یادگیری ماشین

پیاده‌سازی مدل‌های هوشمند با هدف مقابله با بیماری‌های فراگیر در آینده
21 مرداد 1399
در شش ماهه نخست سال میلادی، جهان با شیوع اپیدمی کووید 19 روبرو بود و تازه‌ترین اخبار سازمان بهداشت جهانی اعلام می‌دارد، حتا پس از شناسایی داروی کووید 19، بازهم ویروس کرونا وجود خواهد داشت. مارک رایان مدیر اجرایی فوریت‌های بهداشتی سازمان بهداشت جهانی روز چهارشنبه 24 اردیبهشت ماه در کنفرانس مطبوعاتی گفت: «هیچ متخصصی نمی‌تواند زمان از بین رفتن این بیماری و این‌که آیا کووید 19 به‌طور کامل ناپدید خواهد شد یا همچنان وجود خواهد داشت را پیش‌بینی کند. اگر دارویی کارآمد برای مقابله با کووید 19 پیدا کنیم و بتوانیم داروی فوق را به ‌دست تمام مردم برسانیم، بارقه‌هایی از امید وجود خواهد داشت.»
چگونه با کمک یادگیری ماشین  به جنگ کووید 19 برویم
12 مرداد 1399
همه گیری‌های ویروسی یک تهديد جدی است، با این حال مهم است به این نکته دقت کنیم که کووید 19 اولین و آخرین مورد نخواهد بود. تاثیر مخرب کووید 19 بر اقتصاد جهانی باعث شد در رویکردی جدید کشورهای مختلف دانسته‌های خود در مورد این ویروس را با یکدیگر به‌اشتراک قرار دهند. صدها گروه تحقيقاتی در گوشه و کنار جهان داده‌ها و راهکارهای ابداعی خود را با یکدیگر به‌اشتراک می‌گذارند تا سریع‌تر و دقیق‌تر به نتیجه برسند. جمع‌آوری اطلاعاتی هر چند مختصر و به‌اشتراک‌گذاری نتایج تحقيقات نه تنها به خاتمه هرچه سریع‌تر شیوع این بیماری کمک می‌کند، بلکه ما را برای رویارویی با همه‌گیری بعدی آماده‌تر می‌کند. در ادامه بررسی خواهیم کرد که چگونه یادگیری ماشین در این راه به ما کمک می‌کند.
قدرت‌نمایی هوش مصنوعی در دنیای داروسازی
04 مرداد 1399
الگوریتم‌های هوشمند با شناسایی ترکیبات دارویی مختلف، شناسایی عوارض جانبی دارو‌ها (عوارض جانبی مصرف چند دارو با یکدیگر) و پیدا کردن الگوهای ناپیدای درون ساختار ویروس‌ها به محققان و پزشکان کمک می‌کنند فرآیند ساخت داروها و واکسن‌ها که ممکن است ماه‌ها یا سال‌ها زمان ببرد را کوتاه‌تر کرده و هزینه تولید داروها را کاهش دهند. در این مطلب به‌طور اجمالی دو دستاورد یادگیری ماشین در شناسایی نوع جدیدی از آنتی‌بیوتیک‌های کارآمد و نخستین واکسن طراحی شده با هوش مصنوعی را بررسی خواهیم کرد.
هوش مصنوعی و موضوعات زیر مجموعه این فناوری بازار بسیار داغی دارند و اغلب توسعهدهندگان دوست دارند در این مسیر گام بدارند. پایتون اصلیترین انتخاب در این زمینه است که به افراد علاقهمند به مبحث یادگیری ماشین اجازه میدهد کدهای خود را به سادهترین شکل نوشته و از مزایای بالقوه این زبان همچون خوانایی و کوتاه بودن دستورات استفاده کنند. امروزه شرکتها، سازمانها و حتا مراکز آموزشی به دنبال جذب افرادی مسلط به برنامهنویسی یادگیری ماشین به زبان پایتون هستند. در این مقاله با ده کتاب آموزشی ارزشمند آشنا میشوید که اجازه میدهند یادگیری ماشین را با زبان پایتون یاد بگیرد.
6 زبان‌ برنامه‌نویسی قدرتمند برای پروژه‌های هوش مصنوعی و یادگیری ماشین
21 بهمن 1398
هوش مصنوعی مجموعه‌ای کم‌نظیر از قابلیت‌ها و توانمندی‌ها را در اختیار توسعه‌دهندگان برنامه‌های کاربردی قرار می‌دهد. توسعه‌دهندگان می‌توانند از مزایای یادگیری ماشین یا یادگیری عمیق برای ساخت مکانیزم‌های جست‌وجوی هوشمندانه، ساخت پروفایل‌های کاربری سفارشی، پیاده‌سازی فرامین صوتی در برنامه‌های کاربردی یا تعامل با دستیاران هوشمند در برنامه‌های خود استفاده کنند و به این ترتیب عملکردهای برنامه کاربردی خود را بهبود بخشند. توسعه‌دهندگان می‌توانند از قابلیت‌های یادگیری ماشین در نرم‌افزارهای کاربردی به شکلی استفاده کنند تا برنامه‌ها ببینند، بشنوند و از خود واکنش‌های هوشمندانه نشان دهند. با گسترش فناوری‌هایی همچون یادگیری ماشین و حضور ملموس آن‌ها در زندگی بشر برخی مهارت‌های برنامه‌نویسان نظیر تبحر در حل مسائل، درک چگونگی کارکرد سامانه‌های فنی و بهینه‌سازی آن‌ها اهمیت بیشتری پیدا می‌کند.
پیوند کامپیوتر و مغز انسان
09 بهمن 1398
هوش مصنوعی به دنیای برنامه‌نویسی، الگوریتم‌های هوشمند یا داده‌کاوی در وب محدود نمی‌شود. شرکت‌های مختلفی در سراسر جهان قصد دارند، هوش مصنوعی را با هوش زیستی ترکیب کنند و ابرانسانی هوشمند طراحی کنند. ایلان ماسک از معروف‌ترین کارآفرینان دنیای فناوری است که سرمایه‌گذاری‌های کلانی در این زمینه انجام داده است. به نظر می‌رسد، ایده‌های او بیش از آن‌که یک خیال‌پردازی باشند، یک ایده عملی و واقعی هستند.
اگر فیلم تائو (Tau) به کارگردانی فدریکو آلساندرو محصول 2018 را دیده باشید، با من هم عقیده هستید که امروزه بسیاری از مفاهیم این فیلم در دنیای ما رنگ واقعیت به خود گرفته‌اند. پهپادهای هوشمندی که مسئولیت نظارت بر محوطه درونی ساختمان را عهده‌دار بودند توسط هوش مصنوعی کنترل می‌شدند و این هوش مصنوعی بود که همه مسائل امنیتی را زیر نظر قرار داده بود. جالب است مشابه یک چنین رویکردی در دنیای واقعی ما وجود دارد.
شناسایی چهره و اشیاء کاربردی که شاید سال‌ها پیش فقط در داستان‌های علمی تخیلی می‌شد در موردش صحبت کرد، حالا به یکی از حوزه‌های در دسترس عموم تبدیل شده است. چنین روشی دیگر به شناسایی تبهکاران در تصاویر دوربین‌های مداربسته محدود نیست، بلکه از دوچرخه و عابرپیاده گرفته تا بینی‌سگ را می‌توان با روش‌های یادگیری ماشین و پردازش تصویر، شناسایی و دسته‌بندی کرد.
یادگیری و خودسازمان‌یابی مغز، الگوهایی برای ساخت کامپیوترهای  آینده
08 آذر 1398
تولید پردازنده‌های کامپیوتری با رویکرد فعلی نمی‌تواند مدت زیادی ادامه یابد و این موضوع سبب شده تا گونار توفتی، استاد فناوری‌‌های رایانه‌ دانشگاه علم و فناوری نروژ، برای ساخت رایانه‌ها روش کاملا جدیدی پیشنهاد ‌دهد؛ روشی که از مغز انسان و البته نانوفناوری الگو می‌گیرد.
سال‌های متمادی است که شبکه‌های عصبی با حجم بسیار عظیمی از اطلاعات تغذیه می‌شوند تا یاد بگیرند شبیه به انسان‌ها فکر کنند، اما علیرغم تمامی تلاش‌ها هوش مصنوعی هنوز هم هیچ درک عامی ندارند. آیا دانشمندان و متخصصان هوش مصنوعی در مسیر اشتباهی گام بر می‌دارند؟
TensorFlow چیست و چگونه کار می‌کند؟
06 آبان 1398
یادگیری ماشین یکی از مباحث سنگین و پیچیده دنیای هوش مصنوعی است، اما به لطف چهارچوب‌های غنی و قدرتمندی که تولید شده پیاده‌سازی مدل‌های یادگیری ماشین به مراتب ساده‌تر از گذشته شده‌اند. چهارچوب‌هایی شبیه به تنسورفلو (TensorFlow) روند دستیابی به داده‌ها، مدل‌های آموزشی، ارائه پیش‌بینی‌ها و پالایش نتایج را سهولت بخشیده‌اند.
کامپیوتر ممریستوری برنامه‌پذیر: پردازش هوش مصنوعی بی‌نیاز از ابر
28 شهريور 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. با وجود پردازنده هوش مصنوعی روی تلفن هوشمند، دیگر لازم نیست که مثلا دستورهای صوتی کاربر، پیش از اجرا ابتدا به سرورهای ابری شرکت ارسال شود و لذا زمان پاسخگویی به درخواست‌های کاربر کاهش می‌یابد.
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.
آشنایی با الگوریتم‌های مطرح و پرکاربرد یادگیری ماشین
30 مرداد 1398
یادگیری ماشین شاخه‌ای از فناوری هوش مصنوعی است که از شیوه‌ها یا الگوريتم‌های خاص برای ساخت خودکار مدل‌هایی از داده استفاده می‌کند. برخلاف یک سیستم معمولی که با پیروی از قوانین مشخص یک وظیفه را انجام می‌دهد، یک سیستم یادگیری ماشین از طریق تجربه کردن وظایف خود را یاد می‌گیرد. در حالی که یک سیستم مبتنی بر قانون هر بار یک وظیفه را به روشی یکسان (چه خوب، چه بد) انجام می‌دهد، وضعیت عملکرد یک سیستم یادگیری ماشین از طریق یادگیری و تمرین از طریق الگوريتم‌های داده کاوی بهبود پیدا می‌کند. الگوريتم‌های یادگیری ماشین با فراگيری از داده‌هایی که دریافت می‌کنند می‌توانند مسائلی را حل کنند که بسیار پیچیده‌تر از آن است که بتوان آن را با برنامه‌نویسی معمولی حل کرد.
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.

صفحه‌ها

اشتراک در یادگیری ماشین
توسعه و پشتیبانی توسط : ایران دروپال
پشتیبانی توسط ایران دروپال