یادگیری ماشین

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.
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.
حمله تصویری به سامانه‌های هوشمند پزشکی
21 خرداد 1398
کمک ماشین‌ها به بهتر دیدن ما، از نتایج مهم استفاده از روش‌های پردازش تصویر و یادگیری ماشین در دنیای جدید است. تقویت آنچه می‌بینیم کمک بزرگی در زندگی روزمره ما خواهد بود. به‌طور مثال ماشین‌های بینایی که در پزشکی استفاده می‌شوند، هنوز قابل‌اعتماد نیستند و به‌راحتی فریب می‌خورند. آثار چنین ایرادی هم می‌تواند به قیمت جان انسان‌ها تمام شود و در خوش‌بینانه‌ترین حالت، ضرر مالی به‌ آن‌ها بزند
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.
یادگیری ماشین و عسل تقلبی
02 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. یکی از این کاربردها یافتن عسل تقلبی است!
 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.
 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.
پخش زنده‌ای که دردسرساز شد
26 اسفند 1397
انتشار ویدیویی از تیراندازی و کشتار نیوزلند، به یک دردسر اساسی برای فیس‌بوک و یوتیوب تبدیل شده است. سرعت انتشار ویدیو به حدی زیاد بود که فیس‌بوک، یوتیوب و سایر پلتفرم‌ها برای حذف ویدیو و جلوگیری از انتشار آن با مشکل مواجه شدند. شاید این برای نخستین بار است که یک مهاجم از پخش زنده برای نمایش جنایت خود در این وسعت استفاده می‌کند و همین پخش زنده، سبب شده سامانه‌های هوشمند مدیریت محتوا، ساعات دشواری را سپری کنند. اگرچه پخش زنده ویدیو بر روی فیس‌بوک متوقف شد، اما مهاجم موفق شد حدود هفده دقیقه از عملیات خود را بطور زنده برای کاربران پخش کند. نسخه‌های مختلفی از ویدیو علاوه بر فیس‌بوک بر روی پلتفرم‌هایی نظیر یوتیوب، توییتر، اینستاگرام و ردیت منتشر و حتی در بخش‌های خبری هم پخش شدند.
پایتون برای انجام چه کارهایی عالی، چه کارهایی خوب و چه کارهایی بد است!؟
17 اسفند 1397
پایتون یکی از معدود زبان‌های برنامه‌نویسی پرفروغ و محبوب جهان است. تا به امروز رقبای مختلفی برای این زبان پیدا شده‌اند که هنوز هیچ‌یک از آن‌ها موفق نشده‌اند پایتون را با چالش جدی روبه‌رو کنند. برنامه‌نویسان مسلط به پایتون می‌توانند در حوزه‌های هوش مصنوعی (یادگیری ماشین و شبکه‌های عمیق عصبی)، برنامه‌نویسی وب و علم داده‌ها، داده‌کاوی، برنامه‌نویسی‌ دسکتاپ (زیاد توصیه نمی‌شود) و..... برنامه‌های کاربردی قدرتمندی ایجاد کرده و بدون مشکل خاصی برای آگهی‌های شغلی مرتبط درخواست بدهند. در خوب بودن پایتون شکی نیست و به‌عنوان یک توسعه‌دهنده برنامه‌های کاربردی می‌توانید برای کارهای مختلفی از پایتون استفاده کنید، اما برنامه‌نویسان و توسعه‌دهندگانی که تازه به دنیای برنامه‌نویسی پایتون وارد شده‌اند، این پرسش برایشان ایجاد شده که دقیقا با پایتون چه کاری می‌توان انجام داد؟ پایتون از عهده انجام چه کارهایی بر می‌آید؟ چگونه می‌توان از پایتون استفاده کرد؟ آیا پایتون این ارزش را دارد که وقت خود را صرف یادگیری آن کنید؟ هرگاه تصمیم می‌گیرید یک‌زبان برنامه‌نویسی همچون پایتون را یاد بگیرید، پرسش‌هایی این‌چنینی به ذهن شما خطور می‌کند. توسعه‌دهندگان پایتون در پاسخ به این پرسش‌ها می‌گویند: «با یادگیری پایتون می‌توان برنامه‌های کاربردی متعددی ایجاد کرد. پایتون در سه حوزه‌ توسعه برنامه‌های کاربردی تحت‌وب، علم داده‌ها (یادگیری ماشین، تحلیل داده‌ها و تجسم‌سازی داده‌ها) و اسکریپت‌نویسی عملکردی ایده‌آل دارد.» که در این مقاله درباره هر یک از این حوزه‌ها توضیح کوتاهی ارائه خواهیم کرد.
قدرت ترکیبی هوش مصنوعی و نسل پنجم شبکه‌های سیار (5G) فراتر از حد تصور است
24 بهمن 1397
نسل پنجم شبکه‌های سیار (5G)، پهنای باند بالا، تأخیر اندک و امکان اتصال دستگاه‌های بیشتری را فراهم خواهد کرد. شاید در نگاه نخست، این ویژگی‌ها برای یک شبکه سیار بسیار چشمگیر و مفید به نظر می‌رسند، اما همین ویژگی‌ها، اپراتورها و شرکت‌های مخابراتی را با چالش‌های جدی روبه‌رو خواهند کرد. مدیریت این شبکه‌، پیشگیری از بروز خطا و به حداقل رساندن تأخیر، از جمله چالش‌هایی است که این نسل جدید با خود به همراه خواهد آورد. متخصصان، استفاده از هوش مصنوعی و یادگیری ماشینی را راهکاری مناسب برای برطرف کردن این چالش‌ها می‌دانند و هم‌اکنون، شرکت‌های معتبری در دنیا روی استفاده از این راهکارها در شبکه‌های مخابراتی آینده و از جمله 5G کار می‌کنند؛ راهکارهایی که امکان مدیریت و خدمت‌رسانی خودکار را فراهم کرده و تا جای ممکن، خطاهای انسانی را کاهش می‌دهند.

صفحه‌ها

اشتراک در یادگیری ماشین