhez az emberkísérlethez, mint tudjuk 1 milliárdan). Adott tehát egy élő organizmus, ami nem más, mint a folyamatosan bővülő és burjánzó közösségi háló, melyben valljuk be, más módszerrel eleve halálra lenne ítélve bármiféle „analóg” keresési metódus. Az pedig ténynek vehető, ha egy evolúciós modellnek tekintjük  magát a közösségi médiát, hogy egy megfelelő nagyságú populáció elérése után maga kényszeríti ki ezt a keresési metódust a rendszer. De mire is lehet használni ezt majd a jövőben? Hiszen jelenleg a közös ismerőseink alapján feltérképezhető minták gyakorlati haszna nem sok értelmet mutat. A megoldás, ami elsőre valószínűleg eretnekségnek tűnik, az üzleti intelligencia rendszerekben való felhasználás lehetősége.
 
 
De mi is az az üzleti intelligencia (Business Intelligence)? Nem más, mint olyan technológiák és alkalmazások összessége, amelyek adatok összegyűjtésével, hozzáférhetőségével és elemzésével foglalkozik, elősegítve ezzel a helyes vállalati döntéshozatalt, hangzik a sztenderd válasz egy „staff meetingen”. Évek óta vesszőparipája ez a cégvezetőknek, a legtöbb esetben az a „buzzword”, amiről gyakorlatilag nem is tudják, hogy mit is jelent valójában. A másik trendi szlogen, pedig az, hogy intelligens üzlet nem működhet üzleti intelligencia nélkül. Láthatjuk valójában egy tautológiával állunk szemben, ugyanis a gyakorlatban maguk a döntéshozók információ hegyekkel vannak elárasztva folyton-folyvást, de közben mégis alul informáltnak érezhetik magukat. Nem marad hátra más a jelenlegi bizonytalan gazdasági helyzetben, mint egy biztos szűrőrendszer kialakítása, mellyel a helyes információkat ki tudják válogatni ebből a elképesztő adatmasszából. A gyors és jó (vagyis releváns) adatokkal alátámasztott döntések meghozatala mindig a kívánt cél. Egy dinamikus piacon pedig, az információ minél előbbi megszerzése dönti el a vállalatok sikerét, hiszen csakis így tudnak reagálni a változásokra. Vagyis az adatokhoz való hozzáférés jelenti a siker kulcsát minden esetben. Erről tanúskodik az üzleti intelligencia „feltalálója” is, H. P. Luhn, aki 1958-ban egy olyan világról álmodott, ahol egyre több információt fognak a különböző szervezetek és egyének létrehozni, majd ezeket automatikus és intelligens rendszerek fogják kinyerni és feldolgozni, tárolni, hogy támogassák a szervezetek tevékenységeit.
 

Manapság a nagy gyártók mindegyike rendelkezik (Microsoft, ORACLE, SAP, IBM stb.) egy vállalat meglévő üzleti intelligencia igényét teljes egészében kielégíteni a kívánt integrált szoftvercsomaggal. Ehhez technológiák sorozatát kell mozgósítanunk, hiszen adatbázis-kezelőktől a riportkészítő és elemző, monitoring technológiákig szinte minden kurrens szoftver megoldást bele kell valahogy préselnünk, ha tényleg használható információkat szeretnénk kinyerni cégünk számára a megfelelően profitorientált döntések meghozásához. Válogathatunk a kihelyezett üzleti intelligencia modellek közül, vagy a dobozos „konyhakész” rendszerekből, és a manapság trendi nyílt forráskódú (open source) illetve az önkiszolgáló (self service) megoldások közül is. Bármennyire is szeretnénk magához a fogalomhoz közelíteni, amit a BI jelentene, elveszünk az adattárházak, üzleti tervezők, monitorozók, valamint az adatvizualizációs és az adatbányászat dzsungeleiben. Gyakorlatilag mára minden manapság adatnak minősülő rendszer, technológia és fogalom belefér az üzleti intelligencia gyűjtőfogalmába.
 
 
Visszatérve a Facebook Graph Search és a szemantikus alapú keresési rendszerekhez, automatikusan felvetődik az a kérdés, miért nem használhatjuk a közösségi médiára épülő kereső rendszereket a BI ingoványos és kissé nehézkes megoldásainak a kiváltására. Hiszen eme virtuális világban is nap, mint nap hatalmas információ mennyiség cserél gazdát, melyet valamilyen módszer szerint szűrni kell, előre emészteni a közönsége számára. A közösségi médiás napi kötelező önmenedzselés pedig ugyanolyan marketing akciónak tekinthető, mint egy átlagos termék eladása az üzleti világban, igaz ez húsból és vérből építkezik, de hasonlóképpen rendelkezik szavatossági idővel is.
 

Elég nagy közhely, hogy a közösségi média felületein, a világméretű „digitális szemétdombon” kell kiguberálnunk a releváns információkat, melyek vagy személyesen érdekelnek, vagy foglalkozásunk végett kenyéradó gazdáink köteleznek minket (mikrostruktúrában gondolkodva minden egyed adathalász). Vannak ugyan személyre szabható adatbányász alkalmazások jócskán a neten, mint a jó öreg RSS olvasók az hőskorból, vagy a StumbleUpon vagy a ScoopIt, Pulse és más közösségi médiás társai (a Twitter, a Facebook, a Diaspora és is idetartoznak megfelelően idomítva). Mégis, ha naponta nem akarunk 24 órát eltölteni a legtöbbször felesleges és félrevezető információk kirostálásával bíbelődve, valamiféle intelligensebb segédeszközre kényszerülünk előbb vagy utóbb, hiszen a legtöbb csupán egy-egy részfeladatra alkalmas. Előbb vagy utóbb ugyanis bele fogunk őrülni a releváns információk gyűjtögetésébe, felhasználni érdemlegesen azokat pedig soha nem fogjuk tudni a megfelelő szerszám nélkül, különösen, ha iparszerűen akarjuk gyakorolni azt.
  

Az egyik lehetséges friss megoldás Finnországból érkezett, ez a
Futureful, ma már Random névre hallgat. Első pillantásra egy információ gyűjtögető mesterséges intelligencia alapú játéknak tűnik, de ha elkezdjük használni kiderül, egy elég komoly szűrőrendszert kapunk a lényes információk hatékony megkaparintására. A Random jelenleg még a bétateszt után iOS változatban érhető el, a hagyományos böngészést próbálja ötvözni a generatív adathalászattal. Az csak hab a tortán, hogy ezt még egy prediktív algoritmussal meg is fejelték a startup fejlesztői. Ha kellőképpen megfelelően beidomítottuk (számunkra releváns adathegyek megemésztésével, felcímkézésével, trendek és minták generálásával és készítésével), akkor már eleve a megfelelő algoritmus gyártja le számunkra a keresést a megadott premisszáink szerint.


Másként fogalmazva tervezhetővé válhat minden ezen alapuló jövőbeli adathalászati és bányászati aktusunk is. Hogy működni fog ez vagy sem, még a jövő zenéje (itt is a megfelelő mennyiségű felhasználó elérése, és a legerősebb algoritmus kifejlődése fog áttörést eredményezni). Mindenesetre a Random megér egy próbát, ha ebben az iparágban utazunk, míg a Facebook Graph Search keresője magára talál és mindent tarol majd, hacsak le nem taszítja majd a trónjáról egyszer valaki. Arról nem is beszélve, ha ez a megközelítés és metódus az üzleti intelligencia megoldásokban is megjelenik. A jövő elkezdődött a lehető világok legjobbikában, csak meg kell azt előbb keresnünk mi is az értelme.
Hozzászóláshoz és a további kommentek megtekintéséhez lépjen be, vagy regisztráljon!

Bejelentkezés