هوش مصنوعی

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.
رشته دانشگاهی «رفتارشناسی ماشین»
24 ارديبهشت 1398
محققان می‌خواهند مانند جانورشناسان یا حتی جامعه‌شناسان، سامانه‌های هوشمند را از طریق آزمایشات و مشاهدات تجربی و بدون توجه به ساختار داخلی آن‌ها مورد مطالعه قرار دهند. آن‌ها برای دستیابی به این هدف، یک رشته دانشگاهی جدید نیز پیشنهاد داده‌اند: رفتارشناسی ماشین.
 یادگیری ماشین کوانتومی
18 ارديبهشت 1398
هوش مصنوعی و به‌طور خاص، یادگیری ماشین از یک‌سو و پردازش کوانتومی از سوی دیگر، دو موضوع تحقیقاتی بسیار داغ این روزها هستند. مدتی است که برخی از محققان تلاش می‌کنند با گره زدن این دو حوزه و ترکیب قابلیت‌های آن‌ها، راهکاری جدید برای چالش‌های امروز ارائه دهند: یادگیری ماشین با کمک کامپیوترهای کوانتومی. مزایای این ترکیب هوش مصنوعی و رایانش کوانتومی فراتر از حد تصور است تا حدی که حتی برخی از محققان به‌درستی نمی‌دانند این قابلیت‌ها ما را تا کجا خواهد برد. در مطلب پیش رو با نگاهی کوتاه به این موضوع، به برخی از تلاش‌های صورت گرفته در این حوزه اشاره‌‌ای خواهیم داشت.
سیستمی که امواج مغز را به گفتار تبدیل می‌کند
07 ارديبهشت 1398
دانشمندان دانشگاه کالیفرنیا سان فرانسیسکو با استفاده از الگوریتم آموزش‌پذیر و شبکه عصبی مصنوعی و کار گذاشتن الکترودهایی روی مغز، امواج مغز را به کلام شنیداری تبدیل کردند. این سامانه هوشمند تبدیل امواج مغز به گفتار می‌تواند در آینده برای کسانی که قدرت تکلم خود را از دست داده‌اند، مفید واقع شود.
فریب دادن شبکه‌های عصبی
24 فروردين 1398
مجهز کردن ماشین‌ها به سامانه‌های هوشمند بینایی یکی از اهداف مهم محققان است. معمولا برای اینکه سامانه‌های هوشمند قادر به شناسایی و درک بصری محیط اطراف خود باشند، آن‌ها را با داده‌های تصویری نظیر عکس یا ویدیو آموزش می‌دهیم. اما این نوع آموزش باید با دقت بیشتری انجام شود زیرا سامانه‌های فعلی که با داده‌های متعارف آموزش داده می‌شوند به راحتی فریب می‌خورند. اینکه سامانه هوشمند بینایی قادر به تحلیل صحیح تصاویر نامتعارف باشد کمک زیادی خواهد کرد تا در آینده با اطمینان بیشتری از این سامانه‌ها در ماشین‌های خودکار استفاده کنیم. بنابراین به ماشین بینایی نیاز داریم که بتواند با اطمینان بالا جهان بصری اطراف خود را درک کند و فریب نخورد.
 ساخت نسل بعدی برنامه‌های دات‌نت با اتکا به اینترنت اشیا، هوش مصنوعی، زنجیره بلوکی
18 فروردين 1398
ساخت برنامه‌هایی منطبق با انقلاب صنعتی چهارم، کشف قابلیت‌ها و توانایی‌های هوش مصنوعی و زیرشاخه‌های این فناوری، به‌کارگیری پتانسیل‌های بارز اینترنت اشیا، پیاده‌سازی بستری قدرتمند و ایمن با اتکا بر زنجیره بلوکی و ترکیب این فناوری‌ها با یکدیگر در قالب یک برنامه کاربردی مبتنی بر دات‌نت بدون شک یک پروژه هیجان‌برانگیز برنامه‌نویسی خواهد بود. طراحی و پیاده‌سازی چنین برنامه‌ای به سطح بالایی از هوشمندی، ایمنی و اتصال همیشه پایدار نیاز دارد. اما نگران نباشید، برای تسلط بر این فناوری‌ها نیازی نیست وقت خود را صرف پیدا کردن منابع مختلف کنید. در کتاب «ساخت نسل بعدی برنامه‌های دات‌نت با اتکا به اینترنت اشیا، هوش مصنوعی، زنجیره بلوکی» یاد خواهید گرفت چطور از اینترنت آژر، واسط‌های برنامه‌نویسی شناختی و زنجیره بلوکی در قالب سرویس به‌منظور ساخت برنامه‌هایی بر پایه دات‌نت استفاده کنید.
ورود سامسونگ به عرصه تراشه‌های عصبی
16 فروردين 1398
سال ۲۰۱۸ سال معرفی پردازنده‌های اختصاصی هوش مصنوعی برای پلتفرم‌های موبایل بود و شرکت‌هایی نظیر اپل و هواوی، تراشه‌های موبایل مجهز به واحد عصبی ارائه کردند. شرکت سامسونگ هم با معرفی اگزینوس 9820 در اواخر سال و افزودن یک واحد پردازش عصبی‌ ( NPU ) به پردازنده موبایلش، هیزمی بر آتش این رقابت افکند و بازار حدس و گمان‌‌ در مورد پرچم‌دار بعدی این شرکت را داغ‌تر کرد. از جمله پرسش‌هایی که پس از این معرفی به ذهن می‌رسد این است: آیا این پردازنده جدید، از نظر هوش مصنوعی نسبت به تراشه‌های رقیب برتری دارد یا خیر؟ اگرچه هنوز محصولی مبتنی بر این نسخه جدید اگزینوس به بازار نیامده است، اما معرفی این پردازنده فرصتی شد تا به برخی از تلاش‌ها و سرمایه‌گذاری‌های سامسونگ در حوزه هوش مصنوعی اشاره‌ای کنیم و آماده شویم برای عرضه گوشی S10 سامسونگ که انتظار می‌رود مجهز به اگزینوس 9820 باشد.

صفحه‌ها

اشتراک در هوش مصنوعی