Skip to content
کادوس
  • صفحه اصلی
  • درباره ما
  • فروشگاه
  • استخدام
  • خدمات ما
  • وبلاگ
  • مشتریان ما
  • تماس با ما
Site Search
نقش هوش مصنوعی در طراحی سایت وبلاگ

نقش هوش مصنوعی در طراحی سایت

  • تیر 15, 1400تیر 15, 1400
  • by کادوس

نقش هوش مصنوعی در طراحی سایت – آنچه به نظر می‌رسد این است که هوش مصنوعی (AI) در آینده یک فناوری بدون جایگزین خواهد بود. اساس صنایع مدرن امروزی، به طور تعیین کننده‌ای به روش‌های سریع‌تر، دقیق‌تر و مقرون به صرفه‌تر تجارت آنلاین وابسته است و به همین سبب، لازم است طراحان و توسعه دهندگان از برنامه‌های هوش مصنوعی برای ساده‌سازی کارهای روزمره مدیریت وب و …، استفاده ‌نمایند.

با توجه بلوغ فناوری و درگیر شدن آن در تمامی ابعاد زندگی، صنعت طراحی سایت نیز دائما در حال تغییر است. در چند دهه اخیر، شاهد تکامل اینترنت، تغییر سبک و شیوه‌های جدید پیاده‌سازی فناوری‌های نو بوده‌ایم. عمده پیشرفت‌های اینترنت و رواج اینترنت پر سرعت موجب افزایش تجربه کاربری شده است، اما چیزی که در حال حاضر قابل توجه است، ورود هوش مصنوعی Artificial Intelligence (AI) به حوزه صنعت طراحی سایت است.

از نظر تئوری، هوش مصنوعی شما را قادر می‌سازد تا ظاهر وب سایت خود را بهتر کنید، توانایی‌های جستجوی آن را تقویت کنید، مطالب خود را بهتر مدیریت و سازماندهی کنید، تعامل با بازدیدکنندگان سایت‌تان را بهبود ببخشید، تجربه شخصی‌سازی شده به کاربران ارائه دهید و مصرف‌کنندگان را از طریق کمپین‌های بازاریابی دیجیتالی به طور دقیق هدف قرار دهید. با تغییر مسیر طراحان و توسعه دهندگان به سمت شیوه‌های طراحی مبتنی بر هوش مصنوعی، این مسئله اکنون به بخشی ضروری در توسعه مدرن وب تبدیل شده است.

در این مقاله، ما شما را با مجموعه دانش و برنامه‌های شگفت انگیز هوش مصنوعی که موجب بهبود استفاده و تجربه کاربر از سایت شما می‌شوند، آشنا خواهیم کرد.

نقش هوش مصنوعی در طراحی سایت

ظهور سیستم‌های هوش طراحی مصنوعی (ADI)

غالبا فرآیند طراحی رابط کاربری در یک محیط سنتی، بسیار طاقت فرسا است زیرا شما به خلاقیت زیادی برای منحصر به فرد بودن آن نیاز دارید که می‌تواند با به اشتراک گذاشتن ایده‌های شما و تیم طراحی‌تان و بررسی چندین احتمال شروع شود و می‌دانیم که این ممکن است با خطاهای اجتناب‌ناپذیر زیادی همراه باشد.

با جهش‌های اخیر در فناوری، هوش مصنوعی به سرعت وارد فضای آنلاین شده و به طراحان این امکان را داده است تا برنامه‌های خود را در وب سایت‌ها ترکیب کرده و عملکرد و تجربه کاربری بهتری ایجاد کنند. Grid یکی از اولین نمونه‌های هوش مصنوعی و طراحی سایت بود. این یک نرم افزار طراحی است که با هوش مصنوعی اجرا می‌شود و به طراحان کمک می‌کند تا وب سایت‌های مدرن و سفارشی، بر اساس نیازهای خاص هر پروژه، فعالیت‌های تجاری و تنظیمات شخصی هر فرد، ایجاد کند.

مبتکران هوش مصنوعی در طراحی برای محیط های آنلاین

از جمله مبتکران AI می‌توان به Adobe، Firedrop، Bookmark، Squarespace، Wix، Tailor Brands اشاره نمود که پیشروترین شرکت‌های فناوری هستند که از هوش مصنوعی در طراحی برای محیط‌های آنلاین استفاده می‌کنند.

هوش مصنوعی اکنون می‌تواند طراحی رابط کاربری دستی را از چیزی به سادگی یک تصویر، به یک کد نشانه‌گذاری معتبر HTML تبدیل کند که ویژگی‌های خود را حفظ می‌کند. در اینجا AI می‌تواند به طور منظم محتوای کلی طراحی وب شما، از عناصر بصری و تایپوگرافی گرفته تا انیمیشن‌ها و سایر اطلاعات گرافیکی را کنترل کند.

این مورد به ویژه هنگامی مفید است که تصمیمات طراحی برای انواع خاصی از وب سایتها مورد یاز باشد. به عنوان مثال، اگر یک وب سایت تجارت الکترونیکی دارید که تعداد زیادی درخواست RFQ دریافت می کند، میتوانید با توجه به تعاملات روزمره با مشتریان، آن را با هوش مصنوعی بهینه سازی کنید.

هوش مصنوعی دربه روز نگه داشتن و رقابتی کردن بازار

از آنجایی که اکثر دارندگان وب، برای تکمیل راه‌اندازی محصولات یا رویدادهای آینده خود به طرح‌های جدید نیاز دارند، هوش مصنوعی که در پس زمینه کار می‌کند به عنوان یک راه حل مناسب برای به روز نگه داشتن و رقابتی ماندن در بازار عمل می‌کند. AI در زمینه تجزیه و تحلیل وب سایت، پایگاه کاربری آن، کاتالوگ محصول و سایر جنبه‌های کلیدی شروع به جمع‌آوری اطلاعات می‌کند. پس از تکمیل داده‌ها، AI آخرین دستوالعمل‌ها از قبیل موضوع، محتوا و تنظیمات رنگی برای یک طراحی کاملا منحصر به فرد را از شما می‌گیرد.

علاوه بر این هوش مصنوعی تنها پاسخگویی هوشمند نیست، بلکه بخش قابل توجهی از ساختار آن، این است که عملکردهای خود را تا حد امکان انسانی انجام دهد. به عنوان مثال، اتومبیل‌های خودران نه تنها از قوانین راهنمایی و رانندگی پیروی می‌کنند بلکه در حال یادگیری نشان دادن علائم هوش انسانی هنگام تماس با راننده دیگر هستند.

به همین ترتیب، یک چت بات مبتنی بر AI که با یک کاربر انسانی تعامل دارد، نه تنها قادر به پاسخ دادن است، بلکه تا حد ممکن با آنها به همان شکل انسانی پاسخ می‌دهد تا پاسخ‌های بی‌نظیری برای هر پرسش ایجاد کند. طبق یک نظر سنجی، اخیرا 61% از متخصصان تجارت ادعا کرده‌اند که یادگیری ماشین و هوش مصنوعی مهمترین ابتکار اطلاعاتی سازمان آنهاست.

بهترین باش

وبلاگ

هوش مصنوعی تشنه انرژی است

  • تیر 5, 1400تیر 8, 1400
  • by کادوس

هوش مصنوعی تشنه انرژی است _ هوش مصنوعی با وجود همه ی مزایا و پیشرفت‌ها، انرژی زیادی مصرف می‌کند و اثر محیطی زیادی را به‌جای می‌گذارد.

گوگل در تحقیقی ناامیدکننده، به خطرات هوش مصنوعی پردازش زبان اشاره کرد. این نوع هوش مصنوعی در جست‌وجوی گوگل و دیگر محصولات تحلیل متنی به‌کار می‌رود. یکی از خطر‌ات این نوع هوش مصنوعی، اثر کربنی فراوان آن می باشد.

طبق تخمین‌ها، آموزش مدل هوش مصنوعی به‌اندازه‌ی تولید اتومبیل و رانندگی با خودروها در طول عمر آن‌ها به انرژی نیاز دارد. کیت سائنکو، پژوهشگر و نویسنده‌ی اصلی این نوشته، مدل‌های هوش مصنوعی بررسی می‌کند و آن را توسعه می‌دهد، و با انرژی و هزینه‌های مالی پژوهش‌های هوش مصنوعی آشنا می باشد. به چه دلیل مدل‌های هوش مصنوعی تا این اندازه تشنه‌ی انرژی می باشند و چه تفاوتی با رایانش دیتاسنتری یا مرکزداده‌ای سنتی دارند؟

فرآیند آموزش AI غیر بهینه است

عملیات سنتی پردازش داده در دیتاسنترها قسمت ویدئو و ایمیل و رسانه‌های اجتماعی را شامل می‌شود. هوش مصنوعی ازنظر محاسباتی متمرکز می باشد. بدلیل اینکه به خواندن مقادیر زیادی داده و یادگیری و درک آن‌ها نیاز دارد. این نوع فرایند آموزشی در‌مقایسه‌با یادگیری انسانی غیربهینه می باشد. هوش مصنوعی مدرن از شبکه‌های عصبی استفاده می‌کند، که محاسبات ریاضی را به تقلید از مغز آدم انجام می‌دهند. اندازه قدرت اتصال هر نورون به همسایه‌ی آن یکی از پارامترهای شبکه به نام وزن است. شبکه برای یادگیری چگونگی درک زبان با وزن‌های تصادفی شروع می‌شود و این وزن‌ها را تا وقتی تطبیق می‌دهد که خروجی منطبق با پاسخی صحیح باشد.

یکی از روش‌های رایج آموزش شبکه‌ی زبانی، تغذیه‌ی شبکه با مقادیر زیادی متن از وب‌سایت‌هایی مانند ویکی‌پدیا و اخباری دارای کلمات نشانه‌گذاری شده می باشد. پس از آن شبکه کلمات جداشده را حدس می‌زند. به عنوان مثال، جمله‌ی «گربه من خوشگل است» را با کلمه‌ی «خوشگل» در نظر بگیرید. در ابتدا، مدل کلمات را به‌اشتباه تشخیص می‌دهد، ولی با تطبیق بیشتر، وزن‌های اتصالی تغییر کرده و الگوهای داده‌ای را کشف می‌کنند. سرانجام، شبکه به دقت چشمگیری می‌رسد.

یکی از مدل‌های تازه به نام BERT (نمایش رمزنگار دوطرفه از مبدل‌ها) از ۳/۳ میلیارد کلمه‌ی کتاب‌های انگلیسی و مقاله‌های ویکی‌پدیا استفاده می‌کند. افزون براین، BERT در طول آموزش مجموعه‌های داده‌ای را یک جا ۴۰ مرتبه می‌خواند. در‌مقابل، کودک به‌طور‌میانگین می‌تواند تا پنج‌سالگی ۴۵ میلیون کلمه را بشنود که ۳ هزار مرتبه کمتر از داده‌های BERT می باشد.

جستجوی ساختار مناسب

فرایند آموزش که همراره در طول توسعه چند بار تکرار می‌شد، مدل‌های زبانی را پرهزینه می‌سازد. علت این مسئله جستجوی بهترین ساختار برای شبکه ازجمله تعداد نورون‌ها، تعداد اتصال بین نورون‌ها، سرعت تغییر پارامترها در طول یادگیری و… می باشد. هرچقدر ترکیب‌های آزمایشی بیشتر باشند، بخت شبکه برای رسیدن به دقت زیاد افزایش پیدا می کند. درمقابل مغز آدم به یافتن ساختار بهینه نیازی ندارد و از ساختار پیش‌ساخته‌ای برخوردار می باشد که در فرایند تکامل شکل گرفته است.

با افزایش شرکت‌ها و مؤسسه‌های پژوهشی در حیطه هوش مصنوعی، فشار برای بهبود جدیدترین تکنولوژی افزایش یافت. حتی دستیابی به پیشرفت یک درصدی در دقت وظایف دشواری همانند ترجمه‌ی ماشینی هم معنادار می باشد و می‌تواند به‌معنی تولید محصولات بهتر باشد. باوجوداین برای رسیدن به این بهبود یک درصدی، باید مدل را هزاران مرتبه و هر بار با ساختار متفاوتی آموزش داد تا بهترین نتیجه انجام شود.

پژوهشگران دانشگاه آمهرست ماساچوست با سنجش مصرف برق سخت‌افزارهای متداول به‌کاررفته در فرایند آموزش، هزینه‌ی انرژی توسعه‌ی مدل‌های زبانی هوش مصنوعی را تخمین زدند. طبق نتایج، مصرف انرژی BERT معادل اثر کربنی حاصل از پرواز بین نیویورک و سان‌فرانسیسکو می باشد. با این وجود، جستجو در ساختارهای مختلف و آموزش چندباره‌ی الگوریتم براساس داده‌ها با مقدار متغیر نورو‌ن‌ها و اتصال‌ها و پارامترهای دیگر، هزینه‌ی انرژی هم‌ارز با پرواز ۳۱۵ مسافر یا هواپیمای ۷۴۷ کامل است.

هوش مصنوعی تشنه انرژی است

عظیم تر و داغ تر

مدل‌های هوش مصنوعی هر سال عظیم می‌شوند. GPT-2، مدل زبانی جدید مشابه BERT، در شبکه‌ی خود حدودا ۱/۵ میلیارد و GPT-3 با دقتی بیشتر ۱۷۵ میلیارد وزن دارد. روی هم رفته، شبکه‌های بزرگ‌تر دقت بیشتر دارند؛ حتی اگر تنها قسمت کوچکی از شبکه‌ی مفید و کاربردی باشد. فرایند مشابهی در مغز کودکان رخ می‌دهد، در آغاز اتصال‌های عصبی اضافه می‌شوند و پس از آن کاهش می‌یابند. ولی به‌طور‌کلی مغز بیولوژیکی بهینه‌تر از مغزهای کامپیوتری می باشد.

مدل‌های هوش مصنوعی طبق سخت‌افزار ویژه‌ای مانند واحدهای پردازنده‌ی گرافیکی آموزش می‌بینند، که انرژی بیشتری درمقایسه‌با CPU‌های قدیمی مصرف می‌کند. همواره در لپ‌تاپ‌های بازی از این واحدهای پردازنده‌ برای تولید گرافیک پیشرفته برای بازی‌هایی همانند ماینکرفت RTX استفاده می‌شود. این لپ‌تاپها معمولا داغ‌تر از لپ‌‌تاپ‌های معمولی می باشند.

بطور‌کلی، توسعه‌ی مدل‌های پیشرفته‌ی هوش مصنوعی نشر کربنی را افزایش خواهد داد. تا وقتی که از منابع ۱۰۰% تجدیدپذیر استفاده نکنیم، پیشرفت هوش مصنوعی در تضاد با کاهش گازهای گلخانه‌ای و کاهش سرعت تغییرات اقلیمی قرار خواهد گرفت. هزینه‌ی نهایی توسعه هم بسیار گران می باشد و فقط تعداد اندکی از آزمایشگاه‌ها از عهده‌ی آن برمی‌‌آیند.

کاربیشتر و انرژی کمتر

کار بیشتر و انرژی کمتر به درستی چه مفهومی برای پژوهش‌های هوش مصنوعی دارد؟ هزینه‌ی آموزش با ابداع روش‌های بهینه کاهش پیدا می کند. بطور‌مشابه طبق پیش‌‌بینی سال‌های پیش، قرار بود مصرف انرژی دیتاسنترها رو به انفجار باشد. ولی این اتفاق بدلیل پیشرفت در بازدهی دیتاسنترها و تکنولوژی های سرمایش و سخت‌افزاری بهینه رخ نداد.

علاوه براین، مبادله‌ای بین هزینه‌ی آموزش مدل‌ها و هزینه‌ی استفاده از آن‌ها وجود دارد. سرانجام مصرف بیشتر انرژی در زمان آموزش با تولید مدل کوچک‌تری همراه می باشد، که استفاده از آن می‌تواند ارزان‌تر تمام شود. از‌آنجا‌که از یک مدل چند بار استفاده می‌شود، انرژی بیشتری ذخیره خواهد شد.

منبع: zoomit

وبلاگ

فناوری های طراحی وبسایت

  • اسفند 25, 1399اسفند 23, 1399
  • by کادوس

فناوری های طراحی وبسایت _ توسعه دهندگان وب سایت ها، در بستری کار می کنند که به طور پیاپی در حال تغییر و تکامل می باشند. آنها باید با این تغییرات تطبیق یافته و سازگار شوند
هر توسعه دهنده ی وب برای راه اندازی یک وب سایت بایستی روش ها و قوانین توسعه ی وب را بداند و اگر می خواهد وب سایتی که راه اندازی می کند نتیجه مطلوبی داشته باشد باید با آخرین تکنولوژی های روز آشنایی داشته باشد تا بتواند به هدف خود برسد.


پیشرفت یک برنامه یا وب سایت به طور رایج به دانش سه زبان HTML، CSS و جاوا اسکریپت نیاز دارد. زماتی که شما می دانید که هدفتان از طراحی وب چیست، به طور قابل ملاحظه ای درک تکنولوژی های وب و نحوه ی کار با آنها آسان تر می شود. به همین خاطر در این مطلب می خواهیم به بررسی آخرین تکنولوژی های وب سایت ها بپردازیم.


تکنولوژی وب چیست؟


کامپیوترها برای برقراری ارتباط با همدیگر نیاز به کد هایی دارند. تکنولوژی های وب، زبان های نشانه گذاری و بسته های چند رسانه ای می باشند که رایانه ها برای برقراری ارتباط با مخاطبان از آنها استفاده می کنند.

جستجوگرها

جستجوگرها اطلاعات را از سرور ها درخواست می کنند و پس از آن، آنها را به شیوه ای که ما می توانیم درک کنیم ارائه می دهند. از جستجوگرها به عنوان مفسران وب می توان یاد کرد. پر طرفدار ترین این مفسرها عبارتند از گوگل کروم، سافاری، فایرفاکس و اینترنت اکسپلورر.

CSS و HTML

جستجوگرهای اینترنت توسط HTML می توانند درخواست های مخاطبان را درک کنند و اطلاعات لازم را به آنها ارائه دهند.

CSS شیوه ی نمایش عناصر HTML بر روی صفحه نمایش را شرح می دهد.

فناوری های طراحی وبسایت

چارچوب های گسترش وب

چارچوب های توسعه ی وب نقطه ی آغاز برای راه اندازی و طراحی وب سایت می باشد و می توان از آنها برای انجام کار های ساده بهره گیری کرد.

زبان های برنامه نویسی

همانگونه که پیش از این گفتیم، کامیپوتر ها برای برقراری ارتباط با یکدیگر از زبان های برنامه نویسی بهره گیری می کنند. زبان های برنامه نویسی گوناگونی وجود دارد. جاوا اسکریپت زبانی می باشد که بین همه ی مرورگرها مشترک می باشد.
PHP از طریق وردپرس استفاده می شود. این زبان علاوه براین توسط فیس بوک، ویکی پدیا و سایر سایت های مهم و بسیاری از برنامه های دسک تاپ استفاده می شود.
طبق گزارشات، جاوا اسکریپت یکی از پرطرافدارترین زبان های برنامه نویسی می باشد که توسط 62.5% از پاسخ دهندگان استفاده می شود.

پروتکل

دستور العمل روش انتقال اطلاعات بین رایانه ها و دستگاه ها معمولاً به عنوان پروتکل شناخته می شود.

HTTP

با بهره گیری از این پروتکل، هر وب سایت می تواند به جسجوگرها دست یابد. این پروتکل وب سایت را از سرور گوگل درخواست می کند و پس از آن با استفاده از HTML و CSS و جاوا اسکریپت یک وبسایت پاسخی دریافت می کند.

APL

رابط برنامه نویسی برنامه یا APL، به توسعه دهندگان امکان می دهد تا بدون نیاز به اشتراک گذاری کد از تعدادی قابلیت های برنامه استفاده کنند.

نقاط پایانی توسط توسعه دهندگان وبسایت ها در معرض دید قرار می گیرد، در حالی که API می تواند دسترسی را با یک کلید کنترل کند. بهترین نمونه های API ها آنهایی می باشند که توسط فیسبوک، توییتر و گوگل برای خدمات وبسایتشان آماده شده اند.

فناوری های طراحی وبسایت

مطابقت پذیری

طبق گزارشات، پیش بینی شده است که تا سال 2022 حد ترافیک داده های گوشی های موبایل در سراسر دنیا با نرخ رشد سالانه 46% به 77.5 اگزابایت در ماه برسد.
با یک سیستم مدیریت محتوای بدون سر، محتوای وبسایت شما می تواند بسیار راحت در هر دستگاهی در معرض دید مخاطبان قرار گیرد. توسعه دهندگان وبسایت ها می توانند بدون نیاز به کد نویسی هر نوع تغییری که مد نظر دارند در وبسایت خود ایجاد کنند.

برنامه های تک صفحه ای

یک برنامه ی تک صفحه ای یک برنامه ی وب و یا یک صفحه ی وب است که با باز نویسی صفحه بجای بارگذاری کل صفحه از سرور با مخاطب در تعامل می باشد. این روش از قطع ارتباط مخاطب بین صفحات متوالی پیشگیری می کند. Spa بازدیدکنندگان را از فهرست های ناوبری و چرخاننده ی سخت دور می کند و با هر دستگاهی سازگار می شود.

ربات های چت

هوش مصنوعی در چت بوت ها مورد استفاده قرار میگیرند. چت بوت ها در درجه ی اول برای خدمت رسانی به مخاطب و در فرآیند های خودکار سازی به ویژه در بازاریابی و تجزیه و تحلیل استفاده می شود. احتیاج به چت بوت ها در سال 2021 گسترده تر خواهد شد. هم اکنون ما می توانیم ببینیم که چت بوت ها، دستیاران مجازی و ربات های صوتی چطور به تجارت های کوچک و بزرگ برای تعامل با مخاطبانشان و فعل و انفعالات اجتماعی کمک می کند. به طور معمول یک چت بوت با یک شخص واقعی در ارتباط می باشد، ولی تعدادی می گویند برنامه هایی در حال توسعه هستند که در آن دو چت بوت قادر به برقراری ارتباط با یکدیگر می باشند.

هوش مصنوعی

تعداد زیادی از شرکت ها در حال اضافه کردن قابلیت هوش مصنوعی به وبسایت های خود می باشند. به عنوان مثال یک برنامه ی ایجاد شده برای موبایل توسط هوش مصنوعی به شما این امکان را می دهد که علائم بیماری خود را در برنامه ی مورد نظر وارد کرده و با پزشک خود در ارتباط باشید و یا به سوابق بیماری خود دسترسی پیدا کنید. نمونه ی دیگری از هوش مصنوعی ربات های چت هستند که پیشتر راجع به آن صحبت کردیم.
از هوش مصنوعی می توان برای تجزیه و درک رفتار بازدیدکنندگان وب سایت ها استفاده کرد. بهره گیری از هوش مصنوعی فواید زیادی دارد، که کاهش هزینه و آسانی دسترسی به اطلاعات برای کاربران از جمله ی آنها می باشد.

کلام آخر


تکنولوژی های وب به طور مرتب در حال تغییر و تکامل می باشند، و توسعه دهندگان وب سایت ها برای اینکه بتوانند از مزایای این تغییرات رو به رشد استفاده کنند باید از آنها آگاهی داشته باشند و در وبسایت های خود استفاده کنند.
هدف از ارائه و بهره گیری از این تکنولوژی ها، ایجاد تجربه ی کاربری مثبت و پذیرفته شدن توسط کاربران می باشد. وقتی فناوری های وب جدیدی ارائه شوند که استفاده از آنها برای کاربران راحت است و مزایای مختلفی را برای آنها ایجاد می کند، باعث پذیرفته شدن وب سایت از سوی کاربران و افزونی ترافیک خواهد شد.

وبلاگ

هوش مصنوعی در صنعت خودرو

  • دی 27, 1399بهمن 6, 1399
  • by کادوس

هوش مصنوعی در صنعت خودرو _ هوش مصنوعی (AI) و اتومبیل های خودران مباحث متمایزی در فناوری هستند. به بیان ساده ، شما واقعاً نمی توانید درباره یکی بدون دیگری بحث کنید. اگرچه هوش مصنوعی در بخشهای مختلف با سرعت بالایی اجرا می شود، اما نحوه استفاده از آن در صنعت خودرو در حال حاضر مسئله ای بسیار داغ است. هوش مصنوعی، صنعت خودروسازی را به قبضه خود درآورده است و تمامی فعالین بزرگ صنعت خودروسازی، مشغول بکارگیری منابع و تکنولوژی های خود هسنتد تا به مطلوبترین خروجی برسند.

زیبایی دستگاه های مجهز به هوش مصنوعی در آن نهفته است، که تمایمی ورودی های سنسوری آن همچون صداها و تصاویر هستند. و هنگامی که این هوشمندی در تکنولوژی موجود در یک خوردو گنجانده می شود، خودروی مربوطه محیط پیرامون خود را شناسایی می کند و هنگام حرکت یا مواجه شدن با موانع به ارزیابی علائم محیطی می پردازد.

بسیاری از تولیدکنندگان بزرگ خودرو، در تلاشند اتومبیل های مستقل و با ویژگی های رانندگی خودران را ایجاد کنند. اما در این مطلب قصد داریم بر روی شرکت های فن آوری و استارتاپ های نسبتاً جوان متمرکز شویم. که فناوری آنها برای استفاده در حمل و نقل عمومی ، اشتراک سواری و یا نیازهای شخصی می باشد. شرکت های زیر در خط مقدم فناوری، وسایل نقلیه خودمختار هستند.

هوش مصنوعی در صنعت خودرو

۱_ NUTONOMY (هدایت خودکار در موقعیت های پیچیده مسافرتی)

nuTonomy در حال ساخت فناوری، خودرو های کاملا بدون راننده است. خوردروهای این شرکت می توانند همانند انسان و به شیوه ای انعطاف پذیر و البته بدون اشتباه، خودرو را کنترل و هدایت کند و در شرایط ترافیکی بسیار دشوار نیز به رانندگی خود ادامه دهند.

هدف این شرکت تولید اتومبیل های خودمختار در هر مکان، ایجاد جاده های ایمن ، ترافیک و آلودگی کمتر می باشد.

به تازگی، شرکت nuTonomy با همکاری Lyft برای آزمایش وسایل نقلیه در بندر بوستون، وارد همکاری شده اند. تا امکان استفاده از این خودروها را در اختیار کاربران Lyft قرار دهند، تا بدین صورت، توجه بیشتری را در خصوص حمل و نقل افراد بدست بیاورند.

هوش مصنوعی در صنعت خودرو

۲- AUTOX (ارسال مواد غذایی بدون راننده)

خودروهای AutoX با تمرکز روی تحویل مواد غذایی، اقلام خوراکی را از طریق اپلیکیشن درب منزل مشتریان خود تحویل می دهند. خودروهای این شرکت، با ترکیب نرم افزارهای هوش مصنوعی، دوربین های بلادرنگ، سنسورها و همچنین گذراندن آزمون های چند هزار مایلی اعم از مجازی و واقعی، تصمیم گیری های ایمن را در جاده تضمین می کنند.

شرکت Autox اخیراً یک برنامه آزمایشی را در سان خوزه راه اندازی کرده، و خدمات خود را در یک منطقه حصارکشی شده مورد آزمایش قرار داده است و قصد دارد چند هفته یکبار منطقه را گسترش دهد.

هوش مصنوعی در صنعت خودرو

۳- DRIVE.AL (حمل و نقل مسافران در مسیرهای ثابت)

خودروهای Drive.AL از هوش مصنوعی، برای تغییر سیستم های حمل و نقل فعلی با خدمات بدون راننده استفاده می کنند. خودروهای این شرکت نه تنها خود مختار هستند، بلکه با رانندگان و عابران پیاده در نزدیکی خود تعامل برقرار می کنند. مثلا با نمایش یک علامت، به عابرین می فهماند که منتظر عبور آن ها می ماند.

هدف این شرکت، حمل و نقل مسافران در مسیرهای ثابت است. که نظارت روی این خودروها ساده تر از خودروهای شخصی می باشد، چرا که خودروهای شخصی باید به طور دائم با تغییراتی وفق پیدا کنند که به روی رانندگی تاثیر می گذارد، مانند محدوده سرعت، تصادف ها، ساخت وساز و بسته شدن جاده ها.

این شرکت در حال حاضر وسایل نقلیه خود را با استفاده از اپراتورهای ایمنی انسانی در مسیرهای ثابت، اطراف فریسکوی تگزاس آزمایش می کند.

هوش مصنوعی در صنعت خودرو

۴- OPTIMUS RIDE (حمل و نقل پایدار)

Optimus Ride یک شرکت تولید کننده وسایل نقلیه خودران است، که اتومبیل های مستقلی را برای مکان های خاص ایجاد می کند.

وسایل نقلیه هوشمند و برقی این شرکت امکان اجرای شهرهای کارآمدتر و پایدارتر، آزاد سازی مکان های بیشتر برای پارک خودرو، محدود کردن تعداد اتومبیل های موجود در جاده و کاهش تأثیرات محیطی را فراهم می کند. این کمپانی که محصولی از دانشگاه MIT می باشد، حمل و نقل آسان و ایمنی را برای دانشگاه ها و شهرها را فراهم آورده است.

وسایل نقلیه این شرکت سال گذشته، چراغ سبز را برای آزمایش در شهرها و نواحی داخل ماساچوست دریافت کرده اند. این خودروها که در مسافت های طولانی طراحی نشده اند، شرکت Optimus Rider قصد دارد تا با حمل و نقل مسافران بین دو نقطه ایستگاه قطار محلی و مرکز توسعه مسکن بوستون، خودرو های خود را مورد آزمایش قرار دهد.

هوش مصنوعی در صنعت خودرو

۵- WAYMO (فناوری ادراک ۳۶۰ درجه)

کمپانی Waymo ابتدا به عنوان یکی از مراکز تحقیقاتی گوگل در زمینه خودروهای خودران شروع به فعالیت کرد، اما در حال حاظر به یک کمپانی مستقل تبدیل شده است. وسایل نقلیه خودران این شرکت، مسافران را از یک نقطه به نقطه دیگر جابه جا می کند.

فناوری ادراک ۳۶۰ درجه کمپانی Waymo با بیش از هشت میلیون مایل رانندگی خودران تا به امروز، می تواند عابرین پیاده، وسایل نقلیه، دوچرخه سواران و سایر موانع در جاده را از فاصله ۳۰۰ یاردی معادل ۲۷۵ متر، تشخیص دهد.

Waymo در حال حاضر، رانندگی آزمایشی را در منطقه مترو فینکس ارائه می دهد. کاربران ساکن در این منطقه می توانند به طور آزمایشی از خودروهای خودران این شرکت استفاده کنند.

منبع: builtin

وبلاگ

مسیریابی بهتر افراد کم بینا با کمک نقشه گوگل

  • مهر 23, 1398بهمن 28, 1399
  • by اتابک رفعتی

مسیریابی بهتر افراد کم بینا با کمک نقشه گوگل: از امروز نقشه گوگل موسوم به گوگل مپ (Google Map) ‌‌می‌تواند به افراد دارای بینایی ضعیف یا کم بینا کمک کند تا بتوانند مسیر خود را راحت‌تر پیدا کنند.

گوگل مپ چگونه به کمک افراد کم بینا می آید؟

این اپلیکیشن از طریق ارسال راهنمایی‌‌‌های صوتی به این افراد اطلاع ‌‌می‌دهد که آیا در مسیر درستی حرکت ‌‌می‌کنند یا خیر. همچنین اگر مسیر پیاده‌رو شلوغ باشد، این مساله را هشدار ‌‌می‌دهد و یا به این افراد اطلاع ‌‌می‌دهد که فاصله آن‌‌‌ها تا پیچ بعدی چقدر است. جالب اینجاست که اگر فردی از مسیر خود خارج شود یا نتواند پیدا کند، از طریق فرامین صوتی تلاش ‌‌می‌کند تا وی را به مسیر درست بازگرداند.

مسیریابی بهتر افراد کم بینا با کمک نقشه گوگل

گوگل در این رابطه نوشت: که قابلیت راهنمایی صوتی گوگل مپ برای افرا کم بینا برای نسخه‌‌‌های اندروید و iOS این اپلیکیشن قابل استفاده و دانلود است. طبق اعلام گوگل این ویژگی فعلا برای کاربران آمریکایی، انگلیسی و ژاپنی بهینه شده، اما قرار است در آینده کشورها و زبان‌‌‌های بیشتری به آن اضافه شود.
اگر شما نیز قصد فعال کردن این ویژگی را دارید ‌‌می‌تواند به بعد از ورود به گوگل مپ، از قسمت تنظیمات، این گزینه را فعال کنید.

منبع: ITiran

وبلاگ

هوش مصنوعی تا چه اندازه باهوش است؟

  • مهر 6, 1398مهر 25, 1398
  • by اتابک رفعتی

هوش مصنوعی تا چه اندازه باهوش است؟ پژوهشگران در حال تلاش برای بهبود عملکرد هوش مصنوعی در تمامی زمینه‌ها هستند؛ اما آیا آنها به این امر دست یافته اند؟ در ادامه مطلب با ما همراه باشید تا نگاهی بر هوش مصنوعی و پیشرفت آن داشته باشیم.

هوش مصنوعی چیست؟

هوش مصنوعی شاخه‌ای از علوم کامپیوتر است که در آن به ساخت ماشین‌هایی هوشمند پرداخته می‌شود که مانند انسان‌ها عمل می‌کنند و واکنش انجام می‌دهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. هوش مصنوعی در آینده‌ای نه چندان دور زندگی بیشنر انسان‌ها را تحت تاثیر قرار خواهد داد. بنا بر تحقیق معتبر دانشگاه آکسفورد که در سال ۲۰۱۳ انجام گرفته است؛ ۴۷ درصد از کل جایگاه‌های شغلی ایالات متحده در سال ۲۰۳۰ به شکل اتوماسیون و بدون حضور انسان انجام می‌گیرند. همچنین برنامه‌نویسان و مهندسان نرم‌افزار در ۲۰ سال آینده تنها ۸ درصد امکان اتوماسیون شغلشان وجود دارد. محققین براین باورند که نهایتاً مهندسان نرم‌افزار روزی با برنامه‌ای هوشمند جایگزین خواهند شد؛ برنامه ای که می‌تواند کدها را خود کپی کند، بنویسد و آن‌ها را بهبود بخشد.

هوش مصنوعی تا چه اندازه باهوش است؟

پیشرفت هوش مصنوعی – میزان خطای هوش مصنوعی در هر سال – خط قرمز رنگ میزان خطای انسانی آموزش دیده است

آموزش و یادگیری چگونه انجام می‌شود؟

مهندسی دانش بخش بزرگی از پژوهش‌های مورد نیاز هوش مصنوعی را تشکیل می‌دهد. ماشین‌ها در صورتی می‌توانند مانند انسان‌ها رفتار کنند که اطلاعات فراوانی از جهان اطراف خود داشته باشند.

یادگیری ماشین نیز یکی دیگر از بخش‌های اصلی هوش مصنوعی است. آموزش به ماشین به شکل‌های گوناگونی دسته بندی شده است. ساده ترین راه برای یادگیری ماشین روش “آزمون و خطا” است. برای مثال، یک برنامه ساده برای کیش و مات کردن شاهِ حریف در یک بازی شطرنج را در نظر بگیرید. برنامه مهره‌های شطرنج را به صورت تصادفی آن قدر حرکت می‌دهد تا موفق به کیش و مات کردن طرف مقابل شود و در دفعه‌ی بعدی که همین مسئله‌ دوباره به کامپیوتر داده شود می‌تواند سریعاً مسئله را حل کند و پاسخ را بیابد.

هدف یادگیری ماشینی این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها بازدهی بالاتری در وظیفهٔ مورد نظر پیدا کند. گستردهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری برای روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد. یکی از پروژه‌های معروف یادگیری ماشینی، پروژه‌ی تشخیص سن از روی تصویرِ شرکت مایکروسافت است.

هوش مصنوعی به چند نوع تقسیم می‌شود؟

آنچه امروزه به هوش مصنوعی مشهور است به دو دسته‌ی “ANI” و “AGI” تقسیم می‌شود.

ANI

ANI مخفف Artificial Narrow Intelligence (هوش محدود مصنوعی) است و معمولاً به آن “هوش مصنوعی ضعیف” هم می‌گویند. این نوع هوش مصنوعی تنها می‌تواند در یک حیطه‌ی محدودی از تخصص فعالیت کند. برای مثال می‌توان به آبی بزرگ (Big Blue) اشاره کرد. ابر کامپیوتری که IBM در سال ۱۹۹۷ ساخت تا بزرگ‌ترین شطرنج بازان جهان را شکست دهد. آبی بزرگ یک کار را بسیار عالی انجام می‌دهد: شکست انسان در شطرنج. اما تخصص آن به همین مورد محدود می‌شود.

شاید تا به حال متوجه این موضوع نبوده باشید، ولی همین حالا هم توسط هوش مصنوعی ضعیف یا ANI محاصره شده‌ایم. ماشین‌هایی که عادات جستجوی شما در گوگل را ردگیری می‌کنند و بر اساس هزاران متغییر مختلف تبلیغات مناسب را برای شما به نمایش در می‌آورند، بر اساس ANI های ابتدایی ساخته شده‌اند که در طول زمان سلایق شما را یاد می‌گیرند. مثال دیگر فیلترهای هوشمند سرویس‌های ایمیل برای پاکسازی اینباکس شما از اسپم است. سیستم‌هایی که در یک لحظه بین میلیون‌ها پیام به جستجو می‌پردازند و تصمیم می‌گیرند که کدام یک واقعی است و کدام باید حذف شود.

در دنیای امروز هوش‌ مصنوعی کار‌هایی را انجام می‌دهد که از قبل برای آن برنامه ریزی شده ‌است. برای مثال دستیار‌های صوتی امروزه به صورتی برنامه ریزی شده‌اند که تنها قادر به نمایش وضعیت آب و هوا،ارسال پیام، تنظیم آلارم، پخش آهنگ و … باشند. آن‌ها کار‌هایی خارج از چیزی که برایشان از قبل تعریف شده انجام نمی‌دهند. آن‌ها فکر نمی‌کنند و دارای احساسات نیستند و برای جواب سوالاتی‌ که از آن‌ها می‌پرسیم برنامه‌ریزی شده اند. در واقع پایگاه داده‌ای از مجوعه‌ی سوال و جواب به آن‌ها داده شده است. شاید برای رفع این مشکل نیاز به شبیه سازی یک مغز مانند مغز انسان باشد! این گونه دستیار‌های صوتی، خود قادر به جمله سازی برای پاسخ به سوالات کاربران هستند و دیگر پاسخ‌های تکراری نمی‌دهند. (برخی از دستیار‌های صوتی مانند کورتانا، پاسخ برخی از سوالات پیچیده را در اینترنت جستجو می‌کند و جواب می‌دهند.)

ANI نسخه‌ی مفید و نسبتاً بی‌ضرر هوش ماشین است که می‌تواند به تمام بشریت سود برساند؛ زیرا اگرچه قادر به پردازش میلیاردها عدد و درخواست در یک زمان است، اما همچنان مقید به عمل در یک حیطه‌ی خاص است که آن عملکرد هم محدود به تعداد ترانزیستورهایی است که ما به آن اجازه می‌دهیم داشته باشد. در سمت دیگر، هوش مصنوعی‌ای که نگرانی بسیاری را بر انگیخته است “Artificial General Intelligence” (هوش عمومی مصنوعی) یا به اختصار AGI است.

AGI

ساختن چیزی که حتی با کمی اغماض بتوان نام AGI بر آن گذاشت می‌تواند بزرگترین دستاورد علوم کامپیوتر باشد و اگر روزی به آن دست پیدا کنیم، همه‌ی زوایای جهانی را که می‌شناسیم را تغییر خواهد داد. موانع زیادی برای رسیدن به هوش مصنوعی برابر با ذهن انسان وجود دارد. یکی از موانع این است که هرچند شباهت‌های زیادی بین نحوه‌ی عملکرد مغز ما و شیوه‌ی پردازش اطلاعات توسط کامپیوترها وجود دارد، اما وقتی نوبت به تفسیر اطلاعات مانند مغز انسان می‌رسد، ماشین‌ها عادت بدی دارند که بیش از حد به جزئیات توجه می‌کنند. شاید حکایت کسی که برای تفریح به طبیعت رفته بود و “درخت ها نمی‌گذاشتند جنگل را ببیند!” به خوبی توصیف کننده‌ی این وضعیت باشد.

دانشمندان در پی شبیه سازی مغز انسان هستند. اما به دلیل توان کم ابر کامپیوتر‌های فعلی و مصرف زیاد انرژی این کار به صورت کامل امکان پذیر نیست. IBM برای رفع مشکل مصرف انرژی ابر کامپیوتر‌ها، در حال توسعه‌ی تراشه‌هایی مبتنی بر شبکه‌‌های عصبی است. IBM تا به حال توانسته به قدرتی فراتر از قدت پردازشی مغز یک موش دست پیدا کند. اندازه کل مجموعه‌ی طراحی شده برابر با سایز یک یخچال کوچک است.

درون این مجموعه بسته‌‌های کوچکی به اندازه‌ی درایو دیسک سخت ( هارد درایو) رایانه قرار گرفته است. داخل این بسته‌های کوچک تراشه‌هایی که همگی مبتنی بر فناوری شبکه‌های عصبی هستند قرار گرفته‌اند. IBM این تراشه‌ها را TrueNorth نام گذاریکرده است. این تراشه‌ها با استفاده از سیلیکون و متشکل از آنالوگ‌های فیزکی طراحی شده‌اند که شامل نئورون‌ها و سیناپس‌ها (ارتباط بین نئورون) هستند و به صورت اختصاصی برای فعالیت در بستر شبکه‌های عصبی طراحی شده‌اند.

هر تراشه شامل بیش از یک میلیون نئورون و ۲۵۶ سیناپس بین نئورون‌ها است. درون هر بسته بیش از ۴۸ میلیون نئورون سیلیکونی قرار گرفته که تعداد آن‌ها از نئورون‌های موجود در غشا مغزی یک موش بیشتر است. مغز موش‌ها بیش از ۲۱ میلیون نئورون در خود جای داده است. با در نظر گرفتن این موضوع می‌توان به جرات گفت که قدرت پردازشی فوق‌العاده‌ای درون این بسته‌ها جا گرفته است. پیاده‌سازی چنین شبکه‌ی عظیمی با استفاده از معماری‌های معمول می تواند فضای زیادی را اشغال کند بطوریکه انرژی مورد نیاز برای راه‌اندازی آن می‌توان با انرژی الکتریکی مورد نیاز یک شهر برابری کند؛ اما آنچه که IBM ساخته است تنها به ۷۰ میلی وات انرژی نیاز دارد.

اما اگر روزی یک شبیه سازی کامل از مغز انسان ساخته شود؛ این شبیه ساز باید قادر به فکر کردن درک احساسات انسانی مانند عشق، نفرت و درد باشد و همانند یک انسان عمل کند.

هوش مصنوعی تا چه اندازه باهوش است؟

هوش مصنوعی چه کاربردهایی دارد؟

کاربرد‌ها در زندگی

امروزه نیز می‌توان کاربرد‌های هوش مصنوعی‌ را در زندگی روزمره مشاهده کرد. برای مثال برخی از چراغ‌های راهنمایی رانندگی هوشمند با محاسبه زمان مورد نیاز برای توقف خودرو‌ها در پشت چراغ قرمز از هوش مصنوعی استفاده می‌کنند. غلط یاب‌ گوشی‌های هوشمند کلماتی را که نادرست نوشته شده‌اند را شناسایی و آن را با کلمه‌ی درست جایگذاری می‌کنند. آن‌ها شیوه نگارش شما را یاد می‌گیرند و کلماتی مناسب را برای تکمیل جمله ارائه می دهند. دستیار‌های صوتی گوگل (Google Now) ، اپل (Siri) و مایکروسافت (Cortana) به سوالات و درخواست‌های شما پاسخ می‌دهند و در هنگام رانندگی تنها با گوش سپردن به سخنان شما؛ برای دوستانتان پیامک می نگارد و ارسال می‌کند . همچنین با شناختی که از شما دارند (مانند سلیقه) به بررسی رستوران‌های نزدیک مورد علاقه شمامی‌پردازند و بهترین رستوران را پیشنهاد می‌دهند.

همچنین برخی از موتور‌های جستجوگر مانند گوگل شیوه جستجو نمودن شما را یاد می‌گیرند و متناسب با آنچه که به دنبال آن می‌گردید، نتایج را سفارش سازی می‌کنند. به تبلیغات هوشمند گوگل نیز می‌‌توان اشاره کرد: کافی است یک اپلیکیشن را از فروشگاه اپلیکیشن گوگل (Google Play) دانلود و یا فیلمی را از یوتیوب نگاه کنید تا تبلیغات مرتبط با آن‌ها را در سایت‌هایی که از کد‌های تبلیغاتی گوگل استفاده می‌کنند مشاهده کنید. اپلیکیشن و سایت فیسبوک را نیز می‌توان به عنوان یکی از سایت‌هایی نام برد که با استفاده از هوش مصنوعی، تبلیغات خود را برای کاربران هدفمند نموده و باعث شده است تا سودی چند برابر به دست آورد.

از دیگر کاربرد‌های هوش مصنوعی می‌توان تطابق دادن اثر انگشت‌ها یا چهره‌ها برای باز نمودن قفل امنیتی گوشی‌های هوشمند را نام برد.

کاربردهای دیگر…

در حال حاضر نرم افزار‌هایی با استفاده از یادگیری ماشینی ساخته شده‌اند که قادر به تشخیص و توصیف اجسام درون تصویر و تشخیص حالات (احساسات) از روی صورت هستند. شرکت‌های بزرگی مانند گوگل و مایکروسافت نیز اقدام‌هایی در مورد توسعه‌ی پروژه‌هایی مانند سیستم تشخیص اجسام درون تصویر نیز انجام داده‌اند؛ اما تا به حال آن را برای استفاده عموم منتشر نکرده اند. از معروف‌ترین پروژه‌های بینایی ماشین با قابلیت تشخیص اشیاء، می‌توان پروژه‌ی Image Identification شرکت Wolfram را نام برد که برای استفاده عموم به صورت آنلاین منتشر شده است.

در آینده شاهد استفاده از هوش مصنوعی قوی‌تری در مریخ نوردها ، سفینه‌ها، ضد ویروس‌ها و … خواهیم بود. مریخ نورد‌ و سفینه‌هایی که در مواقع حساس و اضطراری اقدام به تصمیم گیری به جای انسان‌ها خواهند کرد و ضد ویروس‌هایی که بدون نیاز به اتصال به اینترنت و دریافت بروزرسانی اقدام به تشخیص ویروس‌ها می‌کنند.

کمپانی‌های سازنده‌ی دوربین‌های مداربسته در حال توسعه دوربین‌هایی هستند که وقوع جرم را قبل از وقوع آن پیش‌بینی می‌کنند. یکی ار موفق‌ترین پروژه در این زمبنه AIsight نام دارد. AIsight از روشی آماری با نام یادگیری ماشینی استفاده می‌کند و بنابر گفته‌ی شرکت سازنده، آزمایشگاه سیستم تشخیص رفتار، رفتارهای عادی یک منطقه را مشخص کرده و اگر رفتاری غیرعادی از فردی سر بزند به سرعت آن را شناسایی می‌کند.

استوارت راسل، محقق هوش مصنوعی در دانشگاه برکلی کالیفرنیا می‌گوید:

اگر سیستم هوش مصنوعی ساخته شود که توانایی درک تمامی رفتارهای انسان را داشته باشد، چه اتفاقی می‌افتد؟ آیا شما تفاوت نگاه او را نسبت به یک انسان متوجه خواهید شد؟ به نظر من اعضای جامعه از هوش مصنوعی که رفتارهای آن‌ها را مشاهده و درک می‌کنند، خواهند ترسید.

هوش مصنوعی، خوب یا بد؟

نگرانی‌هایی درباره‌ی پیشرفت هوش مصنوعی وجود دارد، اینکه شاید روزی آنان از کنترل خارج و تبدیل به ضد بشریت شوند.تا جایی که ایلان ماسک ،مدیر عامل شرکت فضایی خصوصی SpaceX و شرکت خودروسازی تسلا، اعتقاد دارد هوش مصنوعی ممکن است خطرناک‌تر از بمب اتم باشد و یک میلیارد دلار از ثروتش را برای مقابله با هوش مصنوعی اختصاص داده است.

هوش مصنوعی تا چه اندازه باهوش است؟

هشدار در مورد هوش مصنوعی

از میان افرادی که نگرانی جدی در مورد خطرات هوش مصنوعی دارند می‌توان به ایلان ماسک، رید هافمن، پیتر سیل و البته سرویس وب آمازون اشاره کرد. مجموعه‌ی این افراد و گروه‌ها مبلغی یک میلیارد دلاری را برای تشکیل موسسه‌ای غیرانتفاعی با نام OpenAI به lنظور جلوگیری از قدرت یافتن بیش از حد هوش مصنوعی اختصاص داده‌اند .بیل گیتس و استیون هاوکینگ نیز با این افراد هم عقیده هستند.

البته نظرات مثبتی نیز در این زمینه وجود دارد؛ برخی هم اعتقاد دارند هوش مصنوعی به انسان به عنوان خالق خود احترام خواهد گذاشت. هوش مصنوعی خارق‌العاده، اگر خیر خواه انسان‌ها باشد، می‌تواند در مدت زمان کوتاهی رمزهای ژنتیکی انسان را بررسی و رمز جوانی ابدی را آشکار کند. به هر حال زمان همه چیز را مشخص خواهد کرد.

نظر شما در این مورد چیست؟ هوش مصنوعی تا چه اندازه باهوش است؟

برخی از پروژه‌های هوش مصنوعی:

پروژه آکسفورد مایکروسافت : تشخیص احساسات از روی چهره

پروژه آکسفورد مایکروسافت : تایید چهره

پروژه آکسفورد مایکروسافت : تشخیص سن و جنسیت از روی چهره

پروژه How-Old.net مایکروسافت : تشخیص سن از روی چهره

پروژه تشخیص محبوبیت تصاویر پیش از انتشار در شبکه‌های اجتماعی

منبع: زنون

آموزش

هوش مصنوعی

  • مرداد 12, 1398بهمن 28, 1399
  • by admin

هوش مصنوعی، هوش ماشین هاست. در واقع شاخه ای از علوم کامپیوتر است که قصد دارد راه حل های الگوریتمی را ارائه کند تا بتوانیم به وسیله آنها در ماشین ها هوشمندی ایجاد کنیم. اما این تعریف کافی نیست؛ اول از همه باید بدانیم که تعریف هوشمندی چیست و بعد باید منظور از ماشین را دربیابیم:

استدلال، منطق، تصمیم گیری ؛ این ها توانایی هستند که شما از آنها استفاده می کنید. پس شما هوشمند هستید. اگر این توانایی ها را در کامپیوتر هم ایجاد کنیم، آنگاه به ماشین هوشمند دست می یابیم! به همین سادگی … ولی به جز این ها چیز های دیگری هم در رابطه با تعریف هوشمندی وجود دارند که دانستن آنها را می توان مهم ارزیابی کرد. در واقع بحث هایی که در مورد هوشمندی و هوش مصنوعی مطرح شده است؛ تنها به دوره ی امروزه ی ما و قرن ۲۱ مربوط نمی شود، بلکه از سال ۱۹۵۰ این مباحث به طور جدی مطرح شد.

تاریخچه

نقش هوش مصنوعی هر روز در زندگی ما بیشتر می‌شود. آخرین ترند در این زمینه تراشه‌های هوش مصنوعی و کاربردهای مختلف آن‌ها در گوشی‌های هوشمند است. اما شروع توسعه‌ی این تکنولوژی در واقع به خیلی قبل‌تر برمی‌گردد؛ یعنی زمانی در دهه‌ی ۵۰ میلادی که «دانشگاه دارتموث» (Dartmouth College) در ایالات متحده یک پروژه‌ی تحقیقات تابستانی را به هوش مصنوعی اختصاص داد.

ریشه‌های هوش مصنوعی را حتی می‌توان در عمق بیشتری از تاریخ و در فعالیت‌های «آلن نیوئل» (Allen Newell)، «هربرت ای. سیمون» (Herbert A. Simon) و «آلن تورینگ» (Alan Turing) جست‌وجو کرد. آزمون مشهور تورینگ در سال ۱۹۵۰ توسط او در مقاله‌ای مطرح شد. این مقاله یکی از اولین اسنادی است که در آن به وجود آمدن ماشین‌های هوشمند پیش‌بینی شده است.

با این حال مقوله‌ی هوش مصنوعی تا پیش از معرفی شدن سوپرکامپیوتر «دیپ بلو» (Deep Blue) توسط کمپانی IBM هنوز توجه جهانیان را به خود جلب نکرده بود. این سوپرکامپیوتر اولین ماشینی بود که توانست قهرمان شطرنج جهان «گری کاسپارف» (Garry Kasparov) را در مسابقه‌ای که در سال ۱۹۹۶ میلادی برگزار شد شکست دهد. الگوریتم‌های هوش مصنوعی برای سال‌های متمادی است که در دیتاسنترها و کامپیوترهای بزرگ استفاده می‌شوند، ولی حضور آن‌ها در حوزه‌ی لوازم الکترونیک مصرفی به سال‌های اخیر برمی‌گردد.

هوش مصنوعی نمادین

هوش مصنوعی نمادین (Symbolic) با نمادهایی انتزاعی کار می‌کند که برای نشان دادن دانش استفاده می‌شوند. هوش مصنوعی نمادین، هوش مصنوعی کلاسیکی است که بر اساس این ایده کار می‌کند که تفکر انسان را می‌توان در سطحی سلسله مراتبی و منطقی بازسازی کرد. در این روش اطلاعات از بالا با کار کردن روی نمادهای معنی‌دار برای انسان، ارتباطات انتزاعی و نتیجه‌گیری‌های منطقی پردازش می‌شوند.

هوش مصنوعی عصبی

هوش مصنوعی عصبی (Neural AI) در اواخر دهه‌ی ۸۰ میلادی در علوم کامپیوتر محبوبیت پیدا کرد. در این گونه، دانش با استفاده از نمادها نمایش داده نمی‌شود، بلکه به جای آن، نورون‌های مصنوعی و ارتباط میان آن‌ها نماینده‌ی دانش هستند. این هوش مصنوعی چیزی شبیه به یک مغز بازسازی شده است. در این روش دانش کسب شده به قطعاتی کوچک‌تر (نورون‌ها) خرد و سپس از آن گروه‌هایی متصل به هم تشکیل می‌شود. این نوع هوش مصنوعی رویکردی پایین به بالا دارد. بر خلاف هوش مصنوعی نمادین، یک سیستم هوش مصنوعی عصبی باید ابتدا آموزش داده شود و در معرض محرک‌هایی قرار بگیرد تا شبکه‌های عصبی در آن تجربه کسب کنند، بزرگ شوند و اندوخته‌ی دانش بیشتری داشته باشند.

شبکه‌های عصبی

شبکه‌های عصبی (Neural Networks) در لایه‌هایی سازماندهی می‌شوند که با خطوطی شبیه‌سازی شده به یکدیگر متصل هستند. بالاترین لایه، لایه‌ی دریافت است. این لایه مانند حسگری عمل می‌کند که اطلاعات را برای پردازش دریافت می‌کند و آن‌ها را به لایه‌های پایین‌تر می‌فرستد. این فرآیند پس از دریافت اطلاعات با حداقل دو لایه‌ی دیگر (در سیستم‌های بزرگ تا بیش از بیست لایه)  ادامه پیدا می‌کند که به صورت سلسه مراتبی روی هم قرار دارند و اطلاعات را با استفاده از پیوندها دسته‌بندی و ارسال می‌کنند. در پایین‌ترین بخش سلسله مراتب لایه‌ی خروجی قرار دارد که به طور معمول تعداد نورون‌های مصنوعی آن از تمام لایه‌های دیگر کمتر است. این لایه داده‌های محاسبه شده را به فرمتی تبدیل می‌کند که برای ماشین قابل خواندن باشد.

شیوه‌ها و ابزارها

ابزارها و شیوه‌های مختلفی برای به کار بردن هوش مصنوعی در دنیای واقعی وجود دارد که برخی از آن‌ها را می‌توان در ترکیب با هم استفاده کرد.

اساس کار تمام این روش‌ها «یادگیری ماشینی» (Machine Learning) است. تعریف یادگیری ماشینی سیستمی است که تجربه را به دانش تبدیل می‌کند. این پروسه به سیستم این توانایی را می‌دهد که الگوها و قوانین را با سرعتی که همواره در حال افزایش است شناسایی کند. در انواع مختلف یادگیری ماشینی از هر دو نوع هوش مصنوعی نمادین و عصبی استفاده می‌شود.

 

 

چند کاربرد جالب و جدید از هوش مصنوعی

۱. برچسب گذاری خودکار تصاویر

زمانی که تصاویر خود را در Google Photos ذخیره می‌کنید، این تصاویر به صورت خودکار، برچسب گذاری و دسته بندی می‌شوند. به عنوان مثال تصاویر مربوط به یک شخص خاص در یک دسته و تصاویر مربوط به مناظر طبیعی در دسته ای دیگر قرار می‌گیرند و برای جستجو کافی است یک عکس جدید از یک نفر بگیرید و آن عکس را در آلبوم تصاویر جستجو کنید. خواهید دید که تمام عکس‌هایی که فرد مورد نظر در آنها حضور داشته ظاهر خواهند شد.

۲. تبدیل گفتار به نوشتار

تبدیل گفتار به نوشتار، یکی از جالب‌ترین کاربرد های یادگیری ماشین است که این روزها در بسیاری از اپلیکیشن‌های موبایل (برای مثال کیبور گوگل) استفاده شده و شاهد دقت بسیاربالای آن حتی برای زبان فارسی هستیم.

۳. رتبه بندی صفحات وب

زمانی که عبارتی را در موتور جستجوی گوگل جستجو می‌کنید، نتایج حاصل، بر اساس حدوداً ۱۰۰ معیار مختلف (Ranking Signals) برای شما مرتب می‌شوند که بسیاری از این ۱۰۰ معیار راز‌هایی اند که کسی خارج از گوگل از آنها اطلاعی ندارد. با این حال طبق اعلام این شرکت، سومین سیگنال مهم و تاثیر گذار در بین این صد سیگنال، یک شبکه عصبی ژرف به نام RankBrain است که در سال ۲۰۱۵ در آزمایشگاه Google Brain ساخته شده است.

۴. پاسخ دهی خودکار در نرم‌افزار های پیام‌رسان

اگر با Google Allo کار کرده باشید، حتما دقت فوق‌العاده بالای آن در پاسخ های پیشنهاد شده به ازاین۸ پیام‌ها، شما را شگفت‌زده کرده است. این سیستم که برای اولین بار در نرم‌افزار Gmail مورد استفاده قرار گرفت، در ابتدا توسط یک شبکه عصبی مصنوعی ساده، پیام را بررسی می‌کند تا بتواند تشخیص دهد که آیا می‌تواند به آن پاسخ خوبی بدهد یا خیر. درصورتی که پاسخِ این شبکه مثبت بود، با استفاده از یک شبکه عصبی بازگشتی ژرف پاسخ مناسب تولید می‌شود.

۵. توصیف تصاویر

توصیف یک تصویر (یا یک ویدیو) در یک یا چند جمله، یکی از جالب ترین و هیجان‌انگیز ترین کاربرد‌های هوش مصنوعی در بینایی ماشین است و به ما کمک می‌کند ماشین‌هایی بسازیم که اشیاء دیده شده را واقعاً درک کنند. همینطور در روش معکوس می‌توان از روی توصیفات متنی، یک تصویر نسبتا واقعی تولید کرد. با این تفاسیر، تصور تولید یک فیلم از روی فیلمنامه، موضوع دور از انتظاری نیست!

۶. تخمین میزان صرفه‌جویی در مصرف انرژی در صورت استفاده از سلول‌های خورشیدی

با توجه به هزینه های بالای تولید انرژی، تاثیرات آن بر زیست بوم و مشکلات مربوط به استفاده از انرژی های تجدید ناپذیر، بهینه‌سازی مصرف انرژی یکی از اصلی ترین و مهم‌ترین چالش هایی است که هوش مصنوعی به دنبال حل آن است. برای مثال، خیلی از استارتاپ‌ها در کشور‌های پیشرفته به دنبال استفاده از هوش مصنوعی در کنتور‌های برق و آب و مدیریت الگوی مصرف انرژی از این طریق هستند.

پروژه Google Sunroof با تحلیل عکس‌های ماهواره ای از پشت بام خانه و میزان آفتاب در ساعات مختلف شبنه‌روز، به شما می‌گوید اگر از سلول خورشیدی برای تولید انرژی استفاده کنید، چقدر در هزینه مصرف انرژی صرفه‌جویی خواهید کرد.

۷٫ اتوموبیل خودران

یکی از جذاب‌ترین و پردرآمدترین شغل ها در سال ۲۰۱۸ طراحی اتوموبیل‌های خودران است که تماما بر اساس هوش مصنوعی و یادگیری ژرف بنا نهاده شده است. با اینکه هنوز تا قابل استفاده شدن این سیستم ها در زندگی روزمره فاصله داریم اما شرکت هایی مثل Waymo و Tesla به صورت خیلی جدی در حال کار و پژوهش در این حوزه هستند و به زودی شاهد فراگیر شدن این سیستم ها و همینطور پهباد‌های خودمختار خواهیم بود.

 

۸٫ تولید خودکار مراحل جدید در بازی‌ها

در تولید سناریوها، داستان‌ها و مراحل بازی که توسط هوش مصنوعی ساخته می‌شوند، گاهاً شاهد خلاقیت‌های امیدوار کننده ای هستیم…

۹٫ تشخیص چهره از پشت دیوار

دانشگاه MIT طی یک تحقیق، سیستمی ساخته که با استفاده از امواج RF قادر است موقعیت و حرکت انسان‌ها در پشت دیوار را تشخیص دهد.

اما این کافی نیست…

معمولا بیشترین سرمایه‌گزاری ای که بر روی هوش مصنوعی می‌شود برای تحقیقات نظامی است. چند ماه پیش بود که ارتش آمریکا خبر ساخت سیستمی بر اساس یادگیری ژرف را داد که قادر است چهره فرد را از پشت دیوار و در تاریکی تشخیص دهد.

 

۱۰٫تنظیم هارمونی رنگ‌ها در تصویر

اگر با نرم‌افزار های ویرایش تصاویر مانند Adobe Photoshop کار کرده باشید، احتمالا ابزارهای تنظیم هارمونی رنگ را دیده اید. هوش مصنوعی و شبکه‌های عصبی ژرف یکی از بهترین روش ها برای انجام این کار اند.

۱۱٫ یادگیری و استخراج سبک

هوش مصنوعی قادر است با نگاه کردن به یک تصویر، موسیقی، فیلم یا …، سبک (Style) آن را یادگرفته و استخراج کند. سپس این سبک را روی تصویر، موسیقی یا … دیگر اعمال کند.

۱۲٫ طراحی لباس بر اساس سلیقه کاربر

این روز ها بیشتر سایت‌های خرده ‌فروشی آنلاین، از سامانه‌های پیشنهاد دهنده (Recommender Systems) برای پیشنهاد محصولات به کاربران خود و افزایش Conversion Rate بهره می‌برند، با این حال محققان پا را فرا تر گذاشته و اقدام به ساخت الگوریتم هوشمندی برای طراحی و تولید یک لباس جدید بر اساس سلیقه کاربر کرده اند.

۱۳٫ انجام بازی‌ های ویدیویی

هوش مصنوعی ساخت شرکت Google DeepMind موسوم به DQN می‌تواند بازی‌های آتاری را حتی بهتر از انسان بازی کند.

۱۴٫تبدیل تصویر به تصویر

یکی از کاربرد های جالب هوش مصنوعی تبدیل تصویر به تصویر است. برای مثال تبدیل یک نقاشی به شی واقعی آن، تبدیل یک تصویر سیاه و سفید به معادل رنگی آن، تبدیل یک اسب به گورخر، تبدیل عکس ماهواره ای به نقشه متناظر و …

۱۵٫آهنگسازی

هوش مصنوعی می‌تواند به تعدادی موسیقی (مثلا موسیقی های ساخته شده توسط بتهوون) گوش کرده و یک موسیقی جدید از همان توزیع (با همان سبک) بسازد.

۱۶٫نقاشی

هوش مصنوعی میتواند با مشاهده تعدادی نقاشی، نقاشی هایی شبیه به نقاشی های یاد گرفته شده را بکشد و یا نقاشی های شما را با استفاده از مفاهیمی که یاد گرفته تکمیل کند.

۱۷٫تشخیص چهره

یکی از کاربردی ترین ایده های هوش مصنوعی، تشخیص چهره است. از این سیستم ها برای مقاصد امنیتی مانند قفل درب ها یا گوشی های موبایل، سیستم های حضور و غیاب و البته برای یافتن و تعقیب مجرمان یا کهنسالان در معابر استفاده می‌شود.

طبق اعلام دولت چین، طی دو سال گذشته، ۲۰۰۰ مجرم در این کشور توسط سیستم تشخیص چهره Skynet در معابر دستگیر شدند.

۱۸٫دستیار های هوشمند

همه سیستم‌عامل های امروزی، یک دستیار هوشمند دارند که می‌تواند با فرامین صوتی، انجام بعضی از کار‌ها را ساده تر کند. مانند Google Assistant در اندروید، Siri در iOS و Cortana در Windows . با این حال چند ماه پیش در کنفرانس Google IO 2018، ساندار پیچای، مدیر عامل شرکت گوگل به معرفی نسخه جدید دستیار هوشمند گوگل پرداخت که موجب شگفتی جهانیان شد. قلم ما از توصیف دقیق آن قاصر است و پیشنهاد می‌دهیم برای آشنایی، ویدیوی زیر را مشاهده کنید اما به نظر می‌رسد تخیل پشت فیلم Her در حال نزدیک شدن به واقعیت است.

۱۹٫ترمیم تصویر (Image In-painting)

بخش هایی از عکس به دلایلی از بین رفته! هوش مصنوعی، به سادگی و با دقت بالا قادر به ترمیم بخش های از بین رفته است.

۲۰٫توسعه تصویر (Image Out-painting)

هوش مصنوعی قادر است یک عکس را توسعه داده و بخش هایی را به آن بیافزاید.

۲۱٫باز کردن چشم های بسته در عکس

با استفاده از هوش مصنوعی در دوربین های دیجیتال، دیگر نگران بسته شدن چشم‌های خود هنگام عکاسی نباشید. هوش مصنوعی قادر است چشم‌های شما را باز کند!

هوش مصنوعی قادر است قطرات باران در تصویر ثبت شده از دوربین را حذف کرده و به تصویر واضح تری دست یابد.

۲۲٫طراحی روکش دندان

هوش مصنوعی حتی قادر است روکش دندان را با دقتی بسیار بهتر از دندانپزشک طراحی کند.

۲۳٫جستجوی تصاویر با انجام حرکات مرتبط

پروژه Move Mirror یک پروژه سرگرم کننده است که با استفاده از آن می‌توانید جلوی دوربین حرکت هایی را ضبط کرده و تصاویر مرتبط با آن حرکت را جستجو کنید.

 

نوشته‌های تازه

  • الگوریتم «موبایل گدون» Mobilegeddon
  • طراحی سایت pwa چیست؟
  • محتوای همیشه سبز چیست؟
  • امتیاز کیفی (Quality Score) در گوگل ادز چیست؟
  • تکنیک‌های سئوی داخلی سایت

درباره ما

گروه فنی مهندسی هوشمند آرایه پرداز کادوس با بهره گیری از تجارب متخصصان جوان و دانش روز آماده ارائه جدیدترین و بهترین نوع خدمات بصورت شبانه روزی و دلخواه مشتریان می باشد. ما اولین تیم فنی مهندسی در ایران هستیم که کلیه پروژه های فنی و مهندسی شما را از صفر تا صد پشتیبانی و اجرا می کنیم. گواه این خدمات ما بزرگترین و معتبرترین برندهای ایران هستند که ما افتخار خدمت رسانی به ایشان را داشته ایم.

جستجو کنید:

Theme by Colorlib Powered by WordPress