هوش مصنوعی: کاربرد و جدیدترین اخبار / رشته و شاخه های هوش مصنوعی

علمی و تکنولوژی ۰۹ فروردین ۱۳۹۹ بدون دیدگاه

هوش مصنوعی: کاربرد و جدیدترین اخبار مربوط به هوش مصنوعی + عکس / رشته و شاخه های هوش مصنوعی

هوش مصنوعی : در این مطلب از بخش اخبار علمی و تکنولوژی به هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, آموزش هوش مصنوعی, رشته هوش مصنوعی می پردازیم.

این مطلب با جدیدترین اخبار مربوط به هوش مصنوعی به روز می شود.

با ما همراه باشید.

هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, هوش مصنوعی pdf, آموزش هوش مصنوعی, رشته هوش مصنوعی

هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, هوش مصنوعی pdf, آموزش هوش مصنوعی, رشته هوش مصنوعی

برای دسترسی سریع به محتوای متن از لینکهای زیر استفاده کنید:


اخبار جدید هوش مصنوعی:


تفکیک زباله‌ها با استفاده از هوش مصنوعی

۱۳۹۸/۱۲/۱۰

این ربات هوشمند با استفاده از یادگیری عمیق و هوش مصنوعی کم کم تفکیک درست زباله هارا برای بازیافت یاد می‌گیرید و این کار را بهتر از هر نیروی انسانی دیگری انجام می‌دهد.

تفکیک زباله با هوش مصنوعی

تفکیک زباله با هوش مصنوعی


نخستین رستوران کاملا رباتیک و مبتنی بر هوش مصنوعی

۱۳۹۸/۱۱/۱۶

یک شرکت هلدینگ در چین با سرمایه ۲۹ میلیون دلاری، توانست رستوران کاملاً رباتیک و مبتنی بر هوش مصنوعی را افتتاح کند.

پیشخدمت‌های ربات در ورودی از مشتریان استقبال می‌کنند؛ آنها با استفاده از سیستم هوش مصنوعی، مشتریان را به سمت صندلی‌های خود راهنمایی می‌کنند، غذای ویژه روز را توصیه می‌کنند و سفارش می‌گیرند. / فارس


«هوش مصنوعی» از ابتلا به کرونا جلوگیری می‌کند

۱۳۹۸/۱۱/۱۶

در روزهای اخیر، بسیاری از شهروندان در استان فوجیان چین چندین تماس دریافت کردند که همه آنها توسط ربات‌های مبتنی بر هوش مصنوعی صورت گرفته است.

این ربات‌ها در تلاش هستند تا با پرسش و پاسخ از افراد عادی به پیشگیری و کاهش شمار مبتلایان به ویروس کرونا کمک کنند.


جایگاه نخست تولیدات علم هوش مصنوعی در خاورمیانه به ایران تعلق گرفت

۱۳۹۸/۸/۱۸

بر اساس آخرین رده بندی نظام رتبه بندی سایمگو در سال ۲۰۱۸، جمهوری اسلامی ایران ، مقام نخست تولیدات علمی در رشته هوش مصنوعی در سطح کشور های آسیای غربی و رتبه نهم در سطح جهان را کسب کرده است/علم و فناوری


ایران جزء کشورهای قدرتمند در هوش مصنوعی

۱۳۹۸/۶/۳

دبیر ستاد توسعه علوم و فناوریهای شناحتی با تاکید بر اینکه هوش مصنوعی نقاط قوت و ضعفی در کشور برای توسعه دارد، گفت: ایران جزء کشورهای قدرتمند در هوش مصنوعی است.


سگ رباتیکی که به دستورات صوتی واکنش نشان می دهد

محققان سگ رباتیکی ابداع کرده اند که به دستورات صوتی ساده واکنش نشان می دهد و در آینده می تواند زبان های مختلف را شناسایی کند. این ربات مجهز به هوش مصنوعی است.

هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, هوش مصنوعی pdf, آموزش هوش مصنوعی, رشته هوش مصنوعی

سگ رباتیک مجهز به هوش مصنوعی / هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, رشته هوش مصنوعی


استفاده فیسبوک از هوش مصنوعی برای نقشه‌ برداری بهتر جاده‌ ها

فیسبوک به حل این مشکل در نقشه‌برداری کمک کرده و یک سیستم هوش مصنوعی ساخته که فرآیند نقشه برداری جاده‌ای در سراسر جهان را تسهیل می‌کند.

هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, رشته هوش مصنوعی

استفاده فیسبوک از هوش مصنوعی / هوش مصنوعی, شاخه های هوش مصنوعی, کاربرد هوش مصنوعی, اخبار جدید هوش مصنوعی, رشته هوش مصنوعی


دانشمندان بدون استفاده از کامپیوتر و الکتریسیته هوش مصنوعی‌ ساختند

در مقاله این پژوهش که در مجله Photonics Research به چاپ رسیده است، محققان توضیح می‌دهند که آنها چگونه یک لایه شیشه هوشمند طراحی کرده‌اند که می‌تواند حروف دست‌نوشته‌ها را تشخیص دهد. برای دستیابی به این ویژگی آنها شروع به قرار دادن اشکال و اندازه‌های مختلف حباب‌های هوا درون شیشه شدند./علم‌وفناوری


رویای جدید ایلان ماسک باهمکاری تسلا

اتصال مغز انسان به کامپیوتر؛ پروژه جدید ایلان ماسک

“ایلان ماسک” بنیانگذار و مدیرعامل شرکت “تسلا” در آمریکا از سال آینده پروژه‌ای را برای اتصال مغز انسان به کامپیوتر به منظور ایجاد «همزیستی با هوش مصنوعی» کلید خواهد زد.


اپل به فناوری ساخت خودروی خودران دست یافت

اپل با به کارگیری ده‌ها مهندس و طراح خودرو در حال توسعه شرکت خود به سوی ساخت و تولید خودروهای خودران است.

اپل سیستم نرم افزاری مستقلی بدین منظور طراحی کرده و در حال حاضر این شرکت بر روی هوش مصنوعی تمرکز کرده تا خودروی خودران متفاوت عرضه کند


ایران رتبه ۱۵ هوش مصنوعی در دنیا را دارد

مشاور عالی ستاد فناوری و علوم شناختی در مجله صبحگاهی «طلوع» که از شبکه چهار سیما پخش می‌شود، رتبه ۱۵ ایران در زمینه هوش مصنوعی در دنیا را یادآور شد و توضیح داد: کشورمان در منطقه خاورمیانه با ترکیه رقابت می‌کند و در اکثر حوزه‌های علوم شناختی همچون هوش مصنوعی، زبان شناسی شناختی، علوم شناختی و علوم اعصاب شناختی از ترکیه پیشی گرفته است./ایسنا


شاخه های هوش مصنوعی

هوش مصنوعی

هوش مصنوعی (Artificial Intelligence) یا AI فناوری و شاخه‌ای در علوم کامپیوتر است که به مطالعه و توسعه نرم‌افزار و دستگاه‌های هوشمند می‌پردازد. کتب و محققان برجسته هوش مصنوعی، این رشته را با عبارت «مطالعه و طراحی عناصر هوشمند» توصیف می‌کنند که در آن یک عنصر یا عامل هوشمند سیستمی است که محیط را درک کرده و اقداماتی را برای حداکثر کردن احتمال موفقیت خود انجام می‌دهد. جان مک‌کارتی، مبدع این عبارت در سال ۱۹۵۵ آن را به شکل «علم و مهندسی ساخت دستگاه‌های هوشمند» تعریف کرده است.
تحقیقات هوش مصنوعی همچنین برحسب برخی مسائل فنی نیز تقسیم‌بندی می‌شود. این زیرمجموعه بر حل مسائل خاص، بر یکی از چند روش ممکن، بر استفاده از ابزارهای کاملا متفاوت، یا بر رسیدن به کاربردهای خاص متمرکز بوده‌اند.
مسائل (یا اهداف) اصلی در تحقیقات هوش مصنوعی به منطق، دانش، طراحی، یادگیری، ارتباطات، درک و توانایی حرکت دادن یا استفاده از اشیا مربوط می‌شود. هوش عمومی (یا هوش مصنوعی قوی) هنوز یکی از اهداف بلندمدت است. روش‌هایی که در حال حاضر محبوبیت دارند، عبارتند از روش‌های آماری، هوش محاسباتی و هوش مصنوعی سمبولیک سنتی. در هوش مصنوعی از ابزارهای متنوعی استفاده شده که شامل نسخه‌هایی از بهینه‌سازی تحقیق و ریاضیات، منطق، روش‌های مبتنی بر احتمالات و اقتصاد و بسیاری موارد دیگر می‌شود. این رشته مبتنی بر این ادعاست که توانایی اصلی انسان، هوش را می‌توان به گونه‌ای دقیق توصیف کرد که دستگاه‌ها هم قادر به شبیه‌سازی آن باشند. این ادعا مسائل فلسفی را درباره ماهیت ذهن و مشکل اخلاقی خلق موجودات مصنوعی دوباره زنده می‌کند که از دیرباز در اسطوره‌ها، افسانه‌ها و فلسفه به آنها پرداخته شده است. هوش مصنوعی همواره با خوش‌بینی همراه بوده اما شکست‌هایی را نیز تجربه کرده است. امروزه هوش مصنوعی به بخشی ضروری از صنعت فناوری و بسیاری از دشوارترین مسائل علوم کامپیوتر تبدیل شده است.

طبقه‌بندی هوش مصنوعی
یادگیری ماشین

یادگیری ماشین (Machine Learning) شاخه‌ای از هوش مصنوعی است که به مطالعه و ساخت سیستم‌هایی با قابلیت یادگیری از داده‌ها می‌پردازد. به طور مثال، به کمک سیستم یادگیری ماشین می‌توان یک سیستم مدیریت ایمیل را آموزش داد تا پیام‌های هرزنامه را از دیگر پیام‌ها تشخیص دهد. این سیستم پس از یادگیری می‌تواند به دسته‌بندی ایمیل‌های جدید به هرزنامه و غیر آن بپردازد.
مساله اصلی در یادگیری ماشین، عرضه و کلی‌سازی است. عرضه نمونه‌های داده‌ای و توابعی که بر اساس این نمونه‌ها ارزیابی می‌شوند، همگی بخشی از سیستم‌های یادگیری ماشین هستند. کلی‌سازی به معنی این قابلیت است که سیستم روی نمونه‌های داده‌ای نادیده نیز به خوبی عمل خواهد کرد. شرایطی که تحت آنها بتوان این مساله را تضمین کرد، از موضوعات اصلی مطالعه در زیرمجموعه نظریه یادگیری محاسباتی است.
انواع گسترده ای از فعالیت‌ها و کاربردهای موفق یادگیری ماشین وجود دارد. تشخیص اپتیکال کاراکتر که در آن کاراکترهای چاپی به صورت خودکار و بر اساس نمونه‌های قبلی شناخته می‌شوند، مثالی سنتی از یادگیری دستگاه است.

همچنین بخوانید:  درخت مصنوعی که می تواند هوا را به اندازه یک جنگل تصفیه کند

بینایی ماشین

بینایی ماشین (Machine Vision) فناوری و روش‌های مورد استفاده برای بهبود شناسایی و تحلیل خودکار مبتنی بر تصویر در کاربردهایی مانند بازرسی خودکار، کنترل روند و هدایت روبات در صنعت است. حوزه بینایی ماشین بسیار گسترده است. کاربرد اصلی بینایی ماشین در بازرسی خودکار و هدایت روبات‌های صنعتی است، همچنین برخی کاربردهای رایج بینایی ماشین در تضمین کیفیت، دسته‌بندی، کار با مواد، هدایت روبات‌ها و اندازه‌گیری نوری است.
روش‌های بینایی ماشین به دو صورت تعریف می‌شوند، تعریف و ایجاد یک برنامه بینایی ماشین و نیز روندی فنی که در جریان اجرای این برنامه اتفاق می‌افتد. در اینجا به مورد دوم می‌پردازیم. این مساله شامل رابط‌های کاربری، رابط‌های ادغام سیستم‌های چندبخشی و تبادل داده اتوماتیک می‌شود. به هر حال، اولین قدم در جریان اجرای بینایی ماشین، گرفتن یک تصویر است که معمولا با استفاده از دوربین، لنز و نورپردازی انجام می‌شود و باید وضوح مورد نیاز در پردازش‌های بعدی در طراحی آن لحاظ شده باشد. سپس بسته نرم‌افزاری بینایی ماشین از تکنیک‌های مختلف پردازش تصویر دیجیتال استفاده کرده و اطلاعات مورد نیاز را استخراج و معمولا بر اساس اطلاعات استخراج‌شده تصمیم‌گیری (معمولا تایید/رد) می‌کند.

پردازش زبان طبیعی

پردازش زبان طبیعی (Natural Language Processing) یکی از حوزه‌های علوم کامپیوتر، هوش مصنوعی و زبانشناسی است که به تعامل کامپیوتر و زیان انسان (طبیعی) می‌پردازد. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان-کامپیوتر مربوط می‌شود. بسیاری از چالش‌های پردازش زبان طبیعی به درک زبان طبیعی مربوط می‌شود – یعنی ایجاد توانایی در کامپیوتر برای استخراج مفهوم ورودی زیان انسانی یا طبیعی.
با وجود فعالیت‌های قدیمی‌تر، تاریخچه پردازش زبان طبیعی عموما در دهه ۱۹۵۰ آغاز شد. در سال ۱۹۵۰ آلن تورینگ مقاله‌ای را با عنوان «هوش و دستگاه محاسباتی» منتشر و در آن، آنچه را امروز به تست تورینگ موسوم است، به عنوان ابزاری برای هوش معرفی کرده بود.

روباتیک

روباتیک شاخه‌ای از فناوری است که به طراحی، ساخت، عملیات و کاربرد روبات‌ها و سیستم‌های کامپیوتری برای کنترل، فیدبک حسگرها و پردازش اطلاعات می‌پردازد. این فناوری‌ها با دستگاه‌های خودکاری سر و کار دارند که می‌توانند جانشین انسان در محیط‌ها یا روندهای تولیدی خطرناک‌ شوند یا ظاهر، رفتار و درک انسانی را شبیه‌سازی کنند. بسیاری از روبات‌های امروزی از طبیعت الهام گرفته‌اند که به شاخه روباتیک ملهم از بیولوژی مربوط می‌شوند. مفهوم ایجاد ماشین‌هایی که بتوانند خودکار کار کنند، به زمان‌های دور برمی‌گردد اما تحقیق روی عملیاتی کردن و کاربردهای احتمالی روبات‌ها از قرن بیستم آغاز شد. در طول تاریخ، روبات‌ها به تقلید رفتار انسانی شناخته شده و توانسته‌اند کارهای مشابهی نیز انجام دهند. امروزه و با پیشرفت فناوری، رشته روباتیک با سرعت زیادی در حال پیشرفت است. تحقیق، طراحی و ساخت روبات‌های جدید با اهداف کاربردی متفاوت عمومی، تجاری یا نظامی انجام شده است. بسیاری از روبات‌ها کارهایی را انجام می‌دهند که برای انسان خطرناک است؛ مانند خنثی‌سازی بمب و مین و بازرسی لاشه کشتی.

سیستم‌های خبره

در هوش مصنوعی، یک سیستم خبره (Expert System) یک سیستم کامپیوتری است که توانایی تصمیم‌سازی یک انسان خبره را شبیه‌سازی می‌کند. سیستم‌های خبره برای حل مشکلات پیچیده از طریق استنتاج در دانش خبرگی همانند یک انسان خبره است نه پیروی از دستورالعمل‌های برنامه‌نویس، آن‌طور که در برنامه‌های معمولی است. اولین سیستم‌های خبره در دهه ۱۹۷۰ ایجاد شدند و در دهه ۱۹۸۰ توسعه یافتند. سیستم‌های خبره از اولین اشکال واقعا موفق نرم‌افزارهای هوش مصنوعی بودند.
سیستم خبره یک ساختار خاص، متفاوت از برنامه‌های کامپیوتری متداول است و به دو بخش تقسیم می‌شود؛ یک بخش ثابت، مستقل از سیستم خبره: موتور استنتاج و یک بخش متغیر: پایگاه دانش. در اجرای سیستم خبره، موتور همانند یک انسان بر اساس پایگاه دانش، استدلال می‌کند. در دهه ۸۰ بخش سومی هم ظاهر شد: رابط مکالمه برای ارتباط با کاربران. این توانایی برای مکالمه با کاربران بعدها به مکالمه‌ای شهرت یافت.

شبکه عصبی

شبکه عصبی (Neural Networks) مصنوعی گروهی از گره‌ها (نودها)ی به هم پیوسته، همانند شبکه عصبی گسترده در مغز است. در اینجا هر کدام از نودهای دایره‌شکل نشان‌دهنده یک عصب مصنوعی و فلش‌ها نشانگر اتصال از خروجی یک عصب به ورودی عصب دیگر هستند.
در علوم کامپیوتر و رشته‌های مربوطه، شبکه‌های عصبی مصنوعی مدل‌هایی الهام‌گرفته شده از سیستم عصبی مرکزی حیوانات (به ویژه مغز) هستند که توانایی یادگیری دستگاه و تشخیص الگو را دارند. این شبکه‌ها معمولا سیستمی از عصب‌های به هم پیوسته‌اند که می‌توانند مقادیر ورودی را با تزریق اطلاعات در شبکه محاسبه کنند.
به طور مثال در شبکه عصبی تشخیص دست‌خط، مجموعه‌ای از عصب‌های ورودی با پیکسل‌های تصویر ورودی فعال می‌شوند که نماینده یک حرف یا عدد است. فعال شدن این عصب‌ها بر اساس تابعی که توسط طراح شبکه تعیین شده، به دیگر عصب‌ها منتقل، ارزیابی یا تغییر داده می‌شود تا نهایتا عصب خروجی فعال شود و تعیین کند چه کاراکتری خوانده شده است.
همانند دیگر روش‌های یادگیری ماشین، شبکه‌های عصبی هم در انواع فعالیت‌هایی استفاده می‌شوند که انجام آنها با برنامه‌نویسی قراردادی معمولی دشوار است؛ از جمله بینایی ماشین و تشخیص صحبت.

الگوریتم ژنتیک

در شاخه هوش مصنوعی از رشته علوم کامپیوتر، یک الگوریتم ژنتیک (Genetic Algorithm) یک جست‌وجوی مکاشفه‌ای است که روند انتخاب طبیعی را شبیه‌سازی می‌کند. این کاشف (که گاهی متامکاشفه نیز نامیده می‌شود)، به صورت معمول برای ایجاد راه‌حل‌های مفید در مسائل بهینه‌سازی و جست‌وجو استفاده می‌شود. الگوریتم‌های ژنتیکی به طبقه‌ای بزرگ‌تر از الگوریتم‌های تکاملی (Evolutionary Algorithm) تعلق دارند که با استفاده از تکنیک‌های الهام‌گرفته از تکامل طبیعی، مانند ارث‌بری، جهش، انتخاب و عبور، راه‌حل‌هایی را برای مسائل بهینه‌سازی تولید می‌کنند.
الگوریتم‌های ژنتیکی در بیوانفورماتیک، فیلوژنتیک، علوم محاسباتی، مهندسی، اقتصاد، شیمی، تولید، فیزیک، ریاضیات، داروشناسی و دیگر موارد کاربرد دارد


رشته هوش مصنوعی

معرفی رشته مهندسی کامپیوتر گرایش هوش مصنوعی

تعریف هوش مصنوعی

از دیر باز رویای تمامی طراحان اولیه کامپیوتر ساخت ماشین هایی بود که بتوانند رفتاری شبیه به انسان داشته باشند، خودشان تصمیم بگیرند،بتوانند رفتاری منطقی و معقول داشته و احساس برخورد با یک موجود هوشمند را در انسان بوجود آورند، که این رویا با ساخت کامپیوتر تا حدودی به حقیقت بدل گشت.

به زبان ساده تر هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها را بهتر انجام می‌دهند.

در ساخت هوش مصنوعی علوم زیادی کاربرد دارد از جمله: فلسفه، ریاضیات، عصب شناسی، مهندسی کامپیوتر، علوم کامپیوتر، نظریه سیستم ها، روان شناسی ،زیست شناسی، زبان شناسی،علوم اجتماعی ، نظریه اطلاعات ، علوم شناختی، نظریه پیچیدگی و…

معرفی رشته و گرایش هوش مصنوعی

رشته مهندسی کامپیوتر به طراحی و ساخت روش های مختلف جهت استفاده مناسب و کارا از کامپیوتر می پردازند و در دنیای امروز از اهمیت زیادی برخوردار است.

همچنین بخوانید:  تلگرام : اخبار تلگرام، امکانات جدید، رمزارز و تبلیغات / آموزش زمانبندی پست ها

هدف از طی این دوره تربیت کارشناسانی است که در زمینه تحلیل و طراحی، ساخت و راه اندازی دستگاه ها و مجموعه های سخت افزاری جدید، بررسی و شناخت مجموعه های سخت افزاری و نرم افزاری موجود، نگهداری، عیب یابی، تعمیر، اصلاح و توسعه روش ها و تکنولوِژی ها فعالیت کنند.

هوش مصنوعی یکی از گرایش های مهندسی کامپیوتر محسوب می شود.

دانشجویان در این گرایش با مطالب جدیدی مانند: شبکه های عصبی، هوش مصنوعی پیشرفته، تئوری فازی، پردازش تصویر و… آشنا می شوند.

گرایش هوش مصنوعی، گرایشی ما بین نرم افزار و معماری کامپیوتر است و در هر گرایش کاربردهایی دارد.

قبول شدگان در این گرایش می توانند جنبه نرم افزاری یا جنبه سخت افزاری آن را دنبال نمایند.

بطور عمده در این گرایش به ساخت سیستم های هوشمند و رباتیک پرداخته می شود.

در کنکور سراسری کارشناسی ارشد به عنوان تنها گرایشی است که داوطلبان  آن می توانند مدت زمانی مجزا (۶۰دقیقه) را صرف پاسخ به سؤالات آن کنند، دانشجویان این گرایش موارد آموزشی و کاربردی متفاوتی را می آموزند از جمله:

یادگیری ماشین: یادگیری روش، الگو و… بصورت خودکار توسط ماشین یا کامپیوتر

شبکه های عصبی: روش جدید حل مسائل هوش مصنوعی

پردازش تکاملی: شاخه ای جدید از هوش مصنوعی است که یک یا چند جواب اولیه برای یک مسآله در نظر می گیرند

رباتیک: از ترکیب شدن بسیاری از گرایش های هوش مصنوعی، الکترونیک و کنترل، مکانیک و ساخت و… بدان دست می یابند.

منطق فازی: در آن بجای استفاده از دو مقدار درست و غلط از درجه درستی بین عدد ۰ و ۱ استفاده می شود.

سیستم های خبره: کاربرد آن در طراحی و ساخت انواع ربات هاست، بطور نمونه می توان به ربات های جراح اشاره نمود.

محاسبات نوین: انجام محاسبات ریاضی بدون عدد و به صورت نمادین

پردازش تصویر: بهسازی تصاویر برای درک بهتر انسان که کاربرد آن در تصاویر پزشکی، جلوه های سینمایی، تصاویر قدیمی و آسیب دیده و…

بینایی ماشین: درک خودکار تصاویر توسط کامپیوتر و کابرد آن، سیستم تشخیص ایراد، تشخیص الگو، ربات ها، سه بعدی سازی و…

پردازش گفتار: درک صدای انسان از طریق گرفتن فرامین مربوط به صدا مانند شناسایی کاربر و…

برنامه ریزی: رسیدن به یک هدف خاص از طریق برنامه ریزی یک سری عملگر، کاربرد آن در بارگیری، رباتیک و…

برای تحصیل در این رشته توانایی ذهنی ویِژه ای مورد نیاز نیست، البته دانشجویانی که پایه ریاضی قوی و توانایی استدلالی و استقرایی بهتری دارند موفق ترند.به دلیل سرعت پیشرفت علم در این رشته نسبت به رشته های دیگر،  دانشجویان باید بطور مستمر در پی مطالب جدید و یادگیری آن ها باشند.

از آنجایی که این گرایش با علوم زیادی سرو کار دارد تحصیل در آن فقط مختص به دانشجویان کامپیوتر نبوده بلکه فاغ التحصیلان رشته های برق، الکترونیک، زیست شناسی، مکانیک و… نیز می توانند برای ادامه تحصیل آن را انتخاب نمایند (بطور مثال برای ساخت یک ربات علاوه بر علم نرم افزار جهت تولید و اجرای برنامه ها و دستورات باید از علوم برق و مکانیک نیز برای ساخت ربات بهره گرفت).

بازار کار در هر رشته ای به خود شخص بستگی دارد، به عبارت دیگر به میزان تخصص و توقع اولیه فرد از بازار وابسته است.

بازار کار هوش مصنوعی در ایران حوزه بسیار گسترده ای بوده و به زمینه کاری که افراد در آن فعالیت می کنند بستگی دارد، بطور مثال برخی از زمینه های کاری عبارتند از:

-پروژه های تحقیقاتی در مراکز تحقیقاتی کشور

-سیسم امنیتی ( مانند تشخیص هویت)

-سلاح های هوشمند (طراحی و ساخت)

-صنعت (مانند طراحی ربات و دستگاههای هوشمند و…)

-تشخیص گفتار (مانند تبدیل متن به گفتار، فشرده سازی گفتار و…)

-طراحی سیستم های خبره

-طراحی بازی ها

-آموزش

و…


کاربرد هوش مصنوعی

کاربردهای جالب و جدید از هوش مصنوعی

همانطور که می‌دانید این روز‌ها، هوش مصنوعی، به ویژه یادگیری ژرف (Deep Learning)، حرف اول را در خیلی از زمینه‌های پژوهشی و البته صنعتی می‌زند و نتایج و محصولات حاصل از آن طی سال‌های اخیر، بسیار شگفت انگیز بوده اند.
تقریبا پارسال بود که ساندار پیچای، مدیر عامل شرکت گوگل، طی پُستی در وبلاگ این شرکت اعلام کرد که جهان در حال گذر از حالت Mobile-first به حالت AI-first است و شرکت گوگل تمام محصولاتش را با این محوریت توسعه می‌دهد.
بنابراین واضح است که در این جهانِ AI-first استفاده از هوش مصنوعی برای تولید محصولات و آموزش مفاهیم و کاربرد‌های آن برای کارآفرینان و مهندسان بسیار حا‌یز اهمیت است.
یادگیری ژرف و شبکه‌های عصبی مصنوعی، شاخه ای از یادگیری ماشین اند که از ساختار لایه ای مغز انسان و سلول های عصبی متصل به هم الگو گرفته اند.
طی این پست، با ۳۰ نمونه از جدیدترین و هیجان‌انگیزترین کاربرد‌های یادگیری ژرف (Deep Learning) آشنا خواهیم شد.
واضح است که کاربردهای امروزیِ این علم،‌بسیار فراتر از این تعداد اندک اند.

برچسب گذاری خودکار تصاویر

زمانی که تصاویر خود را در Google Photos ذخیره می‌کنید، این تصاویر به صورت خودکار، برچسب گذاری و دسته بندی می‌شوند.
به عنوان مثال تصاویر مربوط به یک شخص خاص در یک دسته و تصاویر مربوط به مناظر طبیعی در دسته ای دیگر قرار می‌گیرند و برای جستجو کافی است یک عکس جدید از یک نفر بگیرید و آن عکس را در آلبوم تصاویر جستجو کنید.
خواهید دید که تمام عکس‌هایی که فرد مورد نظر در آنها حضور داشته ظاهر خواهند شد.

تبدیل گفتار به نوشتار

تبدیل گفتار به نوشتار، یکی از جالب‌ترین کاربرد های یادگیری ماشین است که این روزها در بسیاری از اپلیکیشن‌های موبایل (برای مثال کیبور گوگل) استفاده شده و شاهد دقت بسیاربالای آن حتی برای زبان فارسی هستیم.
استفاده از شبکه عصبی بازگشتی ژرف در سیستم بازشناسی گفتار شرکت گوگل باعث بهبود ۳۰ درصدی عملکرد آن گردیده است

رتبه بندی صفحات وب

زمانی که عبارتی را در موتور جستجوی گوگل جستجو می‌کنید، نتایج حاصل، بر اساس حدوداً ۱۰۰ معیار مختلف (Ranking Signals) برای شما مرتب می‌شوند که بسیاری از این ۱۰۰ معیار راز‌هایی اند که کسی خارج از گوگل از آنها اطلاعی ندارد.
با این حال طبق اعلام این شرکت، سومین سیگنال مهم و تاثیر گذار در بین این صد سیگنال، یک شبکه عصبی ژرف به نام RankBrain است که در سال ۲۰۱۵ در آزمایشگاه Google Brain ساخته شده است.
شبکه عصبی RankBrain، سومین سیگنال تاثیر گذار در رتبه بندی موتور جستجوی گوگل

پاسخ دهی خودکار در نرم‌افزار های پیام‌رسان

اگر با Google Allo کار کرده باشید، حتما دقت فوق‌العاده بالای آن در پاسخ های پیشنهاد شده به ازای پیام‌ها، شما را شگفت‌زده کرده است.
این سیستم که برای اولین بار در نرم‌افزار Gmail مورد استفاده قرار گرفت، در ابتدا توسط یک شبکه عصبی مصنوعی ساده، پیام را بررسی می‌کند تا بتواند تشخیص دهد که آیا می‌تواند به آن پاسخ خوبی بدهد یا خیر.
درصورتی که پاسخِ این شبکه مثبت بود، با استفاده از یک شبکه عصبی بازگشتی ژرف پاسخ مناسب تولید می‌شود.

همچنین بخوانید:  مایکروسافت : آخرین اخبار / بیل گیتس از هیأت مدیره مایکروسافت کناره گرفت

توصیف تصاویر

توصیف یک تصویر (یا یک ویدیو) در یک یا چند جمله، یکی از جالب ترین و هیجان‌انگیز ترین کاربرد‌های هوش مصنوعی در بینایی ماشین است و به ما کمک می‌کند ماشین‌هایی بسازیم که اشیاء دیده شده را واقعاً درک کنند.
همینطور در روش معکوس می‌توان از روی توصیفات متنی، یک تصویر نسبتا واقعی تولید کرد. با این تفاسیر، تصور تولید یک فیلم از روی فیلمنامه، موضوع دور از انتظاری نیست!

تخمین میزان صرفه‌ جویی در مصرف انرژی در صورت استفاده از سلول‌های خورشیدی

با توجه به هزینه های بالای تولید انرژی، تاثیرات آن بر زیست بوم و مشکلات مربوط به استفاده از انرژی های تجدید ناپذیر، بهینه‌سازی مصرف انرژی یکی از اصلی ترین و مهم‌ترین چالش هایی است که هوش مصنوعی به دنبال حل آن است.
برای مثال، خیلی از استارتاپ‌ها در کشور‌های پیشرفته به دنبال استفاده از هوش مصنوعی در کنتور‌های برق و آب و مدیریت الگوی مصرف انرژی از این طریق هستند.

تبدیل طرح اولیه (Mockup) به کد HTML

با ظهور کامپیوتر ها، برنامه‌نویس ها، نرم‌افزار‌هایشان را جایگزین بسیاری از افراد خبره و مشاغل کردند، اما به نظر می‌رسد این بار نوبت خودشان است.
محققان با استفاده از یادگیری ژرف توانسته اند Mockup های طراحی شده توسط UX Designer ها را به کد HTML تبدیل کنند.
با این تفاسیر انتظار برنامه‌نویسی از کامپیوتر ها نیز انتظار دور از ذهنی نیست!

اتوموبیل خودران

یکی از جذاب‌ترین و پردرآمدترین شغل ها در سال ۲۰۱۸ طراحی اتوموبیل‌های خودران است که تماما بر اساس هوش مصنوعی و یادگیری ژرف بنا نهاده شده است.
با اینکه هنوز تا قابل استفاده شدن این سیستم ها در زندگی روزمره فاصله داریم اما شرکت هایی مثل Waymo و Tesla به صورت خیلی جدی در حال کار و پژوهش در این حوزه هستند و به زودی شاهد فراگیر شدن این سیستم ها و همینطور پهباد‌های خودمختار خواهیم بود.
استفاده از اتوموبیل های خودران می‌تواند باعث افزایش ایمنی و کاهش خطرات ناشی از رانندگی شود

تولید خودکار مراحل جدید در بازی‌ ها

در تولید سناریوها، داستان‌ها و مراحل بازی که توسط هوش مصنوعی ساخته می‌شوند، گاهاً شاهد خلاقیت‌های امیدوار کننده ای هستیم…

تشخیص چهره از پشت دیوار

دانشگاه MIT طی یک تحقیق، سیستمی ساخته که با استفاده از امواج RF قادر است موقعیت و حرکت انسان‌ها در پشت دیوار را تشخیص دهد.

اما این کافی نیست…
معمولا بیشترین سرمایه‌گزاری ای که بر روی هوش مصنوعی می‌شود برای تحقیقات نظامی است.
چند ماه پیش بود که ارتش آمریکا خبر ساخت سیستمی بر اساس یادگیری ژرف را داد که قادر است چهره فرد را از پشت دیوار و در تاریکی تشخیص دهد.

تنظیم هارمونی رنگ‌ها در تصویر

اگر با نرم‌افزار های ویرایش تصاویر مانند Adobe Photoshop کار کرده باشید، احتمالا ابزارهای تنظیم هارمونی رنگ را دیده اید.
هوش مصنوعی و شبکه‌های عصبی ژرف یکی از بهترین روش ها برای انجام این کار اند.

یادگیری و استخراج سبک

هوش مصنوعی قادر است با نگاه کردن به یک تصویر، موسیقی، فیلم یا …، سبک (Style) آن را یادگرفته و استخراج کند.
سپس این سبک را روی تصویر، موسیقی یا … دیگر اعمال کند.

طراحی لباس بر اساس سلیقه کاربر

این روز ها بیشتر سایت‌های خرده‌فروشی آنلاین، از سامانه‌های پیشنهاد دهنده (Recommender Systems) برای پیشنهاد محصولات به کاربران خود و افزایش Conversion Rate بهره می‌برند، با این حال محققان پا را فرا تر گذاشته و اقدام به ساخت الگوریتم هوشمندی برای طراحی و تولید یک لباس جدید بر اساس سلیقه کاربر کرده اند.

انجام بازی‌ های ویدیویی

هوش مصنوعی ساخت شرکت Google DeepMind موسوم به DQN می‌تواند بازی‌های آتاری را حتی بهتر از انسان بازی کند.

انجام بازی های صفحه ای مانند شطرنج و GO

هوش مصنوعی ساخت شرکت Google DeepMind موسوم به AlphaGo توانست لی سدول، قهرمان جهان در بازی Go را شکست دهد.
لازم به ذکر است بازی Go به مراتب پیچیده‌تر و سخت تر از بازی شطرنج است.

تبدیل تصویر به تصویر

یکی از کاربرد های جالب هوش مصنوعی تبدیل تصویر به تصویر است. برای مثال تبدیل یک نقاشی به شی واقعی آن، تبدیل یک تصویر سیاه و سفید به معادل رنگی آن، تبدیل یک اسب به گورخر، تبدیل عکس ماهواره ای به نقشه متناظر و …

آهنگسازی

هوش مصنوعی می‌تواند به تعدادی موسیقی (مثلا موسیقی های ساخته شده توسط بتهوون) گوش کرده و یک موسیقی جدید از همان توزیع (با همان سبک) بسازد.

نقاشی

هوش مصنوعی میتواند با مشاهده تعدادی نقاشی، نقاشی هایی شبیه به نقاشی های یاد گرفته شده را بکشد و یا نقاشی های شما را با استفاده از مفاهیمی که یاد گرفته تکمیل کند.

تشخیص چهره

یکی از کاربردی ترین ایده های هوش مصنوعی، تشخیص چهره است.
از این سیستم ها برای مقاصد امنیتی مانند قفل درب ها یا گوشی های موبایل، سیستم های حضور و غیاب و البته برای یافتن و تعقیب مجرمان یا کهنسالان در معابر استفاده می‌شود.
طبق اعلام دولت چین، طی دو سال گذشته، ۲۰۰۰ مجرم در این کشور توسط سیستم تشخیص چهره Skynet در معابر دستگیر شده اند.

دستیار های هوشمند

همه سیستم‌عامل های امروزی، یک دستیار هوشمند دارند که می‌تواند با فرامین صوتی، انجام بعضی از کار‌ها را ساده تر کند.
مانند Google Assistant در اندروید، Siri در iOS و Cortana در Windows .
با این حال چند ماه پیش در کنفرانس Google IO 2018، ساندار پیچای، مدیر عامل شرکت گوگل به معرفی نسخه جدید دستیار هوشمند گوگل پرداخت که موجب شگفتی جهانیان شد.

ترمیم تصویر (Image In-painting)

در عکسهایی که به دلایلی بخشی از آن از بین رفته، هوش مصنوعی، به سادگی و با دقت بالا قادر به ترمیم بخش های از بین رفته است.

توسعه تصویر (Image Out-painting)

هوش مصنوعی قادر است یک عکس را توسعه داده و بخش هایی را به آن بیافزاید.

باز کردن چشم های بسته در عکس

با استفاده از هوش مصنوعی در دوربین های دیجیتال، دیگر نگران بسته شدن چشم‌های خود هنگام عکاسی نباشید. هوش مصنوعی قادر است چشم‌های شما را باز کند!

حذف قطرات باران از تصویر

هوش مصنوعی قادر است قطرات باران در تصویر ثبت شده از دوربین را حذف کرده و به تصویر واضح تری دست یابد.

طراحی روکش دندان

هوش مصنوعی حتی قادر است روکش دندان را با دقتی بسیار بهتر از دندانپزشک طراحی کند.

همگام‌سازی لب ها در ویدیو با صدا هایی غیر از صدای اصلی

می توان به کمک هوش مصنوعی صدایی که متعلق به یک ویدیوی دیگر است (یا حتی به صورت fake از صدای فرد ساخته شده است) را روی تصویر گذاشت به‌طوری که حرکت لب های گوینده در تصویر کاملا بر صدا و گفتار منطبق شود.

جستجوی تصاویر با انجام حرکات مرتبط

پروژه Move Mirror یک پروژه سرگرم کننده است که با استفاده از آن می‌توانید جلوی دوربین حرکت هایی را ضبط کرده و تصاویر مرتبط با آن حرکت را جستجو کنید…

شما هم رقاص شوید

پروژه Everybody dance now به شما اجازه می‌دهد یک فیلم از رقص ناشیانه خود گرفته و آن را با یک ویدیوی رقص حرفه ای ترکیب کنید. نتیجه حیرت آور خواهد شد!

رقابت در محیط های چند عامله

چند هفته پیش خبر مسابقه بین قهرمان های بازی Dota 2 و هوش مصنوعی OpenAI Five تیتر اول خیلی از خبرگزاری ها شد.
OpenAI Five یک هوش مصنوعی بسیار پیشرفته است که می‌تواند همانند یک انسان Dota 2 بازی کرده و تصمیمات استراتژیک بگیرد.
در واقع این مسابقه نشان داد که هوش مصنوعی می‌تواند در بسیاری از تصمیمات استراتژیک همچون حمل و نقل شهری موفق باشد.


توجه: مطالب بخش پزشکی و سلامت سایت نایریکا فقط جنبه اطلاع رسانی و آموزشی دارند. این مطالب توصیه پزشکی تلقی نمی شوند و نباید آنها را جایگزین مراجعه به پزشک جهت تشخیص و درمان کرد.

نظر خود را ارسال کنید

  Subscribe  
Notify of