data science

هوش مصنوعی

هوش مصنوعی چیست؟

برای تعریف هوش مصنوعی چون تنوع موضوعاتی بسیار است، بین محققان و پژوهشگران این حوزه اختلافاتی است اما چندین تعریف وجود دارد که تمامی ابعاد هوش مصنوعی را پوشش می‌دهد. علم هوش مصنوعی یکی از شاخه‌های علوم کامپیوتر است که به هوشمندسازی ماشین‌ها می‌پردازد. یکی دیگر از اسامی هوش مصنوعی، هوش ماشینی است که زبان ساده‌تر میتوان آن را تقلید یک ماشین از رفتار هوشمندانه‌ی انسان دانست.

هوش مصنوعی از روی هوش انسانی شبیه سازی شده تا توانایی فکر و عمل مانند انسان را داشته باشد. این تعریف برای هر ماشینی که همانند ذهن انسان فکر کند و توانایی عمل کردن داشته باشد صدق می‌کند. کتاب‌های مرجع هوش مصنوعی به این علم نگاه کارگزار هوشمند دارند یعنی هر دستگاهی که توانایی درک محیط و فعالیت با حداکثر شانس موفقیت را داشته باشد، هوش مصنوعی است.

اگرچه هنوز تعریف دقیقی برای هوش مصنوعی که مورد توافق دانشمندان این علم باشد، ارائه نشده است اما اکثر تعاریفی که درباره حوزه هوش مصنوعی ارائه شدند، بر پایه یکی از ۴ اصل مهم است که عبارتند از :

سامانه‌هایی که مانند انسان فکر می‌کنند.

سامانه‌هایی که عقلانی فکر می‌کنند.

سامانه‌هایی که مانند انسان عمل می‌کنند.

سامانه‌هایی که عقلانی عمل می‌کنند.

ساخت کامپیوترها و ماشین‌های متفکر و با احساس، خودکارسازی فعالیت‌های مرتبط با تفکر انسان، فعالیت‌هایی مانند تصمیم‌گیری، حل مسئله و یادگیری، در تعریف «سامانه‌هایی که مانند انسان فکر می‌کنند» قرار می‌گیرد. در نهایت «سامانه‌هایی که همچون انسان عمل می‌کنند» به ساخت ماشین‌هایی اشاره دارد که کارهایی را انجام می‌دهد که انسان با فکر کردن آن‌ها را به انجام می‌رساند.

سامانه‌هایی که منطقی فکر می‌کنند، در واقع سامانه‌هایی هستند که از طریق مدل‌های محاسباتی به طراحی توانایی‌های ذهن انسان برسند. طراحان سامانه، سامانه‌ها را بر اساس مدل‌های محاسباتی طوری طراحی می‌کنند که منجر به درک و استدلال مانند انسان شوند. در دو اصل اول اشاره به فرایندهای تفکر و استدلال دارد و دو اصل دوم به رفتار و برخورد اشاره می‌کند. سامانه‌هایی که منطقی عمل می‌کنند، دارای محاسباتی می‌باشند، در اصل در این سامانه‌ها به طراحی عامل‌های هوشمند پرداخته می‌شود که میتوان رفتار هوشمندانه به کار رفته در سامانه‌های هواپیمایی را از این نوع دانست.

ساخت کامپیوترها و ماشین‌های متفکر و با احساس، خودکارسازی فعالیت‌های مرتبط با تفکر انسان، فعالیت‌هایی مانند تصمیم‌گیری، حل مسئله و یادگیری، در تعریف «سامانه‌هایی که مانند انسان فکر می‌کنند» قرار می‌گیرد. در نهایت «سامانه‌هایی که همچون انسان عمل می‌کنند» به ساخت ماشین‌هایی اشاره دارد که کارهایی را انجام می‌دهد که انسان با فکر کردن آن‌ها را به انجام می‌رساند.

استفاده ازهوش مصنوعی برای تشخیص بیماری آلزایمر در چند دقیقه

در تایوان، نزدیک به ۳۰۰۰۰۰ نفر از بیماری آلزایمر رنج می‌برند و ۷.۷ درصد جمعیت سالمند را تشکیل می‌دهند و این تعداد در سال ۲۰۳۱ به ۴۶۰۰۰۰ نفر می‌رسد

کمک هوش مصنوعی به انسان برای درک بهتر نشانه های آغاز زندگی

به تازگی محققان برزیلی با کمک هوش مصنوعی کشف کردند که زندگی چگونه آغاز شده است

قالیباف: با هوش مصنوعی تعداد قوانین را به سرعت کاهش می‌دهیم

رئیس مجلس گفت: تلاش می‌کنیم با استفاده از هوش مصنوعی برای تنقیح قوانین، قوانین در ۲ بخش متمرکز شود

رمزگشایی دقیق متون تاریخی به کمک هوش مصنوعی

محققان فناوری ابزاری را توسعه داده اند که متون تاریخی را با دقتی بی نظیر رمزگشایی می‌کند

ایجاد یک مدل هوش مصنوعی با قابلیت تشخیص اختلالات روانی

یک مدل هوش مصنوعی که اختلالات روانی را از طریق پست‌های رسانه‌های اجتماعی تشخیص می‌دهد، ایجاد شد

تاثیرات  هوش مصنوعی  بر زندگی در آینده

از کاربرد‌های هوش مصنوعی در آینده می‌توان به اتوماسیون هوشمند و کاهش زمان انتظار مشتریان برای دریافت خدمات اشاره کرد

جایگزین احتمالی سوخت‌های فسیلی مشخص شد

با اعلام دانشمندان، آزمایش سیستم هوش مصنوعی بر روی دستگاه‌های TCV با موفقیت انجام شد

ابداع یک فناوری تازه برای ایجاد تحول در زندگی افراد مبتلا به اختلالات حرکتی

محققان فناوری جدیدی را ابداع کرده اند که ممکن است در زندگی افراد مبتلا به اختلالات حرکتی تحول مهمی را ایجاد کند

هوش مصنوعی، گام دوم رشد دنیا به سمت بهینه شدن است

عضو هیئت علمی دانشگاه شریف درباره مزایای استفاده از هوش مصنوعی برای رشد علمی در دنیا توضیح داد

با شنیدن اسم AI در ذهن ما تصورات عجیب و غریبی و بعضاً خطرناکی شکل می‌گیرد، تصوراتی مثل دستیار صوتی سیری و الکسا، ربات‌های مهاجم و جنگنده در فیلم ترمیناتور، دنیاهای مجازی مثل متاورس، پایان بشریت، علم رباتیک و غیره. اما سوال‌های مهم‌تری شکل می‌گیرد، سوال‌هایی از جنس سردرگمی و ترس ولی در عین حال هیجان‌انگیز است.

artificial intelligence

علم داده یا Data Science چیست؟

 

این روزها علم داده یا Data Science یکی از موضوعات بسیار جذاب دنیای IT به شمار می‌رود؛ دانشی برای یک مسیر شغلی جدید که افراد زیادی داوطلب یادگیری آن هستند. داده‌پردازان حرفه‌ای به این نتیجه رسیده‌اند که مهارت‌های سنتی استفاده از Big Data، آنالیز، تحلیل داده‌ها و مهارت‌های برنامه‌نویسی آن‌ها نیازمند به‌روزرسانی و بهبود است. دانشمندان علم داده برای استفاده هوشمندانه از اطلاعات در سازمان خود، باید بر طیف کاملی از چرخه حیات علم داده تسلط داشته و دارای سطح انعطاف‌پذیری و درک بالاتری برای بررسی بازدهی هر مرحله از فرآیند باشند.

تاریخچه دیتا ساینس

استفاده از اصطلاح دانشمند داده یا دیتا ساینتیست (data scientist) از سال 2008 رواج پیدا کرد. سازمان‌ها پس از گسترش سریع دانش و افزایش قابل توجه دیتاها به این نتیجه رسیدند که برای سازماندهی، تجزیه و تحلیل و کسب نتیجه کاربردی، نیاز به متخصصانی دارند که بتوانند داده‌هایی با حجم زیاد را پردازش کنند و از میان انبوه اطلاعاتی که ممکن است در نگاه اول حتی کاربردی به نظر نرسند، نتایج مورد انتظار سازمان را استخراج کنند.

در سال 2009 هال واریان (Hal Varian)، اقتصاددان ارشد گوگل و استاد دانشگاه برکلی در زمینه‌های علوم اطلاعات، تجارت و اقتصاد، مقاله‌ای در McKinsey & Company به چاپ رساند و در آن به اهمیت سازگاری با تأثیرات فناوری اشاره و تغییر شکل مجدد صنایع مختلف را پیش‌بینی کرده بود:

<<توانایی به دست ‌آوردن دیتا، پردازش آن، ایجاد ارزش از دیتا و قابلیت تجسم بخشیدن به آن برای ایجاد معنا، مهارت بسیار مهمی در دهه‌های آینده خواهد.>>

کار یک دیتاساینتیست چیست؟

در طول دهه گذشته و با سپری شدن زمان، دیتاساینتیست‌ها تبدیل به یکی از اجزاء ضروری برای هر سازمانی شده‌اند. این افراد در گردآوری اطلاعات و پردازش داده خبره هستند و دانش فنی بسیار خوبی دارند. آن‌ها با استفاده از الگوریتم‌های پیچیده و دانش بالا، مقادیر زیادی از اطلاعات را پردازش و سازماندهی می‌کنند. سپس با استفاده از این عملیات پاسخ‌های مورد نیاز سازمان را پیدا می‌کنند و در اجرای استراتژی‌های سازمان، نقش موثری خواهند داشت.

یک دیتاساینتیست حرفه‌ای می‌تواند سوالات درستی مطرح کند و به آن‌ها پاسخ دهد. او داده‌ها را از منابع مختلف جمع‌آوری و سازماندهی می‌کند و سپس نتایج را به راه ‌حل تبدیل خواهد کرد. همچنین او یافته‌های خود را به روشی منتقل می‌کند که بر تصمیمات تجاری، تأثیر مثبت بگذارد.

دانشمندان داده باید کنجکاو و نتیجه‌گرا باشند، دانش و مهارت‌های ارتباطی متناسب با صنعت مربوطه را داشته باشند و با داشتن این ویژگی‌ها، می‌توانند نتایج فنی و تخصصی را برای همکاران خود توضیح دهند. به همین دلیل آن‌ها باید دانشی قوی در زمینه آمار و جبر خطی و همچنین برنامه‌نویسی داشته باشند.