تمامی مشاهدات همراه با برچسب کلاسی خود به عنوان یک مجموعه داده شناخته می شوند. با گسترده شدن فضای دیجیتال و دنیای جدید، هوش مصنوعی یا Artificial intelligence، در جهان امروز به یک چشم انداز رایج تبدیل شده است و روز به روز استفاده از تکنولوژی AI بیشتر می شود. گفتمان های عمومی، معمولا مرز بین آنچه هوش مصنوعی در واقعیت حال حاضر به دست آورده و آنچه در آینده امکان دسترسی به آن وجود دارد را از بین می برند. در طی چند سال گذشته، پیشرفت ها در زمینه الگوریتم های یادگیری ماشینی و سخت افزار کامپیوتر منجر به ایجاد روش های کارآمدتر برای آموزش شبکه های عصبی عمیق شده است که لایه های بسیاری از واحدهای پنهان غیر خطی و یک لایه ی خروجی بسیار بزرگ را در بر می گیرد. آزمون کپچا مغایر با استاندارد تست تورینگ توسط ماشین اجرا شده و مخاطب آن انسان است، که این مطلب در نقطه مقابل مجری بودن انسان و مخاطب بودن ماشین است. به گزارش جام نیوز، برنامه ۱۰ ساله اول فناوری نانو با عنوان «سـند راهبرد آینده» برای دوره زمانی ۱۳۸۴ تا ۱۳۹۴ اجرا شـد. عامل هوشمند از ترتیب پاداش ها و تنبیه ها استفاده می کند تا یک استراتژی برای اجرا در فضای مسئله ایجاد کند.
تنظیم کننده ها می توانند بر اساس نمونه ها تنظیم شده و برای استفاده در هوش مصنوعی بسیار جذاب شوند. عملکرد این طبقه بندی کننده ها در طیف وسیعی از کارها مورد مقایسه قرار گرفته است. ساده ترین کاربردهای هوش مصنوعی به دو نوع تقسیم می شوند: طبقه بندی کننده ها (“اگر درخشید، الماس است”) و کنترل کننده ها (“اگر درخشید، بردارش”). از جمله کاربردهای هوش مصنوعی در کشاورزی ، بررسی خاک و پی بردن به عیب ها و کمبود مواد مغذی در خاک است. در اصل هوش مصنوعی فناوریِ تقلید قابلیتهای ذهن انسان مثل شناخت اشیا، درک و پاسخگویی، تصمیم گیری، حل مسئله و …
در اوایل یادگیری عمیق برای ترتیب دادن یادگیری با شبکه های عصبی برگشتی (recurrent neural networks(RNNs)) به کار گرفته شد، که همان کامپیوترهای معمولی هستند و می توانند برنامه های دلخواه را جهت پردازش ترتیب دلخواه ورودی ها، جرا کنند. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبودهایم هوش مصنوعی از علومی است که در دهه های گذشته پیشرفت شگرفی را در علم به وجود آورده است. Tay چت باتی بود که از طریق توییتر با کاربران در ارتباط بود و با رد و بدل کردن توییتهای متوالی با آنها تعامل میکرد. اما شهر ایدهآل داوینچی بیش از همه با تمرکز بر روی تمیزی و سیستم تخلیه فاضلاب طراحی شده و از اصولی استفاده میکرد که بعدها در قرن نوزدهم میلادی ابداع شده و از آن با عنوان تئوری جرم یا نظریه میکروبهای بیماریزا یاد میشد. کلون سالها بر روی آن کار کردهاست، ابتدا در دانشگاه وایومینگ و سپس در آزمایشگاه Uber هوش مصنوعی، جایی که او با وانگ و دیگران کار میکرد. این شرکت در ژانویه ۲۰۰۹، از سوی فردی اوکراینی با نام جان کوم بنیانگذاری شد. این سنت در دانشگاه ملون کارنگی با توسعه Soar architecture در اواسط دهه 1980 به اوج خود رسید.
عده ای کریپتوکارنسی را آینده ارزها میدانند که قرار است ما را از بانکداری متمرکز به شیوه کنونی رهایی بخشد. با ما در میان بگذارید. به عنوان مثال در سال 2015 تشخیص گفتار گوگل یک جهش چشمگیر 49 درصدی را از طریق LSTM آموزش دیده توسط CTC تجربه کرد، که هم اکنون از طریق google voice در دسترس میلیاردها استفاده کننده ی تلفن های هوشمند است. طبقه بندی کننده از راههای مختلفی می تواند آموزش دیده شود؛ رهیافت های آماری و یادگیری ماشینی بسیاری وجود دارد. چند تن از محققان بر این باورند که برای انجام چنین پروژه ای نیاز به خصوصیات انسانی همچون هشیاری مصنوعی و مغز مصنوعی می باشد.
چگونه می توانیم مطمئن شویم که ماشین با اخلاق رفتار کرده و نیز طبق اخلاقیات مورد استفاده قرار می گیرند؟ منطق مرتبه اول یا منطق محمولات (first order logic) اجازه استفاده از سورها (quantifiers) و محمول ها (predicates) را داده و قادر به بیان واقعیت اشیاء، ویژگی های آنها و روابط آنها با یکدیگر است. “معماری استنتاج” (subsumption architecture) رادنی بروک، پیشنهادی اولیه برای چنین سیستم مرتبه ای بود. “فوق هوشمند” امکان دارد به نوع یا درجه ای از هوش اطلاق گردد که چنین عاملی از آن برخوردار است. یادگیری عمیق اغلب از شبکه های عصبی کانولوشن (convolutional neural networks(CNNs)) استفاده می کند که منشأ آن به نئوکوگنیترون (Neocognitron) معرفی شده توسط کونیهیکو فوکوشیما در سال 1980بر می گردد.
اگر قادر به احساس باشد، آیا از حقوقی یکسان همانند یک انسان برخوردار خواهد بود؟ واقعیت این است که وقتی ارتباطات مجازی در هر ساعت از شبانهروز در قالبهای خصوصی امکانپذیر باشد، مدیران میتوانند با نیروهای خود حتی در کشوری با 12 ساعت تفاوت تایم ارتباط برقرار کنند و در جریان مشکلات و موانعی که سر راه اوست قرار بگیرند. تعیین طبقه بندی کننده مناسب برای یک مسئله مفروض، هنوز هم بیشتر از آنکه یک علم باشد، یک هنر است. هیچ طبقه بندی کننده مجردی وجود ندارد که در تمام مسائل داده شده، به بهترین شکل عمل کند که این مسئله به قضیه” در جست و جو بهینه سازی از ناهار مجانی خبری نیست” اشاره دارد. تکنیک غیر مستدل بهترین فرض ها را برای برنامه، در جهت حل مسئله ایجاد می کند. منتقدان چنین ابراز می کنند که این تکنیک ها (با چند استثنا) بر روی مسائل ویژه، بیش از حد متمرکز شده و در رسیدن به اهداف بلند مدت هوش عمومی باز مانده اند.
بر طبق یک بررسی، اصطلاح “یادگیری عمیق” توسط رینا دچتر در سال 1986 به جامعه یادگیری ماشینی معرفی گردیده و پس از اینکه ایگور آیزنبرگ و همکارانش در سال 2000 این عبارت را به شبکه های عصبی مصنوعی معرفی کردند، این عبارت توجه ها را به سمت خود جلب کرد. امروزه شبکه های عصبی اغلب با الگوریتم های پس انتشار (backpropagation algorithm) آماده می شوند. آنچه که بیان شد یک نتیجه کلی است که اگر پذیرفته شود، می توان نشان داد که شبکه های سخت افزار عصبی و کامپیوترهای مبتنی بر پردازش های تصادفی (مثل رهیافت های تبرید) و کامپیوترهای کوانتومی مبتنی بر کیوبیت گره دار (مادامی که فیزیک جدید را شامل نشوند) قابل تبدیل به ماشین های تورینگ هستند.
“مطلوبیت” مفهومی کلیدی از دانش اقتصاد است: اندازه گیری اینکه یک چیز چقدر برای عامل هوشمند، ارزشمند است. این بدان معناست که لازم نیست همه چیز را در یک جمله توضیح دهید. مجلات و وبسایتهایی نظیر نیویورک تایمز، گاردین، آتلانتیک و نیویورکر در زمرۀ این منابعاند. تایملاین پس از «گرافهای اجتماعی» ( (Social Graphsبزرگترین تحول فیسبوک است که بهواسطه آن٬ فیسبوک فاصله خود را با رقبایی نظیر گوگلپلاس بسیار بیشتر از گذشته خواهد کرد. یکی از جذابترین موارد استفاده از اتومبیلهای خودران، درزمینهی اتومبیلهای اشتراکی است که پتانسیل زیادی را برای ایجاد تغییر و تحول گسترده در صنعت حملونقل دارد. درحالی که «تخریب خلاق» یک عبارت عمیقاً دووجهی است، اما واژۀ «برهمزننده» در بیشتر موارد بهوضوح مایۀ مباهات محسوب میشود. امید است رهیافت هوش مصنوعی جایگزین (Situated AI) ، هوش محاسباتی و یا هوش مصنوعی آماری راههای را برای نمود این نوع دانش در گیر و دار مسئله استدلال ساب سمبولیک فراهم آورد. “یک سیستم نماد فیزیکی ابزارهای کافی و لازم برای عمل هوش عادی را دارد” نِوِل و سیمون چنین استدلال کردند که هوش از عملکردهای صوری بر پایه ی نمادها تشکیل شده است. هربرت سیمون اقتصاد دان و آلن نول، مهارتهای انسان در حل مسئله را مورد مطالعه قرار داده و برای شکل دادن به آن تلاش کردند، که تلاش ها و اقدامات آنها پایه های رشته هوش مصنوعی و نیز علم شناختی، تحقیق در عملیات و علم مدیریت را ایجاد کرد.
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 اوایل دهه 2000 میلادی در یک کاربرد صنعتی، شبکه های عصبی کانولوشن حدود 10 تا 20 درصد از تمامی چک نوشته های ایالات متحده را پردازش کردند. بخشهای بعدی نیز میتواند وظیفه متخصص یادگیری ماشین یا هوش مصنوعی در حوزه مرتبط با پروژه باشد. توسعه سریع هوش مصنوعی که میتواند خود را آموزش دهد، سوالاتی را در مورد چگونگی کنترل رشد آن به وجود میآورد. منظور از سیستمهای خبره در هوش مصنوعی، سیستم یا نرمافزاری است که از دانش انسانی تقلید کرده و از روی آن به تصمیمگیری میپردازد. 1. نیاز به اطلاعاتی وجود دارد درباره اینکه جهان مستقل از عامل چگونه تغییر میکند؟
چنین ابزارهایی به رهایی کارمندان از کارهای دستی خستهکننده منجر خواهد شد و به کارمندان اجازه خواهد میدهد روی کارهای پیچیدهتری تمرکز کنند. در سال ۱۹۳۱ کورت گدل ثابت کرد: که همواره میتوان عباراتی را خلق کرد، تا یک سیستم صوری (مانند: برنامهٔ هوش مصنوعی) قادر به اثبات آن نباشد. چنین ارزیابی هایی “تست تورینگ خبره در موضوع خاص” (subject matter expert Turing test) نامیده می شوند. بنابراین سوال این است که “چگونه می توان با این تعصب مقابله کرد؟” چگونه مطمئن شویم که هوش مصنوعی مانند برخی از انسانهای این دنیا نژادپرست یا جنسی نیست. یعنی، در درجه اول به بهترین وجه ممکن از آن تکنولوژی بهره میگیرد و در درجه بعدی با تولید فکر و نوآوری و خلاقیت موجبات گسترش آن تکنولوژی و نو کردن راه و روشهای بهرهگیری بهینه از آن را فراهم میکند. تيم هوش مصنوعی فرابر سرويس های مختلفی در قالب Micro Service ها و Rest API ها را برای بهره مندی از خدمات هوش مصنوعی ارائه می دهند. آیا رفتار هوشمندانه می تواند با اصول ساده و ظریف توصیف گردد (مثل منطق یا بهینه سازی)؟ آیا ماشین از ذهن، هوشیاری و حالت های ذهنی دقیقاً همانند بشر، برخوردار است؟
این مستند یک سفر ذهنی به گذشته است که به بیننده شگفت انگیزی های موجود در جهان ما در حال و در زندگی در امروز است.این مستند جزو پر بازدید ترین مستندهای پخش شده در شبکه های مختلف بوده است و ترکیبی از تاریخ، تکنولوژی و شناخت است. شناخت پیامدهای اخلاقی که ماشین ها در گیر آن هستند، به اندازه ی توسعه های اخیر و بالقوه در استقلال ماشینی، لازم و ضروری است. در مورد اثربخشی مدیریت دولت الکترونیک میتوان به سه شاخص بهبود فرایند تصمیم، بهبود برنامهریزی و بهبود کالاها و خدمات اشاره کرد (همان،58). گسسته در برابر پیوسته: تفاوت گسستگی/پیوستگی، در حالت محیط، نحوه مدیریت زمان و ادراک و رفتار عامل بررسی میشود. پردازشگر زبان آلیبانا در مجموعه ۱۰۰۰۰۰ پرسش، نمره ۸۲.۴۴ را در برابر نمره ۸۲.۳۰ انسان دریافت کرد. AGI شامل سیستمی با دانش جامع و قابلیت محاسبات شناختی است به گونه ای که حداقل در آن شرایط عملکرد آن قابل تشخیص از عملکرد یک انسان نیست. امروزه، SEMATECH، یک شرکت کاملاً خصوصی است، که توسط اعضایش تاًسیس شده است، اما کنسرسیوم اصلی، در حال تلاش برای حل مشکلات جدید، مانند ساخت نسل جدید باتریها، درمان سرطان، و احیا و رواج کالای آمریکایی است. عمدتاً واژه فناوری از زمانی بر سر زبانها افتاد که آن را برای حوزه فناوری اطلاعات بهکارگرفتند و از آنجا به حوزههای دیگر رواج دادند.
ارایهی اینترنت ماهوارهای برای تمام نقاط کرهی زمین کار سادهای سایت 1biti نیست. خواهیم بود. مریخ نورد و سفینههایی که در مواقع حساس و اضطراری اقدام به تصمیم گیری به جای انسانها خواهند کرد و ضد ویروسهایی که بدون نیاز به اتصال به اینترنت و دریافت بروزرسانی اقدام به تشخیص ویروسها میکنند. هوش مصنوعی شاخهای از علوم کامپیوتر است که در آن به ساخت ماشینهایی هوشمند پرداخته میشود که مانند انسانها عمل میکنند و واکنش انجام میدهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش میدهد. همچنین برخی از موتورهای جستجوگر مانند گوگل شیوه جستجو نمودن شما را یاد میگیرند و متناسب با آنچه که به دنبال آن میگردید، نتایج را سفارش سازی میکنند.
این ابزار در الکسا (alexa) و گوگل هوم (google home)، از روش پردازش زبان برای عملکردشان استفاده مینمایند. یکی از این موارد همان چیزی است که ریموند کورزویل ، مدیر مهندسی Google ، از آن به عنوان “تکینگی” یاد می کند. محققان در موارد زیادی اختلاف نظر دارند. الگوریتم های احتمال می توانند در موارد زیر به کار گرفته شوند: فیلترینگ، پیش بینی، روان کردن و یافتن توضیحات برای جریان داده ها، کمک به سیستم های درک جهت تحلیل فرآیند هایی که در زمان رخ می دهند (برای مثال مدلهای مارکوف پنهان یا فیلترهای کالمن). این نمونه ها به عنوان مشاهدات یا الگوها شناخته می شوند.