دانلود ترجمه مقاله بررسی همگرایی هوش مصنوعی، اینترنت اشیاء، کلان داده و بلاک چین

1. مقدمه 2. DLT 3. بلاک چین و AI 4. بهره گیری از رایانش در مه، AI، بلاک چین و IoT 5. IoT و داده های شخصی در عصر اقتصاد ماشینی 6. کاربرد کلان داده در آموزش 7. کاربرد کلان داده در بهداشت و درمان 8. کاربرد کلان داده در برنامه ریزی شهری 9. نقش کلان داده در بخش کشاورزی 10. کاربرد کلان داده در صنعت 11. کلان داده و ارائه خدمات عمومی 12. چالش های کلان داده 13. ادغام AI، کلان داده و فناوری بلاک چین 14. الزامات امنیتی داده ها در کلان داده 15. کلان داده، AI و رایانش کوانتومی 16. نیازهای مهارتی کلان داده 17. جمع بندی و نتیجه گیری

چکیده – داده ها شریان حیاتی هر کسب و کار هستند. امروزه کلان داده ها تقریباً در هر صنعت کاربرد دارند، از جمله خرده فروشی، بهداشت و درمان، خدمات مالی، دولت، کشاورزی، خدمات مشتریان. هر سازمانی که برای پاسخ گویی به پرسش های آزار دهنده در مورد عملکرد خود بتواند داده ها را همانند سازی کند، می تواند از کلان داده ها بهره مند گردد. در مجموع، تقاضا برای کلان داده در سطح همه بخش ها و فعالیت های تجاری افزایش یافته است. افرادی که در زمینه شناخت کسب و کار مشتریان و مسائل آنها فعالیت می کنند، قادر خواهند بود تا راه حل های کلان داده را متناسب با نیازهای خود فعالانه شناسایی کنند و بدین ترتیب به مزیت رقابتی نسبت به رقبای خود دست یابند. تقاضای کار برای افراد دارای مجموعه مهارت ها در زمینه کلان داده، بویژه در خدمات حرفه ای، علمی و فنی، فناوری اطلاعات، ساخت و تولید، امور مالی و بیمه، و خرده فروشی رو به افزایش است. DevOps بدون فضای ابری بی پایه و اساس است. اینترنت اشیاء (IoT) برای عملکرد کارآمد به فضای ابری نیاز دارد و رایانش برای عملکرد کارآمد فضای ابری لازم می باشد. تا قبل از ظهور کلان داده، هوش مصنوعی (AI) به صورت مدل باقی مانده بود. بلاک چین و فناوری های مرتبط پراکنده، در حال اختلال در بخش فناوری به صورتی که با آن آشنا هستیم، هستند. هم آمیزی فناوری ها اجتناب ناپذیر بوده و اغلب سودمند می باشد، بخصوص در حال حاضر که در انقلاب صنعتی چهارم (رباح، 2017.a) و اقتصاد ماشینی آینده نزدیک (رباح، 2018) پدیدار شده است. علاوه بر این، داده ها در توسعه AI و فراگیری ماشینی، بخش اصلی راهکارها هستند و اکنون در طیف وسیعی از مصارف کاربرد دارند که از معاملات سهام تا چت بات (ربات گفتگو) و خودروهای بدون راننده متغیر هستند. به سختی می توان یک فعالیت تجاری یا انسانی یافت که در سالها و دهه های آینده برای AI یک هدف تلقی نشود.

Data is the lifeblood of any business. Today, big data has applications in just about every industry – retail, healthcare, financial services, government, agriculture, customer service among others. Any organization that can assimilate data to answer nagging questions about their operations can benefit from big data. In overall, the demand for big data transcend across all sectors and business. Those who work to understand their customers’ business and their problems will be able to proactively identify big data solutions appropriate to their needs, and thus gain competitive advantage over their competitors. Job demand for people with big data skill-set is also in the rise especially professional, scientific and technical services; information technology; manufacturing; and finance and insurance; and retail. DevOps is baseless without the cloud. IoT needs cloud to operate efficiently, for computing is required by the cloud operate efficiently. AI remained only as model up until the advent of big data. Blockchain and related distributed ledger technologies are disrupting the technology sector as we know it. The confluence of technologies is just inevitable and often they are beneficial especially today when usher in the 4th industrial revolution (Rabah, 2017a) and the forth coming machine economy (Rabah, 2018). More-so, data is a key ingredient of approaches to developing AI and machine learning, which are now being applied to a wide variety of uses, from stock trading to chatbots to self-driving cars. There is barely a business or human activity today that is not considered as a target for AI in future years and decades.