DEEP WEB یا وب مخفی و عمیق قسمتی از دنیای وب و اینترنت است که اغلب افراد حتی از وجود آن هم بی سایت 1biti خبر اند. هوش مصنوعی پایه و اساسی برای «یادگیری عمیق» (Deep learning) و «شبکههای عصبی» (Neural Network) به شمار میرود و به سرعت در حال پیشرفت است. با آغاز ۱۹۰۰، سرعت به کارگیری ابتکار در هوش مصنوعی، به شدت افزایش یافت. تفاوت بین هوش و دانش در زمینه شناخت کاملاً روشن است. در مقاله «ساخت هوش مصنوعی» به روش و مراحل ساخت سیستمهای هوش مصنوعی پرداخته شده است. هوش مصنوعی میتواند با کشف ساختار و قواعد موجود در دادهها، مهارت کسب کند. استفاده از تکنیک های بهینه سازی تولید کد و کتابخانه های بهینه سازی سخت افزار باعث می شود که پروفایل با قدرت کمتری برای تناسب سازی با کد چه از درون و چه از بیرون دستگاه مورد نیاز باشد و سیستم های کسب و کار با پردازشگر بالا و کلود وضعیت بهتری پیدا کنند. در یک بیمارستان بزرگ چشم پزشکی در چین، با استفاده از یادگیری ماشین توانایی شناسایی دلایل بالقوه نابینایی برای متخصصان بالینی، از ۷۰ الی ۸۰ درصد به ۹۳ درصد ارتقا یافته است. امروزه، گستره وسیعی از پژوهشهای هوش مصنوعی بهجای کاربردهای غیر قابل اجتناب و ضعیف (مانند تشخیص خطای پزشکی یا ناوبری خودرو) در حال انجام است.
بسیاری از شرکت های بزرگ در حال پیگیری این گرایش های فناوری در سال 2021 هستند، مانند Boston Dynamics که تعداد زیادی دستگاه تقویت کننده انسان تولید کرده است که در کارخانه ها و جبهه های جنگ مورد استفاده قرار بگیرند. برای ترکیب دو اتصال مجزا معمولاً از وی پی ان استفاده میشود که سرور وی پی ان دادههای ارسالی را از طریق ماهواره برای کاربر ارسال میکند. تعاریف متعددی برای بیان مفهوم و چیستی هوش مصنوعی وجود دارد. در مطلب پیش رو، به برخی از تعاریف و اصطلاحات مورد استفاده در این زمینه پرداخته شده است. بنابراین در پاسخ به این سؤال که هوش مصنوعی چیست، میتوان تعاریف مختلفی را ارائه کرد. وب سایت آماری «Statista» پیشبینی کرده است، تا سال ۱۴۰۴ شمسی (۲۰۲۵ میلادی) بازار جهانی هوش مصنوعی به سودی ۱۲۶ میلیارد دلاری خواهد رسید، زیرا اکثر استارتآپها و شرکتها در حوزههای گوناگون از ساخت هوش مصنوعی و یادگیری ماشین برای بهینهسازی سیستمهای خود استفاده میکنند. ریشهها و ایدههای اصلی آن را باید در فلسفه، زبان شناسی ، ریاضیات، روان شناسی، نورولوژی وفیزیولوژی نشان گرفت و شاخهها، فروع، و کاربردهای گوناگون و فراوان آن را در علوم رایانه، علوم مهندسی،علوم زیست شناسی و پزشکی، علوم ارتباطات و زمینههای بسیار دیگر .
تعریف رسمیتری که در اینتل برای یادگیری ماشین استفاده میشود عبارت است از: «ساخت و مطالعه الگوریتمهایی که میتوانند از دادهها بیاموزند که پیشبینی یا تصمیمسازی کنند». از جمله عملکردهای ماورای انسانی هوش مصنوعی میتوان به توانایی پیشبینی طوفانهای خطرناک و تشخیص و پیشبینی آسیبهای تجهیزات پیش از وقوع و همچنین شناسایی بدافزارهای کامپیوتری اشاره کرد. این سیستم با سیستمهای کامپیوتری و برای کنترل آنها و ارائه نتایج هوشمند سروکار دارد. از جمله بازیهایی که دارای سطوح بالاتر (و احتمالا غیر معمولتری) از هوش مصنوعی هستند میتوان به کارگردانی هوشمند «لِفت فور دِد» (Left 4 Dead) و آموزش نورولوژیک جوخهها در «فرمانده عالی ۲» (Supreme Commander 2) اشاره کرد. برای داشتن انتخاب درست، باید ابزاری را انتخاب کنید که در آینده نیز نیاز شما را برطرف کنند و صرفا مربوط به موفقیتهای کوتاه مدت نباشد.
مارك زوكربرگ در سال های اخیر میلادی یك معامله ی پرسرو صدا نیز انجام داد و واتسآپ را خریداری كرد. پژوهشهای انجام شده در حوزه هوش مصنوعی به اواخر دهه ۱۹۵۰ میلادی باز میگردد. از جمله دستاوردهای هوش مصنوعی در آن دوران، میتوان به برنامه بازی چکرز (دوز) آرتور ساموئل در دهه ۱۹۵۰ و ربات Shakey دانشگاه استنفورد در دهه ۱۹۶۰ اشاره کرد. رادیو فردا. بایگانیشده از روی نسخه اصلی در ۲۲ نوامبر ۲۰۱۹. در انتهای این بخش به فرمت کابین میرسیم که در دو نسخه ۴ و ۵ سرنشینه معرفی شده است و رنگهایی مثل بورگوندی، خاکستری تیره، مشکی و رنگ اختصاصی جیوِنچی هم از انتخابهای مشتریان برای تریم داخلی هستند. دلیل این امر از یک سو دشواری ارائه یک تعریف اختصاصی از «هوشمندی»، و از سوی دیگر آن است که عامه مردم، به اغلب فناوریهای کامپیوتری از سادهترین چیزها گرفته تا موارد بسیار پیچیده هوش مصنوعی میگویند. IBM کامپیوتر هوش مصنوعی اختصاصی خود را با نام آیبیام واتسون ساخته، این کامپیوتر هوشمند در برخی موارد حتی از هوش انسانی نیز پیشی گرفته است. بسیاری از کاربردهای پیشرفته هوش مصنوعی نیز دارای اهمیت متقابل دامنهای هستند. علاوه بر «یادگیری انتقالی» (transfer learning)، پیشرفت فرضیههای هوش مصنوعی عمومی میتواند شامل توسعه معماری انعکاسی شود که توانایی مشارکت در نظریه تصمیمگیری فرا استدلالی را فراهم میکند و کشف کند که چگونه میتوان یک پایگاه دانش جامع را از کل وب ساختار نیافته ایجاد کرد.
علاوه بر این، ماشینهای هوش مصنوعی عدم تقارن اطلاعاتی را در بازار کاهش داده و بنابراین بازار را کارآمدتر کرده و حجم معاملا را کاهش میدهند. همچنین، پروژهای در راستای پیشگیری از ابتلا به سرطان انجام شده که در آن هوش مصنوعی جهت نظارت بر بیماران دارای ریسک فاکتورهای بالای ابتلا به بیماری مورد بهرهبرداری قرار گرفته است؛ در سیستم مذکور، این کار با طرح پرسشهای متعدد از بیمار و دادههای مربوط به تعاملات پزشک واقعی و بیمار انجام میشود. یادگیری عمیق: این رویکرد، تکنولوژی به حساب میآید که مبتنی بر مجموعه الگوریتمهای هوش مصنوعی و استفاده از شبکههای عصبی به عنوان زیر ساخت معماری خود است. در تعریف دیگری هوش مصنوعی «ساخت معنا از داده» بیان شده، این مفهوم به خوبی بیانگر این است که امروزه چگونه از هوش مصنوعی در کسبوکارها استفاده میشود. و تمایل ذاتی در آنها وجود ندارد؟ فراموش نکنید در تایپ Name و Apn رایتل حساسیتی به کوچک یا بزرگ بودن حروف وجود ندارد. در دنیای مدرن، شاهد تولید ماشینهای هوشمندی هستیم که بدون راننده میتوانند حرکت کنند.
البته هنوز به آن درجه از پیشرفت و تکامل نرسیده که بتواند بدون دردسر در زندگی افراد حضور پیدا کند. یادگیری ماشین از روشهای مورد استفاده در هوش مصنوعی است. یادگیری عمیق یکی از محبوبترین روشهایی است که در یادگیری ماشین مورد استفاده قرار میگیرد. الزامات و موقعیتهای باز برای متخصصان در رشتههای فرعی هوش مصنوعی مانند یادگیری ماشینی، یادگیری عمیق، بینایی کامپیوتری، آمار و پردازش زبان طبیعی هر روز در حال افزایش است. برای مثال، سوالاتی مانند «نتیجه نهایی مورد نظر چیست؟ داده کاوی و مدل سازی در ساخت نرم افزار هوش مصنوعی چیست؟ زبان R در حوزههای مالی، زیستشناسی، جامعهشناسی و پزشکی یکی از زبانهای استاندارد اصلی به شمار میرود. این در حالی است که بر اساس مصوبات شورای عالی آموزش مجازی و هوش مصنوعی کشور دانشگاه علوم پزشکی هوشمند ( مجازی سابق) در ترسیم ماموریت های جدید خود موظف است زمینه لازم جهت آموزش و تولید علم در این زمینه را فراهم آورد. توسعه دهندگان میتوانند ابزارها و راه حلهایی را برای حل مسئله، نیازهای کسب و کار، تجربه کاری و درخواستهای مشتری بررسی کنند و بر اساس آنها پلتفرم مورد نظر خود را انتخاب کنند. هیچ چیزی به جز توصیف پروژه در فاز کشف وجود ندارد، کسب و کار و درک دادهها به توسعه دهندگان کمک میکند تا مشکلات را بشناسند و راه حلی برای آنها بیابند.
این اتوماسیون برای رسیدن به نتیجه با ارزیابی داده ها، باعث صرفه جویی در وقت انسانی برای کسب و کارها می شود و به آنها کمک می کند تا تصمیم بهتری بگیرند. دادهها و اطلاعاتی که میتواند تصمیمگیری، نوآوری، کسب و کار و به طور کلی جهان را دگرگون کند. با لایههای بیشتر، مساله در زمینهای که باید دستهبندی شود پالوده شده و در عملکرد خود صحت بیشتری کسب میکند. همچنین اسپویلر فعال دینامیکی هم یکی دیگر از موارد مهم در طراحی ظاهری است که در سرعتهای بالا فعال میشود و داون فورس بیشتری را تولید میکند. در یادگیری ماشین، هدف (Goal) توسط انسانها برای ماشین مشخص میشود. یادگیری ماشین برای قرار دادن انبوهی از داده ها – که به طور فزایندهای توسط دستگاههای متصل و اینترنت از بین میرود – در یک زمینه قابل هضم برای انسان مفید است. یکی دیگر از محصولات مفید گوگل کتابخانه متن باز تنسورفلو به حساب میآید که در توسعه برنامههای یادگیری ماشین کاربرد دارد. اما همین ویژگی باعث مفید بودن آن به عنوان ماده منفجره شد. «در برنامهنویسی سنتی، یک مهندس کدها را به صورت دستورالعملهای صریح و گام به گام برای کامپیوتر مینویسد تا از آن تبعیت کند. منظور ماشینی است که طوری برنامهنویسی شده تا مثل انسان فکر کرده و توانایی تقلید از رفتارهای انسان را داشته باشد.
قدرتنمایی هوش مصنوعی در اقتصاد و امور مالی تا جایی پیش رفت که در آگوست سال ۲۰۰۱، رباتها، انسانها را در رقابتهای معاملهگری سهام شکست دادند. در این مورد، یک افتالموسکوپ (یک ابزار دیجیتال که متخصصان بالینی از آن برای دیدن درون چشم استفاده میکنند) قدرت گرفته از هوش مصنوعی که توسط گروه بیمارستانهای چشم Aier و راهکارهای یکپارچه MedImaging ساخته شده، میآموزد که چگونه رتینوپاتی ناشی از دیابت را از دژنراسیون وابسته به سن ماکولا (که میتواند منجر به نابینایی شود) با نگاه کردن به هزاران تصویر برچسبدار چشمهای سالم و ناسالم تشخیص دهد. این نقشه ممکن است شامل دادههایی از چراغهای خیابانی و ارتفاع مجاز برای عبور وسایل نقلیه، جهت آگاهی خودرو خودران از محیط اطرافش است. چنین دادههایی در ذات با جهان واقعی متفاوت هستند». «داده کاوی» (Data mining): داده کاوی روش آماری است که رویهها و سایر ارتباطهای دادهها را در مجموعه دادههای بزرگ فراهم میکند. حال پس از معرفی مجموعه دورههای آموزش هوش مصنوعی فرادرس و شرح مختصر برخی از دورههای این مجموعه، در بخش بعدی مقاله در ادامه مقاله «ساخت هوش مصنوعی» به این مسئله پرداخته شده است که چگونه میتوان با استفاده از هوش مصنوعی یک نرم افزار ساخت؟ سیری از واسطه کاربر زبان طبیعی برای استنتاج، مشاهده، پاسخ و توصیه کارهایی به کاربر انسانی خود، استفاده میکند.
واحدهای پردازش گرافیکی که در اصل برای تسریع پردازشهای گرافیکی توسعهیافته بودند، میتوانند سرعت پردازشهای محاسباتی را برای یادگیری عمیق تا حد قابلتوجهی افزایش دهند. این غفلت موجب شده است امروزه نه تنها تکنولوژی مستخدم انسان نباشد، بلکه همو با سرعت و قدرت حیرت آور خود متعرضانه انسان را در تملک خویش درآورد. پس از این پروژه، دیپ مایند، سیستمهای متنوعی را تولید کرد که در یادگیری ترتیبی موفق عمل میکردند. از جمله مباحث مورد بررسی میتوان به جستوجو و بهینهسازی، منطق، روشهای احتمالاتی برای استدلال غیر قطعی، دستهبندها و روشهای یادگیری آماری، شبکههای عصبی مصنوعی، پیشخور و بازگشتی عمیق و ارزیابی پیشرفت اشاره کرد. در ادامه این بخش از مقاله «ساخت هوش مصنوعی» به بررسی داده کاوی و مدلسازی پرداخته شده است.
” باید در تحقیقی آماری مانند نظرسنجی گالوپ جستجو شود. او درآمد سالانه ۹/ ۳۲ میلیون دلاری دارد و توانسته در سالهای اخیر تصمیمات و اقدامات مهمی مانند جداسازی شرکت بزرگ HP به دو شرکت را به خوبی انجام بدهد. بخش دوم: در این بخش، به برخی از مهمترین مسائل موجود در حوزه هوش مصنوعی از جمله استدلال و حل مساله، ارائه دانش، برنامهریزی، یادگیری، پردازش زبان طبیعی، ادراک، تحرک و کار دستی، هوش اجتماعی و هوش عمومی پرداخته شده است. مسائلی مانند ترجمه ماشینی «هوش مصنوعی کامل» (AI-complete) محسوب میشوند، زیرا همه این مسائل نیازمند حل همزمان جهت رسیدن به کارایی در سطح انسان هستند.
امروزه، یادگیری ماشین یکی از روشهای اصلی برای حل مسائل در سیستمهای هوش مصنوعی به حساب میآید. در همین راستا، در مطلبی که در وبلاگ اینتل منتشر شده استنتاج، فرآیند استفاده از مدل آموزش دیده برای ساخت پیشبینی درباره دادههای جدید بیان شده است. اگرچهHTML5 در سال ۲۰۰۶ ظهور کرد٬ بهرهگیری از آن در سال ۲۰۱۱ با جدیت بیشتری پی گرفته شد و پیشبینی میشود که در سال ۲۰۱۲ رشد خیرهکنندهای داشته باشد. مایکروسافت طی پروژهای در تلاش برای توسعه ماشینی با نام «هانوور» است که هدف آن به خاطر سپردن مقالات مرتبط با سرطان و کمک به پیشبینی ترکیب مناسبتری از داروها برای یک بیمار خاص محسوب میشود. هدف از این مسئله ساخت چت بات با استفاده از زبان برنامه نویسی پایتون برای تعبیه آن در وب سایتها و برنامهها است.
برای مثال جست و جوی خودکار گوگل که از الگوریتمها و متدهای پیچیده هوش مصنوعی استفاده میکند، پس از انجام یک عملیات پرهزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد. انجام چنین فعالیتهایی برای انسانها بسیار دشوار و چه بسا غیر ممکن است. متونی که در زندگی اجتماعی انسانها با آنها سروکار دارند و سیاستگذاری اغلب در متن آنها صورت میگیرد. گیتس در مایکروسافت توانست برای حدود ۶۱ هزار نفر در بیش از ۱۰۲ کشور جهان کارآفرینی کند. انواع یادگیریها در هوش مصنوعی به چهار دسته زیر تقسیم میشوند: – «یادگیری نظارت شده» (Supervised Learning): در این نوع یادگیری با استفاده از مجموعه داده مشخصی که به الگوریتم داده میشود، سیستم برای ارائه نتایج مورد نیاز آموزش میبیند. خدمات این پلتفرم متناسب با محصولات مورد استفاده قرار میگیرند و باعث ساده شدن رویهها در پروژه میشوند. موضوع مهمی که باید به آن اشاره کرد این است که شبکه عصبی به برنامه امکان شکستن مساله به بخشهای کوچک و کوچکتر و بنابراین ساده و سادهتر شدن آن را میدهد.
برای سادهتر شدن شناسایی و بررسی مجموعه دادهها میتوان آنها را دستهبندی کرد و حتی میتوان این کار را با استفاده از سیستمهای هوش مصنوعی و کمترین دخالت انسان انجام داد. در ادامه این بخش از مقاله «ساخت هوش مصنوعی» به بررسی دادهها پرداخته شده است. دولت الکترونیک باعث میشود کارایی عملیاتی دولت در چهار مورد یعنی افزایش بهرهوری، کاهش نیروی کار، کنترل مدیریت فرایندها و کارکنان و صرفهجویی در زمان مورد توجه قرار گیرد. بر این أساس خداوند دارای هستی بی نهایت یعنی علم و قدرت و در نتیجه حیات بینهایت است، چنانکه اگر جماد از پائین ترین سطح از هستی برخوردار است به معنای آن است که از پائینترین سطح از علم و قدرت و در نتیجه حیات برخوردار است. فیلم آموزش مبانی یادگیری عمیق (طول مدت: ۵ ساعت و ۲۶ دقیقه، مدرس: دکتر سعید محققی): در این دوره آموزشی، یکی از محبوبترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق، معرفی شده است. آموزش شبکه های عصبی پیچشی CNN – مقدماتی (طول مدت: ۲ ساعت و ۱۲ دقیقه، مدرس: سایه کارگری): از آنجایی که شبکههای عصبی پیچشی نیاز اصلی علاقهمندان به پردازش تصویر و بینایی ماشین است، فراگیری مفاهیم این شبکهها اهمیت بالایی دارد و در این فرادرس به آنها پرداخته میشود.
از طرفی امروزه سایتهای متقلب زیادی وجود دارند؛ اینها در نتایج جستجو خود را نشان میدهند تا بتوانند به دادههای گوشی شما دسترسی پیدا کنند. اگر مشتری برای پروژه خود مجموعه داده آمادهای نداشته باشد، نیاز است که مهندسین پروژه زمانی را برای ایجاد، جستجو و گاهی برچسب زدن دادهها در نظر بگیرند. بدون شک، یکی از عوامل اثرگذار برپایی فرصتها و امکانات پرورش ذهن و گسترش بستر تفکر، تکنولوژیهای مدرن امروزی است که به انحای متفاوت میتواند برای استفاده بهینه در غنیسازی عوامل یاددهی – یادگیری در اختیار یاددهنده (معلم) و یادگیرنده (دانشآموز) قرار داده شود. دادههای بدون ساختار: هر دادهای مانند تصاویر، صدا و سایر موارد که دارای فرمت ثابتی نباشد به عنوان داده بدون ساختار شناخته میشود. آیا واقعا ماشین هم میتواند مانند انسان فکر کند؟
شبکه عصبی، یا به بیان فنیتر شبکه عصبی مصنوعی، بر مبنای چگونگی عملکرد مغز انسان طرحریزی و با بهرهگیری از ریاضیات پیادهسازی شده است. و معتقدند اجرای این طرح بدون شک تغییرات مخربی را بر زیست بوم کره زمین خواهد داشت. C: این زبان یکی از سریعترین زبانها در مرحله کامپایل است و این امکان را به توسعه دهندگان میدهد که برنامههایی با منطق بسیار پیچیده را بدون از دست رفتن کارایی آنها پیادهسازی کند. ». مفاهیم بیان شده در رابطه با هوش مصنوعی، یادگیری ماشین و یادگیری عمیق ظاهرا پیچیده بهنظر میرسند اما هنگامی که بحث از کد زدن برای پیادهسازی و اجرای آنها میشود، میتوان فهمید که چقدر آسان (به سادگی ضرب ماتریسها!) هستند. همچنین، این مراحل برای فراهم کردن دقیق دادهها ضروری هستند. همچنین، اخلاق و حریم خصوصی هوش مصنوعی و عاملهای هوشمند از موضوعات جنجال برانگیزی هستند که پژوهشگران و دانشمندان گوناگون درباره آن به اظهار نظر پرداختهاند. «جاوا» (Java): جاوا یک «زبان برنامه نویسی شی گرا» (Object Oriented Language | OOP) به حساب میآید که رویکردهایی متفاوتی برای مدیریت «استثناها» (Exception)، دسترسی به ابزارهایی برای توسعه برنامههای «چند نخی» (Multi Threaded) و پشتیبانی از «آرایهها» (Array)، «لیستها» (List) و ساختمان دادههای گوناگون ارائه میدهد. یک مثال سطح بالا از این امر، گوگل دیپ مایند است که در سال ۲۰۱۰ یک «هوش مصنوعی عمومی» را توسعه داد که میتوانست از بازیهای آتاری گوناگون یاد بگیرد.