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.