موزیلا، ناشران فایرفاکس، تیم پشتیبان محصول همکاری مبتنی بر هوش مصنوعی Pulse در محل کار را خریداری کرد و اعلام کرد که روی مجموعه محصولات رو به رشد موزیلا کار خواهند کرد.
تیم پالس
محصول همکاری در محل کار Pulse با مدیریت خودکار حضور Slack خود، ایجاد «زمانهای تمرکز» که به کاربران اجازه میدهد بدون وقفه کار کنند و زمانی که اعضای تیم در جلسات حضور داشتند با کد رنگی نمایش داده میشود، به تیمها کمک کرد تا بهتر همکاری کنند.
Pulse محصولی بود که بهطور خاص برای محیطهای کاری ترکیبی امروزی ایجاد شد.
طبق بایگانی شده صفحه پالس:
“با ساعات کاری شما تنظیم می شود
Pulse با کمک به مدیریت انتظارات تیم در مورد دسترسی شما به فرهنگ “همیشه روشن” پایان می دهد – بنابراین هم تیمی ها بدانند چه زمانی بهتر است با شما ارتباط برقرار کنند و به مرزهای شما احترام بگذارند.Pulse از هوش مصنوعی برای نمایش خودکار زمانی که وارد حالت متمرکز می شوید استفاده می کند تا هم تیمی های شما بدانند مزاحم نشوند.
همچنین میتوانید قوانین تقویمی را تنظیم کنید که وضعیت شما را تغییر میدهد تا نشان دهد در طول زمان فوکوس مسدود شده یا رویدادهایی که به عنوان فوکوس علامتگذاری شدهاند، تمرکز میکنید.»
این اعلامیه به جهت آینده تیم جدید در موزیلا اشاره نمی کند.
اما این واقعیت که Pulse یک محصول همکاری در محل کار بود، قابل توجه است.
این گمانهزنیهای جالبی را ایجاد میکند که این خرید ممکن است به موزیلا کمک کند تا محصولات تجاری محور را شروع کند.
کیفیتی که موزیلا را از سایر شرکتها متمایز میکند، تعهد آنها به ایجاد محصولاتی است که جاسوسی نمیکنند یا کاربران خود را به محصولی برای فروش مجدد به بازاریابان تبدیل نمیکنند.
رایگان به طور فزاینده ای رایج می شود. هر محصولی که میتواند کیفیت را با قیمتی رایگان یا تقریباً رایگان ارائه دهد و همچنین به حریم خصوصی کاربر احترام بگذارد، ارزش آن را نسبت به محصولات معتبرتر شرکتهایی مانند Google یا Microsoft افزایش میدهد.
Google به سرعت محصول ایمیل خود را با ارائه مقادیر خیره کننده فضای ذخیره سازی به صورت رایگان رشد داد. موزیلا با حفظ حریم خصوصی همان کاری را انجام می دهد که گوگل به صورت رایگان انجام داد و از آن به عنوان ارزش افزوده ای استفاده می کند که سایر شرکت ها ارائه نمی دهند.
و این مزیت چیزی است که اکتساب Pulse را جالب میکند زیرا تخصص یادگیری ماشینی آنها را میتوان برای ساخت محصولات مصرفکننده (و شاید تجاری) برای حفظ حریم خصوصی استفاده کرد.
یادگیری ماشین اخلاقی
سرویس Pulse از یادگیری ماشینی برای کمک به یادگیری الگوهای کاری کاربر استفاده میکند، اما به گونهای که به حریم خصوصی آنها احترام میگذارد، چیزی که موزیلا از آن به عنوان «یادگیری ماشینی اخلاقی کاربردی» یاد میکند.
طبق گفته موزیلا:
«یادگیری ماشین (ML) به یک محرک قدرتمند برای تجربه محصول تبدیل شده است. در بهترین حالت، به همه ما کمک میکند تا تجربیات بهتر و غنیتری در سرتاسر وب داشته باشیم.
ساخت مدلهای ML برای هدایت این تجربیات به دادههایی در مورد ترجیحات، رفتارها و اقدامات آنلاین افراد نیاز دارد، و به همین دلیل است که Mozilla رویکرد بسیار محتاطانهای را در به کارگیری ML در تجربیات محصول خود در پیش گرفته است.
امکان ساخت مدلهای یادگیری ماشینی وجود دارد که در خدمت مردم در اینترنت، شفاف، با احترام به حریم خصوصی، و از ابتدا با تمرکز بر برابری و گنجاندن در خدمت مردم عمل میکنند.
اولین پروژه اعلام شد
اولین پروژه ای که تیم روی آن کار خواهد کرد، بهبود برنامه اشتراک گذاری اجتماعی موزیلا به نام Pocket است.
Pocket برنامه ای برای ذخیره محتوا و همچنین اشتراک گذاری آن با دیگران است. این برنامه در دستگاه تلفن همراه یا دسکتاپ موجود است.
نویسنده اعلامیه موزیلا، مدیر ارشد محصول، استیو تکسیرا است. او توسط موزیلا استخدام شد در آگوست ۲۰۲۲. استیو قبلاً در توییتر به عنوان معاون محصول برای پلتفرمهای یادگیری ماشین و داده آنها کار میکرد و پیش از آن تیم زیرساخت مدیریت محصول، طراحی و تحقیق در فیسبوک را رهبری میکرد.
استیو تکسیرا، مدیر تولید موزیلا، نوشت:
“من به ویژه برای تقویت قابلیتهای یادگیری ماشینی خود، از جمله شخصیسازی، در Pocket هیجانزده هستم، محصولی فوقالعاده که به تازگی سطح پتانسیل نهایی خود را کاهش داده است.”
Mozilla هیچ اشاره ای به محصولات آینده به جز کار بر روی Pocket ارائه نکرده است. آنها فقط منتشر کردند که مشتاقانه منتظر اضافه کردن تخصص تیم Pulse به مجموعه رو به رشد محصولات خود هستند.
Teixeira نوشت:
“ما از فرصتی برای همکاری با هم انرژی گرفته ایم، و من نمی توانم منتظر بمانم تا ببینم چه چیزی می سازیم.”
بسیار جالب خواهد بود که ببینیم موزیلا با تیمی که با پالس به دست آورده است، چه می کند.
اعلان رسمی را بخوانید:
Pulse به خانواده موزیلا میپیوندد تا به توسعه یک رویکرد جدید برای یادگیری ماشین کمک کنید
تصویر ویژه توسط Shutterstock/Kateryna Onyshchuk