فناوری و هوش مصنوعی
هوش مصنوعی چگونه دسترسی به محتوای دیجیتال سازمان را ساده‌تر می‌کند؟
بخش زیادی از اطلاعات سازمان‌ها در تصاویر، اسناد، فایل‌های صوتی و ویدئوها قرار دارد. فناوری‌های هوشمند می‌توانند بخشی از این محتوای غیرساخت‌یافته را به اطلاعات قابل جستجو و استفاده تبدیل کنند.
مشکل فقط حجم داده نیست
سازمان‌ها هر روز داده بیشتری تولید می‌کنند، اما افزایش حجم داده الزاماً به معنای افزایش دسترسی به اطلاعات نیست.
یک سازمان ممکن است هزاران تصویر، سند، ویدئو و فایل صوتی داشته باشد، اما زمانی که کاربر به یک اطلاعات مشخص نیاز دارد نتواند آن را به‌سادگی پیدا کند.
بخش مهمی از این مسئله به ماهیت داده‌های غیرساخت‌یافته مربوط می‌شود.
داده غیرساخت‌یافته چیست؟
اطلاعات یک جدول پایگاه داده ساختار مشخصی دارد. برای مثال نام، تاریخ و شماره تماس در ستون‌های مشخص ذخیره می‌شوند.
اما اطلاعات موجود در یک تصویر، فایل صوتی یا سند اسکن‌شده به همین شکل در اختیار نرم‌افزار قرار ندارد.
برای استفاده بهتر از چنین محتواهایی، ابتدا باید بخشی از اطلاعات موجود در آن‌ها استخراج شود.
اینجاست که فناوری‌های هوشمند می‌توانند نقش مهمی داشته باشند.
OCR؛ تبدیل تصویر سند به متن
یک سند اسکن‌شده برای رایانه در ابتدا مجموعه‌ای از پیکسل‌هاست.
OCR تلاش می‌کند متن موجود در این تصویر را شناسایی و استخراج کند. متن استخراج‌شده می‌تواند ذخیره، جستجو یا در مراحل بعدی پردازش شود.
این قابلیت به‌خصوص برای آرشیوهایی که حجم زیادی از اسناد تصویری دارند اهمیت پیدا می‌کند.
بینایی ماشین؛ استخراج اطلاعات از تصویر
تصاویر اطلاعات زیادی در خود دارند که در نام فایل ثبت نشده است.
فناوری‌های بینایی ماشین می‌توانند برای پردازش محتوای تصویری مورد استفاده قرار گیرند. یکی از نمونه‌های آن تشخیص چهره و گروه‌بندی تصاویر دارای چهره‌های مشابه است.
این اطلاعات می‌تواند به سازمان‌دهی بهتر مجموعه‌های تصویری کمک کند.
تبدیل گفتار؛ دسترسی به اطلاعات داخل صوت
اطلاعات موجود در یک فایل صوتی تا زمانی که شنیده نشود برای جستجوی متنی قابل دسترسی نیست.
با استفاده از فناوری تبدیل گفتار به متن می‌توان بخش گفتاری فایل‌های صوتی و ویدئویی را به متن تبدیل کرد.
در نتیجه موضوعات مطرح‌شده در یک مکالمه، مصاحبه یا ویدئو نیز می‌توانند بخشی از اطلاعات قابل جستجوی سازمان باشند.
پردازش زبان طبیعی
پس از تبدیل اطلاعات مختلف به متن، امکان استفاده از ابزارهای پردازش زبان طبیعی نیز فراهم می‌شود.
این فناوری‌ها می‌توانند در مراحل مختلف پردازش، سازمان‌دهی و استفاده از داده‌های متنی نقش داشته باشند.
نکته مهم این است که فناوری هوشمند جایگزین ساختار مناسب مدیریت داده نمی‌شود؛ بلکه می‌تواند در کنار فراداده، طبقه‌بندی و جستجو، دسترسی به محتوای سازمان را بهبود دهد.
جستجو فقط نام فایل نیست
در یک آرشیو سنتی، جستجو معمولاً به نام فایل، پوشه یا اطلاعاتی که کاربر قبلاً به‌صورت دستی ثبت کرده محدود می‌شود.
اما وقتی اطلاعات بیشتری از خود محتوا استخراج شود، دامنه جستجو نیز گسترده‌تر می‌شود.
متن یک سند، محتوای یک مکالمه یا اطلاعات استخراج‌شده از تصویر می‌تواند به بخشی از فضای قابل جستجوی سازمان تبدیل شود.
هدف نهایی؛ دسترسی بهتر به دانش سازمان
هدف استفاده از این فناوری‌ها صرفاً افزودن قابلیت‌های هوش مصنوعی به یک نرم‌افزار نیست.
ارزش واقعی زمانی ایجاد می‌شود که فناوری بتواند فاصله میان داشتن داده و استفاده از اطلاعات را کمتر کند.
در این نگاه، OCR، پردازش تصویر، تبدیل گفتار، پردازش زبان و جستجوی هوشمند اجزای جداگانه‌ای نیستند؛ هرکدام می‌توانند بخشی از زنجیره تبدیل محتوای دیجیتال به اطلاعات قابل استفاده باشند.