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.