آماده کنید برای خنده: اینترنت {آیا نیست|فقط نیست|هست نیست|فقط نیست|نباید باشد|نخواهم شد همانطور که می‌خواهید بی‌ضرر باشید {ممکن است|می|احتمالا} {فکر کنید|فرض کنید|فرض کنید}. {نگاهی به|ببینید} این نمونه های {عالی|خوب}

شاید انتخاب مدل گوشی سختترین قسمت این داستان باشد که به لطف متخصصان 19کالا، این فرآیند را برای شما ساده کردهایم تا در نهایت انتخاب درستی براساس نیازهای 1biti خود داشته باشید. در تاریخچه هوش مصنوعی ، هوش مصنوعی محدود بسیار زودتر از انواع دیگر هوش مصنوعی پدید آمده است. علاوه بر این انقلاب دانشی این موضوع را روشن ساخت که برای بسیاری از اپلیکیشن های ساده هوشمند به حجم بالایی از دانش و اطلاعات نیاز است. به گونه ای مغلوب ناپذیر، این لوب کمکی سؤالات شما را با اطلاعاتی فراتر از قلمرو حافظه ی شما پاسخ می دهد، روش های شدنی و محتمل را پیشنهاد می کند، سؤالاتی را مطرح می کند که به روشن شدن حقایق کمک می کند. شعار این دانشگاه درحال حاضر «بگذارید آنجا روشن باشیم» است.

این سنت در دانشگاه ملون کارنگی با توسعه Soar architecture در اواسط دهه 1980 به اوج خود رسید. در دهه 1960 میلادی برنامه های کوتاه نمایشی حاکی از موفقیت های بزرگ در زمینه پیاده سازی اندیشه های سطح بالا بود. اگر شما هم جزو آن دسته از افرادی هستید که نگران پیشرفت و توسعه تهدیدکننده هوش مصنوعی و تسلط کامل آن بر بشر هستند، باید بگوییم در حال حاضر اصلاً نباید نگران این موضوع باشید؛ زیرا هوش مصنوعی در حال حاضر بیخطر است. در حال حاضر مشاجره بر سر ارتباط و اعتبار رهیافت های آماری در هوش مصنوعی است، که نمونه ای از آن در بخشی از مشاجره بین پیتر نورویگ و نوآم چامسکی نمایان شد. به عنوان مثالی دیگر، هنگامی که شما علامت خطر را میبینید، به شکل هندسی آن فکر نمیکنید بلکه این مفهوم برای شما تداعی میشود که در حال نزدیک شدن به یک موقعیت خطرناک هستید.

این اقدامات همزمان با توسعه “نظریه مغز گنجانده” در زمینه مرتبط با دانش شناختی بود: ایده ای که بیان می کرد هوش های پیشرفته تر نیازمند نمادهای فردی (همچون حرکت، درک و بینایی) هستند. هوش مصنوعی با استفاده از زبان “sub-symbolic” در حل مسائل پیشرفت کرده است: رهیافت های “عامل گنجانده” (embodied agent) بر اهمیت مهارتهای موتور حسی جهت استدلال عالی و مبتکرانه تر تاکید می کنند؛ تحقیقات شبکه عصبی جهت تقلید از ساختار درونی مغز برای بالا بردن این مهارت در تلاش است؛ روش های آماری در هوش مصنوعی از توانایی تفکر انسانی تقلید می کنند. چاپ ۴ بعدی فرایندی است که از طریق آن یک شی چاپ شده سه بعدی بر اثر تأثیر انرژی های ورودی خارجی مانند دما، نور یا سایر محرک های محیطی، خود را به ساختار دیگری تبدیل می کند. الگوریتم های طراحی از طریق درخت های اهداف و ابر اهداف جست و جو می کنند و در تلاش جهت یافتن راهی برای رسیدن به هدف هستند، فرآیندی که آنالیز means-ends نام دارد.

بسیاری از مسائل در هوش مصنوعی را می توان با بررسی هوشمندانه راه حل های ممکن، حل کرد: استدلال می تواند تبدیل به یک جست و جو شود. در طی 50 سال تحقیقات، هوش مصنوعی ابزارهای بسیاری را برای حل سخت ترین مسائل در علوم کامپیوتر ایجاد کرده است. انسان حتی قبل از تولد تکنولوژی نیز می توانست نیازهای خود را برطرف کند، اما در آن زمان خیلی سخت و ابتدایی بود. عامل های پیچیده تر شامل انسان و سازمان های انسانی هستند (مثل شرکت ها). ظهور یافتگی(فرایندی است که طی آن اجزا کوچک تر و یا ساده تر طی تعاملاتشان با هم، اجزا بزرگتر و یا پیچیده تری را می سازند که خواص اجزا ساده تر را ندارد) در الگوریتم های تکاملی و هوش ازدحامی (swarm intelligence) به کار گرفته شده است. آزمایشگاه جان مک کارتی در دانشگاه استنفورد بر استفاده از منطق صوری برای حل انواع گوناگون مسائل تمرکز کرد.

شبکه های عصبی مثالی از محاسبات نرم هستند، و راه حل مسائلی هستند که با قطعیت منطقی نمی توان آنها را حل کرد و نیز جایی کاربرد دارد که راه حلی تقریبی کفایت می کند. در اوسط دهه 1980 میلادی توجه به شبکه های عصبی و ارتباط گرایی توسط دیوید راملهارت و دیگران دوباره شکل گرفت. در سال 1960 این رهیافت بسیار شایع گردید، گرچه اصول آن در دهه 1980 جانی دوباره گرفت. اینطور که به نظر میرسد، انسان بالاخره روزی بر مریخ قدم میگذارد و زمانیکه این اتفاق بیافتد (مثل قضیه آرمسترانگ) دوباره موج تازهای از اشتیاق برای سفر به فضا در جامعه به راه میافتد. دیگر رهیافت های محاسبات نرم در هوش مصنوعی عبارتند از: سیستم های fuzzy (غیردقیق ومبهم) ، محاسبات تکاملی و بسیاری از ابزارهای آماری دیگر. در دهه 1990 محققان هوش مصنوعی ابزارهای ریاضیاتی پخته و کاملی را برای حل مسائل خاص توسعه دادند. محتواها و ابزارهای آموزشی مختلف مانند نمودار، اسلاید، پادکست، ویدیو، پروژکتور، رکوردر، کامپیوتر، ویدیو پلیر، نرمافزارهای آموزشی و غیره، بخشی از این رویکرد هستند.

رشته ای بین رشته ای در علوم کامپیوتر، روانشناسی و دانش شناختی است. اما رتبه کلی این شرکت در میان بزرگترین شرکتهای جهان سی و دوم است. اما بزرگترین موفقیت آن ها زمانی حاصل شد که خط تلفن های هوشمند آیفون، تبلت های آیپد به دنیا معرفی شد و این امر اپل را به یکی از ثروتمندترین شرکت ها تا به کنون تبدیل کرد. روگر شانک، رهیافت “غیر منطقی” آنها را “ناهنجار” توصیف کرد (چرا که با پارادایم های “مرتب”(neat) در CMU و استنفورد مخالفت می کرد). جان مک کارتی این مسئله را به عنوان مسئله شایستگی (qualification problem) در سال 1969 میلادی تشخیص داد: برای هر قاعده درک عام که محققان هوش مصنوعی علاقه به تظاهر آن دارند، گرایش به داشتن استثنائات بسیار است.

زمانیکه دسترسی به کامپیوترهای با حافظه های بزرگ در حدود سال 1970 میلادی فراهم گردید، محققان هر سه سنت ذکر شده شروع به ایجاد دانش برای اپلیکیشن های هوش مصنوعی کردند. در اواخر سال ۱۹۹۰ میلادی و اوایل قرن ۲۱، هوش مصنوعی در لُجستیک، دادهکاوی، تشخیص پزشکی و دیگر زمینهها مورد بهرهبرداری قرار گرفت. در نظرسنجی انجام شده در سال ۲۰۱۷، از هر پنج شرکت، یک مورد گزارش داده که از هوش مصنوعی در فرآیندها یا برخی فعالیتهای خود استفاده میکند. تاریخچهٔ هوش مصنوعی از آنجا شروع شد که دو پژوهشگر به نامهای McCulloch و Pitts در سال ۱۹۴۳ مدلی از سلولهای عصبی مصنوعی ارائه نمودند (سلولهای عصبی مصنوعی، مشابه آنچه که در زیستشناسی به سلولهای عصبی طبیعی اطلاق میشود، نورون نامیده میشوند.) ویژگی خاص این مدل این بود که در آن هر نورون میتوانست به اصطلاح On و یا Off باشد و هنگامی که تعداد زیادی از نورونهای پیرامون یک نورون تحریک میشدند، آن نورون نیز فعال میشد.

بعنوان مثال برای انجام یک کار خاص مثل ترجمه ماشینی، ماشین بایستی به هر دو زبان هم بخواند و هم بنویسد (پردازش زبان طبیعی)، از استدلال نویسنده پیروی کند (منطق)، بداند که در مورد چه چیزی بحث شده است (دانش) و با وفاداری به اصل مطلب، منظور نویسنده را برساند (هوش اجتماعی). از این گذشته با وجود انواع و اقسام برنامههای مختلف و فیلترهای زیبا و کاربردی قادریم تا بلافاصله پس از عکاسی، نتیجه کار را ویرایش و تصحیح نور کرده و بالافاصله بر روی شبکههای اجتماعی منتشر نماییم. یادگیری مهارتهای جدید از طریق خودیابی (self-exploration) و روابط اجتماعی با آموزگاران انسانی و نیز استفاده از مکانیسم های هدایتگری همچون؛ یادگیری فعال، رشد و بلوغ، همیاری موتوری و تقلید انجام گرفته است.

اول اینکه با دانستن حالات انگیزه ای و احساسی قادر به پیش بینی اعمال دیگران می باشد.( این مهارت عناصری از “نظریه بازی”، “نظریه تصمیم گیری” و نیز توانایی تقلید احساسات انسانی و مهارتهای ادراکی برای تشخیص احساسات را در بر می گیرد). ساختن بر بالای اینترنت اشیاء، وب اشیاء آرشیتکتی برای به کارگیری لایه اینترنت اشیا نگاهی به همگرایی اطلاعات از (اینترنت اشیاء) ابزارآلات در بکارگیری های وب به منظور ایجاد استفاده و بهکارگیری حالات مبتکرانه می باشد. این “انقلاب دانشی” منجر به توسعه و استقرار سامانه های خبره (معرفی شده توسط ادوارد فاین باوم) گردید که اولین نرم افزار موفق در زمینه هوش مصنوعی بود. به این نوع توسعه امنیت، رویکرد «دفاع- در-عمق» گفته می شود.

هوش مصنوعی (artificial intelligence) به شبیه سازی پردازش های انجام شده توسط هوش انسانی گفته می شود که توسط ماشین ها و به خصوص سیستم های کامپیوتری انجام می شود. هوشمند سازی یک نتیجه مهم دارد. آیا رفتار هوشمندانه می تواند با اصول ساده و ظریف توصیف گردد (مثل منطق یا بهینه سازی)؟ بنابراین نیاز چندانی به خرید لپ تاپ آنچنانی ندارند و یک لپ تاپ با این مشخصات ساده میتواند برای آنها مناسب باشد. لپ تاپ ایسوس مدل R546JP یک گزینه اقتصادی فوق العاده برای کارهای گرافیکی و انجام بازی است. این رفتار میتواند از تشخیص تفاوت بین یک گربه و یک پرنده تا انجام فعالیتهای پیچیده در یک مرکز تولیدی، متغیر باشد. یک نمود از “آنچه که موجود است” اونتولوژی می باشد: مجموعه ای از اشیاء، روابط و مفاهیم و غیره که ماشین در مورد آنها اطلاع دارد.