0

جدیدترین‌های هوش مصنوعی

جدیدترین‌های هوش مصنوعی

تازه‌های هوش مصنوعی

هوش مصنوعی، هوشی است که توسط ماشین‌ها نشان داده می‌شود، بر خلاف هوش طبیعی نمایش داده شده توسط انسان و حیوانات، که شامل آگاهی و احساسات است. تمایز بین دسته های اولی و دومی اغلب با مخفف اختصاری انتخاب شده آشکار می شود. هوش‌مصنوعی “قوی” معمولاً به عنوان AGI (هوش عمومی مصنوعی) برچسب گذاری می شود در حالی که تلاش برای تقلید از هوش “طبیعی” ABI (هوش بیولوژیکی مصنوعی) نامیده می‌شود. 

کتابهای درسی هوش مصنوعی پیشرو زمینه را به عنوان مطالعه “عوامل هوشمند” تعریف می کنند: هر وسیله‌ای که محیط خود را درک کند و اقداماتی را انجام دهد که شانس خود را برای دستیابی به موفقیت خود به حداکثر برساند. به زبان عامیانه، اصطلاح “هوش مصنوعی” اغلب برای توصیف ماشین آلات (یا رایانه ها) استفاده می‌شود که عملکردهای “شناختی” را که انسان با ذهن انسان مرتبط می کند تقلید می‌کند، مانند “یادگیری” و “حل مسئله”.

با توانایی روزافزون ماشین آلات ، وظایفی که به “هوش” نیاز دارند اغلب از تعریف AI حذف می‌شوند، پدیده ای که به عنوان اثر AI شناخته می‌شود.یک استدلال در قضیه تسلر می گوید: “AI همان چیزی است که هنوز انجام نشده است.” به عنوان مثال، تشخیص شخصیت نوری غالباً از مواردی که AI قلمداد می شود، حذف می‌شود، که به یک فناوری معمول تبدیل شده است. 

قابلیت های مدرن ماشین که معمولاً به عنوان هوش مصنوعی طبقه بندی می‌شوند، شامل درک موفقیت گفتار انسانی،  رقابت در بالاترین سطح در سیستم های بازی استراتژیک “مانند شطرنج و Go”، اتومبیل‌هایی با عملکرد مستقل، مسیریابی هوشمند در شبکه های تحویل محتوا و شبیه سازی‌های نظامی است.

الگوریتم های هوش مصنوعی
سررسید استفاده از هوش مصنوعی در پشتیبانی و ارسال پیام

هوش مصنوعی به عنوان یک رشته دانشگاهی در سال 1955 تاسیس شد و طی سالهای گذشته موج های خوش بینی زیادی را تجربه کرده است و به دنبال آن ناامیدی و از دست دادن بودجه معروف به “زمستان هوش مصنوعی، به دنبال رویکردهای جدید، موفقیت و تمدید بودجه.پس از اینکه AlphaGo با موفقیت یک بازیکن حرفه ای Go را در سال 2015 شکست داد، هوش مصنوعی بار دیگر توجه جهانی را به خود جلب کرد.

 در بیشتر تاریخ خود، تحقیقات هوش مصنوعی به زیرشاخه هایی تقسیم شده است که غالباً قادر به برقراری ارتباط با یکدیگر نیستند. این زیرشاخه ها بر اساس ملاحظات فنی ، مانند اهداف خاص (به عنوان مثال “رباتیک” یا “یادگیری ماشین”)، استفاده از ابزارهای خاص (“منطق” یا شبکه های عصبی مصنوعی) یا اختلافات عمیق فلسفی است. زیرمجموعه ها نیز بر اساس عوامل اجتماعی (نهادهای خاص یا کار محققان خاص) بنا شده اند. 

مشکلات سنتی (یا اهداف) تحقیقات هوش مصنوعی شامل استدلال، بازنمایی دانش، برنامه ریزی، یادگیری ، پردازش زبان طبیعی، درک و توانایی حرکت و دستکاری اشیا است. هوش عمومی از جمله اهداف بلند مدت این رشته است. رویکردها شامل روشهای آماری، هوش محاسباتی و هوش مصنوعی نمادین سنتی است.

 ابزارهای زیادی در هوش مصنوعی استفاده می شوند، از جمله نسخه های جستجو و بهینه سازی ریاضی، شبکه های عصبی مصنوعی و روش های مبتنی بر آمار، احتمال و اقتصاد. رشته هوش مصنوعی از علوم کامپیوتر، مهندسی اطلاعات، ریاضیات، روانشناسی، زبانشناسی، فلسفه و بسیاری از زمینه های دیگر استفاده می کند.

بی ام و با هوش مصنوعی خود تصادفات را ۷ ثانیه قبل از وقوع پیش‌بینی می‌کند
>

کاربردهای هوش مصنوعی

یادگیری ماشین

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه نیاز باید تا یک برنامه نویسی مخصوص به آن یادگیری خاص را انجام داد. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌هایی است که بتوانند با دسترسی به داده‌ها، به طور خودکار از آن‌ها برای یادگیری خود سیستم استفاده کنند.

در یادگیری ماشین فرآیند یادگیری با مشاهدات یا داده ها آغاز می شود و سیستم از مثال ها، تجارب مستقیم و یا دستور العمل ها و.. استفاده می‌کند تا به یک الگو مشخص برسد و بر اساس آن الگو شروع به تصمیم گیری و حل مسئله کند. هدف اصلی یادگیری ماشین آن است که به کامپیوتر اجازه بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتواند بر اساس مشاهدات و داده‌ها رفتار خود را تنیم کند.

 

هوش مصنوعی در صنعت خودرو جدید

الگوریتم های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز در این زمینه تولید می‌شوند. به طور معمول این الگوریتم‌ها به وسیله سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از هر دو گروه‌بندی، تمام الگوریتم های یادگیری ماشین معمولا در زمینه‌های زیر فعالیت می‌کنند:

  • نمایش: مجموعه ای از طبقه بندی کننده ها یا زبانی که کامیوتر آن را می فهمد.
  • ارزشیابی: همچنین معروف به عملکرد هدف/نمره دهی.
  • بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.

 هدف اساسی الگوریتم‌های یادگیری ماشین تفسیر موفقیت آمیز داده‌ها و تعمیم یادگیری‌ها به فراتر از نمونه‌های آموزش داده شده است.

جدیدترین‌های هوش مصنوعی در حوزه سلامت

کاربرد هوش مصنوعی در پزشکی ها

مهم ترین نکته در این حوزه بهبود نتایج بیماران و در عین حال کاهش هزینه است. شرکت های فعال در حوزه سلامت می خواهند با استفاده از یادگیری ماشین، روند تشخیص و درمان را بهتر و سریعتر انجام دهند. یکی از شناخته شده ترین فناوری ها در این زمینه سیستم IBM Watson است. این سیستم زبان طبیعی را درک می کند و قادر به پاسخگویی به سوالاتی که از آن پرسیده می شود است. 

این سیستم تمام اطلاعات مربوط به بیمار از منابع موجود را استخراج می کند تا یک فرضیه ایجاد کند و پس از اطمینان آن را ارائه می دهد. سایر برنامه هایی که هوش مصنوعی دارند مانند چت بات ها، می توانند به بیماران برای برنامه ریزی قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب کمک کنند و یا به صورت یک دستیار سلامت مجازی به فرد بازخوردهای پزشکی ارائه دهد.

روبات‌های پزشکی در همه‌گیری کرونا دستخوش نوآوری شده‌اند
>

جدیدترین‌های هوش مصنوعی در حوزه کسب و کار

برای کارها و فرآیندهای بسیار تکراری که در هر کسب و کار توسط انسان ها انجام می‌شود، می‌توان از فرآیندهای اتوماسیون رباتیک استفاده کرد. الگوریتم های یادگیری ماشین می‌توانند با analytics و CRM ادغام شوند تا با کشف اطلاعات لازم، بهتر به مشتریان خدمت کنند. از چت بات‌ها نیز می توان برای ارائه خدمات فوری به مشتریان در وب سایت نیز استفاده کرد.

هوش مصنوعی در حوزه آموزش وپرورش

جدیدترین‌های هوش مصنوعی در این حوزه می تواند به خودکار شدن نمره دهی و درجه بندی دانش آموزان کمک کند و به معلمان زمان بیشتری بدهد. جدیدترین‌های هوش مصنوعی می تواند دانش آموزان را ارزیابی کند و با نیازهای آن ها سازگار باشد و با هر فرد متناسب با سرعت او کار کند. سیستم های مربی هوش مصنوعی می توانند پشتیبانی بیشتری به دانش آموزان ارائه دهند و اطمینان حاصل کنند که روند آموزش آن ها در راه درستی قرار دارد. Artificial intelligence می تواند نحوه یادگیری و مکان یادگیری دانش آموزان را تغییر دهد و حتی برخی از معلمان او را عوض کند.

هوش مصنوعی در حوزه اقتصاد

سیستم های هوش مصنوعی در برنامه های مالی شخصی، مانند Mint یا Turbo Tax، می توانند اطلاعات مالی شخصی هر فرد را جمع آوری کنند و به آن ها مشاوره مالی دهند. از برنامه های دیگر مانند IBM Watson حتی در روند خرید خانه نیز می توان استفاده کرد. امروزه نرم افزارها در وال استریت بخش عظیمی از معاملات را انجام می دهند.

هوش مصنوعی در حوزه قانون و قضا

روند کشف اسناد و مدارک غالبا برای انسان ها بسیار سخت است. اتوماسیون و هوش مصنوعی می تواند به این فرآیند کمک کرده و کارآمدتر از زمان استفاده کند. استارتاپ ها در حال ساخت دستیارهای رایانه ای هستند که پرسش و پاسخ ها را غربال می کند و می توانند با بررسی و طبقه بندی و یک بانک اطلاعاتی ، سؤالات برنامه ریزی شده در زمینه هستی شناسی را پاسخ دهد.

جدیدترین‌های هوش مصنوعی در حوزه تولید

این زمینه ای است که ربات ها هرچه تمام تر می توانند کار را به گردش دربیاورند. ربات های صنعتی می توانند تک تک وظایف محول شده را به طور کامل انجام دهند و جدا از کارکنان انسانی فعالیت کنند.

هوش مصنوعی در برقراری امنیت

از هوش مصنوعی و تکنولوژی پردازش تصویر در برقراری امنیت، ردیابی مجرمان، پیدا کردن هویت خلافکاران و… استفاده می‌شود. این سیستم‌ها قادرند با استفاده از هوش مصنوعی چهره افراد مختلف، موجودیت اشیاء و … را تشخیص دهند و هنگام مشاهده انجام تخلفات یا عملی مجرمانه آن را تشخیص داده و به نهاد مربوطه هشدار دهد.

هوش مصنوعی و تفسیر داده‌ها

کلان داده یا بیگ دیتا (Big Data) عبارتی است که برای توصیف مقادیر بزرگی از داده (اعم از داده های ساختار یافته و بدون ساختار) استفاده می‌شود. از کلان داده ها می‌توان برای استخراج اطلاعات مورد نیاز برای تصمیم گیری‌های مهم و حیاتی استفاده کرد و حرکات استراتژیک و حساس را با دقت بیشتری اجرا نمود. یک دانشمند داده به کمک کلان داده‌ها نه تنها قادر به تجزیه و تحلیل نیازهای افراد می‌باشد بلکه از قوانین حاکم بر بازارها و روندهای مختلف نیز اطلاع می‌یابد. 

بی ام و با هوش مصنوعی خود تصادفات را ۷ ثانیه قبل از وقوع پیش‌بینی می‌کند
>

تحلیل مقادیر زیادی داده، بدون هیچ گونه سیستم هوشمند و تنها به وسیله انسان امکان پذیر نیست. زیرا هم حجم داده بسیار گسترده است و هم هر روز بر میزان این حجم افزوده می‌شود. بنابراین مشخص است که با استفاده از هوش مصنوعی در تفسیر کلان داده‌ها است که به بسیاری از مفاهیم جدید می‌رسیم که نتیجه‌اش قابلیت متحول کردن بخش عظیمی از جامعه و زندگی انسان‌ها را دارد.

چالش‌های هوش مصنوعی

به کارگیری هوش مصنوعی نه تنها در ایران بلکه در بسیاری از کشورهای پیشرفته با چالش‌های متعددی مواجه است. چالش عمده ای که کسب و کارها در به کارگیری هوش‌مصنوعی با آن سر و کار دارند مربوط به افراد و نیروی انسانی، داده‌ها و اطلاعات مورد نیاز و یا ترجیحات و ترازهای تجاری می باشد. در ادامه هر کدام از این چالش‌ها را به طور مختصر بررسی می‌کنیم.

چالش‌های مربوط با داده‌ها و اطلاعات

مشکل مربوط به داده ها احتمالا یکی از مسائلی است اکثر شرکت ها با آن درگیر خواهند بود. هر سیستم هوش مصنوعی به اندازه داده‌هایی که به آن داده می‌شود عملکرد خوبی خواهد داشتدر حقیقت داده عنصر اصلی مورد نیاز تمام راه حل‌هایی است که هوش مصنوعی قرار است پیش روی یک کسب و کار قرار دهد. برخی از مشکلات مربوط به داده و جمع آوری آن عبارتند از:

  • چگونگی کیفیت و کمیت داده ها
  • برچسب داده ها
  • قابل فهم و شرح بودن
  • Case-specific بودن فرآیند آموزش
  • جانب داری
  • مقابله با خطاهای مدل ها

چالش‌های مربوط به افراد و نیروهای انسانی

دو مشکل عمده در رابطه با افراد برای به کارگیری هوش‌مصنوعی وجود دارد و این دو مشکل یکی نبود درکی از هوش مصنوعی در بین افراد غیر متخصص و کارمندان یک شرکت است و دیگری کمبود متخصصان هوش‌مصنوعی در حوزه هر کسب و کار می باشد. به کارگیری هوش‌مصنوعی در یک کسب و کار تا حد زیادی نیاز به مدیریتی آشنا با هوش‌مصنوعی و درک آن تکنولوژی دارد. متاسفانه هنوز بسیاری از افراد به هوش مصنوعی به صورت یک افسانه نگاه می‌کنند و انتظارات غیر علمی و تا حدی تخیلی از آن دارند و نمی‌دانند که هوش مصنوعی چه تحولی را می‌تواند در کسب و کار آن‌ها ایجاد کند.

استفاده از هوش مصنوعی در اینترنت جهانی

چالش‌های درون سازمانی و سیاست‌های درونی هر کسب و کار

در هر کسب و کارو سازمانی برای به کارگیری هوش مصنوعی چند مشکل عمده وجود دارد که ناشی از سیاست‌های داخلی سازمان و تصمیمات درون سازمانی است. این چالش‌ها عبارتند از:

  • کمبود ترازهای بیزینسی
  • دشواری در ارزیابی
  • چالش های ادغام کسب و کار و هوش مصنوعی با یکدیگر
  • مسائل حقوقی

برای مطالعه بیشتر میتوانید به سایت های معتبر هوش مصنوعی (AI)مراجعه نمایید.

برچسب‌ها:

نظرات کاربران

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *