را درک کنند و همچنین با تشخیص درست عابران پیاده، از تصادفات احتمالی پیشگیری شود، البته لازم به ذکر است که این فناوری به دادههای بسیار زیادی نیاز دارد، بهعنوان مثال حرکت کردن یک خودروی خودران در جاده به میلیونها تصویر و هزاران ساعت فیلم نیاز دارد. در این دسته از الگوهای برنامهنویسی، برنامههای احتمالی بیزی، به طور خودکار، برنامههای بیزی جدید تولید میکنند. برخی از سیستمهای هوش مصنوعی به طور ضمنی یا صریح از چند مورد از این رویکردها در کنار بسیاری از دیگر الگوریتمهای هوش مصنوعی و غیر هوش مصنوعی (روشهای آماری و دیگر موارد) استفاده میکنند. با وجود این خطرات احتمالی ، مقررات کمی در مورد ابزارهای استفاده از AI وجود دارد ، و در آنجا که قوانینی وجود داشته باشد ، معمولاً فقط به طور غیر مستقیم به هوش مصنوعی مربوط می شود. این موضوع کاملاً واضح است که یادگیری زبان برنامه نویسی پایتون به طور کامل و سپس یادگیری پایتون برای هوش مصنوعی میتواند برای افزایش مهارت کدنویسی فرد بسیار سودمند باشد، اما این مسئله نیز باید در نظر گرفته شود که طی کردن همه این مراحل زمان زیادی نیاز دارد و ممکن است فرد نتواند زمان زیادی را به این آموزشها اختصاص دهد. برای یادگیری هوش مصنوعی نیاز است که مفاهیم گوناگونی فرا گرفته شوند که پیشنیازیهای این حوزه محبوب در نظر گرفته شدهاند.
برخی از یادگیرندگان براساس مبانی «تیغ اوکام» کار میکنند که براساس آن سادهترین نظریه برای تشریح دادهها، محتملترین آنها است. این روشها کمک میکنند، افراد اطلاعات خود را به سادهترین و کمهزینهترین روش بهروز کنند و دید بهتری از وضعیت دنیای فناوری در گوشهوکنار جهان به دست آورند. سریعترین (و سادهترین برای درک) رویکرد برای هوش مصنوعی نمادگرایی (مانند منطق رسمی) است: «اگر یک فرد بزرگسال تب دارد، پس ممکن است آنفولانزا داشته باشد». حال پس از یادگیری ریاضیات، آمار و احتمالات و زبان برنامه نویسی مناسب، به دلیل وجود تعداد بالای حوزههای مرتبط با هوش مصنوعی، نیاز است که نوع و زمینه فعالیت انتخاب شود تا بتوان با استفاده از علم آن حوزه، برنامه هوش مصنوعی مورد نظر را پیادهسازی کرد. این در حالیست که در عمل به دلیل وقوع پدیده «انفجار ترکیبی» (Combinatorial explosion) در نظر گرفتن کلیه احتمالات هرگز ممکن نیست. مثلا هم اکنون همه می دانند که کدام مراکز در آمریکا این کاوشگر را سخته اند و هزینه آن برای امارات تقریبا چقدر تمام شده.
هر سال نمایشگاههایی از این دست برگزار میشوند که هم تولیدکنندگان محصولات و نوآوریهای خود را ارایه کنند و هم مخاطبان از دیدن آنها لذت ببرند. زبان برنامه نویسی که مختص به هوش مصنوعی باشد، کارایی کدهای نوشته شده را افزایش میدهد و توسعه دهندگان آنها نیز به راحتی میتوانند کدها را متناسب با هدف مسئله اصلاح کنند. این سیستم در سال 1996 توسعه یافت ، این فناوری در ابتدا تقریباً به طور انحصاری توسط مشاغل مورد استفاده قرار گرفت تا کارمندان از راه دور بتوانند به طور ایمن به اینترانت شرکت دسترسی پیدا کنند. به طور واضح، برنامهای که انتخاب میشود باید با معماری سازگاری داشته باشد. البته نیازی نیست که برای شروع هوش مصنوعی به طور کامل به این مباحث ریاضی تسلط داشت، اما داشتن درک درستی از اصول اولیه آنها مفید واقع خواهد شد. اگر در فرایند تولید، کالاها و محصولات را بهبود دهیم یا نسل جدیدتر آنها را تولید کنیم، به این نوآوری در محصول یا خدمات میگویند. تکنولوژی ردمی K50 Extreme Edition همراه با نسخه مخصوص مرسدس معرفی شد ردمی K50 Extreme Edition از مشخصات قابل توجهی مانند چیپ اسنپدراگون 8 پلاس نسل 1 بهره میبرد و همچنین دارای نسخه ویژه مرسدس میشود.
فناوری هوش مصنوعی ماشین و تکنولوژی یادگیری عمیق در نرم افزارها می تواند اشیا و چهره را تشخیص و شناسایی کند و فقط عکس هایی را که با سلاح اشیا خواست و با چهره های مربوط به تحقیق پلیس است نشان دهد فناوری بالیستیک دوربین یکی دیگر از ویژگیهای این راه حل است که میتواند یک عکس را در یک دوربین مطابقت دهد که نشان میدهد که این عکس دقیقا با دوربین همان گوشی گرفته شده سایت 1biti است یا خیر. 1. اگر بازیکن دارای «تهدید» است (یعنی دارای دو مهره در یک سطر است)، مربع دیگر (در همان سطر) را بگیر. آلفاگو در واقع اولین سیستم رایانهای بازیکن Go بود که موفق به پیروزی در مقابل حریف خود بدون هندیکپ شد. در چنین روشهایی، به جای تعیین اهداف سیستم در ابتدای امر، مجموعه دادههای برچسبدار به عنوان ورودی الگوریتم داده میشوند.
این مدل حاکی از آن است که شرکتهایی که بدون در نظر گرفتن سایر قابلیتهای عملکردی، بر بهبود چابکی تأکید میکنند، احتمالاً با شکست و ناکامی مواجه خواهند شد. A) میتواند با در نظر گرفتن محتاطانهتر مسیرها از وقوع پدیده انفجار ترکیبی جلوگیری کند. در این تحقیق، مدل مفهومی مطابق شکل 4 با توجه به یافتههای ادبیات و نظر خواهی از خبرگان پیشنهاد شده است. C، جاوا و R را به عنوان محبوبترین زبانهای هوش مصنوعی در نظر گرفت. یکی از محبوبترین کاربردهای رادیوم در رنگ شب تاب بود. سپس، بر اساس اطلاعات حاصل شده و مجموعهای از قوانین تعریف شده تصمیمگیری و در نهایت، در محیط عملیاتی فعالیت میکند.
اهداف را میتوان به صورت ضمنی تعریف و یا آنها را استنتاج کرد. این سیستمها، به جای اینکه چندین فعالیت را بدون کوچکترین تغییر و به طور خودکار انجام دهند، قادر به حس کردن محیط عملیاتی خود هستند و به شکل پویا، به تغییرات محیطی پاسخ داده و اهداف خود را تحقق میبخشند. به عنوان نمونه، در «پردازش تصویر» (Image Processing)، شبکههای عصبی قادرند تا از طریق تحلیل تصاویر نمونهای که به طور دستی با کلاسهای «گربه» و «غیر گربه» برچسبگذاری شدهاند، تصاویری حاوی گربه را شناسایی کنند. برای مثال، شبکههای عصبی قادر هستند بیاموزند که چگونه استنباط، عمومیسازی و تقلید کنند. برای مثال، فناوریهای دیجیتال، از جمله اینترنت اشیا، فناوریهای به اشتراکگذاری داده و پلتفرمهای مالی موبایل به دلیل کاهش قیمت اتصال به اینترنت در بین عموم مردم محبوب هستند. برای مثال، هنگام مشاهده نقشه و جستوجو برای یافتن کوتاهترین مسیر از مشهد به بیرجند در ناحیه شرقی ایران، در اغلب موارد میتوان از مسیرهای موجود در سنندج و دیگر نواحی غربی چشمپوشی کرد. اما موضوع مخربی که ما را واقعا نگران میکند، دستیافتن به آن حس رضایتمندی و پاداش هنگام استفاده از این تکنولوژیهاست.
در روش اول، فناوری های هوش مصنوعی بر اساس قابلیتها، نحوه کاربرد و دامنه مسائلی که میتواند در آن اقدام به حل مسأله کنند، دستهبندی میشوند. همچنین بهرهمندی از هوش مصنوعی میتواند به بهبود وضعیت تولید و افزایش راندمان و بهرهوری بخشهای مختلف اقتصادی کمک شایانی کند. هر عامل، وضعیت و محیط اطراف خود را ارزیابی میکند. معیار عملکرد، هر توالی معین از حالتهای محیط را ارزیابی میکند. این دسته از سیستمها، زیر شاخهای از فناوری های هوش مصنوعی محسوب میشوند و در تلاقی حوزههای «رباتیک» (Robotics) و «سیستمهای هوشمند» (Intelligent Systems) قرار میگیرند. سیستمهای فازی، در دسته «سیستمهای کنترلی» (Control Systems) قرار میگیرند. «سیستمهای خبره» (Expert Systems)، نمونهای از ابزارهای مبتنی بر منطق و دانش هستند. در ادامه روش یادگیری هوش مصنوعی برای کسانی مورد بررسی قرار گرفته است که قصد یادگیری هوش مصنوعی را به صورت عملی و از ابتداییترین مفاهیم دارند. جوابهای کاندید، نقش نمونهها در جمعیت را ایفا میکنند و «تابع هزینه» (Cost Function)، برازندگی محیطی که جواب کاندید در آن قرار دارد را مشخص میکند. سیستمی که از فناوری برای دریافت یک ورودی، و سپس تغییر آن با توجه به کاربرد، و تولید خروجی استفاده میکند به عنوان سیستم تکنولوژیک یا سامانه فناوری شناخته میشود.
تا سال ۲۰۱۶ بیش از ۳۰ شرکت از هوش مصنوعی برای ساخت خودروهای بدون راننده استفاده کردهاند. این سیستمها امکانات جدیدی را در صنعت خودروسازی فراهم کردهاند و نیاز به دخالت انسان در رانندگی را کاهش دادهاند. در مقابل، شرکتها و کسب و کارها هم نیاز بیشتری به متخصصین این حوزه پیدا کردهاند. امروزه به کمک تکنولوژی تنها با چند کلیک اطلاعات مورد نیاز در رابطه با وضعیت کارها و میزان پیشرفت امور شرکت در اختیار مدیران قرار میگیرد. در چین، احتمالا از BSN، برای هماهنگی بهتر میان کسب و کارها و بخش عمومی استفاده شود. بهتر است در بخش پایانی فصل اول درس هوش مصنوعی ، خلاصه این فصل ارائه شود. نتایج تولید شده توسط این روشها، قابل مقایسه با خبرههای انسانی و در برخی موارد، بهتر از آنها است.
امروزه استفاده از هوش مصنوعی در صنعت حمل و نقل و همین طور در صنعت توریسم به یک ترند تبدیل شده است. با پیشرفت فناوریهای نوین، نقش برنامه نویسی هوش مصنوعی در کسب و کارها و صنعت روز به روز در حال افزایش است. با توجه به رقابت جهانی، شرکت ها و سازمانها، به دنبال دستیابی به روشهایی برای کاهش هزینه، بهبود کیفیت و برآوردن نیازهای دائما در حال تغییر مشتریان خود، هستند(قبادیان37، 1994). سرعت شاید مهم ترین ثروت در هزاره سوم و عصر جدید موسوم به عصر اطلاعات باشد. چنین سیستمهایی از یک جمعیت متشکل از عاملهای ساده تشکیل شدهاند که به صورت محلی و در محیط عملیاتی خود با یکدیگر در حال تعامل هستند. «اینترنت اشیاء» (Internet of Thing)، مهمترین نمونه چنین سیستمهایی است. روشهایی نظیر «تحلیل خوشهها» (Cluster Analysis) و «تحلیل مؤلفه اساسی» (Principal component Analysis)، از جمله مهمترین الگوریتمهای یادگیری نظارت نشده هستند. برای حل مسائل هوش مصنوعی، ممکن است لازم باشد تا از ترکیبی از الگوهای هوش مصنوعی ارائه شده استفاده شود. به لحاظ تئوری میتوان گفت برخی از «یادگیرندگان» (الگوریتمهای هوش مصنوعی) شامل شبکههای بیزی، درختهای تصمیم و نزدیکترین همسایگی میتوانند در صورت در اختیار داشتن داده، زمان و حافظه نامحدود بیاموزند که هر تابعی، از جمله هرگونه ترکیبی از توابع ریاضی، را تخمین بزنند تا جهان (منظور محیط پیرامون عامل هوشمند است) را به بهترین شکل توصیف کنند.
به خروجی مطلوب، «سیگنال نظارتی» (Supervisory Signal) نیز گفته میشود. هر نمونه آموزشی، از یک یا چند داده ورودی و یک خروجی مطلوب تشکیل شده است. Overfitting زمانی اتفاق میافتد که مدل به جای یادگیری، نمونههای مجموعه داده آموزش را حفظ کند و فقط برای دادههای آموزش دقت بالایی نشان دهد. در یادگیری ماشین، از یادگیری انتقال زمانی استفاده میشود که بخواهیم با ایجاد تغییرات در تنظیمات یک مدل از پیش یادگیری شده برای حل یک مسأله خاص، آن را برای حل یک مسأله مرتبط دیگر استفاده کنیم. به همین دلیل است که در این چارچوب نظری، انتقال تکنولوژی به امری نزدیک به محال تبدیل میشود.زیرا تبدیل فرهنگ ملتها به فرهنگ غربی بوجود آورندهی تکنولوژی تقریباً ناشدنی است.
درس هوش مصنوعی یکی از دروس تخصصی و مهم رشته کامپیوتر است. سومین رویکرد، که استفاده از آن در کسبوکارها بسیار مرسوم است، بهرهگیری از روشهای قیاسی مانند ماشین بردار پشتیبان و نزدیکترین همسایگی است. شبکه عصبی، روشی برای اتصال ورودیها و خروجیها به یکدیگر با بهرهگیری از یک مدل است که بر مبنای عملکرد مغز انسان طراحی شده و سعی در یافتن بهترین راهکار برای حل یک مساله دارد. تا جایی که بتواند به سوالات کاربر پاسخ میدهد: از جستوجو در اینترنت گرفته تا تماس گرفتن و ارسال اساماس به فردی مشخص٬ اعلام وضعیت هوا و آخرین کتابی که نویسنده محبوبتان منتشر کرده و هزاران مساله کوچک و بزرگ دیگر.
این رویکرد «یادگیری ماشینی» پیش از این در کاربردهای روزمرهای مانند شناسایی صدا و خودروهای بدون راننده (خودران) به کار رفته است. این حوزه، یکی از زیر شاخههای پردازش زبان طبیعی و فناوری های هوش مصنوعی محسوب میشود و با مفهوم «درک مطلب ماشینی» (Machine Reading Comprehension) سر و کار دارد. قرار است بررسیهای بیشتر این طرح پس از پایان بررسی بودجه سال ۱۴۰۱ از سر گرفته شود و زمزمههایی از احتمال بازگشت بررسی طرح به صحن علنی نیز به گوش میرسد. اما در مورد هواداران اپل بحث فرق میکند.آنها عمدتاً افرادی متعصب هستند و چیز زیادی از تکنولوژی سر در نمیآورند.آنها با تمام وجود آلوده اغواگری های اپل شدهاند و دفاع از منافع این کمپانی را وظیفه ذاتی خود میدانند. در حالی که هوش مصنوعی میتواند کارهایی شبیه به انسان را انجام دهند، اما با هوش انسانی تفاوتهای زیادی دارد. وی در حوزه فضا به تایم گفت: «هدف کلی این است که اجازه دهیم حیات در چندین سیاره توسعه یابد و بشریت را به یک تمدن فضایی تبدیل کنیم.» هدف بزرگ بعدی ساخت یک شهر خودمختار در مریخ و آوردن حیوانات و موجودات زمینی است، شبیه کشتی نوح آینده. توسعههای اخیر در اتومبیلهای خودران امکان ساخت کامیونهای خودران را نیز فراهم کردهاند و اولین کامیون خودران نیز بر همین اساس تولید شده است.
عاملها به سه دسته عاملهای غیرفعال (بدون هدف)، فعال (با هدف ساده) و یا شناختی (انجام محاسبات پیچیده) تقسیمبندی میشوند. الگوریتمهای پیچیده معمولا بر مبنای دیگر الگوریتمهای سادهتر ساخته میشوند. بنابراین، یادگیرنده برای موفق شدن، باید بهگونهای طراحی شود که جز در مواردی که نظریات پیچیده اساسا بهتر هستند، نظریات سادهتر را به نظریات پیچیدهتر ترجیح دهد. این پیروزی، به نقطه عطفی در توسعه هوش مصنوعی مبدل شد، زیرا Go یک بازی با درجه پیچیدگی فوقالعاده بالا است که به مراتب از شطرنج نیز پیچیدهتر محسوب میشود. سپس از آن برای تولید اندیس جدول اعمال (تابع عامل) استفاده میشود و به این وسیله تصمیمگیری برای اینکه چه کاری باید انجام شود اتفاق میافتد. هوش مصنوعی در تعبیر عمومی که نمود آن بیشتر در اتوموبیل، هواپیما و بازی های هوشمند (زمانی که در شطرنج یا تخته نرد حریف شما کامپیوتر است) دیده میشد، به یادگیری عمیق و پردازش زبان متکی است. «مرتضی جادریان»، دانشجوی مقطع دکتری مهندسی کامپیوتر گرایش هوش مصنوعی است. درس هوش مصنوعی در دانشگاهها در مقطع کارشناسی رشتههای مهندسی کامپیوتر به عنوان یک درس از پایه به طور کامل تدریس میشود، سپس افراد علاقهمند به این حوزه میتوانند ادامه تحصیل خود را در این گرایش پیش ببرند و تحصیل در این حوزه را در مقطعهای گوناگون انجام دهند.
وجود حجم زیادی از چنین الگوهایی روی تصاویر عادی، منجر به ایجاد یک تصویر «غلط انداز» میشود که سیستم نمیتواند آن را طبقهبندی کند. عاملها، قوانین سادهای را دنبال میکنند و اگرچه سیستم کنترلی متمرکزی برای مشخص کردن رفتار عاملها وجود ندارد، ما تعامل محیطی و محلی آنها منجر به ظهور «رفتار هوشمند سراسری» میشود. نایب رئیس شورای عالی فضایی با بیان اینکه دیپلماسی فعال دولت سیزدهم منجر به تبدیل قرارداد خرید ماهواره به قرادادی برای انتقال تکنولوژی شد، گفت: با توافقات صورت گرفته، ما خیامهای ۲ و ۳ و ۴ را به صورت مشترک با روسیه خواهیم ساخت. عیسی زارع پور وزیر ارتباطات و فناوری اطلاعات و نایب رئیس شورای عالی فضایی کشور در گفتگو با خبرنگار سیاسی ایرنا در پاسخ به سوالی پیرامون چگونگی به سرانجام رسیدن پروژه ماهواره خیام در دولت سیزدهم، اظهار داشت: این یک کار ملی و دستاورد ملی متعلق به همه و مربوط به تلاش همه دولتهاست و آنچه مهم است این است که ما توانستیم در کنار قدرت شماره یک یا دو فضایی دنیا کار مشترک تعریف کنیم و توافقات بسیار خوبی را با آژانس فضایی روسیه برای ادامه همکاریها داشتیم و این اتفاق با دیپلماسی فعال دولت سیزدهم اتفاق افتاد.
بنابراین تغییر روابط میان انسانها امری بدیهی است و حتی پیشبینی میشود که روابط عاشقانه نیز تحت تأثیر پیشرفتهای تکنولوژیک، تحولات زیادی را متحمل شود. به همین خاطر، به این مدل، نقشه دانش فناوری های هوش مصنوعی گفته میشود. این شیوع مرگبار در شهرهایی که بسیار بیشتر از گنجایش خود جمعیت داشتند بسیار مرگبارتر بود. برای قرارگیری افراد در این لیست از فاکتورهایی نظیر قدرت اقتصادی، قدرت فرماندهی، ارزش خبری و تاثیرگذاری استفاده شده است. الگوریتمهای اکتشافی (Heuristics): این دسته از الگوریتمها، روشهای وابسته به مسأله (Problem-Dependent) هستند. یکی از ویژگیهای مهم این دسته از الگوریتمها، مدلسازی «چگالیهای احتمال» (Probability Densities) دادههای ورودی است. اپل با ارائه این قابلیت جدید در آیفونهای 4S باز هم پیشتاز عرصهای جدید در دنیای فنآوری شد: کنترل و تعامل از طریق صدا٬ که پیشبینی میشود در سال ۲۰۱۲ گسترش بیشتری داشته باشد. آخرین خدمات، ابتکارات و اپلیکیشنهای مرتبط با گوشیهای همراه در این نمایشگاه ارایه میشود. این اصطلاح، به ترکیبی از نرمافزار، سختافزار، تعاملات کاربری، تعاملات انسان-ماشین و یادگیری اطلاق میشود. در تعریف، به درک و فهم ساختارها و معانی موجود در زبانهای طبیعی انسانی توسط کامپیوتر و ایجاد امکان تعامل مستقیم میان کامپیوتر و انسان (از طریق زبان طبیعی)، فهم زبان طبیعی گفته میشود.