می‌توان از هوش مصنوعی برای کمک به شرکت‌ها برای شناسایی و پاسخگویی به تهدیدات کلاهبرداری استفاده کرد. در صنعت مالی ابزارهای هوشمندی وجود دارند که تراکنش‌های مشکوک را با استفاده از الگوریتم‌های یادگیری ماشین شناسایی می‌کنند. وقتی خطر تقلب شناسایی می‌شود، برنامه از انجام تراکنش جلوگیری می‌کند و به طرف‌های مربوطه هشدار می‌دهد. هوش مصنوعی قرار است روی برنامه‌های متمرکز باشد که در زمینه رشد دادن بیزینس‌ها فعالیت می‌کنند. با پذیرش هوش مصنوعی و یادگیری ماشینی، شرکت‌ها راه‌های نوآورانه‌ای برای کمک به عملکرد کسب‌وکار پیدا می‌کنند.
- هوش مصنوعی در محیط‌های آکادمیک تاریخچه‌ای متعلق به میانه‌ی قرن بیستم دارد.
- احتمالا برای شما هم پیش آمده که هنگام بازدید از وب‌سایت‌های گوناگون، با تبلیغات ویژه‌ای رو به رو شوید؛ تبلیغاتی که به حوزه فعالیت و علاقه شما مرتبط هستند و به نظر می‌رسد که برای شما طراحی شده‌اند.
- یک سال بعد، آلفاگو توانست کی جی، قهرمان وقت بازی را شکست دهد که به گواه بسیاری، نقطه‌ی مهم پیشرفت هوش مصنوعی در تاریخ بود.
- در این سرویس، هر آهنگ بر اساس ۴۰۰ ویژگی موسیقی، به صورت جداگانه تجزیه و تحلیل می‌شود.
- این اهداف اتفاقا بسیار شبیه اهدافی است که از هوش انسانی انتظار می‌رود.
شاید شکست خوردن قهرمان شطرنج جهان، گری کاسپاروف، از کامپیوتر Deep Blue در سال ۱۹۹۷، جرقه‌ی انفجار هوش مصنوعی بود. حوزه‌ی تحقیق پیرامون هوش مصنوعی، در سال ۱۹۵۶ و آزمایشگاهی در کالج دارتموث متولد شد. جان مک‌کارتی این حوزه را از زیرمجموعه‌ی سایبرنتیک و نظریه‌های سایبرنتیست‌هایی همچون نوربرت وینر خارج کرد و اصطلاح «هوش مصنوعی» به‌نوعی توسط او متولد شد.
رشته هوش مصنوعی چیست؟
اگرچه ممکن است این ماشین‌ها هوشمند به نظر برسند، اما به دلیل اینکه در عملکرد خود محدودیت دارند، از فناوری استفاده شده در آنها تحت عنوان مجله خبری 1 بیتی محدود یاد می‌شود. این سیستم‌ها فقط می‌توانند یاد بگیرند یا به آنها آموزش داده شود تا وظایف خاصی را انجام دهند. در یک دهه گذشته پیشرفت‌های بی‌شماری را تجربه کرده است که از دستاوردهای یادگیری ماشینی و یادگیری عمیق نیز برخوردار است.
منظور از هوش مصنوعی «محدود» و «جنرال» چیست؟
هر چند نمونه بالا ممکن است کمی آرمانی به نظر برسد، ولی به هیچ عنوان دور از دسترس نیست. دانشمندان عموماً برای تولید چنین ماشین‌هایی از وجود مدل‌های زنده‌ای که در طبیعت وجود به ویژه آدمی نیز سود برده‌اند. فقط معمولا کراس و تنسورفلو رو به دلیل حجم پردازشی بسیار بالا یا با هم استفاده نمیکنند یا اگر قصد استفاده دارند از سیستم های پردازش ابری یا کامپیوترهای قدرتمند کمک میگیرند. در این پست می‌خواهیم درباره یادگیری عمیق یا Deep Learning صحبت کنیم….
سپس ماشین با استفاده از همان داده‌ها، چگونگی انجام وظایف خاص مانند درک صحبت یا برچسب‌گذاری تصاویر را می‌آموزد. داده، عنصر اصلی در توسعه‌ی یادگیری ماشین محسوب می‌شود و به‌همین دلیل در سال‌های اخیر شاهد افزایش جمع‌آوری داده توسط شرکت‌های فناوری بوده‌ایم. درواقع امروز کلان‌داده و یادگیری ماشین، دو مفهوم درهم تنیده‌شده هستند.
http://118amoozesh.ir
