در هر دوره ی زمانی، یك یا دو تكنولوژی بسیار محبوب می شوند و توجه همه را به خودشان جلب می كنند. به عنوان مثال چندین سال پیش بحث موبایل و شبكه های اجتماعی بسیار داغ شده بود و همه در مورد آن صحبت می كردند. این روزها بحث یادگیری ماشین و بلاك چِین بسیار همه گیر شده است. هرجایی كه نگاه كنید، متوجه می شوید كه شركت های مشاوره در حال انتشار گزارش های خود در این زمینه هستند و كنفرانس های زیادی در رابطه با این موضوع برگزار می شوند.
همان طور كه در جریان هستید، این روزها تلفن های هوشمند و شبكه های اجتماعی دنیا را تغییر داده اند و نقش هوش مصنوعی و معماری پایگاه داده های توزیع شده در آن ها مشهود است. هر سازمانی برای اینكه پیشرفت كند، باید تكنولوژی های جدید و تأثیر آن روی كسب و كار خود را درك كند. از آنجایی كه ما نمی دانیم در آینده چه تكنولوژی همه گیر خواهد شد، نمی توانیم خودمان را از قبل آماده كنیم. اما اگر در مورد موضوعات محبوب و مورد توجه اطلاعات داشته باشیم، می توانیم با آمادگی بیشتری به استقبال آن ها برویم. شاید سرنوشت و آینده ی كسب و كار شما نیز به همین موضوع وابسته باشد.
۱- معماری جدید محاسبات
گوردون مور، بنیان گذار اینتل، در شماره ی نوزدهم مجله ی Electronics در سال ۱۹۶۵ مقاله ای چاپ كرد و در آن به این موضوع اشاره كرد كه تعداد ترانزیستورهای روی تراشه های سیلیكونی طی دو سال اخیر دو برابر شده است. روند افزایش تعداد ترانزیستورها كه با قانون مور شناخته شده بود، طی ۵۰ سال اخیر ادامه داشت و تبدیل به انقلاب دیجیتال شد. با این حال امروزه سرعت این روند كمی كاهش پیدا كرده است و در آینده ی نزدیك كاملا متوقف خواهد شد.
ترانزیستورهای زیادی وجود دارند كه شما می توانید آن ها را قبل از اینكه تأثیرات اتمی وارد بازی شوند و عملكرد تكنولوژی را غیرممكن كنند، روی تراشه های سیلیكونی نصب كنید. متخصصان برای تعیین زمان دقیق این اتفاق هنوز به توافق نرسیده اند؛ اما این اتفاق مطمئنا در ۵ سال آینده به وقوع خواهد پیوست.
مطمئنا راه های زیاد دیگری به جز افزایش تعداد ترانزیستورها برای بهبود عملكرد تراشه وجود دارند؛ مانند FPGA ،ASIC و ۳D stacking. اما به نظر نمی رسد كه این راه ها بیشتر از یك یا دو دهه در آینده دوام داشته باشند. ما برای اینكه بتوانیم در ۵۰ سال آینده به تكنولوژی پیشرفته برسیم، اساسا به معماری های جدید مانند رایانش كوانتومی و تراشه های عصبی احتیاج خواهیم داشت.
خبر خوب این است كه این معماری ها بسیار پیشرفته هستند و طی ۵ تا ۱۰ سال آینده شاهد تأثیر تجاری آن خواهیم بود. خبر بد این است زمانی كه معماری جدیدی ارائه می شود، هیچ كس طرز استفاده از آن را نمی داند. این معماری ها پتانسیل های زیادی دارند؛ اما مانند هر چیز دیگری مقدار زمان می برد تا با همه ی ویژگی های آن ها آشنا شوند.
۲- مهندسی ژنتیك
همان طور كه دانشمندان كامپیوتر از ۵۰ سال گذشته در حال توسعه دادن زبان های نرم افزاری هستند، زیست شناسان نیز در تلاش هستند تا به فهم بهتری از نوعی كد های فراگیر یا كدهای ژنتیك برسند. اگرچه این رشته توانسته است پیشرفت علمی خوبی داشته باشد؛ اما تأثیر آن نسبتا كم بوده است. این فرآیند در سال ۲۰۰۳ و با تكمیل پروژه ی ژنوم انسانی آغاز به كار كرده است. آن ها به تازگی برای اولین بار متوجه شده اند كه DNA چگونه با بیولوژی تعامل می كند و این موضوع بشر را به سمت شناخت ژنوم سرطان و پیشرفت های ملموس در صنعت كشاورزی هدایت كرده است. این اولین باری است كه ژنومیك در ابعادی بیش از یك تحقیق علمی فعالیت می كند و به منبع جدید برنامه ها تبدیل شده است.
تكنولوژی جدیدی به نام كریسپر به دانشمندان اجازه می دهد كه ژن ها را ویرایش كنند. درواقع می توان گفت تكنولوژی های در حال حاضر به اندازه ای ساده هستند كه حتی زیست شناسان غیر حرفه ای نیز می توانند از آن ها استفاده كنند و بنابراین انتظار داریم كه مهندسی ژنتیك در تمام صنایع همه گیر شود.
به گزارش دریك آنلاین به نقل از زومیت، مگان هاچسترسر، مبتكر ژنومیك نوآورانه دانشگاه بركلی، می گوید: «كریسپر همه چیز را با ژنومیك انجام می دهد؛ از تحقیقات بیماری سرطان گرفته تا مهندسی بیماری های مقاوم و بسیاری از برنامه های دیگر كه پیش روی ما هستند.» هیجان انگیزترین قسمت ماجرا این است كه كریسپر بسیار ارزان است و به راحتی مورد استفاده قرار می گیرد و قادر است كار بیشتری را در مدت زمان كمتری ارائه دهد و البته هنوز هم جای پیشرفت دارد.
۳- علم مواد
آزمون و خطا یك روش سنتی برای بهبود مواد اولیه ی ساختن یك محصول است. شما در این روش مواد اولیه یا شیوه ی انجام كار را باهم تركیب و سپس نتیجه را تحلیل می كنید. به عنوان مثال یك آهنگر قرون وسطایی متوجه شد شمشیرهایی كه از آهن زنگ زده ساخته می شوند، بهتر از بقیه ی شمشیرها هستند.
جالب است بدانید كه امروزه علم مواد یك كسب و كار میلیون دلاری محسوب می شود. به عنوان مثال چالش های هواپیمایی بوئینگ را برای طراحی محصولات جدید در نظر بگیرید. شما چه پیشنهادی برای افزایش قابل ملاحظه ی عملكرد یك هواپیما دارید؟ تكنولوژی هواپیماسازی ده ها سال است كه به فعالیت خود ادامه می دهد؛ اما با این حال اخیرا با ارائه ی مواد اولیه ی جدید توانسته اند وزن هواپیماها را ۴۰ هزار پوند (حدود ۱۸ هزار كیلوگرم) و مصرف سوخت آن را ۲۰ درصد كاهش دهند.
بنابراین می توان گفت نوآوری در ژنوم مواد به این صورت بوده است كه آن ها پایگاه داده ای از ویژگی های مواد اولیه مانند قدرت، چگالی و موارد دیگر را ذخیره و از مدل های كامپیوتری برای پیشگویی نمونه های ساخته شده استفاده می كنند. این اطلاعات به عنوان یك برنامه ی دولتی شناخته می شوند و نه تنها در اختیار شركت های میلیارد دلاری مانند بوئینگ بلكه در اختیار هر شخصی كه بخواهد از آن ها استفاده كند قرار می گیرد.
جیم وارن، مدیر برنامه ی ژنوم مواد، می گوید: «هدف ما این است كه توسعه ی مواد اولیه را از طریق مشخص كردن روابط بین آن ها سرعت دهیم؛ اینكه ببینیم فرآیند تركیب این مواد به چه صورت است و نتیجه ی آن چه خواهد شد. من امیدوارم كه ژنوم مواد وارد همه ی صنایع شود.»
آمادگی بهتر از انطباق است
در چند دهه ی گذشته تأكید زیادی روی چابكی و انطباق شده است. زمانی كه تكنولوژی جدیدی مانند شبكه های اجتماعی یا هوش مصنوعی وارد بازار می شود، سازمان ها تازه از وجود آن ها باخبر می شوند و خودشان را با استراتژی آن ها تطبیق می دهند. درصورتی كه اگر این كار را كمی سریع تر انجام دهند، می توانند در رقابت پیروز شوند. ما امروزه در حال وارد شدن به عصر جدید نوآوری هستیم. اپلیكیشن های جدید به فكر توسعه ی نسخه های قدیمی تكنولوژی گذشته نیستند؛ بلكه قصد دارند نمونه های جدید را وارد بازار كنند. به همین دلیل در آینده، آماده شدن نسبت به منطبق شدن از اهمیت بیشتری برخوردار خواهد بود.
شما چگونه با معماری جدید محاسبات كار خواهید كرد؟ مهندسی سریع و ارزان ژنتیك چگونه بر صنعت شما تأثیر خواهد گذاشت؟ چگونه می خواهید از مواد اولیه ی جدیدتر و ارزان تر برای بهبود محصولات و كاهش قیمت ها استفاده كنید؟ برای پاسخ دادن به این پرسش ها باید سعی كنید مشكلات جدید را شناسایی كنید تا بتوانید از تكنولوژی های جدید برای برطرف كردن آن ها استفاده كنید.