Lenovo Chromebook Duet یک لپتاپ 2 در 1 قابل تبدیل عالی است که قطعاً از نظر ارزش بر رقبای خود برتری مجله یک بیتی دارد. یادگیری ماشینی: Machine Learning یکی از مفاهیمی است که در شبکههای عصبی مصنوعی کاربرد فراوانی دارد. پژوهشهای هوش مصنوعی از دو روند مجزا، و در برخی جنبهها متقابل، پیروی میکنند که عبارتند از Symbolic (روش بالا به پایین) و Connectionist (روش پایین به بالا) که در روش سیمبولیک تلاش میشود فقط هوش و ادراک مغز از علائم و نمادها را شبیهسازی و تقلید نماید و به همین دلیل این روش را Symbolic مینامند اما روش کانکشنیست تلاش میکند تا با ایجاد شبکههای عصبی مصنوعی، ساختار مغز را شبیهسازی نماید و از این روی این روش Connectionist نامیده میشود. 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.
اسپریت، فضاپیمای اکتشافی رباتیک ناسا، و آپورچونیتی، سطح مریخ را بدون مداخله انسان، کاوش کردند. رباتیک: رباتها دیوایسهای ساختهٔ دست بشر هستند که در دنیای واقعی اَعمالی همچون انسانها را انجام میدهند و رباتیک شاخهای از هوش مصنوعی است که با ایجاد رباتهای هوشمند سر و کار دارد و مجموعهای از علوم مهندسی الکترونیک، مهندسی مکانیک و کامپیوتر را شامل میگردد. جنبههای مختلفی از هوش مصنوعی در حوزهٔ رباتیک کاربرد دارند. در سال ۱۹۵۶ در کارگاهی که توسط شرکت IBM در دانشگاه Dortmouth برگزار شد McCarthy اصطلاح Artificial Intelligence را معرفی کرد که به نظر میرسد این کارگاه به منزلهٔ تولد رسمی هوش مصنوعی بود که فصل مهمی را در تکامل و پیشرفت فناوری رقم زد و در ادامه دانشمندان برنامهای با قابلیت استدلال توسعه داده و آن را Logic Theorist نامیدند. هوش مصنوعی(Artificial Intelligence) از دو کلمه متفاوت ساخته شده است. تفاوت اساسی این دو استدلال در میزان پشتیبانی از قطعیت نتایج است.
زیرا با انتخاب این زبان، شخص میتواند به جای وقت گذاشتن روی زبان برنامه نویسی، بیشتر روی الگوریتمها و مسائل حوزه کاری خود تمرکز کند. در بخش بعدی به بررسی هوش مصنوعی در حوزه امنیت سایبری پرداخته شده است. جالب است بدانید که این شخصیتها حتی میتوانند با سایر شخصیتهای هوش مصنوعی تعامل داشته و به این ترتیب شانس پیروزی خود را بیشتر کنند. یک لپ تاپ گران قیمت، معمولا لپ تاپی است که برای گیمینگ ساخته شده است و گیمرهای حرفهای میتوانند سنگینترین بازیهای AAA روز دنیا را با آن اجرا کنند. هوش مصنوعی برنامهای را برای یک کار خاص «آموزش» میدهد و به آن اجازه میدهد به تنهایی کاوش کرده و خود را ارتقا دهد.
بنابراین هوش مصنوعی ماشینی است که توسط انسان ها ایجاد میشود تا زندگی را آسان و راحت کند که به صورت برنامههای رایانهای یا ماشینهایی بوده که به فکر کردن و یادگیری کمک میکنند. 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. وابستگی که گهگاه موجب پایمال شدن ارزشهای انسانی نیز گشته است. در واقع، یک برنامهٔ کامپیوتری را در نظر بگیرید که قابلیت تعمیم دادن تجربیات را ندارد و اگر این برنامه قبلاً با استفاده از تکرار در مورد تعدادی از افعال باقاعدهٔ انگلیسی آموزش دیده باشد، با مواجه شدن با کلمهٔ جدیدی مانند Jump قادر نخواهد بود حالت گذشتهٔ آن حدس بزند مگر اینکه قبلاً با کلمهٔ Jumped آموزش دیده باشد.
در این آزمون، ارزیاب سؤالاتی را برای دو شرکتکننده شامل یک انسان و یک ربات مطرح میکند اما برای وی مشخص نیست که کدام یک از دو شخصیتِ مورد سؤال انسان است و کدام یک ربات و او تلاش میکند تا با توجه به پاسخ سؤالات، انسان را از کامپیوتر تشخیص دهد. طبیعی است سرعت یادگیری و علائق دانشآموزان در هر کدام از شاخههای درسی یکسان نباشد. در هر حال همانطور که چت بات ها گفتگو کردند، از زبان انسانی منحرف شدند (برنامهنویسی شده به انگلیسی) و با زبان خودشان شروع به گفتگو کردند. امروزه سایت هایی هستند که این رده بندی ها را انجام میدهند و آنها را اصلاحا تحت عنوان بنچمارک CPU به کاربرانشان ارائه میدهند.
تمام این مباحث نسبت به قضیهٔ اصلی هوش مصنوعی، tangential هستند، مگر اینکه بتوانند ثابت کنند که یکی از این ویژگیها برای هوش عمومی ضروری است. برنامههای کاربردی هوش مصنوعی در مراقبتهای بهداشتی برای ساخت ماشینهای پیچیدهای استفاده میشود که میتواند بیماریها را تشخیص دهد و سلولهای سرطانــی را شناسایــی کند. هوش مصنوعی چیزی نیست که یک شبه از هیچ پدید آمده باشد. درواقع، درک LaMDA از بستری که مکالمه در آن انجام شده و تشخیص بهترین و مرتبطترین پاسخ ممکن، این حس را ایجاد میکند که این هوش مصنوعی دقیقاً دارد به چیزی که از او خواسته میشود، گوش و پاسخ میدهد.گوگل هنگام رونمایی LaMDA در Google I/O 2021، آن را «جدیدترین دستاورد در فهم زبان طبیعی» توصیف کرد و گفت این مدل فعلاً فقط میتواند با متن وارد مکالمه شود؛ یعنی نمیتواند به درخواستهای مبتنیبر تصویر یا صدا یا ویدئو پاسخ دهد.بهگفتهی گوگل، یکی از مزیتهای LaMDA «دامنه باز» بودن آن است؛ یعنی لازم نیست برای گفتوگو دربارهی موضوعات مختلف آن را دوباره آموزش داد.
برنامههای کاربردی هوش مصنوعی (AI) در حوزه بازاریابی نیز محبوب هستند. هوش مصنوعی و گرایشهای آن پیچیدگیهای خاص خود را دارند و از متخصصان این حوزه انتظار نمیرود وقت زیادی را به یادگیری پیچیدگیهای یک زبان برنامه نویسی اختصاص دهند. شیائومی در سال ۲۰۲۱ اعلام کرد که قصد دارد تا ۱۰ سال آینده ۱۰ میلیارد دلار آمریکا در حوزه خودروهای برقی سرمایهگذاری کند. سطح تواناییهای این نوع از هوش ساختگی از تمام تواناییهای طبیعی انسان بالاتر است و در کل برتری کاملی نسبت به انسان دارد. در این مرحله کامپیوترها از همه لحاظ نسبت به انسان ها برتری خواهند یافت. به عنوان نمونه برخی از برنامه ها می توانند به تشخیص صحنه ها در دوربین عکاسی بپردازند و فیلتر مناسب آن را ارائه کنند.
گسترهٔ این وظیفه میتواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گامبرداری روباتهای دوپا با دریافت سیگنال پاداش و تنبیه باشد.شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده میکنید، حتی بدون آنکه بدانید. مثلا مایکروسافت ورد به تنهایی نمیتواند پیشرفت کند، اما نرم افزار تشخیص چهره میتواند به صورت پی در پی اجرا شده و در تشخیص چهره بهتر عمل کند. برای نرم افزارهای که نیاز به پردازش های تقریبا معمولی دارند مثل کار شما، پردازنده Core i5 میتونه گزینه مناسبی باشه در کنار آن حداقل 4 گیگابایت رم یا بهتر از اون 8 گیگابایت رم خوبه. سطح اهمیت پروژه: نیاز است که در پروژهها سطح اهمیت آنها از نظر امنیت انسان، هزینه مالی، شهرت سازمان و ریسکپذیری مورد بررسی قرار بگیرند.
این تکنولوژی جدید در حال حاضر برای ثبت معاملات ارزهای اینترنتی مانند بیت کوین استفاده میشود؛ اما کاربردهای تجاری بلاکچین آن بسیار بیشتر است. Java: برای برنامهنویسی هوش مصنوعی، زبان جاوا میتواند یک انتخاب عالی باشد. بر اساس پیش بینی نحوه پیشرفت تکنولوژی در آینده ، اتصال یک تریلیون سنسور به اینترنت تا رسیدن به سال 2020 تخمین زده شده است. باید در نظر داشت که زاویهٔ دید، جهت، شدت نور و میزان تضاد رنگ یک شییٔ نسبت به اطراف و عواملی از این دست میتوانند بر تحلیل این اطلاعات تأثیرگذار باشند و این موضوع فرآیند ادراک را دشوارتر مینماید.