هوش مصنوعی

اولین کامپیوتر ممریستوری برنامه‌پذیر، پردازش هوش مصنوعی فارغ از ابر
28 مهر 1398
اولین کامپیوتر ممریستوری برنامه‌پذیر (و نه صرفا آرایه‌ای از ممریستورها که به‌واسطه کامپیوتر دیگری کار کند) در مقیاس آزمایشگاهی در دانشگاه میشیگان ساخته شد. با کمک کامپیوتر ممریستوری برنامه‌پذیر می‌توان هوش مصنوعی را مستقیما روی ابزارهای کوچک و کم‌مصرف مثل تلفن‌های هوشمند و حسگرها پردازش کرد.
این یادداشت، سومین و احتمالا واپسین یادداشت در مقطع فعلی در مورد تفکر انتقادی است. در نخستین آن‌ها در شماره ۲۱۴ شبکه، شمایی کلی از تفکر انتقادی و مولفه‌های اساسی تشکیل‌دهنده آن، تعریف عملیاتی و ضرورت پرداختن به این مقوله را مورد کنکاش قرار دادم. در دومین یادداشت، در شماره ۲۱۶ شبکه، تعاریفی رسمی‌تر از تفکر و تفکر انتقادی از متفکران این حوزه ارائه دادم و منابعی به زبان فارسی در این زمینه معرفی کردم. در این یادداشت هم تلاش کردم تا به رابط ماشین و هوش مصنوعی با تفکر انسانی و به ویژه تفکر انتقادی نگاهی بیندازم. امیدوارم که طرح این موضوع، آغازی باشد برای دوستانی که کم‌تر با این مقوله آشنا بوده‌اند و انگیزه‌ای باشد برای مطالعات عمیق‌تر در این زمینه.
شماره 220 ماهنامه شبکه با پرونده ویژه هوش مصنوعی منتشر شد
20 شهريور 1398
شماره 220 ماهنامه شبکه با مقدمه‌ای بر مهارت «حل مسئله» که در ادامه مجموعه مقالات مهارت‌های کلیدی عصر حاضر است آغاز می‌شود. در فصل شاهراه اطلاعات با اولین کامپیوتر ممریستوری آشنا می‌شوید. در فصل فناوری شبکه تفاوت سرور مجازی و ابر را بررسی کردیم. در فصل امنیت داستانی برایتان تعریف می‌کنیم از یک روز بد در دنیای دیجیتال و اما در مهمترین بخش این شماره از ماهنامه شبکه نگاهی عمیق داریم بر هوش مصنوعی و تاثیر آن در زندگی سال‌های نه‌چندان دور بشر. پرونده ویژه هوش مصنوعی را از دست ندهید.
تراشه‌های عصبی نوری: کارزار سرمایه‌گذاران
11 شهريور 1398
پژوهش در زمینه شبکه‌های عصبی مصنوعی، سابقه‌ای قدیمی دارد، اما این حوزه در سال‌های اخیر بیش‌ازپیش مورد توجه شرکت‌ها و مؤسسات تحقیقاتی قرار گرفته است. با وجود دستاوردها و پیشرفت‌ها، هنوز یکی از چالش‌های اساسی در این حوزه، مسئله مصرف توان است. پیاده‌سازی شبکه‌های عصبی روی سخت‌افزارهای الکترونیکی امروزی برق بسیار زیادی مصرف می‌کند و این موضوعی است که با پیچیده‌تر شدن شبکه‌های عصبی، بغرنج‌تر هم می‌شود. محققان مدتی است در مورد راهکاری تحقیق می‌کنند که شاید نه تنها حوزه هوش مصنوعی که حوزه پردازش هم دچار تحول اساسی کند و آن، پردازش نوری است. در مقاله پیش رو با نگاهی اجمالی به این موضوع، به برخی از تلاش‌های عملی در این زمینه اشاره‌ای خواهیم کرد. در این بین نکته مهم نگاه تیزبین سرمایه‌گذارانی است که ایده‌های بلندپروازانه‌ای نظیر توسعه تراشه‌های عصبی نوری را به‌خوبی درک می‌کنند و آماده سرمایه‌گذاری‌های پرخطر این چنینی هستند.
مروری بر کتابخانه PyTorch ویژه یادگیری عمیق
04 شهريور 1398
PyTorch، یک کتابخانه متن‌باز یادگیری ماشین برای پایتون براساس Torch است که برای کاربردهایی مانند پردازش زبان طبیعی استفاده می‌‌شود. توسعه‌دهنده اصلی PyTorch گروه پژوهش هوش مصنوعی فیس‌بوک است.
تحولات ناشی از پیشرفت هوش مصنوعی در سال‌های اخیر، تأثیر قابل‌توجهی بر ارتباطات بی‌سیم گذاشته است. تأثیری متقابل که از یک‌سو، امکان استفاده از هوش مصنوعی در لبه شبکه را فراهم کرده و از سوی دیگر، دستگاه‌های مبتنی بر هوش مصنوعی و مدل‌های یادگیری ماشین را قادر ساخته که با در اختیار داشتن حجم عظیمی از داده و توان پردازشی، خود را ارتقا دهند و حتی با دیگر دستگاه‌ها و عامل‌های هوشمند تعامل داشته باشند. در آینده هر وسیله‌ای امکان اتصال به شبکه را داشته و تقریبا همه دستگاه‌ها قادر به جمع‌آوری و تجزیه‌وتحلیل داده‌ها خواهند بود. در چنین دنیایی که دستگاه‌های روی شبکه به‌طور پیوسته در حال جمع‌آوری، آنالیز و مخابره داده هستند، نه‌تنها با یک شبکه مخابراتی بسیار پیش‌رو روبه‌رو هستیم، بلکه با یک شبکه پویا و پیچیده از عامل‌های هوشمندی روبه‌رو خواهیم بود که می‌توانند به‌طور خودمختار عمل کرده و با مدیریت تبادل داده‌ها و نحوه مصرف توان، یک سامانه منسجم پردازشی ـ ارتباطی را تشکیل دهند؛ شبکه‌ای فراتر از آنچه در دوران 5G تجربه خواهیم کرد. ما اکنون در انتظار دوران 6G هستیم.
۱۰ شغلی که هوش مصنوعی تصاحب نخواهد کرد
30 خرداد 1398
کای-فو لی، یکی از صاحبنظران حوزه هوش مصنوعی در کتاب جدیدش با عنوان « ابرقدرت‌های هوش مصنوعی: چین، سیلیکون‌ولی و نظم نوین جهانی» پیش‌بینی کرده، طی پانزده سال آینده هوش مصنوعی و ماشین‌ها، حدود نیمی از موقعیت‌های شغلی را از ما خواهند ربود. حسابداران، کارگران کارخانه‌ها، رانندگان کامیون، دستیاران حقوقی و رادیولوژیست‌ها تنها بخشی از فهرست بلند بالای مشاغلی هستند که مشابه سرنوشتی را تجربه خواهند کرد که انقلاب صنعتی بر سر کشاورزان آورد. با این‌حال او معتقد است، در آینده مشاغلی هم خواهند بود که از دسترس هوش مصنوعی در امان خواهند ماند. مطلبی که می‌خوانید برگرفته از متنی است که او در این زمینه نوشته و 10 شغل را معرفی کرده که طی پانزده سال آینده از دسترس هوش مصنوعی در امان خواهند ماند و همچنان انسان در این موقعیت‌های شغلی حضور خواهد داشت.
استفاده از یادگیری ماشین برای کشف مواد جدید
29 خرداد 1398
بیش از یک دهه پیش «ایچیرو تاکیوچی (Ichiro Takeuchi)، استاد علوم و مهندسی مواد دانشگاه ایالتی مریلند، برای کشف و ساخت مواد مغناطیسی جدید به استفاده از یادگیری ماشین (زیرشاخه‌ای از هوش مصنوعی) روی آورد. در آن سال‌ها، یادگیری ماشین در علم مواد کاربرد گسترده‌ای نداشت اما به‌گفته وی، حالا اوضاع خیلی فرق کرده است. بخشی از محبوبیت فعلی یادگیری ماشین ناشی از انقلابی است که در سال 2012 در عرصه یادگیری عمیق رخ داد. کشف مواد جدید با کمک یادگیری ماشین صرفا یک کار آزمایشگاهی نیست، بلکه روشی است که برای فائق آمدن بر چالش‌های ژئوپلتیکی هم کارایی دارد.
گوگل، گفتار را با صدا و لحن گوینده ترجمه می‌کند
03 خرداد 1398
گوگل با استفاده از شبکه عصبی آموزش دیده، صدا و لحن گوینده را در ترجمه نیز بازنمایی می‌کند. انتقال لحن و صدای گوینده از زبان مبدا به زبان مقصد بر ظرافت ترجمه می‌افزاید و به‌لحاظ نظری از خطاهای ترجمه نیز می‌کاهد زیرا در این روش، مراحل لازم جهت ترجمه، کاهش می‌یابد.
شناسایی حالت‌های حسی با کمک گفتار و تصویر
03 خرداد 1398
ما همیشه از ماشین‌ها برای ساده‌تر شدن کارهای خود استفاده کرده‌ایم. ماشین‌ها در حالت ایده‌آل می‌توانند ساعت‌ها و حتی روزها بدون خستگی و این‌که مرتکب اشتباه شوند، به وظایف خود عمل کنند. بینایی یکی از مهم‌ترین ویژگی‌هایی است که همیشه در پی افزودن آن به ماشین‌های خود بوده‌ایم. ماشین‌هایی که بتوانند ببینند، کاربردهای زیادی دارند؛ از خودران‌ها گرفته تا شناسایی رفتار پرخطر یک راننده.

صفحه‌ها

اشتراک در هوش مصنوعی
پشتیبانی توسط ایران دروپال