کاربردهای هوش مصنوعی

پتانسیل بالا و قابل توجه این فناوری در ساده سازی و بهبود فرایندها بسیار قابل توجه است و البته روزانه به دایره ی وسیع کاربردهایش اضافه می شود. ساختار حلقه : ساختاری که به بر اساس ساختار شرط ، یک عمل خاص را بار ها انجام می دهد . در این یادگیری سیستم دائما خود را تقویت می کند و در ارتباط با یک عامل یا محیط ، مطالب جدیدی را فرا می گیرد – اساس این یادگیری همان آزمون و خطا است . جایگاه هوش مصنوعی در کشورهای توسعه یافته ی جهان ، نشان می دهد که تا چه اندازه تقاضا برای تحصیل در این رشته در حال افزایش است. اگر چه هوش مصنوعی میتواند داراییهای زیادی را در یک کلاس درس فراهم کند، بسیاری از متخصصان هنوز نمیپذیرند که میتوانند جایگزین معلم شوند. اگر چه در سال های گذشته ، آنطور که باید و شاید به حوزه ی هوش مصنوعی توجه ویژه ای وجود نداشت، اما این روزها به شدت مورد توجه جوانان و فعالان زیربناهای علمی کشور قرار گرفته است. در سال ۲۰۰۳، مرکز تحقیقات پروازی آرمسترانگ ناسا، و بسیاری از شرکتهای دیگر، نرمافزاری طراحی کردند که قادر میسازد یک هواپیما آسیب دیده، به پروازش ادامه دهد تا زمانی که به منطقه امن برای فرود دست یابد.

دقیقتر بگوییم، این هوش مصنوعی ضعیف است که کاربردیست، گونهای که برای انجام وظایف خاص طراحی شده و من جمله رده گسترده فعالیتهایی که در آن بکار گرفته میشود عبارتند از تشخیصهای پزشکی، پلتفرمهای تجارت الکترونیک، کنترل ربات و دورسنجی (remote sensing). آن شامل طیف گسترده از قابلیتها و همچنین قابلیت پردازش زبان طبیعی تا برای خواندن اخبار گزارش دلالها و رسانههای اجتماعی استفاده شود. باید خاطر نشان کرد که خوشبختانه بازار کار هوش مصنوعی پرقدرت به راه خود ادامه می دهد و تا به امروز هیچ نشانه ای از رکود ندارد و البته دلیل آن واضح و روشن است. هوش مصنوعی در رسانه های اجتماعی چون اینستاگرام، توئیتر و فیسبوک نیز نقش های بی بدیلی را ایفا می نماید. اما این روش، زمان و تلاشهای زیادی را از افراد متخصص این حوزه گرفت. بهطور کلی، هوش مصنوعی توانایی تأثیرگذاری بر آموزش را با در نظر گرفتن دادههای منطقه ای، ایالتی، ملی و جهانی در نظر بگیرد، زیرا هدف از آن ایجاد تعادل در یادگیری برای همه افراد است. AI یا هوش مصنوعی، برای خلق و توسعه زمینههای تخصصی و صنایع بسیاری شامل امور مالی، بهداشت و درمان، آموزش، حمل و نقل و بیش از اینها بکار گرفته شدهاست. هیثمن بائومر و پیتر بنتلی هدایت یک تیم از کالج لندن را بر عهده دارند تا یک هوش مصنوعی بر پایه سیستم خلبان اتوماتیک هوشمند(IAS) طراحی شده را، توسعه دهند تا به سیستم خلبان اتوماتیک آموزش دهد که همچون یک خلبان بسیار با تجربه که با یک وضعیت اورژانسی مانند آب و هوای بد، آشَفتگی یا نقص سیستم رو به رو است، رفتار کند.

تمام موارد مذکور سبب گشته تا فرصت های کسب و کار در حوزه ی هوش مصنوعی به شدت رو به افزایش باشد و البته درآمدهای حاصله در این حوزه نیز قابل توجه است. ثانیا ، در واقع بازار تقاضا و فرصت های شغلی موجود در این رشته بیش از بازار عرضه ی آن است. البته به تبع آن ، هوش مصنوعی یا Artificial Intelligence تحولات و تغییرات قابل توجهی در ایجاد فرصت های کسب و کار ایجاد نموده است. آن (مشاوران روبو) میتواند بر اساس تغییرات انی در بازار تنظیم شود و به اقتضای ان داراییها را تنظیم کند. در مورد آینده هوش مصنوعی در آموزش، بر اساس آنچه که بوسیله روزنامه نیویوک تایمز به عنوان «بیداری بزرگ هوش مصنوعی» چاپ شدهاست، احتمالات جدید زیادی وجود دارد. حال که به طور مختصر متوجه برنامه نویسی و نحوه عملکرد آن در کامپیوتر شدیم ، باید بدانید که زبان های برنامه نویسی متعددی وجود دارد ، با این حال اساس اکثر این زبان ها با یکدیگر مشابه اند ؛ از این رو می توانیم به طور کلی نگاهی به ساختار ماشین لرنینگ بیندازیم . حال که با تعریف کلی ماشین لرنینگ آشنا شدیم بیایید باهم نگاهی کلی به قسمت های مختلف این ماشین بیندازیم .

متخصصین این فناوری با طراحی ماشینهای هوشمند به کمک متخصصان فروش می آیند تا در مدیریت زمان همراهی شان کنند و مشتریان بالقوه ی کسب و کارشان را تبدیل به مشتریانی بالفعل نمایند. اگر در گذشته برای کسب درآمدهای بالا ، باید به سراغ مشاغلی چون مدیرعاملی بانک و یا صاحب یک فروشگاه زنجیره ای می رفتیم، حال سال هاست که ورق برگشته است و یک گزینه ی جدید دیگر هم به شغل های بسیار پردرآمد دنیا اضافه شده است. برای مثال، در حوالی نوامبر ۲۰۱۷، گوگل در پروژه AutoMl، تپولوژیهای جدیدی از شبکههای عصبی را ایجاد کرد به نام شبکههای عصبی NAS، سیستمی بهینهسازی شده برای پروژه ایمیج نت و COCO. برای معلمان، هوش مصنوعی به زودی میتواند اطلاعات را در رابطه با اثربخشی مداخلات آموزشی مختلف از یک پایگاه اطلاعاتی بالقوه جهانی ارسال کند. هوش مصنوعی ای که طراحی هواپیما را پشتیبانی میکند (یا همان AIDA) برای کمک به طراحان در پروسه طراحی مصور هواپیما استفاده میشود. موتور جستجو در ماشین لرنینگ بدین دلیل طراحی شده تا ماشین داده های دریافتی از محیط را با داده های موجود در مرکز اطلاعات خود مقایسه کرده ، سپس تطابق های لازم را انجام دهد و در نهایت تصمیم گیری کند .

با شنیدن واژه ی این تکنولوژی، مفاهیمی چون اتومبیل های خودکار، ربات ها و انواع و اقسام ماشین های دیجیتال به ذهن مان خطور می کند. طبق گفته راسل و نووینگ در کتاب هوش مصنوعی منتشر شده در سال ۲۰۰۳، مفاهیمی همچون اشتراک زمانی، زبانهای تفسیری، رابط کاربر گرافیکی، ماوس، توسعه سریع محیطهای نرمافزار، لیست پیوندی ساختمان داده، مدیریت ذخیرهسازی خودکار، زبان برنامهنویسی نسل سوم، برنامهنویسی تابعی، برنامهنویسی پویا و برنامهنویسی شی گرا، همگی در آزمایشگاههای هوش مصنوعی توسعه یافتند. به گفته گوگل، عملکرد شبکههای عصبی NAS فراتر بود از تمام عملکردهای پیشین منتشر شده از ایمیج نت . پیشرفت دیگر شامل ارائه دادههای عملکرد و روشهای غنی سازی به صورت فردی است. به طور کلی می توان برنامه نویسی را به صورت مجموعه کد ها و دستوراتی تعریف کرد که ما آن ها را در اختیار کامپیوتر قرار داده و سیستم آن ها را به اجرا در می آورد .

بیشتر سیستم های اتوماتیک بر اساس یک الگوریتم مشخص عمل کرده و کاری خارج از این الگوریتم انجام نمی دهند ؛ ولی ماشین لرنینگ توانایی این را دارد که داده های مختلفی را دریافت کند ، رابطه بین آن ها را درک کرده و بین داده های دریافتی و اطلاعات از پیش تعریف شده مقایساتی را انجام دهد . به بیان ساده تر ، ماشین برای آن که بتواند کاری را انجام دهد ، ابتدا باید بررسی کند که آیا داده ها در شرط های موجود صدق می کنند یا خیر . برای مثال ، بیماران مبتلا به صرع ممکن است هر از چند گاهی دچار تشنج شوند ، این امر به تنهایی خطر چندانی ندارد اما بسته به شرایطی که فرد بیمار در آن قرار دارد ، گاهی تشنج منجر به یک حادثه شده و جان بیمار را تهدید می کند ؛ ما می توانیم دستگاهی را طراحی کنیم که سیگنال های مغزی بیمار را دریافت کرده و سپس با برسی و مقایسه آن با شرایط تشنج ، قبل از اینکه فرد دچار تشنج شود به او هشدار دهد ؛ این دستگاه برای انجام چنین کاری باید تحلیل و مقایسه سیگنال مغزی را یاد بگیرد – که در واقع این امر نیازمند استفاده از ماشین لرنینگ است!

به غیر از پرواز شبیهسازی شده، مورد رویارویی شبیهسازی شدهٔ هواگردها (aircrafts) سایت vector-robot نیز هست. در این ساختار ابتدا ماشین داده ای را دریافت کرده ، سپس آن را با حالت های مختلفی که از پیش برایش تعریف شده است ، مقایسه می کند ؛ حال در صورت وجود شباهت و تطابق ، برنامه کار خاصی را اجرا کرده و در غیر این صورت برنامه اجرا نمی شود . هوش مصنوعی میتواند مورد استفاده قرار گیرد تا به صورت بالقوه، توسعه دهندههای باینری را شناسایی کند. در اروپا برنامه افق ۲۰۲۰ منابع مالی برای نرمافزار اینوی را تأمین کردهاست، نرمافزاری که طراحی شدهاست تا به روزنامه نگاران برای شناسایی اسناد دیپ فیک کمک کند. کاربردهای این فناوری در منابع انسانی، مراقبت های بهداشتی، کشاورزی، طراحی و آمایش بازی های کامپیوتری و حتی در فعالیت های بازاریابی و دیجیتال مارکتینگ ، بسیار عمیق و قابل توجه است. حتی کسب و کارهایی که در حوزه ی فروش فعالیت می کنند، نمی توان نقش هوش مصنوعی را نادیده گرفت. تکنولوژی ، امروزه به عضو جدا ناپذیری از زندگی ما تبدیل شده است ، به گونه ای که می توان حضور آن را در کوچک ترین و بزرگ ترین کار های بشر مشاهده کرد ؛ یکی از تکنولوژی هایی که محققان و دانشمندان به دنبال پیشرفت در آن هستند ، هوش مصنوعی است ؛ به بیان ساده ، علمی که در آن قصد داریم از علوم مختلف برای هوشمند ساختن ابزار ها و ماشین ها استفاده کنیم .

کسب و کارهایی که هوش مصنوعی در حوزه ی تجارت الکترونیک ایجاد می کند ، بی حد و مرز است. در ابتدای مقاله بیان شد که کامپیوتر از قسمت های مختلفی تشکیل شده و تمامی این قسمت ها یا الکترونیکی هستند و یا با الکترونیک سرو کار دارند ؛ در نتیجه اجزایی که کامپیوتر از آن ها تشکیل شده است ، باید تماما از قوانین الکترونیک تبعیت کنند . امروزه همه کشورهای جهان دریافته اند ، برای توسعه و پیشرفت به این فناوری نیاز مبرمی دارند و ایران نیز از این قاعده مستثنا نیست. شبکه عصبی استفاده شده در نرمافزار، اثبات کرده که مؤثر است و یک پیروزی برای هوش مصنوعی به حساب میآید. رایانهها علاوه بر اینکه قادرند تا بهترین سناریوهای پیروزی را در این شرایط تولید نمایند؛ میتوانند استراتژیهایی مبنی بر قرارگیری، ابعاد، سرعت و قدرت نیروهای حمله و ضد حمله طرح کنند. رباتهای مجهز به هوش مصنوعی از اتومبیل های خودران و تشخیص موانع گرفته تا از ربات ها در حمل کالا در بیمارستانها، کارخانهها و انبارها و … پیشرفتها البته بدینجا ختم نمیشود و دیگر مواردی از قبیل نظارت بر خاک و محصول، رباتهای کشاورزی و تحلیل داده پیشبیننده (predivtive analytics). ما در این مقاله قصد داریم به یک جز از این هوش مصنوعی بپردازیم ، بخشی که پیشرفت در آن می تواند درهای جدیدی از تکنولوژی را بر روی ما بگشاید ؛ این زیر مجموعه از هوش مصنوعی ماشین لرنینگ (Machine learning) نام دارد .

نظارت بر خاک و محصول از الگوریتمهای جدید و دادهای گردآورده از زمین زراعی بهرهبرداری میکند سلامت کشت را تضمین کند و بدین صورت کشاورزی را کمهزینهتر و پایدارتر سازند. این نمونه از مشاوران مالی براساس الگوریتمهایی ساخته شدهاست که بهطور خودکار دارایی مالی را با توجه به اهداف سرمایهگذاری و تحمل ریسک مشتریان ایجاد میکنند. مشاوران روبو در حال حاضر بهطور گسترده در صنعت مدیریت سرمایه استفاده میشود. یک وام دهنده آنلاین، Upstart، اطلاعات زیادی از مصرفکننده را تجزیه و تحلیل میکند و از الگوریتمهای یادگیری ماشین استفاده میکند که مدلهای مالی ریسک که میزان احتمال انرا بهطور معمول پیشبینی میکند، ایجاد کند. مثالهایی دیگر از AI کارآموخته در کشاورزی را میتوان مواردی چون اتوماسیون، شبیهسازی، مدلسازی و تکنیکهای بهینهسازی گلخانهها برشمرد. برای دستیابی به تقریبهایی مناسب از برخی محاسبات، دادههای پرواز چندین هواگرد لازمند که ایجاب میکند خلبانهای شبیهسازی شده مورد استفاده قرار گیرند. درپی فزونییافتن جمعیت و رشد تقاضا برای خوراک در آینده برای تأمین این نیاز به حداقل ۷۰ درصد افزایش باروری کشاورزی میباشد.

علاوه بر این موارد ماشین لرنینگ می تواند از فعالیت های قبلی خود بیاموزد و خود را تقویت کند . تا به اینجا ، اندکی با نحوه فعالیت ماشین لرنینگ آشنا شدیم . تکنولوژی هوش مصنوعی آمده تا صنایع مختلف را متحول نماید و مشکلات پیچیده ی آن ها را به ساده ترین روش ممکن حل نماید. مراقبان پرواز جهتها و مسیرها را به خلبانان مصنوعی میدهند و AOD میخواهد که خلبانان پاسخهای ساده به مراقبت پرواز دهند. ماشین لرنینگ را به زبان ساده می توان این گونه بیان کرد : ماشینی است که به ماشین های دیگر یاد می دهد ، چگونه اطلاعات و کارکرد های جدید را بیاموزند . ساختار شرط : ساختار شرط این امکان را به ماشین لرنینگ می دهد که قبل از اجرای برنامه ، حالت های مختلف را بررسی کند . یک برنامه که چهره شخص مورد نظر را با جابجا کردن حالات چهره از یک منبع خارجی به صورت کارتونی شبیهسازی میکند.