- عنوان کتاب: Designing the AI-Driven Data Foundations Architecture, Principles, and Practice
- نویسنده: Sanjeev Mohan
- حوزه: مهندسی داده
- تعداد صفحه: 272
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 3.89 مگابایت
من بیش از سی سال را در حوزه داده گذرانده‌ام و هرگز دوره‌ای مانند دوره‌ای که این کتاب را نوشتم، تجربه نکرده‌ام. سرعت تغییر صرفاً سریع نیست. این سرعت از هر نقطه‌ای در حرفه من و گمان می‌کنم در حرفه شما نیز بیشتر است. هر یک از ما قبلاً موج‌هایی را پشت سر گذاشته‌ایم: ظهور انبار داده، دوران هادوپ، حرکت به سمت فضای ابری، تغییر در جریان و بلادرنگ. این موج‌ها با سال‌ها فاصله از هم رسیدند و به ما زمان دادند تا خود را وفق دهیم. چیزی که اکنون متفاوت است، فشرده‌سازی است. قابلیت‌هایی که زمانی یک دهه را تعریف می‌کردند، اکنون در یک فصل واحد می‌رسند و این فصل‌ها همچنان کوتاه‌تر می‌شوند. در مرکز این شتاب، هوش مصنوعی مولد قرار دارد. تنها در عرض چند سال، از یک کنجکاوی تحقیقاتی به نیرویی تبدیل شده است که نحوه کار ما را تغییر می‌دهد. وعده آن محدود به معماری‌های ما نیست. بله، در حال تغییر نحوه طراحی و بهره‌برداری از سیستم‌های داده است. اما ما را نیز تغییر می‌دهد: نقش‌های ما، کار روزانه ما و ماهیت کاری که فردا انجام خواهیم داد. برای دهه‌ها ما همه چیز را برای کاربران انسانی ساختیم؛ به طور فزاینده‌ای، این عامل‌ها هستند که داده‌های ما را مصرف می‌کنند و بر اساس آن عمل می‌کنند و مردم نیز ذینفعان آن هستند. این تغییر بسیار عمیق‌تر از هر ابزار جدید واحدی است و در زیر هر چیزی در این کتاب جریان دارد. من این را به شدت در نوشتن احساس کردم. وقتی شروع به نوشتن نسخه خطی کردم، بخش زیادی از آنچه در این صفحات توصیف می‌کنم هنوز آرمانی بود: دموهای نویدبخش و نقشه‌های راه امیدوارکننده. زمانی که کارم تمام شد، بخش زیادی از آن به مرحله تولید رسیده بود. عامل‌ها از اسلایدور به کف کارخانه رفتند. داده‌ها، که در بیشتر دوران حرفه‌ای من به عنوان نوعی محصول جانبی اداره کسب و کار در زیرزمین شرکت قرار داشت، به سوختی تبدیل شد که آن را نیرو می‌بخشد. من شاهد بودم که این تغییر در زمان واقعی، گاهی بین پیش‌نویس یک فصل و فصل بعدی، اتفاق می‌افتد. نوشتن در مورد میدانی که با این سرعت در حال حرکت است، یک تمرین فروتنانه است. کمی شبیه طراحی یک رودخانه در حالی است که در آن ایستاده‌اید: لحظه‌ای که شکل را ثبت می‌کنید، جریان آب از قبل آن را دوباره ترسیم کرده است. بیش از یک بار از خودم پرسیدم که آیا یک کتاب اصلاً فرم مناسبی برای موضوعی با چرخه‌های انتشار دو هفته‌ای است یا خیر. به این نتیجه رسیدم که چنین است، و دلیلش هم روشن است: هرچه سطح کارها با شتاب بیشتری دستخوش تغییر و تلاطم شود، درک آنچه در زیرِ این سطح نهفته است اهمیت بیشتری می‌یابد. ابزارها هر سه ماه یک‌بار تغییر می‌کنند؛ اما اصولی که باعث می‌شوند داده‌ها قابل‌اعتماد، در دسترس، تحت حاکمیت (مدیریت‌شده) و برای ماشین‌ها و انسان‌ها مفید باشند، بسیار کندتر تغییر می‌کنند. از این منظر، اکنون «عصر طلایی» داده‌هاست؛ چرا که هوش مصنوعی در نهایت نوعی کاربرد از داده‌هاست که مستقیماً بر پایه و اساسی استوار می‌شود که ما بنا می‌کنیم. شتابِ تغییرات، دلیلی برای نفی این زیرساخت‌ها نیست، بلکه قوی‌ترین استدلال برای ضرورت آن‌هاست. وقتی همه چیز در لایه‌های بالایی در حال جنب‌وجوش و تغییر است، زیرساخت تنها چیزی است که می‌توان با اطمینان بر آن بنا کرد. در میان این‌همه شور و اشتیاق، باید کمی هم تعادل را در نظر گرفت. ما عادت داریم تأثیر فناوری‌های جدید را در کوتاه‌مدت بیش از حد، و در بلندمدت کمتر از حدِ واقعی برآورد کنیم. ما اکنون در همان دوره کوتاه‌مدت به سر می‌بریم؛ دوره‌ای که هم سرشار از انتظارات اغراق‌آمیز است و هم آکنده از سرخوردگی‌های خاموش. هنوز برای نادیده گرفتنِ این مقطع زمانی زود است، و در عین حال نباید اجازه داد که هیاهو و جنجال‌های پیرامونی، ما را با خود ببرند. به باور من، رویکرد درست این است که به‌جای بدبینی، ذهنی باز داشته باشیم و آن‌قدر صبور باشیم تا زمانِ بلندمدت فرا برسد. این کتاب بر پایه همین باور نوشته شده و فصل‌های بعدی، استدلال‌های آن را به‌طور کامل شرح می‌دهند. هدف من در این صفحات آغازین ساده‌تر است: ترسیم فضای کلی بحث، و بیان صادقانه این نکته که من نه پس از فروکش کردنِ طوفان، بلکه از درونِ آن می‌نویسم. اگر یک یا دو سال دیگر این متن را بخوانید، ممکن است برخی از مثال‌های خاصی که آورده‌ام، قدیمی و کهنه به نظر برسند. این ذاتِ دورانی است که در آن به سر می‌بریم و من با آن کنار آمده‌ام. آنچه امیدوارم باقی بماند، آن «شیوه تفکر» است. اگر این کتاب به شما کمک کند تا میانِ تلاطم‌های گذرا و زیرساخت‌های ماندگار تمایز قائل شوید، آنگاه به هدف خود رسیده است.
I have spent more than thirty years in data, and I have never lived through a stretch like the one in which I wrote this book. The rate of change is not merely fast. It is accelerating faster than at any point in my career, and I suspect in yours. Each of us has weathered waves before: the rise of the data warehouse, the Hadoop era, the move to cloud, the streaming and real-time shift. Those waves arrived years apart and gave us time to adjust. What is different now is the compression. Capabilities that would once have defined a decade now arrive in a single quarter, and the quarters keep getting shorter. At the center of this acceleration is generative AI. In just a few years, it has gone from a research curiosity to a force reshaping how we work. Its promise is not confined to our architectures. Yes, it is changing how we design and operate data systems. But it is also changing us: our roles, our daily craft, and the very nature of the work we will do tomorrow. For decades we built everything for human users; increasingly it is agents that consume our data and act on it, with people as the beneficiaries. That is a far more profound shift than any single new tool, and it runs underneath everything in this book. I felt this acutely in the writing. When I began the manuscript, a great deal of what I describe in these pages was still aspirational: promising demos and hopeful roadmaps. By the time I finished, much of it had moved into production. Agents went from slideware to the factory floor. Data, which for most of my career sat in the basement of the enterprise as a kind of byproduct of running the business, became the fuel that powers it. I watched that reversal happen in real time, sometimes between one draft of a chapter and the next. Writing about a field moving this quickly is a humbling exercise. It is a little like sketching a river while standing in it: the moment you capture the shape, the current has already redrawn it. More than once I wondered whether a book was even the right form for a subject with two-week release cycles. I concluded that it was, for one reason: the faster the surface churns, the more it matters to understand what lies beneath it. Tools change by the quarter; the principles that make data trustworthy, accessible, governed, and useful to machines as well as people change far more slowly. This is, in that sense, the golden era of data, because AI is ultimately a use case of data, sitting directly on top of the foundations we lay. Acceleration is not an argument against those foundations. It is the strongest argument for them. When everything on top is in motion, the foundation is the only thing you can build on with any confidence. A word of balance amid all the enthusiasm. We have a habit of overestimating what a new technology will do in the short run and underestimating what it will do in the long run. We are living in that short run now, full of inflated expectations and quiet disappointments alike. It is too early either to dismiss this moment or to be swept away by the hype. The honest posture, I have come to believe, is to stay open-minded rather than skeptical, and be patient enough to let the long run arrive. That conviction is what this book is about, and the chapters that follow lay out the case in full. My aim in these opening pages is simpler: to set the scene, and to be honest that I am writing from inside the storm rather than after it. If you are reading this a year or two from now, some of my specific examples will already feel dated. That is the nature of the moment we are in, and I have made peace with it. What I hope endures is the way of thinking. If this book helps you tell the difference between the churn that will pass and the foundations that will last, it will have done its job.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Designing the AI-Driven Data Foundations Architecture, Principles, and Practice
نظرات کاربران