اين زوج باعث تحولات زيادي در آينده همه حوزه‌ها و صنايع خواهند شد زيرا در قرن ۲۱، داده، سوخت تكنولوژي‌ها و صنايع محسوب مي‌شود. فرض كنيد يك مدل ساخته‌‌‌‌‌‌ايم كه به خوبي مي‌‌‌‌‌‌تواند وجود خودرو سواري در يك تصوير را تشخيص دهد. آيا اين مدل (دانش كسب‌‌‌‌‌‌شده) را مي‌‌‌‌‌‌توان در تشخيص وجود تراكتور در تصوير به كار برد؟ موضوع انتقال يادگيري دقيقا چنين مبحثي است. در واقع مي‌خواهيم با مدل‌هايي كه {train|practice|prepare} كرده‌ايم، مسائل جديدي را حل كنيم. در سال ۱۹۷۴ و با فشارهاي كنگره آمريكا براي صرف بودجه‌هاي پژوهشي در كارهاي پربازده‌تر، تحقيقات سرعت خود را از دست داد.

اما به دليل توان كم ابر كامپيوتر‌هاي فعلي و مصرف زياد انرژي اين كار به صورت كامل امكان پذير نيست. IBM براي رفع مشكل مصرف انرژي ابر كامپيوتر‌ها، در حال توسعه‌ي تراشه‌هايي مبتني بر شبكه‌‌هاي عصبي است. IBM تا به حال توانسته به قدرتي فراتر از قدت پردازشي مغز يك موش دست پيدا كند. مهندسي دانش بخش بزرگي از پژوهش‌هاي مورد نياز هوش مصنوعي را تشكيل مي‌دهد.

در واقع امروزه از برنامه نويسي هوش مصنوعي در علوم مختلف مانند پزشكي، هوا فضا، تسليحات نظامي، اكتشافات و غيره استفاده مي‌شود. خودروهاي هوشمندي كه مي‌توانند بدون حضور راننده به مسير خود ادامه دهند، نمونه‌هاي بسيار قدرتمندي از هوش مصنوعي را در خود جاي داده‌اند، همچنين مي‌توانيد رد پاي هوش مصنوعي را در مسائل امنيتي، چهره‌نگاري، گجت‌هاي هوشمند و… بيابيد. الگوريتم‌هاي ژنتيك با هدف تقليد فرآيند تكامل طبيعي موجودات زنده ابداع شدند، در حقيقت اين سيستم‌ها از اصول انتخاب طبيعي داروين براي يافتن فرمول بهينه براي پيش‌بيني و يا تطبيق دادن الگوهاي موجود استفاده مي‌كنند و به مرور زمان تكامل پيدا مي‌كنند. به گزارش بازرگاني خبرگزاري مهر، اين ماشين‌هاي هوشمند بايد مانند انسان‌ها فكر و عمل كنند تا آنجا كه بر اساس تست تورينگ اگر يك ماشين هوشمند و انسان با يكديگر صحبت كنند، انسان متوجه نشود طرف مقابل يك ربات است. با استفاده از ديتاهاي مربوط به رفتار كاربران در سايت، مي‌‌‌توان رفتارهاي آينده‌‌‌ي آن‌‌‌ها را پيش‌‌‌بيني كرد و بدين ترتيب، پيشنهادهايي براي ترغيب آن‌‌‌ها به خريد ارائه داد.

شما هم با پيوستن به جمع بزرگ و بالغ بر ۶۰۰ هزار نفري دانشجويان و دانش‌آموزان فرادرس و با بهره‌گيري از آموزش‌هاي آن، مي‌توانيد تجربه‌اي متفاوت از علم و مهارت‌آموزي داشته باشيد. تمامي آموزش‌ها و خدمات اين وبسايت، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند. GAMS يك نرم افزار مدل سازي سطح بالا براي برنامه نويسي و حل مسائل بهينه سازي است. اين نرم افزار شامل يك كامپايلر و مجموعه اي از حل كننده هاي جامع با توان اجرايي قوي هست. GAMS براي ساخت مدل هاي مركب و در مقياس بزرگ مناسب است و اين امـكان را فراهم مي كند كه مدل هاي بزرگ ايجاد شده ذخيره شود و در صورت نياز براي شرايط (مدل هاي) جديد تغيير يابد.

متاسفانه هنوز بسياري از افراد به هوش مصنوعي به صورت يك افسانه نگاه مي‌كنند و انتظارات غير علمي و تا حدي تخيلي از آن دارند و نمي‌دانند كه هوش مصنوعي چه تحولي را مي‌تواند در كسب و كار آن‌ها ايجاد كند. براي كارها و فرآيندهاي بسيار تكراري كه در هر كسب و كار توسط انسان ها انجام مي شود، مي توان از فرآيندهاي اتوماسيون رباتيك استفاده كرد. الگوريتم هاي يادگيري ماشين مي توانند با analytics و CRM ادغام شوند تا با كشف اطلاعات لازم، بهتر به مشتريان خدمت كنند.

جهان فناوري امروز در لبه‌‌ي پرش به مرحله‌اي جديد از توانايي‌هاي هوش مصنوعي قرار دارد. شبكه‌هاي عصبي امروزي توانايي ساختن تصاوير واقعي را دارند و حتي با كيفيت بالا، صداي افراد را شبيه‌سازي مي‌كنند. از دستاوردهاي خبرساز اخير مي‌توان به ديپ‌فيك اشاره كرد كه لزوم كنترل و قانون‌گذاري بيشتر بر روند توسعه‌ي هوش مصنوعي را دوچندان مي‌كند. حوزه‌ي تحقيق پيرامون هوش مصنوعي، در سال ۱۹۵۶ و آزمايشگاهي در كالج دارتموث متولد شد.

مي تواند كارهاي بسيار بزرگي در آينده انجام دهد كه اين موضوع براي انسان ها خطرناك است و ممكن است باعث بيكاري مردم شود. بينايي ماشين فناوري و روش‌هاي مورد استفاده براي بهبود شناسايي و تحليل خودكار مبتني بر تصوير در كاربردهايي مانند بازرسي خودكار، كنترل روند و هدايت روبات در صنعت است. كاربرد اصلي بينايي ماشين در بازرسي خودكار و هدايت روبات‌هاي صنعتي است، همچنين برخي كاربردهاي رايج بينايي ماشين در تضمين كيفيت، دسته‌بندي، كار با مواد، هدايت روبات‌ها و اندازه‌گيري نوري است.

چنين دسته‌بندي به درك بهتر مفاهيم و دستاوردهاي هوش مصنوعي و روش توسعه‌ي آن‌ها كمك مي‌كند. از ديگر كاربرد‌هاي هوش مصنوعي مي‌توان تطابق دادن اثر انگشت‌ها يا چهره‌ها براي باز نمودن قفل امنيتي گوشي‌هاي هوشمند را نام برد. هدف اساسي الگوريتم‌هاي يادگيري ماشين تفسير موفقيت آميز داده‌ها و تعميم يادگيري‌ها به فراتر از نمونه‌هاي آموزش داده شده است. دستيارهاي هوشمند كه بر اساس نيازهايتان به شما كمك مي‌كنند و حتي پروازها و هتل هايتان را از قبل رزرو مي‌كنند. همچنين دستيار هوشمند، ذخيره‌سازي و تجزيه و تحليل داده، فناوري اطلاعات و فضاي سايبري هم در رتبه هاي بعدي كاربرد هوش مصنوعي قرار دارند.

هوش مصنوعي

چنانچه در پايان آزمايش نتواند تشخيص دهد كه با انسان يا با ماشين در تعامل بوده‌است، آزمون با موفقيت انجام شده‌است. كوشش اين آزمون براي تشخيص درستي هوشمندي يك سامانه است كه سعي در شبيه‌سازي انسان دارد. استدلال پشت اين ديدگاه بدبينانه بر اين نكته مبتني است كه با شروع يادگيري كدنويسي توسط سيستم هاي هوش مصنوعي از پيچيدگي اين مهارت كاسته شده و به سمت خودكارسازي پيش خواهد رفت.

به‌طور كلّي، هوش مصنوعي را مي‌توان از زواياي متفاوتي مورد بررسي و مطالعه قرار داد. مابين هوش مصنوعي به عنوان يك هدف، هوش مصنوعي به عنوان يك رشتهٔ تحصيلي دانشگاهي، يا هوش مصنوعي به عنوان مجموعهٔ فنون و راه كارهايي كه توسط مراكز علمي مختلف و صنايع گوناگون تنظيم و توسعه يافته‌است بايد تفاوت قائل بود. تلاش ما در شركت هوشمند آرنا سورين بر اين است كه با مشاوره و طراحي صحيح و هوشمندانه، هزينه‌ها را براي مشتري‌ به حداقل ممكن برسانيم و حداكثر بهره‌ وري را به دست آوريم. سورين هرچه براي ايجاد يك محيط يادگيري عميق مورد نياز است را فراهم مي‌كند و آن را به شكل موثري مديريت مي‌كند. هدف برنامه پنج ساله چين برتري در هوش مصنوعي و محاسبات كوانتومي است كه مي‌خواهد سلطه ايالات متحده را در فناوري به چالش بكشد.

هوش مصنوعي به شاخه‌اي از علوم كامپيوتر اطلاق مي‌شود كه به خودكارسازي رفتار هوشمندانه توسط ماشين مي‌پردازد، به زبان ساده‌تر مي‌توان آن را تقليد يك ماشين از رفتار هوشمندانه‌ي انسان دانست. مايكروسافت آژور)، خدمات دسترسي و استفاده از GPU براي {train|practice|prepare} كردن مدل‌‌هاي يادگيري ماشين ارائه مي‌‌كنند. گوگل حتي پروسسورهاي تانسوري خود را نيز براي استفاده سايرين ارائه مي‌‌دهد.

اين نوع هوش مصنوعي آن قدر قوي شده است كه مي‌تواند بر انسان چيره شود؛ اين نوع از AI تنها در حد تئوري باقي مانده است. باوجود نگراني‌هاي متعددي كه ازسوي برخي كارشناسان پيرامون هوش مصنوعي مطرح مي‌شود، بسياري از محققان آن را مضحك مي‌دانند. درواقع ازنظر آن‌ها هنوز فاصله‌ي زيادي با انفجار هوش مصنوعي و پيش افتادن آن از عقل انساني داريم. كريس بيشاپ، مدير واحد تحقيقات مايكروسافت در كمبريج انگلستان اعتقاد دارد هوش مصنوعي محدود كنوني، فاصله‌ي زيادي با هوش عمومي مصنوعي دارد. ازنظر او نگراني‌هاي «مضحك» كه آينده‌اي شبيه به فيلم ترميناتور را ترسيم مي‌كنند، هنوز دهه‌ها با واقعيت فاصله دارند.

هوش مصنوعي مي‌تواند دقت و سرعت اكتشافات فضايي و وظايفي مثل تعميرات و پردازش داده‌ها را افزايش دهد؛ از‌اين‌رو، در سال‌هاي اخير در كانون توجه قرار گرفته است. هوش مصنوعي آموزش داده‌شده توسط محققان دانشگاه كلرادو، مي‌تواند متوجه حالت‌هاي مختلف سگ شود و اگر در حالت درست قرار داشت، به آن پاداش بدهد. آنچه امروزه به هوش مصنوعي مشهور است به دو دسته‌ي “ANI” و “AGI” تقسيم مي‌شود. از زبان‌هاي برنامه‌نويسي هوش مصنوعي مي‌توان به ليسپ، پرولوگ، كليپس و ويپي اكسپرت اشاره كرد. از زبان‌هاي برنامه‌نويسي هوش مصنوعي مي‌توان به Lisp، Prolog، Java، Python اشاره كرد.

قرن حاضر با رشد چشم‌گير قدرت كامپيوترها و داده‌هاي در دسترس براي آموزش آن‌ها، قرن شكوفايي هوش مصنوعي محسوب مي‌شود كه اين موضوع علمي را به بخشي الزامي از صنعت فناوري تبديل كرده است. از هوش مصنوعي در دنيا كاربردهاي متنوع و فراواني دارد و اين تكنولوژي در زمينه‌هاي مختلفي براي اتوماتيك كردن و يا هوشمند كردن فرآيندها استفاده مي‌شود. براي مثال موتور جستجوگر گوگل از هوش مصنوعي در جستجو ايش استفاده مي‌كند تا بهترين و نزديك‌ترين نتيجه به آن چه كه كاربر مي‌خواهد را پيدا كند.

همچنين با شناختي كه از شما دارند (مانند سليقه) به بررسي رستوران‌هاي نزديك مورد علاقه شمامي‌پردازند و بهترين رستوران را پيشنهاد مي‌دهند. درون هر بسته بيش از ۴۸ ميليون نئورون سيليكوني قرار گرفته كه تعداد آن‌ها از نئورون‌هاي موجود در غشا مغزي يك موش بيشتر است. با در نظر گرفتن اين موضوع مي‌توان به جرات گفت كه قدرت پردازشي فوق‌العاده‌اي درون اين بسته‌ها جا گرفته است. ساختن چيزي كه حتي با كمي اغماض بتوان نام AGI بر آن گذاشت مي‌تواند بزرگترين دستاورد علوم كامپيوتر باشد و اگر روزي به آن دست پيدا كنيم، همه‌ي زواياي جهاني را كه مي‌شناسيم را تغيير خواهد داد.

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است. و نهايتا در هر جايي از زندگي روزمره از كار با موبايل گرفته تا خريد از فروشگاه را شامل شود. در حوزه توليد و كشاورزي با هر سطح و موضوعي مي تواند نقش مثبتي را ايفا كند. در حوزه اقتصاد با تحليل وضع موجود و پيش بيني آينده مي تواند در همه حوزه هاي مرتبط با پول و سرمايه ورود كند. اين iframe حاوي منطق مورد نياز براي پردازش فرم هاي گرويتي مبتني بر Ajax است. در هر نقطه، اطلاعات ابتدا بسته به موضوع و زمينه مشخص مي‌شوند؛ اما زمينه‌هايي كه بين و در امتداد مفاهيم انتزاعي جابه‌جا مي‌شوند، نقش مهمي در تبديل اطلاعات دارند.

در فيلم آموزشي «طبقه بندي و بازشناسي الگو با شبكه هاي عصبي LVQ در متلب»، مباني تئوري همه الگوريتم هاي مورد اشاره، به همراه ده ها مبحث تخصصي ديگر، به صورت كامل و به زبان ساده مورد بحث و بررسي قرار مي گيرند. الگوريتم ژنتيك، يك ابزار قدرتمند بهينه سازي و زبان برنامه نويسي پايتون، يك زبان قدرتمند برنامه نويسي است. امروزه بسياري از مسائل محاسباتي در پروژه هاي مختلف علوم و مهندسي با استفاده از پايتون و بسياري از مسائل به شما كمك مي كند كه بتوانيد مسائل محاسباتي كه نيازمند بهينه سازي با الگوريتم ژنتيك هستند را در پايتون پياده سازي كنيد كه هم از قدرت پايتون در محاسبات و هم از قدرت الگوريتم ژنتيك در بهينه سازي در كنار هم بهره ببريد. در اغلب مسائل، وجود حجم زياد داده ها، منجر به ايجاد اشكالات جدي در امر شناسايي و كشف روابط و الگوهاي پنهان در اين داده ها شده است.

آموزش

درواقع هوش عمومي، انعطاف‌پذيري بيشتري داشته و امكاتن يادگيري مهارت براي انجام دادن وظايف بسيار متنوع را دارد. هر فعاليتي از كوتاه كردن مو تا منظم كردن فايل‌هاي صفحه‌ي گسترده‌ي مديران تا حتي استنباط و نتيجه‌گيري از اطلاعات و تجربه‌هاي كسب‌شده، توسط يك هوش عمومي مصنوعي قابل انجام هستند. فعاليت‌هايي كه در دسته‌ي فعاليت‌هاي هوشمندانه‌ي ماشيني قرار مي‌گيرند، به‌مرور زمان تغيير مي‌كنند و درواقع با توانمندتر شدن ماشين‌ها، برخي فعاليت‌ها ديگر لزوما هوشمندانه نيستند. تئوري تسلر در تعريف هوش مصنوعي مي‌گويد هر دستاوردي كه تاكنون انجام نشده باشد، هوش مصنوعي نام مي‌گيرد. درنتيجه امروزه انجام فعاليت‌هايي همچون تشخيص كاراكتر ديگر يك ماشين را هوشمند نمي‌كنند.

دراين‌ميان دولت‌هاي ثروتمند همچون آمريكا و بريتانيا نيز به‌مرور سرمايه‌گذاري روي پروژه‌ها را كاهش دادند. از آن زمان دوراني موسوم به «زمستان‌ شروع شد؛ زمستاني كه پيدا كردن و جذب سرمايه براي پروژه‌هاي هوش مصنوعي، بزرگ‌ترين چالش آن بود. با شنيدن يا خواندن اصطلاح هوش مصنوعي، تصاوير و اصوات گوناگوني در ذهن ما شكل مي‌گيرد. برخي صداي دستيارهاي هوشمندي همچون سيري و كورتانا و الكسا را مي‌شنويم و برخي ديگر، به‌ياد تصاوير وحشتناك و نگران‌كننده‌ي فيلم‌هاي علم‌تخيلي همچون ترميناتور مي‌افتيم.

مفهوم ديگري كه مثلث بنيادي هوش مصنوعي را تكميل مي‌كند، شبكه‌‌ي عصبي نام دارد. در بخش تاريخچه و تعارف هوش مصنوعي، دو مفهوم به‌عنوان ابزارهاي اصلي شكوفايي اين فناوري مطرح شدند. يادگيري ماشين يكي از ابزارهاي اصلي توسعه‌ي هوشمندي در ماشين‌ها محسوب مي‌شود كه مفاهيم پايه‌اي هوش را شكل مي‌دهد. درواقع ماشيني كه به يادگيري مجهز باشد، قدم اول را به‌سمت هوشمند شدن برداشته است (دقيقا شبيه به انسان). امروزه كاربردهاي متنوعي براي هوش مصنوعي محدود وجود دارد كه روز‌به‌روز هم بر تعداد آن‌ها افزوده مي‌شود.

گروهي از محققان دانشگاه استنفورد يك نرم‌افزار هوش مصنوعي ساخته‌اند كه با تشخيص اهميت و اولويت‌بندي فكس‌ها، به كاركنان بخش سلامت كمك مي‌كند. اتومبيل هاي خود ران كه به كمك هوش مصنوعي ياد مي‌گيرند كه چگونه رانندگي كنند. ) قادر به شناسايي الگوها و تصميم‌گيري بر اساس قوانين فكر كردن خود هستند. قوانين و چگونگي فكر كردن هر عامل در راستاي دستيابي به هدفش، تعريف مي‌شود.

امروزه، يادگيري ماشين در اكثر صنايع و كسب و كارها مورد استفاده قرار مي گيرد و تصميمات بسيار تأثيرگذار دنياي امروز بر اساس پردازش ها و نتايج به دست آمده از يادگيري ماشين است. همچنين زبان برنامه نويسي پايتون با رشد و گسترده تر شدن روزافزون جامعه كاربري اش، بستر بسيار مناسبي جهت فعاليت هاي يادگيري ماشين را فراهم كرده است. اين نوع از هوش مصنوعي هنوز وجود ندارد اما اساس اين عبارت روانشناختي به تمامي اعتقادات و دانش ها، آرزوها و آمال و نيت هر فرد بر مي گردد و تاثيري كه هر كدام از آن ها بر تصميم گيري يك فرد دارد. به‌طور كلي ماهيت وجودي هوش به مفهوم جمع‌آوري اطلاعات، استقراء و تحليل تجربيات به منظور رسيدن به دانش يا ارائه تصميم است.

در واقع هوش مصنوعي به متخصصان حوزه ژنتيك كمك مي‌كند كه ژنومي مصنوعي بسازند كه مشابه آن وجود ندارد. به همين منظور در فصل سوم اين دوره پنج ميني پروژه برايتان درنظر گرفته‌ايم كه با آن‌ها مي‌توانيد به خوبي پايتون را فرا بگيريد. به عبارت ساده هدف ما از برگزاري اين دوره اين است كه شما را در هر سطحي كه قرار داريد، چند گام بالاتر ببريم تا بتوانيد زبان برنامه نويسي هوش مصنوعي را از سطوح پايين تا سطوح پيشرفته‌تر فرا بگيريد. پردازش زبان طبيعي يا Natural Language Processing يعني درك ماشين نسبت به گفتار، نوشتار و ارتباطات انساني، با استفاده از اين تكنيك رايانه‌ها مي‌توانند نتيجه‌گيري‌هايي با مبناي احساسي از ورودي‌هاي زباني دريافت كرده و با توجه به آن‌ها تصميم‌گيري كنند.

در سال ۱۹۸۷ و با شكست‌هايي كه رخ داد، بار ديگر پژوهش‌هاي AI تا حدودي كم سرعت شدند. در دهه ۱۹۸۰ و با اختراع ترانزيستورهاي سيليكوني و مدارهاي مجتمع IC، روحي تازه به پيكيره‌‌ي هوش مصنوعي دميده شد؛ اين سخت‌‌افزارها ساخت شبكه‌‌هاي عصبي مصنوعي را ممكن ساختند. فنولوژيمي‌خواهيم به اين سوال پاسخ دهيم كه هوش مصنوعي چيست و چه كاربردي دارد؟ در حقيقت به طور كامل با مفاهيم و كاربردهاي هوش مصنوعي آشنا مي‌شويم.

دستيارهاي صوتي نيز به‌مرور به گوشي‌هاي هوشمند اضافه مي‌شدند كه كاربرد فناوري جديد را در زندگي ما بيشتر كردند. دستاورد مهم بعدي، شكست قهرمان بازي گو لي سدول، توسط هوش مصنوعي AlphaGo در سال ۲۰۱۶ بود. يك سال بعد، آلفاگو توانست كي جي، قهرمان وقت بازي را شكست دهد كه به گواه بسياري، نقطه‌ي مهم پيشرفت هوش مصنوعي در تاريخ بود. شايان ذكر است بازي گو پيچيدگي‌هاي بسيار بيشتري نسبت به بازي شطرنج دارد و توانايي شكست دادن قهرمان آن، نشان‌دهنده‌ي هوشمندي بسيار بالاي كامپيوتر بود.

در خدمت بخش درمان به منظور مقابله با كوويد 19هوش مصنوعي يكي از ابزارهايي است كه اين روزها جامعه پزشكي مي تواند از آن براي مقابله با كوويد 19 استفاده كند. پردازش اسكن هاي ريه و كمك به تحليل نتايج آن از جمله مزايايي هوش مصنوعي است. در واقع در يادگيري تحت نظارت داده‌هاي آموزشي كليد پاسخ دارند و از پاداش و تنبيه براي نشان دادن رفتار مثبت و منفي استفاده مي‌شود. در اين يادگيري، عامل خودش تصميم مي‌گيرد كه براي انجام وظيفه‌اي كه به او محول شده چه كاري انجام دهد. سايت‌هاي فروش آنلاين از اولين تجارت‌هايي هستند كه از هوش مصنوعي به درآمد رسيده‌اند. پيشنهادهايي كه سايت‌هايي مانند آمازون و ديجيكالا به شما مي‌دهند، از الگوريتم‌هاي پيچيده هوش مصنوعي و يادگيري عميق با توجه به الگوي خريد گذشته شما، مكان و زمان و ديگر فاكتورها استفاده مي‌كنند.

ساير برنامه هايي كه هوش مصنوعي دارند مانند ******** بات ها، مي توانند به بيماران براي برنامه ريزي قرار ملاقات، پاسخ به پرسش ها، صدور صورت حساب كمك كنند و يا به صورت يك دستيار سلامت مجازي به فرد بازخوردهاي پزشكي ارائه دهد. كلان داده يا بيگ ديتا عبارتي است كه براي توصيف مقادير بزرگي از داده (اعم از داده هاي ساختار يافته و بدون ساختار) استفاده مي‌شود. از كلان داده ها مي‌توان براي استخراج اطلاعات مورد نياز براي تصميم گيري‌هاي مهم و حياتي استفاده كرد و حركات استراتژيك و حساس را با دقت بيشتري اجرا نمود. يك دانشمند داده به كمك كلان داده‌ها نه تنها قادر به تجزيه و تحليل نيازهاي افراد مي‌باشد بلكه از قوانين حاكم بر بازارها و روندهاي مختلف نيز اطلاع مي‌يابد. تحليل مقادير زيادي داده، بدون هيچ گونه سيستم هوشمند و تنها به وسيله انسان امكان پذير نيست. زيرا هم حجم داده بسيار گسترده است و هم هر روز بر ميزان اين حجم افزوده مي‌شود.

به جاي اتومات كردن كارهاي دستي، AI وظايف كامپيوتري شده، حجيم و متناوب را به شكلي قابل اتكا و بدون خستگي انجام مي دهد. براي اين نوع از اتوماسيون، تحقيق و بررسي توسط انسان هنوز براي راه اندازي سيستم و پرسيدن سوالات مناسب ضروري است. هوش مصنوعي يكي از مقوله هايي است كه در علوم كامپيوتر، اهميت فراوان دارد و تغييرات در هوش مصنوعي مي توانند تحولات گسترده اي را در فناوري اطلاعات پديد بياورند. با راه‌كار يادگيري عميق سورين، شما لازم نيست كه براي پيدا كردن، پيكربندي و استقرار تجهيزات مورد نياز براي اجراي اين كتابخانه‌ها و چارچوب‌هاي يادگيري عميق نگران باشيد. راه‌كار ما دربرگيرنده بيش از {400|four hundred} مگابايت از ماژولهاي Python است كه شامل بسته‌هاي لازم براي يادگيري ماشين است. علاوه بر آن درايورهاي سخت‌افزاري NVIDIA، درايورهاي CUDA (پلتفرم API موازي محاسباتي)، CUB (بلوكهاي ساختاري CUDA) و NCCL است.

ماشين‌هايي كه عادات جستجوي شما در گوگل را ردگيري مي‌كنند و بر اساس هزاران متغيير مختلف تبليغات مناسب را براي شما به نمايش در مي‌آورند، بر اساس ANI هاي ابتدايي ساخته شده‌اند كه در طول زمان سلايق شما را ياد مي‌گيرند. مثال ديگر فيلترهاي هوشمند سرويس‌هاي ايميل براي پاكسازي اينباكس شما از اسپم است. سيستم‌هايي كه در يك لحظه بين ميليون‌ها پيام به جستجو مي‌پردازند و تصميم مي‌گيرند كه كدام يك واقعي است و كدام بايد حذف شود. يادگيري عميق نوعي از يادگيري ماشين و هوش مصنوعي است كه در واقع از روشي كه ذهن انسان براي يادگيري موضوع خاصي به كار مي‌گيرد، تقليد مي‌كند.

به ياري پژوهش‌هاي گستردهٔ دانشمندان علوم مرتبط، هوش مصنوعي تاكنون راه بسياري پيموده‌است. در اين راستا، تحقيقاتي كه بر روي توانايي آموختن زبان‌ها انجام گرفت و همچنين درك عميق از احساسات، دانشمندان را در پيشبرد اين دانش كمك زيادي كرده‌است. يكي از اهداف متخصصين، توليد ماشين‌هايي است كه داراي احساسات بوده و دست كم نسبت به وجود خود و احساسات خود آگاه باشند.

هنگامي كه پيشرفت سازماني به بينش‌هاي به دست آمده از طريق يادگيري عميق گره خورده است، زيرساخت‌هاي فناوري اطلاعات مورد نياز براي اين منظور بايد به شكل حرفه‌اي به كار گرفته شود، نه به صورت آزمايشگاهي. با اين حال، ساخت و مديريت يك كلاستر پيشرفته، نصب نرم‌افزارهايي كه تمامي كتابخانه‌هاي لازم را در حود داشته باشد و كار كردن همه اينها در كنار هم، مي‌تواند چالش بزرگي باشد. در آينده شاهد استفاده از هوش مصنوعي قوي‌تري در مريخ نوردها ، سفينه‌ها، ضد ويروس‌ها و … خواهيم بود. مريخ نورد‌ و سفينه‌هايي كه در مواقع حساس و اضطراري اقدام به تصميم گيري به جاي انسان‌ها خواهند كرد و ضد ويروس‌هايي كه بدون نياز به اتصال به اينترنت و دريافت بروزرساني اقدام به تشخيص ويروس‌ها مي‌كنند.

تهران- ايرنا- ۲۲۵ شركت دانش‌بنيان در تلاش هستند تا با نوآوري‌ها و خلاقيت‌هاي فناوران خود هوش مصنوعي را در كشور توسعه دهند. يك الگوريتم جديد با قابليت استنباط اهداف و برنامه‌هاي انسان مي‌تواند به ساخت دستگاه‌هايي كمك كند كه با ماهيت ناقص برنامه‌ريزي انساني سازگار باشند. در صورتي كه مقاله مورد نظر شما هنوز به فارسي ترجمه نشده است، واحد ترجمه اين پايگاه آمادگي دارد با همكاري مترجمان با سابقه، مقاله مورد نظر شما را با هزينه مناسب و كيفيت مطلوب ترجمه نمايد. نخستين دوره بوت كمپ تخصصي هوش مصنوعي با حمايت ستاد توسعه اقتصاد ديجيتال و هوشمندسازي معاونت علمي و فناوري رياست جمهوري، هفتم شهريورماه سال جاري با هدف توسعه مدل كسب و كارهاي حوزه هوش مصنوعي برگزار مي شود. نام و نام‌خانوادگي نويسنده‌ها در بالاي هر مقاله درج شده و قابل مشاهده هست، ضمن اينكه اگر مقاله‌اي از منابع خارجي ترجمه شده باشه حتما در داخل متن به اون ارجاع داده خواهد شد. در حوزه آموزش وپرورش كه مي تواند در حوزه يادگيري، ارزشيابي، مشاوره و استعداديابي دانش آموزان ورود كند.

اين مجموعه شامل MLPython، كتابخانه شبكه عصبي عميق انويديا كودا ، سيستم آموزش GPUبراي يادگيري عميق و CaffeOnSpark ( بسته‌اي از spark براي يادگيري عميق) است. "مافلين" نام ربات كوچك و بامزه‌اي است كه به هوش مصنوعي مجهز است و مانند يك حيوان خانگي عمل مي كند. مردم دوست دارند تا با يك نگاه ديگران را قضاوت كنند اكنون الگوريتمي ادعا مي‌كند كه مي‌تواند كاري مشابه انجام دهد و در عرض تنها دو دقيقه قابل اعتماد بودن فردي كه از بانك تقاضاي وام كرده است را تشخيص دهد.

از طرفي ايجاد خروجي و ارتباط با نرم افزار MATLAB مي تواند توانايي و كاربرد اين نرم افزار را افزايش دهد. با برقراري ارتباط بين دو نرم افزار MATLAB و GAMS مي توان به حل بهتر مسائل Iterative (تكراري) پرداخت و مسائلي مانند بهينه سازي و جايابي و… را با استفاده از قابليت هاي هر دو نرم افزار حل كرد. اتوماسيون و هوش مصنوعي مي تواند به اين فرآيند كمك كرده و كارآمدتر از زمان استفاده كند. استارتاپ ها در حال ساخت دستيارهاي رايانه اي هستند كه پرسش و پاسخ ها را غربال مي كند و مي توانند با بررسي و طبقه بندي و يك بانك اطلاعاتي ، سؤالات برنامه ريزي شده در زمينه هستي شناسي را پاسخ دهد. سيستم هاي هوش مصنوعي در برنامه هاي مالي شخصي، مانند Mint يا Turbo Tax، مي توانند اطلاعات مالي شخصي هر فرد را جمع آوري كنند و به آن ها مشاوره مالي دهند. از برنامه هاي ديگر مانند IBM Watson حتي در روند خريد خانه نيز مي توان استفاده كرد.

امروزه هوش مصنوعي توانسته با قابليت «شخصي‌سازي كمپين‌هاي بازاريابي»، خود را به صنعت بازاريابي اثبات كند. انتظار مي‌رود اين فناوري حوزه «اتوماسيون هوشمند» را نيز به شدت تحت تاثير خود قرار دهد و به نوعي متحول سازد. بر اين اساس فرايند اتوماسيون بيش از گذشته، هوشمند و قابل اعتمادتر خواهد شد. از اين رو با روي آوردن سازمان ها به هوش مصنوعي، نيروي كار نيز بايد با كدنويسي آشنايي مقدماتي داشته باشند. يكي از پيامدهاي استفاده از ربات ها در پست هاي عملي و ابتدايي ايجاد مشاغل تخصصي تر خواهد بود و اپراتورهاي چنين دستگاه هايي نيز بايد با نحوه كار آنها آشنايي مقدماتي داشته باشند.

البته گوگل و به طور مشخص زيرمجموعه هوش مصنوعي آن يعني ديپ مايند، تاثير بيش‌‌‌تري در آگاهي عمومي از هوش مصنوعي داشته است. چنين شبكه‌هايي با الهام از ساختار نورون‌هاي مغز انسان توسعه يافته‌اند و از لايه‌هاي متعدد و متصل به هم الگوريتم موسوم به نورون تشكيل مي‌شوند. هر نورون، قابليت يادگيري انجام وظيفه‌اي خاص را دارد و با اولويت‌بندي ساختار داده‌ي درحال تبادل، فرايندي را روي آن انجام مي‌دهد. در مسير يادگيري شبكه‌هاي عصبي، اولويت و وطن داده‌هاي ورودي تغيير مي‌كند تا اينكه درنهايت خروجي موردنياز از شبكه استخراج مي‌شود. در چنين وضعيتي، شبكه‌ به‌نوعي انجام دادن يك وظيفه‌ي خاص را آموخته است.

در اين آموزش، علاوه بر آشنايي با مباني تئوري يادگيري عميق، تكنيك ها و مدل هاي مختلف آموزش شبكه هاي عصبي عميق، قادر خواهيد بود تا در عمل نيز به طراحي، پياده سازي و آموزش اين شبكه ها بپردازيد. همچنين در اين آموزش به كاربردهاي آكادميك و تحقيقاتي و هم به كاربردهاي عملي يادگيري عميق توجه شده است. در اين آموزش، تمركز بر روي محبوب ترين مدل و كاربرد يادگيري عميق يعني مدل شبكه عصبي كانولوشني با كاربرد در بينايي ماشين و پردازش تصوير خواهد بود. امروزه نيز مي‌توان كاربرد‌هاي را در زندگي روزمره مشاهده كرد. براي مثال برخي از چراغ‌هاي راهنمايي رانندگي هوشمند با محاسبه زمان مورد نياز براي توقف خودرو‌ها در پشت چراغ قرمز از هوش مصنوعي استفاده مي‌كنند.

در اين فرادرس، سعي شده است با نگرشي جامع، رويكردهاي تكاملي و فراابتكاري براي حل مساله انتخاب ويژگي مورد بحث و بررسي واقع شده اند و پياده سازي عملي اين روش ها، به صورت گام به گام در محيط متلب آموزش داده شده اند. با وجود مخالفت گروهي از متفكّرين با هوش مصنوعي كه با ترديد به كارآمدي آن مي‌نگريستند تنها پس از چهار دهه، شاهد تولد ماشين‌هاي شطرنج باز و ديگر سامانه‌هاي هوشمند در صنايع گوناگون شديم. AI براي ثبت تصاوير بازي هاي كامپيوتري و ارائه گزارشهايي درباره نحوه سازماندهي بهتر بازي، از جمله موقعيتهاي ميداني و استراتژي، به مربيان استفاده مي شود. تهران با ۱۵۵، اصفهان با ۱۵ و خراسان رضوي با ۱۲ محصول توسعه يافته هوش مصنوعي رتبه‌هاي نخست تا سوم اين حوزه را به خود اختصاص داده‌اند. راه‌كار يادگيري عميق سورين شامل مجموعه‌اي از پركاربردترين كتابخانه‌هاي يادگيري ماشين است.

دانستن مفاهيم مورد بحث در اين فرادرس و تسلط بر اين موضوعات، ضامن يادگيري بهتر و تسلط بيشتر بر مباحث آتي در حوزه بهينه سازي خواهد بود. لذا، مطالعه و يادگيري آموزش «مباني محاسبات تكاملي و بهينه سازي هوشمند» يا درس شماره صفر بهينه سازي را از دست ندهيد. در اين آموزش ويدئويي، يكي از محبوب ترين و پركاربردترين علوم حوزه يعني يادگيري عميق ، معرفي شده است.

در حقيقت اين سيستم هنوز يك كامپيوتر است اما يك كامپيوتري كه در برخي از زمينه‌ها هوشمندتر از انسان عمل مي‌كند. سامانه‌هاي خبره زمينه‌اي پركاربرد در هوش مصنوعي و مهندسي دانش است كه با توجه به نياز روزافزون جوامع بر اتخاذ راه حل‌ها و تصميمات سريع در مواردي كه دانش‌هاي پيچيده و چندگانهٔ انساني مورد نياز است و بر اهميت نقش آن‌ها نيز افزوده مي‌شود. سامانه‌هاي خبره به حل مسائلي مي‌پردازند كه به‌طور معمول نيازمند تخصص‌هاي كاردانان و متخصّصان انساني است. به‌منظور توانايي بر حل مسائل در چنين سطحي (ترازي)، دسترسي هرچه بيشتر اين‌گونه سامانه‌ها به دانش موجود در آن زمينه خاص ضروري مي‌گردد. هوش مصنوعي در علم پزشكي امروزه به دليل گسترش دانش و پيچيده‌تر شدن فرايند تصميم‌گيري، استفاده از سامانه‌هاي اطلاعاتي به خصوص سامانه‌هاي هوش مصنوعي در تصميم‌گيري، اهميت بيشتري يافته‌است. گسترش دانش در حوزهٔ پزشكي و پيچيدگي تصميمات مرتبط با تشخيص و درمان - به عبارتي حيات انسان - توجه متخصصين را به استفاده از سامانه‌هاي پشتيبان تصميم‌گيري در امور پزشكي جلب نموده‌است.

استفاده از الگوريتم‌هاي تكاملي براي بهينه‌سازي شبكه‌هاي عصبي، به عبارت Neuroevolution شناخته مي‌شود و در توسعه‌ي نسل‌هاي بعدي از سيستم‌هاي هوشمند،‌ كارايي بسياري خواهد داشت. جديدترين دستاوردها در اين حوزه، در آزمايشگاه هوش مصنوعي اوبر رخ داد كه از الگوريتم‌هاي ژنتيكي براي آموزش شبكه‌هاي عصبي عميق در جهت يادگيري پيشرفته استفاده كرد. شايد تا به حال متوجه اين موضوع نبوده باشيد، ولي همين حالا هم توسط هوش مصنوعي ضعيف يا ANI محاصره شده‌ايم.

اما از آن زمان تا كنون ماشيني اختراع نشده است كه توانسته باشد اين تست را با موفقيت بگذراند. هر چند زبان AIML ابداع شد، اما اين زبان هرگز به اين حد از هوش مصنوعي دست نيافت. هوش مصنوعي در آينده‌اي نه چندان دور زندگي بيشنر انسان‌ها را تحت تاثير قرار خواهد داد. بنا بر تحقيق معتبر دانشگاه آكسفورد كه در سال ۲۰۱۳ انجام گرفته است؛ ۴۷ درصد از كل جايگاه‌هاي شغلي ايالات متحده در سال ۲۰۳۰ به شكل اتوماسيون و بدون حضور انسان انجام مي‌گيرند. همچنين برنامه‌نويسان و مهندسان نرم‌افزار در ۲۰ سال آينده تنها ۸ درصد امكان اتوماسيون شغلشان وجود دارد. محققين براين باوراند كه نهايتا مهندسان نرم‌افزار روزي با برنامه‌اي هوشمند جايگزين خواهند شد؛ برنامه اي كه مي‌تواند كدها را خود كپي كند، بنويسد و آن‌ها را بهبود بخشد.

يادگيري بدون نظارت، با هدف انتخاب داده‌‌ي خاص از ميان ديتاست داده انجام نمي‌شود. درواقع چنين الگوريتم‌هايي تنها تلاش مي‌كنند تا داده‌هاي با مشخصات مشابه را پيدا كنند. به‌عنوان مثالي كاربردي، مي‌توان به فيدهاي خبري اشاره كرد كه موضوع‌هاي مشابه را به‌صورت روزمره در دسته‌هاي مشخص قرار مي‌دهند. هوش مصنوعي در سطوح بالا به دو نوع وسيع به‌نام‌هاي «هوش مصنوعي محدود » و «هوش عمومي مصنوعي » تقسيم مي‌شود.

اما علت اصلي اين ميزان هزينه افزايش روند و خدمات سيستم مي باشد كه تا چند سال آينده به بيشترين ميزان خود خواهد رسيد. در صورتي كه به ترجمه آماده هر يك از مقالات زير نياز داشته باشيد، مي توانيد سفارش دهيد تا مترجمان با تجربه اين مجموعه در اسرع وقت آن را براي شما ترجمه نمايند. در علوم كامپيوتر و رشته‌هاي مربوطه، شبكه‌هاي عصبي مصنوعي مدل‌هايي الهام‌گرفته شده از سيستم عصبي مركزي حيوانات (به ويژه مغز) هستند كه توانايي يادگيري دستگاه و تشخيص الگو را دارند. اين شبكه‌ها معمولا سيستمي از عصب‌هاي به هم پيوسته‌اند كه مي‌توانند مقادير ورودي را با تزريق اطلاعات در شبكه محاسبه كنند. هوش مصنوعي تصويربرداري زيستي را ساده كرده استبا همگرايي هوش مصنوعي و زيست‌فناوري، محققان روشي ارائه كردند كه با استفاده از آن مي‌توان بدون نياز به برچسب‌زني سلول، از آن تصويربرداري كرد. از ديگر كاربردهاي هوش مصنوعي در علم كامپيوتر، تلفيق تحليل داده با كامپيوترهاي كوانتومي است كه باعث افزايش بسيار زياد سرعت تجزيه و تحليل داده‌ها خواهد شد.

يك هوش مصنوعي جديد توسعه يافته توسط محققان دانشگاه واشنگتن قادر است از روي مشاهده يك ويدئوي بي‌صدا از نواختن پيانو، موسيقي در حال نواخته شدن را توليد كند. محققان موسسه فناوري هندي گاندي‌نگر ابزاري يادگيري عميق مبتني بر هوش مصنوعي براي تشخيص كوويد-۱۹ از تصاوير اشعه ايكس قفسه سينه ايجاد كرده‌اند. تيم‌هاي خلاق با حمايت همراه‌ اول مي‌توانند ايده‌هاي هوش مصنوعي خود را در يك رويداد ۱۰ هفته‌اي به ساخت نمونه اوليه تبديل كنند. توضيح دادن حجم احساساتي كه بعد از ديدن زنده شدن عكس قديمي يكي از عزيزان از دست رفته‌مان تنها با زدن يك دكمه تجربه مي‌كنيم كار دشواري است. در حالي كه به گونه‌اي چشمك مي‌زند و سرش را تكان مي‌دهد كه انگار همين ديروز زنده بوده است و سالها پيش يعني قبل از آنكه فيلمبرداري به امري عادي تبديل شود، از دنيا نرفته است. زبان برنامه‌نويسي مقدماتي و پيشرفته، مباني شبكه‌هاي عصبي و يادگيري عميق، تشخيص و بازشناسي چهره، مباني پردازش زبان طبيعي، شبكه‌هاي تخاصمي و غيره از جمله محورهاي اين دوره آموزشي است.

جان مك‌كارتي اين حوزه را از زيرمجموعه‌ي سايبرنتيك و نظريه‌هاي سايبرنتيست‌هايي همچون نوربرت وينر خارج كرد و اصطلاح «هوش مصنوعي» به‌نوعي توسط او متولد شد. از پيش‌گامان و رهبران حوزه‌ي هوش مصنوعي مي‌توان به آلن نول، هربرت سيمون، جان مك‌كارتي، ماروين مينسكي و آرتور ساموئل اشاره كرد. آن‌ها به‌كمك دانشجويان خود برنامه‌هايي توسعه مي‌دادند كه رسانه‌هاي جهان، لقب «عجيب» را برايشان انتخاب مي‌كردند.

شاخه‌اي از علوم كامپيوتر است كه در آن به ساخت ماشين‌هايي هوشمند پرداخته مي‌شود كه مانند انسان‌ها عمل مي‌كنند و واكنش انجام مي‌دهند.يك عامل هوشمند، سيستمي است كه با شناخت محيط اطراف خود، شانس موفقيت خود را پس از تحليل و بررسي افزايش مي‌دهد. يادگيري ماشين يكي از زير مجموعه هاي هوش مصنوعي است كه به سيستم ها اين امكان را مي دهد تا به صورت خودكار يادگيري و پيشرفت داشته باشند بدون اينكه نياز بايد تا يك برنامه نويسي مخصوص به آن يادگيري خاص را انجام داد. تمركز اصلي يادگيري ماشيني بر توسعه برنامه‌هايي است كه بتوانند با دسترسي به داده‌ها، به طور خودكار از آن‌ها براي يادگيري خود سيستم استفاده كنند. منظور از مصنوعي يعني ساخته شده به دست بشر است و از طرفي ديگر هوش به معناي توانايي ذهن براي درك اصول، حقيقت، حقايق يا معاني، كسب دانش و تبديل علم به عمل بر پايه توانايي يادگيري و درك كردن است.

هدف اين فرادرس آشنايي دانشجويان عزيز، با مباحث مختلف الگوريتم PSO شامل مباحث تئوري و عملي است. درون اين مجموعه بسته‌‌هاي كوچكي به اندازه‌ي درايو ديسك سخت ( هارد درايو) رايانه قرار گرفته است. داخل اين بسته‌هاي كوچك تراشه‌هايي كه همگي مبتني بر فناوري شبكه‌هاي عصبي هستند قرار گرفته‌اند. اين تراشه‌ها با استفاده از سيليكون و متشكل از آنالوگ‌هاي فيزكي طراحي شده‌اند كه شامل نئورون‌ها و سيناپس‌ها (ارتباط بين نئورون) هستند و به صورت اختصاصي براي فعاليت در بستر شبكه‌هاي عصبي طراحي شده‌اند. در سمت ديگر، هوش مصنوعي‌اي كه نگراني بسياري را بر انگيخته است “Artificial General Intelligence” (هوش عمومي مصنوعي) يا به اختصار AGI است. محصولات اصلي شركت شامل پردازش گفتار، تحليل تصوير، ويدئو، ********‌بات هوشمند و تحليل متن، و اپراتور هوشمند مركز تماس است كه تمامي اين محصولات با آخرين فناوريهاي روز دنيا و مبتني بر يادگيري ماشين و يادگيري عميق توليد شده‌اند.

هوش مصنوعي كه امروزه از آن ياد مي‌شود در واقع تكنولوژي است كه به نحوي قابليت تفكر دارد. البته اين قابليت تفكر با چيزي كه ما به عنوان تفكر انساني مي‌شناسيم تا حد زيادي تفاوت دارد، اما در حقيقت سعي دارد تا از آن تقليد كند. آزمون تورينگ[۱۳] آزموني است كه توسط آلن تورينگ در سال ۱۹۵۰ در نوشته‌اي به نام «محاسبات ماشيني و هوشمندي» مطرح شد. در اين آزمون شرايطي فراهم مي‌شود كه شخصي با ماشيني تعامل برقرار كند و پرسش‌هاي كافي براي بررسي اقدامات هوشمندانهٔ ماشين، از آن بپرسد.

بنابراين مشخص است كه با استفاده از هوش مصنوعي در تفسير كلان داده‌ها است كه به بسياري از مفاهيم جديد مي‌رسيم كه نتيجه‌اش قابليت متحول كردن بخش عظيمي از جامعه و زندگي انسان‌ها را دارد. سوپر هوش مصنوعي در واقع عبارتي است كه براي هوش مصنوعي استفاده مي‌شود كه سطح هوش و درك انساني را پشت سر گذاشته و به نوعي داراي هوش فرا بشري خواهد شد. در حقيقت رسيدن يا نرسيدن و يا حتي زمان رسيدن به آن در حاله‌اي از ابهام مي‌باشد. براي رسدن به اين سطح از هوش مصنوعي، يك سيستم هوشمند بايد تست تورينگ را پشت سر گذاشته باشد و هيچ ماشيني تا به حال به سطحي از درك و شعور و وسعت دانش يك انسان بالغ نرسيده است كه از اين تست سر بلند بيرون آمده باشد. در سال ۱۹۵۰، آلن تورينگ مقاله اي را در رابطه با هوش مصنوعي منتشر ساخت كه بعد ها به تست تورينگ مشهور شد.

در دنياي مدرن، وظايف پيچيده‌تري همچون تشخيص صحبت‌هاي انسان، رقابت در بازي‌هاي استراتژيك همچون شطرنج و گو و هدايت خودكار ماشين‌ها، هوشمندي واقعي را در كامپيوترها تعريف مي‌كنند. در ادامه مسير شروع شده در آموزش هاي الگوريتم ژنتيك در پايتون مقدماتي و تكميلي بخش اول، در اين فرادرس مسائل ديگري را به كمك الگوريتم ژنتيك در پايتون بهينه سازي مي كنيم. تا بدين جا مسائل گوناگون بهينه سازي از سطح ساده انتخاب شده و در هر درس مساله پيچيده تري كه نيازمند الگوريتم ژنتيك كامل تري بود را بررسي كرديم. در پايان اين آموزش شما با حل مساله هاي بهينه سازي جديد و پيچيده تري نسبت به آموزش هاي مقدماتي و تكميلي بخش اول آشنا خواهيد شد و قادر خواهيد بود براي حل يك مساله بهينه سازي از الگوريتم ژنتيك در پايتون استفاده كنيد. در اين آموزش كه عملا درس شماره صفر تمام دروس آموزشي بهينه سازي مي تواند باشد، مفاهيم پايه و اساسي مربوط به مسائل بهينه سازي و الگوريتم هاي مورد استفاده براي حل اين مسائل، مورد بحث و بررسي قرار مي گيرند. تمام افرادي كه قصد آموزش تئوري يا عملي روش هاي بهينه سازي را دارند، به مشاهده اين آموزش توصيه مي شوند.

هوش مصنوعي فيدبك را از انسان مي‌‌‌‌گيرد و خود را اصلاح مي‌‌‌‌كند تا به نتيجه مطلوب دست يابد. ديتاست‌هاي آموزشي براي مدل‌هاي يادگيري ماشين، روز‌به‌روز بزرگ‌تر و در دسترس‌تر مي‌شوند. گوگل ديتاستي به‌نام Open Images دارد كه ۹ ميليون تصوير را در اختيار كاربر قرار مي‌دهد.

براي تبديل مساله خوشه بندي به مساله بهينه سازي، ما نيازمند شاخص هايي هستيم كه به اين منظور، در اين فرادرس، از چندين شاخص معروف در حوزه داده كاوي تكاملي، استفاده شده است. ماشين هاي داراي خود آگاهي مي توانند بفهمند كه در چه سطح و حالتي هستند و مي توانند از اطلاعاتي كه بدست مي آورند احساسات ديگران را نتيجه گيري كنند. سوپر هوش مصنوعي همان طور كه گفته شد زماني است كه هوش مصنوعي به فراتر از توانايي‌هاي انسان دست خواهد يافت. اين سيستم مي‌تواند داراي قدرت‌هايي باشد كه يك انسان از داشتن آن نحروم است. رسيدن به اين سيستم در اثر تكامل يافتن هوش مصنوعي عمومي اتفاق خواهد افتاد و ساخت آن هم مي‌تواند به دست بشر باشد و يا اينكه مي‌تواند به دست سيتستم‌هاي هوشمندي باشد كه به تكامل دست يافته‌اند.

(ساختهٔ دست بشر، غيرطبيعي، مصنوعي) حال آنكه هوش مصنوعي به عنوان يك اصطلاح عمومي پذيرفته شده كه شامل محاسبات هوشمندانه و تركيبي (مركب از مواد مصنوعي) است. انسان‌ها نمي‌توانند پا به پاي سرعت سرسام‌آور رشد فناوري‎ها حركت كنند، و به همين دليل شركت‌ها بي‌محابا به دنبال استفاده از دستيارهاي مجازي و ********‌بات‌هايي هستند كه از هوش مصنوعي تغذيه مي‌شوند. طبق پيش‎بيني‌ها تا سال ۲۰۲۰ حدود ۸۵ درصد تعاملات مشتري‌ها به وسيله هوش مصنوعي مديريت مي‌شود. علاوه بر اين با گسترش حضور هوش مصنوعي و ماشين ها در زندگي بشر، برخي مهارت هاي برنامه نويسان نظير تبحر در حل مسائل، درك چگونگي كاركرد سيستم هاي فني و بهينه سازي آنها بيش از پيش اهميت پيدا خواهند كرد. از اينها كه بگذريم، فيلسوف ها و رياضي دان ها از مدت ها پيش مباحث مربوط به استدلال و منطق را پيش كشيدند و امروزه اين مباحث به صورت قرار دادي، به رسميت پذيرفته شده است. يكي از افرادي كه نقش اساسي و مهمي در اين مورد ايفا كرد آقاي آلن تورينگ بود.

دهه‌ي ۲۰۱۰ را مي‌توان دوران شكوفايي دستاوردهاي هوش مصنوعي دانست كه در زندگي روزمره‌ي بشر به‌وضوح حس شدند. در سال ۲۰۱۱، مسابقه‌ي مشهور Jeopardy تلويزيون آمريكا (مسابقه‌اي با محوريت اطلاعات عمومي) با حضور دو نفر از برترين شركت‌كننده‌ها، برد راتر و كن جنينگز، برگزار شد و در برابر آن‌ها، كامپيوتر واتسون IBM قرار داشت. در سال ۲۰۱۲، كامپيوترهاي سريع‌تر با تجهيز به الگوريتم‌هاي پيشرفته‌تر و دسترسي به منابع داده‌اي عظيم‌تر، پيشرفت در حوزه‌هاي درك و يادگيري ماشين را ممكن كردند. رويكردهاي يادگيري عميق هم در همان سال متولد شدند كه نياز به داده را به‌عنوان خوراك سيستم‌‌هاي هوش مصنوعي، افزايش دادند.

اين سامانه‌ها بر اساس قوانين خاص خود فكر كرده و كار خود را به درستي انجام مي‌دهند. هر چند نمونه بالا ممكن است كمي آرماني به نظر برسد، ولي به هيچ عنوان دور از دسترس نيست. دانشمندان عموماً براي توليد چنين ماشين‌هايي از وجود مدل‌هاي زنده‌اي كه در طبيعت وجود به ويژه آدمي نيز سود برده‌اند. AI قابليتهاي خريد مجازيي را فراهم مي آورد كه به مشتري مشاوره اختصاصي ارائه مي كنند و درباره گزينه هاي مختلف خريد با وي بحث مي كنند. تحليل فيلم نيازمند فهم محتوا و توجه به جزئيات است به اين معنا كه نمي‌توان با محدود كردن نگاه به سطح محتوا و صرف نظر از زمينه و گفتمان جاري در فيلم آن را درك كرد و نسبت به پيام يا مؤلفه‌هاي محتوايي آن قضاوت كرد. در كنار پژوهش‌هاي گوناگون حوزه پزشكي با هدف غلبه بر كوويد-۱۹، بسياري از شركت‌هاي فعال در حوزه فناوري نيز به ارائه دستاوردهايي پرداخته‌اند كه مي‌توانند به مقابله با اين بيماري كمك كنند.

در سال‌هاي اخير شبكه‌هاي موسوم به GAN نشان دادند كه سيستم‌هاي يادگيري ماشين، تنها با دريافت داده‌هاي محدود و كوچك، توانايي توليد داده‌هاي عظيم براي آموزش خود را دارند. چنين رويكردي، احتمالا به توسعه‌ي مفهوم يادگيري نيمه نظارتي منجر خواهد شد كه در آن، سيستم‌‌ها با ديتاست‌هاي بسيار كوچك‌تر از ديتاست‌هاي امروزي، آموزش مي‌بينند. يادگيري ماشين در تعريف ساده با ارائه‌ي داده‌هاي وسيع به ماشين شروع مي‌شود.

در چنين مدلي، سيستم به‌خاطر دستيابي به خروجي موردنظر، پاداش دريافت مي‌كند. درنتيجه تلاش مي‌كند تا پاداش خود را براساس داده‌هاي ورودي، به حداكثر برساند. چنين روشي از آموزش، بيشتر با سعي و خطا انجام مي‌شود تا بيشترين پاداش درنهايت از ميان گزينه‌هاي متعدد پيدا شود. تراشه‌هاي اختصاصي گوگل نه‌تنها در پرورش مدل‌هاي ديپ‌مايند و گوگل برين كاربرد دارند، در كارايي‌هاي مرسوم‌تري همچون سرويس ترجمه‌اي اين شركت يا شناسايي تصوير در جست‌وجوي عكس، ديده مي‌شوند. به‌علاوه كاربران عمومي نيز مي‌توانند با سرويس‌هاي ابري همچون TensorFlow Research Cloud مدل‌هاي يادگيري ماشين خود را با استفاده از پردازنده‌هاي گوگل توسعه دهند. خوشه‌هاي پردازنده‌ي گرافيكي، سيستم‌‌هاي قدرتمندتري در آموزش مدل‌هاي يادگيري ماشين هستند و امروزه به‌‌صورت سرويس‌هاي ابري هم در اختيار كارشناسان قرار دارند.

اكثر آن افراد، در پلتفرم آمازون استخدام شده بودند كه بررسي و دسته‌بندي برچسب‌گذاري تصاوير را برعهده داشتند. هوش مصنوعي كه در فيلم‌هاي سينمايي مي‌بينيم و نگراني ما را از آينده‌اي تحت سلطه‌ي ماشين‌ها افزايش مي‌دهد، همان هوش عمومي مصنوعي است. HAL در سري اديسه‌ي فضايي يا Skynet در ترميناتور، هوش‌هاي عمومي مصنوعي هستند كه توانايي تسلط بر بشر را پيدا كرده‌اند.

پردازش زبان طبيعي يا به اختصار، NLP، يكي از شاخه‌هاي هوش مصنوعي است كه به تعاملات بين رايانه و انسان، از طريق زبان طبيعي مي‌پردازد. هدف غايي NLP، خواندن، رمزگشايي، فهم و درك زبان انسان با روشي ارزشمند است. بيش‌تر روش هاي پردازش زبان طبيعي براي استخراج و فهم معناي زبان انساني، مبتني بر تكنيك‌هاي يادگيري ماشين است. مؤسسه‌ي Future of Humanity در دانشگاه آكسفورد، نظرسنجي قابل‌توجهي با حضور صدها متخصص يادگيري ماشين انجام داده و نظر آن‌ها را درباره‌ي دستاوردهاي هوش مصنوعي و توانايي‌هايش در آينده، جويا شده است.

او در مسير تلاش‌هايش براي افزايش نظارت و تنظيم‌گري بر تحقيقات هوش مصنوعي و كاهش اثرات مضر آن، شركت تحقيقاتي OpenAI را به‌صورت يك سازمان غيرانتفاعي راه‌اندازي كرد. او اعتقاد داشت وقتي هوش مصنوعي حرفه‌اي و پيشرفته توسعه داده شود، با سرعت زيادي انسان را پشت سر مي‌‌گذارد و به‌خاطر اصلي تكينگي، تهديدي جدي براي جامعه‌ي بشري خواهد بود. آموزش دادن مدل ماشيني با بهره‌گيري از مثال، با اصطلاح يادگيري تحت نظارت شناخته مي‌شود. براي برچسب‌گذاري داده‌هاي اوليه، از كاربران انساني استفاده مي‌شود كه در پلتفرم‌‌هايي همچون Amazon Mechanical Turk استخدام مي‌شوند. آموزش مد‌ل‌هاي اين‌چنيني، نياز به پايگاه‌هاي عظيم داده دارد و برخي اوقات براي يادگيري يك وظيفه‌ي به‌خصوص، بايد ميليون‌هاي مثال به الگوريتم تزريق شود. چنين سبكي از هوشمندي مي‌تواند رفتارهايي بسيار شبيه به انسان را از خود نشان دهد.

به كارگيري هوش مصنوعي نه تنها در ايران بلكه در بسياري از كشورهاي پيشرفته با چالش‌هاي متعددي مواجه است. چالش عمده اي كه كسب و كارها در به كارگيري هوش مصنوعي با آن سر و كار دارند مربوط به افراد و نيروي انساني، داده‌ها و اطلاعات مورد نياز و يا ترجيحات و ترازهاي تجاري مي باشد. هوش مصنوعي محدود به اين معنا است كه در آن سيستم هوش مصنوعي ميزان خاصي از هوش را در يك زمينه خاص به كار ببرد.

اين فيلم يك اثر بسيار فلسفي و در نوع خود كم‌نظير با موضوعي بكر و ناب بود كه جشنواره‌هاي سينمايي، طبق سنت هميشهٔ خود، به آن از ديد تجاري نگريستند. هالي جوئل آزمنت، جود لا، فرانسيس اوكانر، برندن گليسون و ويليام هرت در اين فيلم نقش‌آفريني كرده‌اند. فيلم، اقتباس از داستان كوتاهي اثر برايان آلديس است و همچنين اشارات زيادي به داستان مشهور پينوكيو دارد. يكي از كاربردهاي هوش مصنوعي در صنعت كشاورزي استفاده از كوادكوپتر و تصاوير ماهواره‌اي براي كنترل محصول، آب، كود، آفت و علف‌هاي هرز در زمين‌هاي كشاورزي و باغات است. الگوريتم‌هاي هوش مصنوعي مي‌توانند با ارزيابي و آناليز تصاوير زمين‌هاي كشاورزي، مشكلات موجود را گزارش داده و همچنين به بهره وري بيشتر از زمين‌هاي كشاورزي كمك كنند تا كشاورزان استفاده از آب و كود را كاهش و توليد محصول را افزايش دهند.

همچنين ******** بات هايي كه در سايت‌ها براي ارتباط به كاربران استفاده مي‌شود از هوش مصنوعي براي پاسخ به مشتريان خود استفاده مي‌كنند. روش هاي متنوعي براي بهره گيري از هوش‌مصنوعي ابداع شده اند كه ما به طور خاص يادگيري ماشين و انواع آن و همچنين در ادامه بينايي ماشين را در آينده دنبال خواهيم كرد و در مطالب آينده به معرفي آن ها خواهيم پرداخت. نماي كلي از اين روش ها را در محور افقي شكل زير مي توانيد ببينيد كه براي محور عمودي دامنه مسائل هوش مصنوعي به نمايش درآمده است.

دانش داده كاوي با هدف فراهم آوردن روش هايي براي پردازش هوشمند حجم زياد داده ها و استخراج روال ها و قوانين حاكم بر آن ها، مطرح شده است. اين دانش در كاربردهاي مختلف و اصولا در هر جا با مساله تجزيه و تحليل اطلاعات مواجه هستيم، قابل استفاده است. در اين دوره به بيان اصول و روش هاي داده كاوي به منظور استخراج روندها و الگوهاي پنهان در داده ها، پرداخته خواهد شد. در اين آموزش با هدف پر نمودن خلا موجود در درس هوش مصنوعي براي دانشجويان، مخاطبان و داوطلبان آزمون هاي ورودي، سعي داريم همراه با تشريح مفاهيم مختلف، مثال هاي متعددي نيز حل كنيم. اين آموزش به عنوان يك منبع قوي براي تمامي دانشجويان و داوطلبان براي تمامي آزمون ها و كنكورهاي ارشد قابل استفاده مي باشد.

يافته‌هاي پژوهش آنان همچنين نشان­داد استفاده از آزمون­هاي هوش شناختي به‌تنهايي براي پيش­بيني عملكرد شغلي، با خطا همراه است، زيرا كارمندان با هوش شناختي پايين، اگر هوش هيجاني بالايي داشته باشند، مي­توانند به­طور مؤثري عمل كنند. در داخل كشور نيز «گل­پرور و خاكسار» در بررسي رابطه بين هوش هيجاني با عملكرد شغلي كاركنان، دريافتند كه بين مؤلفه­هاي هوش هيجاني با خودارزيابي عملكرد شغلي فني، همبستگي مثبت و معناداري وجود دارد. «وانگ، هانگ و لي لاو» از رويكردي ديگر ارتباط هوش هيجاني و عملكرد را بررسي و اظهار داشته‌اند كه يكي از ابعاد هوش هيجاني، كاربرد عواطف براي تسهيل عملكرد فردي است. در همين راستا «شمس­الدين و عبدالرحمان» با بررسي رابطه بين هوش هيجاني و عملكرد شغليِ نمايند­گي يك مركز تماس، نتيجه گرفتند كه بين هوش هيجاني و عملكرد شغلي رابطه معناداري وجود دارد.

بررسي هيجاني، هوش عقلاني و مولفه­ هاي هوش هيجاني را مي­ توان به عنوان ملاك ­هايي در احراز و تشخيص رشد عقلاني به كار گرفت. اين كار هم به آن علت است كه نقش او در آموزش هوش هيجاني به زبان ساده و ترويج اين مفهوم بسيار پررنگ بوده و به سادگي نمي‌توانيم نام و نگاه او را از بحث هوش هيجاني جدا كنيم. ادوين لاكه ، از جمله‌ي دانشمندان بزرگي است كه معتقدند هوش هيجاني، مي‌تواند گمراه‌كننده باشد.

'رابطه هوش شناختي و هوش هيجاني با پيشرفت تحصيلي دانش‌آموزان ششم دبستان', توانمندسازي كودكان استثنايي, 6, pp. {68|sixty eight}-{77|seventy seven}. "رابطه هوش شناختي و هوش هيجاني با پيشرفت تحصيلي دانش‌آموزان ششم دبستان". مطالعات تاريخي در حوزه علم رهبري وجود سه عنصر رهبر، پيروان و موقعيت را به عنوان عناصر تشكيل دهنده معادله رهبري مورد تاييد قرار مي دهد(هيوگزوهمكاران، 2006). كليه حقوق اين وب سايت متعلق به مجله علمي پژوهشي افق دانش مي باشد.

استرنبرگ در پژوهش‌هايي كه درباره‌ي عوامل موثر بر شيوه‌هاي فراگيري هنر انجام مي‌داد به پژوهش درباره‌ي هوش و سنجش آن علاقه‌مند شد. از اين رو تصميم گرفت به جاي مفهوم ضريب هوشي مفاهيم دقيق‌تر و كامل‌تري را براي شناسايي رفتارهاي هوشمندانه شناسايي كند. استنبرگ معتقد بود كه نمره‌ي ضريب هوشي كه از آزمون‌هاي هوش به دست مي‌آيد معرف هوش افراد نيست بلكه رفتارهاي هوشمندانه معرف دقيقي از توانايي‌هاي هوشي و شناختي افراد است.

عده‌اي معتقدند كه هوش انسان در سال‌هاي اخير تكامل زيادي پيدا كرده و هوش كلي انسان‌ها با پيشينه نژادي و قومي متفاوت تفاوت‌هاي زياد و فاحشي با يكديگر دارد. در روزگاري كه تنوع و تفاوت در همه ابعاد زندگي بشر كاملاً پذيرفته شده و نياز به رهبران تاثيرگذار بين فرهنگي به مراتب بيش از پيش احساس مي گردد. از مهمترين ويژگيهاي اين رهبران، بي شك توانايي مديريت تنوعات فرهنگي روزافزون است (مانينگ، 2003). در اين ميان توجه به هوش فرهنگي و تلاش در جهت ارتقاء و بهبود آن حائز اهميت است. در جهان پرآشوب هزاره سوم، بي ترديد رهبراني قادر خواهند بود كه در سكانداري، رهبري و مديريت مشترك جهاني اثرگذار باشند كه درجات قابل توجهي از هوش فرهنگي را در خود توسعه داده باشند. رفتار ارتباطي، دومين سبك يا رويكرد رهبري است كه در آن رهبر با حمايت اجتماعي – عاطفي، مناسبات روان شناختي و رفتارهاي تسهيل گر، خود را در ارتباطي دو سويه با پيروان قرار مي دهد.

اگر منظورمان صرفاً توجه به نقش و اهميت هيجان و احساسات در رفتار و #تصميم گيري باشد، بايد بگوييم كه هوش هيجاني چند هزار سال (حداقل در حد يونان باستان) قدمت دارد. صنعت هوش مصنوعي در شهر تيانجين كه يكي از مهم ترين بنادر شمالي چين محسوب مي شود نهادينه شده است. كتل معتقد است هوش سيال به عملكرد مغز بستگي دارد، غيركلامي و مستقل از تجربه و فرهنگ است و تا حدود 15 سالگي رشد مي‌كند و مي‌تواند در اثر آسيب مغزي مختل بشود. استنبرگ معتقد است بعضي از انواع هوشي كه گاردنر مطرح است بهتر است به‌عنوان استعداد فردي در نظر گرفته شود نه نوعي از هوش. به فرآيندهاي ذهني فرضي يا مجموعه رفتارهاي هوشمندانه اصطلاحا هوش گفته مي‌شود و نظريات هوش هم نظرياتي هستند كه به رفتارهاي هوشمندانه مي‌پردازند.

اين 9 نوع هوش از نظر گاردنر عبارتند از هوش كلامي، رياضي، فضايي، موسيقايي، جنبشي-بدني، درون‌فردي، ميان‌فردي، طبيعت‌گرا و هستي‌گرا. ديگر نظريه‌پردازان ديدگاه عاملي نظريه‌پردازان چندعاملي بودند و معتقدند بودند كه هوش از يك سازه يا دو عامل تشكيل نشده است و از چندين عامل متفاوت تشكيل شده است. به‌عنوان مثال نظريه چند عاملي ترستون به جاي در نظر گرفتن هوش به‌عنوان يك قابليت عمومي يا منفرد آن را متشكل از هفت عنصر ادراك كلامي، سيالي واژگان، استعداد عددي، استعداد فضايي، حافظه، سرعت ادراك و قدرت استدلال مي‌دانست. در اين زمان جيمز مك‌كين كتل، روانشناس آمريكايي كه در لايپزيك، شاگرد ويلهلم وونت آلماني بود اولين بار اصطلاح آزمون رواني را مطرح كرد و با فعاليت‌هايي كه در زمينه هوش و آزمون‌هاي رواني انجام مي‌داد درصدد كشف استعدادهاي خاص ذهني برآمد. آزمون‌هاي كتل هم به‌نوعي ادامه كار گالتون محسوب مي‌شدند و كارآمدي لازم را براي سنجنش هوش نداشتند. بهرحال، آنچه از بررسي ادبيات موجود، بدست مي‌آيد، مؤيد اين واقعيت است كه نگاه امروز به مقولة هوش، بايد نگاهي كاملاً متفاوت از گذشته باشد.

به‌طور كلي استنبرگ در ديدگاهي كه مطرح كرده مي‌گويد هوش استعداد استفاده از تجربيات قبلي براي پيش‌بيني كردن مسائل و موقعيت‌ها و همچنين حل مسائل جديد است. استنبرگ هوش را به‌طوركلي به سه نوع هوش تحليلي، هوش خلاق و هوش كاربردي تقسيم مي‌كند و معتقد است كه اين سه نوع هوش با همديگر همبستگي و تعامل دارند. شامل كنترل كردن حركات بدن و همچنين توانايي دستكاري كردن اشيا با دقت و ظرافت مي‌شود.