اپلیکیشن چگونه ساخته می شود

اپلیکیشن چگونه ساخته می شود

 

 

اکثر غریب به اتفاق مردم از اپلکیشن ها استفاده می کنند اما اما کمتر کسی مب داند که اپلیکیشن چگونه ساخته می شود. در گذشته نه چندان دور تنها یک راه برای ساخت برنامه تلفن همراه وجود داشت و آن هم این بود که با تلفن هوشمند را با زبان برنامه نویسی بومی پلت فرم آن برنامه نویسی کنید. اگر می خواستید یک برنامه Apple / iOS بسازید ، از کیت توسعه نرم افزار Apple و اگر می خواهید یک برنامه Android بسازید ، باید از زبان نیتیو Android استفاده کنید. امروز می توانیم از زبان واسطه ای مانند Javascript برای ساخت برنامه استفاده کنیم. سپس می توانیم این کد را خروجی بگیریم کنیم تا به جای ساخت اپ برای هر پلتفرم با هزینه های بسیار بیشتر ، برنامه ای برای Android و iOS ایجاد کنیم. مزایا و معایبی برای انجام این کار وجود دارد اما خبر خوب این است که امروز ، این گزینه خوبی برای بسیاری از برنامه ها است.

امروزه اپلیکیشن چگونه ساخته می شود ؟

اپلیکیشن های نیتیو

اپلیکیشن های نیتیو و یا برنامه های بومی به طور خاص برای سیستم عامل تلفن همراه مانند Apple iOs ، Android یا Windows phone ساخته شده اند. این برنامه باید متناسب با نیازهای هر سیستم عامل ساخته شود و یکی با دیگری قابل تعویض نیست. بنابراین نمی توانید از یک برنامه iOS در دستگاه Android و بالعکس استفاده کنید. برنامه های بومی معمولاً توسط توسعه دهنده ای که مسلط به زبان خاص لازم برای سیستم عامل مورد نظر است، ساخته می شوند. این برنامه ها از فروشگاه برنامه مربوطه مانند اپ استور و گوگل پلی در دستگاه بارگیری می شوند و در حافظه دستگاه ذخیره می شوند ، و با کلیک روی نماد آن، آماده استفاده می باشند. آنها دارای قابلیت تنظیم بسیار بالایی هستند و طیف گسترده ای از ساختار و جذابیت بصری را ارائه می دهند.

برنامه های بومی بهترین تجربه کاربری را ارائه می دهند. آنها با رعایت قراردادهای پلتفرم رابط کاربری (UI) ،سریعتر و قابل اطمینان تر هستند. این برنامه ها به سخت افزار تلفن و ویژگی های سیستم عامل مانند دوربین ، ژیروسکوپ ، سنسورها ، GPS ، شتاب سنج ، دفترچه آدرس ، تقویم ، تلفن و … دسترسی دارند که به راحتی در فروشگاه برنامه پلتفرم یافت می شوند و بسیاری از آنها می توانند بدون اتصال اینترنت فعال باشند. ساخت آنها نسبت به انواع دیگر برنامه ها گران تر است ، اما بیشترین مزیت ها را نیز دارند.

برنامه های Cross Platform یا میان پلتفرمی

یک گزینه هیجان انگیز که وارد صحنه برنامه شده است ، امکان ایجاد برنامه های کراس پلتفرم است. برنامه های کراس پلت فرم با استفاده از یک زبان جهانی واحد مانند Javascript ساخته می شوند که می تواند برای سیستم عامل های مختلف دستگاه خروجی بدهد. چندین مزیت برای ساخت برنامه های کراس پلتفرم وجود دارد:

بیشتر کدها را می توان بین سیستم عامل ها به اشتراک گذاشت که باعث کاهش هزینه و زمان راه اندازی می شود.
تجربه کاربر بین سیستم عامل های مختلف یکپارچه تر خواهد بود، این امر مهم است زیرا بسیاری از افراد بیش از یک نوع دستگاه دارند.
اکثر اشکالات کد فقط یک بار در تمام سیستم عامل ها برطرف می شود.
دارندگان برنامه بدون نیاز به افزایش هزینه لازم هنگام ساخت برنامه ها در سیستم عامل های مختلف ، مخاطبان گسترده تری دارند.
تعمیر و نگهداری این برنامه ها معمولاً آسان تر است زیرا برای به روزرسانی و نگهداری فقط با یک پایگاه کد سروکار دارید
برای ساخت برنامه های کراس پلت فرم ، توسعه دهندگان از ابزارهایی مانند React Native ، NativeScript ، Xamarin یا Appcelerator استفاده می کنند.

اپلیکیشن Hybrid / HTML5

برنامه های ترکیبی و یا Hybrid با استفاده از HTML5 ، Javascript و / یا CSS ساخته می شوند. این برنامه ها ممکن است مانند یک برنامه بومی به نظر برسند ، اما در واقع فقط وب سایت هایی با شکوه هستند که در یک برنامه قابل بارگیری قرار گرفته اند. برنامه های ترکیبی آسان تر و سریعتر توسعه می یابند و در همه دستگاه ها قابل استفاده هستند ، که باعث جذابیت آنها برای برخی از شرکت هایی می شود که می خواهند در وقت و هزینه خود صرفه جویی کنند و هنوز هم برنامه خود را داشته باشند کاربرد دارند. با این حال برای استفاده از این اپلیکیشن ها به استفاده از یک مرورگر وب نیاز است. برنامه های ترکیبی می توانند از مکان جغرافیایی ، ژیروسکوپ ، دوربین ، شتاب سنج و حافظه محلی تلفن هوشمند شما استفاده کنند. برنامه های ترکیبی به پر سرعتی برنامه های بومی نیستند و عملکرد و بهینه سازی موجود در برنامه های بومی را ندارند. ممکن است شرکت ها بدون اینکه سرمایه گذاری کامل برای ساخت یک برنامه بومی را انجام دهند ، استفاده از یک برنامه ترکیبی را برای ارائه به مشتریان وب سایت موجود خود ، نوعی برنامه تلفن همراه موقت در نظر بگیرند. این می تواند یک گزینه ​​خوب باشد.

برنامه های ترکیبی / HTML5 را می توان با استفاده از Sencha Touch ، Cordova ، PhoneGap و Ionic ساخت.

وب اپلیکیشن ها

برنامه های وب اصلاً برنامه نیستند بلکه وب سایت هایی هستند که برای دسترسی به آنها از طریق مرورگر وب تلفن های هوشمند طراحی شده اند. صفحه وب حاصله به گونه ای طراحی خواهد شد که شباهت زیادی به یک برنامه موبایل دارد. از آنجا که برای اجرای آنها به یک مرورگر نیاز دارید ، به حافظه دستگاه زیادی احتیاج ندارند. آنها همچنین با استفاده از HTML5 ، Javascript یا CSS می شوند و گزینه ای برای نصب بر روی تلفن توسط کاربر با ایجاد نشانک به وب سایت ارائه می دهند. از آنجا که به طور خاص برای دستگاه های تلفن همراه طراحی شده اند ، بیشتر شبیه برنامه ها هستند تا صفحات وب. آنها در هر دستگاهی که اتصال اینترنتی داشته باشد قابل دسترسی هستند که این یک مزیت است. اگر اتصال ضعیف باشد یا وجود نداشته باشد ،می تواند برای کاربران بد باشد. برنامه های وب همچنین گزینه های کمتری برای اتصال به API تلفن بومی دارند.

حال که می دانیم اپلیکیشن چگونه ساخته می شود می توانید برای انتخاب منطقی تر و بهتر نوع اپلیکیشن خود اقدام کنید.

با ویرا سگال کارو همراه باشید

طراحی وبسایت و شیوه های نوین آن

طراحی وبسایت و شیوه های نوین آن

 

شیوه های نوین طراحی وبسایت 2020 کدامند؟ در یک بازار بسیار رقابتی مانند بازار دیجیتال ، پیش بینی تغییرات و یادگیری نحوه انطباق با آنها مهم است. در نتیجه برای اینکه وبسایت ما در بهترین حالت قرار بگیرد بهتر است از رویکرد های جدید و شیوه های نوین در طراحی آن استفاده شود. بسته به نوع کسب و کار و نحوه طراحی سایت می توان از بسیاری از روش های مختلف کمک گرفت. بنابراین نمی توان گفت که کدام شیوه بهتر از سایرین است. ما در این نوسته سعی داریم تا بتوانیم با معرفی برخی از این روش ها برای شما راهنمای خوبی باشیم.

 

 

 

انواع شیوه های نوین طراحی و توسعه وبسایت

 

برنامه های وب پیشرفته (PWA)

در سال 2019 ، 65٪ از سفارشات خرید آنلاین از طریق وب سایت و با دستگاه های تلفن همراه انجام شده است. روند افزایشی وب سایت PWA این امکان را برای کاربران فراهم می کند تا وب سایت های مورد علاقه خود را از طریق مرورگر وب تلفن همراه و یا دسک تاپ و بدون بارگیری و نصب برنامه های خاص مشاهده کنند. PWA ها در سال 2020 با HTML و CSS ، JavaScript ، React یا Angular نوشته می شوند. علاوه بر تجربه کاربری عالی و عدم نیاز به برنامه های دیگر ، PWA می تواند اعلان های فشاری ارسال کند و دسترسی آفلاین به محتوای ذخیره شده را برای کاربران فراهم کند.

 

هوش مصنوعی و ربات ها

شرکت های عظیم B2C در حال حاضر از این فناوری برای خدمات دهی به مشتریان خود استفاده می کنند – ربات های چت صفحه رسمی داخل Facebook Messenger ، WhatsApp و Skype نمونه های خوبی هستند. همچنین یک ربات می تواند در PWA ، وب سایت معمولی ، تجهیزات حرفه ای یا خانگی و هر برنامه متصل به اینترنت که توسط یک شرکت تجاری توسعه یافته است ، ادغام شود.

 

صفحات شتاب داده شده تلفن همراه (AMP)

AMP ها صفحات بهینه شده ای هستند که می توانند سریع کار کنند و دارای یک طراحی ساده و در عین حال راحت هستند و فقط دارای ویژگی های اساسی در مقایسه با محصولات وب کامل هستند. این صفحات همچنین برای موبایل مناسب هستند و محتوای آنها همیشه قابل خواندن است.

 

برنامه تک صفحه (SPA)

SPA ها به دلیل افزایش چارچوب های JavaScript محبوبیت خاص خود را پیدا می کردند. هنگامی که با آنها کار می کنید وقایع خاص مرورگر را رهگیری کرده و از JSON درخواست می کنید که همانند کار با یک برنامه وب اپلیکیشن است. صفحات Google مانند Gmail ، Google Drive یا Google Maps و همچنین سیستم عامل های شبکه های اجتماعی مانند Facebook از این نوع هستند. مشاهده روند فعلی وب روشن می کند که در آینده اکثر وب سایت های کاربردی به شیوه SPA ساخته می شوند.

 

بهینه سازی جستجوی صوتی

به نظر می رسد آینده توسعه وب کمتر در گرو متن ها و بیشتر مایل به کارکرد با صدا است و این رویکرد  فقط در مورد دستیارهای خانگی چند منظوره مجازی مانند Siri ، Google Home یا Amazon’s Alexa نیست. در سال 2020 ، بیش از نیمی از دستگاه های هوشمند و اینترنت اشیا سخنان کاربران را می شنوند و دستورات صوتی را اجرا می کنند. و حتی در موارد بیشتر آنها قادر خواهند بود صدای افراد مختلف را تشخیص دهند و تجربه شخصی مبتنی بر هوش مصنوعی را برای همه فراهم کنند.

 

رابط کاربر متحرک

این احتمال وجود دارد که در سال 2020 MVP ها هنوز بسیار ساده و مینیمال باشند. اما به صورت همزمان ، متخصصان تقاضا برای رویکردهای طراحی جدید مانند UI متحرک را پیش بینی می کنند. اگرچه طراحی رابط کاربر حرکتی از سال 2018 مرسوم است ، اما به دلیل فناوری کتابخانه های SASS اکنون برای همه کاربران دستگاه های متفاوت قابل دسترسی است.

 

تست اتوماسیون

بیشتر فن آوری های در حال ظهور وب با هدف ارزان سازی روند توسعه و ارائه بهترین تجربه به کاربران است. اتوماسیون مراحل توسعه ابزاری برای دستیابی به هدف اول است. یادگیری ماشین و رویکرد AI به ما امکان می دهد پروژه های پیچیده ای را با یک تیم کوچک یا با تعداد کمتری از متخصصان توسعه بسازیم ، در حالی که اتوماسیون تست محصول به ما کمک می کند تا بررسی کنیم که آیا محصول ما برای استقرار آماده است یا خیر.

 

هوش مصنوعی

انواع هوش مصنوعی

 

 

 

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها 

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته  باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

   در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت  به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

طراحی سایت

هوش مصنوعی

انواع هوش مصنوعی

 

 

 

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها 

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته  باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

   در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت  به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

طراحی سایت

انواع هوش مصنوعی

انواع هوش مصنوعی

 

 

 

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها 

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته  باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

   در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت  به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

طراحی سایت

انواع هوش مصنوعی

انواع هوش مصنوعی

 

 

 

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها 

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟

ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته  باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

   در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت  به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

هوش مصنوعی در عکاسی

هوش مصنوعی در عکاسی

 

 

 

 

امروزه هوش مصنوعی یک انقلاب در صنعت عکاسی به وجود آورده است. شبکه های عصبی

و یادگیری ماشینی اقدامات ویرایش پیچیده ای را با چند کلیک در دسترس قرار داده اند و  برند ها

حتی می توانند “عکس” بدون حق امتیاز  از افراد که توسط رایانه تولید شده را بارگیری و استفاده

کنند. در بیشتر موارد ، هوش مصنوعی بعنوان موج بزرگ بعدی در تاریخ عکس شناخته می شود،

و ممکن است چنین باشد، اما برخی از کارشناسان در مورد پیامدهای این روند در آینده نزدیک و

دور نگران شده اند. اگر هوش مصنوعی بتواند کارهای عکاسان را سریعتر و راحت تر کند ، آیا

در نهایت می تواند جای آنها را بگیرد؟

چشم اندار هوش مصنوعی در مورد عکاسی

تا حد زیادی ، بزرگترین تصور غلط در مورد هوش مصنوعی این است که فقط ابزاری دیگر خواهد

بود که زندگی عکاس را آسان تر می کند اما به چشم انداز آنها برای اشتغال در آینده آسیب نمی رساند

بیشتر محصولات هوش مصنوعی تجاری که در نرم افزارهایی مانند Adobe ، Skylum یا Topaz

استفاده می شوند فقط ابزار های تاثیر گذار هستند. اما پتانسیل هوش مصنوعی بسیار گسترده تر است.

“هوش” ابزار نیست ، بلکه یک نیروی خلاق است. گسترش آن در صنعت خلاق عواقب عمیقی برای

کسانی که قبلاً فکر می کردند خلاقیت تنها استان نبوغ انسانی است ، به دنبال خواهد داشت.

آیا هوش مصنوعی برای عکاسان خطر آفرین است ؟

این مسئله درگیری فکری چندانی برای عکاسان ایجاد نمی کند ما در واقع عکاسان دقدقه های جدی

دیگری دارند تا اینکه بخواهند به این فکر کنند که هوش مصنوعی روزی کار آنها را خواهد گرفت.

 نگرانی عکاسان کاملاً قابل توجیه است ، اما چند نکته جدی وجود دارد. اول واقع بینانه نیست که

انتظار داشته باشیم AI جایگزین همه رشته های عکاسی شود. آنچه در عوض احتمالاً خواهیم دید

جایگزینی هوش مصنوعی تقریباً به طور کامل است و همانطور که این کار را انجام می دهد ،

فشارهای رو به پایین زیادی را به سایر رشته هایی که از این نوع اختلال عایق بندی شده اند ،

هوش مصنوعی همچنین فشار زیادی بر تدوین گر ها، ویراستاران و فناوری های دیجیتال وارد

خواهد کرد ، زیرا دستیابی به هوش مصنوعی وظایف پرزحمت و جزئی را به فرایندهای با

فشار یک دکمه دکمه تبدیل می کند.تهدید مربوط به جایگزینی هوش مصنوعی به جای عکاسان

نیست بلکه تعریف مجدد مشاغل عکاسی است. شما ممکن است هنوز هم به افرادی نیاز داشته

باشید تا یک دوربین را در محل خود قرار دهند و منتقل کنند ، اما تمام عناصر فنی و خلاقانه ای

که در این کار استفاده می شوند توسط یک ماشین اداره می شوند.

 آیا هوش مصنوعی تغییر در صنایع خلاق مانند عکاسی به وجود می آورد؟

ما دوست داریم “خلاقیت انسان” رابه گونه ای قلمداد کنیم که گویی نوعی جادو است که اتفاق می افتد.

اما خلاقیت انسان در واقع فقط تأثیر متقابل یک محیط ، حافظه و برخی سیگنال های شیمیایی و الکترونیکی

است. در واقع هیچ دلیلی وجود ندارد که چرا این خلاقیت باید فقط به مغز محدود شود و سیلیکون نا کار

آمد است.”و هر لحظه که این خلاقیت سیلیکونی واقعاً به راه افتاده باشد ، اقتصاد بسیاری از صنایع خلاق

را کاملاً خراب خواهد کرد. تمام مثالهای هنر هوش مصنوعی را در نظر بگیرید که امروزه می تواند انسان

را گول بزند و فکر کند این کار توسط یک انسان ساخته شده است و نه یک ماشین. این اتفاق در آهنگسازی

های موسیقی رخ داده است و ناگزیر در عکس ها و حتی تصاویر متحرک تمام قد اتفاق خواهد افتاد.

“البته کسانی که در یادگیری ماشین و هوش مصنوعی کار می کنند احتمالاً مخالفت می کنند و می گویند که

نرم افزار نمی تواند به همان شکلی که انسان است خلاق باشد. ماشین آلات ممکن است بتوانند محصولات

خلاقانه تولید کنند ، اما این کار را طبق قوانین و الگوریتم ها انجام می دهند و نه تجربه و احساسات که

سوخت خلاقیت های بسیار انسانی است.

نگران کننده ترین تحول هوش مصنوعی در صنعت عکاسی چیست ؟

نگرانی از تحولات هوش مصنوعی در دو سطر قرار می گیرند: نگرانی های مربوط به آینده عکاسی به

عنوان یک حرفه و مربوط به آینده جامعه به طور کلی. در مورد اول ، من فکر می کنم کارهای زیادی که

NVIDIA و Microsoft (و گوگل به میزان کمتری) انجام داده اند در مورد ایجاد تصاویر عکس واقعی

از ابتدا در یک خط کاملاً مستقیم به آینده ای است که این فناوری به راحتی می تواند سفارشی ایجاد کند.

سهام و محصولات در صورت تقاضا ، عکاسان را در این روند به حاشیه می اندازد. هنرهای زیبا پیچیده تر

است. امروز مردم بابت هنر هایی که هوش مصنوعی ایجاد کرده پول می دهند اما می توان یک گالری

هوش مصنوعی را فروخت ؟ در مورد کل جامعه ، توانایی تولید تصاویر و فیلم های واقع بینانه در حال حاضر

شروع به مسموم کردن جریان اطلاعات ما با محتوای جعلی کرده است. این تنها تقصیر توسعه دهندگان

هوش مصنوعی نیست سیستم عامل هایی که بیش از حد اطلاعات غلط را مجاز می دانند و عموم افرادی که

اخبار خود را از رسانه های اجتماعی می گیرند نیز مقصر هستند اما ما به یک ورطه واقعاً تاریک اطلاعات

غلط و فریب دهنده خیره شده ایم. زیرا ابزارها قدرتمندتر می شوند و استفاده از آنها آسان تر می شود.

هوش مصنوعی چه کاربرد هایی در صنعت عکاسی داشته ؟

قطعا هوش مصنوعی برای مصرف کنندگان کاملاً عالی است. دوربین های گوشی های هوشمند آنها ،

قبلاً نیز بسیار خوب بوده اند و بهتر هم خواهند شد. علاوه بر این ، به لطف دید ماشین ، کتابخانه های

عظیم عکس ما می توانند به طور خودکار سازمان یافته و فهرست بندی شوند و بعداً با سهولت جستجو

 شوند.این مزایای سازمانی همچنین کمک شایانی به جوانب مثبت خواهد کرد مانند پیشرفتی که قبلاً در

مواردی مانند برچسب گذاری خودکار لایت روم مشاهده کرده ایم. انتظار می رود که بسیاری از کارهای

آزار دهنده پیرامون سازماندهی و فهرست نویسی تصاویر توسط AI کاهش یابد. احتمال دیگر توانایی AI

برای خاتمه دادن به مسابقه مگاپیکسلی دوربین ها است.

هوش مصنوعی و آینده

هوش مصنوعی و آینده

 

 

 

 

 

کارشناسان می گویند افزایش هوش مصنوعی و تکنولوژی باعث می شود تا بیشتر مردم در یک دهه آینده

بهتر عمل کنند ، اما بسیاری از آنها درباره این که پیشرفت در هوش مصنوعی چه تاثیری بر انسان بودن

، تولیدی بودن و اعمال اراده آزاد دارد تأثیر می گذارد نگران هستند.زندگی دیجیتال در حال تقویت ظرفیت های

انسانی و مختل کردن فعالیت های قدیمی انسان است. سیستم های کد محور در بیش از نیمی از ساکنان جهان

در اطلاعات و اتصال به محیط گسترش یافته اند ، و فرصت های پیش بینی نشده و تهدیدهای بی سابقه ای

را ارائه می دهند. همچنان که هوش مصنوعی مبتنی بر الگوریتم (AI) در حال گسترش و پیشرفت است ، آیا آینده

از وضعیت امروز بهتر می شوند؟

پیش بینی آینده هوش مصنوعی

کارشناسان پیش بینی کردند که هوش مصنوعی شبکه ای باعث افزایش کارآیی انسان می شود بلکه استقلال

انسانی ، آژانسها و قابلیت های آنها را نیز تهدید می کند. آنها از امکانات گسترده سخن می گفتند. ممکن است

رایانه ها از هوش انسانی و قابلیت های آنها در کارهایی مانند تصمیم گیری پیچیده ، استدلال و یادگیری ،

تجزیه و تحلیل پیشرفته و تشخیص الگوی ، حدت بینایی ، تشخیص گفتار و ترجمه زبان برآیند. آنها گفتند

سیستم های “هوشمند” در جوامع ، وسایل نقلیه ، ساختمانها و تاسیسات ، مزارع و فرایندهای تجاری موجب

صرفه جویی در وقت ، پول و می شوند و فرصت هایی را برای افراد فراهم می کنند تا از یک آینده

دلخواه تر برخوردار شوند.بسیاری سخنان خوش بینانه خود را در مورد مراقبت های بهداشتی و بسیاری

از کاربردهای ممکن هوش مصنوعی در تشخیص و معالجه بیماران یا کمک به سالمندان در زندگی کاملتر

و سالم تر متمرکز کردند. آنها همچنین از نقش هوش مصنوعی در کمک به برنامه های گسترده بهداشت

عمومی که در اطراف مقادیر زیادی از داده ها ایجاد شده اند ، که ممکن است در سال های آینده درباره

همه چیز ، از ژنوم شخصی گرفته تا تغذیه ، ضبط شود ، مشتاق بودند. علاوه بر این ، تعدادی از این

متخصصان پیش بینی کرده اند که هوش مصنوعی تغییرات پیش بینی شده طولانی مدت در سیستم های

آموزش رسمی و غیر رسمی را کاهش می دهد.

نگرانی و خطراتی هوش مصنوعی در آینده

با این حال ، اکثر کارشناسان ، صرف نظر از اینکه خوشبین هستند یا خیر ، ابراز نگرانی در مورد

تأثیر طولانی مدت این ابزارهای جدید بر عناصر اساسی انسان بودن دارند. از همه پاسخ دهندگان د

ر این بوم غیر علمی خواسته شده بود که توضیح دهند که چرا احساس می کنند هوش مصنوعی باعث

بهتر شدن افراد می شود یا خیر. بسیاری از نگرانی های عمیق را به اشتراک گذاشتند ، و بسیاری نیز

مسیرهایی را برای راه حل ها پیشنهاد کردند. مضامین اصلی آنها در مورد تهدیدات و راه حل های

درمانی در جدول همراه آمده است. تصمیم گیری در مورد جنبه های اصلی زندگی دیجیتال به طور

خودکار به ابزارهای “جعبه سیاه” محور کد منتقل می شود. مردم فاقد ورودی هستند و چگونگی کار

ابزارها را یاد نمی گیرند. آنها استقلال ، حریم خصوصی و قدرت را فدای انتخاب می کنند. آنها هیچ

کنترلی بر این فرآیندها ندارند. این اثر با عمیق تر شدن سیستم های خودکار و شیوع آن پیچیده تر

می شود.بیشتر ابزارهای هوش مصنوعی در دست شرکتهایی است که در تلاش برای سودآوری

هستند یا دولتهایی که برای  به دست آوردن قدرت تلاش می کنند. ارزش ها و اخلاق اغلب در سیستمهای

دیجیتال تصمیمی نمی گیرند که تصمیمات مردم را برای آنها گرفته می شود. این سیستم ها به صورت

جهانی در شبکه هستند و تنظیم یا تقویت مجدد آن کار ساده ای نیست. کارآیی و سایر مزایای اقتصادی

هوش دستگاه مبتنی بر کد همچنان به اختلال در همه جنبه های کار بشر می پردازد. در حالی که برخی

انتظار دارند که مشاغل جدید ایجاد شود ، برخی دیگر نگران تلفات گسترده شغل ، گسترش شکاف اقتصادی

و تحولات اجتماعی از جمله قیام های پوپولیستی هستند. بسیاری از هوش مصنوعی را تقویت کننده ظرفیتهای

انسانی می دانند ، اما برخی برعکس پیش بینی می کنند – این که وابستگی عمیق مردم به شبکه های ماشینی

باعث می شود توانایی های آنها برای فکر کردن در مورد خود ، اقدامات مستقل از سیستم های خودکار و

تعامل موثر با دیگران از بین برود.

برخی پیش بینی فرسایش بیشتر ساختارهای سنتی اجتماعی و سیاسی و احتمال از دست رفتن زیاد جان ها به

دلیل رشد سریع در برنامه های نظامی مستقل و استفاده از اطلاعات اسلحه ، دروغ و تبلیغات برای بی ثبات

کردن گروههای انسانی خطرناک است. برخی نیز از دسترسی مجرمان سایبری به سیستم های اقتصادی

می ترسند. شرکت های دیجیتال برای خدمت به منافع بشری در اولویت اول قرار دارد. باید روش هایی

برای افراد در سراسر جهان وجود داشته باشد تا به تفاهم ها و توافق های مشترک برسند – برای پیوستن به

نیروها برای تسهیل نوآوری رویکردهای پذیرفته شده با هدف مقابله با مشکلات شرور و کنترل بر روی

شبکه های پیچیده و دیجیتالی انسان کار آیی دارد. برای ایجاد شبکه های دیجیتالی هوشمند غیرمستقیم و

متشکل از “همدلی” که به انسانها کمک می کند تا با تهاجمی اطمینان حاصل کنند که این فناوری با مسئولیت

های اجتماعی و اخلاقی روبرو می شود ، “ذهنیت ماه” را اتخاذ کنید. برخی از سطح جدید مراحل تنظیم و

صدور گواهینامه ضروری خواهد بود. سازماندهی مجدد سیستم های اقتصادی و سیاسی به منظور گسترش

ظرفیت ها و توانایی های انسان به منظور افزایش همکاری های انسانی / هوش مصنوعی و روندهای پایدار

که باعث می شود ارتباط انسان در مقابل هوش برنامه ریزی شده به خطر بیفتد.

هوش مصنوعی در بورس

هوش مصنوعی در بورس

 

 

 

 

هوش مصنوعی فناوری است که در تمام زمینه ها در حال نفوذ است و بازار بورس

استفاده از هوش مصنوعی در مدیریت ، به یکی از بزرگترین روندهای مدیریت اوراق

بهادار سرمایه گذاری و انتخاب سهام برنده تبدیل شده است. در حالی که شرکت های بزرگ

سالهاست که از AI استفاده می کنند تا حجم انبوهی از داده ها ، از جمله عملکرد سهام ،

روند رسانه های اجتماعی ، تفسیر شرکت ها ، روند کارت های اعتباری ، رفتار مصرف

کننده و غیره را استخراج کنند ، ظهور و گسترش انتشار مبتنی بر هوش مصنوعی

tech بازارهای جهانی سهام را در دوره جدیدی قرار داده است.از این قضیه مستثنا نیست

ورود هوش مصنوعی در بورس

در گذشته ، تجزیه و تحلیل این داده ها از طریق تجزیه و تحلیل کمی وقت گیر و فراتر از

توانایی های انسان های معمولی بود ، فقط برای شرکت های بزرگ سرمایه گذاری مانند

گلدمن ساکس و J.P مورگان ، که نزدیک به 20٪ از پرتفوی خود را با هوش مصنوعی

مدیریت می کردند ، استفاده می شد. اکنون که هوش مصنوعی تقریباً همه گیر است و موانع

ورود به آن کاهش یافته است ، کارگزاران و شرکت های نوپا به دنبال استفاده از این فناوری

برای ایجاد یک مدل جدید برای سرمایه گذاران برای انتخاب سهام هستند. برای اینکه بهتر با

روند استفاده از هوش مصنوعی در بورس آشنا بشویم باید بدانیم که هوش مصنوعی و بورس

چیست؟

هوش مصنوعی: 

ساده ترین تعریف از هوش مصنوعی ، مربوط به دهه 1950 می باشد که توسط یکی از

پروفسورهای دارتموث ، جوزف مک کارتی ارائه شد. روشی برای استفاده از نرم افزار

برای تقلید از جنبه های یادگیری و تصمیم گیری است ، به گونه ای که می توان از یک

ماشین برای شبیه سازی آن استفاده کرد. از زمان شروع استفاده از هوش مصنوعی ،

برنامه های کاربردی آن تغییر کرده و روش آن برای جابجایی فناوری رشد بیشتر شده

است. اکنون که فناوری مدرن توانسته پا به پای مفهئم هئش مصنئوعی پیش برود،

هوش مصنوعی تقریباً در همه جا مورد استفاده قرار می گیرد. برنامه ویز شرکت گوگل

از هوش مصنوعی برای پیش بینی وضعیت ترافیک بهره می برد. در خرید های آنلاین

هوش مصنوعی قیمت ها را به روز رسانی می کند و برای مشتریان پیشنهاداتی ارائه

می دهد. خدمات تاکسی های اینترنتی از این فناوری برای تخمین قیمت منصفانه بنا به

پیک ترافیک و مسافت استفاده می کنند.بانک ها برای تشخیص کلاه برداری از این

تکنولوژی استفاده می کنند و یا اینکه صلاحیت دریافت اعتبار بیشتر برای کارت اعتباری

را دارند یا خیر. امروزه تمامی پرواز ها از خلبان خودکار هو شمصنوعی استفاده می کنند

و خلبانها ها تنها هفت دقیقه از پرواز که شاما برخواستن و نشستن است را در طول پرواز

در دست دارند. فیلترهای اسپم در ایمیل شما الگوهای رفتاری ناخواسته و تاکنیک های

کلاهبرداری را تحت نظر می گیرند. هوش مصنوعی می تواند درپزدی های ادبی را به

سرعت در مقالات دانشگاهی شناسایی کند. رسانه های اجتماعی ، مانند فیس بوک و

اسنپ چت ، از هوش مصنوعی در چندین عملکرد استفاده می کنند تا شما را با دوستان

خود متصل کنند ، چهره هایی را برای تگ کردن بشناسند.

هوش مصنوعی مدرن

این لیست به همین موارد ختم نمی شود و ادامه دارد پس اگر فکر می کنید که هوش مصنوعی

 یک پیامد نوین است کاملا در اشتباه هستید. هوش مصنوعی، هر چقدر ساده، دهه ها است که

وجود دارد. جنبه های هوش مصنوعی در سال های اخیر اصلاح شده است ، که یادگیری ماشین

و یادگیری عمیق از جمله مهمترین و محبوب ترین آنها است.یادگیری ماشین تکنیکی از

هوش مصنوعی است که شما با استفاده از یک الگوریتم که توسط تکنسین نوشته شده است به

ماشین یاد می دهید تا کاری را انجام دهد. این شامل مواردی مانند شناسایی شماره تلفن مجازی

خاص از کشور دیگر و سپس انتقال آن به یک مرکز تماس خاص است. با افزودن الگوریتم های

بیشتر و جمع آوری داده ها ، هوش مصنوعی دقیق ترمی شود و قادر به پردازش داده ها برای

تصمیم گیری آگاهانه بهتر می شود. یادگیری عمیق هم شبیه به یادگیری ماشینی است یعنی

با استفاده ار مجموعه ای از الگریتم ها کار خاصی را انجام می دهد و در مرور زمان عملکرد

خود را بهتر می کند. اما این تکنیک فرا تر می رود و و از شبکه های عصیس که به عملکرد

مغز شباهت دارند استفاده می کند تا الگو های جدید را یاد بگیرد. با توجه به اینکه محققان هر ساله

مرز های این تکنولوژی را جا به جا می کنند و مفهوم های جدیدی را ارائه می دهندیادگیری عمیق

به نوعی هوش احساسی تبدیل شده که به یادگیری ادامه می دهد. به طور معمول ، یادگیری عمیق

با ایجاد توانایی سازگاری با داده های جدید و ایجاد الگوریتم ها برای ایجاد خروجی مطلوب ،

باعث ایجاد یادگیری در دستگاه می شود. البته انجام این کار مستلزم داضشتن توان محاسباتی

قوی است که اخیرا انسانها توانسته اند که به این توانایی دست یابند.

بازار بورس چیست ؟

حالا که یک شناخت نسبی به هوش مصنوعی ارید باید بدانید که بورس چیست و بازار بورس

چگونه کار می کند ؟ بازار بورس مکانی است که سهام شرکت های دارای فهرست های معاملاتی

معامله می شود. بورس اوراق بهادار کارگزاران سهام را برای تجارت سهام شرکت و سایر اوراق

بهادار تسهیل می کند. سهام فقط درصورتی که در بورس موجود باشد می تواند خریداری یا فروخته

شود. سهام یک ابزار مالی است که نشان دهنده مالکیت در یک شرکت یا کسب و کار کرده است .

مالکیت سهام به این معنی است که سهامدار صاحب یک قطعه از شرکت برابر با تعداد سهام است

که به عنوان بخشی از کل سهام باقیمانده شرکت در اختیار دارد. به عنوان مثال ، یک شخص یا

مؤسسه ای که صاحب 100000 سهم یک شرکت با یک میلیون سهم برجسته است ، می تواند 10٪

سهام مالکیت در آن داشته باشد. اکثر شرکت ها سهم قابل توجهی دارند که به میلیون ها میلیارد ها

سهم می رسند. معاملات بورس شامل خرید و فروش سهام بصورت مکرر در تلاش برای زمانبندی

بازار است. هدف معامله گران بورس این است که بر رویداد های کوتاه مدت در بازار سرمایه گذاری

کنند تا سهام را برای سود بفروشند یا سهام را با کمترین میزان خریداری کنند. سرمایه گذاران که

تجارت سهام می کنند تحقیقات گسترده ای انجام می دهند و اغلب روزانه ساعت ها را برای پیگیری

اخبار بازار اختصاص می دهند.

 نقش هوش مصنوعی در خرید و فروش در بورس سهام

بنابراین ، چگونه هوش مصنوعی در بورس سهام اعمال می شود؟ برای فناوری ای که برای جمع آوری

سریع شماره ها و تصمیم گیری بهینه استفاده می شود ، هوش مصنوعی به صورت  طبیعی برای دنیای

امور مالی مناسب است. یادگیری عمیق و یادگیری ماشینی به بنگاههای اقتصادی این امکان را می دهد که

نه تنها نوسانات قیمت سهام را تجزیه و تحلیل کنند ، بلکه داده های ساختار بندی نشده ای را نشان می دهند

که الگوهای رفتاری را آشکار می کند که ممکن است توسط یک انسان قابل درک  نباشد. این امر می تواند

شکل جدیدی از دقت را در تصمیم گیری های معاملات که فراتر از استراتژی های سنتی سرمایه گذاری

است ، فراهم کند. به همین ترتیب ، فناوری هوش مصنوعی تقاضای خود را برای “مشاوران رباتیک”

افزایش داده است ، که می تواند الگوهای معاملاتی یک سرمایه گذار را شخصی سازی کند و اهداف مالی

آنها را به شیوه ای منسجم تر مورد هدف قرار دهد. البته اینها فقط برخی از کاربردهای شناخته شده

هوش مصنوعی است. بورس های اوراق بهادار در سراسر جهان کاربرد AI را درک کرده اند و تمرکز

خود را به سمت جذب متخصصان هوش مصنوعی از دره سیلیکون و وال استریت  وافراددیگر آغاز کرده اند.

این شرکت رقابتی باعث شده است که شرکتها این برنامه را با کاربردهای سرمایه گذاری در دنیای واقعی

پیش ببرند ، اما میزان اینکه شرکتهای سرمایه گذاری چه بزرگ و چه کوچک ، آشکار یا محرمانه از آن

استفاده می کنند مشخص نیست . نمی توان انکار کرد که هوش مصنوعی یک جهش بزرگ در دنیا محسوب

می شود اما کارشناسان اعتقاد دارند که با استفاده بیشتر از هوش مصنوعی در بازار بورس سهام

هوش مصنوعی بی فایده می شود چرا که همه از همان تحلیل ها استفاده می کنند اما باز می تواند تفاوت هایی

وجود داشته باشد برای مثال کدام هوش مصنوعی بهتر عمل می کند و یا دقیق تر می باشد. اما با این حال

هوش مصنوعی از اکثر مردم آنالیز دقیق تری خواهد داشت.

تاثیر های هوش مصنوعی و یادگیری ماشینی در بورس

در واقع ، هوش مصنوعی و یادگیری ماشینی قدرت حل مشکلات در مقیاس بزرگ در حوزه بورس را دارند.

این شرایط یا مشکلات معمولاً در رابطه با بهینه سازی ، تحلیل و پیش بینی است. با استفاده از این قدرت ،

AI و ML به روش های مختلف بر تجارت تأثیر گذاشته اند.

شناسایی و تجزیه و تحلیل پیش بینی کننده ها (عوامل) قیمت سهام

هوش مصنوعی و ML از شبکه های عصبی و چندین روش یادگیری برای شناسایی و تجزیه و تحلیل عوامل

منجر به تغییردر  قیمت سهام خاص استفاده می کنند. این عوامل همچنین به عنوان پیش بینی کننده یا ویژگی

شناخته می شوند. بر اساس این عوامل ، AI و ML قیمت سهام آینده را پیش بینی می کنند. همچنین، این کاربرد

هوش مصنوعی نمونه ای از Machine Learning است.

تصمیمات مبتنی بر واقعیت

هوش مصنوعی یک سیستم خودکار است که مبتنی بر واقعیت می گیرد بر خلاف انسان که تصمیمات آن توسط

احساساتی مانند ترس ، حرص و طمع ، امید و دستور کار هدایت می شود. با این تصمیمات مبتنی بر واقعیت،

تجارت برای فعالان بازار سود آورتر شده است.

تغییر در الگوهای استخدامی در حوزه تجارت

با ظهور تجارت مبتنی بر واقعیت ، هوش مصنوعی نیز نیاز انسان را برای کمک به مدیریت همین امر به

ارمغان آورده است. از آنجا که تجارت مبتنی بر AI و ML به افراد ماهر در ریاضیات ، برنامه نویسی رایانه

و غیره نیاز دارد ، اکنون دامنه تجارت استخدام کارمندان در زمینه های مختلف افزایش یافته است.

استفاده از Chatbot ها

AI و ML به طور قابل توجهی ارزش زندگی روزمره معامله گران را با چندین مورد مفید مثلاً چت بات ها

افزوده اند. Chatbot ها نحوه تجارت را بهبود بخشیده است زیرا معامله گران نه تنها راحت تر می توانند

با chatbot ارتباط برقرار کنند بلکه به طیف وسیعی از اطلاعات  نیز دسترسی دارند. علاوه بر این،

چت بات ها خود را آموزش می دهند و نیازی به مداخله انسانی ندارد.

سناریوهای خطر شبیه سازی شده

از آنجا که هوش مصنوعی به پیش بینی قیمت سهام در حوزه تجارت کمک می کند ، بهترین ابزار

برای بازار سهام است. با پیش بینی دقیق ریسک ، معامله گر می تواند تصمیمات عاقلانه ای اتخاذ کند.

هوش مصنوعی توانایی جمع آوری داده های جمعی را برای تجزیه و تحلیل مشابه با سرعت و دقت

استثنایی دارد. با استفاده از این توانایی ، می توان سودهای بالقوه را به حداکثر رساند و سناریوهای خطر

را شبیه سازی کرد. از این رو ، AI و ML تجارت تجاری را به سمت سودآور تر معامله گران سوق داده اند.

پیاده سازی و کاربردهای هوش مصنوعی در تجارت بورس

یادگیری ماشینی در حوزه تجارت چندید ساز و کار دارد که به معرفی برخی از آنها می پردازیم

پیش بینی تغییر قیمت سهام بر اساس داده های پیشین

یادگیری ماشینی مستلزم تغذیه داده های تاریخی به سیستم است تا بتواند تصمیم خود را در آینده بر اساس

آنها بگیرد. از این رو ، برای پیش بینی قیمت سهام که متغیرهای هدف نامیده می شوند ، یادگیری ماشین

از داده های پیشین استفاده می کند که متغیرهای پیش بینی کننده نام دارد. برای انجام این کار ، الگوریتم

موجود در یادگیری ماشینی می آموزد که متغیرهای پیش بینی کننده را برای پیش بینی متغیرهای هدف

بکار گیرد.

تسریع جستجو برای استراتژی های بازرگانی الگوریتمی موثر

یادگیری ماشینی همچنین برای تسریع در جستجوی استراتژی های مؤثر تجارت الگوریتمی توسعه یافته شده

است. از آنجا که یک رویکرد خودکار ارائه می دهد ، بسیار بهتر از فرآیند دستی است. این استراتژی های

معاملات الگوریتمی با کمک بهینه سازی سود و شبیه سازی خطرات ، به معامله گران کمک می کنند.

به هر حال ، در صورت داشتن اتوماسیون برای حمایت از شما برای هر کار ، مزیت رقابتی وجود دارد.

به عنوان مثال ، استراتژی های مختلفی وجود دارد که از آن استفاده می کند تا از یاد گیری ماشینی برای

بهینه سازی الگوریتم ها ، مانند رگرسیون خطی ، یادگیری عمیق ، شبکه های عصبی و غیره استفاده کند.

تعداد بازار های تحت نظر

یادگیری ماشینی همچنین به افزایش تعداد بازارهای تحت نظر توسط فرد و پاسخ به آنها کمک می کند.

هرچه تعداد بازارها بیشتر باشد ، شانس یک معامله گر بهتر است که در سود آور ترین بازار سرمایه گذاری

کند. از این رو می توانید با اجرای این برنامه ماشینی ، فرصت های خود را افزایش دهید. چندین شرکت

مشهور مانند Renaissance Technologies و Citadel وجود دارند که برای تصمیم گیری در زمینه

سرمایه گذاری خود از یادگیری ماشینی استفاده می کنند.

البته باید این مورد را در نظر داشت که هوش مصنوعی چون بر مبنی  یکسری از قوانین فعالیت می کند

 نمی تواند همه جنبه ها را در نظر بگیرد اتفاقات غیر مترقبه ای که امکان وقوع آن وجود دارد خارج از

دید هوش مصنوعی قرار دارد بنابراین می تواند تاثیر منفی در داد و ستد بازار بورس داشته باشد.

همانطور که در این مطلب اشاره کردیم جای هیچ شکی وجود نئارد که هوش مصنوعی برای انجام امور مالی

بسیار گزینه مناسبی است و می تواند کارایی فوق العاده ای را در این حوزه داشته باشد. اما باید در نظر داشت

که برای گرفتن تصمیمات با کمترین درصد خطا باید حجم عظیمی از اطلاعات را در اختیار ماشین تعریف کرد.

هوش مصنوعی می تواند بسیاری واقعیت ها را در نظر بگیرد و بر آن مبنی تصمیم گیری کند می تواند خطرات

را در یک سناریو شبیه سازی کند و حتی به شمادر زیر نظر گرفتن چندین بازار سهام کمک کند.

هوش مصنوعی و هوش انسانی

هوش مصنوعی و هوش انسانی

 

 

 

 

 

 

چرا تعداد پروژه ها و نرم افزار های هوش مصنوعی  که به هوش انسانی نزدیک باشند بسیار کم است ؟

یک پروژه اینچنین حتما به مشکل بر خواهد خورد. دلایل زیادی برای این احتمال کم وجود دارد اما

بنیادی ترین آن به طور کلی این است که انسان ها در کار هایی که کامپیوتر ها انجام می دهند ضعیف

هستند و همچنین کامپیوتر ها هم در زمینه های انسانی ضعیف هستند. پیش بینی می شود که بازار

هوش مصنوعی تا سال 2025 300 میلیارد دلار ارزش داشته باشد. و اکثریت قریب به اتفاق شرکتهایی

که سعی می کنند که در این بازار حضور داشته باشند ، نوعی هوش مصنوعی شبیه به انسان را

بازاریابی می کنند.

ایده تشبیه هوش مصنوعی و هوش انسانی 

ایده اصلی این دسته از هوش های مصنوعی این است که به عنوان یک به روز رسانی به بازار ارائه شود.

کامپیوتر ها محاسبات انجام می دهند اما هوش مصنوعی یاد می گیرد. اما حقیقت این است که انسان ها

درانجام وظایفی که یک رایانه انجام می دهد ناتوان هستند و هوش مصنوعی هم به همین تریتب قادر به

انجام کار های انسانی نیستند. به همین دلیل است که محققان از پارادایمهای توسعه که بر تقلید از شناخت

انسان متمرکز شده اند ، فاصله می گیرند.دو تن از محققان NYU اخیراً در مورد چگونگی پردازش کلمات

و معنای کلمات در انسان و هوش مصنوعی تحقیق کردند. از طریق مطالعه “معناشناسی روانشناختی” ، این

دو محقق امیدوار بودند که نواقص موجود در سیستمهای یادگیری ماشینی در حوزه پردازش زبان طبیعی

(NLP) را توضیح دهند. توضیحاتی که این دو در arXiv  منتشر کرده اند نشان می دهد که این خلا به

این خاطر به وجود آمده است که سایر محققان به این که هوش مصنوعی توسعه داده آنها انسان مانند

است یا خیر توجه نمی کنند. به همیت دلیل است که انتقادات از هوش های مصنوعی در مورد ناتوانی

آنها از بروز رفتار های انسان مانند، زیاد است.

راهکار های تولید هوش مصنوعی با قابلیت های انسانی

یکی از کار هایی که برای  تولید هوش مصنوعی انسان مانند باید انجام دهیم دقت به روش های تفکر

انسانی است. در زمینه ترجمه ، انسانها روش های مختلفی را برای به یاد آوری داشتن چندین زبان در

سر خود و ایجاد ارتباط سیال بین این زبان ها دارند. از طرف دیگر ، ماشین آلات لازم نیست بدانند که

یک کلمه به چه معنا است تا ترجمه مناسب را به آن اختصاص دهند. این کار هنگامی که دقت به سطح

انسانی نزدیک تر می شود ، مشکل تر می شود. ترجمه یک ، دو و سه به اسپانیایی نسبتاً ساده است.

این ماشین می آموزد که آنها دقیقاً برابر با uno ، dos و tres هستند و احتمالاً 100 درصد اوقات

جواب مناسب را بدست می آورند. اما وقتی مفاهیم پیچیده ای اضافه می کنید ، کلماتی با بیش از

یک معنی و اصطلاحات عامیانه یا محاوره ای به آن می افزایید می توانند پیچیده تر شوند. وقتی

توسعه دهندگان شروع به ایجاد هوش منصوعی می کنند که با تمام شرایط کنار بیاید دچار مشکل

می شوند درست مانند اینکه با گذراندن چند کلاس زبان اسپانیایی نمی توانید تمامی اصطلاحاتی

که در مکریکو سیتی استفاده می شود را متوجه شوید.

ضعف و کمبود هوش مصنوعی نسبت به هوش انسانی

به همین دلیل است که ماشین ها با درک زبان انسان ها که همیشه در حال تحول است

مشکل دارند.  هنوز پردازش زبان طبیعی قادر به شناخت در سطح انسانی نیست به

همین دلیل رفتار های انسان مانندی که بروز می دهد خنده دار به نظر می رسد تصور

کنید که گوگل ترنسلیت با گرفتن عبارت توله خاموش شود چون این کلمه را اهانت آمیز

استنباط کرده ! این خط تفکر فقط مختص NLP نیست. ساخت هوش مصنوعی بیشتر

شبیه به انسان ، صرفاً یک تصمیم طراحی برای اکثر پروژه های یادگیری ماشین است.

همانطور که محققان NYU  در مطالعه خود اشاره کرده اند: یک راه برای فکر کردن

در مورد چنین پیشرفت های صرفاً از نظر مهندسی است یعنی کاری وجود دارد که باید

انجام شود و اگر سیستم آن را به اندازه کافی خوب انجام دهد ، آن کار موفقیت آمیز

محسوب می شود. مهندسی مهم است ، و می تواند عملکرد بهتری و سریعتر داشته باشد

و انسان را از کار کسل کننده مانند  پیدا کردن واژگان کلیدی در پاسخنامه ها و یا بررسی

برنامه سفر های هوایی رهایی بخشد.

دید مهندسی هوش مصنوعی و هوش انسانی

از نظر مهندسی ، بیشتر مشاغل انسانی که انسان ها در حال حاضر انجام می دهد و در همه جا هستند

را می توان به کارهای فردی تقسیم بندی کرد که برای اتوماسیون مناسب تر باشد تا از هوش مصنوعی و

در مواردی که شبکه های عصبی ضروری باشد مانند هدایت ترافیک در یک بندر حمل و نقل  کار بسیار

سختی خواهد بود. اتومبیل های خودران را در نظر بگیرید. ساختن وسیله نقلیه متشکل از چندین سیستم

که با هم کار می کنند به جای اینکه یک ربات انسان نما ساخته شود که بتواند تا اتومبیل برود ، قفل را

باز کند ، وارد شود ، یک اتومبیل کلاسیک را استارت بزند و شروع به رانندگی کند بسیار معقول تر به نظر

می رسد.بیشتر اوقات ، هنگامی که توسعه دهندگان ادعا می کنند که هوش مصنوعی “شبیه به انسان”

ایجاد کرده اند ، منظور آنها این است که آنها وظیفه ای را که اغلب افراد برای آنها استخدام می شوند

به صورت خودکار انجام داده اند. به عنوان مثال نرم افزار تشخیص چهره می تواند جایگزین نگهبان

انسانی درب ورود شود اما نمی تواند به شما بگوید پیتزا در رستوران محلی چقدر خوب است. بنا به

این دلایل حوضه هوش های مصنوعی انسان مانند بسیار محدود است در این راستا سیری و الکسا

موفق تر بودند. آنها اسامی و صدا دارند و برنامه ریزی شده اند که  مفید ، خنده دار ، دوستانه و مودب

به نظر برسند.

آیا هوش مصنوعی کار خارق العاده ای انجام می دهد ؟

اما در واقع هیچ عملکردی وجود ندارد که یک دستیار هوشمند  قادر به انجام آن باشد و شما نتوانید آن را

با یک دکمه انجام دهید. یعنی اگر شما فضا و دید بی نهایت داشتید می توانستید تمام آن  کار ها را انجام

دهید می توان اینگونه تعبیر کرد که این دستیار های هوشمند همانقدر به رفتار انسانی نزدیک هستند که

یک کنترل غول پیکر هست. هوش مصنوعی مانند انسان نیست. ما ممکن است ده ها سال یا بیشتر از یک

هوش مصنوعی عمومی  که می تواند در هر حیطه ای در سطح انسانی عملکرد داشته باشد فاصله داشته

باشیم . خدمتکار های روباتی فاصله زیادی با واقعیت دارند. در حال حاضر ، بهترین  کاری که توسعه

دهندگان هوش مصنوعی می توانند انجام دهند ، تقلید از تلاش های انسان است ، و این به معنی  ساده

کردن یک فرآیند برای کاری به خودکار است.