هوش مصنوعی در ایران

پیوندها

۲۱ مطلب با کلمه‌ی کلیدی «هوش مصنوعی در ایران» ثبت شده است

  • ۰
  • ۰

کرونا و هوش مصنوعی

 

 

کرونا و هوش مصنوعی

 

در طی سال اخیر ویروس کووید 19 در تمام دنیا اپیدمی شده. بنابراین رهبران و دانشمندان تمامی نقاط دنیا در تلاش هستند تا با هر روش ممکن با این بیماری مقابله کنند یکی از روش هایی که برای مقابله با کرونا بسیار کارآمد است، هوش مصنوعی می باشد. هوش مصنوعی یکی از شاخه های علوم کامپیوتر است که در دهه پنجاه میلادی ظهور پیدا کرد. تعریف کلی که می توان راجع به هوش مصنوعی کرد این است که به هوشی گفته می شود که بر خلاف تصور از هوشی که در انسان ها و حیوانات داریم توسط ماشیـن ها ارائه می شود. اگر بخواهیم به صورت آکادمیک این عبارت را توصیف کنیم می توانیم بگوییم که هر وسیله ای که محیط خود را درک کند و اقداماتی انجام دهد که شانس خود را برای دستیابی به اهداف خود به حداکثر برساند. دارای هوش مصنوعی می باشد. هوش مصنوعی معمولی محیط خود را تجزیه و تحلیل می کند و اقداماتی انجام می دهد که شانس موفقیت آن را به حداکثر می رساند. این کار ها می توانند ساده باشند(حالت 0،1) و یا پیچیده باشند (انجام اقدامات ریاضی که فرمول های آن موجود می باشد). البته هوش مصنوعی عبارت کلی است و این علم دارای زیر مجموعه های زیادی می باشد. یادگیری ماشینی(Machine Learning)، یادگیری عمیق(Deep Learning)، شبکه های عصبی(Neural Networks)،پردازش تصویر(Image Processing)  و خیلی از علوم دیگر زیر مجموعه هوش مصنوعی هستند. حال که اندکی در مورد هوش مصنوعی اطلاعات کسب کردیم می توانییم به این بپردازیم که بیماری کرونا و هوش مصنوعی چگونه با هم در ارتباط هستند.

چگونه از هوش مصنوعی برای مقابله با کووید 19 استفاده می شود؟

رویکرد های متفاوتی برای مقابله با این ویروس از طریق هوش مصنوعی ایجاد شده است. برای مثال می توانیم به استفاده از پردازش داده ها برای تایین اطلاعات آماری در این زمینه اشاره کنیم و یا استفاده از ربات ها در بسیاری از مراکز درمانی دنیا برای کاهش ریسک ابتلای کادر درمانی به این بیماری و یا استفاده از پردازش تصویر برای تحلیل عکس هایی که از ریه بیماران تهیه شده. در ادامه تعدادی از پیشرفت ها و نوآوری هایی که در زمینه هوش مصنوعی برای مقابله با ویروس کرونا ایجاد شده را به شما معرفی می کنیم.

آزمایشگاه MIT-IBM Watson AI از ابتدای شیوع این ویروس بر روش چندین پروژه هوش مصنوعی سرمایه گذاری کرده است تا بتواند با این بیماری مقابله کند. هدف این تحقیقات حذف چالش های بهداشتی اقتصادی است. اما این تحقیقات می تواند تاثیر بسیار ژرفی در ارزیابی و پاسخ به ریسک پس از سپری شدن بحران داشته باشد.

تشخیص زودرس سپسیس در بیماران Covid-19:

یک عارضه مرگبار Covid-19 است ، بیماری ناشی از کــــورنا ویروس جدید SARS-CoV-2.حدود 10 درصد از بیماران Covid-19 طی یک هفته از نشان دادن اولین علائم به سپسیس مبتلا می شوند ،اما فقط حدود نیمی از آنها زنده می مانند.

طراحی پروتئین برای جلوگیری از SARS-CoV-2:

پروتئین ها بلوک های سازنده زیستی هستند. محققان با داشتن هوش مصنوعی می توانند ساختار آنها را برایبــرطرف کـــردن مشکلات و کشــــف و پروتئیـــن های جدید دستکاری کنند. مواد غذایی فاسد شدنی را در نظربگیرید. آزمایشگاه MIT-IBM Watson AI اخیراً از هوش مصنوعی برای کشف اینکـه پروتئیــــن ابریشم ساخته شده توسط  زنبور عسل می تواند به عنــــوان روکش غذاهایی که سریع فاسد می شوند برای افزایش زمان نگه داری آنها استفاده شود.

یکی دیگراز موارد استفاده از این فناوری استفاده رادیولوژیست های UC San Diego و سایر پزشکان از یک هوش مصنوعی (AI)برای تقویت تجزیه و تحلیل تصویر برداری ریه در یک مطالعه تحقیقات بالینی که توسط خدمات وب آمازون (AWS) استفاده شده است ، می باشد. توانایی جدید هوش مصنوعی تا کنون ، بیش از 2000 تصویر بینش منحصر به فرد را برای پزشکان بهداشت UC San Diego فراهم کرده است در یک مورد ، بیمار در بخش اورژانس که هیچ علایمی از COVID-19 نداشت ، به دلایل دیگر تحت پرتونگاری قفسه سینه قرار گرفت. با این وجود ، هوش مصنوعی اشعه ایکس علائم ذات الریه را نشان داد ، که بعدا توسط رادیولوژیست تأیید شد.در نتیجه ، بیمار برای COVID-19 مورد آزمایش قرار گرفت و مشخص شد که از نظر بیماری مثبت است. این قابلیت جدید از ماهها قبل شروع شد که آلبرت هسیا ، دکترای تخصصی ، استادیار رادیولوژی در دانشکده پزشکی دانشگاه کالیفرنیا سن دیگو و رادیولوژیست در دانشگاه علوم پزشکی سن دیگو ، و تیم وی الگوریتم یادگیری ماشینی را توسعه دادند که به رادیولوژیست ها اجازه می دهد از هوش مصنوعی برای افزایش توانایی های خود در تشخیص پنومونی در اشعه X قفسه سینه استفاده کنند. این الگوریتم با 22000 نشانه گذاری توسط رادیولوژیست های انسانی آموزش دیده ، نقشه های رنگی را نشان می دهد که نشانگر احتمال پنومونی است.

از طرفی دانشمند مراکشی وعده یک مکانیسم هوش مصنوعی برای کمک به مبارزه با کرونا ویروس جدید را داده است. استاد علوم کامپیوتر در دانشگاه نیویورک (NYU) متولد مراکش ، دکتر آناس باری، یک ابزار هوش مصنوعی (AI) را برای تجزیه و تحلیل و مهار تکامل پاندمی COVID-19 طراحی کرده است. باری با مدیریت تیمی از محققان و دانشمند ها در NYU ، برای ایجاد و مطالعه اثربخشی یک ابزار هوش مصنوعی جهت پیش بینی بیماران در معرض خطر ابتلا به بیماری و تعیین جدی بودن عفونت های COVID-19 کمک کرد. ین  دانشمند و استاد مراکشی دارای مدرک لیسانس مهندسی کامپیوتر از دانشگاه Al Akhawayn در ایفران مراکش (AUI) است و در حال مذاکره بین NYU و AUI برای استفاده از فناوری تازه توسعه یافته در مقابله با گسترش COVID-19 در مراکش است. اگرچه مراکش از تحقیقات و توسعه علمی هوش مصنوعی زیادی برخوردار نیست ، اما دانشمندان مهاجر مراکشی در خارج ، در حال به  کارگیری تخصص خود در زمینه هوش مصنوعی ،به ویژه در زمینه بحران COVID-19 ، که مستلزم سطح بالایی از تعامل علمی است ، هستن دتا این بحران هر چه زودتر تمام شود.

در این میان تحقیقات دیگری که دانشمندان انجام داده اند موجب شده تا پیشرفت های هوش مصنوعی فقط منتهی به اینها نباشد. محققان اکنون مدل های رایانه ای را براساس هوش مصنوعی (AI) تهیه می کنند که تعیین ریسک خطر نیاز یک فرد بیمار به ونتیلاتور یا مراقبت های ویژه را محاسبه می کند. چندین شرکت غیر بهداشتی در حال حاضر در تلاشند تا تهویه مطبوع تولید کنند زیرا موارد COVID-19 و هرچه بیشتر در سطح جهان بحرانی می شوند. ” مادس نیلسن از دانشگاه کپنهاگ در دانمارک گفت: با استفاده از این مدل های هوش مصنوعی ، به عنوان مثال بیمارستان ها می توانند بدانند که 40٪ از 300 بیمار بستری آنها احتمالاً در طی یک هفته به یک دستگاه تهویه احتیاج دارند.مادس نیلسن از دانشگاه کپنهاگ در دانمارک گفت: این فناوری به آنها اجازه می دهد تا منابع خود را به بهترین شکل برنامه ریزی کنند و به کار گیرند. با استفاده از این برنامه هوش مصنوعی مس توان یک آمار تقریبا درست از شرایط بیماران به دست آورد تا بتوان برنامه ریزی دقیق تری برای درمان بیماران انجام داد و جان چندین هزار نفر را نجات داد به گفته محققان ، الگوریتم ها مقدار زیادی از داده ها را از منابع متعدد جمع آوری می کنند. این داده ها شامل پرتونگاری ایکس ، آزمایشات و اندازه گیری های انجام شده از بیماران هنگام ورود به بیمارستان به همراه سوابق الکترونیکی سلامت آنها است. با استفاده از ایننرم افزار همه داده ها به یک رایانه  منتقل می شوند که طی چند دقیقه ، مدل محاسبه می کند که یک بیمار خاص نیاز به یک دستگاه تهویه مطبوع دارد، و این اظلاعات را چند روز قبل اعلام میکند. گرچه از این مدل ها به عنوان پایه ای برای معالجه بیماران منفرد استفاده نخواهد شد ،اما از آن به عنوان ابزاری برای برنامه ریزی استفاده می شود که هنوز هم می تواند تفاوت بزرگی برای کارمندان بیمارستان ایجاد کند.

علاوه بر تمام فناوری هایی که گفته شد، در یک متد جدید تشخیص covid-19 هوش مصنوعی با صدای افراد ، آلوده بودن آنها را ارزیابی می کند. در حال حاضـر ، چندین سازمان روی نرم افزاری کار می کنند که می توانند COVID-19 را با گوش دادن به مکالمات تـشـخـیـص دهـنـد.اولین گـروه از این تیم ها توسـط دانشمندان دانشگاه هاروارد و MIT تشکیل شـده اسـت. هـدف این تیم شناسایی علائمی است که فقط در صدای افراد مبتلا به این بیماری مشهود است و از این طریق تشخیص را تسهـیل می کند.ابتکار دیگر کار Voca.ai اسـت. این سازمان با هدف دیگر یک راهکار مشابه دارد. آنها نمونه هـای گفتـار و صـدا را از بـیـماران و افراد سـالم به صـورت داوطلبانه جمع آوری می کنند. یک مطالعه مشابه در CyLab که وابسته به دانشگاه کارنگی ملون است انجام شده است. هوش مصنوعـی ایـجاد شـده توسـط ایـن تیم همچنیـن می توانـد بفهـمد که آیا افراد با استفاده از تشخیص صدا برای COVID-19 آزمایش شده اند. اگرچه در آزمایشگاه اعلام شده اسـت که آزمایشات آنها ماهیت پزشکی معتبری ندارد ،اما از این سازمان ها خواسته شده تا تست های آنلاین خود را از روی اینترنت حذف کنـند.تـیـم CyLab اظهـار داشـت کـه آنـهـا مـی دانـند که چرا دانشگاه از آنها خواسته است تست های آنلاین را حذف کنند ، اما این روند فرصت های بسیار مهمی برای جمع آوری اطـلاعـات در مورد ایـن بیمـاری ارائـه مـی دهـد. بـرای شـنـاخـت بیـماری بـاید اطـلاعات بـیشـتری جمع آوری شود

به این صورت بیشتراین پیشرفت ها در زمینه هوش مصنوعی و با توجه به نیاز زیادی که امروزه برای ایجاد یک راه درمانی برای درمان بیماری همه گیر کرونا صورت گرفته محققان و کارشناسان زیادی در زمینه های هوش مصنوعی رباتیک و علوم داده در حال کار هستند تا هرچه سریع تر این بیماریرا کنترل و مهار کنند.

 

سایت ورد چیست پرس طراحی وبسایت و شیوه های نوین

  • parsa saeedi
  • ۰
  • ۰

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.

  • parsa saeedi
  • ۰
  • ۰

کاربرد هوش مصنوعی در راه سازی

 

 

 

 

تیم بزرگراه های شورای شهر هرتفوردشایر از کاربرد هوش مصنوعی در راه سازی برای 

 دوران کرونا و رعایت فاصله اجتماعی استفاده کردند. به جای اینکه یک راننده و یک ناظر 

 برای کنترل جاده و جستجو برای چاله ها اعظام بشوند، یک راننده با یک دستگاه AI که

نواقص و پستی بلندی های خیابان را چک می کنند، اعظام می شوند این شورای شهر که

در سال گذشته 17000 چاله را پر کرده بود اولین ارگانی بود که از این هوش مصنوعی

به نام Vaisala برای کارهای بازرسی های ایمنی خود استفاده کرد. 

بازخورد های کاربرد هوش مصنوعی در راه سازی

کوین کارول ، مدیر تقسیم بندی Ringway ، پیمانکــــار بزرگـراه های شورای ایالــت گفت:

“ایمنی کارکنان برای ما بسیار مهم است و با استفاده از این فناوری می توانیم ایمنی محیط کار

آنها را تضمین کنیم. وی اضــافه کـــرد : ” ثـانیـا ، استفاده از ایـن فناوری این امکان را برای

ما فراهم می کنـــد کـه در هنگام قرنطینه مطابق با توصیه های دولت ، به مراقبت های اساسی

جاده ای ادامه دهیم. مسافـــت اجتمـاعی و محدودیت های مربوط به حمل و نقل عمومی به این

معنا بوده است که جاده ها اکنون انتخـــاب اصلـــی مـــردم بــرای سفر می باشد ،  پس ما باید

 اطمینان حاصل کنیم که از آنها مراقبـــت می کنیم و ایمنـــی صفـــر، برای خدمات اضطراری ،

کارگران اصلی و عموم مردم را تضمیــــن کنیـــم.” شـــورای این شهرستـــان در مـــاه فوریه

شروع به ترمیم جاده ها با استفاده از AI کرد. هنگامی که همـه گیـــر Covid-19 در مارس

به انگلستان رسید، تیم بزرگراه ها متوجه شدند که ایـــن فناوری می تواند در مقابله با چالش

فاصاله اجتماعی کمک کند. در نتیجه ، این تصمیم برای تسریــــع در خدمـــات گرفته شد و از

آن زمان تاکنون بیش از 4000 کیلومتر (2،485 مایل) بزرگراه های سطح استان را ترمیم

کرده است. با وجود خطراتی که این ویروس جدید به وجود آورده است، پتانسیل رشد بسیاری 

را برای برنامه های هوش مصنوعی ایجاد کرده است.

  • parsa saeedi
  • ۰
  • ۰

کاربرد هوش مصنوعی در ایران

 

 

 

 

کاربرد های هوش مصنوعی در کشور های مختلف من جمله ایران نحوه اداره دولت را

دگرگون کرده است. کشور های مختلف از هوش مصنوعی برای بسیاری از زمینه های 

اجرایی و قانون گذاری استفاده می کنند. یکپارچه کردن ارگان های دولتی و دسترسی

سریع به اطلاعات می تواند خدمات رسانی دولت به مردم را بهینه کند و زمان دستیابی

به اهداف را به حداقل برساند. اما آیا در ایران از این فناوری استفاده می شود ؟ چه

مشکلاتی برای اجرایی شدن این سازوکار ها در ایران وجود دارد؟ دولت چگونه می تواند

این مشکلات را پشت سر بگذارد؟

هوش مصنوعی کاربرد های زیادی در ایران دارد

ایران چندین ســال است کــه در زمینه هوش مصنوعی و رباتیک در دنیا حرفی برای گفتن دارد

نیروی محقق و دانشمند کشورمـان ایـران در حـال توسعه برنامه هایی مبتنی بر هوش مصنوعی

هستند. برای مثال می توان به دوربین های راهنمایــی و رانندگــی اشاره کرد که با  استفاده از

تحلیل تصویر متخلفان را شناسایی می کند. مثال دیگری که می توان زد ایــن است که در تاریخ

97/7/27 خبر گزاری تهران تایمز گزارشی از استفاده دولـــت از هوش مصنوعی در قانـــون

گذاری به نقل از یونس ادیانی منتشر کرد که در آن آقای ادیانی  به این نکته اشاره کرد که ایران

دومین کشوری است که ار این فناوری در قانون گــذاری استفاده . می کند. وی اشاره کرد که در

آن زمان شش ماه بود که بر روی این پروژه کار می شد و در این پروژه مسائل مربوط به هوش

انسانی و قوانین ، هوش مصنوعی و قوانیـــن و هوش مصنوعی و قانون گذاری در جهــان دنبال

می شد تـــا مشخص شود سایـر کشورها با استفاده از هوش مصنوعی چه دست آوردی داشته اند.

یکی از مشکلاتــی که در ســـر راه هوش مصنوعی ایران قرار دارد تحریـــم ها است که موجب

می شود بسیـــاری از امکانـــات و زیـــر ســـاخت هــــای مورد نیاز به سختی در اختیار محققان

هوش مصنوعی در ایران قرار بگیرد. اما با این حـــال ایـــــران در رده هشتم  انتشار تحقیقات

  حول محور هوش مصنوعی در دنیا قرار گرفته است.

  • parsa saeedi
  • ۰
  • ۰

زندگی ما در زمین با هوش مصنوعی شکل خواهد گرفت

 

 

 

 

هوش مصنوعی در حال تغییـــر شیــــوه زندگی مـــا در کــره زمیــن است. از چــت بــات ها

گرفته تا موتـور های جستجــو و موارد دیگـــر تمامــــی ایـــن فنـــاوری ها، بــه گـــونـــه ای

برگشت ناپذیــر زندگی ما را تحت شعاع قرار داده اند. استفـــان هــاوکینگ پیش بینی کرد:

کامپیوتـرها در طــی 100 سال آینــــده با هوش مصنوعی ار انســـان  پیشــــی مـــی گیرند.

وقتی چنین اتفاقی بیفتد ، باید اطمینان حاصل کنیم که اهداف رایانه ها با اهداف ما مطابقت

دارند. “این پیشبینـــی بـــه نظر شرم آور و دور از حقیقت می رسد امــا، دوره دیــجیتالی به

سرعت با هوش مصنـــوعــی (AI) در حال تحول است. یادگیری ماشین ، داده های بزرگ و

یادگیری عمیق در حال حاضر نحوه زیســت و تعـــامل ما بــا محیط خود را تغییر می دهند.

اثرات هوش مصنوعی بر زندگی ما 

هوش مصنوعی مطالعات میان رشته ای را بسیــار ســاده کــرده است. هـــوش مصنوعی اجازه

می دهـــد تـــا آمـــوزش و پــــرورش بـــر اســـاس نیــاز هـــر دانــش آموز شخصی سازی شود.

برنامه های مختلفی از توانایی هوش مصنوعی برای شناخت الگوهای در جستجوی دانش آموزان

و نوع محتوای مورد نظرشان استفاده کرده اند. نــقشه بـــرداری از حــرکت آنـــلاین یــا ردپـــای

دانش آموزان به آنها کمک می کند تا یک مسیر یادگیری جـــامع بـرای هر دانش آموز ایجاد کنند.

برنامه نویسی هوشمندانه و الگوریتم های هوش مصنوعی می تواننــد انعطــاف پـذیری بیشتری را

برای دانش آموزانی که کلاس های سنتی فاقد آن هستند، فراهم کند. آنها به دانـــش آمـوزان اجازه

می دهنــد تـــا مــوضوعات و مبــاحث را بــر اساس علایــق خود انتخاب کرده و شکافهای لازم در

دانــش و مهــارت هـــای خــود را در صورت نیاز پر کنند. سیستم عامل های یادگیری الکترونیکی

با استفاده از هوش مصنوعی ، مــی تواننـد بــر اســاس سبک های یادگیری کودکان ، پیشنهادهای

آموزشی را متناسب با آنها ارائه دهند و مطالبی را بـــرای آنهـا مناسب تر است ارائه دهند.این تنها

یک بخش از زندگی ما است. از هوش مصنوعی در بسیاری از زمینه های دیگـــر نیـــز استفــاده

می شود هوش مصنوعی در حال تــحول در رونــد تــشخیـصی پزشکی و فرآیندهای آزمایشی است

هوش مصنوعی در حال تغییــر دنیــای مــالی و تجـــاری است این زمینه ها به قدری زیاد است که

می توان گفت در تمام عرصه های زندگی هوش مصنوعی دخالت دارد

  • parsa saeedi
  • ۰
  • ۰

آینده هوش مصنوعی در تغییر تحصیلات

 

 

 

 

شیوع ویـــروس جدید موجب شد تا کمبود های تحصیـــل آنلاین نمایان شونـــــد و در آینده هوش مصنوعی

تغییرات را در سیستم تحصیلی به دست بگیرد. در حالی که در دهه گذشته پیشرفتهـای بسیـاری در زمینه

فناوری وجود داشته است ، صنعت آموزش و پـــــرورش نسبت به انطباق بـــــا تکنولوژی کندتر عمل کرده

است. مؤسسات آموزشی اکنون این فرصت را دارنـــد که پتانسیلهای یـــــادگیری که توسط هوش مصنوعی

پشتیبانی می شوند را کشف کنند. با وجود حضور معلمان بسیــــار کارکشته در آموزشگاه ها نبــود امکانات

نظیر دسترسی به اینترنت و کتب معتبر و نسبت نامتوازن دانش آموز و معلم باعث به وجود آمدن شکافی 

عمیق در آموزش و پرورش می شود.

چگونه در آینده هوش مصنوعی به کمک آموزش و پرورش می رود؟

تجهیز معلمان به فناوری مبتنی بــــر هوش مصنوعی می تواند به کــــاهش بــرخی از چـــالش هــای موجود کمک

کند. به عنوان مثال ، استفاده از سیــــستم های هوش مصنوعی کـــه به عنوان معلم خصوصی عمـــل مـــی کنند

می تواند با ارائه بازخورد و پشتیبانی تــحت شــــرایطی که تـعـامـل  معلم و دانـش آمـــوز کــم است، کمـک کند.

برای معلمان و سیاستگذاران مهم است که نقــــاط مشترک آموزش و هوش مصنوعی را کشـــف کنــند. کـــاربرد

دستگــاه ها در محیــط های یادگیری تنها یک متغییـــر در یـــک معادله چند مجهوله است. مـــا باید موانعی را در

نظر بگیریم که از توزیع یکنواخـــت در منـــابع فناوری و چگونگی غلبه بر آنها جـــلوگیــری می کند. مــا همچنین

باید اطمینان حاصل کنیم که معلمان آماده و آموزش داده شده اند تا از هوش مصنوعی استفاده کنند. با فرض

اینـکه ایــن عناصـر مورد تــوجه قرار بگیرند ، افـق یادگیری مبتنی بر هوش مصنوعی بی نهایت است. اگــرچــه

آینده آموزش همچنان در حاله ای از ابهام قرار دارد، امـا مــی دانیم هـــوش مصنوعی بــه تحول سیستم های

آموزشی ما ادامه خواهد داد و انقلابی در صنعت آموزش و پرورش ایجاد خواهد کرد.

  • parsa saeedi
  • ۰
  • ۰

هوش مصنوعی نقاط پر خطر در حریق را شناسایی می کند

 

 

 

محققان استنفورد راهی برای ردیابی و پیش بینی مناطق خشک و نقاط پر خطر ، با استفاده از هوش مصنوعی

و یادگیری ماشین و تصـــاویر مـــاهواره ای پیـدا کرده اند . در حال حاضر نحوه آزمایش جنگل ها و گلخانه ها

برای حساسیت به آتش سوزی با جمع آوری دستــی شاخه هــا و شاخ و برگ و آزمایش میزان آب آنها است .

که دقیق و قابل اعتماد است ، اما بدیهی است که بسیار کار دشـــواری است . اما خوشبختانه بــا استفاده از 

هوش مصنوعی و الگوریتم های یادگیری ماشینی می توان بر این مشکل قلبه کرد.

چگونه هوش مصنوعی نقاط پر خطر را شناسایی می کند؟

مـــاهواره های Sentinel و Landsat آژانس فضــایی اروپــا یک مجموعه تصویری از سطح زمین راگــــردآوری

کرده اند که می تواننـد مـنـبـع ثـانویه ای بـــرای ارزیابی خطر آتش سوزی باشند . این اولین تلاش بـــرای ایجاد این

نـوع مـشـاهـدات از تصـاویر مـداری نیست ، اما تلاش های قبلی به اندازه گیری های بصری “بسیــار خــاص سایت”

وابسته بودند ، به این معنی که روش تجزیه و تحلیل بسته به مکان متفاوت بود. ایـن راهـکـار بـدون شـکاف است

امـا هـنـوز هـم مـقـیـاس کـردن آن سخـت است. پیشـرفتی کـه تیم اسـتـنـفـورد از آن بـهـره گـرفتـه ، مـاهـواره های

Sentinel “رادار دیـــافراگم مصنوعی” هستنـــد کـــه مـــی توانند پوشش جنگل را حذف  کرده و از سطح زیرین 

تصویر برداری کنند. این تیم این تصاویر جدید را که بطور منظم از سال 2016 جمع آوری شده اند ، به یــک مدل

یادگیری ماشین به همراه اندازه گیری دستی که توسط سرویس جنگل ایالات متحده انجام شده است ، تغذیه کردند.

آنها سپس عامل هوش مصنوعی حاصل را با آزمایـــش پیش بینی بر اساس داده های قدیمی که قبلاً جواب آنها را

می دانستند ، آزمایش کردند. و جواب به دست آمده دقیق بـــود ، اما بیشتر از همه در اسکراب ها ، یکی از رایج

ترین بیوم های غرب آمریکا و همچنین یکی از مستعدترین آتش سوزی هایی که در آمریکا وجود دارد.

  • parsa saeedi
  • ۰
  • ۰

احساسات هوش مصنوعی در حال شکل گیری است

 

 

 

 

هم اکنون احساسات در هوش مصنوعی در حال شکل گیری می باشد. این فناوری که به اختصار

AEI(Artificial emotional intelligence) نــام دارد در واقــــع شکل پیشرفتــه ای از

هوش مصنوعی اســـت. در حـــالـی کـــه هوش مصنــــوعـــــی داده هــــا را بـــــرای کــــمک به

توصیه یا انجام یک کـــار تجزیه و تحلیل می کنـــد ، AEI به تعامل احساسی نگاه می کند و یک

لایه دیـــگر از همدلی را به مخلــــوط تحلیلی اضافه می کند که به ما کمک می کند تا شکاف بین

انسان و ماشیــــن را برطرف کنیم. گــروه مشاوره گارتنر پیش بینی می کند که تا دو سال دیگر 

10% از دستگاه های هوشمند شخصی دارای مدل هایی از AEI می شوند.

هوش مصنوعی دارای احساسات چگونه کار می کند؟

Affectivia یک گروه هوش مصنوعی مستقر در بوستون است کـــه در زمینه تحلیل نرم افزار

تشخیص احساسات فعالیت می کند.این فناوری با طبقه بنـــدی احساسات با استفاده از حالت های

صورت همــراه با نظارت بــر حرکات چشم و میزان بلندی صــدای سوژه ها کــار می کند. سپس

از تمام این داده ها استفاده می شوند تا به تعیین پاسخ صحیح بــــرای یــک وضعیت کمک کنند.

Affectiva همچنین یــک الگوریتم طراحــی کرده است  تا با تحلیل لحن نوشتار ، احساســات

را از طریق ایمیل تشخیص دهد.ایــن تحولات اخیر در AEI بـــه سرعت در حــــال تبدیل شــدن

به بخش های مختلف از مراقبت های بهداشتی است زیرا می تواند با ایجاد یک دستیار مجازی

همدل تر و فعال تر ، به افراد مســن بـــه وسیــله فناوری کمک کند. AEI نقش مهمی را برای

مشاغل در طول همه گیری ایفا خواهد کرد، زیرا تجارت ها به تدریج به صورت آنلاین و برای

حفـــظ فاصلـــه اجـتـمـاعـی ادامـــه مــی یـابـد. در نـتـیـجـه درک احساساـت مصرف کننده برای

کمک به نشان دادن پاسخ های مثبت و همچنین یافتن یک روند در خواسته های مصرف کننده

با استفاده از هوش مصنوعی ، برای شرکت ها برای ماندن در بازار رقابـــتی اهمیت بیشتـری

می یابد.

  • parsa saeedi
  • ۰
  • ۰

اشتغال زایی با هوش مصنوعی در آینده

 

 

 

 

 

طبق پیش بینی محققان اشتغال زایی با هوش مصنوعی در آینده بیش از ده میلیون موقعیت شغلی خاهد بود.

فناوریهای نوین نظیر Deep Learning و Machine Learning در واقع همان معنی نو آوری هستند.

با حضور این فناوری های نو ظهور هوش مصنوعی معنای جدیدی به برنامه های دید کامپیوتری داده شده.

درمـجمـوع ، رشــد ایـــن فنـــاوری هــا بـــه رشـــد صعـــودی در بـــازار هـــوش مصنوعی کمک می کند.

Analytics Insight تخمیـــن مـــی زنـد که بازار جهانی هوش مصنوعی با رشد 29.0 درصد از 42.8

میلیارد دلار آمریکا در سال 2019 به 152.9 میلیارد دلار در سال 2023 خواهد رسید.

رشد اشتغال زایی با ورود هوش مصنوعی

بـا وجـود هـمـه فـرصتـهای شــکوفـــایی هـــوش مـــصنوعی ، بسیــاری ازفاصلــه ها هنــوز بین نمی روند.

بزرگترین دلیل این امر شکــاف مهـــارتی است.طبق گزارش Analytics Insight ، شکاف مهارت جهانی

در زمـیـنـه هـوش مـصـنـوعـی 66 درصـد در ســـال 2020 خــواهـد بود برای برطرف کردن این شکاف ،

دانشگاه ها نقش بسیار مهمی ایفا می کنند. دانشگاه ها و مؤسسات آموزشی در سـراسـر جهـان بـرنـامـه هـای

درسـی مختلف مبتنی بر هوش مصنوعی را برای ارائه دانش و تجربیات مرتبط با صنعت برای متخصصان

جــوان در جهــت دستیـابی به فرصت های شغلی عالی راه اندازی کرده اند.دانشجویان با انجام این دوره ها

می توانند مهارتهای خود را در رویکردهای مختلف هوش مصنوعی مانند یادگیری ماشین ، یادگیری عمیق

و ســایـر تـکـنـیـکهـا پــرورش دهند.حتی اگر قرنطینه شدن به عنوان اقدام پیشگیرانه برای ویروس کرونا ،

 دانشجویان و متخصصان را برای استفاده از چنین فرصتهای فراگیری محدود کرده، بستـــر هــــای آموزش

آنــلاین تـــوسط بسیاری از موسسات نیز در حال مهار این مسئله هستند.دانشجویان هوش مصنوعی باید از

زمان قرنطینه خود به خوبی استفاده کنند و خودشان را آموزش دهند و در تلاش باشند تا نه تنها زنده بمانند

بلــکه در یــک بــازار فنـــاوری بسیار رقابتی پس از همه گیری در برتری قرار بگیرند تا بتوانند در بازار

پیشرفت کنند.

  • parsa saeedi
  • ۰
  • ۰

هوش مصنوعی در تسلیحات نظامی : فرصت های میلیارد دلاری

 

 

 

 

 

 

 

با توجه به رشد فناوری در چند سال اخیر، در آینده هوش مصنوعی در تسلیحات نظامی 

یک برتـری بـه حساب خواهد آمد. بـه عنوان مثال ، در اوایل سال 2019 ، ایالات متحده

استراتژی برای استفاده از هوش مصنوعی را در بسیاری از قسمــت های ارتش از جمله

تجزیه و تحلیل اطلاعات ، تصمیم گیــری ، استقــلال وسایل نقلیه ، تدارکات و تسلیحات ،

اعلام کرد. و در این راستا فرصت های میلیارد دلاری را بــرای شـــرکت هـــا بـــه وجود

می آورد. به گفته ارتش ایلات متحده ارزش بازار هوش مصنوعی در تسلیــحات در سال

2018 حدود 18 میلیارد دلار بود.

پروژه هوش مصنوعی در تسلیحات نظامی : 

یــکی از شـرکـت هـایـی کـه پـروژه هـای ایـن چـنـیـنی را با امنیت ملی کانادا انجام می دهد 

Patriot One Technologies Inc. است ایــن شـرکـت در حـــال تـوسـعـه بخشی از

پروژه برنــامه نوآوری بـــرای تعــالی دفاع و امنیت (IDEaS) است. عملیات های مخفیانه

بخش بسیــار مـهمــــی در تمامی عملیــات های نظامی محسوب می شود پروژه این شرکت 

  به نام Now you see me, now you don’t قصد دارد تا به این مشکل بپردازد. 

ایـن بـرنـامـه در نـظــر دارد تــا مشخصات بصری و مادون قرمز(الگوی ساطع شده توسط

یک جسم) ابـزار و نـفـرات نـظامـی را  تـا حـد امـکان کـاهش دهد تا در دیدرس دشمن قرار

نگیرند. به پیشنهاد Xtract AI تلفیق فنــاوری هـایی نظیر یادگیری عمیق و بینایی رایانه

و یادگیری عمیق، مـی تــواند یــک سـیـستم استتار توسعه دهد تا بتواند موارد ذکر شده را

تا حد امکان کاهش دهد. این سیستم به پیشرفت فنــاوری هایی می پردازد که بهینه سازی

تشخیص بصری و مادون قرمز سربازان و وسایــل نقلیـه را کـاهش داده و عملکـرد مواد

طراحی شـده بـرای از بیـن بـردن تشخیص در محیط های پویای جنگی  را در زمان واقعی

افزایش می دهد. سیستم پیشنهادی دو مؤلفه یادگیری عمیق را ترکیب می کند: یکی ردیاب

سرباز و وسایل نقلیه. و دیگری پنخان کردن سـربـاز و وسیـله نقلیـه. ردیـاب یک مدل دید

رایانه ای خواهد بود که قادر به شناسایی افراد و وسایل نقلیه از جریــان های تصویری و

مادون قرمز است. در همیـن حـال ، پنهـان کـنـنـده یک مدل دید رایانه ای خواهد بود که از

اطلاعـات در زمــان واقعــی (مثلاً الـگوهـای دیداری و گرمای پس زمینه) برای تعیین تایید

بصری و مادون قرمز بهینه برای تعیین تسهیلات استفاده می کند.

  • parsa saeedi