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.